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
921	2025-05-16	Electrocardiogram-based deep learning to predict left ventricular systolic dysfunction in paediatric and adult congenital heart disease in the USA: a multicentre modelling study 2025-Apr, The Lancet. Digital health DOI:10.1016/j.landig.2025.01.001 PMID:40148010	研究论文	本研究利用深度学习技术分析心电图（ECG），预测成人和儿童先天性心脏病患者的左心室收缩功能障碍（LVSD）	首次将人工智能增强的心电图分析（AI-ECG）应用于广泛的先天性心脏病病变中，预测LVSD	研究主要基于特定医疗中心的数据，可能无法完全推广到其他人群	开发一种预测先天性心脏病患者当前和未来左心室收缩功能障碍的工具	成人和儿童先天性心脏病患者	数字病理学	心血管疾病	AI-ECG	CNN	心电图和超声心动图数据	训练队列包含124,265对ECG-超声心动图数据（49,158名患者），测试队列包括21,068名患者（内部测试）和42,984名患者（外部验证）
922	2025-05-16	Deep Learning-Accelerated Non-Contrast Abbreviated Liver MRI for Detecting Malignant Focal Hepatic Lesions: Dual-Center Validation 2025-Apr, Korean journal of radiology IF:4.4Q1 DOI:10.3348/kjr.2024.0862 PMID:40150922	research paper	本研究比较了深度学习加速的非增强缩写MRI（AMRIDL）与标准AMRI（AMRISTD）在肝脏恶性局灶性病变检测中的图像质量和检测效果	采用深度学习加速技术显著提高了图像质量，并将扫描时间减少了约50%	研究为回顾性设计，样本量相对较小（155例患者）	比较AMRIDL与AMRISTD在肝脏恶性局灶性病变检测中的性能差异	155例接受标准肝脏MRI检查的患者（其中64例共104个恶性局灶性病变）	digital pathology	liver cancer	DL-accelerated MRI (SSFSEDL, DWIDL)	deep learning	MRI图像	155例患者（104个恶性病灶）
923	2025-05-16	Deep structural brain imaging via computational three-photon microscopy 2025-Apr, Journal of biomedical optics IF:3.0Q2 DOI:10.1117/1.JBO.30.4.046002 PMID:40161251	research paper	开发了一种名为LRDM-3PM的计算深度三光子显微镜方法，用于提高深层组织的成像质量	结合了定制化的聚集诱导发射纳米探针和自监督深度学习，利用3D图像的表层信息补偿散射和成像系统的结构化噪声	NA	改进深层组织的成像技术，提高图像质量而不影响采集速度、增加激发功率或添加额外光学组件	活体小鼠大脑的海马体	computational imaging	NA	three-photon microscopy (3PM), deep learning	low-rank diffusion model (LRDM)	3D images	live mouse brains
924	2025-05-16	Parallel convolutional neural networks for non-invasive cardiac hemodynamic estimation: integrating uncalibrated PPG signals with nonlinear feature analysis 2025-Mar-31, Physiological measurement IF:2.3Q3 DOI:10.1088/1361-6579/adc366 PMID:40112453	研究论文	本研究开发了一种基于数字光电容积脉搏波（PPGD）信号和深度学习技术的非侵入性方法，用于预测心脏血流动力学状态（CHS）的关键参数	提出了一种并行卷积神经网络（PCNN）方法，同时处理原始信号和非线性特征，用于非侵入性心血管生物标志物预测	研究基于虚拟受试者数据，未来需要在真实世界环境中验证以提高临床适用性	开发非侵入性方法评估心脏血流动力学状态	心脏输出量（CO）、系统性血管阻力（SVR）和动脉顺应性（AC）等心血管生物标志物	机器学习	心血管疾病	数字光电容积脉搏波（PPGD）信号分析	并行卷积神经网络（PCNN）	信号数据	4374名虚拟受试者
