深度学习在生物医药领域中的应用

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
801	2025-07-17	Deep learning analysis of long COVID and vaccine impact in low- and middle-income countries (LMICs): development of a risk calculator in a multicentric study 2025, Frontiers in public health IF:3.0Q2 DOI:10.3389/fpubh.2025.1416273 PMID:40642241	研究论文	本研究利用深度学习分析低收入和中等收入国家（LMICs）中长期COVID症状及疫苗影响，并开发了一个多中心研究中的风险计算器	首次在LMICs中应用自监督和无监督深度神经网络分析长期COVID症状，并开发GBM模型预测慢性疲劳综合征、抑郁和长期COVID症状的风险	研究样本仅来自LMICs，可能无法完全代表全球情况	填补关于COVID-19急性和慢性症状、疫苗接种影响及相关因素的知识空白	18岁及以上COVID-19检测阳性的患者	机器学习	COVID-19	自监督和无监督深度神经网络	GBM	问卷数据	2445名参与者
802	2025-07-17	Integrating weighted gene co-expression network analysis and machine learning to elucidate neural characteristics in a mouse model of depression 2025, Frontiers in psychiatry IF:3.2Q2 DOI:10.3389/fpsyt.2025.1564095 PMID:40656047	研究论文	本研究结合加权基因共表达网络分析（WGCNA）和随机森林算法，探索抑郁症小鼠模型的神经生物学特征	首次将WGCNA与随机森林算法结合，识别与抑郁症发病密切相关的关键基因，为早期诊断和精准治疗提供理论支持和潜在生物标志物	研究仅基于小鼠模型，结果在人类中的适用性需要进一步验证	探索抑郁症的神经生物学特征并识别相关关键基因	抑郁症小鼠模型	机器学习	抑郁症	WGCNA, RNA-seq	随机森林	基因表达数据	来自公共GEO数据集（如GSE102556）的抑郁症相关小鼠模型基因表达数据
803	2025-07-17	A deep learning software tool for automated sleep staging in rats via single channel EEG 2025, NPP - digital psychiatry and neuroscience DOI:10.1038/s44277-025-00035-y PMID:40656054	research paper	开发了一种基于深度学习的软件工具，用于通过单通道EEG自动对大鼠的睡眠阶段进行分类	使用深度学习模型自动化睡眠阶段分类，减少人工标注的劳动强度，并提供大量专家评分的睡眠数据供公共使用	研究仅基于16只大鼠的数据，样本量相对较小	开发一种自动化的方法，用于分类大鼠的三种睡眠阶段（REM/反常睡眠、NREM/慢波睡眠和清醒状态）	大鼠的睡眠阶段	machine learning	NA	EEG	DNN	EEG信号	16只大鼠，每只进行两次24小时记录
804	2025-07-17	Integrating Deep Learning and Radiomics in Differentiating Papillary Thyroid Microcarcinoma from Papillary Thyroid Carcinoma with Ultrasound Images 2025, Cancer management and research IF:2.5Q3 DOI:10.2147/CMAR.S507943 PMID:40656136	研究论文	本研究探讨了基于超声的放射组学、深度学习和结合深度学习的放射组学模型在区分甲状腺乳头状癌和甲状腺微小乳头状癌中的可行性和准确性	结合深度学习和放射组学模型，提高了区分甲状腺乳头状癌和甲状腺微小乳头状癌的能力	研究样本来自两家医院，可能存在一定的选择偏倚	减少甲状腺微小乳头状癌的过度治疗风险	甲状腺乳头状癌和甲状腺微小乳头状癌患者	数字病理学	甲状腺癌	超声成像	VGG13, VGG16, VGG19, AlexNet, EfficientNet	图像	549名患者（180例甲状腺乳头状癌和436例甲状腺微小乳头状癌结节）
805	2025-07-17	A nnU-Net-based automatic segmentation of FCD type II lesions in 3D FLAIR MRI images 2025, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2025.1601815 PMID:40656161	研究论文	本研究使用基于nnU-Net的自动分割方法，对3D FLAIR MRI图像中的FCD II型病变进行分割	采用自动切片选择方法，通过峰值体素强度对轴向FLAIR切片进行排序，并保留每个扫描中排名前五的切片，使网络专注于富含病变的切片	研究样本量较小，仅包含85名FCD II型患者	提高癫痫患者病灶检测的准确性和速度，以改善术前评估和治疗效果	FCD II型病变的3D FLAIR MRI图像	数字病理学	癫痫	3D FLAIR MRI	nnU-Net	图像	85名FCD II型患者
