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
1541	2025-04-18	Tumor evolution metrics predict recurrence beyond 10 years in locally advanced prostate cancer 2024-09, Nature cancer IF:23.5Q1 DOI:10.1038/s43018-024-00787-0 PMID:38997466	研究论文	本研究通过基因组和形态学异质性分析，预测局部晚期前列腺癌的复发风险	结合基因组学和人工智能辅助的组织病理学分析，识别出临床生物标志物	样本量相对有限，且仅针对局部晚期前列腺癌患者	探索癌症进化指标在预测前列腺癌复发中的应用	局部晚期前列腺癌患者	数字病理学	前列腺癌	基因组测序、深度学习	深度学习模型	基因组数据、组织病理图像	642个基因组样本（114名患者）、1,923个组织学切片（250名患者）
1542	2025-04-18	A deep learning model of tumor cell architecture elucidates response and resistance to CDK4/6 inhibitors 2024-07, Nature cancer IF:23.5Q1 DOI:10.1038/s43018-024-00740-1 PMID:38443662	研究论文	构建了一个可解释的深度学习模型，用于解析肿瘤细胞对CDK4/6抑制剂的反应和耐药机制	模型识别了八个核心蛋白组装体，整合了90个基因中的罕见和常见变异，用于区分对palbociclib敏感和耐药的细胞系	模型的应用范围主要限于乳腺癌，且样本量相对较小	解析CDK4/6抑制剂在乳腺癌治疗中的反应和耐药机制	乳腺癌细胞系、患者和患者来源的异种移植模型	数字病理学	乳腺癌	CRISPR-Cas9基因编辑	深度学习模型	基因和蛋白数据	90个基因的细胞系和患者样本
1543	2025-04-18	Exploring the trade-off between deep-learning and explainable models for brain-machine interfaces 2024, Advances in neural information processing systems PMID:40231170	研究论文	本研究探讨了在脑机接口（BMI）中深度学习模型与可解释性模型之间的权衡，并提出了一种基于KalmanNet的解码器	提出了一种结合传统卡尔曼滤波和循环神经网络的KalmanNet解码器，在保持可解释性的同时达到与深度学习模型相当的性能	KalmanNet与现有深度学习解码器一样具有有限的泛化能力，且在遇到未见过的噪声分布时性能受限	开发高性能且可解释的脑机接口解码器	猴子的手指运动预测	脑机接口	瘫痪	KalmanNet, 卡尔曼滤波, RNN	KalmanNet, KF, tcFNN, LSTM	脑活动数据	两只猴子的离线（预录数据）和在线（实时预测）数据
1544	2025-04-17	Deep reinforced cognitive analytics algorithm (DRCAM): An advanced method to early detection of cognitive skill impairment using deep learning and reinforcement learning 2025-Jun, MethodsX IF:1.6Q2 DOI:10.1016/j.mex.2025.103277 PMID:40230557	研究论文	提出了一种结合深度学习和强化学习的深度强化认知分析算法(DRCAM)，用于早期认知技能障碍的检测	整合了多模态学习和强化干预，结合了Multimodal Transformers (MMT)进行特征融合，并采用CNN-LSTM混合模型和Deep Q-Network (DQN)进行空间和时间依赖映射及认知训练指导	未提及具体局限性	早期认知技能障碍的检测和管理	认知技能障碍患者	机器学习	老年疾病	多模态学习、强化学习	Multimodal Transformers (MMT)、CNN-LSTM、Deep Q-Network (DQN)、Temporal Convolution Network (TCN)	神经影像数据、可穿戴传感器数据、神经心理测试分数、文本评估	未提及具体样本量
