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
1341	2025-05-13	A multi-stage fusion deep learning framework merging local patterns with attention-driven contextual dependencies for cancer detection 2025-May, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109916 PMID:40054172	research paper	提出了一种多阶段融合深度学习框架，结合局部模式和注意力驱动的上下文依赖，用于癌症检测	提出了PADBSRNet模型和PADBSRNet-ViT混合方法，整合了多种注意力机制和特征融合策略，有效提取局部-全局上下文特征	未提及具体局限性	提高癌症诊断的速度和准确性	脑肿瘤、皮肤癌和肺癌	digital pathology	brain tumor, skin cancer, lung cancer	deep learning	PADBSRNet, ViT	image	Figshare Brain Tumor Dataset, IQ-OTH/NCCD Dataset, Skin Cancer: Malignant vs. Benign Dataset
1342	2025-05-13	Artificial intelligence applied to epilepsy imaging: Current status and future perspectives 2025-May, Revue neurologique IF:2.8Q2 DOI:10.1016/j.neurol.2025.03.006 PMID:40175210	review	本文综述了人工智能在癫痫影像学中的应用现状及未来展望	探讨了深度学习和机器学习在癫痫影像学中的多种应用，包括病灶检测、癫痫灶的侧向化和定位、术后结果预测以及癫痫患者与健康个体的自动区分	需要严格的数据监管措施以确保患者数据安全，且依赖大规模数据集	提升癫痫的诊断和治疗水平	癫痫影像学数据	数字病理	癫痫	深度学习（DL）和机器学习（ML）	NA	神经影像数据	NA
1343	2025-05-13	Unlocking new frontiers in epilepsy through AI: From seizure prediction to personalized medicine 2025-May, Epilepsy & behavior : E&B IF:2.3Q2 DOI:10.1016/j.yebeh.2025.110327 PMID:40043598	review	本文探讨了人工智能在癫痫护理中的革命性作用，包括癫痫发作预测、诊断精确性提升以及个性化治疗	利用机器学习和深度学习技术改进癫痫监测、自动化EEG分析，并促进个性化治疗策略	模型准确性、可解释性以及在不同患者群体中的适用性仍存在挑战	研究人工智能在癫痫护理中的应用及其潜在影响	癫痫患者及其治疗管理	machine learning	epilepsy	machine learning, deep learning	NA	EEG数据	NA
1344	2025-05-13	Artificial intelligence for the detection of interictal epileptiform discharges in EEG signals 2025-May, Revue neurologique IF:2.8Q2 DOI:10.1016/j.neurol.2025.04.001 PMID:40221359	review	本文回顾了利用人工智能技术检测脑电图信号中的间歇性癫痫样放电（IEDs）的各种方法，评估了它们的性能和局限性	探讨了从传统机器学习到深度学习技术在IED检测中的应用，并强调了AI工具在临床工作流程中的整合	需要公开代码、标准化数据集和指标，以优化临床实施	提高间歇性癫痫样放电（IEDs）检测的准确性和效率	脑电图（EEG）信号中的间歇性癫痫样放电（IEDs）	自然语言处理	癫痫	深度学习，传统机器学习	NA	EEG信号	NA
1345	2025-05-13	Optimizing Deep Learning Models for Luminal and Nonluminal Breast Cancer Classification Using Multidimensional ROI in DCE-MRI-A Multicenter Study 2025-May, Cancer medicine IF:2.9Q2 DOI:10.1002/cam4.70931 PMID:40347080	研究论文	本研究旨在通过多维深度迁移学习模型优化DCE-MRI中乳腺管腔型和非管腔型癌症的分类	首次探索了ROI维度（2D/2.5D/3D）、瘤周扩展水平（0-8 mm）和分割场景（仅ROI与原始ROI）的协同效应	研究样本来自特定医院，可能影响结果的普遍性	优化多维深度学习模型以区分乳腺管腔型和非管腔型癌症	426名原发性浸润性乳腺癌患者	数字病理学	乳腺癌	DCE-MRI	深度迁移学习模型	图像	426名患者（训练队列108名，验证队列1 165名，验证队列2 153名）
