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
1361	2025-05-28	Explainable deep learning for age and gender estimation in dental CBCT scans using attention mechanisms and multi task learning 2025-May-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-03305-z PMID:40413203	research paper	该研究开发了一个多任务深度学习框架，用于提高基于CBCT的年龄估计和性别分类的准确性和可解释性	结合了注意力机制（CBAM）和Grad-CAM可视化，提高了模型的可解释性，并通过使用全景切片而非完整3D CBCT体积降低了计算成本	研究对象的年龄范围有限（7至23岁），可能限制了模型在其他年龄段的应用	开发一个准确且可解释的深度学习模型，用于CBCT图像的年龄估计和性别分类	CBCT扫描图像	digital pathology	NA	CBCT	multi-task learning (MTL) model with CBAM and Grad-CAM	image	2,426 CBCT images from individuals aged 7 to 23 years
1362	2025-05-28	Enhanced wheat yield prediction through integrated climate and satellite data using advanced AI techniques 2025-May-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-02700-w PMID:40413272	研究论文	本研究通过整合气候和卫星数据，利用先进的AI技术提高小麦产量预测的准确性	采用多阶段方法分析小麦生长周期，结合卫星影像、季节性天气变量和土壤信息，测试多种机器学习和深度学习模型，显著提高了预测准确性	模型性能的R值范围较大（0.4至0.88），表明在某些情况下预测效果可能不稳定	提高小麦产量预测的准确性，以支持巴基斯坦的粮食安全和农业规划	小麦作物	机器学习	NA	Google Earth Engine平台，卫星影像分析	机器学习和深度学习模型	卫星影像、天气变量、土壤信息	2017年至2022年的数据
1363	2025-05-28	Commercial Products Using Generative Artificial Intelligence Include Ambient Scribes, Automated Documentation and Scheduling, Revenue Cycle Management, Patient Engagement and Education, and Prior Authorization Platforms 2025-May-24, Arthroscopy : the journal of arthroscopic & related surgery : official publication of the Arthroscopy Association of North America and the International Arthroscopy Association IF:4.4Q1 DOI:10.1016/j.arthro.2025.05.021 PMID:40419172	research paper	本文探讨了生成式人工智能在医疗保健领域的商业应用及其对临床实践的变革	介绍了生成式人工智能在医疗保健中的新兴商业产品，如环境记录、自动化文档和调度、收入周期管理等	当前限制包括缺乏监管监督、现有偏见、与电子健康记录系统的不一致互操作性，以及由于对LLM输出缺乏信心而导致的医生和利益相关者支持不足	探讨人工智能在医疗保健工作流程中的应用及其潜在影响	商业和企业平台中的人工智能应用	natural language processing	NA	deep learning, NLP	LLM	text	NA
1364	2025-05-28	Deep learning-guided design of dynamic proteins 2025-May-22, Science (New York, N.Y.) DOI:10.1126/science.adr7094 PMID:40403060	research paper	该论文提出了一种基于深度学习的蛋白质动态设计方法，能够精确控制蛋白质结构域内的构象变化	首次实现了通过从头设计精确控制蛋白质构象动态变化，模拟自然界中的开关机制	NA	开发一种能够设计具有可控构象变化的动态蛋白质的新方法	蛋白质的构象动态变化	机器学习	NA	深度学习	深度学习模型	蛋白质结构数据	验证了四种设计的蛋白质结构
