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
1041	2025-05-13	EPIPDLF: a pretrained deep learning framework for predicting enhancer-promoter interactions 2025-May-06, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btae716 PMID:40036975	research paper	该论文提出了一种名为EPIPDLF的预训练深度学习框架，用于预测增强子-启动子相互作用	EPIPDLF利用先进的深度学习技术，仅基于基因组序列以可解释的方式预测EPIs，并在六个基准数据集上表现出优越性能	未提及具体局限性	开发一种高效且成本较低的预测增强子-启动子相互作用的方法	增强子和启动子之间的相互作用	machine learning	NA	深度学习	预训练深度学习框架	基因组序列	六个基准数据集
1042	2025-05-13	JAX-RNAfold: scalable differentiable folding 2025-May-06, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaf203 PMID:40279486	research paper	介绍了一个名为JAX-RNAfold的开源软件包，用于改进的可微分RNA折叠算法，可扩展到1,250个核苷酸	提出了一个显著改进的可微分折叠算法，能够在单个GPU上处理多达1,250个核苷酸，并允许将可微分折叠作为模块集成到更大的深度学习流程中	NA	优化RNA设计中的可微分折叠算法，提高其可扩展性和实用性	RNA序列	machine learning	NA	differentiable folding	deep learning	RNA序列数据	NA
1043	2025-05-13	The use of deep learning and artificial intelligence-based digital technologies in art education 2025-May-06, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-00892-9 PMID:40328802	研究论文	本研究提出并优化了一个创新的艺术创作系统Creative Intelligence Cloud (CIC)，旨在探索深度学习和人工智能技术在艺术教育中的应用	结合深度生成对抗网络和卷积神经网络，提升艺术创作的自动化水平、风格一致性和创作效率	未提及在真实教学场景中的具体应用限制	探索深度学习和人工智能技术在艺术创作和艺术教育中的应用	艺术创作系统CIC	数字艺术	NA	深度学习、人工智能	GAN、CNN	图像	NA
1044	2025-05-13	A systematic review of AI as a digital twin for prostate cancer care 2025-May-06, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108804 PMID:40347618	系统综述	本文系统综述了AI作为数字孪生在前列腺癌护理中的应用	结合AI技术（如机器学习和深度学习）的数字孪生系统，为前列腺癌提供个性化、精准和高效的医疗护理	需要实时数据整合、提高AI模型的可解释性以及更稳健的临床验证	探讨AI驱动的数字孪生在前列腺癌病理学中的应用及其潜力	前列腺癌患者	数字病理学	前列腺癌	机器学习（ML）、深度学习（DL）	Large Language Models (LLMs)、Vision-Language Models (VLMs)	多模态数据	NA
1045	2025-05-13	iEnhancer-DS: Attention-based improved densenet for identifying enhancers and their strength 2025-May-05, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2025.108484 PMID:40349379	研究论文	提出了一种基于深度学习的多任务框架iEnhancer-DS，用于增强子识别及其强度分类	结合改进的DenseNet模块和自注意力机制，动态评估特征重要性并分配权重，提高了增强子识别和强度预测的性能	未提及具体的数据集规模或多样性限制	开发计算方法来快速准确地识别增强子及其强度	DNA序列中的增强子及其强度	生物信息学	NA	one-hot编码和核苷酸化学性质（NCP）	改进的DenseNet和自注意力机制	DNA序列数据	NA
1046	2025-05-13	Deep learning-based auto-contouring of organs/structures-at-risk for pediatric upper abdominal radiotherapy 2025-May-04, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2025.110914 PMID:40328363	research paper	本研究开发了一种基于CT的多器官分割模型，用于描绘儿童上腹部肿瘤放疗中的风险器官，并评估了其在多个数据集中的鲁棒性	开发了一个适用于儿童上腹部肿瘤放疗的多器官自动分割模型，并在多个数据集中验证了其鲁棒性	0-2岁年龄组的性能最低，胃-肠和胰腺的DSC值低于0.90	开发并评估一种基于CT的多器官分割模型，用于儿童上腹部肿瘤放疗中的风险器官描绘	儿童上腹部肿瘤患者（肾肿瘤和神经母细胞瘤）的术后CT图像	digital pathology	pediatric cancer	CT imaging, deep learning-based auto-segmentation	deep learning model	CT images	189例儿科患者的术后CT图像（内部数据集）和189例覆盖胸腹区域的公共数据集
