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
11461	2025-10-07	AI-MET: A deep learning-based clinical decision support system for distinguishing multisystem inflammatory syndrome in children from endemic typhus 2025-Apr, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109815 PMID:39987695	研究论文	开发基于深度学习的临床决策支持系统AI-MET，用于区分儿童多系统炎症综合征和地方性斑疹伤寒	提出首个专门区分MIS-C和地方性斑疹伤寒的CDSS系统，仅需急诊科前6小时的临床和实验室特征即可实现及时鉴别	样本量相对有限（训练集220例，验证集111例），需要进一步外部验证	开发能够准确区分MIS-C和地方性斑疹伤寒的临床决策支持工具	儿童多系统炎症综合征患者和地方性斑疹伤寒患者	医疗人工智能	儿童炎症性疾病，传染病	深度学习	深度学习模型	临床数据和实验室数据	训练测试集：87例斑疹伤寒患者和133例MIS-C患者；验证集：111例MIS-C患者	NA	AI-MET系统	灵敏度，特异性，准确率，精确度	NA
11462	2025-10-07	Missing-modality enabled multi-modal fusion architecture for medical data 2025-Apr, Journal of biomedical informatics IF:4.0Q2 DOI:10.1016/j.jbi.2025.104796 PMID:39988001	研究论文	提出一种能够处理缺失模态的医学多模态融合架构，用于疾病诊断和死亡率预测	开发了基于Transformer的双模态融合模块，构建三模态融合框架，并引入多变量损失函数提高对缺失模态的鲁棒性	仅在MIMIC-IV和MIMIC-CXR数据集上进行验证，需要进一步扩展到更多模态和数据集	开发对缺失模态具有鲁棒性的医学多模态融合架构，提升临床任务性能	胸部X光片、放射学报告和结构化数值数据	医学人工智能	胸部疾病	多模态融合	Transformer	图像, 文本, 表格数据	MIMIC-IV和MIMIC-CXR数据集	NA	Transformer-based双模态融合模块	AUROC, AUPRC	NA
11463	2025-10-07	Prediction and detection of terminal diseases using Internet of Medical Things: A review 2025-Apr, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109835 PMID:39999492	综述	本文综述了人工智能与医疗物联网在预测和检测终末期疾病中的应用，分析当前挑战与解决方案	系统评估了联邦学习、迁移学习和区块链等先进策略在提升AI-IoMT系统鲁棒性、数据安全性和互操作性方面的有效性	作为综述文章，未进行原始实验验证，主要基于现有文献分析	评估AI-IoMT技术在预测慢性病和终末期疾病中的有效性，并探讨相关挑战	心血管疾病、阿尔茨海默病和各类癌症等终末期疾病	医疗物联网	心血管疾病,阿尔茨海默病,癌症	NA	XGBoost,Random Forest,CNN,LSTM	医疗物联网数据	NA	NA	NA	NA	NA
11464	2025-10-07	Prediction of school PM2.5 by an attention-based deep learning approach informed with data from nearby air quality monitoring stations 2025-Apr, Chemosphere IF:8.1Q1 DOI:10.1016/j.chemosphere.2025.144241 PMID:39999669	研究论文	提出基于注意力深度卷积自编码器的深度学习软传感器，利用附近监测站数据预测学校室内外PM2.5浓度	完全无需学校现场传感器，通过注意力机制深度学习模型利用周边监测站数据实现PM2.5浓度预测	NA	开发无需现场传感器的学校PM2.5浓度预测方法，保障健康学习环境	学校室内（教室）和室外（操场）的PM2.5浓度	机器学习	NA	软传感器技术	注意力深度卷积自编码器（ADCAE）	空气质量监测数据	多所学校（小学、初中、高中）	NA	注意力深度卷积自编码器	决定系数（R）、均方误差、平均绝对误差	NA
11465	2025-10-07	Deep learning-based LDL-C level prediction and explainable AI interpretation 2025-Apr, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109905 PMID:40010176	研究论文	本研究利用深度学习模型预测低密度脂蛋白胆固醇水平，并与传统方法和公式进行比较	首次将CNN、RNN和LSTM等深度学习模型应用于LDL-C预测，并使用LIME方法提供模型解释	深度学习模型需要更多计算资源来解释决策过程	开发更准确的LDL-C预测方法以评估心血管疾病风险	低密度脂蛋白胆固醇水平预测	机器学习	心血管疾病	临床血液检测	CNN, RNN, LSTM	临床检测数据	NA	NA	CNN, RNN, LSTM	准确率	NA
