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
8241	2025-10-06	Prediction of Alzheimer's Disease Based on Multi-Modal Domain Adaptation 2025-Jun-07, Brain sciences IF:2.7Q3 DOI:10.3390/brainsci15060618 PMID:40563789	研究论文	提出一种基于多模态域适应的阿尔茨海默病预测模型，融合MRI和PET数据提升分类准确率	首次将多模态数据融合与深度域适应相结合，通过多头注意力机制实现动态特征融合，有效解决跨数据集域分布差异问题	仅使用ADNI数据集，未在其他独立数据集上验证模型泛化能力	开发阿尔茨海默病的计算机辅助诊断方法	阿尔茨海默病患者、轻度认知障碍患者和认知正常对照组	计算机视觉	阿尔茨海默病	结构磁共振成像, 18-氟-脱氧葡萄糖正电子发射断层扫描	CNN, 域适应	医学图像	639名来自ADNI的受试者	NA	卷积神经网络, 多头注意力机制	准确率	NA
8242	2025-10-06	A Dual-Feature Framework for Enhanced Diagnosis of Myeloproliferative Neoplasm Subtypes Using Artificial Intelligence 2025-Jun-07, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12060623 PMID:40564439	研究论文	提出一种结合手工特征和自动特征提取的双特征框架，用于改进费城染色体阴性骨髓增殖性肿瘤亚型的AI诊断分类	首次将手工特征（可解释的形态学和纹理特征）与深度学习自动提取的复杂特征相结合，通过概率拼接实现最优分类性能	对某些特征类型假设了正态分布，这可能存在局限性	提高费城染色体阴性骨髓增殖性肿瘤亚型的诊断准确性	费城染色体阴性骨髓增殖性肿瘤亚型（包括原发性血小板增多症、真性红细胞增多症和原发性骨髓纤维化）	数字病理学	骨髓增殖性肿瘤	组织病理学图像分析	深度学习模型	组织病理学图像	NA	Optuna	NA	精确度, 召回率, F1分数, 准确率, 特异性, 加权平均值	NA
8243	2025-10-06	Using Deep Learning With Few-Shot Learning to Improve Data Capture in Total Hip Arthroplasty Operative Notes 2025-Jun-06, The Journal of arthroplasty IF:3.4Q1 DOI:10.1016/j.arth.2025.06.008 PMID:40484056	研究论文	本研究评估了使用GPT-4和小样本学习技术从全髋关节置换术手术记录中提取结构化数据的可行性	首次将GPT-4与小样本学习结合应用于骨科手术记录的结构化数据提取，并能够提供分类依据的临床论证	研究仅基于单一机构的240份手术记录，样本量有限，需要更大规模验证	改进全髋关节置换术手术记录的数据捕获方法，为骨科注册研究提供结构化数据	全髋关节置换术手术记录	自然语言处理	骨科疾病	小样本学习，文本分析	GPT-4	文本	240份手术记录，来自38名外科医生	NA	GPT-4	准确率，Flesch-Kincaid可读性评分，自BLEU评分，字符级序列匹配率	NA
8244	2025-10-06	Lightweight Brain Tumor Segmentation Through Wavelet-Guided Iterative Axial Factorization Attention 2025-Jun-06, Brain sciences IF:2.7Q3 DOI:10.3390/brainsci15060613 PMID:40563784	研究论文	提出一种轻量级深度学习框架，通过小波引导的迭代轴向注意力实现脑肿瘤的3D MRI分割	结合自适应离散小波分解和迭代轴向注意力机制，在保持精度的同时显著降低计算复杂度	仅在特定数据集上验证，未在更广泛的临床场景中测试	开发高效准确的脑肿瘤分割方法，适用于资源受限的临床环境	脑肿瘤的3D MRI图像分割	医学影像分析	脑肿瘤	3D MRI	深度学习	3D医学图像	BraTS2020和FeTS2022数据集	NA	小波分解模块, 迭代轴向注意力机制	Dice系数	仅需523万参数和9.75 GFLOPs计算量
8245	2025-10-06	Hybrid Deep Learning Architecture with Adaptive Feature Fusion for Multi-Stage Alzheimer's Disease Classification 2025-Jun-06, Brain sciences IF:2.7Q3 DOI:10.3390/brainsci15060612 PMID:40563783	研究论文	提出一种用于多阶段阿尔茨海默病分类的混合深度学习架构，通过自适应特征融合整合局部和全局脑部特征	提出自适应特征融合层，通过注意力机制动态整合ResNet50的局部结构特征和视觉变换器的全局连接模式	仅使用T1加权MRI扫描，未包含多模态数据；外部验证数据集类别较少	提高阿尔茨海默病多阶段分类的准确性，实现早期精确诊断	阿尔茨海默病患者	计算机视觉	阿尔茨海默病	T1加权MRI扫描	CNN, Transformer	图像	2380个MRI扫描（AD5C数据集）	NA	ResNet50, Vision Transformer (ViT)	准确率, 精确率, 召回率, F1分数	NA
