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
901	2025-07-21	Missing data imputation of climate time series: A review 2025-Dec, MethodsX IF:1.6Q2 DOI:10.1016/j.mex.2025.103455 PMID:40678450	review	本文综述了过去十年中气候时间序列缺失数据插补的最相关方法	总结了不同地区和国家在气候时间序列缺失数据插补方面的研究进展，并比较了传统统计方法和深度学习方法的应用效果	主要关注亚洲和欧洲的研究，对其他地区的覆盖可能不足	描述气候时间序列缺失数据插补的最相关方法	气候时间序列数据	machine learning	NA	mean techniques, simple and multiple linear regression, interpolation, PCA, artificial neural networks, GAN	artificial neural networks, GAN	time series	NA
902	2025-07-21	AI-driven pharmacovigilance: Enhancing adverse drug reaction detection with deep learning and NLP 2025-Dec, MethodsX IF:1.6Q2 DOI:10.1016/j.mex.2025.103460 PMID:40678458	研究论文	本研究提出了一种结合深度学习和NLP的混合AI驱动框架，用于提高药物警戒中不良反应检测的准确性和可解释性	整合结构化和非结构化数据，应用先进的深度学习和NLP方法，显著提升了药物不良反应检测的准确性和实时性	研究依赖于临床数据的多样性和质量，可能存在数据不平衡和异质性问题	提高药物警戒中严重不良事件检测的准确性和效率	临床实验数据中的药物不良反应	自然语言处理	NA	NLP, 深度学习	CNN, BERT, GPT, Random Forest, Gradient Boosting Machines	结构化数据（如患者人口统计、实验室结果）和非结构化数据（如临床记录）	未明确提及具体样本量
903	2025-07-21	Integrated deep learning for cardiovascular risk assessment and diagnosis: An evolutionary mating algorithm-enhanced CNN-LSTM 2025-Dec, MethodsX IF:1.6Q2 DOI:10.1016/j.mex.2025.103466 PMID:40678461	research paper	该研究提出了一种基于混合CNN-LSTM模型的双输出深度学习模型，用于心血管风险评估和诊断，并通过进化配对算法（EMA）进行优化	使用进化配对算法（EMA）优化双输出CNN-LSTM模型，提高了预测准确性和模型鲁棒性	诊断任务的准确率为70%，仍有提升空间	开发一种准确且高效的心血管疾病预测模型	心血管疾病（CVD）患者	machine learning	cardiovascular disease	deep learning	CNN-LSTM	NA	NA
904	2025-07-21	MDD-LLM: Towards accuracy large language models for major depressive disorder diagnosis 2025-Nov-01, Journal of affective disorders IF:4.9Q1 DOI:10.1016/j.jad.2025.119774 PMID:40581100	研究论文	本文介绍了一种名为MDD-LLM的高性能抑郁症诊断工具，该工具利用微调的大型语言模型（LLMs）和大规模真实世界样本解决抑郁症诊断中的挑战	首次将LLMs应用于抑郁症诊断，并提出了三种表格数据转换方法以创建大规模训练语料库	研究仅基于UK Biobank队列数据，可能无法完全代表其他人群	开发高准确度、鲁棒性和可解释性的抑郁症诊断工具	抑郁症患者	自然语言处理	抑郁症	LLM微调	LLM	表格数据	274,348个来自UK Biobank的个体记录
905	2025-07-21	EstimateNoiseSEM: A novel framework for deep learning based noise estimation of scanning electron microscopy images 2025-Oct, Ultramicroscopy IF:2.1Q2 DOI:10.1016/j.ultramic.2025.114192 PMID:40602325	研究论文	本文介绍了一个名为EstimateNoiseSEM的框架，用于自动化扫描电子显微镜(SEM)图像中的噪声估计	提出了一个基于深度学习的多阶段方案，用于SEM图像中的噪声类型和水平的自动估计，包括一个分类网络选择机制	Gamma噪声水平的不确定性导致分类网络对高斯噪声的分类准确率从97%下降到80%	自动化估计SEM图像中的噪声类型和水平，以支持去噪过程	扫描电子显微镜(SEM)图像	计算机视觉	NA	深度学习	分类网络和回归模型	图像	合成噪声样本