11466	2025-10-07	Automated vertebral compression fracture detection and quantification on opportunistic CT scans: a performance evaluation 2025-Apr, Clinical radiology IF:2.1Q2 DOI:10.1016/j.crad.2025.106831 PMID:40010260	研究论文	开发并评估基于深度学习的自动算法，用于在机会性CT扫描中检测和量化椎体压缩性骨折	首次使用2D/3D U-Nets卷积神经网络在机会性CT扫描中自动筛查椎体压缩性骨折并量化椎体高度损失	样本量相对较小（100例患者），且为回顾性研究设计	评估深度学习算法在机会性CT扫描中自动检测和量化椎体压缩性骨折的性能	2019年1月至2020年8月期间因各种适应症（非VCF疑似）接受CT扫描的患者	数字病理学	骨质疏松症	CT扫描	CNN	医学影像	100例患者（平均年龄76.6岁，72%为女性）	NA	2D U-Net, 3D U-Net	敏感性, 特异性, 组内相关系数, Pearson相关系数, 一致性界限	NA
11467	2025-05-11	Comprehensive analysis of human dendritic spine morphology and density 2025-Apr-01, Journal of neurophysiology IF:2.1Q3 DOI:10.1152/jn.00622.2024 PMID:40013734	研究论文	本文通过对27名患者的人脑组织进行综合研究，分析了树突棘的形态和密度，并利用深度学习模型实现了自动化的树突棘分割和三维重建	首次使用人脑组织进行树突棘的深入分析，结合深度学习与传统方法，实现了高效的自动化处理	样本量相对较小（27名患者），且仅来自肿瘤或癫痫手术患者，可能影响结果的普遍性	研究人脑树突棘的形态和密度差异，探索其与神经和精神疾病的潜在联系	27名患者（8名女性，19名男性，年龄18-71岁）的脑组织样本	神经科学	神经疾病	三维重建、深度学习	深度学习模型	图像	27名患者的脑组织样本，近4000个形态重建的树突棘	NA	NA	NA	NA
11468	2025-05-11	Automated segmentation by SCA-UNet can be directly used for radiomics diagnosis of thymic epithelial tumors 2025-Apr, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.112004 PMID:40014944	研究论文	本研究开发了一种名为SCA-UNet的深度学习网络，用于自动分割胸腺病变，并应用于胸腺上皮肿瘤（TETs）的放射组学诊断和风险评估	提出了结合空间通道注意力的SCA-UNet模型，增强了全局上下文感知能力，提高了分割精度和泛化性能	研究仅基于单一医疗中心的数据，可能影响模型的泛化能力	开发自动分割胸腺病变的深度学习模型，并探索其在TETs诊断和风险评估中的应用	712例纵隔病变患者的术前CT图像	数字病理	胸腺上皮肿瘤	CT成像	SCA-UNet（基于UNet改进的深度学习网络）	医学影像（CT图像）	712例患者	NA	NA	NA	NA
11469	2025-10-07	Noninvasive Artificial Intelligence System for Early Predicting Residual Cancer Burden During Neoadjuvant Chemotherapy in Breast Cancer 2025-Apr-01, Annals of surgery IF:7.5Q1 DOI:10.1097/SLA.0000000000006279 PMID:38557792	研究论文	开发用于早期预测乳腺癌新辅助化疗期间残留肿瘤负荷的人工智能系统	首次结合放射组学和深度学习特征，开发多任务AI系统在NAC治疗中期预测RCB评分	回顾性研究设计，样本来源仅限于4个机构	早期预测乳腺癌新辅助化疗期间的残留肿瘤负担	接受新辅助化疗的乳腺癌患者	数字病理	乳腺癌	磁共振成像	多任务深度学习	医学影像	1048名患者（主要队列335人，外部验证队列713人）	NA	多任务AI系统	AUC	NA
