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
15041	2025-10-07	Presenting a prediction model for HELLP syndrome through data mining 2025-Mar-17, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-025-02904-0 PMID:40098129	研究论文	本研究通过机器学习方法开发HELLP综合征预测模型	首次使用机器学习算法基于非侵入性参数诊断HELLP综合征，多层感知机和深度学习模型取得超过99%的F1分数	研究为单中心回顾性研究，样本量相对有限（384例患者）	开发HELLP综合征的机器学习诊断模型	384名妊娠期患者	机器学习	妊娠期疾病	数据挖掘	多层感知机,深度学习,KNN,随机森林,AdaBoost,XGBoost,逻辑回归,支持向量机,决策树	临床记录数据	384名患者（2010-2021年）	NA	多层感知机	F1分数	NA
15042	2025-10-07	A multimodal framework for assessing the link between pathomics, transcriptomics, and pancreatic cancer mutations 2025-Mar-15, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2025.102526 PMID:40107149	研究论文	开发可解释的多模态框架，结合病理组学和转录组学预测胰腺导管腺癌关键基因突变	首次将病理组学特征与转录组学数据整合，通过注意力机制和SHAP分析提供可解释的突变预测模型	仅使用两个独立数据集进行验证，部分基因突变预测性能有限	预测胰腺导管腺癌中KRAS、TP53、SMAD4和CDKN2A基因的遗传突变	胰腺导管腺癌(PDAC)患者组织样本和转录组数据	数字病理	胰腺癌	RNA测序，深度学习	多实例学习，自编码器，机器学习分类器	组织病理图像，转录组数据	TCGA-PAAD数据集(训练集)和CPTAC-PDA数据集(外部验证集)	PyTorch	CLAM, ResNet50, UNI, CONCH, 自编码器	AUROC, AUPRC	NA
15043	2025-10-07	Safe-by-Design Strategies for Intranasal Drug Delivery Systems: Machine and Deep Learning Solutions to Differentiate Epithelial Tissues via Attenuated Total Reflection Fourier Transform Infrared Spectroscopy 2025-Mar-14, ACS pharmacology & translational science IF:4.9Q1 DOI:10.1021/acsptsci.4c00643 PMID:40109738	研究论文	本研究结合衰减全反射傅里叶变换红外光谱与机器学习技术，开发用于鼻内给药系统的安全设计模型	首次将ATR-FTIR光谱与机器学习/深度学习结合用于区分鼻脑上皮组织，并采用SHAP值分析确定关键光谱特征	使用离体猪组织实验，尚未进行体内验证	开发用于鼻内给药系统的安全设计监测策略	嗅觉上皮、呼吸上皮和气管组织	机器学习	NA	衰减全反射傅里叶变换红外光谱	前馈神经网络,支持向量机,去噪自编码器	光谱数据	来自三种组织类型的ATR-FTIR光谱数据集	NA	前馈神经网络,去噪自编码器	准确度,灵敏度,特异性,F1分数,皮尔逊相关系数	NA
15044	2025-10-07	CQENet: A segmentation model for nasopharyngeal carcinoma based on confidence quantitative evaluation 2025-Mar-13, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2025.102525 PMID:40107148	研究论文	提出基于置信度定量评估的鼻咽癌自动分割模型CQENet，解决现有方法在肿瘤定位和边界分割方面的不足	引入置信度评估模块(CAM)输出分割结果的置信度，提出肿瘤特征调整模块(FAM)实现精确定位，采用方差注意力机制(VAM)处理模糊边界	未明确说明模型在临床环境中的实际部署效果和计算效率	提升鼻咽癌肿瘤区域的自动分割精度和结果可信度	鼻咽癌肿瘤区域	数字病理	鼻咽癌	医学图像分割	深度学习分割模型	医学影像数据	多中心鼻咽癌数据集	NA	CQENet	NA	NA
15045	2025-10-07	A Hybrid Energy-Based and AI-Based Screening Approach for the Discovery of Novel Inhibitors of AXL 2025-Mar-13, ACS medicinal chemistry letters IF:3.5Q2 DOI:10.1021/acsmedchemlett.4c00511 PMID:40110119	研究论文	本研究提出了一种结合能量计算和人工智能的新型高通量虚拟筛选方法，用于发现AXL激酶的新型抑制剂	首次将AI增强的图神经网络PLANET与几何深度学习算法DeepDock相结合，形成混合筛选方法	NA	开发新型AXL抑制剂以推进癌症治疗	AXL激酶及其抑制剂	机器学习	癌症	高通量虚拟筛选，分子动力学模拟	图神经网络，深度学习	分子结构数据	NA	NA	PLANET, DeepDock	IC50值	NA
