深度学习在生物医药领域的应用

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	算法框架	模型架构	性能指标	计算资源
1121	2025-12-07	Transformative potential of artificial intelligence in US CDC HIV interventions: balancing innovation with health privacy 2025-Aug-01, AIDS (London, England) DOI:10.1097/QAD.0000000000004220 PMID:40643081	评论	本文探讨了人工智能在美国CDC HIV干预中的变革潜力，强调在创新与健康隐私之间取得平衡	提出了AI在HIV预防中的综合应用框架，包括机器学习、深度学习和生成式AI，并强调与公共卫生策略（如PEPFAR）的对齐	未提供具体实证数据或案例研究，主要基于理论分析和愿景展望	探索AI在HIV预防和治疗中的潜在应用，以推动更公平的健康结果	美国CDC的HIV干预策略及相关公共卫生系统	机器学习	HIV	机器学习（ML）、深度学习（DL）、生成式AI（Gen AI）	NA	复杂HIV相关数据集	NA	NA	NA	NA	NA
1122	2025-12-07	Advancing Alzheimer's Diagnosis with AI-Enhanced MRI: A Review of Challenges and Implications 2025-Jul-30, Current neuropharmacology IF:4.8Q1 DOI:10.2174/011570159X353595250303064846 PMID:40754866	综述	本文综述了利用AI增强的MRI技术（特别是深度学习模型）在阿尔茨海默病诊断中的研究进展、挑战与临床意义	系统性地总结和分类了基于MRI的深度学习研究，并批判性地评估了其方法学、优势、局限性及临床转化潜力	作为一篇综述，其本身不包含原始研究数据或新模型验证，主要依赖现有文献的归纳与分析	总结和评估基于MRI的深度学习模型在神经系统疾病（尤其是阿尔茨海默病）诊断中的应用	阿尔茨海默病及其他神经系统疾病相关的脑部结构MRI数据	数字病理学	阿尔茨海默病	结构磁共振成像	CNN, NC-ANN	图像	NA	NA	NA	NA	NA
1123	2025-12-07	Development of a deep learning algorithm for detecting significant coronary artery stenosis in whole-heart coronary magnetic resonance angiography 2025-Jun-30, Journal of cardiovascular magnetic resonance : official journal of the Society for Cardiovascular Magnetic Resonance IF:4.2Q1 DOI:10.1016/j.jocmr.2025.101932 PMID:40602666	研究论文	本文开发了一种基于深度卷积神经网络的深度学习算法，用于在全心脏冠状动脉磁共振血管成像中准确检测显著冠状动脉狭窄	首次提出将深度学习算法应用于全心脏冠状动脉磁共振血管成像，以辅助检测冠状动脉狭窄，特别是针对经验不足的观察者	研究样本量相对较小（75名患者），且仅基于单一机构的回顾性数据，可能限制算法的泛化能力	开发并验证一种深度学习算法，用于辅助在全心脏冠状动脉磁共振血管成像中准确检测显著冠状动脉狭窄	75名患者的951个冠状动脉节段，这些患者同时接受了全心脏冠状动脉磁共振血管成像和侵入性冠状动脉造影检查	计算机视觉	心血管疾病	全心脏冠状动脉磁共振血管成像，侵入性冠状动脉造影	CNN	图像	75名患者的951个冠状动脉节段	NA	深度卷积神经网络	AUC, 敏感性, 特异性, 准确率	NA
1124	2025-12-07	The Role of Artificial Intelligence in Cardiovascular Disease Risk Prediction: An Updated Review on Current Understanding and Future Research 2025-Apr-17, Current cardiology reviews IF:2.4Q2 DOI:10.2174/011573403X351048250329170744 PMID:40248921	综述	本文综述了人工智能在心血管疾病风险预测中的当前应用、优势及未来研究方向	系统总结了AI在心血管风险预测中的最新进展，包括机器学习算法在心肌梗死后生存率预测和深度学习在高血压风险预测中的高精度表现	AI在心血管风险评估中的广泛应用仍面临挑战，主要由于医疗专业人员缺乏相关教育和接受度	探讨人工智能如何提高心血管疾病风险预测的准确性、效率和可及性	心血管疾病风险预测模型及AI驱动工具	机器学习	心血管疾病	机器学习, 深度学习, 心电图分析	机器学习算法, 深度学习模型	电子健康记录, 心电图数据	NA	NA	NA	准确率, 生存率预测精度	NA