925	2025-05-16	Unsupervised Deep Learning of Electronic Health Records to Characterize Heterogeneity Across Alzheimer Disease and Related Dementias: Cross-Sectional Study 2025-Mar-31, JMIR aging IF:5.0Q1 DOI:10.2196/65178 PMID:40163031	研究论文	本研究利用无监督深度学习技术分析电子健康记录，以识别阿尔茨海默病及相关痴呆症的亚型	结合非ADRD诊断代码的预训练嵌入和临床笔记的LLM嵌入，识别出具有性别特异性共病和临床表现的ADRD亚型	研究仅基于单一记忆诊所的数据，可能限制结果的普适性	通过无监督学习识别ADRD的临床亚型，为精准医疗提供依据	3454名来自马萨诸塞州总医院记忆诊所的ADRD患者	机器学习	阿尔茨海默病及相关痴呆症	无监督学习、LLM嵌入	层次聚类	电子健康记录（EHRs）	3454名ADRD患者
926	2025-05-16	Impact of optimized and conventional facility designs on outpatient abdominal MRI workflow efficiency 2025-Mar-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-94799-0 PMID:40157988	research paper	本研究评估了优化设施与传统设施在腹部磁共振成像（MRI）门诊工作流程效率上的差异	通过对比优化设施与传统设施的工作流程效率，展示了优化设施在提高患者吞吐量方面的显著优势	研究仅针对特定机构的两个设施，结果可能不具备普遍性	评估优化设施与传统设施在腹部MRI门诊工作流程效率上的差异	2,723例对比增强肝脏和前列腺MRI检查	digital pathology	liver cancer, prostate cancer	MRI, deep learning reconstruction	NA	medical imaging data	2,723例MRI检查
927	2025-05-16	SGA-Driven feature selection and random forest classification for enhanced breast cancer diagnosis: A comparative study 2025-Mar-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-95786-1 PMID:40159513	研究论文	本研究提出了一种结合海鸥优化算法(SGA)进行特征选择和随机森林(RF)分类器进行数据分类的新方法，用于乳腺癌分类	首次将SGA应用于乳腺癌诊断中的基因选择，通过系统探索特征空间以识别最具信息量的基因子集，从而提高分类准确性并降低计算复杂度	未来需要探索其他自然启发算法和深度学习模型的集成以进一步提升性能和临床适用性	提高乳腺癌诊断的分类准确性	乳腺癌基因数据	机器学习	乳腺癌	SGA, RF	随机森林(RF)	基因数据	NA
928	2025-05-16	Advances in machine learning for keratoconus diagnosis 2025-Mar-30, International ophthalmology IF:1.4Q3 DOI:10.1007/s10792-025-03496-4 PMID:40159519	review	回顾了过去十年中机器学习技术在圆锥角膜（KC）诊断中的应用，并指出了学术研究与临床实践之间的差距	提出了一个路线图模型，以促进机器学习模型在临床实践中的整合，提高诊断准确性和患者护理	缺乏对圆锥角膜早期检测和严重程度分期的客观诊断标准的共识，多学科合作有限，公共数据集访问受限	评估机器学习在圆锥角膜诊断中的进展，并探讨如何将其更好地应用于临床实践	圆锥角膜（KC）的诊断	machine learning	keratoconus	NA	Random Forest, CNN, Feedforward and Feedback Neural Networks, SVM	numerical corneal parameters	62 articles analyzed
929	2025-05-16	Enhancing convolutional neural networks in electroencephalogram driver drowsiness detection using human inspired optimizers 2025-Mar-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-93765-0 PMID:40155444	研究论文	该研究探讨了使用人类启发式优化算法（TLBO和SPBO）优化卷积神经网络（CNN）在基于脑电图（EEG）的驾驶员嗜睡检测中的应用	首次将人类启发式优化算法（TLBO和SPBO）应用于优化CNN在EEG信号处理中的性能，提高了驾驶员嗜睡检测的准确性和效率	存在轻微的过拟合问题，且SPBO生成的模型结构较为复杂	提高基于EEG的驾驶员嗜睡检测系统的性能	驾驶员嗜睡检测	机器学习	NA	EEG信号处理	CNN	EEG信号	NA