1346	2025-05-13	Automated Deep Learning Pipeline for Characterizing Left Ventricular Diastolic Function 2025-Apr-30, medRxiv : the preprint server for health sciences DOI:10.1101/2025.04.29.25326683 PMID:40343044	research paper	开发了一个自动化深度学习流程，用于评估左心室舒张功能	使用8个AI模型构建的工作流自动化评估LVDD，显著提高了与ASE指南的一致性	模型性能在不同医疗中心之间存在差异，且未说明具体使用了哪些AI模型类型	改进左心室舒张功能障碍（LVDD）的临床评估方法	来自两个学术医疗中心的超声心动图研究数据	digital pathology	cardiovascular disease	echocardiography	AI models (具体类型未说明)	medical imaging data	训练集：155,000例研究；验证集：Cedars-Sinai医学中心955例，斯坦福医疗中心1,572例
1347	2025-05-13	MRI super-resolution reconstruction using efficient diffusion probabilistic model with residual shifting 2025-Apr-26, ArXiv PMID:40093364	研究论文	本研究提出了一种名为Res-SRDiff的新型扩散概率模型，通过残差偏移机制显著减少采样步骤，同时保持关键解剖细节，从而加速MRI超分辨率重建	引入了残差偏移机制到前向扩散过程中，显著减少了采样步骤（仅需4步），同时保持图像质量，计算时间大幅缩短至每片不到1秒	NA	提高MRI超分辨率重建的效率和准确性	超高场脑T1 MP2RAGE图和T2加权前列腺图像	医学影像处理	脑部疾病和前列腺疾病	扩散概率模型	Res-SRDiff（基于扩散的SR框架）	MRI图像	NA
1348	2025-05-13	Evaluating the feasibility of 12-lead electrocardiogram reconstruction from limited leads using deep learning 2025-Apr-25, Communications medicine IF:5.4Q1 DOI:10.1038/s43856-025-00814-w PMID:40281134	研究论文	本研究开发了一种神经网络，用于从单导联和双导联心电图重建12导联心电图，并评估了数学准确性	使用生成对抗网络从有限导联重建12导联心电图，探索了AI在心电图重建中的应用	重建的心电图存在回归均值效应，不适合临床使用	评估从有限导联心电图重建12导联心电图的可行性	9514名来自PTB-XL队列的个体	机器学习	心血管疾病	心电图分析	GAN	心电图信号	9514名个体
1349	2025-05-13	NMR Pure Shift Spectroscopy and Its Potential Applications in the Pharmaceutical Industry 2025-Apr-22, Chembiochem : a European journal of chemical biology IF:2.6Q3 DOI:10.1002/cbic.202401012 PMID:40263759	综述	本文综述了纯位移NMR技术及其在制药工业中的潜在应用	介绍了通过深度学习辅助获取最优纯位移谱的方法，并探讨了纯位移技术在制药工业中的潜在应用方向	未提及具体的技术实施难点或实验验证的局限性	促进纯位移NMR技术在制药工业中的发展和实际应用	纯位移NMR技术及其应用	核磁共振波谱学	NA	纯位移NMR技术、深度学习	NA	波谱数据	NA
1350	2025-05-13	Automated cervix biometry, volumetry and normative models for 3D motion-corrected T2-weighted 0.55-3T fetal MRI during 2nd and 3rd trimesters 2025-Apr-17, medRxiv : the preprint server for health sciences DOI:10.1101/2025.04.16.25325947 PMID:40321262	research paper	该研究开发了一种用于孕妇宫颈3D T2加权图像自动多层分割和生物测量的深度学习流程	首次提出了用于孕妇宫颈MRI自动测量的深度学习流程，并生成了公开可用的3D群体平均图谱	研究仅评估了20个数据集，样本量相对较小	开发自动化方法来改进孕妇宫颈MRI测量	孕妇宫颈	digital pathology	NA	3D T2加权MRI	deep learning	3D MRI图像	20个评估数据集和270个正常妊娠案例