1365	2025-05-28	Imputing single-cell protein abundance in multiplex tissue imaging 2025-May-22, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-59788-x PMID:40404617	研究论文	本文应用机器学习方法，利用乳腺癌队列的多重组织成像数据，对单细胞蛋白质丰度进行填补	首次将机器学习应用于填补单细胞蛋白质丰度的缺失数据，并整合空间信息以提高填补准确性	研究仅针对乳腺癌队列，未验证在其他类型组织或疾病中的适用性	提高多重组织成像中单细胞蛋白质丰度数据的完整性和准确性	乳腺癌组织中的单细胞蛋白质丰度数据	数字病理学	乳腺癌	多重组织成像	正则化线性回归、梯度提升树、深度学习自编码器	图像	乳腺癌队列（具体样本数量未提及）
1366	2025-05-28	Facial expression deep learning algorithms in the detection of neurological disorders: a systematic review and meta-analysis 2025-May-22, Biomedical engineering online IF:2.9Q3 DOI:10.1186/s12938-025-01396-3 PMID:40405223	系统综述与荟萃分析	评估深度学习算法在检测面部表情变化以诊断神经系统疾病中的性能	首次系统评估了深度学习算法（尤其是CNN）在多种神经系统疾病面部表情识别中的准确性和应用潜力	数据集缺乏标准化，对运动相关病症（如ALS和中风）的模型鲁棒性有待提高	评估深度学习算法通过面部表情变化诊断神经系统疾病的效能	神经系统疾病患者（如痴呆、贝尔氏麻痹、ALS和帕金森病）的面部表情数据	计算机视觉	神经系统疾病	深度学习	CNN	图像	28项研究（2019-2024年）的汇总数据
1367	2025-05-28	Data efficient molecular image representation learning using foundation models 2025-May-22, Chemical science IF:7.6Q1 DOI:10.1039/d5sc00907c PMID:40417293	研究论文	本文提出了一种名为MoleCLIP的分子图像表示学习框架，利用基础模型CLIP作为骨干网络，显著减少了分子预训练数据的需求，并在标准基准测试中达到了最先进模型的性能	首次将通用基础模型CLIP应用于化学任务，开发了MoleCLIP框架，该框架在分子表示学习中表现出色，尤其是在数据效率和分布偏移鲁棒性方面	未明确提及具体的数据集规模或模型在更广泛化学任务中的泛化能力	解决化学领域中深度学习因标记数据稀缺和分子特征提取困难而受限的问题	分子图像表示学习	机器学习	NA	分子表示学习(MRL)	CLIP	分子图像	NA
1368	2025-05-28	Cyclic peptide structure prediction and design using AlphaFold2 2025-May-21, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-59940-7 PMID:40399308	研究论文	本文介绍了一种名为AfCycDesign的深度学习方法，用于准确预测、重新设计及从头设计小环肽的结构	开发了AfCycDesign方法，能够高精度预测和设计小环肽结构，并通过X射线晶体结构验证了其原子级准确性	未明确提及训练数据集的具体规模限制	开发深度学习方法用于小环肽的结构预测和设计	小环肽	机器学习	NA	深度学习	AlphaFold2	蛋白质结构数据	超过10,000种结构多样化的设计，其中8种进行了X射线晶体结构验证
1369	2025-05-28	Deep learning approaches for classification tasks in medical X-ray, MRI, and ultrasound images: a scoping review 2025-May-07, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-01701-5 PMID:40335965	综述	本文探讨了深度学习在医学X射线、MRI和超声图像分类任务中的应用	总结了深度学习模型在医学图像分类中的使用情况、准确率以及相关硬件和软件配置	讨论了当前方法的局限性并提出了未来医学图像分类的研究方向	探索深度学习如何用于分类通过X射线、MRI或超声图像诊断的多种疾病	医学X射线、MRI和超声图像	计算机视觉	多种疾病	深度学习	多种深度学习模型	图像	NA
1370	2025-05-28	Minimally interactive segmentation of soft-tissue tumors on CT and MRI using deep learning 2025-May, European radiology IF:4.7Q1 DOI:10.1007/s00330-024-11167-8 PMID:39560714	研究论文	开发了一种基于深度学习的微交互分割方法，用于CT和MRI上的软组织肿瘤分割	提出了一种只需用户点击六个点即可生成距离图作为CNN输入的微交互分割方法，显著提高了分割速度和准确性	需要用户进行少量交互（点击六个点），不是完全自动化的方法	开发一种比手动分割更快、比其他自动方法更准确的软组织肿瘤分割方法	软组织肿瘤(STTs)	数字病理	软组织肿瘤	深度学习	CNN	医学影像(CT和MRI)	514名患者（内部验证数据集）和另一个公共数据集（外部验证）