806	2025-07-17	Intelligent dynamic cybersecurity risk management framework with explainability and interpretability of AI models for enhancing security and resilience of digital infrastructure 2025, Journal of reliable intelligent environments DOI:10.1007/s40860-025-00253-3 PMID:40656511	研究论文	提出了一种新型动态网络安全风险管理框架，整合AI模型的可解释性和可解释性特征，以增强数字基础设施的安全性和韧性	整合动态参数如漏洞利用和资产依赖关系，采用混合AI模型（线性回归和深度学习）进行漏洞优先级排序，并引入AI模型的可解释性特征	未明确说明框架在实际组织环境中的适用性和部署挑战	提升网络安全风险管理的动态性和可解释性，以应对不断变化的网络威胁	数字基础设施的网络安全风险管理	机器学习	NA	混合AI模型（线性回归和深度学习）	线性回归, 深度学习	结构化数据（CVEjoin数据集）	使用广泛采用的CVEjoin数据集进行实验
807	2025-07-17	AllerTrans: a deep learning method for predicting the allergenicity of protein sequences 2025, Biology methods & protocols IF:2.5Q3 DOI:10.1093/biomethods/bpaf040 PMID:40656558	研究论文	开发了一种名为AllerTrans的深度学习方法，用于预测蛋白质序列的过敏性	结合两种蛋白质语言模型(pLMs)提取特征向量，并通过深度神经网络(DNN)进行分类，提高了预测的准确性和效率	未提及具体的数据集规模或多样性限制	预测蛋白质的过敏性，以替代传统昂贵且耗时的实验室测试	蛋白质序列	生物信息学	过敏性疾病	蛋白质语言模型(pLMs), 深度神经网络(DNN)	DNN, 集成模型	蛋白质序列	NA
808	2025-07-17	Artificial intelligence and machine learning techniques for predicting neuropathic pain in patients with cancer: A systematic review 2025 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076251358315 PMID:40656844	系统综述	本文系统评估了人工智能和机器学习技术在预测癌症患者神经病理性疼痛中的应用	首次系统综述了AI/ML在癌症相关神经病理性疼痛预测中的应用，并分析了模型性能、预测因子及局限性	方法学局限包括校准不足、外部验证率低(仅14%)和可解释性有限	评估AI/ML技术在预测肿瘤患者神经病理性疼痛及相关结局中的应用	癌症患者(主要集中于乳腺癌患者)	机器学习	癌症	AI/ML技术	随机森林、支持向量机(SVM)、深度学习架构	临床数据、情感数据、影像数据和分子数据	14项符合条件的研究(基于PRISMA 2020指南筛选)
809	2025-07-17	Advancing cardiac diagnostics: high-accuracy arrhythmia classification with the EGOLF-net model 2025, Frontiers in physiology IF:3.2Q2 DOI:10.3389/fphys.2025.1613812 PMID:40656899	research paper	该研究提出了一种名为EGOLF-net的新型模型，用于高精度心律失常分类	结合增强型灰狼优化算法与LSTM融合网络，显著提升心电图信号处理的准确性和鲁棒性	研究仅基于MIT-BIH心律失常数据库，未在其他独立数据集上验证模型泛化能力	开发高精度心律失常自动诊断系统以辅助临床决策	心电图信号中的心律失常模式	数字病理学	心血管疾病	小波变换/统计特征提取	EGOLF-Net (Enhanced Gray Wolf Optimization with LSTM Fusion Network)	ECG信号	MIT-BIH心律失常数据库（具体样本量未说明）
810	2025-07-17	Cross-Scale Guidance Integration Transformer for Instance Segmentation in Pathology Images 2025, IEEE open journal of engineering in medicine and biology IF:2.7Q3 DOI:10.1109/OJEMB.2025.3555818 PMID:40657050	research paper	提出了一种用于病理图像中腺癌细胞实例分割的跨尺度引导集成Transformer方法	引入了跨尺度引导集成模块，整合多尺度特征，通过掩码注意力解码器更准确地分割不同大小的腺癌细胞	未提及具体的数据集大小或多样性限制	开发一种自动化的计算机辅助腺癌分级方法，减轻病理学家负担并提高可重复性	病理图像中的腺癌细胞	digital pathology	adenocarcinoma	deep learning	Transformer	image	两个公共腺癌细胞数据集