1545	2025-04-17	FaciaVox: A diverse multimodal biometric dataset of facial images and voice recordings 2025-Jun, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2025.111489 PMID:40231156	research paper	介绍了一个名为FaciaVox的多模态生物识别数据集，包含戴口罩和不戴口罩条件下的面部图像和语音记录	创建了一个包含多样化条件下的面部图像和语音记录的多模态生物识别数据集，支持多种前沿应用研究	数据集收集环境包括专业隔音工作室和普通教室，可能引入环境变量如回声和声音反射	为多模态生物识别、跨域生物特征融合、年龄和性别估计等研究提供基础资源	100名来自20个不同国家的参与者，提供面部图像和语音记录	multimodal biometrics	NA	NA	NA	image, audio	100名参与者，每人提供18张面部图像和60条语音记录
1546	2025-04-17	HCBiLSTM-WOA: hybrid convolutional bidirectional long short-term memory with water optimization algorithm for autism spectrum disorder 2025-May, Computer methods in biomechanics and biomedical engineering IF:1.7Q3 DOI:10.1080/10255842.2024.2399016 PMID:39290085	研究论文	提出了一种基于混合卷积双向长短期记忆和水优化算法的自闭症谱系障碍检测机制	结合了HCBiLSTM和WOA算法，提高了自闭症谱系障碍的预测准确率	数据隐私和自闭症风险因素的不可预测性带来了伦理考量	提高自闭症谱系障碍的早期检测准确率	自闭症谱系障碍患者（包括幼儿、儿童、青少年和成人）	机器学习	自闭症谱系障碍	混合卷积双向长短期记忆（HCBiLSTM）和水优化算法（WOA）	HCBiLSTM-WOA	实时自闭症谱系障碍数据集	包含自闭症和非自闭症数据的幼儿、儿童、青少年和成人样本
1547	2025-04-17	Machine learning and deep learning models for preoperative detection of lymph node metastasis in colorectal cancer: a systematic review and meta-analysis 2025-May, Abdominal radiology (New York) DOI:10.1007/s00261-024-04668-z PMID:39522103	meta-analysis	评估机器学习和深度学习模型在结直肠癌患者术前淋巴结转移预测中的诊断性能	首次系统评价和荟萃分析ML和DL模型在CRC术前LNM预测中的表现，并与放射科医生的表现进行比较	研究间存在高异质性，缺乏外部验证的研究表现出更高的AUC，需要更多前瞻性多中心研究验证	评估ML和DL模型在CRC术前LNM预测中的诊断性能	结直肠癌患者	machine learning	colorectal cancer	NA	ML和DL模型	NA	12项研究，涉及8321名患者
1548	2025-04-17	Deep Learning-Based Heterogeneity Correction of the Homogeneous Dose Distribution for Single Brain Tumors in Gamma Knife Radiosurgery 2025-May, Advances in radiation oncology IF:2.2Q2 DOI:10.1016/j.adro.2025.101757 PMID:40231287	research paper	本研究开发了一种基于深度学习的异质性校正方法，用于伽玛刀放射外科治疗中单发脑肿瘤的均匀剂量分布	使用条件生成对抗网络（cGAN）将TMR10剂量转换为合成卷积剂量，无需额外CT扫描即可实现异质性校正	需要进一步优化和验证以增强其在临床环境中的适用性和影响力	开发一种在伽玛刀放射外科治疗中生成包含异质性效应的合成剂量计划的方法	122名伽玛刀放射外科患者（100名回顾性收集，22名前瞻性收集）	digital pathology	brain tumor	MRI, CT, TMR10-based, convolution-based dose calculations	conditional Generative Adversarial Network (cGAN)	image	122名患者（100名回顾性，22名前瞻性）