1351	2025-05-13	PanEcho: Complete AI-enabled echocardiography interpretation with multi-task deep learning 2025-Apr-16, medRxiv : the preprint server for health sciences DOI:10.1101/2024.11.16.24317431 PMID:40321248	research paper	开发并评估了一个名为PanEcho的AI系统，用于自动化超声心动图的解释，通过多任务深度学习完成39个超声心动图标签和测量的全面分析	提出了首个能够全面自动化解释超声心动图的AI系统PanEcho，支持多任务深度学习，并在不同地理和时间范围内保持高准确性	研究依赖于回顾性数据，可能无法完全反映前瞻性临床环境中的表现	开发并验证一个AI系统，用于自动化超声心动图的解释，提高心血管疾病的诊断效率和准确性	超声心动图视频和相关的诊断分类及参数估计任务	digital pathology	cardiovascular disease	multi-task deep learning	深度学习模型（具体类型未明确说明）	video	1.2 million echocardiographic videos from 32,265 TTE studies of 24,405 patients
1352	2025-05-13	Boosting Reservoir Computing with Brain-inspired Adaptive Dynamics 2025-Apr-16, ArXiv PMID:40321946	research paper	本文提出了一种通过大脑启发的自适应动力学增强储层计算的方法，提高了储层计算机在记忆容量和时间序列预测等任务中的性能	引入了自适应的兴奋-抑制平衡机制，减少了超参数调优的需求，并在任务性能上实现了高达130%的提升	未提及具体的技术实现细节或在不同类型任务上的泛化能力验证	探索如何通过大脑启发的计算原理提升储层计算机的性能和鲁棒性	储层计算机（RCs）及其在记忆容量和时间序列预测任务中的应用	machine learning	NA	储层计算（Reservoir Computing）	Reservoir Computer (RC)	time series data	NA
1353	2025-05-13	Computational characterization of lymphocyte topology on whole slide images of glomerular diseases 2025-Apr-14, medRxiv : the preprint server for health sciences DOI:10.1101/2025.04.12.25325548 PMID:40321276	研究论文	本研究通过计算量化淋巴细胞炎症的拓扑结构，并测试其临床相关性，旨在改进肾小球疾病中炎症细胞分布的评估方法	开发了一种基于图的生境聚类算法，用于识别密集与稀疏的淋巴细胞生境，并提取了26种高通量定量病理组学特征	研究样本量相对有限（N=333），且仅针对FSGS和MCD两种疾病	通过计算病理学方法改进肾小球疾病中淋巴细胞炎症的评估和预后预测	肾小球疾病患者的淋巴细胞分布模式	数字病理学	肾小球疾病（FSGS和MCD）	深度学习、图建模、LASSO-正则化Cox比例风险模型	深度学习模型、图模型	全切片图像（WSI）	333名NEPTUNE/CureGN参与者（155名FSGS和178名MCD患者）
1354	2025-05-13	Multitask Deep Learning Models of Combined Industrial Absorption, Distribution, Metabolism, and Excretion Datasets to Improve Generalization 2025-Apr-07, Molecular pharmaceutics IF:4.5Q1 DOI:10.1021/acs.molpharmaceut.4c01086 PMID:40053846	研究论文	本文通过结合Genentech和Roche的ADME数据集，评估了扩大化学空间对机器学习模型性能的影响，并利用多任务神经网络架构同时建模多个终点	首次对大规模历史ADME数据集进行跨站点数据结合的实验，并展示了多任务模型在提高泛化能力方面的优势	实验方法存在差异时，无法直接聚合数据	优化药物发现过程中化合物的吸收、分布、代谢和排泄(ADME)特性	来自Genentech和Roche的ADME数据集	机器学习	NA	多任务(MT)神经网络	神经网络	实验测量数据	超过100万次个体测量，分布在11个检测终点
1355	2025-05-13	Performance of artificial intelligence-based diagnosis and classification of peri-implantitis compared with periodontal surgeon assessment: a pilot study of panoramic radiograph analysis 2025-Apr-02, Journal of periodontal & implant science DOI:10.5051/jpis.2500280014 PMID:40350773	研究论文	本研究评估了深度学习模型在全景X光片上诊断和分类种植体周围炎相关骨缺损的性能	使用深度学习模型（YOLOv8）进行种植体周围炎骨缺损的诊断和分类，并与牙周外科医生的诊断准确性进行比较	数据集规模有限，未来研究需要扩展数据集并整合多模态影像	评估深度学习模型在种植体周围炎诊断和分类中的性能	种植体周围炎相关的骨缺损	数字病理	种植体周围炎	深度学习	YOLOv8	全景X光片	1,075张全景X光片（来自426名患者，共2,250个种植位点）
