深度学习在生物医药领域的应用

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	算法框架	模型架构	性能指标	计算资源
14941	2025-10-07	Self-supervised VICReg pre-training for Brugada ECG detection 2025-Mar-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-94130-x PMID:40102504	研究论文	提出一种基于自监督VICReg预训练的新型深度学习模型，用于Brugada综合征心电图的检测与分类	首次将VICReg自监督预训练架构应用于Brugada综合征心电图检测，解决了罕见心脏病标注数据不足的问题	未明确说明模型在外部验证集上的泛化能力及具体样本量信息	开发适用于罕见心脏病Brugada综合征的自动心电图分类方法	Brugada综合征患者的心电图数据	医疗人工智能	Brugada综合征	心电图分析	深度学习	心电图信号	NA	NA	VICReg	AUC, 精确召回曲线下面积	NA
14942	2025-10-07	Annotation-efficient, patch-based, explainable deep learning using curriculum method for breast cancer detection in screening mammography 2025-Mar-19, Insights into imaging IF:4.1Q1 DOI:10.1186/s13244-025-01922-w PMID:40106066	研究论文	开发了一种基于课程学习和分块方法的可解释深度学习模型，用于乳腺X线摄影中的乳腺癌检测	结合课程学习方法和分块策略，在有限强标注数据下实现高性能和可解释性，通过渐进增加分块尺寸训练模型	仅使用1976张乳腺X线摄影图像进行训练，强标注数据比例有限	开发高效的深度学习模型用于乳腺X线摄影中的乳腺癌检测	乳腺X线摄影图像	计算机视觉	乳腺癌	乳腺X线摄影	深度学习模型	医学图像	1976张乳腺X线摄影图像（来自三个中心，包含癌变阳性和阴性样本），外部测试集4276张图像	NA	分块深度学习模型	F1分数，真实重叠比	NA
14943	2025-10-07	A large-scale multicenter breast cancer DCE-MRI benchmark dataset with expert segmentations 2025-Mar-19, Scientific data IF:5.8Q1 DOI:10.1038/s41597-025-04707-4 PMID:40108146	研究论文	本文介绍了一个大规模多中心乳腺癌DCE-MRI基准数据集，包含专家分割标注	整合了四个TCIA数据集的1506例MRI病例，通过深度学习辅助和专家验证创建了完整的专家标注数据集	数据集主要来源于已有的TCIA数据集，可能受限于原始数据的采集参数和质控标准	解决乳腺癌MRI AI研究中专家标注数据不足的问题，推动深度学习模型发展	乳腺癌患者的动态对比增强MRI影像	数字病理	乳腺癌	动态对比增强MRI (DCE-MRI)	深度学习模型	医学影像	1506例治疗前T1加权DCE-MRI病例	NA	nnU-Net	NA	NA
14944	2025-10-07	SHDB-AF: a Japanese Holter ECG database of atrial fibrillation 2025-Mar-19, Scientific data IF:5.8Q1 DOI:10.1038/s41597-025-04777-4 PMID:40108206	研究论文	本文介绍了日本首个心房颤动动态心电图数据库SHDB-AF，包含122名患者的128份24小时双通道心电图数据	首个包含日本人群样本的开放获取心房颤动动态心电图数据库	样本量相对较小，仅包含日本人群数据	为机器学习和深度学习模型开发提供日本人群的心房颤动心电图数据资源	日本心房颤动患者的心电图数据	数字病理	心血管疾病	动态心电图监测	NA	心电图信号	122名患者，128份心电图记录	NA	NA	NA	NA
14945	2025-10-07	EEG detection and recognition model for epilepsy based on dual attention mechanism 2025-Mar-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-90315-6 PMID:40108237	研究论文	提出一种基于双注意力机制的癫痫脑电信号检测与识别模型STFFDA	引入双注意力机制的多通道框架，可直接从原始EEG信号识别癫痫状态，无需大量数据预处理和特征提取	在Bonn University数据集上的准确率相对较低（77.65%单次验证，67.24%交叉验证）	开发自动癫痫发作检测方法以加速癫痫诊断	癫痫患者的脑电信号	医疗人工智能	癫痫	脑电图	CNN,LSTM,注意力机制	EEG信号	CHB-MIT和Bonn University两个数据集	NA	双注意力机制时空特征融合模型	准确率	NA