11470	2025-10-07	A new era of psoriasis treatment: Drug repurposing through the lens of nanotechnology and machine learning 2025-Mar-30, International journal of pharmaceutics IF:5.3Q1 DOI:10.1016/j.ijpharm.2025.125385 PMID:39999900	综述	探讨通过纳米技术和机器学习方法重新利用现有药物治疗银屑病的新策略	结合纳米技术和人工智能技术推进药物重定位在银屑病治疗中的应用	药物重定位方法仍处于早期阶段，存在潜在缺陷	探索银屑病治疗的新方法，克服传统治疗的局限性	银屑病患者和现有药物	机器学习	银屑病	药物重定位，纳米载体技术	机器学习，深度学习	NA	NA	NA	NA	NA	NA
11471	2025-10-07	Artificial intelligence in medical imaging: From task-specific models to large-scale foundation models 2025-Mar-20, Chinese medical journal IF:7.5Q1 DOI:10.1097/CM9.0000000000003489 PMID:40008785	综述	本文综述了医学影像中从任务特定模型到大规模基础模型的人工智能技术发展	系统比较了任务特定模型与新兴基础模型在医学影像中的差异、互补性和临床相关性	基础模型目前主要关注分割和分类任务，尚未广泛应用于其他临床场景	探讨医学影像人工智能技术的发展现状和未来方向	医学影像AI模型（任务特定模型和基础模型）	医学影像分析	NA	深度学习	基础模型,任务特定模型	医学影像（X射线,CT,MRI,超声,PET,病理影像）	NA	NA	NA	NA	NA
11472	2025-10-07	Portable cerebral blood flow monitor to detect large vessel occlusion in patients with suspected stroke 2025-Mar-17, Journal of neurointerventional surgery IF:4.5Q1 DOI:10.1136/jnis-2024-021536 PMID:38514189	研究论文	评估便携式Openwater光学血流监测仪在检测疑似卒中患者大血管闭塞方面的诊断性能	首次将便携式光学血流监测技术与深度学习模型结合用于大血管闭塞的检测，相比院前卒中量表具有更高的诊断准确性	需要在独立测试集和院前环境中进一步验证，样本量相对有限	开发并验证便携式设备用于卒中患者大血管闭塞的早期检测	疑似卒中患者	医学影像分析	脑血管疾病	光学血流监测，CT血管造影	深度学习模型	光学血流波形数据，临床量表数据	135名患者（其中52名有大血管闭塞）	NA	NA	敏感性，特异性，AUROC	NA
11473	2025-10-07	Deep learning to quantify the pace of brain aging in relation to neurocognitive changes 2025-Mar-11, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2413442122 PMID:39993207	研究论文	开发基于纵向MRI的3D-CNN模型来量化大脑衰老速度及其与神经认知变化的关系	首次使用纵向MRI数据通过3D-CNN模型非侵入性地估计大脑衰老速度，而非传统的静态大脑年龄	研究主要针对认知正常个体，阿尔茨海默病患者样本相对较少	开发能够量化大脑衰老速度并关联神经认知变化的深度学习模型	认知正常成年人和阿尔茨海默病患者	医学影像分析	阿尔茨海默病	MRI	3D-CNN	纵向MRI图像	训练集2,055名认知正常成人，验证集1,304名认知正常成人，测试集104名认知正常成人和140名阿尔茨海默病患者	NA	3D-CNN	平均绝对误差(MAE)	NA
11474	2025-10-07	ProCeSa: Contrast-Enhanced Structure-Aware Network for Thermostability Prediction with Protein Language Models 2025-Mar-10, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c01752 PMID:39988825	研究论文	提出一种结合蛋白质语言模型和对比学习的蛋白质热稳定性预测新方法	开发了ProCeSa模型，首次将蛋白质语言模型生成的序列嵌入与结构信息无缝集成，无需原子结构数据即可预测热稳定性	未使用原子级蛋白质结构数据，可能限制了对某些结构特征的捕捉	提高蛋白质热稳定性预测的准确性	蛋白质序列及其热稳定性	机器学习	NA	蛋白质语言模型，对比学习	深度学习	蛋白质序列数据	公开数据集	NA	ProCeSa（蛋白质对比增强结构感知网络）	分类任务指标，回归任务指标	NA
11475	2025-10-07	A deep learning model for inter-fraction head and neck anatomical changes in proton therapy 2025-Mar-10, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/adba39 PMID:39999567	研究论文	开发基于概率深度学习模型预测头颈部质子治疗中分次间解剖结构变化	首次将变分自编码器架构应用于头颈部患者分次间解剖变化的概率预测，能够生成可能的重复CT图像和器官掩模	数据集规模相对较小（93名患者），需要在更大样本上验证模型泛化能力	开发能够预测头颈部质子治疗期间解剖结构变化的深度学习模型	头颈部癌症患者	医学影像分析	头颈部癌症	CT成像	VAE	CT图像	93名患者（315对计划CT-重复CT图像对），其中9名患者（27对）用于最终测试	NA	变分自编码器	DICE分数, 归一化互相关系数	NA
