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
121	2025-04-26	Informing Deep Learning of Sensing Data with Physics and Chemistry 2025-04-25, ACS sensors IF:8.2Q1 DOI:10.1021/acssensors.5c01075 PMID:40275811	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
122	2025-05-20	Intelligent Diagnosis of Pancreatic Biopsy From Endoscopic Ultrasound-Guided Fine-Needle Aspiration Via Stimulated Raman Histopathology 2025-Apr-25, Laboratory investigation; a journal of technical methods and pathology DOI:10.1016/j.labinv.2025.104182 PMID:40288652	研究论文	开发了一种基于深度学习的刺激拉曼散射显微镜技术，用于胰腺内镜超声引导细针穿刺活检的快速、无标记术中组织学诊断	利用深度学习结合刺激拉曼散射显微镜技术，提供了一种比传统快速现场评估更高效、更客观的胰腺活检诊断方法	研究样本量相对较小（76例训练集，33例测试集），需要更大规模的临床验证	开发一种替代传统快速现场评估的胰腺活检诊断方法	胰腺内镜超声引导细针穿刺活检样本	数字病理	胰腺肿瘤	刺激拉曼散射显微镜	CNN	图像	76例患者用于训练，33例用于外部测试
123	2025-05-20	Potential of Artificial Intelligence for Bone Age Assessment in Iranian Children and Adolescents: An Exploratory Study 2025-Apr-01, Archives of Iranian medicine IF:1.0Q3 DOI:10.34172/aim.32070 PMID:40382691	研究论文	探讨人工智能系统在伊朗儿童和青少年骨龄评估中的准确性	开发了一个针对特定人群的深度学习模型，用于骨龄评估，相比传统方法更高效和一致	95% LoA范围较宽，特别是在男孩中，以及在年龄范围两端的预测误差较大，需要进一步改进和验证	评估人工智能系统在骨龄评估中的准确性	1-18岁的伊朗儿童和青少年	数字病理	肌肉骨骼疾病	深度学习	深度学习模型	图像	555张左手X光片（220名男孩和335名女孩）
124	2025-05-20	Artificial Intelligence as a Screening Tool for MRI Evaluation of Normal and Abnormal Medial Meniscus 2025-Apr, Cureus DOI:10.7759/cureus.82523 PMID:40385820	研究论文	本研究评估了基于深度学习的Mask R-CNN模型在MRI扫描中对内侧半月板进行分割和分类的性能	与之前使用边界框分割膝关节结构的研究不同，本模型采用精确的多边形注释，确保仅限于半月板的像素级分割，从而实现准确的异常检测	未来工作将集中于多中心数据集验证和扩展模型以对半月板异常进行子分类，以增强临床适用性	评估AI辅助工具在MRI扫描中分割和分类半月板的性能	内侧半月板	计算机视觉	NA	MRI	Mask R-CNN	image	3600幅矢状质子密度加权脂肪抑制(PD-FS)MRI图像
125	2025-05-20	The Role of Artificial Intelligence in the Prediction of Bariatric Surgery Complications: A Systematic Review 2025-Apr, Cureus DOI:10.7759/cureus.82461 PMID:40385919	系统性综述	本文系统性综述了人工智能在预测减重手术后并发症中的作用	探讨了AI在预测减重手术并发症中的潜在变革能力，尤其是集成方法和神经网络相较于传统逻辑回归的表现	研究存在过拟合、数据不平衡和泛化能力有限等挑战，尤其是深度学习模型，且大多数研究集中在瑞典和美国，可能引入地域偏见	评估人工智能在提高减重手术并发症预测准确性方面的潜力	减重手术后的并发症预测	医疗人工智能	肥胖症	AI算法，包括集成方法和神经网络	神经网络, 逻辑回归	临床数据	七项回顾性队列研究
