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	2025-09-15	AI-Driven Neonatal MRI Interpretation: A Systematic Review of Diagnostic Efficiency, Prognostic Value, and Implementation Barriers for Hypoxic-Ischemic Encephalopathy 2025-Jul, Cureus DOI:10.7759/cureus.88212 PMID:40831854	系统综述	本文系统综述了人工智能在新生儿缺氧缺血性脑病MRI诊断与预后评估中的效率、价值及实施障碍	首次系统评估AI（特别是CNN）在HIE新生儿MRI分析中的诊断效能与预后预测价值，并与传统放射学评估进行对比	纳入研究样本量较小（100-200例），MRI协议存在异质性，且计算需求较高	评估AI在新生儿缺氧缺血性脑病神经影像中的诊断效率、预后价值及临床实施挑战	缺氧缺血性脑病（HIE）新生儿	医学影像分析	新生儿脑病	深度学习	CNN（卷积神经网络）	MRI影像	5项研究（总样本量未明确，单项研究n=100-200）
922	2025-09-15	Hybrid deep learning enables multi-institutional delineation of active bone marrow for gynecologic radiotherapy 2025-Jul, Physics and imaging in radiation oncology DOI:10.1016/j.phro.2025.100823 PMID:40837604	研究论文	开发一种混合深度学习方法，用于在妇科癌症患者的CT图像中分割活性骨髓，以支持放疗中的骨髓保护	提出结合nnU-Net预测与解剖骨结构的混合nnU-Net方法，通过布尔运算进行后处理，实现多机构活性骨髓的精确分割	研究为回顾性设计，仅包含319例患者，前瞻性验证案例数量有限（2例）	开发深度学习模型以在CT图像中自动识别活性骨髓，为妇科放疗提供骨髓保护策略	妇科癌症患者	数字病理	妇科癌症	18F-FDG PET/CT，深度学习	混合nnU-Net, U-Net, V-Net, ResU-Net, nnU-Net, UNETR	CT图像	319例患者（来自5个机构），其中290例用于训练，29例用于独立测试
923	2025-09-15	Insights Into AI-Enabled Early Diagnosis of Oral Cancer: A Scoping Review 2025-Jul, Cureus DOI:10.7759/cureus.88407 PMID:40842743	综述	本文通过范围综述评估人工智能在口腔癌早期诊断中的应用与潜力	系统总结了2016-2025年间AI技术在口腔癌早期诊断中的最新进展，特别关注深度学习模型在敏感性和特异性方面的优异表现	纳入研究的方法和数据集存在异质性，可能影响结果的一致性	评估各种人工智能技术在口腔癌早期诊断中的效果和应用前景	口腔潜在恶性病变(OPMDs)和口腔癌(OC)	digital pathology	oral cancer	AI-based diagnostic techniques	CNN, Deep CNN, ANN, random forest, decision tree	photographic images, mobile images, cytology images, radiographic images	28篇符合纳入标准的研究（从88篇检索文献中筛选）
924	2025-09-15	Artificial intelligence in disease diagnostics: a comprehensive narrative review of current advances, applications, and future challenges in healthcare 2025-Jul, Annals of medicine and surgery (2012) DOI:10.1097/MS9.0000000000003423 PMID:40851938	综述	本文全面回顾了人工智能在疾病诊断领域的当前进展、应用及未来挑战	系统整合AI在医疗诊断多领域的应用现状，并针对资源匮乏环境提出创新性解决框架	属于叙述性综述，未进行定量数据整合或质量评估	探讨人工智能在疾病诊断中的技术进展、实际应用与实施障碍	医疗诊断系统中的人工智能技术及应用案例	医疗人工智能	多疾病领域（含癌症等）	机器学习、深度学习、自然语言处理	NA	多模态医疗数据（影像、病理、文本等）	NA（文献综述未涉及具体样本量）
925	2025-09-15	Association of peripheral immune markers with brain age and dementia risk estimated using deep learning methods 2025-Jun-25, International journal of surgery (London, England) DOI:10.1097/JS9.0000000000002746 PMID:40561180	研究论文	本研究利用深度学习模型分析外周免疫标志物与脑年龄及痴呆风险的关联	首次结合深度学习脑年龄预测模型（SFCN）与大规模生物样本库数据，量化外周免疫标志物与脑老化加速及痴呆风险的关联	观察性研究设计无法确立因果关系，依赖神经影像数据质量	探究外周免疫系统标志物对脑老化加速及痴呆发生的影响	UK Biobank数据库中的322,761名参与者	医学影像分析	神经退行性疾病	神经影像分析、Cox回归、多元线性回归	SFCN（Simple Fully Convolutional Network）	神经影像数据、临床数据	322,761名参与者，其中4,277例痴呆病例
