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
81	2025-07-26	Comprehensive assessment of uterine contractility using a large database of dynamic T2∗ studies 2025-Jul-16, Placenta IF:3.0Q2 DOI:10.1016/j.placenta.2025.07.078 PMID:40706293	研究论文	本研究利用大型动态T2∗ MRI数据库和AI驱动流程，评估子宫收缩活动，量化其普遍性，并探讨其与临床和扫描变量的关联	通过实时深度学习和动态T2∗ MRI评估子宫收缩活动，提供了对亚临床子宫收缩的新见解，并建立了未来实时检测的基础	研究中未发现子宫收缩活动与场强、母亲扫描时的体位、产次、母亲年龄或体重指数有显著相关性	增强对亚临床子宫收缩及其对胎盘功能和产前护理影响的理解	821例妊娠15至41周期间的动态胎儿MRI扫描，包括无并发症妊娠和受胎盘功能不全影响的妊娠	数字病理学	胎盘功能不全	动态T2∗ MRI	深度学习	MRI图像	821例动态胎儿MRI扫描
82	2025-07-26	AI-Driven Comprehensive SERS-LFIA System: Improving Virus Automated Diagnostics Through SERS Image Recognition and Deep Learning 2025-Jul-16, Biosensors DOI:10.3390/bios15070458 PMID:40710108	研究论文	开发了一种结合SERS扫描成像和基于AI的结果判别的综合SERS-LFIA检测系统，用于病毒自动化诊断	整合SERS扫描成像与深度学习模型（ResNet-18）进行结果判别，显著降低异常信号干扰并实现接近理论检测限的可靠检测	未提及具体病毒种类或实际临床应用中的潜在限制	开发快速、准确的病毒诊断方法以有效管理和控制疫情	高传染性和致病性病毒	数字病理学	病毒感染	SERS-LFIA（表面增强拉曼散射-侧向流动免疫分析）	ResNet-18	图像	未提及具体样本数量
83	2025-07-26	Task-Related EEG as a Biomarker for Preclinical Alzheimer's Disease: An Explainable Deep Learning Approach 2025-Jul-16, Biomimetics (Basel, Switzerland) DOI:10.3390/biomimetics10070468 PMID:40710281	研究论文	本文探讨了任务相关EEG作为临床前阿尔茨海默病生物标志物的潜力，并采用可解释的深度学习方法进行特征识别	首次将任务相关EEG与可解释深度学习框架InterpretableCNN结合用于临床前AD检测，揭示了theta和alpha活动的病理关联	模型性能指标较低(ROC AUC 60.84%，Kappa值0.22)，表明识别准确性有待提高	开发基于EEG的临床前阿尔茨海默病早期风险检测方法	认知健康个体的任务相关EEG信号	数字病理学	阿尔茨海默病	EEG信号分析	InterpretableCNN(可解释卷积神经网络)	EEG时序信号	未明确提及具体样本量，采用100折留p%受试者交叉验证(LPSO-CV)
84	2025-07-26	Enhancing 3D dopamine transporter imaging as a biomarker for Parkinson's disease via self-supervised learning with diffusion models 2025-Jul-15, Cell reports. Medicine DOI:10.1016/j.xcrm.2025.102207 PMID:40580955	研究论文	本文提出了一种基于自监督学习和扩散模型的3D多巴胺转运体成像增强方法，用于帕金森病的生物标志物研究	引入了分层小波扩散自编码器（HWDAE），一种生成自监督模型，能够在生成训练中学习相关疾病特征，无需人工标签	数据量有限且缺乏外部验证	提高帕金森病的准确诊断和疾病进展状态的精确估计	帕金森病患者	计算机视觉	帕金森病	多巴胺转运体正电子发射断层扫描（DAT PET）	分层小波扩散自编码器（HWDAE）	图像	1,934张DAT PET图像
85	2025-07-26	A deep learning system for detecting systemic lupus erythematosus from retinal images 2025-Jul-15, Cell reports. Medicine DOI:10.1016/j.xcrm.2025.102203 PMID:40570853	研究论文	开发了一个深度学习系统DeepSLE，用于从视网膜图像中检测系统性红斑狼疮(SLE)及其视网膜和肾脏并发症	首次利用深度学习技术从视网膜图像中检测SLE及其并发症，并在多民族验证数据集中展示了稳健的性能	未提及模型在更广泛人群中的适用性或潜在的误诊风险	开发一种数字化解决方案，用于从视网膜图像中检测系统性红斑狼疮及其并发症	系统性红斑狼疮(SLE)患者及其视网膜和肾脏并发症	数字病理学	系统性红斑狼疮	深度学习	DeepSLE(未明确具体模型类型)	视网膜图像	247,718张图像(来自中国和英国的多民族数据集)