11476	2025-10-07	Large Model Era: Deep Learning in Osteoporosis Drug Discovery 2025-Mar-10, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c02264 PMID:40008920	综述	本文综述深度学习在骨质疏松药物发现中的应用，重点分析大模型在理解疾病机制和促进药物研发中的潜力	系统总结深度学习大模型在骨质疏松药物发现各阶段的应用前景，探讨大模型相比传统模型的优势	讨论了大模型在药物发现中存在的局限性	分析深度学习特别是大模型在骨质疏松药物发现中的应用前景	骨质疏松药物发现过程	机器学习	骨质疏松	深度学习	大模型,传统深度学习模型	NA	NA	NA	NA	NA	NA
11477	2025-10-07	Self-supervised U-transformer network with mask reconstruction for metal artifact reduction 2025-Mar-10, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/adbaae PMID:40010000	研究论文	提出一种用于金属伪影减少的自监督U型Transformer网络，通过掩码重建任务提升模型泛化能力	结合自监督掩码重建预训练任务和下游微调任务，利用Transformer的长程特征提取能力区分金属伪影特征	未明确说明模型在真实临床数据上的泛化性能验证范围	提升金属伪影减少任务的模型泛化能力	CT图像中的金属伪影	计算机视觉	NA	计算机断层扫描(CT)	Transformer	CT图像	未标注真实伪影CT图像和标注合成伪影CT图像的组合	NA	U-transformer	峰值信噪比, 结构相似性指数, Dice系数, 平均交并比	NA
11478	2025-05-11	GLMCyp: A Deep Learning-Based Method for CYP450-Mediated Reaction Site Prediction 2025-Mar-10, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c02051 PMID:40013456	研究论文	本文提出了一种基于深度学习的CYP450介导反应位点预测方法GLMCyp	结合2D分子图特征、3D Uni-Mol特征和ESM-2生成的CYP450蛋白特征，提高了预测准确性	未明确提及具体局限性	提高药物发现和开发效率，准确预测CYP450介导的反应位点	小分子化合物	机器学习	NA	深度学习	GLMCyp	分子图数据、蛋白质特征数据	EBoMD数据集	NA	NA	NA	NA
11479	2025-10-07	EEG-based recognition of hand movement and its parameter 2025-Mar-06, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/adba8a PMID:40009879	研究论文	基于脑电图信号的手部运动及其参数识别研究	提出CNN-BiLSTM端到端串行组合模型，首次在跨被试分类中实现手部运动类型、力度参数和方向位移的高精度识别	研究仍处于可行性验证阶段，样本量较小（13名健康志愿者），尚未达到实际应用水平	探索基于脑电图信号的手部运动意图解码技术	手部运动类型（四种）、力度参数（抓取和推动）、方向位移任务（四个目标方向）	脑机接口	NA	脑电图（EEG）	CNN, BiLSTM	脑电图信号	13名健康志愿者	NA	CNN-BiLSTM	准确率	NA
11480	2025-10-07	Deep learning models as learners for EEG-based functional brain networks 2025-Mar-06, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/adba8c PMID:40009886	研究论文	本研究探索深度学习模型学习基于EEG的功能性脑网络构建过程的能力	首次系统评估深度学习模型直接学习功能性脑网络构建过程的能力，而非传统两阶段方法	深度学习模型难以准确捕捉功能性脑网络的固有拓扑结构，预测网络与实际网络存在显著差异	验证深度学习模型是否能够有效学习EEG功能性脑网络的构建过程	基于脑电图(EEG)的功能性脑网络	机器学习	NA	脑电图(EEG)	深度学习模型	EEG信号	两个公开可用的EEG数据集	NA	七种不同的深度学习模型	均方误差(MSE), 皮尔逊相关系数(Corr), 一致性相关系数(CCC)	NA