926	2025-09-15	Towards interpretable molecular and spatial analysis of the tumor microenvironment from digital histopathology images with HistoTME-v2 2025-Jun-17, bioRxiv : the preprint server for biology DOI:10.1101/2025.06.11.658673 PMID:40747415	研究论文	提出一种基于弱监督深度学习的框架HistoTME-v2，直接从H&E染色病理图像预测肿瘤微环境中细胞类型特异性转录组特征活性	无需单细胞或图像块级标注即可实现全幻灯片级别的肿瘤微环境分析，支持泛癌种应用并具备空间分布解析能力	性能依赖于训练数据的质量和规模，外部验证集的相关系数略低于内部验证	开发低成本、高通量的肿瘤微环境分析工具，推动空间生物学在常规病理工作流程中的应用	25种实体肿瘤的H&E染色全幻灯片图像	数字病理学	多种癌症（泛癌种）	H&E染色、空间转录组学、多重成像（CODEX, IHC）	弱监督深度学习框架	图像	内部验证：7,586张WSI（6,901名患者，24种癌症类型）；外部验证：5,657张WSI（1,775名患者，9种癌症类型）；空间验证：259张WSI（154名患者，7种癌症类型）
927	2025-09-15	VNC-Dist: A machine learning-based semi-automated pipeline for quantification of neuronal positioning in the C. elegans ventral nerve cord 2025-Jun-11, bioRxiv : the preprint server for biology DOI:10.1101/2024.11.16.623955 PMID:40661438	研究论文	开发了一个基于机器学习的半自动化软件工具包VNC-Dist，用于量化秀丽隐杆线虫腹神经索中神经元细胞体的位置	结合深度学习（改进的Segment Anything Model）和其他工具，替代手动测量，实现更快速准确的神经元定位分析	NA	研究控制腹神经索神经元定位和排列的细胞与分子机制	秀丽隐杆线虫腹神经索中的运动神经元（DD、DA、DB类）	数字病理学	NA	显微镜成像、深度学习、图像分割	改进的Segment Anything Model (SAM)	显微镜图像	多个已知破坏神经元定位的遗传突变体
928	2025-09-15	Using deep learning to predict internalizing problems from brain structure in youth 2025-May-09, bioRxiv : the preprint server for biology DOI:10.1101/2024.11.28.625869 PMID:40654936	研究论文	使用深度学习基于青少年脑结构预测内化问题（如焦虑和抑郁）	首次利用深度学习从多维度脑结构特征中预测内化问题的横断面及纵向恶化轨迹，并在神经发育条件人群中表现出良好性能	纵向模型在普通人群样本中预测性能一般（AUC=0.66），且主要依赖脑结构数据，未整合其他生物或环境因素	探索内化问题的生物标志物，开发预测模型以识别高风险个体	青少年人群，包括普通人群和神经发育条件（如自闭症、ADHD）患者	机器学习	精神健康疾病	深度学习	深度学习模型（具体架构未说明）	脑结构数据（厚度、表面积、体积）	横断面分析14,523人，纵向分析10,540人，数据来自ABCD、HBN、HCP-D和POND四个大型数据集
929	2025-09-15	MiRNA-Based Exosome-Targeted Multi-Target, A Multi-Pathway Intervention for Personalized Lung Cancer Therapy: Prognostic Prediction and Survival Risk Assessment 2025-Apr, Iranian journal of biotechnology IF:1.6Q4 DOI:10.30498/ijb.2025.516588.4112 PMID:40860049	研究论文	本研究基于外泌体miRNA分析开发了肺癌治疗预后预测模型，并评估了患者生存风险	采用Transformer深度学习模型预测免疫治疗疗效，准确率显著优于传统机器学习方法，并发现hsa-let-7c miRNA与生存风险显著相关	不同治疗结果组间的miRNA表达差异较小，样本量未明确说明	开发肺癌个性化治疗的预后预测和生存风险评估方法	肺癌患者的外泌体miRNA	生物信息学	肺癌	miRNA测序、生物信息学分析、Gene Ontology和KEGG通路富集分析	机器学习模型、Transformer深度学习模型、Cox比例风险回归模型	miRNA表达数据	使用GSE207715数据集，具体样本数量未明确说明