86	2025-07-26	Integrating radiomics and machine learning for the diagnosis and prognosis of hepatocellular carcinoma 2025-Jul-15, World journal of gastrointestinal oncology IF:2.5Q3 DOI:10.4251/wjgo.v17.i7.106610 PMID:40697211	综述	本文综述了放射组学和机器学习在肝细胞癌诊断和预后中的应用	结合放射组学和机器学习技术，提高肝细胞癌诊断和预后的准确性	模型解释性不足、数据异质性以及多模态数据整合的挑战	提升肝细胞癌的诊断准确性、治疗反应预测和生存预后	肝细胞癌（HCC）	数字病理	肝癌	放射组学、机器学习	二分类模型、XGBoost、LightGBM、深度学习架构	医学影像	NA
87	2025-07-26	Deep learning radiomics: Redefining precision oncology through noninvasive insights into the tumor immune microenvironment 2025-Jul-15, World journal of gastrointestinal oncology IF:2.5Q3 DOI:10.4251/wjgo.v17.i7.108175 PMID:40697238	研究论文	基于计算机断层扫描的深度学习放射组学为预测结直肠癌肿瘤免疫微环境提供了一种新颖、非侵入性的方法	利用卷积神经网络分析术前CT扫描，无需侵入性活检即可预测肿瘤免疫微环境的关键特征	回顾性研究设计可能限制了结果的普遍适用性	推进个性化免疫治疗、化疗和靶向治疗，挑战传统肿瘤学实践	结直肠癌患者的肿瘤免疫微环境	数字病理学	结直肠癌	计算机断层扫描	CNN	图像	315名患者的术前CT扫描
88	2025-07-26	Predicting Very Early-Stage Breast Cancer in BI-RADS 3 Lesions of Large Population with Deep Learning 2025-Jul-15, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging11070240 PMID:40710626	研究论文	本研究开发了一种深度学习模型，用于在BI-RADS 3评分的乳腺病变中准确识别极早期恶性肿瘤，以提高诊断精度和临床决策	提出了一种新的迁移学习方法，显著提高了预测BI-RADS 3恶性病变的临床AUC值，从0.721提升至0.880	研究样本来自两家医院，可能存在一定的选择偏差，且未涉及更多类型的影像数据	提高乳腺BI-RADS 3病变中极早期恶性肿瘤的诊断准确性	BI-RADS 3评分的乳腺病变患者	数字病理	乳腺癌	深度学习	迁移学习	超声图像	685名患者的852个病变（256个恶性，596个良性）
89	2025-07-26	Chromatin accessibility dynamics and transcriptional regulatory networks underlying the primary nitrogen response in rice roots 2025-Jul-14, Plant communications IF:9.4Q1 DOI:10.1016/j.xplc.2025.101392 PMID:40468596	研究论文	本研究通过时间序列分析，探讨了水稻根系中初级氮响应（PNR）的动态变化及其转录调控网络	首次精确鉴定了氮诱导响应的调控区域，并揭示了染色质可及性与基因表达的协调变化，以及OsLBD38、OsLBD39和OsbZIP23等新型调控因子的作用	研究仅关注了水稻根系在铵硝酸盐重新供应后2小时内的反应，可能未涵盖更长时间的动态变化	揭示水稻初级氮响应的转录调控机制	两个水稻品种（珍汕97和日本晴）的根系	植物分子生物学	NA	ATAC-seq和RNA-seq	深度学习	基因组和转录组数据	两个水稻品种的根系样本，时间序列分析在2小时内进行
90	2025-07-26	Characterizing and differentiating brain states through a CS-KBRs framework for highlighting the synergy of common and specific brain regions 2025-Jul-14, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2025.102609 PMID:40706423	研究论文	本研究提出了一种基于动态图卷积神经网络（DGCNN）的新框架，用于识别对脑状态分类任务至关重要的关键脑区（KBRs）	通过动态更新邻接矩阵，该方法能更有效地评估每个脑区的重要性，并提出了CS-KBRs框架，将关键脑区分为类似枢纽的通用区域和特定区域，揭示了它们之间的互补关系	方法的可解释性仍存在挑战，特别是在理解已识别ROI的独特特征方面	揭示不同脑区如何协调驱动各种脑状态，以理解认知过程的本质及其在脑功能和障碍中的表现	脑状态分类任务中的关键脑区	神经科学	NA	fMRI, DGCNN	动态图卷积神经网络（DGCNN）	fMRI数据	从148个脑区中准确选择了56个关键脑区（KBRs）
