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
1121	2025-06-29	A Hybrid Artificial Intelligence Approach for Down Syndrome Risk Prediction in First Trimester Screening 2025-Jun-06, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15121444 PMID:40564765	研究论文	本研究开发了一种混合人工智能方法，用于提高孕早期唐氏综合征风险预测的准确性、效率和可靠性	将一维患者数据转换为二维Aztec条形码图像，并利用基于transformer的深度学习模型进行高级特征提取	需要在更广泛的临床环境中进行进一步的比较研究以验证其性能	提高孕早期唐氏综合征风险预测的准确性和效率	孕早期筛查中的唐氏综合征风险预测	机器学习	唐氏综合征	transformer-based deep learning, mRMR, RelieF	DeiT3, MaxViT, Swin, Bagged Trees, Naive Bayes	一维患者数据（NT, hCG, PAPP-A）转换为二维图像	958名匿名患者记录
1122	2025-06-29	Alzheimer's Disease Prediction Using Fisher Mantis Optimization and Hybrid Deep Learning Models 2025-Jun-06, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15121449 PMID:40564769	研究论文	本研究提出了一种新颖的混合深度学习框架GLCM + VGG16 + FMO + CNN-LSTM，用于通过MRI数据改进阿尔茨海默病的诊断	结合了GLCM纹理特征和VGG-16空间特征提取，并采用Fisher Mantis Optimization (FMO)进行最优特征选择，以及CNN-LSTM模型捕捉时空模式	仅用于基准测试的MLP-LSTM模型未在主要框架中深入探讨	提高阿尔茨海默病的早期和准确诊断	MRI数据	数字病理学	老年病	MRI成像	CNN-LSTM	图像	ADNI和MIRIAD数据集
1123	2025-06-29	Learning Genetic Perturbation Effects with Variational Causal Inference 2025-Jun-05, bioRxiv : the preprint server for biology DOI:10.1101/2025.06.05.657988 PMID:40501829	研究论文	提出了一种结合机械因果模型和变分深度学习的混合方法SCCVAE，用于预测单细胞水平上基因扰动的转录组响应	结合机械因果模型和变分深度学习，提出SCCVAE模型，能够更好地预测未见扰动的响应并解释扰动效应	未明确提及样本量或具体应用场景的限制	开发能够准确预测基因扰动效应的计算模型，用于功能基因组学和治疗靶点识别	单细胞水平的基因扰动转录组数据	机器学习	NA	Perturb-seq	变分自编码器(SCCVAE)	单细胞转录组数据	NA
1124	2025-06-29	AI-Driven Transcriptome Prediction in Human Pathology: From Molecular Insights to Clinical Applications 2025-Jun-04, Biology DOI:10.3390/biology14060651 PMID:40563902	综述	本文综述了AI驱动的转录组预测在人类病理学中的应用，从分子洞察到临床应用	利用AI从非侵入性多模态数据中预测基因表达水平和调控机制，而非直接分子检测	数据异质性、噪声以及隐私和算法偏见等伦理问题限制了广泛的临床应用	推动个性化医疗发展，通过多模态数据协调和伦理AI实践	基因表达调控及疾病诊断	数字病理学	癌症	机器学习算法和深度学习模型	PathChat, Prov-GigaPath	组织病理学图像、基因组序列和电子健康记录等多模态数据	NA
1125	2025-06-29	GCSA-SegFormer: Transformer-Based Segmentation for Liver Tumor Pathological Images 2025-Jun-04, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12060611 PMID:40564427	研究论文	提出了一种基于Transformer的肝脏肿瘤病理图像分割方法GCSA-SegFormer，通过引入全局通道空间注意力模块提升特征表示能力	提出新型全局通道空间注意力(GCSA)模块，结合通道注意力、通道洗牌和空间注意力机制，增强特征图的全局依赖捕捉能力	仅在肝脏数据集和BACH数据集上进行了验证，需要更多样化的数据集测试泛化能力	提升病理图像分割精度以辅助肿瘤诊断	肝脏肿瘤病理图像	数字病理	肝癌	深度学习	Transformer(SegFormer架构)	病理图像	肝脏数据集和ICIAR 2018 BACH公开数据集