930	2025-09-15	SNRAware: Improved Deep Learning MRI Denoising with SNR Unit Training and G-factor Map Augmentation 2025-Mar-23, ArXiv PMID:40735077	研究论文	提出并评估了一种名为SNRAware的新型深度学习MRI去噪方法，利用重建过程中的定量噪声分布信息提升去噪性能与泛化能力	通过模拟大规模高质量合成数据集并向模型提供噪声分布的定量信息，将MRI重建过程的知识融入深度学习训练	NA	开发并评估基于定量噪声分布信息的MRI深度学习去噪方法	心脏电影序列、实时心脏灌注、神经及脊柱MRI图像	医学图像处理	心血管疾病	MRI重建、深度学习去噪	Transformer、CNN	2D/3D MRI图像	2,885,236张图像（来自96,605个心脏电影序列），测试集包含3000个样本
931	2025-09-15	In vivo electrophysiology recordings and computational modeling can predict octopus arm movement 2025-Feb-14, Bioelectronic medicine DOI:10.1186/s42234-025-00166-9 PMID:39948616	研究论文	通过活体电生理记录和计算建模预测章鱼手臂运动	首次结合碳电极阵列单单元电生理记录与机器学习方法，实时预测并区分章鱼手臂运动类型	NA	揭示运动回路控制原理并预测复杂运动行为	章鱼前神经索及手臂运动	计算神经科学	NA	单单元电生理记录、机器学习、深度学习、无监督降维	监督学习与无监督学习模型	电生理信号、运动视频	NA
932	2025-09-15	Federated quantum-inspired anomaly detection using collaborative neural clients 2025, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2025.1648609 PMID:40932890	研究论文	提出一种量子启发的联邦学习方法用于异常检测，保护数据隐私并支持未来量子计算应用	首次结合量子启发计算与联邦学习进行异常检测，实现隐私保护与系统可扩展性	当前实现主要基于经典深度学习，量子机器学习部分尚未完全集成	开发隐私保护的分布式异常检测系统	分布式环境中的异常数据模式	machine learning	NA	federated learning, quantum-inspired computation	feedforward neural network, FedAvg	distributed private data subsets	NA
933	2025-09-15	Investigation of deep learning approaches for automated damage diagnostics in fiber metal laminates using Detectron2 and SAM 2025, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2025.1599345 PMID:40932888	研究论文	本研究利用深度学习模型实现纤维金属层压板损伤的自动检测、分割与表征	首次将Segment Anything Model (SAM)和Mask R-CNN结合Detectron2框架应用于复合材料损伤诊断，并对比了两种模型的性能与可解释性	缺乏绝对真实数据限制了定量比较的准确性	开发纤维金属层压板损伤的自动化诊断方法	纤维金属层压板（FML）的冲击损伤	计算机视觉	NA	深度学习，监督学习	Mask R-CNN, SAM	X射线CT图像	不同能量冲击（5J、7.5J、10J、12.5J）的损伤FML板X射线CT数据集
934	2025-09-15	Weakly supervised deep learning for multimodal MRI-TRUS registration: Toward assisting prostate biopsy guidance 2025 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076251375870 PMID:40933081	研究论文	提出一种弱监督深度学习框架，用于多模态MRI-TRUS图像配准，以辅助前列腺活检引导	集成注意力增强U-Net分割网络和残差增强配准网络（RERN），在最小标注依赖下实现高精度配准	NA	提升前列腺癌检测和活检引导中的多模态图像配准精度	前列腺多模态医学图像（MRI和TRUS）	数字病理	前列腺癌	深度学习，医学图像配准	U-Net，注意力机制，残差网络	多模态医学图像（MRI和TRUS）	公共数据集（MSD Prostate, Promise12, µ-RegPro）及32对临床MRI-TRUS图像对