91	2025-07-26	Leveraging Swin Transformer for enhanced diagnosis of Alzheimer's disease using multi-shell diffusion MRI 2025-Jul-14, ArXiv PMID:40709302	研究论文	本研究利用多壳层扩散MRI数据和基于视觉Transformer的深度学习框架，支持阿尔茨海默病的早期诊断和淀粉样蛋白积累的检测	采用Swin Transformer模型处理多壳层dMRI数据，并结合Low-Rank Adaptation技术以适应有限的标记神经影像数据	研究依赖于有限的标记神经影像数据，可能影响模型的泛化能力	早期诊断阿尔茨海默病和检测淀粉样蛋白积累	认知正常个体、轻度认知障碍患者和阿尔茨海默病痴呆患者	数字病理学	阿尔茨海默病	多壳层扩散MRI (dMRI), DTI, NODDI	Swin Transformer	MRI图像	未明确提及具体样本数量
92	2025-07-26	AI-Driven Control Strategies for Biomimetic Robotics: Trends, Challenges, and Future Directions 2025-Jul-14, Biomimetics (Basel, Switzerland) DOI:10.3390/biomimetics10070460 PMID:40710273	综述	本文系统回顾了人工智能驱动的仿生机器人控制策略，总结了最新进展、方法及其与传统控制技术的比较	全面梳理了AI技术在仿生机器人控制中的应用，并指出了未来研究方向	未涉及具体实验验证或性能量化比较	探讨人工智能如何提升仿生机器人的控制机制	仿生机器人及其控制策略	机器人学	NA	机器学习、深度学习、强化学习	NA	NA	NA
93	2025-07-26	Estimating Snow-Related Daily Change Events in the Canadian Winter Season: A Deep Learning-Based Approach 2025-Jul-14, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging11070239 PMID:40710625	研究论文	本研究开发了一种基于深度学习的Siamese Attention U-Net模型，用于检测加拿大冬季季节中与雪相关的每日变化事件	提出了一种新的Siamese Attention U-Net模型（Si-Att-UNet），用于检测雪水当量（SWE）的每日变化事件，并在50%置信阈值下达到了99.3%的F1分数	研究主要关注加拿大冬季季节，可能不适用于其他地区或季节	理解气候制度效应对雪融化模式的影响，并检测雪水当量的每日变化事件	加拿大冬季季节的雪水当量（SWE）变化	机器学习和环境科学	NA	深度学习	Siamese Attention U-Net (Si-Att-UNet)	图像（SWE地图）	1979年至2018年的每日SWE地图数据
94	2025-07-26	Automated Cattle Head and Ear Pose Estimation Using Deep Learning for Animal Welfare Research 2025-Jul-13, Veterinary sciences IF:2.0Q2 DOI:10.3390/vetsci12070664 PMID:40711324	research paper	该研究提出了一种基于深度学习的AI系统，用于牛头和耳朵的检测与姿态估计，以支持动物福利研究	结合Mask R-CNN和FSA-Net实现牛头及左耳的3D姿态估计，提供长期、定量、客观的动物行为监测方法	研究仅针对日本黑牛，未验证在其他牛种上的适用性	开发自动化系统以改进动物福利评估方法	牛的头和耳朵姿态	computer vision	NA	deep learning	Mask R-CNN, FSA-Net	image	日本黑牛的自然条件下采集图像数据集
95	2025-07-26	MASSISTANT: A deep learning model for De Novo molecular structure prediction from EI‑MS spectra via SELFIES encoding 2025-Jul-10, Journal of chromatography. A DOI:10.1016/j.chroma.2025.466216 PMID:40706264	研究论文	介绍了一种名为MASSISTANT的深度学习模型，用于从EI-MS光谱中直接预测分子结构	使用SELFIES编码直接从低分辨率EI-MS光谱预测分子结构，提高了预测准确率	模型性能对数据集的质量和化学同质性敏感，且仅适用于分子量低于600 Da的化合物	开发一种自动化工具，用于从EI-MS光谱中预测未知化合物的分子结构	挥发性及半挥发性化合物的分子结构	机器学习	NA	GC-EI-MS	深度学习模型	光谱数据	NIST数据集中的18万光谱