14946	2025-10-07	Design of thin, wideband electromagnetic absorbers with polarization and angle insensitivity using deep learning 2025-Mar-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-94116-9 PMID:40108286	研究论文	利用深度学习设计具有偏振和角度不敏感性的薄型宽带电磁波吸收器	首次结合生成对抗网络和多层感知机来设计宽带超材料吸收器，实现了对8-12GHz全频段的高吸收率	研究主要针对8-12GHz频段，未验证其他频段性能；角度不敏感性仅验证至45度	开发适用于大规模生产的薄型宽带超材料电磁波吸收器	超材料电磁波吸收器的结构设计与性能优化	机器学习	NA	数值全波电磁仿真，印刷电路板制造技术	GAN, MLP	电磁仿真数据	NA	NA	生成对抗网络，多层感知机	吸收率	NA
14947	2025-10-07	Prediction and analysis of tumor infiltrating lymphocytes across 28 cancers by TILScout using deep learning 2025-Mar-19, NPJ precision oncology IF:6.8Q1 DOI:10.1038/s41698-025-00866-0 PMID:40108446	研究论文	开发了一种名为TILScout的深度学习方法来计算全切片图像中斑块级别的肿瘤浸润淋巴细胞评分	首次提出跨28种癌症的泛癌TIL评分深度学习分析方法，在准确率和AUC指标上超越先前研究	NA	预测和分析28种癌症中肿瘤浸润淋巴细胞的分布及其临床意义	28种癌症的全切片图像	数字病理学	多种癌症	全切片成像	深度学习	图像	NA	NA	NA	准确率,AUC	NA
14948	2025-10-07	Stages prediction of Alzheimer's disease with shallow 2D and 3D CNNs from intelligently selected neuroimaging data 2025-Mar-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-93560-x PMID:40102464	研究论文	本研究使用浅层2D和3D CNN架构从智能预处理的神经影像数据中预测阿尔茨海默病的不同阶段	提出了一种新颖的基于像素计数的帧选择和裁剪方法，以及可学习的调整器方法来增强图像质量，同时实现了显著的维度缩减	MRI数据的噪声和多维特性需要复杂的预处理流程	从多维神经影像数据中检测阿尔茨海默病的不同阶段	阿尔茨海默病患者	计算机视觉	阿尔茨海默病	磁共振成像(MRI)	CNN	图像	NA	NA	2D CNN, 3D CNN	准确率	NA
14949	2025-10-07	The dietary patterns of water deer recently rediscovered in Northeast China exhibit remarkable similarities to those observed in other regions 2025-Mar-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-92473-z PMID:40102472	研究论文	结合传统粪便显微分析和深度学习算法研究中国东北地区獐的食性特征	首次将深度学习算法应用于獐的食性分析，实现了对130种植物高达99.83%的识别准确率	研究仅基于粪便样本分析，未直接观察獐的摄食行为	探究濒危物种獐的食性特征以支持保护策略制定	中国东北地区的獐（Hydropotes inermis）	生态学	NA	粪便显微组织学分析，深度学习图像识别	深度学习模型	显微图像	暖季203份样本，冷季451份样本，总计654份粪便样本	NA	NA	准确率	NA
14950	2025-10-07	Seasonal forecasting of the hourly electricity demand applying machine and deep learning algorithms impact analysis of different factors 2025-Mar-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-91878-0 PMID:40102500	研究论文	本文提出基于机器学习和深度学习算法的短期季节性小时级电力需求预测模型	将全年数据按需求模式分为四个季节，并分析工作日与节假日温度对电力需求的不同影响	仅针对新英格兰控制区域进行研究，未验证模型在其他地区的适用性	提高小时级电力需求预测精度	新英格兰控制区域的电力需求数据	机器学习	NA	NA	ANFIS, LSTM, GRU, ANN	时间序列数据	新英格兰控制区域全年电力需求数据（按四季划分）	NA	自适应神经模糊推理系统, 长短期记忆网络, 门控循环单元, 人工神经网络	MAE, RMSE, NRMSE, MAPE	NA