1125	2025-12-07	Translational Informatics Driven Drug Repositioning for Neurodegenerative Disease 2025-Feb-06, Current neuropharmacology IF:4.8Q1 DOI:10.2174/011570159X327908241121062335 PMID:39936420	综述	本文从转化信息学的角度全面审视了神经退行性疾病的药物重定位，涵盖数据源、计算模型和临床应用	通过整合人工智能和医疗数据，系统化地分类了药物重定位的计算模型，并突出了在神经退行性疾病研究中的应用潜力	NA	开发针对神经退行性疾病的有效治疗方法	神经退行性疾病	自然语言处理	老年病	NA	机器学习, 深度学习	文本	NA	NA	NA	NA	NA
1126	2025-12-07	C-HDNet: A Fast Hyperdimensional Computing Based Method for Causal Effect Estimation from Networked Observational Data 2025, Social network analysis and mining IF:2.3Q3 DOI:10.1007/s13278-025-01502-2 PMID:41143237	研究论文	本文提出了一种基于超维计算的因果效应估计方法，用于处理网络观测数据中的网络混淆问题	利用超维计算原理编码和整合网络结构信息，实现更准确的个体匹配，显著降低计算复杂度	未明确说明方法对网络结构假设的敏感性或处理极端稀疏/稠密网络的适用性	从存在网络干扰的观测数据中估计因果效应	网络结构中的个体及其邻居影响	机器学习	NA	超维计算	NA	网络观测数据	多个基准数据集（未指定具体数量）	NA	C-HDNet	准确性，运行时间	NA
1127	2025-12-07	PixlMap: A generalisable pixel classifier for cellular phenotyping in multiplex immunofluorescence images 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0317865 PMID:41335594	研究论文	本文提出了一种名为PixlMap的通用像素分类器，用于在多重免疫荧光图像中进行细胞表型分析，无需依赖准确的细胞边界分割	该方法创新性地利用人类视觉能力，仅基于核分割即可准确进行细胞表型分析，无需整个细胞分割，且训练仅需每种区室染色（核/细胞质/膜）的单个示例	未明确提及具体局限性，但暗示现有细胞分割方法存在信息丢失和数据污染问题	开发一种通用且易于使用的深度学习方法，用于细胞表型分析，以解决多重免疫荧光图像解释中的分析挑战	多重免疫荧光图像中的细胞	数字病理学	NA	多重免疫荧光成像	深度学习	图像	NA	商业深度学习图像分析平台	U-Net	与基于强度的表型分析方法在准确性上相当	NA
1128	2025-12-07	COVID-19 Persian Misinformation Detection on Instagram: A Comparative Analysis of Machine Learning and Deep Learning Methods 2025 Jan-Dec, Healthcare technology letters IF:2.8Q3 DOI:10.1049/htl2.70036 PMID:41340910	研究论文	本研究通过构建波斯语Instagram评论数据集，比较了多种机器学习和深度学习方法在检测COVID-19相关虚假信息上的性能	首次针对波斯语COVID-19虚假信息建立了综合性能基准，并构建了包含27,000条标注评论的新数据集	研究仅聚焦于波斯语内容，未涵盖其他语言；数据集规模相对有限	检测社交媒体上的虚假信息，特别是非英语语言的COVID-19相关误导内容	Instagram平台上的波斯语评论	自然语言处理	COVID-19	文本挖掘，词嵌入	XGBoost, LSTM, CNN, KNN, BERT	文本	27,000条波斯语评论	TensorFlow, PyTorch, Scikit-learn	LSTM, CNN, BERT	准确率, 精确率, 召回率, F1分数	未明确指定