15046	2025-10-07	Predicting early recurrence of hepatocellular carcinoma after thermal ablation based on longitudinal MRI with a deep learning approach 2025-Mar-10, The oncologist DOI:10.1093/oncolo/oyaf013 PMID:40110765	研究论文	开发基于纵向MRI的深度学习模型系统预测肝细胞癌热消融术后早期复发	首次结合术前和术后纵向MRI数据构建深度学习模型预测HCC热消融后早期复发，并整合临床变量建立风险分层模型	回顾性研究设计，外部测试队列样本量较小(n=35)，需进一步前瞻性验证	预测肝细胞癌患者热消融术后早期复发风险	肝细胞癌接受热消融治疗的患者	医学影像分析	肝细胞癌	磁共振成像	深度学习模型	纵向MRI图像	289例患者(训练队列254例，外部测试队列35例)	NA	Pre模型, PrePost模型, DL_Clinical集成模型	AUC, 无复发生存期	NA
15047	2025-10-07	Incorporating radiomic MRI models for presurgical response assessment in patients with early breast cancer undergoing neoadjuvant systemic therapy: Collaborative insights from breast oncologists and radiologists 2025-Mar-07, Critical reviews in oncology/hematology DOI:10.1016/j.critrevonc.2025.104681 PMID:40058742	综述	探讨影像组学MRI模型结合机器学习在早期乳腺癌新辅助治疗术前反应评估中的临床应用	整合影像组学MRI与人工智能技术，提升乳腺癌新辅助治疗反应评估的客观性和准确性	依赖放射科医师主观定性评估的传统方法存在局限性	提高乳腺癌新辅助治疗术前反应评估的精准度	接受新辅助全身治疗的早期乳腺癌患者	数字病理	乳腺癌	乳腺磁共振成像, 影像组学	机器学习, 深度学习	MRI图像	NA	NA	NA	NA	NA
15048	2025-10-07	Performance Improvement of a Natural Language Processing Tool for Extracting Patient Narratives Related to Medical States From Japanese Pharmaceutical Care Records by Increasing the Amount of Training Data: Natural Language Processing Analysis and Validation Study 2025-Mar-04, JMIR medical informatics IF:3.1Q2 DOI:10.2196/68863 PMID:40053805	研究论文	通过增加训练数据量提高从日本药学护理记录中提取患者医疗状态叙述的自然语言处理工具性能	针对日语患者叙述开发高性能NLP系统，并研究训练数据量逐步增加对性能提升的影响	系统对药学护理记录中的主观数据更专业，处理其他来源文本时性能较低	开发从患者叙述中提取临床信息的高性能自然语言处理系统	日本庆应义塾大学医院2018-2019年间的药学护理记录	自然语言处理	NA	自然语言处理	BERT-CRF	文本	12,004条记录，来自6,559个病例	NA	BERT,条件随机场	F1分数	NA
15049	2025-10-07	Deep profiling of gene expression across 18 human cancers 2025-Mar, Nature biomedical engineering IF:26.8Q1 DOI:10.1038/s41551-024-01290-8 PMID:39690287	研究论文	开发名为DeepProfile的无监督深度学习框架，用于分析18种人类癌症的50,211个转录组数据	提出首个在跨癌症基因表达数据中生成低维潜在空间的无监督深度学习框架，能够揭示跨癌种通用基因和癌种特异性基因的不同生物学功能	未明确说明模型在独立验证集上的性能表现，生物可解释性仍需进一步验证	利用无监督深度学习挖掘跨癌症基因表达数据的临床和生物学信息	18种人类癌症的50,211个转录组数据	机器学习	多癌种研究	基因表达分析，转录组测序	深度学习	基因表达数据	50,211个转录组样本，涵盖18种人类癌症	NA	NA	生物可解释性，与现有降维方法的比较	NA
15050	2025-10-07	UK Biobank MRI data can power the development of generalizable brain clocks: A study of standard ML/DL methodologies and performance analysis on external databases 2025-Mar, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2025.121064 PMID:39892529	研究论文	本研究开发了综合机器学习与深度学习脑龄预测流程，并在多个外部数据库中验证其泛化能力和作为神经退行性疾病生物标志物的潜力	整合多种预处理策略和校正项，系统比较广泛范围的脑龄预测模型，并在跨数据库、设备和种族群体中验证模型鲁棒性	研究主要依赖现有数据库，可能未覆盖所有人群亚组；模型性能在不同疾病阶段的泛化能力需进一步验证	开发可泛化的脑龄预测模型并评估其作为神经退行性疾病生物标志物的潜力	健康个体和神经退行性疾病患者的大脑MRI数据	机器学习	神经退行性疾病	T1加权MRI	惩罚线性机器学习模型,深度学习模型	医学图像	UK Biobank、ADNI和NACC数据集中的大脑MRI扫描	FastSurfer	NA	平均绝对误差,AUROC	NA