1356	2025-05-13	De novo design of transmembrane fluorescence-activating proteins 2025-Apr, Nature IF:50.5Q1 DOI:10.1038/s41586-025-08598-8 PMID:39972138	研究论文	本文介绍了通过深度学习和基于能量的方法设计能够紧密结合小分子的跨膜蛋白质	首次实现了跨膜蛋白质的从头设计，能够特异性结合小分子并激活荧光，具有高亮度和量子产率	NA	设计能够特异性结合小分子的跨膜蛋白质	跨膜蛋白质和小分子配体	蛋白质设计	NA	深度学习、基于能量的方法、梯度引导幻觉	NA	蛋白质结构数据	活细菌和真核细胞的膜组分
1357	2025-05-13	Improving explanations for medical X-ray diagnosis combining variational autoencoders and adversarial machine learning 2025-Apr, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109857 PMID:39999495	研究论文	提出了一种结合变分自编码器和对抗性机器学习的新型深度学习架构，用于医学X射线诊断的可解释人工智能	利用变分自编码器特性在低维嵌入空间中生成图像的线性修改，并将其重建为原始图像空间中的非线性解释，通过全局和局部正则化潜在空间存储视觉和语义信息	未提及具体样本量或临床验证结果	提升医学影像诊断中人工智能系统的可解释性	医学X射线影像	计算机视觉	NA	变分自编码器(VAE)、对抗性机器学习、多目标遗传算法	VAE	医学影像	NA
1358	2025-05-13	A dual-stage framework for segmentation of the brain anatomical regions with high accuracy 2025-Apr, Magma (New York, N.Y.) DOI:10.1007/s10334-025-01233-7 PMID:40042762	研究论文	本研究提出了一种基于深度学习的两阶段框架，用于精确分割大脑MR区域，旨在识别大脑内不同解剖结构的位置和形状细节	采用两阶段3D分割技术，第二阶段使用SegResNet细化特定区域的细分，显著提高了分割精度	未提及具体的数据集规模或多样性限制	开发一种高精度的大脑MR区域分割方法	成人受试者的大脑MR图像，包括认知正常者和认知衰退者	数字病理学	认知衰退	3D分割技术	3D U-Net和SegResNet	MR图像	未明确提及具体样本数量
1359	2025-05-13	Analysis of AI foundation model features decodes the histopathologic landscape of HPV-positive head and neck squamous cell carcinomas 2025-Apr, Oral oncology IF:4.0Q2 DOI:10.1016/j.oraloncology.2025.107207 PMID:40043423	research paper	利用AI基础模型分析HPV阳性头颈部鳞状细胞癌的组织病理学特征	使用UNI基础模型和HistoXGAN生成对抗网络，首次系统性地识别并描述了HPV阳性HNSCC的组织学特征及其变异性模式	研究依赖于合成图像的分析，可能无法完全反映真实组织样本的所有复杂性	揭示HPV阳性头颈部鳞状细胞癌的组织病理学特征，并开发基于组织学的HPV状态预测方法	981例头颈部鳞状细胞癌患者的H&E染色切片	digital pathology	head and neck squamous cell carcinomas	self-supervised learning (SSL), generative adversarial network (GAN)	UNI, HistoXGAN	image	981例HNSCC患者
1360	2025-05-13	Explainable deep learning models for predicting water pipe failures 2025-Apr, Journal of environmental management IF:8.0Q1 DOI:10.1016/j.jenvman.2025.124738 PMID:40054363	研究论文	本研究提出了一种利用深度学习算法预测水管故障的新方法，并通过优化模型超参数和数据缩放提升预测性能	首次将Deep Neural Networks (DNN)、Convolutional Neural Networks (CNN)和TabNet应用于水管故障预测，并结合贝叶斯优化(BO)和数据缩放技术优化模型性能	研究仅基于香港地区的水管网络数据，可能在其他地区的适用性有待验证	开发可解释的深度学习模型来预测水管网络中泄漏和爆裂的概率	水管网络中的管道	机器学习	NA	贝叶斯优化(BO)、Copeland算法、SHapley Additive exPlanations (SHAP)	DNN、CNN、TabNet	结构化数据	香港水管网络数据