14951	2025-10-07	Innovative hand pose based sign language recognition using hybrid metaheuristic optimization algorithms with deep learning model for hearing impaired persons 2025-Mar-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-93559-4 PMID:40102499	研究论文	提出一种基于手部姿态的创新型手语识别方法，结合混合元启发式优化算法和深度学习模型，用于听力受损人士的沟通辅助	采用混合元启发式优化算法（CS-IGWO）进行参数调优，并融合ResNeXt101、VGG19和ViT三种模型进行特征提取	仅在ASL字母数据集上进行验证，未涉及更复杂的手语句子或连续手势识别	提高听力受损人士手语识别的效率和准确性	手部姿态和手势识别	计算机视觉	听力障碍	深度学习，计算机视觉	CNN, Transformer, BiGRU	图像	ASL字母数据集	NA	ResNeXt101, VGG19, Vision Transformer (ViT), BiGRU	准确率	NA
14952	2025-10-07	Robust resolution improvement of 3D UTE-MR angiogram of normal vasculatures using super-resolution convolutional neural network 2025-Mar-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-92493-9 PMID:40102565	研究论文	本研究使用超分辨率卷积神经网络提升3D UTE-MR血管造影图像的分辨率	提出新型阶梯形残差密集生成器(LSRDG)网络结构，结合精心设计的损失函数和小尺寸图像块训练策略	研究样本量有限(30只大鼠)，且主要验证于动物模型	通过深度学习提高快速采集的低分辨率UTE-MRA数据的分辨率	健康对照和卒中模型Wistar大鼠的对比增强3D UTE-MRA数据	计算机视觉	卒中	对比增强UTE-MRA	CNN	3D医学图像	30只Wistar大鼠(20只健康对照，10只卒中模型)	NA	LSRDG, SR-ResNet, MRDG64	SSIM, PSNR, MSE	NA
14953	2025-10-07	Deep transfer learning for seismic characterization of strike-slip faults in karstified carbonates from the northern Tarim basin 2025-Mar-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-94134-7 PMID:40102580	研究论文	提出一种基于深度迁移学习和U-Net的走滑断层检测方法，应用于塔里木盆地北部岩溶化碳酸盐岩区	提出断层标签构建方法并引入深度迁移学习工作流，有效抑制岩溶等非断层特征	实际断层标签构建困难且需要大量标注数据	优化井轨迹和开发方案，实现岩溶化碳酸盐岩区走滑断层的精确表征	塔里木盆地北部前中生界超深层走滑断层控制的油气田	计算机视觉	NA	地震勘探	深度学习	地震数据	NA	NA	U-Net	与井数据和地震解释结果的一致性验证	NA
14954	2025-10-07	International expert consensus on the current status and future prospects of artificial intelligence in metabolic and bariatric surgery 2025-Mar-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-94335-0 PMID:40102585	共识声明	通过德尔菲法建立国际专家共识，探讨人工智能在代谢与减重外科领域的现状与未来前景	首次通过国际多中心专家共识系统阐述AI在代谢与减重外科的应用框架与伦理规范	依赖专家主观意见，缺乏实际临床数据验证	建立人工智能在代谢与减重外科应用的国际专家共识	68位来自35个国家的代谢与减重外科专家	医疗人工智能	代谢疾病与肥胖症	改良德尔菲法	NA	专家意见	68位专家，35个国家	NA	NA	共识率（≥70%）	NA
14955	2025-10-07	Deep learning based on intratumoral heterogeneity predicts histopathologic grade of hepatocellular carcinoma 2025-Mar-18, BMC cancer IF:3.4Q2 DOI:10.1186/s12885-025-13781-1 PMID:40102774	研究论文	本研究开发了一种基于瘤内异质性的深度学习模型，用于术前预测肝细胞癌的组织病理学分级	首次结合瘤内异质性分析和深度学习特征融合来预测肝细胞癌分级，并验证了其预后价值	研究依赖于特定场强的MRI图像，未说明模型在其他影像设备上的泛化能力	开发非侵入性方法预测肝细胞癌的组织病理学分级	肝细胞癌患者	医学影像分析	肝细胞癌	MRI影像分析	深度学习, 机器学习	医学影像	858名患者（来自主要队列和两个外部队列）	NA	ResNet, Random Forest	AUC, 净重分类指数, 总体生存期, 无复发生存期	NA