15051	2025-10-07	A deep learning detection method for pancreatic cystic neoplasm based on Mamba architecture 2025-Mar, Journal of X-ray science and technology IF:1.7Q3 DOI:10.1177/08953996251313719 PMID:39973786	研究论文	提出结合Mamba架构和YOLOv10的M-YOLO模型用于胰腺囊性肿瘤检测	首次将Mamba架构与YOLOv10结合，利用Mamba的序列建模能力处理医学图像中的复杂形态特征	NA	提高胰腺囊性肿瘤检测的准确性和效率	胰腺囊性肿瘤	计算机视觉	胰腺癌	深度学习	Mamba, YOLO	医学图像	长海医院提供的数据集	NA	Mamba YOLOv10	灵敏度, 特异度, 精确度, F1值, 准确率, 平均精度均值	NA
15052	2025-10-07	A novel detail-enhanced wavelet domain feature compensation network for sparse-view X-ray computed laminography 2025-Mar, Journal of X-ray science and technology IF:1.7Q3 DOI:10.1177/08953996251319183 PMID:39973784	研究论文	提出一种用于稀疏视图X射线计算机断层扫描重建的细节增强小波域特征补偿网络	设计了能够在空间域特征提取过程中在小波域补偿缺失信息的编码器-解码器网络，结合Swin Transformer和卷积算子以更好地捕捉特征	NA	构建用于稀疏视图计算机断层扫描重建的深度学习网络	焊点的X射线计算机断层扫描图像	计算机视觉	NA	X射线计算机断层扫描	编码器-解码器网络	图像	3200对16视图和1024视图CL图像（2880对训练，160对验证，160对测试）	NA	Swin Transformer, 卷积神经网络	PSNR, SSIM	NA
15053	2025-10-07	A multi-model machine learning framework for breast cancer risk stratification using clinical and imaging data 2025-Mar, Journal of X-ray science and technology IF:1.7Q3 DOI:10.1177/08953996241308175 PMID:39973793	研究论文	提出一个集成临床特征和深度学习影像特征的多模型机器学习框架用于乳腺癌风险分层	开发了结合影像数据和临床数据的混合模型，并使用基于堆叠的集成模型进一步优化预测性能	NA	开发乳腺癌恶性肿瘤风险评估的机器学习框架	1668名有乳腺病变记录的患者	计算机视觉	乳腺癌	深度学习	CNN	图像, 临床数据	1668名患者	NA	EfficientNet, ResNet, DenseNet, InceptionNet	准确率, AUC	NA
15054	2025-10-07	An effective COVID-19 classification in X-ray images using a new deep learning framework 2025-Mar, Journal of X-ray science and technology IF:1.7Q3 DOI:10.1177/08953996241290893 PMID:39973798	研究论文	提出一种基于混合深度学习框架的COVID-19胸部X光图像分类方法	开发了多头部注意力机制的双向门控循环单元与深度稀疏自编码器网络(MhA-Bi-GRU with DSAN)的混合模型，并采用动态Levy飞行黑猩猩优化算法(DLF-CO)优化损失函数	NA	开发有效的COVID-19胸部X光图像分类方法	胸部X光图像	计算机视觉	COVID-19	X射线成像	混合深度学习模型	图像	NA	Python	MhA-Bi-GRU with DSAN	分类准确率	NA
15055	2025-10-07	Advancing lung cancer diagnosis: Combining 3D auto-encoders and attention mechanisms for CT scan analysis 2025-Mar, Journal of X-ray science and technology IF:1.7Q3 DOI:10.1177/08953996241313120 PMID:39973792	研究论文	本研究开发了一种结合3D自编码器和注意力机制的混合深度学习模型，用于从CT扫描图像中早期检测肺癌	将3D自编码器与注意力机制相结合，通过聚焦CT扫描中的关键区域来提高肺癌早期检测性能	NA	评估混合深度学习模型在肺癌早期检测中的有效性，提高诊断准确性、敏感性和特异性	CT扫描图像	计算机视觉	肺癌	CT扫描	自编码器,注意力机制	3D医学图像	NA	NA	3D Auto-encoder	准确率,敏感性,F1分数,AUC-ROC	NA
