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
1181	2025-08-12	Association between the retinal age gap and systemic diseases in the Japanese population: the Nagahama study 2025-Jul, Japanese journal of ophthalmology IF:2.1Q2 DOI:10.1007/s10384-025-01205-3 PMID:40304887	研究论文	探讨视网膜年龄差距（深度学习预测的视网膜年龄与实际年龄的差异）作为日本人群系统性健康潜在生物标志物的研究	使用深度学习模型预测视网膜年龄，并首次将其作为系统性健康的生物标志物进行研究	纵向分析未显示基线视网膜年龄差距与疾病发病之间的显著关联	研究视网膜年龄差距与系统性健康之间的关联	日本人群	数字病理学	心血管疾病	深度学习	深度学习模型	图像	调优队列2,261人，分析队列6,070人
1182	2025-08-12	Assessing Algorithmic Fairness With a Multimodal Artificial Intelligence Model in Men of African and Non-African Origin on NRG Oncology Prostate Cancer Phase III Trials 2025-May, JCO clinical cancer informatics IF:3.3Q2 DOI:10.1200/CCI-24-00284 PMID:40344545	research paper	评估多模态人工智能模型在非洲和非非洲裔男性前列腺癌三期试验中的算法公平性	使用多模态AI深度学习系统结合数字组织病理学和临床数据，评估算法在不同种族亚组中的普适性和公平性	研究中包含少量未知或缺失种族状态的患者（0.5%）	评估AI工具在前列腺癌预后预测中的公平性和普适性	非洲裔和非非洲裔前列腺癌患者	digital pathology	prostate cancer	multimodal AI deep learning system	MMAI	digital histopathology and clinical data	5,708名患者（包括948名非洲裔和4,731名非非洲裔患者）
1183	2025-08-12	Hyperspectral imaging with deep learning for quantification of tissue hemoglobin, melanin, and scattering 2024-09, Journal of biomedical optics IF:3.0Q2 DOI:10.1117/1.JBO.29.9.093507 PMID:39247058	research paper	该研究利用深度学习分析高光谱图像，量化组织中的血红蛋白、黑色素和散射特性	使用人工神经网络(ANN)快速分析高光谱数据，相比传统最小二乘法速度提升4000倍以上	研究基于模拟数据训练，实际应用效果需进一步验证	开发快速量化组织光学特性的方法	人体活体组织	computer vision	NA	hyperspectral imaging	ANN	image	24,000组模拟数据 + 6000组测试数据
1184	2025-08-12	A survey of brain functional network extraction methods using fMRI data 2024-08, Trends in neurosciences IF:14.6Q1 DOI:10.1016/j.tins.2024.05.011 PMID:38906797	综述	本文系统回顾了使用fMRI数据提取脑功能网络的经典和先进方法	涵盖了静态和动态功能网络提取方法，并讨论了各种方法的适用范围及未来改进方向	未提及具体方法的性能比较或实证研究结果	探索脑功能网络提取方法以揭示脑功能及脑部疾病的病理生理学机制	脑功能网络	神经影像学	脑部疾病	fMRI	矩阵分解、聚类、深度学习	fMRI数据	NA
1185	2025-08-12	A Top-Down Design Approach for Generating a Peptide PROTAC Drug Targeting Androgen Receptor for Androgenetic Alopecia Therapy 2024-06-27, Journal of medicinal chemistry IF:6.8Q1 DOI:10.1021/acs.jmedchem.4c00828 PMID:38836467	研究论文	本研究结合前沿方法开发了一种新型肽基PROTAC药物开发范式，用于治疗雄激素性脱发	结合ProteinMPNN、RFdiffusion等AI工具设计肽基PROTAC药物，并整合透皮微针贴片技术进行给药	未提及临床试验结果或体内药效验证数据	开发针对雄激素受体(AR)的肽基PROTAC药物用于雄激素性脱发治疗	雄激素受体(AR)和Von Hippel-Lindau (VHL)蛋白	药物开发	雄激素性脱发	ProteinMPNN、RFdiffusion、Alphafold2-multimer、ZDOCK	深度学习模型	蛋白质结构数据	NA