8246	2025-10-06	A Hybrid Artificial Intelligence Approach for Down Syndrome Risk Prediction in First Trimester Screening 2025-Jun-06, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15121444 PMID:40564765	研究论文	本研究开发了一种混合人工智能方法，通过将一维患者数据转换为二维条形码图像，利用Transformer深度学习模型提高唐氏综合征早期筛查的风险预测准确性	提出将一维临床数据转换为二维Aztec条形码图像的方法，结合多种Transformer架构和特征选择技术进行唐氏综合征风险预测	需要在更广泛的临床环境中进行进一步比较研究以验证其性能	提高孕早期唐氏综合征筛查的风险预测准确性、效率和可靠性	孕早期筛查患者数据	机器学习	唐氏综合征	孕早期筛查（NT、hCG、PAPP-A检测）	Transformer, Bagged Trees, Naive Bayes	临床数据，图像	958例匿名患者记录	NA	DeiT3, MaxViT, Swin	准确率	NA
8247	2025-10-06	Alzheimer's Disease Prediction Using Fisher Mantis Optimization and Hybrid Deep Learning Models 2025-Jun-06, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15121449 PMID:40564769	研究论文	提出一种结合Fisher Mantis优化和混合深度学习模型的阿尔茨海默病预测方法	首次将Fisher Mantis优化算法与GLCM纹理特征、VGG-16空间特征和CNN-LSTM分类器相结合用于AD诊断	仅使用公开数据集进行验证，未在临床环境中进行实际应用测试	提高阿尔茨海默病的早期诊断准确率	阿尔茨海默病患者	医学影像分析	阿尔茨海默病	MRI成像	CNN,LSTM,混合深度学习模型	医学影像	ADNI和MIRIAD数据集	NA	VGG-16,CNN-LSTM,MLP-LSTM	准确率,敏感度,精确率,F1分数	NA
8248	2025-10-06	AI-Driven Transcriptome Prediction in Human Pathology: From Molecular Insights to Clinical Applications 2025-Jun-04, Biology DOI:10.3390/biology14060651 PMID:40563902	综述	本文系统回顾了基于人工智能从多模态数据预测基因表达的方法及其在临床病理学中的应用	提出通过非侵入性多模态数据（如病理图像、基因组序列和电子健康记录）而非直接分子检测来预测基因表达水平的AI驱动方法	面临数据异质性、噪声以及隐私和算法偏见等伦理问题的挑战，可扩展性、可解释性和公平部署仍需进一步创新	探索人工智能在预测基因表达和疾病诊断中的应用，推动个性化医疗发展	人类病理学中的基因表达调控和疾病诊断	数字病理学	癌症	多模态数据分析	机器学习算法,深度学习模型	组织病理学图像,基因组序列,电子健康记录	NA	NA	NA	NA	NA
8249	2025-10-06	GCSA-SegFormer: Transformer-Based Segmentation for Liver Tumor Pathological Images 2025-Jun-04, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12060611 PMID:40564427	研究论文	提出一种结合全局通道空间注意力模块的Transformer分割网络，用于肝脏肿瘤病理图像分割	提出新颖的全局通道空间注意力(GCSA)模块，结合通道注意力、通道混洗和空间注意力来捕获特征图中的全局依赖关系	NA	提高病理图像分割的准确性和效率，辅助病理医生诊断	肝脏肿瘤病理图像和乳腺组织病理图像	数字病理	肝脏肿瘤	深度学习	Transformer	病理图像	肝脏数据集和公开ICIAR 2018 BACH数据集	NA	SegFormer, GCSA-SegFormer	MIoU, MPA	NA
8250	2025-10-06	Use of deep learning-based NLP models for full-text data elements extraction for systematic literature review tasks 2025-Jun-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-03979-5 PMID:40461545	研究论文	本研究探索使用深度学习NLP模型从科学文献全文自动提取系统文献综述所需数据元素的可行性	首次构建并公开了三个专门用于系统文献综述数据提取的标注语料库，并系统比较了传统机器学习与深度学习模型在此任务上的性能	BERT模型在三个任务中未观察到性能提升，研究样本规模相对有限	开发自动化的自然语言处理方法来支持系统文献综述中的数据元素提取	科学文献全文中的关键数据元素，包括研究队列、实验室技术和疾病类型等	自然语言处理	人乳头瘤病毒感染，肺炎球菌相关疾病	自然语言处理，命名实体识别	CRF, LSTM, BERT	文本	239篇全文文章，包含4,498个HPV患病率标注实体，579个肺炎球菌流行病学标注实体，252个肺炎球菌经济负担标注实体	NA	LSTM, BERT, CRF	F1分数	NA