15056	2025-10-07	Individualized prediction of atrial fibrillation onset risk based on lifelogs 2025-Mar, American journal of preventive cardiology IF:4.3Q1 DOI:10.1016/j.ajpc.2025.100951 PMID:40103686	研究论文	基于Apple Watch生命日志数据开发机器学习模型，实现房颤发病风险的个体化预测	结合梯度提升决策树和深度学习技术，利用可穿戴设备连续监测数据预测房颤风险	研究样本量相对有限，且依赖特定设备数据	通过可穿戴设备数据优化房颤早期检测时机	房颤患者和Apple Watch用户	机器学习	心血管疾病	心电图监测，生命日志数据采集	梯度提升决策树，深度学习	生命日志数据，心电图数据，调查问卷数据	Keio分析：100名受试者；全国分析：8935名受试者	NA	NA	F值，检测准确率	NA
15057	2025-10-07	Towards Clinical Diagnoses: Classifying Alzheimer's Disease Using Single fMRI, Small Datasets, and Transfer Learning 2025-Mar, Brain and behavior IF:2.6Q3 DOI:10.1002/brb3.70427 PMID:40108822	研究论文	本研究开发了一种基于迁移学习的深度学习fMRI流程，用于使用单次fMRI图像和小数据集对阿尔茨海默病进行分类	采用迁移学习和单图像技术解决小数据集问题，使模型适用于非专业人群的临床应用	样本量较小（仅64名AD参与者），模型性能仍有提升空间	开发适用于临床环境的阿尔茨海默病诊断方法	阿尔茨海默病患者和健康对照者	医学影像分析	阿尔茨海默病	功能磁共振成像	深度学习	fMRI图像	初始训练524名参与者（来自ABIDE数据集），迁移学习使用64名参与者（来自ADNI数据集）	NA	NA	准确率	NA
15058	2025-10-07	Detection of Quality Deterioration of Packaged Raw Beef Based on Hyperspectral Technology 2025-Mar, Food science & nutrition IF:3.5Q2 DOI:10.1002/fsn3.70022 PMID:40109275	研究论文	本研究探索利用高光谱成像技术结合化学计量学和深度学习检测聚乙烯包装生牛肉质量劣化的可行性	首次将高光谱成像技术与高斯滤波预处理结合，用于克服包装膜对光谱数据的干扰，并开发了基于秃鹫优化算法优化的回声神经网络模型	PE包装牛肉样本建立的模型性能通常低于未包装牛肉样本建立的模型	开发一种高效可靠的非侵入式牛肉新鲜度检测方法	聚乙烯包装的生牛肉样本	计算机视觉	NA	高光谱成像技术	PLSR, BES-ESN	高光谱图像数据	短期储存的牛肉样本	NA	回声神经网络	决定系数, 均方根误差	NA
15059	2025-10-07	Semi-supervised assisted multi-task learning for oral optical coherence tomography image segmentation and denoising 2025-Mar-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.545377 PMID:40109516	研究论文	提出一种半监督辅助多任务学习模型ESDM，用于口腔光学相干断层扫描图像的分割和去噪	结合卷积层的局部特征提取能力和Transformer的长程信息处理优势，实现扫描时间从8秒减少到2秒的同时提升分割性能	未明确说明模型在更大规模数据集上的泛化能力	提升口腔光学相干断层扫描图像质量并实现准确的口腔上皮层分割	口腔黏膜组织的光学相干断层扫描图像	计算机视觉	口腔疾病	光学相干断层扫描(OCT)	CNN, Transformer	图像	NA	NA	Efficient Segmentation-Denoising Model (ESDM)	PSNR, SSIM, mDice, mIoU, 平均绝对误差	NA
15060	2025-10-07	OAH-Net: a deep neural network for efficient and robust hologram reconstruction for off-axis digital holographic microscopy 2025-Mar-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.547292 PMID:40109528	研究论文	提出一种结合深度学习与物理原理的离轴全息显微镜高效重建方法OAH-Net	基于物理原理初始化网络权重并通过超分辨率学习微调，实现硬件误差范围内的相位和振幅重建	仅在稀释全血样本上训练和验证，未提及其他样本类型的性能	解决离轴数字全息显微镜重建过程的计算瓶颈	稀释全血样本及未见过的不同模式样本	计算机视觉	NA	离轴数字全息显微镜	深度神经网络	全息图像	稀释全血样本（具体数量未提及）	NA	OAH-Net	重建误差（硬件测量误差范围内），重建速度	NA