1186	2024-08-07	External Validation of Deep Learning-Based Cardiac Arrest Risk Management System for Predicting In-Hospital Cardiac Arrest in Patients Admitted to General Wards Based on Rapid Response System Operating and Nonoperating Periods: A Single-Center Study: Erratum 2024-Jun-01, Critical care medicine IF:7.7Q1 DOI:10.1097/CCM.0000000000006291 PMID:38752829	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1187	2025-08-12	Deep learning-based identification of genetic variants: application to Alzheimer's disease classification 2022-03-10, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbac022 PMID:35183061	研究论文	提出了一种基于深度学习的三步法（SWAT-CNN）用于识别与表型相关的单核苷酸多态性（SNPs），并应用于阿尔茨海默病的分类	开发了一种新颖的三步法SWAT-CNN，结合卷积神经网络（CNN）和滑动窗口关联测试（SWAT）来识别与表型相关的SNPs，并构建疾病分类模型	方法在阿尔茨海默病数据集上进行了测试，但在其他疾病或更大规模数据集上的泛化能力尚未验证	开发一种基于深度学习的全基因组方法，用于识别与疾病相关的遗传变异并构建分类模型	阿尔茨海默病相关的单核苷酸多态性（SNPs）	机器学习	阿尔茨海默病	全基因组关联研究（GWAS）	CNN	基因组数据	981（认知正常老年人650名，阿尔茨海默病患者331名）
1188	2025-08-12	Preparation and Mechanical Properties of High Silicon Molybdenum Cast Iron Materials: Based on Deep Learning Model 2022, Computational intelligence and neuroscience DOI:10.1155/2022/4825356 PMID:39262918	研究论文	本研究探讨了高铬铸铁的静态腐蚀性能，以及钼和钒元素的添加与含量变化对其耐腐蚀性的影响，旨在获得性能更优、成本更低的高铬铸铁铸件	通过研究钼和钒元素的添加及含量变化对高铬铸铁耐腐蚀性的影响，结合亚临界处理工艺，优化高铬铸铁的微观结构和性能	研究主要关注静态腐蚀性能，未涉及动态工作环境下的性能表现	提高高铬铸铁的耐腐蚀性和耐磨性，同时降低成本	高铬铸铁材料	材料科学	NA	亚临界处理工艺	深度学习模型	实验数据	未明确说明
1189	2025-08-11	Automatic recognition of adrenal incidentalomas using a two-stage cascade network: a multicenter study 2025-Dec, Annals of medicine IF:4.9Q1 DOI:10.1080/07853890.2025.2540596 PMID:40772430	研究论文	该研究开发了一种基于深度学习的两阶段级联网络，用于在多中心非增强CT图像中自动识别肾上腺偶发瘤	首次提出使用两阶段级联网络（3D Res-Unet分割网络+分类器）实现肾上腺偶发瘤的自动识别，并在多中心数据上验证了模型性能	研究为回顾性设计，未在外部独立验证集上测试模型泛化能力	开发自动识别肾上腺偶发瘤的AI系统以辅助肾上腺疾病管理	肾上腺偶发瘤患者的非增强CT图像	数字病理	肾上腺疾病	深度学习	3D Res-Unet + 分类器的级联网络	CT图像	778例患者（443例训练/验证集，335例测试集）
1190	2025-08-11	ChewNet: A multimodal dataset for invivo and invitro beef and plant-based burger patty boluses with images, texture, and force profiles 2025-Oct, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2025.111890 PMID:40778379	research paper	该研究提供了一个多模态数据集，包含牛肉和植物基汉堡肉饼在人类和机器人咀嚼过程中产生的图像、质地和力分布数据	首次结合人类和机器人咀嚼实验，提供全面的食物咀嚼过程多模态数据，支持深度学习模型开发	人类参与者样本量较小（仅3名健康成年男性），且仅针对特定类型食物	探索食物团块特性随咀嚼次数的变化关系，开发能预测咀嚼食物机械和质地特性的深度学习模型	牛肉和植物基汉堡肉饼的咀嚼过程	食品科学	NA	质地剖面分析(TPA)、机器人咀嚼模拟	深度学习模型	图像、力分布数据、质地参数	3名人类参与者+机器人咀嚼实验