126	2025-05-20	PhysCL: Knowledge-Aware Contrastive Learning of Physiological Signal Models for Cuff-Less Blood Pressure Estimation 2025-Mar-25, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3554495 PMID:40131744	研究论文	提出了一种名为PhysCL的知识感知对比学习方法，用于减少对标记PPG数据的依赖并提高无袖带血压估计的准确性	引入了知识感知增强库解决对比学习中的语义一致性问题，并提出对比特征重建方法增强特征多样性并防止模型崩溃	需要进一步验证在不同人群和设备上的泛化能力	改进基于PPG的无袖带血压估计方法	光电容积图(PPG)信号	机器学习	心血管疾病	对比学习	深度学习模型	生理信号数据	来自MIMIC III、MIMIC IV和UQVS数据集的106名受试者数据
127	2025-05-20	Imaging Intravoxel Vessel Size Distribution in the Brain Using Susceptibility Contrast Enhanced MRI 2025-Mar-25, ArXiv PMID:40196141	研究论文	本文提出了一种新的基于磁化率对比的MRI方法，用于无创成像脑内体素内血管大小分布（VSD），以更全面和定量地评估血管重塑	开发了一种新的MRI方法，结合深度学习和高分辨率光片荧光显微镜图像，首次实现了对体素内血管大小分布的非侵入性成像	需要进一步的验证以确认该方法在临床前和临床应用中的有效性	开发一种非侵入性成像技术，用于评估血管重塑	啮齿动物脑部血管系统	医学影像	癌症、神经退行性疾病、纤维化、高血压、糖尿病	磁化率对比增强MRI、光片荧光显微镜、深度学习	深度学习模型	MRI信号、显微镜图像	NA
128	2025-05-20	The role of artificial intelligence and deep learning in determining the histopathological grade of pancreatic neuroendocrine tumors by using EUS images 2025 Mar-Apr, Endoscopic ultrasound IF:4.4Q1 DOI:10.1097/eus.0000000000000113 PMID:40385971	research paper	该研究利用人工智能和深度学习技术，通过EUS图像预测胰腺神经内分泌肿瘤的组织病理学分级	首次将AI和深度学习算法应用于EUS图像，以预测胰腺神经内分泌肿瘤的分级	样本量较小（44名患者），且为试点研究，需要更大规模的研究验证	评估AI和深度学习在预测胰腺神经内分泌肿瘤分级中的应用	胰腺神经内分泌肿瘤（pNETs）患者	digital pathology	pancreatic neuroendocrine tumors	EUS fine-needle aspiration or biopsy (FNA/B)	CNN	image	44名患者的803张EUS图像
129	2025-05-20	Advancing bioinformatics with large language models: components, applications and perspectives 2025-Jan-31, ArXiv PMID:38259343	综述	本文全面概述了大型语言模型（LLMs）在生物信息学中的基本组成部分及其应用	探讨了LLMs在解决生物信息学问题方面的潜力，并提供了优化使用和促进创新的实用指南	NA	概述LLMs在生物信息学中的应用及其潜在价值	大型语言模型（LLMs）及其在生物信息学中的应用	生物信息学	NA	自监督或半监督学习	Transformer	多模态数据（基因组学、转录组学、蛋白质组学等）	NA
130	2025-05-20	Blood cancer prediction model based on deep learning technique 2025-01-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-84475-0 PMID:39805996	研究论文	本文利用深度学习技术改进血癌诊断，评估了多种模型并发现ResNetRS50在准确性和速度上表现最佳	采用ResNetRS50模型在血癌早期诊断中实现更高的准确性和更低的错误率	未提及模型在其他类型癌症或更大规模数据集上的泛化能力	通过早期诊断降低血癌死亡率	血癌患者	机器学习	血癌	深度学习	ResNetRS50, RegNetX016, AlexNet, Convnext, EfficientNet, Inception_V3, Xception, VGG19	NA	NA
131	2025-05-20	Importance of Computer-aided Drug Design in Modern Pharmaceutical Research 2025, Current drug discovery technologies DOI:10.2174/0115701638361318241230073123 PMID:39810447	review	本文探讨了计算机辅助药物设计（CADD）在现代药物研究中的重要性及其基本原理	强调了CADD在加速药物发现过程、提高准确性、减少时间和财务资源方面的创新应用	NA	研究CADD在药物发现和开发过程中的价值和重要性	生物活性化合物及其与特定生物大分子（如DNA、RNA、蛋白质和酶）的亲和力	药物设计	NA	分子对接、片段基药物发现、从头药物设计、药效团建模、定量构效关系、3D-QSAR、同源建模、计算机模拟ADME-Tox、机器学习/深度学习	NA	NA	NA