1126	2025-06-29	Use of deep learning-based NLP models for full-text data elements extraction for systematic literature review tasks 2025-Jun-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-03979-5 PMID:40461545	研究论文	本研究探讨了应用自然语言处理（NLP）方法从科学文献中自动提取数据元素的可行性	比较了三种经典的命名实体识别（NER）算法在数据元素提取任务上的性能，并公开了标注语料库以促进NLP社区的进一步研究	BERT模型在三个任务中未观察到性能提升，可能不适用于所有SLR数据元素提取任务	评估NLP方法在自动提取系统文献综述（SLR）数据元素中的可行性	239篇全文文章，标注了12个重要变量，包括研究队列、实验室技术和疾病类型	自然语言处理	人乳头瘤病毒（HPV）感染、肺炎球菌流行病学和肺炎球菌经济负担	NLP	CRF、LSTM、BERT	文本	239篇全文文章，包含4,498、579和252个标注实体提及
1127	2025-06-29	Explainable Deep Multilevel Attention Learning for Predicting Protein Carbonylation Sites 2025-Jun, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202500581 PMID:40145846	研究论文	本文提出了一种名为SCANS的新型深度学习框架，用于预测蛋白质羰基化位点，通过多级注意力策略和定制损失函数来提高预测性能	SCANS框架采用多级注意力策略捕捉局部和全局特征，使用定制损失函数惩罚交叉预测，并应用迁移学习增强网络特异性	未明确提及具体局限性	准确预测蛋白质羰基化位点，以深入了解蛋白质羰基化机制及相关疾病的发病机理	蛋白质羰基化位点	机器学习	NA	深度学习	多级注意力网络	蛋白质序列数据	基准测试数据集
1128	2025-06-29	Unveiling Multi-Scale Architectural Features in Single-Cell Hi-C Data Using scCAFE 2025-Jun, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202416432 PMID:40270467	研究论文	本文介绍了一种名为scCAFE的深度学习模型，用于在单细胞水平上多尺度检测染色质结构特征	scCAFE提供了一个统一框架，用于注释单个细胞中的染色质环、TAD样结构域（TLDs）和区室，并在单细胞Hi-C数据中识别多尺度结构特征方面优于先前的方法	NA	开发一种深度学习模型，用于分析单细胞Hi-C数据中的染色质结构特征	单细胞Hi-C数据中的染色质结构特征	基因组学	NA	单细胞Hi-C（scHi-C）	深度学习模型（scCAFE）	基因组数据	NA
1129	2025-06-29	A Dual-Modal Wearable Pulse Detection System Integrated with Deep Learning for High-Accuracy and Low-Power Sleep Apnea Monitoring 2025-Jun, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202501750 PMID:40298874	research paper	介绍了一种集成深度学习的双模态可穿戴脉搏检测系统，用于高精度、低功耗的睡眠呼吸暂停监测	结合压电纳米发电机（PENG）和PPG传感器的双模态系统，采用两阶段检测策略和Vision Transformer深度学习模型，实现高精度和低功耗	未提及具体样本量或临床验证的广泛性	开发一种实用解决方案，用于长期睡眠呼吸暂停综合征（SAS）监测，克服传统多导睡眠图（PSG）的局限性	睡眠呼吸暂停综合征（SAS）患者	数字病理学	睡眠呼吸暂停综合征	光电容积描记术（PPG）、压电纳米发电机（PENG）	Vision Transformer	生理信号数据	NA
1130	2025-06-29	Multimodal radiomics integrating deep learning and clinical features for diagnosing multidrug-resistant tuberculosis in HIV/AIDS patients 2025-Jun, Journal of global antimicrobial resistance IF:3.7Q2 DOI:10.1016/j.jgar.2025.04.013 PMID:40324593	研究论文	本研究开发并验证了一种基于多模态数据的预测模型，用于区分HIV/AIDS患者中的多药耐药结核病（MDR-TB），以提高诊断准确性	整合了临床特征、放射组学特征和深度学习特征的多模态模型，显著提高了MDR-TB的诊断效能	研究为回顾性队列，样本量相对较小（n=227），且数据来自单一医院	提高HIV/AIDS患者中多药耐药结核病（MDR-TB）的诊断准确性	HIV/AIDS患者中的药物敏感结核病（n=164）和多药耐药结核病（MDR-TB，n=63）患者	数字病理	结核病	2.5D多实例学习（MIL）方法	多模态集成模型（临床模型+放射组学模型+深度学习模型）	临床数据+影像数据	227名患者（164名药物敏感结核病+63名MDR-TB）