906	2025-07-21	Can artificial intelligence in spine imaging affect current practice? Practical developments and their clinical status 2025-Sep, North American Spine Society journal DOI:10.1016/j.xnsj.2025.100621 PMID:40678684	综述	本文综述了人工智能在脊柱影像学中的临床应用现状及其潜在影响	总结了当前脊柱影像学中AI工具的实际临床应用，特别是深度学习重建技术的成熟应用	大多数AI工具仍处于实验或早期阶段，其临床性能仍需进一步研究	评估人工智能在脊柱影像学中的临床应用现状及其潜在影响	脊柱影像学中的AI应用	医学影像	脊柱疾病	深度学习	深度学习模型	医学影像	NA
907	2025-07-21	Exploring Machine Learning Models for Vault Safety in ICL Implantation: A Comparative Analysis of Regression and Classification Models 2025-Aug, Ophthalmology and therapy IF:2.6Q2 DOI:10.1007/s40123-025-01173-4 PMID:40493108	research paper	本研究比较了回归和分类机器学习模型在预测植入式Collamer镜片（ICL）V4c植入术后拱高（vault height）的性能	首次系统比较了回归和分类模型在ICL术后拱高预测中的表现，发现分类模型（特别是梯度提升和随机森林）在临床应用中更具优势	所有模型在极端拱高分类（如<250µm或>750µm）的准确性上存在挑战	评估机器学习模型预测ICL植入术后拱高的性能，为个性化手术规划提供支持	接受ICL V4c植入术患者的术后拱高数据	machine learning	眼科疾病	gradient boosting, random forest, CatBoost	回归模型和分类模型（包括二分类和多分类）	生物计量和人口统计学数据	NA
908	2025-07-21	The value of machine learning based on magnetic resonance imaging (MRI) and biopsy whole-slide image to predict pathological complete response to breast cancer after neoadjuvant chemotherapy: a two-centre study 2025-Aug, Clinical radiology IF:2.1Q2 DOI:10.1016/j.crad.2025.106976 PMID:40582270	研究论文	开发和验证基于MRI和全切片成像(WSI)的联合模型，用于预测乳腺癌新辅助化疗后的病理完全缓解(pCR)	结合临床病理特征、放射组学特征和病理组学深度学习特征，建立了一个联合预测模型，并呈现为列线图	回顾性研究设计，样本来自两个机构，可能存在选择偏倚	预测乳腺癌患者对新辅助化疗的病理完全缓解	乳腺癌患者	数字病理	乳腺癌	MRI, WSI, 深度学习	AlexNet, LASSO回归	图像	331名来自两个机构的患者
909	2025-07-21	Artificial intelligence and first-principle methods in protein redesign: A marriage of convenience? 2025-Aug, Protein science : a publication of the Protein Society IF:4.5Q1 DOI:10.1002/pro.70210 PMID:40671352	research paper	本文验证了广泛使用的蛋白质设计工具，并与第一性原理方法进行了比较，探索了它们在蛋白质重新设计和治疗再利用中的有效性	提出了TriCombine工具，结合AI建模工具和力场评分函数，提高了蛋白质设计的可靠性	所有方法在应用于未解决的全新模型时表现较差，强调了在稳健蛋白质设计中需要混合策略	验证和比较蛋白质设计工具，探索其在蛋白质重新设计和治疗再利用中的潜力	蛋白质变体和突变体	蛋白质设计	NA	深度学习，第一性原理方法，力场评分函数	AlphaFold2, FoldX, TriCombine	蛋白质结构数据	16个SH3突变体，36个突变体和11个晶体结构，160,000个四站点GB1突变体，163,555个（单和双）变体
910	2025-07-21	A dataset for classifying phrases and sentences into statements, questions, or exclamations based on sound pitch 2025-Aug, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2025.111826 PMID:40677266	research paper	介绍了一个基于声音音高将短语和句子分类为陈述句、疑问句或感叹句的数据集SQEBSP	提出了一个包含12,660个专业录制的库尔德语语音片段的数据集，特别关注音高变化在语调分类任务中的应用	数据集仅包含库尔德语，可能限制了在其他语言上的适用性	推动基于音高的语音分类算法的发展，特别是针对资源匮乏的语言	库尔德语语音片段	natural language processing	NA	Mel-Frequency Cepstral Coefficients (MFCCs)	NA	audio	12,660个语音片段，由431名库尔德语母语者录制