1047	2025-05-13	Artificial intelligence (AI) in point-of-care testing 2025-May-03, Clinica chimica acta; international journal of clinical chemistry DOI:10.1016/j.cca.2025.120341 PMID:40324611	review	本文探讨了人工智能（AI）在即时检测（POCT）中的整合应用及其对现代医疗的变革性影响	AI技术通过卷积神经网络、预测分析和便携式设备等，显著提升了疟疾检测的敏感性、设备运行效率和贫血筛查准确性，同时减少了抗生素滥用和诊断延迟	存在数据隐私风险、算法不透明性以及低收入和中等收入国家的基础设施差距等挑战	探讨AI在POCT中的应用，以解决诊断准确性、工作流程效率和公平获取医疗资源等关键问题	即时检测（POCT）设备和AI技术的整合应用	machine learning	malaria, anaemia, cardiovascular disease, dengue	machine learning, deep learning, natural language processing, predictive analytics, explainable AI, blockchain encryption	CNN	image, real-time data, genomic data, wearable data	NA
1048	2025-05-13	CWBLS network and its application in portable spectral measurement 2025-May-03, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2025.126329 PMID:40347777	研究论文	本文提出了一种名为D-CWBLS网络的新方法，用于解决便携式近红外光谱中由于低信噪比和低重复性数据导致的回归模型准确性和稳定性差的问题	D-CWBLS网络在BLS网络的基础上进行了三方面改进：扩展网络结构以纳入近红外特征光谱带数据、通过添加Dropout层加深网络以优化结构并消除冗余信息、结合优化的特征节点权重矩阵和增强节点权重矩阵以消除网络训练中的随机性不确定性	NA	提高便携式近红外光谱设备在户外使用中的回归模型准确性和稳定性	便携式近红外光谱数据	机器学习	NA	近红外光谱	D-CWBLS网络	光谱数据	NA
1049	2025-05-13	Automated vertebrae identification and segmentation with structural uncertainty analysis in longitudinal CT scans of patients with multiple myeloma 2025-May-03, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.112160 PMID:40349413	研究论文	本研究通过结构不确定性分析优化了多发性骨髓瘤患者纵向CT扫描中的深度学习椎骨分割方法	提出了一种结合开源深度学习方法和后验结构不确定性分析的增强分割流程，自动纠正不一致或标记不确定区域供人工审查	研究依赖于回顾性数据，可能受到数据收集时间和范围的限制	优化多发性骨髓瘤患者纵向CT扫描中的椎骨分割准确性	474名多发性骨髓瘤患者的纵向CT扫描数据	数字病理	多发性骨髓瘤	CT扫描	Payer's方法（一种开源深度学习方法）	医学影像（CT扫描）	474名患者（训练集179名患者349次扫描，测试集295名患者671次扫描）
1050	2025-05-13	Deep learning for early detection of chronic kidney disease stages in diabetes patients: A TabNet approach 2025-May-02, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103153 PMID:40347843	research paper	该研究开发了一种基于TabNet的深度学习模型，用于糖尿病患者的慢性肾病（CKD）分期早期检测	采用了一种新颖的迭代后向特征选择策略来确定CKD分期的关键预测因子，并应用了基于注意力的TabNet架构，同时对比了传统树集成方法和多层感知机	研究依赖于特定队列（CRIC研究）的数据，可能限制了模型的泛化能力	开发一个多类CKD分期预测模型，以改善糖尿病患者的早期肾病检测和临床决策	糖尿病患者的慢性肾病分期	machine learning	chronic kidney disease	deep learning, explainable AI (XAI)	TabNet, XGBoost, random forest, AdaBoost, multi-layer perceptron	longitudinal clinical data	来自慢性肾功能不全队列（CRIC）研究的数据