1131	2025-06-29	Advancements and implications of artificial intelligence for early detection, diagnosis and tailored treatment of cancer 2025-Jun, Seminars in oncology IF:3.0Q2 DOI:10.1016/j.seminoncol.2025.152349 PMID:40345002	review	本文探讨了人工智能在癌症早期检测、诊断和个性化治疗中的进展和影响	结合AI技术与多组学数据（如基因组学、转录组学和蛋白质组学），为癌症生物学提供全面视角，并推动个性化治疗的发展	AI不能替代医疗专业人员，临床决策仍需医生最终确认	提升癌症早期检测、诊断和治疗的精准性与个性化水平	癌症患者及其多组学数据	machine learning	cancer	computer vision, machine learning, deep learning, natural language processing, genomics, transcriptomics, proteomics	NA	multi-omics data (genomics, transcriptomics, proteomics)	NA
1132	2025-06-29	A New Biomarker of Aging Derived From Electrocardiograms Improves Risk Prediction of Incident Cardiovascular Disease 2025-Jun, JACC. Advances DOI:10.1016/j.jacadv.2025.101764 PMID:40367762	研究论文	本研究评估了一种基于深度学习的心血管老化生物标志物δ-age在提升心血管疾病初级预防模型性能中的潜在价值	引入了一种新的心血管老化生物标志物δ-age，并通过大规模队列研究验证其在心血管疾病风险预测中的增量价值	研究样本仅来自挪威特罗姆瑟地区，可能限制结果的普适性	评估新型生物标志物对心血管疾病风险预测模型的改进效果	7,108名挪威特罗姆瑟研究的参与者	数字病理学	心血管疾病	深度学习算法	Cox比例风险回归模型	数字化12导联心电图	7,108名男女参与者，随访5.9年
1133	2025-06-29	Disturbance-Aware On-Chip Training with Mitigation Schemes for Massively Parallel Computing in Analog Deep Learning Accelerator 2025-Jun, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202417635 PMID:40390534	研究论文	本文提出了一种在模拟内存计算中进行片上训练的方法，并针对大规模并行计算中的干扰效应提出了缓解方案	精确识别并量化了6T1C突触器件中的干扰效应，并提出了三种简单的操作方案来缓解这些效应	干扰效应在器件缩放过程中会加剧，且在大规模阵列中的学习可行性仍需进一步验证	研究模拟内存计算中片上训练的干扰效应及其缓解方法	6T1C突触器件和卷积神经网络	机器学习	NA	模拟内存计算(AIMC)	CNN	图像	CIFAR-10数据集
1134	2025-06-29	DeepCCDS: Interpretable Deep Learning Framework for Predicting Cancer Cell Drug Sensitivity through Characterizing Cancer Driver Signals 2025-Jun, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202416958 PMID:40397390	研究论文	提出了一种名为DeepCCDS的可解释深度学习框架，用于通过表征癌症驱动信号预测癌细胞药物敏感性	DeepCCDS整合了先验知识网络来表征癌症驱动信号，增强了模型的预测性能和可解释性	当前深度学习方法仅依赖孤立的遗传标记，忽视了药物反应背后的复杂调控网络和细胞机制	提高癌细胞药物敏感性预测的准确性，实现精准肿瘤学	癌细胞系和实体肿瘤样本	机器学习	癌症	深度学习	自监督神经网络	遗传标记和癌症驱动信号	多个数据集和The Cancer Genome Atlas的实体肿瘤样本
1135	2025-06-29	Segmentation with artificial intelligence and automated calculation of the corpus callosum index in multiple sclerosis 2025-Jun, Saudi medical journal IF:1.7Q2 DOI:10.15537/smj.2025.46.6.20240957 PMID:40516948	研究论文	本研究利用人工智能技术评估多发性硬化症（MS）患者的胼胝体分割情况，并计算胼胝体指数（CCI）以区分慢性期MS患者与健康个体	采用基于U-Net模型的深度学习架构进行自动胼胝体分割，并验证CCI作为脑萎缩标志物的有效性	样本量相对有限（150名MS患者和150名健康对照），且仅针对慢性期MS患者进行研究	评估胼胝体指数（CCI）在区分慢性期多发性硬化症患者与健康个体中的有效性，并探索人工智能技术在胼胝体分割中的应用	慢性期多发性硬化症患者和健康对照个体	数字病理学	多发性硬化症	MRI	U-Net	图像	150名MS患者和150名健康对照