1129	2025-12-07	Detection of leptomeningeal angiomas in brain MRI of Sturge-Weber syndrome using multi-scale multi-scan Mamba 2025, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2025.1699700 PMID:41341263	研究论文	本研究提出了一种基于Mamba的编码器-解码器架构，结合多尺度多扫描策略，用于在Sturge-Weber综合征患者的脑部MRI中自动检测软脑膜血管瘤	采用多尺度多扫描策略将3D体积转换为1D序列，以较低计算复杂度捕获长程依赖，并首次将Mamba架构应用于软脑膜血管瘤的自动检测	数据集规模较小（仅40名患者），且模型性能在SWS数据集上的Dice分数（78.67%）虽优于现有方法，但仍低于在BraTS数据集上的表现（91.53%）	研究Sturge-Weber综合征中软脑膜血管瘤的自动检测方法，以实现临床自动化诊断	Sturge-Weber综合征患者的脑部MRI图像	计算机视觉	Sturge-Weber综合征	MRI	Mamba	图像	40名SWS患者的T1增强MRI数据，并使用公共BraTS数据集进行预训练	NA	基于Mamba的编码器-解码器架构	Dice分数	NA
1130	2025-12-07	YOLO-PLNet: a lightweight real-time detection model for peanut leaf diseases based on edge deployment 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1707501 PMID:41341300	研究论文	本研究提出了一种名为YOLO-PLNet的轻量级实时检测模型，专为花生叶部病害的边缘设备部署而设计	在YOLO11n基础上，对主干网络和Neck结构进行轻量化改进，引入了轻量注意力增强卷积模块以降低计算开销，并融合通道-空间注意力机制来增强对小病灶和边缘模糊目标的特征表示，同时检测头采用渐进特征金字塔网络以提升多尺度检测性能	NA	实现花生叶部病害的早期准确检测，并平衡模型大小、实时检测精度与边缘设备部署需求	花生叶部病害	计算机视觉	NA	NA	CNN	图像, 视频	NA	NA	YOLO11n, YOLO-PLNet	mAP@0.5, mAP@0.5:0.95, 延迟, FPS, GPU使用率, 功耗	Jetson Orin NX平台, CSI摄像头实时视频输入, FP16精度, INT8精度
1131	2025-12-07	Species-level detection of thrips and whiteflies on yellow sticky traps using YOLO-based deep learning detection models 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1668795 PMID:41341315	研究论文	本研究评估了基于YOLO的深度学习检测模型在非显微RGB黄色粘虫板图像上实时进行物种级别检测蓟马和白粉虱的潜力与局限性	首次实现了在黄色粘虫板图像上对蓟马和白粉虱进行有效的物种级别检测，为针对性害虫控制策略提供了可能	研究仅针对特定类型的黄色粘虫板和有限害虫物种，未来需扩展至更多害虫种类、粘虫板类型和环境光照条件	开发一种实时、自动化的物种级别害虫监测系统，以减少农药使用并提高农业产量	蓟马（Frankliniella occidentalis 和 Thrips tabaci）和白粉虱（Trialeurodes vaporariorum 和 Bemisia tabaci）	计算机视觉	NA	深度学习图像检测	YOLO	图像	一个平衡且标注的图像数据集，包含在一种黄色粘虫板上捕获的害虫物种	NA	YOLO11, YOLO-NAS	mAP@50, F1@50, AP@50	NA
1132	2025-12-07	Deep-learning radiomics and hand-crafted radiomics utilizing contrast-enhanced MRI to predict early peritumoral recurrence after DEB-TACE with hepatocellular carcinoma: a two-center study 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1642828 PMID:41341387	研究论文	本研究利用基于术前多期MRI的深度学习放射组学，预测肝细胞癌患者DEB-TACE后的早期瘤周复发	结合深度学习放射组学与手工放射组学特征，构建多中心预测模型，并比较不同瘤周区域影像特征的预测性能	回顾性研究设计，样本量相对有限（157例），仅基于MRI数据	预测肝细胞癌患者DEB-TACE后的早期瘤周复发	接受DEB-TACE治疗的肝细胞癌患者	数字病理学	肝细胞癌	多期磁共振成像	深度学习, 放射组学	MRI图像	157例患者（训练队列114例，外部验证队列43例）	NA	ResNet34	AUC, 校准曲线, NRI, DCA	NA