1051	2025-05-13	Quantitative CT Scan Analysis in Rheumatoid Arthritis-Related Interstitial Lung Disease 2025-May, Chest IF:9.5Q1 DOI:10.1016/j.chest.2024.10.052 PMID:39528110	research paper	该研究探讨了深度学习基于CT影像的肺纤维化定量分析在评估类风湿关节炎相关间质性肺病（RA-ILD）疾病严重程度、预测死亡率和识别疾病进展中的效用	使用数据驱动的纹理分析（DTA）方法定量评估CT扫描，揭示了肺纤维化定量评分与肺功能和生存率之间的关联	研究样本量相对较小，验证队列仅包含50名患者，可能影响结果的普遍性	评估定量CT影像在RA-ILD中的临床应用价值，特别是在预测疾病进展和死亡率方面的作用	类风湿关节炎相关间质性肺病（RA-ILD）患者	digital pathology	rheumatoid arthritis-related interstitial lung disease	CT imaging, data-driven texture analysis (DTA)	deep learning	image	289名患者的主要队列和50名患者的验证队列
1052	2025-05-13	Artificial Intelligence in Detecting and Segmenting Vertical Misfit of Prosthesis in Radiographic Images of Dental Implants: A Cross-Sectional Analysis 2025-May, Clinical oral implants research IF:4.8Q2 DOI:10.1111/clr.14406 PMID:39840554	研究论文	本研究评估了ResNet-50和U-Net模型在牙科种植体根尖周X光片中检测和分割垂直不匹配的能力	首次将ResNet-50和U-Net深度学习模型应用于牙科种植体垂直不匹配的检测和分割，并与临床医生的表现进行了比较	研究仅基于根尖周X光片，未考虑其他影像学检查方法	评估人工智能在牙科种植体垂直不匹配检测和分割中的性能	牙科种植体根尖周X光片	计算机视觉	牙科疾病	深度学习	ResNet-50, U-Net	图像	638张根尖周X光片
1053	2025-05-13	Interpretation of basal nuclei in brain dopamine transporter scans using a deep convolutional neural network 2025-May-01, Nuclear medicine communications IF:1.3Q3 DOI:10.1097/MNM.0000000000001963 PMID:39962871	research paper	使用深度卷积神经网络解释脑部多巴胺转运体扫描中的基底核	采用深度学习技术（特别是迁移学习）来辅助帕金森病的临床诊断，提高了图像解释的客观性和准确性	研究为回顾性研究，样本量有限（416例），且仅使用了三种预训练模型	通过深度学习技术促进帕金森病的临床诊断	临床不确定帕金森综合征患者的DAT SPECT扫描图像	digital pathology	Parkinson's disease	DAT SPECT, 99m Tc-TRODAT-1	CNN (Xception, InceptionV3, ResNet101)	image	416例临床不确定帕金森综合征患者
1054	2025-05-13	GLEAM: A multimodal deep learning framework for chronic lower back pain detection using EEG and sEMG signals 2025-May, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109928 PMID:40054171	研究论文	介绍了一种名为GLEAM的多模态深度学习框架，用于通过EEG和sEMG信号检测慢性下腰痛强度	开发了一种新型去噪GAN用于清理EEG和sEMG信号，设计并集成了新的ETLSTM架构作为GLEAM模型中的分类器，引入了GLEAM混合深度学习框架以实现稳健可靠的LBP强度评估	NA	诊断下腰痛强度，提供创新的诊断和治疗解决方案	下腰痛患者	机器学习	下腰痛	EEG和sEMG信号处理	GAN-Convolution-Transformer, ETLSTM	EEG和sEMG信号	NA
1055	2025-05-13	Accurate phenotyping of luminal A breast cancer in magnetic resonance imaging: A new 3D CNN approach 2025-May, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109903 PMID:40054167	research paper	本研究提出了一种基于3D CNN的新方法，用于在MRI中准确表型luminal A型乳腺癌	提出了一种基于定量医学成像生物标志物（QIB）的新3D CNN模型，用于诊断luminal A型乳腺癌，其性能优于现有方法	数据集中存在类别不平衡问题，采用了类别加权策略进行缓解	提高luminal A型乳腺癌的诊断准确性和效率，为患者制定个性化治疗方案	luminal A型乳腺癌和非luminal A型病变	digital pathology	breast cancer	MRI	3D CNN	3D volumetric MRI images	公共领域MRI乳腺癌数据集（Duke-Breast-Cancer-MRI）
