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	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
15042	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
15043	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
15044	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
15045	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
15046	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
15047	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
15048	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
15049	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
15050	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
15051	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
15052	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
15053	2025-10-07	Comparative Analysis of MaxEnt and Deep Learning Approaches for Modeling Humpback Whale Distribution in North Iceland 2025-Mar, Ecology and evolution IF:2.3Q2 DOI:10.1002/ece3.71099 PMID:40109551	研究论文	比较MaxEnt和深度学习方法在冰岛北部座头鲸分布建模中的表现	首次系统比较传统MaxEnt方法与新兴深度学习在鲸类分布建模中的性能差异	输入数据分辨率低、存在空间偏差、无法完全捕捉自然过程复杂性	评估不同建模方法在海洋哺乳动物分布预测中的效果	冰岛北部Skjálfandi湾的座头鲸	生态信息学	NA	卫星遥感、仅出现点观测数据	深度学习, MaxEnt	物种出现数据、环境数据	2018-2021年月度分布数据，含伪缺失点	NA	NA	AUC	NA
15054	2025-10-07	Thermal imaging-based core peripheral temperature difference measurement for neonatal monitoring in the NICU 2025-Mar-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.549693 PMID:40109525	研究论文	提出基于热红外成像的非接触式自动连续核心-外周温度差测量方法用于新生儿监护	首次在NICU环境中使用热红外相机对早产儿进行连续非接触式CPTD监测的临床展示	由于热红外相机校准和环境因素影响，难以准确测量新生儿皮肤的绝对温度	开发新生儿核心-外周温度差的自动连续监测方法	早产儿	计算机视觉	新生儿疾病	热红外成像	深度学习	热红外图像	40名早产儿	NA	基于深度学习的身体解析模型	平均绝对误差	NA
15055	2025-10-07	An ensemble learning model for detection of pulmonary hypertension using electrocardiogram, chest X-ray, and brain natriuretic peptide 2025-Mar, European heart journal. Digital health DOI:10.1093/ehjdh/ztae097 PMID:40110214	研究论文	开发一种基于集成学习的人工智能模型，通过整合心电图、胸部X光和脑钠肽数据来检测肺动脉高压	首次将心电图、胸部X光和脑钠肽三种不同模态数据通过集成学习方法结合，构建多模态模型用于肺动脉高压检测	研究数据来源于七个机构，可能存在数据异质性；模型性能仍需在更广泛人群中验证	开发人工智能模型以改善肺动脉高压的早期诊断	肺动脉高压患者	医学人工智能	肺动脉高压	心电图、胸部X光、脑钠肽检测	CNN, Logistic Regression, 集成学习	心电图信号、医学图像、生物标志物数据	来自七个机构的患者数据，十名心脏病专家参与评估	NA	ResNet18, 三层全连接多模态模型	AUC, 准确率	NA
15056	2025-10-07	Sudden cardiac arrest prediction via deep learning electrocardiogram analysis 2025-Mar, European heart journal. Digital health DOI:10.1093/ehjdh/ztae088 PMID:40110219	研究论文	本研究通过深度学习分析心电图数据来预测心脏骤停风险	首次使用深度卷积神经网络结合年龄和性别信息从12导联心电图中预测心脏骤停	基础模型在95%灵敏度下特异性仅为31%，尚未达到临床应用标准	开发基于深度学习的非侵入性心脏骤停筛查工具	心脏骤停患者和健康对照者的心电图数据	机器学习	心血管疾病	心电图分析	CNN	心电图信号	221名心脏骤停患者和1046名对照者	NA	深度卷积神经网络	AUC, 灵敏度, 特异性	NA
15057	2025-10-07	SE(3)-Equivariant Ternary Complex Prediction Towards Target Protein Degradation 2025-Feb-26, ArXiv PMID:40061120	研究论文	提出一种名为DeepTernary的深度学习方法来预测靶向蛋白降解中的三元复合物结构	首次使用SE(3)-等变图神经网络结合三元图间注意力机制，实现端到端的三元复合物结构预测	训练数据TernaryDB可能仍不够充分，对分子胶降解剂的预测仍有挑战	开发准确高效的三元复合物结构预测方法以加速靶向蛋白降解药物发现	PROTACs和分子胶降解剂形成的三元复合物结构	计算生物学, 药物发现	多种疾病相关的蛋白靶点	深度学习, 结构预测	图神经网络	3D分子结构数据	从TernaryDB收集的高质量训练数据集	深度学习框架	SE(3)-等变图神经网络, 编码器-解码器架构	预测准确性, 计算速度, 与实验降解效价的相关性	NA
15058	2025-10-07	Enhancing diabetic retinopathy diagnosis: automatic segmentation of hyperreflective foci in OCT via deep learning 2025-Feb-18, International ophthalmology IF:1.4Q3 DOI:10.1007/s10792-025-03439-z PMID:39966317	研究论文	提出一种基于KiU-Net的深度学习算法，用于在糖尿病视网膜病变患者的OCT图像中自动分割高反射灶	采用双分支KiU-Net架构，结合Kite-Net分支和三层U-Net分支，并设计交叉注意力模块整合两个分支的信息	NA	开发精确识别和分割糖尿病视网膜病变患者OCT图像中高反射灶的模型	糖尿病视网膜病变患者的OCT图像	医学图像分析	糖尿病视网膜病变	光学相干断层扫描	深度学习	医学图像	NA	NA	KiU-Net, Kite-Net, U-Net	灵敏度, Dice相似系数, 精确率, 召回率	NA
15059	2025-10-07	AI and Neurology 2025-Feb-17, Neurological research and practice DOI:10.1186/s42466-025-00367-2 PMID:39956906	综述	本文综述了人工智能在神经病学领域的应用现状、潜力及面临的挑战	系统总结了人工智能在神经病学多个子领域（急重症神经病学、卒中、癫痫、运动障碍）的应用潜力，并首次将技术潜力与伦理安全挑战进行匹配分析	基于现有文献的回顾性分析，缺乏前瞻性研究验证	探讨人工智能在神经病学领域的应用前景及面临的挑战	神经病学领域的诊断、预后预测、决策制定和治疗方法	机器学习	神经系统疾病	机器学习和深度学习方法	NA	神经影像数据及其他临床数据	NA	NA	NA	NA	NA
15060	2025-10-07	Detection of concha bullosa using deep learning models in cone-beam computed tomography images: a feasibility study 2025-Feb, Archives of craniofacial surgery DOI:10.7181/acfs.2024.00283 PMID:40068625	研究论文	本研究评估深度学习模型在锥形束CT图像中检测鼻甲气房（concha bullosa）的可行性	首次将离散小波变换与对比度增强技术结合应用于CBCT图像的预处理，并采用预训练深度学习模型与随机森林分类器的混合架构	样本量有限（仅203个CBCT扫描），需要更大样本量和更多深度学习模型验证结果	评估深度学习模型在CBCT图像中检测鼻甲气房的性能	锥形束CT图像中的鼻甲气房	计算机视觉	鼻部疾病	锥形束CT成像，离散小波变换，对比度增强	CNN	医学图像	203个CBCT扫描（83个有CB，119个无CB），其中162个训练，41个测试	TensorFlow, PyTorch, Keras, Scikit-learn	ResNet50, ResNet101, MobileNet	准确率, AUC, 精确率, 召回率, F1分数	NA