930	2025-05-16	A novel deep learning-based model for automated tooth detection and numbering in mixed and permanent dentition in occlusal photographs 2025-Mar-29, BMC oral health IF:2.6Q1 DOI:10.1186/s12903-025-05803-y PMID:40158107	研究论文	开发了一种基于深度学习的自动化系统，用于在混合和恒牙列的咬合照片中检测和编号牙齿	首次在咬合照片中实现了混合和恒牙列的自动化牙齿检测与编号，填补了该领域的研究空白	在代表性不足的牙齿（如乳切牙和恒牙第三磨牙）上存在误分类	开发人工智能模型以改进牙科诊断和治疗规划	混合和恒牙列的牙齿	计算机视觉	牙科疾病	深度学习	CNN, YOLOv8	图像	3215张上颌和下颌的咬合视图图像
931	2025-05-16	N6-methyladenine identification using deep learning and discriminative feature integration 2025-Mar-29, BMC medical genomics IF:2.1Q3 DOI:10.1186/s12920-025-02131-6 PMID:40158097	研究论文	本研究提出了一种名为Deep-N6mA的新型深度神经网络模型，用于精确识别DNA中的N6-甲基腺嘌呤（6mA）位点	结合了最优混合特征和深度神经网络，提高了6mA位点识别的准确性和泛化能力	未提及模型在更大规模或更多样化数据集上的表现	开发一种准确识别DNA中6mA位点的方法，以促进早期检测和表观遗传学研究	DNA序列中的N6-甲基腺嘌呤（6mA）位点	生物信息学	NA	DNA测序技术	DNN	DNA序列数据	两个基准数据集（F. vesca和R. chinensis）
932	2025-05-16	Harnessing Transfer Deep Learning Framework for the Investigation of Transition Metal Perovskite Oxides with Advanced p-n Transformation Sensing Performance 2025-03-28, ACS sensors IF:8.2Q1 DOI:10.1021/acssensors.4c03085 PMID:40029947	研究论文	本研究利用深度学习框架结合自然语言处理技术和晶体图卷积神经网络，预测并优化了过渡金属钙钛矿氧化物的p-n转换传感性能	提出了一种结合Word2Vec和CGCNN的预测方法，构建了包含120万文献摘要和11万晶体结构数据的数据集，并开发了HSLIM-n和PSLRM-p模型以深入分析传感性能的p-n转换机制	NA	研究过渡金属钙钛矿氧化物在气体传感材料中的性能优化和p-n转换机制	锌钴双金属离子与配体复合的钙钛矿氧化物	机器学习	NA	Word2Vec, CGCNN	深度学习框架	文本, 晶体结构数据	120万文献摘要和11万晶体结构数据
933	2025-05-16	Artificial Intelligence in Gas Sensing: A Review 2025-03-28, ACS sensors IF:8.2Q1 DOI:10.1021/acssensors.4c02272 PMID:40067186	review	本文综述了人工智能（AI）、机器学习（ML）和深度学习（DL）在增强和自动化气体传感方法中的作用，以及这些技术对新兴气体传感器系统的影响	AI、ML和DL方法可以处理和解释复杂的传感器数据，提高准确性、灵敏度和选择性，实现快速气体检测和定量浓度测量	NA	探讨AI在气体传感技术中的应用及其对传感器性能的提升	气体传感器技术及AI、ML、DL方法	machine learning	NA	AI、ML、DL	NA	sensor data	NA
934	2025-05-16	Multimodal recurrence risk prediction model for HR+/HER2- early breast cancer following adjuvant chemo-endocrine therapy: integrating pathology image and clinicalpathological features 2025-Mar-28, Breast cancer research : BCR IF:6.1Q1 DOI:10.1186/s13058-025-01968-0 PMID:40148997	研究论文	开发了一种多模态复发风险预测模型，用于HR+/HER2-早期乳腺癌患者在辅助化疗内分泌治疗后的复发风险预测	整合病理图像和临床病理特征，开发了基于深度学习的多实例学习管道，显著提高了复发风险预测的准确性	研究样本主要来自单一医疗机构，外部验证仅使用了TCGA队列	优化HR+/HER2-早期乳腺癌患者的治疗策略，改善患者预后	HR+/HER2-早期乳腺癌患者	数字病理	乳腺癌	深度学习	ACMIL, CLAM	病理图像, 临床病理数据	1095名HR+/HER2-早期乳腺癌患者
935	2025-05-16	Highly parallel profiling of the activities and specificities of Cas12a variants in human cells 2025-Mar-28, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-57150-9 PMID:40155371	研究论文	本文通过高通量分析评估了24种Cas12a变体的活性和与特定PAM的兼容性，并开发了深度学习模型来预测这些变体在目标序列上的基因编辑活性	开发了深度学习模型预测Cas12a变体的基因编辑活性，并改进了GUIDE-seq系统以减少Cas12a的脱靶检测阻碍	研究仅针对24种Cas12a变体，可能未涵盖所有可能的变体	评估和比较不同Cas12a变体的基因编辑活性和特异性	24种Cas12a变体	基因编辑	NA	高通量分析、深度学习、GUIDE-seq	深度学习模型	基因序列数据	24种Cas12a变体