811	2025-07-17	Advances in Electroencephalography for Post-Traumatic Stress Disorder Identification: A Scoping Review 2025, IEEE open journal of engineering in medicine and biology IF:2.7Q3 DOI:10.1109/OJEMB.2025.3538498 PMID:40657059	综述	本文对利用脑电图(EEG)信号处理技术进行创伤后应激障碍(PTSD)诊断、鉴别和治疗的计算方法进行了范围综述	全面概述了从EEG采集到统计和机器学习技术的整个分析流程，并识别了Alpha波段和特定事件相关电位(ERP)在PTSD诊断中的优势	ERP使用存在局限，睡眠特征和全波段EEG研究不足，数据集代表性不够广泛	评估EEG信号处理技术在PTSD诊断、鉴别和治疗中的应用	创伤后应激障碍(PTSD)患者(主要研究人群为退伍军人和战斗人员)	生物医学信号处理	精神疾病/创伤后应激障碍	EEG信号处理(包括EEG频段分析和事件相关电位ERP)	SVM(监督学习), Random Forest(多模态模型), 无监督聚类	EEG信号数据(部分研究整合ECG、GSR、语音等多模态数据)	共分析73项研究(52项诊断研究，8项鉴别研究，15项治疗研究)，仅3项研究报告了开放数据集
812	2025-07-17	NDL-Net: A Hybrid Deep Learning Framework for Diagnosing Neonatal Respiratory Distress Syndrome From Chest X-Rays 2025, IEEE open journal of engineering in medicine and biology IF:2.7Q3 DOI:10.1109/OJEMB.2025.3548613 PMID:40657060	research paper	介绍了一种名为NDL-Net的混合深度学习框架，用于从胸部X光片中诊断新生儿呼吸窘迫综合征	结合了MobileNetV3 Large和ResNet50进行图像处理和复杂模式检测，并引入LSTM层分析时间变化以提高预测准确性	未提及具体的数据集来源或样本多样性限制	提高新生儿呼吸窘迫综合征的诊断准确性和及时性	新生儿胸部X光片	digital pathology	neonatal respiratory distress syndrome	deep learning	MobileNetV3 Large, ResNet50, LSTM	image	未明确提及具体样本数量
813	2025-07-17	Prostate cancer classification using 3D deep learning and ultrasound video clips: a multicenter study 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1582035 PMID:40657247	研究论文	本研究评估了使用深度学习模型和经直肠超声（TRUS）视频片段预测前列腺癌的有效性	首次将3D深度学习模型（I3D）应用于TRUS视频片段进行前列腺癌分类，并在多中心研究中验证其性能	样本来源仅限于使用特定型号超声诊断机器的患者，可能影响模型的泛化能力	评估深度学习模型在前列腺癌分类中的有效性	接受经直肠超声检查的男性患者	数字病理学	前列腺癌	TRUS	I3D, ResNet 50	视频	815名男性（开发集552人，内部测试集93人，外部测试集1为96人，外部测试集2为74人）
814	2025-07-17	Deep Learning-Based Automatic Diagnosis System for Developmental Dysplasia of the Hip 2025, IEEE journal of translational engineering in health and medicine IF:3.7Q2 DOI:10.1109/JTEHM.2025.3560877 PMID:40657528	research paper	开发了一种基于深度学习的自动诊断系统，用于提高发育性髋关节发育不良（DDH）诊断的准确性和一致性	引入了端到端深度学习模型进行关键点检测，并提出了一种新颖的数据驱动评分系统，整合三个关键角度信息以提供全面且可解释的诊断输出	研究未提及模型在不同年龄段或不同严重程度DDH患者中的泛化能力	提高DDH诊断的准确性和一致性	骨盆X光片中的八个解剖关键点	digital pathology	developmental dysplasia of the hip	deep learning-based keypoint detection	end-to-end deep learning model	image	未明确提及样本数量，但与8名中等经验骨科医生进行了比较
815	2025-07-17	Survival Prediction of Esophageal Cancer Using 3D CT Imaging: A Context-Aware Approach With Non-Local Feature Aggregation and Graph-Based Spatial Interaction 2025, IEEE journal of translational engineering in health and medicine IF:3.7Q2 DOI:10.1109/JTEHM.2025.3562724 PMID:40657529	研究论文	本研究提出了一种基于3D CT影像的食管癌生存预测方法，通过非局部特征聚合和图基空间交互模块提升预测准确性	创新性地结合了非局部特征聚合模块(NFAM)和图基空间交互模块(GSIM)，关注肿瘤与淋巴结区域的上下文交互	仅使用3D CT影像数据，可能忽略其他潜在影响生存率的临床因素	开发有效的食管癌生存风险预测模型	食管癌患者	数字病理	食管癌	3D CT成像	深度学习模型（含NFAM和GSIM模块）	3D医学影像	NA
