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
1241	2025-09-20	Prediction of TP53 mutations across female reproductive system pan-cancers using deep multimodal PET/CT radiogenomics 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1608652 PMID:40959426	研究论文	利用深度多模态PET/CT放射基因组学预测女性生殖系统泛癌中TP53突变状态	首次整合肿瘤和棕色脂肪组织（BAT）的多模态影像特征，并采用Transformer模型进行跨癌种TP53突变预测	回顾性研究，样本量有限（259例），需外部验证	开发非侵入性AI模型预测妇科恶性肿瘤TP53突变状态	宫颈癌、子宫内膜癌和卵巢癌患者	数字病理	妇科肿瘤	PET/CT影像分析，放射组学特征提取	Transformer	医学影像（CT/PET）	259例患者
1242	2025-09-20	Image steganalysis using LSTM fused convolutional neural networks for secure telemedicine 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1619706 PMID:40959435	研究论文	提出一种结合CNN和LSTM的混合模型，用于医疗图像隐写分析以增强数据安全	使用LSTM层替代传统CNN的全连接层，优先提取高相关性特征，提升隐藏数据检测能力	NA	确保AI驱动医疗解决方案中医学图像的安全性与完整性	医学及敏感图像数据集	计算机视觉	NA	图像隐写分析	CNN fused LSTM	图像	BOSS Base 1.01、BOWS和ALASKA2数据集
1243	2025-09-20	Deep learning for cardiovascular management: optimizing pathways and cost control under diagnosis-related group models 2025, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2025.1580445 PMID:40959774	综述	探讨深度学习在心血管疾病管理中优化诊疗路径和DRG成本控制的应用与潜力	整合深度学习技术于DRG支付模型下，实现心血管疾病的成本效益优化和个性化干预	面临数据质量、监管合规、伦理问题及可扩展性有限等挑战	优化心血管疾病管理路径，控制医疗成本，适应DRG支付模式	心血管疾病患者及其诊疗过程	医疗人工智能	心血管疾病	深度学习	NA	医学图像、患者数据	基于回顾性研究和大型临床注册数据的真实世界证据
1244	2025-09-20	Effective Feature Extraction for Knee Osteoarthritis Detection on X-ray Images using Convolutional Neural Networks 2025, Current medical imaging IF:1.1Q3 DOI:10.2174/0115734056360714250612080450 PMID:40574391	研究论文	提出一种基于卷积神经网络的任务对齐路径聚合特征融合模型（TPAFFKnee），用于提升X光图像中膝骨关节炎检测的准确性	引入路径聚合网络优化特征提取，采用任务对齐检测头替代全卷积网络，并使用EIOU损失函数解决正负样本不平衡问题	未提及模型在外部验证集上的泛化能力，且未来需整合更多临床数据	提高膝骨关节炎的自动检测精度，辅助临床治疗和手术决策	膝骨关节炎患者的X光图像	计算机视觉	骨关节炎	深度学习，X光成像	CNN, EfficientNetB4, TPAFFKnee	图像	1650张膝骨关节炎X光图像（来自多家医院）
1245	2025-09-20	Fundus blood flow density changes in the smoking population by artificial intelligence-based optical coherence tomography angiography 2025, International journal of ophthalmology IF:1.9Q2 DOI:10.18240/ijo.2025.09.01 PMID:40881442	研究论文	利用基于人工智能的光学相干断层扫描血管成像技术研究吸烟人群眼底血流密度的变化	采用基于深度学习的去噪技术提升OCTA图像灵敏度，首次揭示吸烟与眼底血流密度下降的关联	样本量较小（36名吸烟者），仅针对男性群体，未分析视网膜厚度差异的统计学意义	探究慢性吸烟是否影响眼底血流密度	吸烟人群与非吸烟对照组的眼底血管	医学影像分析	眼科疾病	光学相干断层扫描血管成像（OCTA）结合AI去噪	深度学习	医学影像	36名男性吸烟者（平均年龄44.17±9.85岁）及年龄性别匹配的非吸烟对照组
