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
1221	2025-07-19	AI Prognostication in Nonsmall Cell Lung Cancer: A Systematic Review 2025-Jul-18, American journal of clinical oncology DOI:10.1097/COC.0000000000001238 PMID:40679809	系统综述	本文对人工智能（AI）算法在非小细胞肺癌（NSCLC）预后预测中的应用进行了系统性文献综述	比较了不同类型AI（如机器学习和深度学习）在NSCLC预后预测中的表现，并展示了深度学习相对于传统预后技术（如TNM分期）的优越性	需要进一步通过设计良好的临床试验进行彻底验证，才能完全应用于临床实践	评估AI在NSCLC预后预测中的应用效果	非小细胞肺癌（NSCLC）患者	数字病理学	肺癌	机器学习（ML）、深度学习（DL）	NA	组织学数据、遗传数据、CT、PET、MR影像	初始数据库3880项结果，筛选后纳入309项研究
1222	2025-07-19	M4CEA: A Knowledge-guided Foundation Model for Childhood Epilepsy Analysis 2025-Jul-17, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3590463 PMID:40674185	研究论文	本文提出了一种知识引导的基础模型M4CEA，用于儿童癫痫分析的多任务处理	使用知识引导的掩码策略和时间编码器的时间嵌入，有效捕捉儿童EEG信号的多域表示	模型在特定任务上的性能可能依赖于预训练数据的质量和多样性	构建一个具有强泛化能力的基础模型，用于儿童癫痫的多任务分析	儿童癫痫患者的EEG信号	医疗分析	儿童癫痫	EEG信号分析	基础模型（Foundation Model）	EEG信号	超过1,000小时的儿童EEG记录
1223	2025-07-19	BDEC: Brain Deep Embedded Clustering Model for Resting State fMRI Group-Level Parcellation of the Human Cerebral Cortex 2025-Jul-17, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3590258 PMID:40674200	研究论文	开发了一种基于深度学习的静息态功能磁共振成像(rs-fMRI)的群体水平大脑分区方法BDEC	BDEC模型采用设计损失函数以最大化类间分离和增强类内相似性，促进功能一致大脑区域的形成	NA	开发一种鲁棒的群体水平大脑分区方法	人类大脑皮层	数字病理学	NA	rs-fMRI	BDEC (Brain Deep Embedded Clustering)	功能磁共振成像数据	NA
1224	2025-07-19	Automatic selection of optimal TI for flow-independent dark-blood delayed-enhancement MRI 2025-Jul-17, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.30632 PMID:40674608	研究论文	提出并评估一种自动预测流独立暗血延迟增强（FIDDLE）采集最佳反转时间（TI）的方法	利用深度学习网络分割心肌和血池，并通过对数拟合确定T1恢复曲线，自动预测最佳TI	仅在3T和1.5T扫描仪上进行了评估，样本量有限	优化流独立暗血延迟增强（FIDDLE）采集的最佳反转时间（TI）预测	267名患者的TI-scout图像	医学影像	心血管疾病	MRI，深度学习	深度学习网络	图像	267名患者，64名临床受试者评估
1225	2025-07-19	Deep Learning-Based Precision Cropping of Eye Regions in Strabismus Photographs: Algorithm Development and Validation Study for Workflow Optimization 2025-Jul-17, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/74402 PMID:40674714	研究论文	本研究开发了一种基于深度学习的预处理算法，用于自动裁剪斜视照片中的眼部区域，以提高临床工作流程和AI数据预处理的准确性和效率	提出了一种基于旋转边界框检测框架的预处理算法，能够自动校正头部倾斜，显著提高了图像质量和处理效率	研究主要针对斜视患者，可能不适用于其他眼部疾病	优化眼部区域裁剪的准确性和标准化，以支持AI模型开发和临床应用	斜视患者的眼部照片	计算机视觉	斜视	深度学习	faster R-CNN, 视觉变换器	图像	5832张图像，来自648名住院和门诊患者，以及500张来自IMDB-WIKI的外部数据集