1371	2025-05-28	Using interpretable deep learning radiomics model to diagnose and predict progression of early AD disease spectrum: a preliminary [18F]FDG PET study 2025-May, European radiology IF:4.7Q1 DOI:10.1007/s00330-024-11158-9 PMID:39477837	research paper	本研究提出了一种基于[18F]FDG PET图像的可解释深度学习放射组学（IDLR）模型，用于诊断阿尔茨海默病（AD）的临床谱并预测从轻度认知障碍（MCI）到AD的进展	提出的IDLR模型结合了放射组学和深度学习的特征，提高了传统深度学习模型的解释性并提升了分类准确性	研究为初步结果，需要进一步验证	诊断AD临床谱并预测MCI到AD的进展	1962名来自不同种族的受试者（包括ADNI的白种人队列和中国两家医院的亚洲队列）	digital pathology	geriatric disease	[18F]FDG PET	interpretable deep learning radiomics (IDLR) model	image	1962 subjects (Caucasian cohort from ADNI and Asian cohort from two hospitals in China)
1372	2025-05-28	Convolutional variational auto-encoder and vision transformer hybrid approach for enhanced early Alzheimer's detection 2025-May, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.12.3.034501 PMID:40415866	研究论文	提出了一种结合卷积变分自编码器(CVAE)和视觉变换器(ViT)的混合模型，用于增强早期阿尔茨海默病的检测	首次将CVAE与ViT结合用于阿尔茨海默病早期检测，通过CVAE的无监督特征提取显著提升了基于变换器模型的性能	仅使用了MRI数据进行验证，未考虑其他模态数据	开发一种更精确和快速的阿尔茨海默病早期自动诊断方法	阿尔茨海默病的早期诊断	数字病理学	老年疾病	深度学习	CVAE-ViT混合模型	MRI图像	14,000个结构MRI样本(来自ADNI和SCAN数据库)
1373	2025-05-28	Deep learning radiopathomics predicts targeted therapy sensitivity in EGFR-mutant lung adenocarcinoma 2025-Apr-29, Journal of translational medicine IF:6.1Q1 DOI:10.1186/s12967-025-06480-9 PMID:40301933	研究论文	本研究开发了一种深度学习放射病理临床(DLRPC)模型，用于预测EGFR突变肺腺癌患者对酪氨酸激酶抑制剂(TKIs)的治疗反应	整合了CT影像、H&E染色活检样本和临床数据，采用基于临床的注意力掩膜探索跨模态关联	回顾性研究设计可能引入选择偏倚，样本量相对有限(214例)	预测EGFR突变肺腺癌患者对TKIs的治疗敏感性	EGFR突变肺腺癌患者	数字病理	肺癌	深度学习	DLRPC(多模态融合模型)	CT影像、病理图像、临床数据	214例来自两个医疗中心的肺腺癌患者
1374	2025-05-28	Innovative Artificial Intelligence System in the Children's Hospital in Japan 2025-Apr-28, JMA journal IF:1.5Q2 DOI:10.31662/jmaj.2024-0312 PMID:40415999	研究论文	本文介绍了日本儿童医院中创新人工智能系统的应用及其在医疗领域的广泛潜力	利用深度学习技术和大量医疗数据集，推动突破性医疗治疗的进步，包括病理诊断加速、细菌种类区分、眼疾早期检测和遗传疾病预测	未提及具体的技术实施细节和系统性能的定量评估	推动人工智能在儿科医院中的应用，提升医疗诊断和治疗的效率和准确性	儿科患者，包括病理诊断、细菌种类、眼疾、遗传疾病、儿科癌症、自闭症等	医疗人工智能	儿科疾病	深度学习	NA	医疗图像数据、基因组数据、行为与沟通数据	未提及具体样本数量
1375	2025-05-28	A comprehensive validation study on the influencing factors of cough-based COVID-19 detection through multi-center data with abundant metadata 2025-Apr, Journal of biomedical informatics IF:4.0Q2 DOI:10.1016/j.jbi.2025.104798 PMID:39993588	研究论文	本研究通过多中心数据和丰富的元数据，全面验证了基于咳嗽的COVID-19检测模型的影响因素	首次利用自监督学习进行预训练，并通过不同来源的数据微调模型，同时验证了咳嗽类型、症状和感染阶段等因素对检测性能的影响，并观察了预测概率与临床指标的相关性	在康复个体和开源数据集上检测性能较差，且临床数据样本量较小	评估基于咳嗽的COVID-19检测模型在实际应用中的可行性	临床和众包的咳嗽音频数据	机器学习	COVID-19	自监督学习	深度学习模型	音频	多中心临床和众包数据