1133	2025-12-07	Preoperative prediction of aggressive endometrial cancer using multiparametric MRI-based deep transfer learning models 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1694223 PMID:41341401	研究论文	本研究提出了一种基于多参数MRI和深度迁移学习模型的方法，用于术前预测子宫内膜癌的侵袭性	首次将多参数MRI序列（T2WI、ADC、CE-T1WI）的深度迁移学习特征与临床特征相结合，通过决策级融合策略构建联合模型，用于术前非侵入性预测子宫内膜癌侵袭性	回顾性单中心研究，样本量相对有限（n=207），且DWI序列因性能欠佳被排除在最优模型外	提高子宫内膜癌侵袭性的术前预测准确性，以支持个体化治疗规划	经病理证实的子宫内膜癌患者	数字病理	子宫内膜癌	多参数MRI（T2加权成像、扩散加权成像、表观扩散系数图、对比增强T1加权成像）	CNN	医学影像	207名患者（训练集144例，测试集63例）	NA	ResNet50, ResNet101, DenseNet121	AUC, 决策曲线分析, 校准曲线	NA
1134	2025-12-07	DTBind: A Mechanism-Driven Deep Learning Framework for Accurate Prediction of Drug-Target Molecular Recognition 2025, Research (Washington, D.C.) DOI:10.34133/research.1022 PMID:41341719	研究论文	本文介绍了一种名为DTBind的机制驱动深度学习框架，用于准确预测药物-靶标分子识别，包括结合发生、结合位点定位和结合亲和力估计	DTBind是一个统一的机制驱动框架，基于分子识别的共享机制决定因素，分层适应序列、结构和复合体级别的输入，克服了现有方法独立处理这些任务的局限性	NA	开发一个深度学习框架以准确预测药物-靶标分子识别，支持早期药物发现	药物-靶标分子识别，包括结合发生、结合位点定位和亲和力估计	机器学习	NA	深度学习，分子动力学模拟	深度学习模型	序列数据，结构数据，复合体数据	NA	NA	DTBind	准确性，泛化性	NA
1135	2025-12-07	Predicting cardiovascular disease risk using retinal optical coherence tomography imaging 2025, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2025.1624550 PMID:41341807	研究论文	本研究利用视网膜光学相干断层扫描（OCT）成像和深度学习技术，预测未来心血管疾病事件的风险	首次将自监督变分自编码器（VAE）用于从高维3D OCT图像中提取低维潜在表征，并结合临床数据训练随机森林分类器，以识别心血管疾病高风险个体；同时采用了一种新的模型可解释性方法揭示了脉络膜层的关键预测作用	研究样本量相对有限（共2846名参与者），且仅基于UK Biobank数据，可能缺乏外部验证和人群多样性	探索视网膜OCT成像作为预测未来心血管疾病事件的附加成像技术的潜力	UK Biobank中的参与者，包括612名在成像后五年内发生心肌梗死或中风的患者，以及2234名无心血管疾病的对照者	数字病理学	心血管疾病	光学相干断层扫描	VAE, Random Forest	图像	2846名参与者（612例患者，2234名对照）	NA	变分自编码器	AUC, 灵敏度, 特异性, 准确率	NA
1136	2025-12-07	Deep learning-assisted widefield endothelial imaging in Descemet membrane endothelial keratoplasty 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1715673 PMID:41341834	研究论文	本研究评估了一种深度学习算法，用于在Descemet膜内皮角膜移植术后，通过宽场镜面显微镜图像自动评估图像质量并检测中央、旁中央和周边区域低角膜内皮细胞密度	首次将深度学习算法应用于宽场镜面显微镜图像，实现自动图像质量评估和低内皮细胞密度检测，扩展了内皮评估范围至旁中央和周边区域	研究样本量相对较小（53只眼），且仅针对特定疾病（FECD和PBK），可能限制结果的普适性	评估深度学习算法在DMEK术后宽场镜面显微镜图像中自动评估图像质量和检测低内皮细胞密度的应用	DMEK术后患者的角膜内皮细胞	计算机视觉	角膜内皮营养不良	宽场镜面显微镜成像	CNN	图像	53只眼（43名受试者），共1,362张图像	NA	SqueezeNet	AUC	NA