1226	2025-07-19	Predicting Sleep and Sleep Stage in Children Using Actigraphy and Heartrate via a Long Short-Term Memory Deep Learning Algorithm: A Performance Evaluation 2025-Jul-17, Journal of sleep research IF:3.4Q2 DOI:10.1111/jsr.70149 PMID:40676371	研究论文	本研究评估了使用LSTM深度学习算法结合活动记录仪和心率数据预测儿童睡眠及睡眠阶段的效果，并与多导睡眠图（PSG）进行了对比	首次将LSTM算法应用于儿童睡眠监测，结合活动记录仪和心率数据，显著提高了睡眠阶段预测的准确性	研究样本仅限于5-12岁儿童，且参与者因疑似睡眠障碍被转诊，可能影响结果的普遍性	评估LSTM算法在儿童睡眠监测中的性能	238名5-12岁儿童（52.8%男性，50%黑人，31.9%白人）	机器学习	睡眠障碍	活动记录仪、心率监测、多导睡眠图	LSTM、逻辑回归、随机森林	时间序列数据（活动记录仪和心率数据）	238名儿童
1227	2025-07-19	Monitoring systemic ventriculoarterial coupling after cardiac surgery using continuous transoesophageal echocardiography and deep learning 2025-Jul-17, Journal of clinical monitoring and computing IF:2.0Q2 DOI:10.1007/s10877-025-01328-5 PMID:40676456	研究论文	开发了一种结合经食管超声心动图和深度学习的工具autoMAPSE，用于心脏手术后连续监测心室动脉耦合和心脏生物标志物变化	首次将深度学习与经食管超声心动图结合，开发出能够连续监测心室动脉耦合的新工具autoMAPSE	研究样本量较小（50名患者），且仅观察了术后2小时内的数据	评估autoMAPSE工具在监测心脏手术后心室动脉耦合和心脏生物标志物变化方面的有效性	50名心脏手术患者	数字病理	心血管疾病	经食管超声心动图	深度学习	医学影像	50名心脏手术患者，监测120分钟
1228	2025-07-19	Automated multi-model framework for malaria detection using deep learning and feature fusion 2025-Jul-16, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-04784-w PMID:40664727	研究论文	提出了一种基于深度学习和特征融合的自动化多模型框架，用于疟疾检测	采用多模型架构结合深度学习和机器学习技术，通过特征融合和降维提升诊断准确性，并利用多数投票机制增强预测鲁棒性	未提及在临床环境中的实际应用验证或对不同疟疾寄生虫种类的检测能力	开发一种自动化诊断框架以提高疟疾检测的准确性和效率	疟疾诊断	数字病理学	疟疾	深度学习、机器学习、特征融合、主成分分析	ResNet 50, VGG16, DenseNet-201, SVM, LSTM	图像	27,558张显微镜下的薄血涂片图像
1229	2025-07-19	A non-anatomical graph structure for boundary detection in continuous sign language 2025-Jul-16, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-11598-3 PMID:40664813	研究论文	提出一种基于深度学习的非解剖图结构方法，用于连续手语视频中的边界检测	结合GCN和Transformer模型，提出非解剖图结构以更好地表示手部关节运动和关系	仅使用预处理后的孤立手语视频进行预训练，可能影响模型在未处理视频上的泛化能力	改进连续手语视频中孤立手语边界检测的性能	连续手语视频中的孤立手语	计算机视觉	NA	深度学习	GCN和Transformer	视频	在两个数据集上进行实验
1230	2025-07-19	Fully Automated Diagnosis of Acute Myocardial Infarction Using Electrocardiograms and Multimodal Deep Learning 2025-Jul-16, JACC. Advances DOI:10.1016/j.jacadv.2025.102011 PMID:40675022	研究论文	本研究开发并验证了一种利用心电图数据、人口统计学和症状的多模态深度学习模型，用于急性心肌梗死的自动诊断	采用残差卷积神经网络结合多模态数据（ECG、年龄、性别和症状）进行急性心肌梗死检测，并在大规模数据集上验证模型性能	需要随机试验来比较模型与急诊医生的性能，且对救护车到达的患者性能略低	开发并验证一种深度学习模型，用于急性心肌梗死的自动检测	因胸痛或呼吸困难接受院前或院内心电图检查的患者	机器学习	心血管疾病	深度学习	残差卷积神经网络（CNN）	心电图（ECG）、人口统计学数据、症状数据	104,507名个体（208,366份ECG数据）
