深度学习在生物医药领域的应用

序号	推送日期	文章	类型	简述	创新点	不足	研究目的	研究对象	领域	病种	技术	模型	数据类型	样本量	算法框架	模型架构	性能指标	计算资源
7541	2025-10-06	A Deep Learning Methodology for Screening New Natural Therapeutic Candidates for Pharmacological Cardioversion and Anticoagulation in the Treatment and Management of Atrial Fibrillation 2025-May-28, Biomedicines IF:3.9Q1 DOI:10.3390/biomedicines13061323 PMID:40564042	研究论文	开发一种在低资源环境下筛选心房颤动治疗天然候选化合物的深度学习方法	在缺乏高性能GPU的低资源环境下开发深度跨模态注意力模型，用于发现新型天然治疗候选物	研究在低资源环境下进行，可能限制了模型复杂度和计算效率	发现可用于心房颤动药物复律和抗凝治疗的新型天然候选化合物	天然化合物与靶点蛋白的相互作用	机器学习	心血管疾病	深度跨模态注意力建模，对比学习	深度学习	药物-靶点相互作用数据，天然化合物数据	MINER-DTI数据集包含13,741个DTI对，4,510个药物化合物，2,181个蛋白靶点；NPASS 2018天然化合物数据集	NA	深度跨模态注意力模型	PR AUC	低资源设置（无高性能NVIDIA GPU）
7542	2025-10-06	A Hybrid Convolutional-Transformer Approach for Accurate Electroencephalography (EEG)-Based Parkinson's Disease Detection 2025-May-28, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12060583 PMID:40564400	研究论文	提出一种混合卷积-Transformer方法用于基于脑电图的帕金森病检测	整合卷积神经网络、Transformer注意力块和长短时记忆层来捕捉脑电图的空间、时间和序列特征	样本量较小（仅31名参与者），需要在更大人群中验证泛化能力	开发高精度且泛化能力强的帕金森病早期检测方法	帕金森病患者和健康对照者的脑电图数据	医疗人工智能	帕金森病	脑电图，谱功率分析，频带比率，小波变换，统计测量	CNN, Transformer, LSTM	脑电图信号	31名参与者（15名帕金森病患者和16名健康对照）	NA	卷积Transformer增强序列模型	准确率	NA
7543	2025-10-06	A Comprehensive Review of Deep Learning Applications with Multi-Omics Data in Cancer Research 2025-May-28, Genes IF:2.8Q2 DOI:10.3390/genes16060648 PMID:40565540	综述	本文全面综述了深度学习在多组学数据整合分析于癌症研究中的应用进展	系统梳理了2020年以来深度学习在多组学癌症研究中的最新方法、模型架构和关键创新	NA	概述深度学习在多组学数据分析中的最新发展，特别关注癌症研究应用	多组学数据在癌症研究中的应用	机器学习	癌症	多组学数据整合分析	深度学习	基因组学数据	NA	NA	NA	NA	NA
7544	2025-10-06	UNet with Attention Networks: A Novel Deep Learning Approach for DNA Methylation Prediction in HeLa Cells 2025-May-28, Genes IF:2.8Q2 DOI:10.3390/genes16060655 PMID:40565547	研究论文	本文提出了一种结合注意力机制的UNet深度学习模型，用于预测HeLa细胞中的DNA甲基化模式	首次将注意力机制与UNet结合应用于DNA甲基化预测，在宫颈癌细胞系中实现了高精度预测	研究仅限于HeLa宫颈癌细胞系，未在其他细胞类型中验证	开发深度学习模型预测DNA甲基化模式，探索表观遗传变量在宫颈癌中的作用	HeLa宫颈癌细胞系中的DNA甲基化模式	机器学习	宫颈癌	DNA甲基化测序	UNet, Attention Networks, Autoencoders, GAN, CNN	DNA序列数据	ENCODE数据库数据，五个基因启动子区域验证	NA	UNet with Attention Networks	准确率, 灵敏度, 特异性, AUC, p值, Cohen's Kappa	NA
7545	2025-10-06	Dual-Branch Network with Hybrid Attention for Multimodal Ophthalmic Diagnosis 2025-May-25, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12060565 PMID:40564382	研究论文	提出一种基于双分支学习和混合注意力机制的深度学习模型，用于解决眼科图像诊断中特征利用不足和传统单模态模型在数据不平衡时泛化能力有限的问题	创新设计了频域变换驱动的混合注意力模块，包含频域注意力、空间注意力和通道注意力，并通过多尺度分组注意力融合机制整合双模态的局部细节和全局结构信息	NA	提高眼科多模态图像诊断的准确性和特征利用效率	眼科图像（2D图像和3D体积数据）	计算机视觉	眼科疾病	深度学习	双分支网络	图像	NA	NA	残差块, 混合注意力机制	准确率	NA