1246	2025-09-20	A deep learning image analysis method for renal perfusion estimation in pseudo-continuous arterial spin labelling MRI 2023-12, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2023.09.007 PMID:37776961	研究论文	提出一种基于深度学习的图像分析方法，用于伪连续动脉自旋标记MRI中的肾脏灌注估计	利用机器/深度学习工具自动分割和分类肾皮质和髓质组织，实现灌注值的自动化估计	仅使用16名移植患者的数据进行实验，样本量较小	开发自动化的肾脏灌注估计方法，用于移植肾评估	肾移植患者的肾脏组织（皮质和髓质）	医学影像分析	肾脏疾病	伪连续动脉自旋标记(PCASL) MRI，非对比T加权MRI序列	深度学习	MRI图像	16名肾移植患者
1247	2025-09-20	Physics-informed deep learning for T2-deblurred superresolution turbo spin echo MRI 2023-12, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.29814 PMID:37578085	研究论文	提出一种融合物理信息的深度学习超分辨率方法，用于T2去模糊的涡轮自旋回波MRI图像重建	首次在深度学习超分辨率中引入不对称T2加权的物理真实分辨率退化模型，准确模拟TSE-MRI的k空间分辨率衰减	方法仅在基因工程小鼠胚胎模型TSE-MR图像上验证，尚未在人类临床数据中测试	通过深度学习超分辨率技术减少MRI扫描时间，同时保持图像质量	3D涡轮自旋回波（TSE）MRI图像	医学影像分析	NA	涡轮自旋回波MRI，生成对抗网络	GAN	医学图像	6-7个小鼠胚胎的500切片体积数据
1248	2025-09-20	Social Media Images Can Predict Suicide Risk Using Interpretable Large Language-Vision Models 2023-11-29, The Journal of clinical psychiatry IF:4.5Q1 DOI:10.4088/JCP.23m14962 PMID:38019588	研究论文	本研究开发了一种可解释的大型语言-视觉混合模型，利用社交媒体图像预测临床有效的自杀风险	首次证明公开可用图像可用于预测经过验证的自杀风险，结合理论驱动特征与自下而上方法，突破传统预测瓶颈	数据仅来源于2018年特定时间段的脸书用户，样本规模相对有限且未涵盖其他社交平台	通过可解释人工智能方法预测自杀风险，推动现实场景监测工具的开发	841名完成金标准自杀量表的Facebook用户及其上传的177,220张图像	自然语言处理与计算机视觉交叉	心理健康与自杀风险	CLIP (Contrastive Language-Image Pre-training) 特征提取与逻辑回归建模	混合模型（CLIP + Logistic Regression）	图像	841名用户提供的177,220张社交媒体图像
1249	2025-09-20	Application of artificial intelligence in the diagnosis of hepatocellular carcinoma 2023-Sep, eGastroenterology DOI:10.1136/egastro-2023-100002 PMID:39944000	综述	本文综述了人工智能在肝细胞癌放射学诊断中的最新应用进展	探讨了AI如何通过深度学习与神经网络模型提升HCC诊断的客观性与一致性，克服人工判读局限	需进一步研究和临床实践以充分发挥AI在HCC管理中的潜力	改善肝细胞癌的早期检测、治疗选择及患者预后	肝细胞癌（HCC）患者	医学影像分析	肝细胞癌	深度学习、神经网络	深度学习模型	影像数据	NA
1250	2025-09-20	Comparison of evaluation metrics of deep learning for imbalanced imaging data in osteoarthritis studies 2023-09, Osteoarthritis and cartilage IF:7.2Q1 DOI:10.1016/j.joca.2023.05.006 PMID:37209993	研究论文	比较深度学习在骨关节炎不平衡影像数据中不同评估指标的表现	针对不平衡数据场景系统比较ROC和PR等评估指标，并提出基于不平衡程度的实用评估建议	回顾性研究，数据来源于单一数据库，未涉及其他类型不平衡数据验证	评估深度学习模型在不平衡骨关节炎影像数据中的性能度量适用性	骨关节炎患者的膝关节MRI影像和骨髓病变标注	计算机视觉	骨关节炎	深度学习，MRI影像分析	深度学习模型	医学影像	2467名参与者的2996个膝关节MRI