936	2025-05-16	Application of dual branch and bidirectional feedback feature extraction networks for real time accurate positioning of stents 2025-Mar-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-86304-4 PMID:40155423	research paper	提出了一种名为DBMedDet的深度学习模型，用于实时指导动脉支架植入手术中的精确定位	DBMedDet模型具有并行双分支边缘特征提取网络和双向反馈特征融合子网络，专为胸腹主动脉支架设计	NA	提高支架植入手术的精确度和安全性	胸腹主动脉支架	computer vision	cardiovascular disease	deep learning	DBMedDet	image	NA
937	2025-05-16	Detection of cotton crops diseases using customized deep learning model 2025-Mar-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-94636-4 PMID:40155421	研究论文	本文提出了一种定制的深度学习模型，用于检测棉花作物的病害	比较了多种先进的深度学习模型（如VGG16、DenseNet、EfficientNet等）在棉花病害识别中的表现，并发现ResNet152模型优于其他模型	未提及模型在田间实际应用中的具体表现或泛化能力	开发高效的棉花病害检测方法以减少农业经济损失	棉花作物及其病害	计算机视觉	棉花病害	深度学习	VGG16, DenseNet, EfficientNet, InceptionV3, MobileNet, NasNet, ResNet	图像	未明确提及样本数量，但使用了从田间收集的真实棉花病害数据
938	2025-05-16	A deep learning approach to remotely assessing essential tremor with handwritten images 2025-Mar-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-94729-0 PMID:40155628	研究论文	该研究提出了一种基于深度学习的远程评估原发性震颤（ET）严重程度的新方法，使用手写图像提高评估效率和可及性	开发了基于迁移学习的模型ETSD-Net，用于评估ET严重程度，准确率达到88.44%，优于基线模型	未提及模型在更大规模或不同人群中的泛化能力	开发一种远程评估原发性震颤严重程度的高效、可及性强的工具	原发性震颤（ET）患者	数字病理学	老年疾病	深度学习	ETSD-Net	图像	约1000张高质量阿基米德螺旋手写图像，来自医疗机构和家庭环境中的患者
939	2025-05-16	Fine-tuned deep learning models for early detection and classification of kidney conditions in CT imaging 2025-Mar-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-94905-2 PMID:40155680	研究论文	该研究通过微调的深度学习模型对CT图像中的肾脏状况进行早期检测和分类	提出了一种创新方法，整合了精细调整的迁移学习、高级图像处理和超参数优化，以提高肾脏肿瘤分类的准确性	NA	提高肾脏疾病的早期检测和分类准确性，改善医学影像诊断	CT图像中的囊肿、正常状态、结石和肿瘤	数字病理学	肾脏疾病	CT成像、图像处理技术（数据归一化、增强、分水岭分割、Otsu二值化阈值处理）	CNN、VGG16、ResNet50、CNNAlexnet、InceptionV3	图像	NA
940	2025-05-16	A deep learning model for classification of chondroid tumors on CT images 2025-Mar-28, BMC cancer IF:3.4Q2 DOI:10.1186/s12885-025-13951-1 PMID:40155859	研究论文	本研究开发了一种深度学习模型，用于在CT图像上分类软骨样肿瘤	开发了一种2D卷积神经网络模型，用于区分不同类型的软骨样肿瘤，并与放射科医生的诊断性能进行了比较	在区分非典型软骨样肿瘤和高级别软骨肉瘤方面表现仍有提升空间，反映了放射学诊断中的已知挑战	开发一种深度学习模型，用于软骨样肿瘤的分类，以辅助临床诊断	软骨样肿瘤（包括内生软骨瘤、非典型软骨样肿瘤和高级别软骨肉瘤）	数字病理学	软骨肉瘤	CT成像	2D CNN	图像	344名患者（124例内生软骨瘤，92例非典型软骨样肿瘤，128例高级别软骨肉瘤）