8251	2025-10-06	Explainable Deep Multilevel Attention Learning for Predicting Protein Carbonylation Sites 2025-Jun, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202500581 PMID:40145846	研究论文	提出了一种名为SCANS的可解释深度多级注意力学习框架，用于预测蛋白质羰基化位点	采用多级注意力策略捕获局部和全局特征，设计定制化损失函数惩罚交叉预测，并应用迁移学习增强网络特异性	NA	准确预测蛋白质羰基化位点以理解其机制和相关疾病发病机理	蛋白质羰基化位点	机器学习	NA	深度学习	深度学习	蛋白质序列数据	NA	NA	多级注意力网络	假阳性率	NA
8252	2025-10-06	Unveiling Multi-Scale Architectural Features in Single-Cell Hi-C Data Using scCAFE 2025-Jun, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202416432 PMID:40270467	研究论文	本文介绍了一种名为scCAFE的深度学习模型，用于从单细胞Hi-C数据中检测多尺度染色质结构特征	开发了首个能够统一识别染色质环、TAD样结构域和区室等多种染色质结构特征的单细胞水平深度学习框架	未明确说明模型在极端稀疏数据情况下的表现和计算效率	解决单细胞Hi-C数据稀疏性和噪声问题，实现单细胞水平染色质结构特征的多尺度检测	单细胞Hi-C数据中的染色质结构特征	计算生物学	NA	单细胞Hi-C测序	深度学习模型	单细胞Hi-C数据	NA	NA	scCAFE	准确性、生物学一致性	NA
8253	2025-10-06	A Dual-Modal Wearable Pulse Detection System Integrated with Deep Learning for High-Accuracy and Low-Power Sleep Apnea Monitoring 2025-Jun, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202501750 PMID:40298874	研究论文	提出一种集成深度学习的双模态可穿戴脉搏检测系统，用于高精度低功耗的睡眠呼吸暂停监测	结合压电纳米发电机和PPG传感器的双模态系统，采用仿生指尖结构和两阶段检测策略，实现自供电初步筛查和按需高精度检测	未明确说明样本规模和临床验证范围	开发长期睡眠呼吸暂停监测的实用解决方案	睡眠呼吸暂停综合征患者	医疗健康监测	睡眠呼吸暂停综合征	光电容积脉搏波描记法, 压电纳米发电机	深度学习	生理信号数据	NA	NA	Vision Transformer	准确率	NA
8254	2025-10-06	Multimodal radiomics integrating deep learning and clinical features for diagnosing multidrug-resistant tuberculosis in HIV/AIDS patients 2025-Jun, Journal of global antimicrobial resistance IF:3.7Q2 DOI:10.1016/j.jgar.2025.04.013 PMID:40324593	研究论文	开发并验证基于多模态数据的预测模型，用于诊断HIV/AIDS患者中的多药耐药结核病	整合临床特征、影像组学特征和深度学习特征的多模态模型，采用2.5D多实例学习方法	回顾性研究，样本量相对有限（总样本227例）	提高HIV/AIDS患者中多药耐药结核病的诊断准确性	HIV/AIDS合并结核病患者	医学影像分析	结核病	影像组学，深度学习	多实例学习	临床数据，医学影像	227例患者（164例药物敏感结核，63例多药耐药结核）	NA	2.5D MIL	AUC, Hosmer-Lemeshow检验, 决策曲线分析	NA
8255	2025-10-06	Advancements and implications of artificial intelligence for early detection, diagnosis and tailored treatment of cancer 2025-Jun, Seminars in oncology IF:3.0Q2 DOI:10.1016/j.seminoncol.2025.152349 PMID:40345002	综述	本文探讨人工智能在癌症早期检测、诊断和个性化治疗中的进展与应用	提出将基因组学、转录组学和蛋白质组学数据与AI算法结合，揭示癌症生物学全貌并识别个性化分子特征	AI不能替代医疗专业人员，临床医生在所有事项中拥有最终决定权	通过AI技术改善癌症筛查、诊断和个性化治疗	癌症患者	机器学习	癌症	基因组学, 转录组学, 蛋白质组学	深度学习	多组学数据	NA	NA	NA	NA	NA