7546	2025-10-06	Are Artificial Intelligence Models Listening Like Cardiologists? Bridging the Gap Between Artificial Intelligence and Clinical Reasoning in Heart-Sound Classification Using Explainable Artificial Intelligence 2025-May-22, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12060558 PMID:40564375	研究论文	本研究应用可解释人工智能技术评估和改进心音分类模型，探索模型是否像心脏病专家一样关注临床相关特征	首次在手动分割数据集上使用XAI客观评估模型行为，并探索将注意力机制与预训练模型结合以提升性能	模型诊断准确性仍主要依赖临床医生的专业知识，检测罕见或复杂病症具有挑战性	弥合人工智能与临床推理在心音分类领域的差距，验证模型是否基于临床相关特征进行分类	心音信号及其生成的声谱图	机器学习	心血管疾病	心音分类，声谱图分析	CNN, 注意力机制	音频信号，图像	NA	NA	ResNet50	准确率，平均交并比	NA
7547	2025-10-06	Influence of Robotic Versus Manual Technology for Achieving Sagittal Targets in Total Knee Arthroplasty Using a Cruciate-Retaining and Medial-Stabilized Implant 2025-May-19, The Journal of arthroplasty IF:3.4Q1 DOI:10.1016/j.arth.2025.05.052 PMID:40398583	研究论文	比较机器人辅助与手动全膝关节置换术在实现矢状面目标参数方面的差异	开发基于U-Net架构的深度学习模型自动计算膝关节矢状面参数，首次系统比较机器人辅助与手动TKA在矢状面目标达成精度	单中心研究，样本量有限，临床相关性需要进一步验证	评估机器人辅助与手动全膝关节置换术在实现术前矢状面目标参数方面的差异	接受全膝关节置换术的患者	医学影像分析	骨科疾病	膝关节X光片分析	深度学习	医学影像	280例患者（手动TKA 132例，机器人辅助TKA 148例）	NA	U-Net	平均绝对误差	NA
7548	2025-10-06	Data-driven machine learning algorithm model for pneumonia prediction and determinant factor stratification among children aged 6-23 months in Ethiopia 2025-May-02, BMC infectious diseases IF:3.4Q2 DOI:10.1186/s12879-025-10916-4 PMID:40316929	研究论文	开发基于机器学习的数据驱动预测模型，用于预测埃塞俄比亚6-23个月儿童肺炎并分层确定因素	首次在埃塞俄比亚儿童肺炎预测中应用多种机器学习算法比较，并使用特征重要性评分识别关键预测因子	仅使用2016年单一数据集，未应用深度学习算法，样本代表性可能受限	构建肺炎预测模型并识别关键影响因素	埃塞俄比亚6-23个月儿童	机器学习	肺炎	人口健康调查数据分析	随机森林, 多种机器学习算法	结构化健康调查数据	2035名儿童样本	Python, Pandas, Seaborn, Numpy, Jupyter Notebook	多种机器学习算法比较	准确率, 混淆矩阵	NA
7549	2025-10-06	A deep learning strategy to identify cell types across species from high-density extracellular recordings 2025-Apr-17, Cell IF:45.5Q1 DOI:10.1016/j.cell.2025.01.041 PMID:40023155	研究论文	开发了一种基于深度学习的策略，从高密度细胞外记录中识别跨物种的细胞类型	结合光遗传学和药理学创建了经过筛选的真实标签电生理特性库，并开发了半监督深度学习分类器	使用小脑作为测试平台，可能在其他脑区的适用性需要进一步验证	从细胞外记录中识别细胞类型并揭示不同功能、分子和解剖特性神经元在行为中的计算作用	清醒动物的小脑神经元，包括浦肯野细胞、分子层中间神经元、高尔基细胞和苔藓纤维	机器学习	NA	光遗传学,药理学,电生理记录	深度学习分类器	电生理信号	NA	NA	半监督深度学习	准确率	NA