1231	2025-07-19	Developing the CAM-BERT: Enhancing delirium screening in hospitalized older adults using natural language processing 2025-Jul-16, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110781 PMID:40675095	研究论文	开发并评估了一种基于深度学习的自然语言处理模型CAM-BERT，用于提高巴西葡萄牙语临床记录中谵妄症状的识别	提出了CAM-BERT框架，通过将模型分类的症状与CAM标准对齐来分类潜在谵妄病例	需要进一步研究以验证模型在不同医疗环境中的适用性	提高电子健康记录中谵妄症状的识别，促进谵妄的检测	住院老年患者的临床记录	自然语言处理	老年疾病	自然语言处理	BERTimbau, Random Forest	文本	500例住院记录
1232	2025-07-19	Placenta segmentation redefined: review of deep learning integration of magnetic resonance imaging and ultrasound imaging 2025-Jul-15, Visual computing for industry, biomedicine, and art DOI:10.1186/s42492-025-00197-8 PMID:40663247	综述	本文综述了2019年至2024年间深度学习在胎盘分割中的应用，特别是在MRI和超声成像中的进展	整合MRI和超声成像的互补信息以提高分割性能，并探讨了深度学习在产前诊断中的变革性影响	先进成像技术的高成本和有限可用性	提高胎盘分割的准确性以改善产前诊断	胎盘	数字病理学	NA	MRI和超声成像	深度学习	医学影像	NA
1233	2025-07-19	BaliMask3D dataset for 3D completion and reconstruction of traditional Balinese masks 2025-Jul-15, Scientific data IF:5.8Q1 DOI:10.1038/s41597-025-05505-8 PMID:40664699	研究论文	介绍了一个名为BaliMask3D的高质量3D面具数据集，用于支持3D完成和重建任务	提供了27类传统巴厘岛面具的高质量3D模型，填补了文化遗产保护领域的数据空白	数据集仅包含27类面具，可能无法覆盖所有传统巴厘岛面具类型	支持3D完成和重建任务，促进文化遗产保护	传统巴厘岛面具	计算机视觉	NA	360度摄影测量	VQ-VAE, SDFusion	3D模型	27类面具
1234	2025-07-19	Decision level scheme for fusing multiomics and histology slide images using deep neural network for tumor prognosis prediction 2025-Jul-15, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-09869-0 PMID:40664732	研究论文	提出了一种决策级别的多模态数据融合框架，用于整合多组学数据和病理组织切片图像以进行肿瘤预后预测	通过图卷积层计算病理组织切片图像的特征张量，并应用全局平均池化对齐和归一化多组学数据的特征张量，实现了无缝整合	仅测试了乳腺癌和非小细胞肺癌的数据，未在其他癌症类型上验证	开发一种多模态数据融合框架以提高肿瘤预后预测的准确性	乳腺癌和非小细胞肺癌患者的多组学数据和病理组织切片图像	数字病理	乳腺癌, 非小细胞肺癌	多组学数据整合, 图卷积	深度神经网络	图像, 转录组数据, 基因型数据, 表观遗传数据, 生存信息	来自Cancer Genome Atlas的乳腺癌和非小细胞肺癌数据
1235	2025-07-19	Deep adaptive learning predicts and diagnoses CSVD-related cognitive decline using radiomics from T2-FLAIR: a multi-centre study 2025-Jul-15, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-025-01813-w PMID:40664728	研究论文	本研究开发了一种基于Transformer的深度学习模型，利用T2-FLAIR图像的白质高信号放射组学特征来预测和诊断脑小血管病相关认知障碍	采用Transformer深度学习模型结合放射组学特征，首次实现了对脑小血管病相关认知障碍的自动化、非侵入性检测，并通过领域适应策略在多中心数据上验证了模型性能	研究样本量相对有限（783名受试者），且纵向随访数据较少（161名）	开发自动化工具用于早期识别脑小血管病相关认知障碍	脑小血管病相关认知障碍患者	数字病理学	脑小血管病	放射组学分析	Transformer	医学影像（T2-FLAIR）	783名受试者（其中161名有纵向随访数据）