1549	2025-04-17	Multimodal sentiment analysis leveraging the strength of deep neural networks enhanced by the XGBoost classifier 2025-May, Computer methods in biomechanics and biomedical engineering IF:1.7Q3 DOI:10.1080/10255842.2024.2313066 PMID:38340022	研究论文	本文提出了一种名为Hybrid LXGB的新型多模态情感分析模型，结合了LSTM和XGBoost分类器的优势	创新性地结合了LSTM和XGBoost分类器，提出了Hybrid LXGB模型，在CMU-MOSEI数据集上达到了97.18%的准确率	NA	解决跨多种数据源（如文本、图像和音频）理解情感的复杂任务	多模态情感分析	自然语言处理, 机器学习	NA	深度学习, 梯度提升	LSTM, XGBoost, Hybrid LXGB	文本, 图像, 音频	CMU-MOSEI数据集
1550	2025-04-17	Dissection of tumoral niches using spatial transcriptomics and deep learning 2025-Apr-18, iScience IF:4.6Q1 DOI:10.1016/j.isci.2025.112214 PMID:40230519	研究论文	本研究介绍了一种名为TG-ME的创新计算框架，该框架结合了transformer和图变分自编码器（GraphVAE）模型，用于利用空间转录组学数据和形态学图像解析肿瘤微环境	TG-ME框架创新性地整合了transformer与GraphVAE模型，能够有效识别和表征肿瘤微环境中的特定区域，揭示了癌症进展过程中的分子变化	研究主要基于bench数据集和高分辨率NSCLC数据集，可能在其他类型癌症或更大规模数据集上的适用性有待验证	开发一种计算框架来解析肿瘤微环境的空间组织结构，以指导个性化治疗策略	肿瘤微环境中的特定区域及其分子特征	数字病理学	肺癌	空间转录组学	transformer, GraphVAE	空间转录组学数据, 形态学图像	bench数据集和一个高分辨率NSCLC数据集
1551	2025-04-17	Optical multilayer thin film structure inverse design: From optimization to deep learning 2025-Apr-18, iScience IF:4.6Q1 DOI:10.1016/j.isci.2025.112222 PMID:40230531	综述	本文回顾了从传统优化方法到深度学习算法在光学多层薄膜结构逆向设计中的最新进展	比较了不同深度学习算法在逆向设计中的差异，并探讨了当前最先进的算法	未提及具体实验验证或实际应用案例	探讨光学多层薄膜结构逆向设计的算法发展	光学多层薄膜结构	光子学	NA	深度学习算法	NA	NA	NA
1552	2025-04-17	Discovery and Characterization of Novel Receptor-Interacting Protein Kinase 1 Inhibitors Using Deep Learning and Virtual Screening 2025-Apr-16, ACS chemical neuroscience IF:4.1Q2 DOI:10.1021/acschemneuro.5c00180 PMID:40181215	研究论文	本研究利用深度学习和虚拟筛选技术发现并表征了新型受体相互作用蛋白激酶1（RIPK1）抑制剂	结合指纹图注意力网络（FP-GAT）和分子对接虚拟筛选，从1300万化合物库中鉴定出两种具有抑制活性的新型RIPK1抑制剂	仅从1300万化合物库中筛选出43种化合物进行测试，样本量相对较小	发现新型RIPK1激酶抑制剂以治疗神经退行性疾病和炎症性疾病	受体相互作用蛋白激酶1（RIPK1）及其潜在抑制剂	机器学习	神经退行性疾病, 炎症性疾病	深度学习, 分子对接虚拟筛选, 分子动力学模拟	FP-GAT	化合物结构数据	从1300万化合物库中筛选出43种化合物进行测试
1553	2025-04-17	Quantitative Ischemic Lesions of Portable Low-Field Strength MRI Using Deep Learning-Based Super-Resolution 2025-Apr-16, Stroke IF:7.8Q1 DOI:10.1161/STROKEAHA.124.050540 PMID:40235448	研究论文	本研究评估了基于深度学习的合成超分辨率磁共振成像（SynthMRI）在便携式低场强磁共振成像（LF-MRI）中定量缺血性病变的性能	利用深度学习框架SCUNet从LF-MRI图像生成SynthMRI图像，显著提高了对缺血性病变的检测和定量性能	研究为回顾性设计，样本量相对有限	评估SynthMRI在LF-MRI中定量缺血性病变的诊断性能	178名中风患者和104名健康对照者	数字病理学	心血管疾病	磁共振成像（MRI）	SCUNet	医学影像	282名参与者（178名患者和104名健康对照）