7550	2025-10-06	Identification of Intracranial Germ Cell Tumors Based on Facial Photos: Exploratory Study on the Use of Deep Learning for Software Development 2025-Jan-30, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/58760 PMID:39883924	研究论文	本研究开发了一种基于面部照片识别颅内生殖细胞肿瘤的深度学习模型GVisageNet	首次将面部识别技术应用于颅内生殖细胞肿瘤的早期检测，并开发了结合临床数据的混合模型	研究样本量相对有限，且模型性能受下丘脑-垂体-靶轴损伤程度影响	探索深度学习在儿童和青少年颅内生殖细胞肿瘤早期诊断中的应用	儿童和青少年颅内生殖细胞肿瘤患者、中线脑肿瘤患者及正常对照	计算机视觉	脑肿瘤	深度学习	CNN	面部照片	训练集847例（iGCTs=358，正常对照=300，其他中线脑肿瘤=189），测试集212例，独立验证集336例来自4家医疗机构	NA	GVisageNet	AUC, 准确率, 灵敏度, 特异性	NA
7551	2025-10-06	OTMorph: Unsupervised Multi-Domain Abdominal Medical Image Registration Using Neural Optimal Transport 2025-Jan, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3437295 PMID:39093684	研究论文	提出一种基于神经最优传输的无监督多域腹部医学图像配准框架OTMorph	首次将神经最优传输应用于多域医学图像配准，通过域转换图像缓解输入图像间的域差异	未明确说明模型在极端域偏移情况下的表现	解决多域腹部医学图像的非刚性配准问题	多模态和多参数腹部医学图像	医学图像分析	肝癌、淋巴瘤	医学影像扫描	深度学习	医学图像体积数据	NA	NA	OTMorph（包含传输模块和配准模块）	配准性能指标	NA
7552	2025-10-06	Improved swin transformer-based thorax disease classification with optimal feature selection using chest X-ray 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0327099 PMID:40561187	研究论文	提出一种基于改进Swin Transformer和优化特征选择的胸部X光疾病分类方法	结合增强自编码器(EnAE)、混沌鲸鱼优化算法(ChWO)和改进Swin Transformer(IMSTrans)进行胸部疾病分类	NA	开发准确的胸部疾病自动分类系统	胸部X光图像	计算机视觉	肺部疾病	胸部X光成像	自编码器,Transformer	图像	广泛的胸部X光数据集和肺部疾病数据集	NA	增强自编码器(EnAE),改进Swin Transformer(IMSTrans)	准确率,精确率,召回率,F分数,MCC,MAE	NA
7553	2025-10-06	Automated Segmentation of Knee Menisci Using U-Net Deep Learning Model: Preliminary Results 2024-Dec, Maedica DOI:10.26574/maedica.2024.19.4.690 PMID:39974461	研究论文	本研究开发了一种基于U-Net深度学习模型的膝关节半月板自动分割方法	首次将U-Net模型应用于膝关节半月板的自动检测和分割，并通过渐进式训练策略提升分割精度	面临数据稀缺问题，且需要进行序列特异性优化	开发能够自动识别和分割膝关节MRI中半月板的深度学习模型	膝关节半月板	计算机视觉	骨科疾病	磁共振成像	CNN	图像	104张膝关节MRI图像用于初始训练，额外50张用于微调	NA	U-Net	准确率, Dice系数	NA
7554	2025-10-06	Semi-Supervised Contrastive VAE for Disentanglement of Digital Pathology Images 2024-Nov, Medical image computing and computer-assisted intervention : MICCAI ... International Conference on Medical Image Computing and Computer-Assisted Intervention DOI:10.1007/978-3-031-72083-3_43 PMID:40556771	研究论文	提出一种用于数字病理图像解耦的半监督对比变分自编码器方法	首个针对病理图像的解耦方法，提出了级联解耦、新颖架构和重建分支等创新思想	NA	提高深度学习模型的可解释性，特别关注肿瘤浸润淋巴细胞检测任务	数字病理图像	数字病理学	癌症	深度学习	变分自编码器	病理图像	NA	NA	对比变分自编码器	NA	NA
7555	2025-10-06	Considerations on Image Preprocessing Techniques Required by Deep Learning Models. The Case of the Knee MRIs 2024-Sep, Maedica DOI:10.26574/maedica.2024.19.3.526 PMID:39553362	研究论文	本研究探讨膝关节MRI图像预处理技术对深度学习模型检测半月板损伤的重要性	提出了针对膝关节MRI的创新型预处理方法，包括模态特定调整、空间重采样和强度标准化等技术	研究仅针对188例患者样本，样本量相对有限	开发适用于深度学习模型的膝关节MRI图像预处理流程	膝关节MRI图像，特别是半月板损伤区域	医学影像分析	膝关节疾病	磁共振成像	深度学习分割模型	医学影像	188例患者的PD矢状面图像	PyDicom, SimpleITK	NA	NA	NA