14956	2025-03-23	LUNETR: Language-Infused UNETR for precise pancreatic tumor segmentation in 3D medical image 2025-Mar-15, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.107414 PMID:40117980	研究论文	本文提出了一种名为LUNETR的多模态编码器模型，结合文本和图像信息进行精确的医学图像分割，特别是针对胰腺肿瘤的3D医学图像分割	LUNETR模型通过结合自动编码语言模型和跨注意力机制，有效利用文本和图像数据之间的语义关联，提高了胰腺微肿瘤的精确定位能力，并设计了多尺度聚合注意力模块（MSAA）以增强模型从胰腺组织中提取微病变特征的能力	多模态医学数据集的稀缺性可能限制了模型的泛化能力	提高胰腺肿瘤及其附近血管的精确分割能力，以辅助胰腺癌的临床诊断	胰腺肿瘤及其附近血管	数字病理	胰腺癌	CT扫描	UNETR	3D医学图像和病理报告文本	135名胰腺癌患者的CT图像和相应病理报告	NA	NA	NA	NA
14957	2025-10-07	AI-driven biomarker discovery: enhancing precision in cancer diagnosis and prognosis 2025-Mar-13, Discover oncology IF:2.8Q2 DOI:10.1007/s12672-025-02064-7 PMID:40082367	评论	探讨人工智能在癌症生物标志物发现中的应用，以提升精准诊断和预后效果	系统阐述AI技术通过挖掘大规模多样化数据集中的模式，革新生物标志物发现方法，推动精准医疗发展	存在数据质量、算法透明度不足以及隐私等伦理问题	阐明AI如何优化新型生物标志物识别，改善早期诊断和靶向治疗	癌症生物标志物发现过程及相关临床数据	机器学习	癌症	深度学习、机器学习诊断技术	NA	科学数据库数据（PubMed、Scopus、ScienceDirect）	NA	NA	NA	NA	NA
14958	2025-10-07	Exploring Psychological Trends in Populations With Chronic Obstructive Pulmonary Disease During COVID-19 and Beyond: Large-Scale Longitudinal Twitter Mining Study 2025-Mar-05, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/54543 PMID:40053739	研究论文	通过大规模Twitter数据挖掘分析慢性阻塞性肺疾病人群在COVID-19期间及之后的长期心理趋势	首次采用两阶段深度学习框架对COPD人群进行长期纵向心理分析，结合多种深度学习和统计方法揭示人口特征对心理影响的差异	研究基于社交媒体数据，可能存在样本选择偏差，且无法确定用户自我报告的COPD诊断准确性	揭示COVID-19大流行期间及之后COPD人群的长期心理趋势和模式	慢性阻塞性肺疾病患者及非COPD Twitter用户	自然语言处理	慢性阻塞性肺疾病	Twitter数据挖掘，深度学习	深度学习算法	文本数据（推文）	15,347名COPD用户，超过25亿条推文（2020年1月至2023年6月）	NA	NA	比值比，差异中的差异，情绪模式分析	NA
14959	2025-10-07	Leveraging Network Target Theory for Efficient Prediction of Drug-Disease Interactions: A Transfer Learning Approach 2025-Mar, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202409130 PMID:39874191	研究论文	提出基于网络靶标理论的迁移学习模型，通过整合深度学习与生物分子网络预测药物-疾病相互作用	首次将网络靶标理论与迁移学习结合，利用大规模生物分子网络提取更精确的药物特征，解决正负样本不平衡问题	未明确说明模型在特定疾病类型外的泛化能力	开发高效的虚拟筛选方法加速药物发现	药物-疾病相互作用关系	机器学习	癌症	网络靶标理论，深度学习	迁移学习模型	生物分子网络数据	88,161个药物-疾病相互作用，涉及7,940种药物和2,986种疾病	NA	NA	AUC, F1-score	NA
14960	2025-10-07	Epigenetic Impacts of Non-Coding Mutations Deciphered Through Pre-Trained DNA Language Model at Single-Cell Resolution 2025-Mar, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202413571 PMID:39888214	研究论文	提出了一种名为Methven的深度学习框架，用于在单细胞分辨率下预测非编码突变对DNA甲基化的表观遗传影响	结合DNA序列与单细胞ATAC-seq数据，采用分治法预测短程和长程调控相互作用，并利用预训练DNA语言模型提高分类和回归任务的精度	NA	预测非编码突变在单细胞分辨率下对DNA甲基化的表观遗传影响	DNA序列、单细胞ATAC-seq数据、SNP-CpG相互作用	机器学习	类风湿关节炎	单细胞ATAC-seq, DNA测序	深度学习	基因组序列, 表观遗传数据	NA	NA	预训练DNA语言模型	分类精度, 回归精度	NA