1056	2025-05-13	A multi-stage fusion deep learning framework merging local patterns with attention-driven contextual dependencies for cancer detection 2025-May, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109916 PMID:40054172	research paper	提出了一种多阶段融合深度学习框架，结合局部模式和注意力驱动的上下文依赖，用于癌症检测	提出了PADBSRNet模型和PADBSRNet-ViT混合方法，整合了多种注意力机制和特征融合策略，有效提取局部-全局上下文特征	未提及具体局限性	提高癌症诊断的速度和准确性	脑肿瘤、皮肤癌和肺癌	digital pathology	brain tumor, skin cancer, lung cancer	deep learning	PADBSRNet, ViT	image	Figshare Brain Tumor Dataset, IQ-OTH/NCCD Dataset, Skin Cancer: Malignant vs. Benign Dataset
1057	2025-05-13	Artificial intelligence applied to epilepsy imaging: Current status and future perspectives 2025-May, Revue neurologique IF:2.8Q2 DOI:10.1016/j.neurol.2025.03.006 PMID:40175210	review	本文综述了人工智能在癫痫影像学中的应用现状及未来展望	探讨了深度学习和机器学习在癫痫影像学中的多种应用，包括病灶检测、癫痫灶的侧向化和定位、术后结果预测以及癫痫患者与健康个体的自动区分	需要严格的数据监管措施以确保患者数据安全，且依赖大规模数据集	提升癫痫的诊断和治疗水平	癫痫影像学数据	数字病理	癫痫	深度学习（DL）和机器学习（ML）	NA	神经影像数据	NA
1058	2025-05-13	Unlocking new frontiers in epilepsy through AI: From seizure prediction to personalized medicine 2025-May, Epilepsy & behavior : E&B IF:2.3Q2 DOI:10.1016/j.yebeh.2025.110327 PMID:40043598	review	本文探讨了人工智能在癫痫护理中的革命性作用，包括癫痫发作预测、诊断精确性提升以及个性化治疗	利用机器学习和深度学习技术改进癫痫监测、自动化EEG分析，并促进个性化治疗策略	模型准确性、可解释性以及在不同患者群体中的适用性仍存在挑战	研究人工智能在癫痫护理中的应用及其潜在影响	癫痫患者及其治疗管理	machine learning	epilepsy	machine learning, deep learning	NA	EEG数据	NA
1059	2025-05-13	Artificial intelligence for the detection of interictal epileptiform discharges in EEG signals 2025-May, Revue neurologique IF:2.8Q2 DOI:10.1016/j.neurol.2025.04.001 PMID:40221359	review	本文回顾了利用人工智能技术检测脑电图信号中的间歇性癫痫样放电（IEDs）的各种方法，评估了它们的性能和局限性	探讨了从传统机器学习到深度学习技术在IED检测中的应用，并强调了AI工具在临床工作流程中的整合	需要公开代码、标准化数据集和指标，以优化临床实施	提高间歇性癫痫样放电（IEDs）检测的准确性和效率	脑电图（EEG）信号中的间歇性癫痫样放电（IEDs）	自然语言处理	癫痫	深度学习，传统机器学习	NA	EEG信号	NA
1060	2025-05-13	Optimizing Deep Learning Models for Luminal and Nonluminal Breast Cancer Classification Using Multidimensional ROI in DCE-MRI-A Multicenter Study 2025-May, Cancer medicine IF:2.9Q2 DOI:10.1002/cam4.70931 PMID:40347080	研究论文	本研究旨在通过多维深度迁移学习模型优化DCE-MRI中乳腺管腔型和非管腔型癌症的分类	首次探索了ROI维度（2D/2.5D/3D）、瘤周扩展水平（0-8 mm）和分割场景（仅ROI与原始ROI）的协同效应	研究样本来自特定医院，可能影响结果的普遍性	优化多维深度学习模型以区分乳腺管腔型和非管腔型癌症	426名原发性浸润性乳腺癌患者	数字病理学	乳腺癌	DCE-MRI	深度迁移学习模型	图像	426名患者（训练队列108名，验证队列1 165名，验证队列2 153名）