1191	2025-08-11	Crop field segmentation and irrigation water source attribution for groundwater monitoring and projection toward conservation in the Texas High Plains 2025-Sep-10, The Science of the total environment DOI:10.1016/j.scitotenv.2025.180031 PMID:40639040	研究论文	本研究提出了一种数据驱动的方法，结合遥感和现场地下水数据，监测和预测2000年至2030年德州高平原地区的地下水水位变化，以支持可持续水资源管理	创新点包括开发了一种基于高粱、棉花和玉米物候特征的作物分类和田间分割方法，以及集成深度学习模型（如1DCNN与LSTM网络）进行作物映射和水源归属分析	研究局限在于仅针对德州高平原的Castro和Hale县，未来可能需要扩展到其他面临类似挑战的地区	研究目的是监测和预测地下水水位变化，支持可持续水资源管理	研究对象是德州高平原地区的高粱、棉花和玉米作物以及地下水水位	遥感与水文建模	NA	遥感、深度学习、水文建模	1DCNN、LSTM、SAM	遥感图像、地下水数据	研究覆盖了1995年至2024年的作物数据以及2000年至2023年的地下水数据
1192	2025-08-11	Deep learning based aerosol particle classification for the detection of ship emissions 2025-Sep-10, The Science of the total environment DOI:10.1016/j.scitotenv.2025.180041 PMID:40644880	研究论文	本研究结合单颗粒质谱仪（SPMS）和深度学习技术，开发了一种用于检测船舶排放的实时监测系统	利用卷积神经网络（CNN）自动处理复杂的质谱数据，实现了13种丰富气溶胶颗粒的高精度分类，并实时识别使用重油（HFO）的船舶	监测范围受限于SPMS的检测距离（约1.3公里），且需依赖AIS提供的船舶轨迹数据	开发一种能够实时监测和识别船舶排放气溶胶颗粒的系统，以减少航运对空气污染的影响	船舶排放的气溶胶颗粒，特别是含有钒（V/[VO]）、镍（Ni）和铁（Fe）离子的颗粒	机器学习和环境监测	NA	单颗粒质谱仪（SPMS）和卷积神经网络（CNN）	CNN	质谱数据	一周监测期内，80次通过监测点的21艘船舶（距离最远约1.3公里）
1193	2025-08-11	Automated liver magnetic resonance elastography quality control and liver stiffness measurement using deep learning 2025-Sep, Abdominal radiology (New York) DOI:10.1007/s00261-025-04883-2 PMID:40088296	research paper	该研究利用深度学习技术实现了肝脏磁共振弹性成像（MRE）质量控制和肝脏硬度测量（LSM）的全自动化	首次提出基于深度学习的全自动化肝脏MRE质量控制和LSM方法，显著提高了效率和准确性	研究为单中心回顾性研究，样本量相对有限（69名患者）	开发自动化肝脏MRE质量控制和硬度测量方法以提高临床实用性	肝脏磁共振弹性成像数据	digital pathology	liver fibrosis	MRI, MRE	SqueezeNet, 2D U-Net	medical image	69名患者（37名男性，平均年龄51.6岁）的146次2D MRE扫描，共897幅MRE幅度切片
1194	2025-08-11	Prostate Cancer Risk Stratification and Scan Tailoring Using Deep Learning on Abbreviated Prostate MRI 2025-Sep, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.29798 PMID:40259798	研究论文	开发并评估了一种基于深度学习的模型，用于利用双参数MRI（bpMRI）对临床显著性前列腺癌（csPCa）进行分类，并评估其在优化MRI协议选择方面的潜力	提出了一种基于3D ResNet-50架构的深度学习模型，能够实时在MRI工作流程中提供分类结果，优化资源利用	研究样本量虽然较大，但前瞻性和回顾性队列的样本量相对较小，可能影响模型的泛化能力	开发一种深度学习模型，用于前列腺癌的风险分层和MRI扫描协议的个性化选择	前列腺癌患者	数字病理学	前列腺癌	双参数MRI（bpMRI）和深度学习	3D ResNet-50	MRI图像	训练和验证集包含26,129例前列腺MRI研究，回顾性队列151例患者，前瞻性队列142例患者
