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
8321	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
8322	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
8323	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
8324	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
8325	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
8326	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
8327	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
8328	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
8329	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
8330	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
8331	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
8332	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
8333	2025-10-06	Multi-center evaluation of radiomics and deep learning to stratify malignancy risk of IPMNs 2025-May-30, Research square DOI:10.21203/rs.3.rs-6622868/v1 PMID:40502758	研究论文	通过多中心研究评估放射组学和深度学习在IPMN恶性肿瘤风险分层中的应用价值	首次在多中心研究中将放射组学与深度学习融合用于IPMN囊肿级别的恶性风险分层，超越了单一方法性能	模型性能仍需提升才能满足独立临床应用需求	开发AI模型用于预测IPMN异型增生等级	胰腺导管内乳头状黏液性肿瘤(IPMNs)	医学影像分析	胰腺癌	T2加权MRI成像	深度学习,放射组学	医学影像	359个T2W MRI图像，来自7个医疗中心	NA	2D和3D放射组学模型,深度学习模型,融合模型	AUC	NA
8334	2025-10-06	Foundation model embeddings for quantitative tumor imaging biomarkers 2025-May-29, Research square DOI:10.21203/rs.3.rs-6630446/v1 PMID:40502795	研究论文	系统评估医学影像基础模型在提取定量肿瘤影像生物标志物方面的性能	创建了首个专门评估医学影像基础模型的基准测试TumorImagingBench，并系统比较了十种不同架构和预训练策略的模型	仅包含六个公共数据集共3,244个扫描，可能无法覆盖所有临床场景	评估医学影像基础模型在提取可靠定量放射性表型方面的能力	肿瘤影像生物标志物	医学影像分析	肿瘤	深度学习	基础模型	医学影像扫描	3,244个扫描，来自六个公共数据集	NA	多种基础模型架构	终点预测性能、鲁棒性、基于显著性的可解释性、嵌入表示相似性	NA
8335	2025-10-06	Updates, Applications and Future Directions of Deep Learning for the Images Processing in the Field of Cranio-Maxillo-Facial Surgery 2025-May-29, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12060585 PMID:40564402	综述	分析深度学习在颅颌面外科医学图像处理中的最新应用、模型类型及未来发展方向	系统总结深度学习在颅颌面外科图像处理中的具体应用场景，并首次提出整合多模态数据和开发人机界面的未来发展方向	未涉及具体实验验证，主要基于现有文献分析，缺乏定量性能评估	探讨深度学习在颅颌面外科医学图像处理中的应用现状和未来趋势	颅颌面外科领域的医学图像数据	计算机视觉	颅颌面外科疾病	医学影像分析	深度学习模型	CT扫描、组织学图像、MRI、口腔内病变照片	NA	NA	NA	NA	NA
8336	2025-10-06	Automated Risser Grade Assessment of Pelvic Bones Using Deep Learning 2025-May-29, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12060589 PMID:40564406	研究论文	本研究开发了一种基于卷积神经网络的深度学习模型，用于从骨盆X光片中自动评估Risser分级	采用多模态方法结合X光片感兴趣区域与患者年龄和性别信息，并针对左右骨盆分别训练模型	较少出现的分级类别存在类别不平衡问题	自动化Risser分级评估以减少临床医生工作负担和评估变异性	12-18岁脊柱侧弯患者的骨盆X光片	计算机视觉	脊柱侧弯	X光成像	CNN	图像	1619张骨盆X光片	NA	CNN	准确率,精确率,召回率,F1分数,ROC AUC	NA
8337	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）
8338	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
8339	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
8340	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