96	2025-07-26	Computational and Imaging Approaches for Precision Characterization of Bone, Cartilage, and Synovial Biomolecules 2025-Jul-09, Journal of personalized medicine IF:3.0Q1 DOI:10.3390/jpm15070298 PMID:40710415	综述	本文综述了成像、计算建模和测序技术在关节组织健康高分辨率、非侵入性表征方面的最新进展	整合了高分辨率MRI、定量CT、超声弹性成像等先进成像技术与深度学习、多尺度建模方法，以及RNA-seq、空间转录组学和质谱蛋白质组学等多组学技术，用于影像生物标志物的发现	临床广泛应用需要强大的数据基础设施、法规遵从性和医生教育	实现关节组织健康的精确表征，推动肌肉骨骼疾病的精准诊疗	骨、软骨和滑膜组织的生物分子	数字病理学	退行性关节疾病	高分辨率MRI、定量CT、超声弹性成像、RNA-seq、空间转录组学、质谱蛋白质组学	CNN、有限元模型、基于代理的模型	图像、组学数据	NA
97	2025-07-26	Diagnosis of Schizophrenia Using Feature Extraction from EEG Signals Based on Markov Transition Fields and Deep Learning 2025-Jul-07, Biomimetics (Basel, Switzerland) DOI:10.3390/biomimetics10070449 PMID:40710262	研究论文	该研究提出了一种基于马尔可夫转移场和深度学习的脑电图信号特征提取方法，用于精神分裂症的诊断	使用马尔可夫转移场将一维脑电图信号转换为二维图像，结合预训练的VGG-16模型和两种分类流程（支持向量机和深度学习）进行特征提取和分类	研究依赖于公开的脑电图数据库，样本来源单一，可能影响模型的泛化能力	开发一种高效的精神分裂症诊断方法	精神分裂症患者和健康个体的脑电图信号	数字病理学	精神分裂症	EEG信号分析，马尔可夫转移场，深度学习	VGG-16, SVM, 自编码器, 神经网络	EEG信号	来自MV Lomonosov莫斯科国立大学公开精神分裂症EEG数据库的数据
98	2025-07-26	Detection of Helicobacter pylori Infection in Histopathological Gastric Biopsies Using Deep Learning Models 2025-Jul-07, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging11070226 PMID:40710613	研究论文	使用深度学习模型在组织病理学胃活检中检测幽门螺杆菌感染	采用深度卷积神经网络（DCNN）模型自动检测全切片图像中的幽门螺杆菌感染，相比传统方法具有更高的准确性和一致性	不同病理学应用中的变异性导致没有单一模型普遍适用，需要针对特定问题选择模型	提高幽门螺杆菌感染的诊断准确性和效率，减少诊断变异性	胃活检组织切片	数字病理学	胃炎	H&E染色、免疫组织化学确认	DCNN（InceptionV3, Resnet50, VGG16）、AutoML（BoostedNet, AutoKeras）	图像	100张H&E染色的全切片图像，45,795个图像块
99	2025-07-26	Development of Deep Learning Models for Real-Time Thoracic Ultrasound Image Interpretation 2025-Jul-05, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging11070222 PMID:40710609	研究论文	开发深度学习模型用于实时胸部超声图像解读，以降低战场环境下胸部损伤诊断的技能门槛	使用MobileNetV3架构开发了三分类深度学习模型，并在实时采集的数据上实现了85%的准确率，比之前的YOLOv8模型提升了17%	研究基于动物实验数据（25头猪），尚未在人体临床环境中验证	开发适用于战场环境的实时胸部损伤AI诊断系统	胸部超声图像（气胸和血胸损伤）	计算机视觉	胸部损伤	深度学习	MobileNetV3	超声图像	25头猪的超声图像数据
100	2025-07-26	GRANet: a graph residual attention network for gene regulatory network inference 2025-Jul-02, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf349 PMID:40708222	研究论文	提出了一种名为GRANet的图残差注意力网络，用于基因调控网络（GRN）的推断	利用残差注意力机制自适应学习复杂的基因调控关系，并整合多维生物特征以进行更全面的推断	现有方法主要构建涵盖整个基因网络的全局模型，面临网络规模、噪声干扰和数据稀疏性等挑战，导致准确性下降	提高基因调控网络推断的准确性，以揭示基因间的调控关系并理解基因表达的机制	基因调控网络（GRN）	机器学习	NA	单细胞RNA测序（scRNA-seq）	图残差注意力网络（GRANet）	基因表达数据	多个数据集