132	2025-05-20	Advancements in AI-driven drug sensitivity testing research 2025, Frontiers in cellular and infection microbiology IF:4.6Q1 DOI:10.3389/fcimb.2025.1560569 PMID:40384974	review	本文综述了人工智能和机器学习在病原体抗生素敏感性测试（AST）和耐药性检测方法研究中的进展及其潜在应用	强调了AI和ML技术如何从影像和实验室数据中提取深度信息，快速预测病原体抗生素耐药性，为抗生素合理选择提供可靠依据	未具体说明现有AI/ML模型在实际临床应用中的准确性和可靠性数据	探讨AI技术助力快速准确获取AST结果，实现精准治疗并解决全球抗生素耐药性危机	病原体的抗生素敏感性测试和耐药性检测方法	machine learning	NA	Machine Learning(ML), Deep Learning(DL)	NA	影像和实验室数据	NA
133	2025-05-20	Advancements in deep learning for early diagnosis of Alzheimer's disease using multimodal neuroimaging: challenges and future directions 2025, Frontiers in neuroinformatics IF:2.5Q3 DOI:10.3389/fninf.2025.1557177 PMID:40385089	review	本文综述了深度学习在多模态神经影像学中用于阿尔茨海默病早期诊断的最新进展、挑战及未来方向	整合多模态神经影像数据并应用多种深度学习架构（如CNN、RNN和基于Transformer的模型）以提高诊断准确性并预测疾病进展	数据异质性、样本量小、跨人群泛化能力有限以及模型可解释性和伦理问题	探讨深度学习在阿尔茨海默病早期诊断中的应用及其潜力	阿尔茨海默病患者的多模态神经影像数据	digital pathology	geriatric disease	multimodal neuroimaging	CNN, RNN, transformer-based models	image	NA
134	2025-05-20	Automatic diagnosis of extraocular muscle palsy based on machine learning and diplopia images 2025, International journal of ophthalmology IF:1.9Q2 DOI:10.18240/ijo.2025.05.01 PMID:40385124	research paper	开发基于机器学习和复视图像的自动诊断模型用于眼外肌麻痹	使用多种机器学习算法（包括深度学习）对复视图像进行自动诊断，并与临床医生诊断结果高度一致	NA	开发自动诊断眼外肌麻痹的机器学习模型	复视图像和计算机化复视测试生成的数据	machine learning	extraocular muscle palsy	computerized diplopia test	LR, DT, SVM, XGBoost, DL	image	3244例病例（2757张训练图像，487张测试图像）
135	2025-05-20	Multimodal deep learning model for prediction of prognosis in central nervous system inflammation 2025, Brain communications IF:4.1Q2 DOI:10.1093/braincomms/fcaf179 PMID:40385378	研究论文	开发了一种多模态深度学习模型，整合临床特征和脑部MRI数据，以提高中枢神经系统炎症的早期预后预测	首次将临床特征与脑部MRI数据通过多模态深度学习模型结合，用于中枢神经系统炎症的预后预测，并展示了优于单模态模型的性能	研究为回顾性设计，可能存在选择偏倚，且外部验证集的时间范围较短	提高中枢神经系统炎症的预后预测准确性	中枢神经系统炎症患者	数字病理	中枢神经系统炎症	MRI扫描	3D CNN	图像和临床数据	内部数据集：291名患者的413张图像；外部数据集：106名患者的210张图像