935	2025-09-15	Improving diagnostic accuracy of routine EEG for epilepsy using deep learning 2025, Brain communications IF:4.1Q2 DOI:10.1093/braincomms/fcaf319 PMID:40933285	研究论文	本研究开发了一种基于深度学习的模型DeepEpilepsy，用于提高常规脑电图对癫痫的诊断准确性	首次使用Vision Transformer和CNN模型直接从原始EEG信号中识别癫痫，不依赖于传统的发作间期癫痫样放电检测	需要进一步研究以理解模型检测到的EEG模式的确切性质，并评估在特定临床环境中的实际影响	开发和验证深度学习模型，提高常规EEG对癫痫的诊断准确性	接受常规EEG检查的患者	数字病理	癫痫	EEG	Vision Transformer, CNN	EEG信号	846名患者的948份EEG记录（训练/验证集820份/728人，测试集128份/118人）
936	2025-09-15	Structure-guided deep learning for back acupoint localization via bone-measuring constraints 2025, Frontiers in physiology IF:3.2Q2 DOI:10.3389/fphys.2025.1662104 PMID:40933308	研究论文	提出一种结合传统中医骨度测量原理与深度学习技术的自动化背部穴位定位框架	首次将中医骨度测量约束与深度学习结合，通过结构引导关键点估计模块和结构约束损失函数实现解剖学一致的预测	NA	开发高精度、实时运行的智能穴位定位方法以支持中医辅助诊断	人体背部穴位	计算机视觉	NA	深度学习医学图像分析	HRFormer + SG-KEM	高分辨率背部图像	430张标注19个穴位的高分辨率背部图像
937	2025-09-15	Enhanced diabetes prediction using skip-gated recurrent unit with gradient clipping approach 2025, Frontiers in endocrinology IF:3.9Q2 DOI:10.3389/fendo.2025.1601883 PMID:40933380	研究论文	提出一种结合Skip-GRU和梯度裁剪的深度学习模型，用于糖尿病预测	引入Skip-GRU网络捕获长期依赖关系，并结合梯度裁剪技术解决梯度爆炸问题	NA	开发高效的糖尿病预测深度学习模型	糖尿病患者的医疗数据	机器学习	糖尿病	深度学习	Skip-GRU	结构化医疗数据	PIMA数据集和LMCH数据集（具体样本数未提及）
938	2025-09-15	Deep learning-based classification of peptide analytes from single-channel nanopore translocation events 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0324777 PMID:40934192	研究论文	提出一种基于深度学习的纳米孔易位事件肽分析物分类数据处理流程	采用新颖的分支输入网络结构，结合时序卷积网络处理电导状态序列和密集网络整合动力学特征	基于模拟数据的研究，真实实验数据应用尚待验证；部分肽具有相似动力学参数导致事件级别预测存在误分类	开发纳米孔生物传感器中肽生物标志物的快速准确分类方法	七种肽的模拟多态易位数据	机器学习	NA	纳米孔传感技术	CNN, RNN, TCN, 密集网络	电流记录信号数据	七种肽的模拟数据集（含纯样本和混合样本）
939	2025-09-15	Peripheral blood TCR repertoire improves early detection across multiple cancer types utilizing a cancer predictor 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1625369 PMID:40936715	研究论文	提出一种名为DeepCaTCR的深度学习框架，通过分析外周血T细胞受体（TCR）序列来提升多种癌症的早期检测能力	开发了结合一维卷积神经网络、双向长短期记忆网络和自注意力机制的深度学习模型，并创新性地提出基于方差的TCR克隆扩增异质性评分策略	未明确说明样本来源的多样性限制或模型在不同人群中的泛化能力验证	通过TCR序列分析实现多种癌症的早期无创检测	癌症患者的外周血T细胞受体序列	生物信息学	多种癌症	T细胞受体测序	CNN, BiLSTM, Self-Attention	序列数据（氨基酸片段）	未明确说明具体样本数量，但包含肿瘤浸润淋巴细胞和健康外周血样本的对比验证
940	2025-09-15	EPISeg: Automated segmentation of the spinal cord on echo planar images using open-access multi-center data 2025, Imaging neuroscience (Cambridge, Mass.) DOI:10.1162/IMAG.a.98 PMID:40937159	研究论文	开发了一种基于深度学习的自动分割模型EPISeg，用于梯度回波平面成像（EPI）数据中脊髓的精确分割	利用开放获取的多中心数据集训练模型，显著提升了EPI图像中脊髓分割的质量，并对不同采集协议和常见伪影具有鲁棒性	NA	自动化脊髓功能磁共振成像（fMRI）数据预处理中的分割任务，减少人工操作时间和偏差	脊髓梯度回波EPI图像	医学图像分析	神经系统相关疾病	功能磁共振成像（fMRI），梯度回波平面成像（EPI）	深度学习模型	图像	多中心数据集（具体数量未明确说明，但已公开于OpenNeuro平台）