1376	2025-05-28	Enhancing convolutional neural networks in electroencephalogram driver drowsiness detection using human inspired optimizers 2025-Mar-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-93765-0 PMID:40155444	research paper	该研究探讨了使用人类启发式优化算法（TLBO和SPBO）优化卷积神经网络（CNN）在基于脑电图（EEG）的驾驶员 drowsiness 检测中的应用	引入了两种人类启发式优化算法（TLBO和SPBO）来优化CNN架构，提高了EEG信号中 drowsiness 检测的性能	存在轻微的过拟合问题	提高基于EEG的驾驶员 drowsiness 检测系统的性能	驾驶员 drowsiness 检测	machine learning	NA	EEG	CNN	EEG信号	NA
1377	2025-05-28	Multimodal medical image fusion combining saliency perception and generative adversarial network 2025-Mar-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-95147-y PMID:40148552	研究论文	本文提出了一种结合显著性感知和生成对抗网络的多模态医学图像融合方法，以提高诊断准确性	提出了一种新颖的深度学习架构Temporal Decomposition Network (TDN)，通过特征级时间分析和对抗学习机制优化多模态医学图像融合	NA	优化多模态医学图像融合，提高诊断准确性	多模态医学图像	数字病理	NA	生成对抗网络(GAN)	TDN (Temporal Decomposition Network)	图像	多样化的医学图像数据集，包含多种模态和图像维度
1378	2025-05-28	Deep learning-based evaluation of panoramic radiographs for osteoporosis screening: a systematic review and meta-analysis 2025-Mar-12, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-01626-z PMID:40075328	meta-analysis	本文通过系统综述和荟萃分析评估了深度学习模型在利用全景X光片预测骨质疏松症方面的准确性	首次对深度学习模型在全景X光片骨质疏松筛查中的准确性进行系统评价和荟萃分析	需要更多多中心研究来验证模型在高风险群体中的有效性	评估深度学习模型在全景X光片骨质疏松筛查中的诊断准确性	骨质疏松症患者	digital pathology	geriatric disease	deep learning	AlexNet, ResNet	image	7项研究（具体样本量未明确说明）
1379	2025-05-28	Deep Learning-Emerged Grid Cells-Based Bio-Inspired Navigation in Robotics 2025-Mar-04, Sensors (Basel, Switzerland) DOI:10.3390/s25051576 PMID:40096448	研究论文	本文探讨了基于大脑网格细胞的生物启发式导航在机器人中的应用，特别是利用深度学习模型处理不确定性和动态环境	展示了网格细胞网络能够从机器人轨迹中有效学习空间表示，为开发先进的移动机器人导航算法奠定了基础	讨论了当前面临的挑战和未来研究方向，暗示存在未解决的问题和限制	研究目的是探索基于网格细胞的导航系统在机器人中的应用，特别是在不确定和动态环境中的表现	研究对象是移动无人地面车辆（UGV）机器人的轨迹数据	机器人学	NA	深度学习	网格细胞网络	轨迹数据	NA
1380	2025-05-28	Comparing the Effectiveness of Artificial Intelligence Models in Predicting Ovarian Cancer Survival: A Systematic Review 2025-Mar, Cancer reports (Hoboken, N.J.) DOI:10.1002/cnr2.70138 PMID:40103563	系统性综述	本文系统性综述了机器学习算法在预测卵巢癌患者生存结果中的应用	比较了多种AI模型在预测卵巢癌生存结果中的有效性，并识别了影响预测准确性的重要特征	模型准确性和可解释性仍存在挑战	评估机器学习算法在预测卵巢癌患者生存结果中的有效性	卵巢癌患者	机器学习	卵巢癌	机器学习算法	随机森林、支持向量机、逻辑回归、XGBoost及多种深度学习模型	临床数据、影像数据和分子数据	32项符合纳入标准的研究