1137	2025-12-07	International Validation of Echocardiographic AI Amyloid Detection Algorithm 2024-Dec-16, medRxiv : the preprint server for health sciences DOI:10.1101/2024.12.14.24319049 PMID:39763545	研究论文	本研究通过国际多中心回顾性病例对照研究，验证了基于计算机视觉的深度学习算法EchoNet-LVH在超声心动图视频中检测心脏淀粉样变性的性能	开发并国际验证了首个基于超声心动图视频的计算机视觉深度学习算法EchoNet-LVH，用于检测心脏淀粉样变性，其高特异性旨在最大化阳性预测值，以应对这种罕见疾病的诊断挑战	研究为回顾性设计，未来需前瞻性验证以确认其临床实用性；算法性能在不同亚组中虽表现一致，但需在更广泛人群中进一步评估	评估计算机视觉深度学习算法在国际多中心环境中检测心脏淀粉样变性的诊断性能	心脏淀粉样变性患者与对照组的超声心动图研究	计算机视觉	心脏淀粉样变性	经胸超声心动图	深度学习	视频	涉及多个国际站点的回顾性病例对照研究，具体样本量未在摘要中明确说明	NA	EchoNet-LVH	AUC, 敏感度, 特异度, 阳性预测值, 阴性预测值	NA
1138	2025-12-07	BP-Net: Monitoring "Changes" in Blood Pressure Using PPG With Self-Contrastive Masking 2024-Dec, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3422023 PMID:38954566	研究论文	本文提出了一种名为BP-Net的新方法，通过自对比掩码技术，利用光电容积脉搏波信号监测收缩压的阈值变化，而非直接估计血压值	将血压监测问题从直接估计血压值重新定义为检测血压在时间间隔内的阈值变化，并提出了自对比掩码模型进行成对时间比较	模型在未见受试者上的准确率约为75.97%/73.19%，仍有提升空间，且泛化能力需进一步验证	开发一种基于光电容积脉搏波信号的模型，用于监测收缩压的急性变化，以改善临床血压监测	光电容积脉搏波信号与收缩压变化	机器学习	心血管疾病	光电容积脉搏波	深度学习模型	生理信号	使用PulseDB数据集，涉及未见受试者的数据	NA	BP-Net, 自对比掩码模型	准确率	NA
1139	2025-12-07	Deep learning automation of MEST-C classification in IgA nephropathy 2023-06-30, Nephrology, dialysis, transplantation : official publication of the European Dialysis and Transplant Association - European Renal Association DOI:10.1093/ndt/gfad039 PMID:36792061	研究论文	本研究开发了一种基于神经网络的工具，用于自动化IgA肾病中MEST-C分类的识别和量化	首次使用深度学习自动化MEST-C分类，解决了病理学家间观察者变异性的问题	样本量相对较小，且M评分的kappa系数仅为中等水平	自动化IgA肾病的MEST-C分类以提高诊断一致性和预后评估	IgA肾病患者的肾活检样本	数字病理学	IgA肾病	肾活检	神经网络	图像	训练队列42例，测试队列66例，应用队列88例	NA	NA	AUC, kappa系数, 风险比	NA
1140	2025-12-06	Explainable Convolutional Neural Networks for the identification of the Ampullariidae genus 2026-Apr, Parasitology international IF:1.5Q3 DOI:10.1016/j.parint.2025.103200 PMID:41271157	研究论文	本研究提出了一种基于VGG16和Grad-CAM的可解释卷积神经网络架构，用于分类和解释Ampullariidae及相关属的形态特征	结合VGG16和Grad-CAM构建可解释的CNN模型，在分类的同时提供视觉解释，聚焦于属特异性壳特征（如螺旋高度、卷绕方向和孔口方向），增强了分类学的精确性和生态决策的实用性	模型主要基于尼日利亚北部采集的标本，可能在其他地理区域的泛化能力有限；数据集虽经增强，但样本量相对较小（350个Ampullariidae标本），可能影响模型的鲁棒性	开发可解释的深度学习模型，用于自动识别和分类Ampullariidae及相关属的淡水蜗牛，以支持生态监测和寄生虫控制项目	Ampullariidae家族及其相关属（如Biomphalaria、Bulinus、Lymnae、Melanoides）的淡水蜗牛标本	计算机视觉	NA	深度学习	CNN	图像	350个野外采集的Ampullariidae标本，并增强了Biomphalaria、Bulinus、Lymnae和Melanoides的标记图像	NA	VGG16	验证准确率	NA