816	2025-07-17	Cross-Database Evaluation of Deep Learning Methods for Intrapartum Cardiotocography Classification 2025, IEEE journal of translational engineering in health and medicine IF:3.7Q2 DOI:10.1109/JTEHM.2025.3548401 PMID:40657532	研究论文	本研究通过跨数据库评估六种深度学习模型在产时胎心监护分类中的应用，探讨了信号选择和预处理对模型性能的影响	首次在跨数据库环境下系统评估多种深度学习模型对胎儿窘迫的检测性能，并分析了信号预处理和训练数据选择对模型的影响	研究使用的数据集仍有限，且未涉及更多样化的临床场景	开发并评估深度学习模型用于自动检测胎儿窘迫	胎心监护(CTG)记录数据	医疗人工智能	产科疾病	深度学习	ResNet等六种深度学习模型	胎心率(FHR)和子宫收缩(UC)信号数据	私有数据集9,887条CTG记录和公开数据集552条CTG记录
817	2025-07-17	Satellite-Based and Street-View Green Space and Adiposity in US Children 2024-12-02, JAMA network open IF:10.5Q1 DOI:10.1001/jamanetworkopen.2024.49113 PMID:39636637	研究论文	本研究探讨了基于卫星和街景的绿地空间与美国儿童肥胖之间的关联	首次同时使用卫星归一化植被指数(NDVI)和街景图像绿地指标，并结合多种肥胖测量指标进行研究	研究仅基于美国儿童样本，结果可能不适用于其他人群	探索不同绿地空间测量方法与儿童肥胖指标之间的关系	美国儿童	公共卫生	肥胖症	卫星NDVI、街景图像分析、深度学习算法	线性回归模型	卫星图像、街景图像、人体测量数据	843名儿童(基线平均年龄7.9岁，50.2%为女孩)
818	2025-07-17	Predicting OCD severity from religiosity and personality: A machine learning and neural network approach 2024-Dec, Journal of mood and anxiety disorders DOI:10.1016/j.xjmad.2024.100089 PMID:40655911	research paper	该研究利用机器学习和神经网络技术，探讨了强迫症（OCD）严重程度与人格特质、宗教信仰及灵性之间的复杂关系	研究发现项目级特征比总分更具影响力，挑战了传统分析方法，神经网络模型虽未在预测准确性上超越线性回归，但提供了对OCD异质性和变量间非线性关系的更全面理解	神经网络模型在预测准确性上未超越线性回归模型	识别OCD严重程度的关键预测因素，并探讨其与人格特质、宗教信仰及灵性的关系	229名参与者	machine learning	obsessive-compulsive disorder	machine learning, deep learning	neural network, linear regression	survey data	229名参与者
819	2025-07-17	Uncertainty-aware genomic deep learning with knowledge distillation 2024-Nov-15, bioRxiv : the preprint server for biology DOI:10.1101/2024.11.13.623485 PMID:39605624	研究论文	介绍了一种名为DEGU的方法，通过集成学习和知识蒸馏提高深度神经网络在基因组学预测中的鲁棒性和可解释性	DEGU方法首次将集成学习和知识蒸馏结合，用于捕捉模型预测的平均值和变异性，同时估计数据不确定性	未明确提及具体局限性	提高深度神经网络在调控基因组学预测中的可靠性和可解释性	基因组学数据	机器学习	NA	深度神经网络	DNN	基因组数据	NA
820	2025-07-17	Massive experimental quantification of amyloid nucleation allows interpretable deep learning of protein aggregation 2024-Oct-01, bioRxiv : the preprint server for biology DOI:10.1101/2024.07.13.603366 PMID:39071305	研究论文	通过大规模实验量化淀粉样蛋白成核过程，训练了一个可解释的深度学习模型CANNY来预测蛋白质聚集	使用超过10万条蛋白质序列的实验数据训练卷积-注意力混合神经网络CANNY，提高了淀粉样蛋白成核预测的准确性，并揭示了模型的决策过程和学习到的语法	NA	解决蛋白质聚集预测中的数据短缺问题，开发更准确的预测方法	蛋白质序列及其淀粉样蛋白成核过程	机器学习	NA	深度学习	卷积-注意力混合神经网络(CANNY)	蛋白质序列数据	超过10万条蛋白质序列