8256	2025-10-06	A New Biomarker of Aging Derived From Electrocardiograms Improves Risk Prediction of Incident Cardiovascular Disease 2025-Jun, JACC. Advances DOI:10.1016/j.jacadv.2025.101764 PMID:40367762	研究论文	本研究评估了基于心电图深度学习算法的新型心血管衰老生物标志物δ-age在心血管疾病一级预防风险预测中的价值	首次将深度学习衍生的心电图年龄生物标志物δ-age整合到传统心血管风险预测模型中	研究样本仅来自挪威特罗姆瑟研究队列，需要外部验证	评估δ-age生物标志物在心血管疾病一级预防风险预测中的增量价值	7,108名挪威特罗姆瑟研究的男性和女性参与者	数字病理	心血管疾病	深度学习算法，心电图分析	深度学习	数字化12导联心电图	7,108名参与者，随访期间观察到155例心肌梗死和141例卒中	NA	NA	C-index, 净重分类改善	NA
8257	2025-10-06	Disturbance-Aware On-Chip Training with Mitigation Schemes for Massively Parallel Computing in Analog Deep Learning Accelerator 2025-Jun, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202417635 PMID:40390534	研究论文	本研究针对模拟内存计算中并行权重更新时的干扰问题，提出了干扰感知的片上训练方法和三种缓解方案	首次基于氧化物半导体和电容的6T1C突触器件精确识别和量化干扰效应，并提出简单操作方案来缓解这些效应	研究主要基于6T1C突触器件，干扰效应随器件缩放而恶化的问题仍需进一步解决	解决模拟深度学习加速器中大规模并行计算的干扰问题，提高片上训练性能	6T1C突触器件和卷积神经网络	机器学习	NA	模拟内存计算	CNN	图像数据	CIFAR-10数据集	NA	卷积神经网络	准确率	模拟深度学习加速器
8258	2025-10-06	DeepCCDS: Interpretable Deep Learning Framework for Predicting Cancer Cell Drug Sensitivity through Characterizing Cancer Driver Signals 2025-Jun, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202416958 PMID:40397390	研究论文	提出一种通过表征癌症驱动信号预测癌细胞药物敏感性的可解释深度学习框架DeepCCDS	整合先验知识网络表征癌症驱动信号，增强模型预测性能和可解释性	未明确说明模型在特定癌症类型或药物类别上的局限性	精确预测癌细胞系药物敏感性以实现精准肿瘤学	癌细胞系和TCGA实体瘤样本	机器学习	癌症	深度学习	自监督神经网络	遗传标记和先验知识网络	多个数据集（具体数量未说明）	NA	DeepCCDS	预测准确性	NA
8259	2025-10-06	Segmentation with artificial intelligence and automated calculation of the corpus callosum index in multiple sclerosis 2025-Jun, Saudi medical journal IF:1.7Q2 DOI:10.15537/smj.2025.46.6.20240957 PMID:40516948	研究论文	本研究使用人工智能技术对多发性硬化症患者进行胼胝体分割并自动计算胼胝体指数	首次将U-Net深度学习架构应用于多发性硬化症患者胼胝体的自动分割和胼胝体指数的自动计算	样本量相对有限（150名患者和150名健康对照），仅使用2D MRI数据进行研究	评估慢性期多发性硬化症患者与健康个体之间胼胝体指数的差异，并验证人工智能技术在胼胝体分割中的应用效果	慢性期多发性硬化症患者和健康对照个体	医学影像分析	多发性硬化症	磁共振成像	深度学习	2D脑部MRI图像	150名多发性硬化症患者（病程12.6±5.9年）和150名健康对照受试者	NA	U-Net	敏感性,特异性,ROC分析,AUC	NA
8260	2025-10-06	Deep-Learning-Based Computer-Aided Grading of Cervical Spinal Stenosis from MR Images: Accuracy and Clinical Alignment 2025-Jun-01, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12060604 PMID:40564420	研究论文	本研究应用深度学习卷积神经网络算法对颈椎管狭窄进行分级评估，并评估其与临床医生分级结果及患者临床表现的一致性	首次将多种深度学习模型（分类、目标检测和关键点定位）应用于颈椎管狭窄的自动分级，并与临床医生评估和患者症状进行系统性对比分析	研究为单中心回顾性研究，样本量相对有限（954例），需要多中心前瞻性研究进一步验证	开发基于深度学习的计算机辅助系统，实现颈椎管狭窄的客观、一致和高效分级	954例来自中山大学附属第五医院的颈椎磁共振成像数据和病历记录	计算机视觉	颈椎管狭窄	磁共振成像	CNN	医学图像	954例患者	NA	EfficientNet_B5, 分类模型, 目标检测模型, 关键点定位模型	准确率, Kappa系数, 相关系数	NA