7556	2025-10-06	Early prediction of adverse outcomes in liver cirrhosis using a CT-based multimodal deep learning model 2025-Jun-27, Abdominal radiology (New York) DOI:10.1007/s00261-025-05045-0 PMID:40576670	研究论文	开发基于CT的多模态深度学习模型TMF-LCNet用于早期预测肝硬化不良结局	提出融合CT影像、影像组学特征和临床文本的三模态深度学习网络，首次实现多源数据整合的肝硬化预后预测	回顾性研究设计，样本量相对有限（243例患者），仅包含两个医疗中心数据	开发深度学习模型以早期识别肝硬化高风险患者，改善临床管理策略	早期肝硬化患者	医学影像分析	肝硬化	CT影像分析，影像组学特征提取，临床文本分析	深度学习，多模态融合网络	CT图像，影像组学特征，临床文本	243例早期肝硬化患者（训练队列184例，外部测试队列59例）	NA	TMF-LCNet（三模态融合肝硬化网络）	AUC，校准曲线，决策曲线分析	NA
7557	2025-10-06	Practical applications of AI in body imaging 2025-Jun-27, Abdominal radiology (New York) DOI:10.1007/s00261-025-05088-3 PMID:40576669	综述	本文综述了截至2024年底美国FDA批准的商业AI算法在腹部盆腔器官及相关疾病评估中的实际应用	系统梳理了FDA批准的商用AI算法在体部成像中的实际应用价值与发展方向	仅涵盖美国市场已获批的商用算法，未包括研究阶段或非商用算法	评估AI在放射学体部成像中的实际应用价值和发展前景	FDA批准的商用AI算法及其在腹部盆腔器官疾病评估中的应用	医学影像分析	腹部盆腔疾病	深度学习	NA	医学影像	NA	NA	NA	NA	NA
7558	2025-10-06	Deep learning for classification of aggressive versus non-aggressive central giant cell granuloma using whole-slide histopathology images 2025-Jun-27, Virchows Archiv : an international journal of pathology IF:3.4Q1 DOI:10.1007/s00428-025-04160-z PMID:40576733	研究论文	本研究使用深度学习算法分析中央性巨细胞肉芽肿的侵袭性与非侵袭性病例的显微图像，以评估其在预测CGCG生物学行为方面的潜力	这是首个基于全切片显微图像使用深度学习模型区分侵袭性与非侵袭性中央性巨细胞肉芽肿的先驱性研究	模型性能不佳，可能由于缺乏特定分割和技术染色问题，需要进一步研究改进预处理方法	评估深度学习算法在预测中央性巨细胞肉芽肿生物学行为方面的潜力	侵袭性与非侵袭性中央性巨细胞肉芽肿病例	数字病理学	中央性巨细胞肉芽肿	H&E染色，全切片扫描	CNN	图像	87例患者（48例侵袭性组，39例非侵袭性组），4272个切片用于训练，100个图像用于测试	NA	ResNet-50	AUC, 敏感度, 特异度	NA
7559	2025-10-06	Deep learning predicts onset acceleration of 38 age-associated diseases from blood and body composition biomarkers in the UK Biobank 2025-Jun-27, GeroScience IF:5.3Q1 DOI:10.1007/s11357-025-01702-w PMID:40576910	研究论文	本研究开发了一种神经网络Cox模型，用于预测38种年龄相关疾病的发病加速风险	首次利用疾病诊断的相对发病加速关联来表征疾病模式，并识别高风险群体的加速疾病发展	研究基于UK Biobank数据，可能受到数据来源的限制	预测年龄相关疾病的发病加速风险，理解疾病共现模式	UK Biobank中的60,396名个体	机器学习	老年疾病	生存分析	神经网络Cox模型	人口统计学、人体测量、影像学和血液生物标志物数据	60,396名个体，218,530个结局事件	NA	OnsetNet	Harrell's concordance index (C-index), Kaplan-Meier曲线, log-rank检验, Schoenfeld残差	NA
7560	2025-10-06	Catheter detection and segmentation in X-ray images via multi-task learning 2025-Jun-27, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-025-03461-7 PMID:40576920	研究论文	提出一种基于多任务学习的卷积神经网络模型，用于X射线图像中导管检测与分割	提出多级动态资源优先级方法，动态调整训练过程中的样本和任务权重，优先处理更具挑战性的任务	NA	开发实时准确的手术器械检测与分割方法，增强微创心脏手术中的图像引导	X射线荧光图像中的导管和电极	计算机视觉	心血管疾病	X射线成像	CNN	图像	NA	NA	ResNet	平均J指数, 平均精度, IoU	NA