1251	2025-09-20	Addressing Deep Learning Model Calibration Using Evidential Neural Networks And Uncertainty-Aware Training 2023-Apr-18, Proceedings. IEEE International Symposium on Biomedical Imaging DOI:10.1109/ISBI53787.2023.10230515 PMID:39253557	研究论文	本研究探讨了使用证据神经网络和不确定性感知训练来改善深度学习模型在医学影像分类中的校准性能	首次将证据神经网络和不确定性感知训练相结合，并在复杂医学影像任务中验证其对模型校准的改进效果	实验仅基于特定医学影像数据集，需要更多验证以证明方法的普适性	提高深度学习模型在医学影像分类中的校准性能，增强临床医生对模型的信任度	MNIST数字分类和相位对比心脏磁共振影像的伪影检测	计算机视觉	心血管疾病	深度学习，不确定性量化	证据神经网络（ENN）	图像	两个分类任务：MNIST数据集和心脏磁共振影像数据集（具体样本数量未明确说明）
1252	2025-09-20	A multimodal deep learning model for cardiac resynchronisation therapy response prediction 2022-07, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2022.102465 PMID:35487111	研究论文	提出一种新颖的多模态深度学习框架，用于基于2D超声心动图和心脏磁共振数据预测心脏再同步化治疗反应	首个用于CRT反应预测的多模态深度学习方法，结合两种影像模态的潜在空间，测试时仅需超声数据即可利用学习到的模态间隐含关系	NA	提高心脏再同步化治疗反应预测的准确性	心脏再同步化治疗患者	机器学习	心血管疾病	2D超声心动图，心脏磁共振成像	nnU-Net分割模型，多模态深度学习分类器	医学影像	50名配对拥有超声心动图/心脏磁共振数据的CRT患者
1253	2025-09-19	Analyzing mental disorders with a CNN-GRU deep learning model on motor activity 2025-Dec, Cognitive neurodynamics IF:3.1Q2 DOI:10.1007/s11571-025-10335-w PMID:40964443	研究论文	使用CNN-GRU深度学习模型分析运动活动数据以检测情绪障碍	首次将连续可穿戴运动活动数据与CNN-GRU架构结合用于情绪障碍分析，实现98.1%的准确率	仅基于单一Depresjon数据集验证，未涉及多中心或多样化人群验证	开发基于深度学习的情绪障碍检测方法	情绪障碍患者（通过手腕活动记录仪采集数据）	机器学习	情绪障碍	actigraphy（活动记录技术）	CNN-GRU	时间序列运动活动数据	Depresjon数据集（具体样本量未明确说明）
1254	2025-09-19	A Salient Object Detection Network Enhanced by Nonlinear Spiking Neural Systems and Transformer 2025-Nov, International journal of neural systems IF:6.6Q1 DOI:10.1142/S0129065725500455 PMID:40539244	研究论文	提出一种结合非线性脉冲神经P系统和Transformer的RGB-D显著目标检测网络TranSNP-Net，用于提升跨模态特征融合和抗噪能力	集成NSNP系统与Transformer，引入增强特征融合模块SNPFusion和注意力机制，并采用微调Swin作为骨干网络	NA	解决RGB-D显著目标检测中的跨模态特征融合不足、深度信息噪声导致的误差及模型泛化能力有限的问题	RGB和深度（RGB-D）图像	计算机视觉	NA	深度学习，显著目标检测（SOD）	Transformer，Swin，NSNP系统	图像（RGB和深度）	六个RGB-D基准数据集（具体样本数未提供）
1255	2025-09-19	Synthetic electroretinogram signal generation using a conditional generative adversarial network 2025-Oct, Documenta ophthalmologica. Advances in ophthalmology DOI:10.1007/s10633-025-10019-0 PMID:40240677	研究论文	使用条件生成对抗网络生成合成视网膜电图信号以改善自闭症谱系障碍的分类性能	首次将条件生成对抗网络应用于ERG信号生成，并通过两种深度学习模型验证合成数据对分类性能的提升	样本量相对较小（ASD n=18，对照组 n=31），且仅使用单一公开数据集进行验证	通过生成合成ERG信号解决罕见或异质人群数据稀缺问题，提升分类模型的性能	自闭症谱系障碍（ASD）患者和健康对照组的视网膜电图（ERG）信号	生物医学信号处理	自闭症谱系障碍	条件生成对抗网络（Conditional GAN），连续小波变换	Time Series Transformer, Visual Transformer	时间序列信号，图像（小波变换后）	1058条ERG记录（560条来自18名ASD患者，498条来自31名健康对照），包含9种不同闪光强度