911	2025-07-21	Emerging Role of MRI-Based Artificial Intelligence in Individualized Treatment Strategies for Hepatocellular Carcinoma: A Narrative Review 2025-Jul-19, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.70048 PMID:40682357	综述	本文综述了基于MRI的人工智能在肝细胞癌个体化治疗策略中的新兴作用	强调了AI在治疗前预测治疗效果和预后方面的应用，特别是放射组学和深度学习技术在提取高维影像特征方面的潜力	模型泛化能力、可解释性及临床整合方面仍存在挑战，需要标准化的影像数据集和多组学融合	探讨AI在肝细胞癌个体化治疗策略中的应用	肝细胞癌（HCC）患者	数字病理学	肝癌	MRI, 放射组学, 深度学习	深度学习	影像	NA
912	2025-07-21	Latent Class Analysis Identifies Distinct Patient Phenotypes Associated With Mistaken Treatment Decisions and Adverse Outcomes in Coronary Artery Disease 2025-Jul-19, Angiology IF:2.6Q2 DOI:10.1177/00033197251350182 PMID:40682405	研究论文	本研究旨在通过潜在类别分析（LCA）和深度学习技术（DEEPVESSEL-FFR）识别冠状动脉疾病（CAD）患者中与错误治疗决策和主要不良心血管事件（MACE）相关的患者特征	利用深度学习技术DEEPVESSEL-FFR结合潜在类别分析，首次在冠状动脉疾病患者中识别出与错误治疗决策和不良预后相关的不同患者表型	研究为回顾性设计，可能存在选择偏倚，且仅基于8个因素进行分类可能未涵盖所有相关临床特征	识别与冠状动脉疾病治疗决策错误和不良预后相关的患者特征	接受经皮冠状动脉介入治疗（PCI）的冠状动脉疾病患者	数字病理学	心血管疾病	DEEPVESSEL-FFR（DVFFR），潜在类别分析（LCA）	深度学习模型	临床数据	3,840名PCI患者
913	2025-07-21	A Multisite Fusion-Based Deep Convolutional Neural Network for Classification of Helicobacter pylori Infection Status Using Endoscopic Images: A Multicenter Study 2025-Jul-19, Journal of gastroenterology and hepatology IF:3.7Q2 DOI:10.1111/jgh.70004 PMID:40682425	研究论文	开发了一种基于多部位融合的深度卷积神经网络（DCNN），用于通过胃镜图像分类幽门螺杆菌（Hp）感染状态	采用多部位融合策略的DCNN模型在分类Hp感染状态方面表现出色，优于单部位模型和经验丰富的内镜医师	外部验证数据集相对较小（126人），可能影响模型的泛化能力评估	开发能准确分类Hp感染状态的深度学习模型	幽门螺杆菌（Hp）感染状态分类	数字病理学	幽门螺杆菌感染	深度学习	DCNN, Wide-ResNet	图像	训练集：676名受试者的3380张白光图像；外部验证集：126名受试者
914	2025-07-21	ISENet: a deep learning model for detecting ischemic ST changes in long-term ECG monitoring 2025-Jul-19, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-025-03416-9 PMID:40682722	研究论文	本文提出了一种名为ISENet的轻量级深度学习模型，用于在长期ECG监测中检测缺血性ST段变化	首次应用基于深度学习的神经网络在长期ST数据库的ECG信号中进行ISE检测，相比之前的特征工程和特征学习方法，解决了实验设计和方法上的关键限制	NA	开发一个自动检测心肌缺血的深度学习模型	长期ECG监测中的缺血性ST段变化事件（ISE）	机器学习	心血管疾病	深度学习	ISENet	ECG信号	PhysioNet长期ST数据库中的ECG信号和标注
915	2025-07-21	2.5D Deep Learning-Based Prediction of Pathological Grading of Clear Cell Renal Cell Carcinoma Using Contrast-Enhanced CT: A Multicenter Study 2025-Jul-19, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.06.056 PMID:40683765	研究论文	本研究开发并验证了一种基于动脉期增强CT的深度学习模型，用于预测透明细胞肾细胞癌(ccRCC)的病理分级	提出了一种基于2.5D CT图像输入的深度学习模型，在预测ccRCC病理分级方面表现出优于2D模型和基于放射组学的MLP模型的性能	研究为回顾性分析，可能受到选择偏倚的影响	开发预测透明细胞肾细胞癌病理分级的深度学习模型	564例来自5家不同医院的透明细胞肾细胞癌患者	数字病理学	肾细胞癌	动脉期增强CT	2.5D深度学习模型	CT图像	564例患者(训练集283例，内部测试集122例，外部验证集159例)