136	2025-05-20	HD-6mAPred: a hybrid deep learning approach for accurate prediction of N6-methyladenine sites in plant species 2025, PeerJ IF:2.3Q2 DOI:10.7717/peerj.19463 PMID:40386224	research paper	提出了一种名为HD-6mAPred的混合深度学习模型，用于准确预测植物物种中的N6-甲基腺嘌呤（6mA）位点	结合了双向门控循环单元（BiGRU）、卷积神经网络（CNN）和注意力机制，以及多种DNA序列编码方案，提高了预测准确性和跨物种泛化能力	NA	开发一种稳健的方法来提高6mA位点预测的准确性和跨物种泛化能力	植物物种中的N6-甲基腺嘌呤（6mA）位点	machine learning	NA	DNA序列编码（one-hot encoding, EIIP, ENAC, NCP）	BiGRU, CNN, 注意力机制	DNA序列	Rosaceae、水稻和拟南芥数据集
137	2025-05-20	Significance of multi-task deep learning neural networks for diagnosing clinically significant prostate cancer in plain abdominal CT 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1543230 PMID:40386561	研究论文	本研究评估了多任务深度学习神经网络在利用腹部CT扫描识别早期前列腺癌中的有效性	首次将多任务深度学习神经网络（基于3DUnet架构）应用于腹部平扫CT图像的前列腺癌诊断，并与放射组学模型和单任务深度学习模型（ResNet18）进行比较	样本量相对有限（539例患者），且主要依赖单一机构的回顾性数据	评估多任务深度学习神经网络在早期前列腺癌诊断中的效果	前列腺癌患者	数字病理	前列腺癌	CT扫描	MTDL（基于3DUnet架构）	医学影像（CT图像）	539例患者（461例来自放射科，78例来自核医学科）
138	2025-05-20	Intelligent rehabilitation in an aging population: empowering human-machine interaction for hand function rehabilitation through 3D deep learning and point cloud 2025, Frontiers in computational neuroscience IF:2.1Q3 DOI:10.3389/fncom.2025.1543643 PMID:40386804	research paper	提出了一种基于3D深度学习模型的方法，用于处理激光传感器点云数据，以实现非接触式手势表面特征分析，应用于人机交互手功能智能康复领域	整合了手部表面点云采集、局部特征提取和维度信息抽象与增强等关键技术，构建了准确的手势表面特征分析系统	NA	促进非接触式手功能智能康复技术的发展，提升老年人和康复患者的安全舒适交互方式	老年人和康复患者的手功能康复	machine learning	geriatric disease	3D deep learning	3D deep learning model	point cloud	NA
139	2025-05-20	Augmenting Human Expertise in Weighted Ensemble Simulations through Deep Learning-Based Information Bottleneck 2024-Dec-10, Journal of chemical theory and computation IF:5.7Q1 DOI:10.1021/acs.jctc.4c00919 PMID:39589127	研究论文	本文提出了一种结合深度学习与专家知识的混合方法，用于改进加权集成模拟中的集体变量选择和分区策略	将状态预测信息瓶颈方法与专家知识相结合，形成混合方法，以优化加权集成模拟的采样效率和结果解释	仅在丙氨酸二肽和chignolin系统上进行了基准测试，需要更多系统验证	提高加权集成模拟的采样效率和结果解释能力	加权集成模拟方法及其在分子动力学中的应用	机器学习	NA	状态预测信息瓶颈(SPIB)方法	深度学习	分子动力学模拟数据	丙氨酸二肽和chignolin系统
140	2025-05-20	Increasing phosphorus loss despite widespread concentration decline in US rivers 2024-Nov-26, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2402028121 PMID:39556745	research paper	该研究利用深度学习方法和大量水文气象数据，重建了美国河流中磷的长期趋势，发现尽管磷浓度普遍下降，但磷流失总量却在增加	利用多任务长短期记忆模型填补历史数据空白，重建了美国河流中总磷的长期趋势	研究依赖于历史数据的重建，可能存在一定的不确定性	分析美国河流中磷的长期变化趋势及其影响因素	美国本土430条河流的总磷浓度和流失量	环境科学	NA	深度学习	LSTM	水文气象数据	430条河流的数据