1236	2025-07-19	Poincare guided geometric UNet for left atrial epicardial adipose tissue segmentation in Dixon MRI images 2025-Jul-15, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-10110-1 PMID:40664735	研究论文	该研究提出了一种名为PoinUNet的深度学习模型，用于从Dixon MRI图像中准确分割左心房心外膜脂肪组织（EAT）	将Poincaré嵌入层集成到3D UNet中，利用双曲空间学习捕获复杂的左心房和EAT关系，并采用新的损失函数解决类别不平衡和脂肪几何挑战	样本量相对较小（66名参与者），且仅在1.5T MRI扫描仪上进行验证	提高左心房心外膜脂肪组织的自动分割准确性，以支持心血管疾病和心房颤动的病理生理学研究	左心房心外膜脂肪组织（EAT）	数字病理学	心血管疾病	Dixon MRI	3D UNet（集成Poincaré嵌入层）	MRI图像	66名参与者（包括48名AF患者）
1237	2025-07-19	A hybrid framework of generative deep learning for antiviral peptide discovery 2025-Jul-15, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-11328-9 PMID:40664756	research paper	本研究提出了一种结合WGAN-GP和BiLSTM的混合模型，用于抗病毒肽（AVPs）的发现和开发	结合WGAN-GP和BiLSTM的混合模型，成功生成了815种新型AVPs，并开发了公开可用的预测平台	生成的AVPs在不同病毒端点中的丰度存在显著差异	开发一种有效的抗病毒肽发现工具	抗病毒肽（AVPs）	machine learning	viral infections	WGAN-GP, BiLSTM	GAN, LSTM	peptide sequences	815 novel AVPs
1238	2025-07-19	AI-powered prediction model for neoadjuvant chemotherapy efficacy: comprehensive analysis of breast cancer histological images 2025-Jul-15, NPJ precision oncology IF:6.8Q1 DOI:10.1038/s41698-025-01033-1 PMID:40664754	研究论文	开发了一种结合组织病理学、临床和免疫特征的AI驱动集成预测模型(IPM)，用于预测乳腺癌患者对新辅助化疗(NAT)的疗效	首次整合了肿瘤上皮(TE-score)、间质(TS-score)和全肿瘤(TR-score)深度学习生物标志物，并确定TR-score为最佳预测指标	免疫数据对模型性能的提升效果未达统计学显著水平(p=0.183)	开发能够准确预测乳腺癌患者对新辅助化疗反应的预测模型	乳腺癌患者	数字病理学	乳腺癌	深度学习	IPM(集成预测模型)	全切片图像、临床数据、免疫特征	来自4个中心的1035名患者
1239	2025-07-19	Efficacy of swarm-based neural networks in automated depression detection 2025-Jul-15, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-09414-z PMID:40664787	研究论文	本研究提出了一种结合群体智能算法优化的深度学习模型，用于自动化抑郁症检测	采用三种不同的群体智能算法（蜻蜓算法、萤火虫算法和蛾火优化算法）进行特征选择和降维，优化深度学习模型	研究仅使用了三个数据集进行验证，可能需要更多样化的数据来进一步验证模型的泛化能力	开发一种高效可靠的自动化抑郁症诊断方法	抑郁症患者	机器学习	抑郁症	深度学习与群体智能算法结合	自定义深度学习模型	文本数据	使用DAIC-WOZ、CMDC和MODMA三个基准数据集
1240	2025-07-19	Preoperative prediction value of 2.5D deep learning model based on contrast-enhanced CT for lymphovascular invasion of gastric cancer 2025-Jul-15, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-11427-7 PMID:40664824	研究论文	本研究基于静脉期增强CT图像，利用深度学习和放射组学方法开发并验证了预测胃癌术前淋巴血管侵犯的人工智能模型	通过聚焦肿瘤最大横截面并结合七个相邻的2D图像，生成稳定的2.5D数据，建立了多实例学习模型	研究为回顾性分析，样本量相对较小（351例患者）	预测胃癌术前淋巴血管侵犯	胃癌患者	数字病理	胃癌	增强CT成像	2.5D MIL模型、DL2D模型、DL3D模型	CT图像	351例胃癌患者（训练队列246例，测试队列105例）