916	2025-07-21	Influence of high-performance image-to-image translation networks on clinical visual assessment and outcome prediction: utilizing ultrasound to MRI translation in prostate cancer 2025-Jul-19, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-025-03481-3 PMID:40683943	研究论文	本研究评估了最先进的2D/3D图像到图像转换网络在将前列腺癌超声图像转换为合成MRI中的表现，结合放射组学、专家临床评估和分类性能来全面评估这些模型	结合放射组学、专家临床评估和分类性能，全面评估图像到图像转换网络在前列腺癌诊断中的潜在应用	在病变级别保真度和伪影抑制方面仍需改进	评估图像到图像转换网络在前列腺癌诊断中的临床可靠性和诊断相关特征保留能力	前列腺癌患者的超声和MRI图像	数字病理学	前列腺癌	图像到图像转换网络	2D-Pix2Pix, 其他I2I网络	图像	794名前列腺癌患者
917	2025-07-21	Deep learning for enhancing automatic classification of M-PSK and M-QAM waveform signals dedicated to single-relay cooperative MIMO 5G systems 2025-Jul-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-10738-z PMID:40676088	研究论文	本文提出了一种基于深度学习的自动调制分类方法，用于识别单中继协作MIMO 5G系统中的M-PSK和M-QAM波形信号	利用CNN分类器在减少的判别特征集上进行训练，包括高阶统计量和差分非线性相位峰值因子，并通过Gram-Schmidt正交化过程降低特征维度	在低信噪比等挑战性条件下进行评估，但未提及实际硬件实现的可行性	提升单中继协作MIMO 5G系统中自动调制分类的性能	M-PSK和M-QAM波形信号	机器学习	NA	CNN	卷积神经网络	信号数据	NA
918	2025-07-21	Deep learning enhanced deciphering of brain activity maps for discovery of therapeutics for brain disorders 2025-Jul-18, iScience IF:4.6Q1 DOI:10.1016/j.isci.2025.112868 PMID:40678509	研究论文	本研究介绍了一个名为DeepBAM的人工智能增强筛选平台，利用深度学习解析大规模全脑活动图谱（BAMs），用于神经药理学预测	开发了DeepBAM平台，结合自动化微流控和高速显微镜技术，实现高通量表型筛选，并利用深度学习从BAM库中解卷积药理信息，预测非临床化合物的治疗潜力	预测准确率在验证集中为45%，抗癫痫和抗帕金森病预测的成功率分别为80%和36%，仍有提升空间	开发一种结合系统水平表型分析和机器学习的方法，以辅助发现脑部疾病的治疗药物	活体、药物响应的斑马鱼幼虫的全脑活动图谱（BAMs）	机器学习	帕金森病, 癫痫	自动化微流控, 高速显微镜, 深度学习	深度学习	图像	未明确提及具体样本数量，但涉及大规模BAM库和非临床化合物验证集
919	2025-07-21	Deep learning assisted non-invasive lymph node burden evaluation and CDK4/6i administration in luminal breast cancer 2025-Jul-18, iScience IF:4.6Q1 DOI:10.1016/j.isci.2025.112849 PMID:40678544	研究论文	开发了一种多模态深度学习模型（LNPN），用于无创评估luminal乳腺癌患者的淋巴结负担和CDK4/6抑制剂治疗决策	结合临床病理参数和超声特征，开发了首个用于淋巴结负担分层的多模态深度学习模型	研究样本量相对有限（411例患者），且为回顾性多中心研究	优化luminal乳腺癌患者的CDK4/6抑制剂治疗决策	luminal乳腺癌患者	数字病理	乳腺癌	深度学习	多模态神经网络	临床病理参数和超声特征	411例患者的多中心队列
920	2025-07-21	Last vertex splitting: a new retroactive Monte Carlo splitting technique applied to LINAC out-of-field dose computation 2025-Jul-18, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/adf1d2 PMID:40680765	研究论文	提出了一种名为Last Vertex Splitting (LVS)的新方差减少技术，旨在减少蒙特卡洛模拟中粒子穿过高衰减介质时的计算时间	LVS方法结合混合版本的Track Length Estimator (hTLE)，通过优化光子跟踪和相互作用建模，加速了场外剂量计算	该方法引入的残余偏差保持在百分之一以下，但具体应用场景的适应性未详细讨论	减少蒙特卡洛模拟的计算时间，提高场外剂量计算的效率	LINAC头中的准直器和其他限束设备等高衰减介质中的粒子传输	放射治疗	NA	蒙特卡洛模拟	NA	模拟数据	NA