1195	2025-04-24	Editorial for "Prostate Cancer Risk Stratification and Scan Tailoring Using Deep Learning on Abbreviated Prostate MRI" 2025-Sep, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.29806 PMID:40264361	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1196	2025-08-11	StarVasc: hyper-dimensional and spectral feature expansion for lightweight vascular enhancement 2025-Aug-10, Journal of robotic surgery IF:2.2Q2 DOI:10.1007/s11701-025-02644-3 PMID:40783657	research paper	提出了一种名为StarVasc的轻量级无监督血管对比增强框架，用于机器人手术视觉系统	StarVasc采用基于紧凑生成对抗网络的非配对学习策略，并引入了星形操作模块和光谱特征增强模块，实现了高维特征扩展和血管细节的精细优化	未提及具体的手术环境适应性测试或与其他硬件集成的兼容性问题	开发一种无需专用硬件的自适应血管对比增强方法，以提高机器人手术成像中的视觉感知和手术安全性	机器人手术视觉系统中的血管图像	computer vision	NA	生成对抗网络	GAN	image	未提及具体样本数量
1197	2025-08-11	Time series AQI forecasting using Kalman-integrated Bi-GRU and Chi-square divergence optimization 2025-Aug-09, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-12422-8 PMID:40783413	research paper	提出了一种结合卡尔曼注意力和双向门控循环单元（Bi-GRU）的新型深度学习框架，用于稳健的空气质量指数（AQI）时间序列预测	引入了卡尔曼注意力机制动态调整数据不确定性，增强时序特征权重，并在损失函数中加入基于卡方散度的正则化项，以减少预测与实际污染物水平之间的分布不匹配	NA	提高空气质量指数（AQI）预测的准确性，以应对全球空气污染问题	美国环境保护署（2022-2024年）在丹佛-奥罗拉-莱克伍德地区的六种主要污染物（CO、NO2、SO2、O3、PM2.5、PM10）的实时数据	machine learning	NA	ARIMA, Kalman Attention, Bi-GRU	Bi-GRU, LSTM, CNN-LSTM	time series data	NA
1198	2025-08-11	Enhancing AI-driven forecasting of diabetes burden: a comparative analysis of deep learning and statistical models 2025-Aug-09, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-14599-4 PMID:40783432	研究论文	本研究比较了深度学习和统计模型在糖尿病负担预测中的表现，评估了预测准确性、鲁棒性和计算效率之间的权衡	首次将Transformer与VAE结合用于糖尿病负担预测，并全面比较了多种模型的性能	Transformer-VAE模型计算成本高且可解释性差，限制了其在资源受限环境中的可扩展性	评估不同预测模型在糖尿病负担预测中的表现	糖尿病负担预测模型	机器学习	糖尿病	深度学习与统计模型比较	Transformer-VAE, LSTM, GRU, ARIMA	时间序列数据	1990-2021年的年度DALYs、死亡率和患病率数据
1199	2025-08-11	3D long time spatiotemporal convolution for complex transfer sequence prediction 2025-Aug-09, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-13828-0 PMID:40783430	研究论文	提出了一种基于3D卷积的时空序列预测模型3DcT-Pred，用于解决现有方法在长序列信息遗忘和复杂非平滑特征捕捉上的不足	通过双分支3D卷积提取长期全局特征，结合跨结构时空注意力模块增强细粒度特征响应，并设计融合门控模块整合全局与局部特征	未明确说明模型计算复杂度及在实时场景下的适用性	提升时空序列预测任务中长程依赖建模和非平滑瞬变特征的捕捉能力	时空序列数据（SSD）	计算机视觉	NA	3D卷积、注意力机制	3DcT-Pred（基于3D CNN的端到端模型）	时空序列数据（可能包含雷达回波等时序图像数据）	三个公开数据集和一个私有雷达回波数据集（未注明具体样本量）
1200	2025-08-11	Exploring the feasibility of AI-based analysis of histopathological variability in salivary gland tumours 2025-Aug-09, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-15249-5 PMID:40783435	研究论文	本研究利用人工智能（AI）对唾液腺肿瘤（SGT）进行数字化H&E染色全切片图像（WSI）的分析，以区分良恶性肿瘤、恶性亚型及分级	首次将AI技术应用于唾液腺肿瘤的自动分类和分级，并比较了机器学习与深度学习模型的性能	需要更大规模的多中心队列研究来验证结果的临床意义和实用性	探索AI在唾液腺肿瘤病理学分析中的可行性和准确性	唾液腺肿瘤（SGT）的数字化H&E染色全切片图像	数字病理学	唾液腺肿瘤	机器学习（ML）和深度学习（DL）	ML分类器和DL模型	图像（WSI）	320张扫描的WSI