1136	2025-06-29	Deep-Learning-Based Computer-Aided Grading of Cervical Spinal Stenosis from MR Images: Accuracy and Clinical Alignment 2025-Jun-01, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12060604 PMID:40564420	研究论文	本研究应用深度学习卷积神经网络算法评估颈椎管狭窄的分级，并评估其与临床医生分级结果及患者临床表现的一致性	使用多种深度学习卷积网络模型（包括分类、目标检测和关键点定位模型）进行颈椎管狭窄分级，并与临床医生分级结果进行对比，展示了模型在自动诊断支持中的潜在临床价值	研究为回顾性设计，可能受到数据选择和标注偏差的影响	评估深度学习模型在颈椎管狭窄分级中的准确性和临床一致性	954名颈椎磁共振成像（MRI）数据和医疗记录的患者	计算机视觉	颈椎管狭窄	MRI	CNN, EfficientNet_B5	图像	954名患者
1137	2025-06-29	Multi-center evaluation of radiomics and deep learning to stratify malignancy risk of IPMNs 2025-May-30, Research square DOI:10.21203/rs.3.rs-6622868/v1 PMID:40502758	研究论文	本研究评估了放射组学和深度学习在多中心环境下对IPMNs恶性风险分层的可行性	首次将放射组学与深度学习融合应用于IPMN囊肿级别的恶性风险分层	模型性能仍需提升以满足独立临床应用需求	开发客观的IPMN恶性风险分层方法以减少不必要的手术干预	IPMN（导管内乳头状黏液性肿瘤）患者	数字病理	胰腺癌	T2W MRI成像	放射组学-DL融合模型（2D/3D CNN）	医学影像	7个中心的359份T2W MRI图像
1138	2025-06-29	Foundation model embeddings for quantitative tumor imaging biomarkers 2025-May-29, Research square DOI:10.21203/rs.3.rs-6630446/v1 PMID:40502795	研究论文	本文评估了医学影像基础模型在提取可靠定量放射学表型方面的能力，并介绍了TumorImagingBench基准测试	系统性评估了多种医学影像基础模型在定量肿瘤成像生物标志物提取中的表现，并公开了代码、数据集和基准结果	研究仅基于公开数据集，可能无法涵盖所有临床场景	评估医学影像基础模型在定量肿瘤成像生物标志物提取中的性能和鲁棒性	六种公开数据集（3,244次扫描）和十种医学影像基础模型	数字病理学	癌症	深度学习	基础模型	医学影像	3,244次扫描
1139	2025-06-29	Updates, Applications and Future Directions of Deep Learning for the Images Processing in the Field of Cranio-Maxillo-Facial Surgery 2025-May-29, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12060585 PMID:40564402	review	本文综述了深度学习在颅颌面外科图像处理中的最新进展、应用及未来方向	探讨了深度学习在医学影像处理中的创新应用，特别是在颅颌面外科手术规划和肿瘤学领域的潜力	未提及具体算法的性能比较或临床验证结果	分析医学图像分割和分类中最常用的模型，评估这些算法在颌面外科中的应用，并探索人工智能在放射数据处理中的未来前景	医学影像数据，特别是CT扫描和组织学图像	digital pathology	NA	深度学习	CNN	image	NA
1140	2025-06-29	Automated Risser Grade Assessment of Pelvic Bones Using Deep Learning 2025-May-29, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12060589 PMID:40564406	研究论文	本研究开发了一种基于卷积神经网络（CNN）的深度学习模型，用于从骨盆X光片中自动评估Risser等级	采用多模态方法结合X光片中的感兴趣区域、患者年龄和性别，并使用合成数据增强解决类别不平衡问题	在较少出现的Risser等级上存在类别不平衡的挑战	自动化Risser等级评估，减少临床医生的工作量和评估变异性	12-18岁脊柱侧弯患者的骨盆X光片	数字病理	脊柱侧弯	深度学习	CNN	image	1619张骨盆X光片