1256	2025-09-19	Predicting fixations and gaze location from EEG 2025-Oct, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-025-03362-6 PMID:40338479	研究论文	使用深度学习模型从脑电图（EEG）预测注视点和估计凝视位置	提出基于Transformer和LSTM的架构，在短信号长度和有限通道条件下优于现有方法，且无需预训练	Transformer模型对短信号和少通道数更敏感	探索从EEG信号预测眼动注视点和凝视位置的可能性	脑电图信号与眼动数据的关联	机器学习	NA	深度学习，EEG信号处理	Transformer, LSTM	EEG信号	NA
1257	2025-09-19	Deep learning algorithms reveal genomic markers for anxiety disorder in a large cohort of children with down syndrome 2025-Oct, Molecular psychiatry IF:9.6Q1 DOI:10.1038/s41380-025-03065-2 PMID:40413309	研究论文	本研究利用深度学习算法分析大规模全基因组测序数据，探索唐氏综合征儿童焦虑障碍的基因组标记	首次结合WGS队列和深度学习AI模型全面探索唐氏综合征焦虑障碍，发现其分子机制与其他精神疾病不同	NA	识别唐氏综合征患者焦虑障碍的基因组变异并理解其分子机制	1479名唐氏综合征个体及家庭成员，其中255名被诊断至少一种精神障碍，74名确诊焦虑障碍	机器学习	唐氏综合征	全基因组测序(WGS)	神经网络	基因组数据	1479个样本（包括唐氏综合征患者和家庭成员）
1258	2025-09-19	Subclinical atrial fibrillation prediction based on deep learning and strain analysis using echocardiography 2025-Oct, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-025-03385-z PMID:40450156	研究论文	本研究提出了一种基于深度学习和超声心动图应变分析的亚临床心房颤动预测框架	首次将深度学习模型应用于心房高频事件（AHRE）预测，结合左心房分割和应变特征提取的创新方法	样本量相对有限（117例患者），需要更大规模的外部验证	开发自动化的AHRE检测工具以早期识别亚临床心房颤动	植入心脏电子设备的患者群体	医学影像分析	心血管疾病	超声心动图，应变分析	Transformer	医学影像（超声心动图）	117例患者（80%训练集，20%测试集）
1259	2025-09-19	Task Augmentation-Based Meta-Learning Segmentation Method for Retinopathy 2025-Oct, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3579271 PMID:40504712	研究论文	提出一种基于任务增强的元学习方法TAMS，用于视网膜图像分割，以解决标注数据稀缺问题	设计了视网膜病变模拟算法(LSA)和生成模拟网络(GSNet)，自动生成多类视网膜疾病像素级标注数据，增强元学习任务	未提及实际临床部署中的计算效率或模型泛化能力验证	开发能够快速适应有限标注数据的医学图像分割方法	视网膜病变图像，特别是OCT和CFP图像	计算机视觉	视网膜病变	深度学习，对抗训练，图像生成	元学习，GAN	医学图像	在三个不同的OCT和CFP图像数据集上评估
1260	2025-07-22	Neural Networks for Predicting and Classifying Antimicrobial Resistance Sequences in Porphyromonas gingivalis 2025-Oct, International dental journal IF:3.2Q1 DOI:10.1016/j.identj.2025.100890 PMID:40618714	研究论文	本研究开发了一种基于卷积神经网络（CNN）的深度学习方法，用于根据氨基酸序列对牙龈卟啉单胞菌的蛋白质进行分类，以预测和分类抗菌素耐药性（AMR）序列	使用CNN模型对牙龈卟啉单胞菌的蛋白质序列进行分类，优于传统方法如BLAST、HMM Profiles和DeepSig，并展示了与ProtBERT模型相当的高准确率	研究仅基于685个蛋白质序列，样本量相对较小，可能影响模型的泛化能力	开发一种深度学习方法，用于准确预测和分类牙龈卟啉单胞菌中的抗菌素耐药性序列	牙龈卟啉单胞菌的蛋白质序列	机器学习	牙周病	全基因组测序	CNN, ProtBERT	蛋白质序列	685个蛋白质序列（包括150个牙龈卟啉单胞菌蛋白质和535个非耐药变体）