1554	2025-04-17	Transforming pulmonary health care: the role of artificial intelligence in diagnosis and treatment 2025-Apr-15, Expert review of respiratory medicine IF:2.9Q2 DOI:10.1080/17476348.2025.2491723 PMID:40210489	综述	本文综述了人工智能在呼吸系统疾病诊断和治疗中的应用及其挑战	强调了人工智能在预测模型、影像学深度学习和个性化治疗中的技术进步和临床应用	数据集需要更大且多样化，数据隐私、算法透明度和潜在偏见问题需谨慎处理，监管框架需进一步适应AI在医疗中的独特挑战	探讨人工智能在呼吸系统疾病诊断和治疗中的潜力和应用	呼吸系统疾病如肺炎、哮喘和慢性阻塞性肺病(COPD)	数字病理学	肺病	深度学习	NA	影像	NA
1555	2025-04-17	Multicenter Development and Validation of a Multimodal Deep Learning Model to Predict Moderate to Severe Acute Kidney Injury 2025-Apr-15, Clinical journal of the American Society of Nephrology : CJASN IF:8.5Q1 DOI:10.2215/CJN.0000000695 PMID:40232856	research paper	开发并验证了一种结合结构化和非结构化数据的深度学习模型，用于预测中度至重度急性肾损伤	首次结合结构化数据和非结构化临床笔记信息，采用中间融合的深度学习循环神经网络架构来预测急性肾损伤	研究排除了入院时血清肌酐≥3.0mg/dL、48小时内需要透析等特定患者群体	开发能够早期预测中度至重度急性肾损伤的深度学习模型	成年住院患者（≥18岁）	digital pathology	acute kidney injury	deep learning, natural language processing	recurrent neural network (RNN)	structured clinical data and unstructured clinical notes	424,579例住院患者（推导队列339,998例，验证队列84,581例）
1556	2025-04-17	A deep learning framework for enhanced mass spectrometry data analysis and biomarker screening 2025-Apr-15, Computer methods in biomechanics and biomedical engineering IF:1.7Q3 DOI:10.1080/10255842.2025.2488501 PMID:40232885	研究论文	本文提出了一种深度学习框架，用于增强质谱数据的分类和生物标志物筛选	该框架整合了预处理、分类和生物标志物选择，解决了高维质谱数据分析中的挑战	NA	提升质谱数据的分类性能和生物标志物筛选效率	高维质谱数据	机器学习	NA	质谱(MS)	深度学习框架	质谱数据	NA
1557	2025-04-17	SMANet: A Model Combining SincNet, Multi-branch Spatial-Temporal CNN and Attention Mechanism for Motor Imagery BCI 2025-Apr-15, IEEE transactions on neural systems and rehabilitation engineering : a publication of the IEEE Engineering in Medicine and Biology Society IF:4.8Q1 DOI:10.1109/TNSRE.2025.3560993 PMID:40232894	研究论文	提出了一种结合SincNet、多分支时空CNN和注意力机制的端到端深度学习模型SMANet，用于运动想象脑机接口分类	结合SincNet、多分支时空CNN和注意力机制，采用多目标优化方案增强判别特征	NA	提高运动想象脑机接口的分类准确率	脑电图(EEG)信号	脑机接口	NA	深度学习	SMANet (结合SincNet、MBSTCNN和注意力机制)	EEG信号	BCI Competition IV 2a (四类MI数据集)、BCI Competition IV 2b (二类MI数据集)、OpenBMI (二类MI数据集)
1558	2025-04-17	Hadamard product in deep learning: Introduction, Advances and Challenges 2025-Apr-15, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3560423 PMID:40232897	综述	本文综述了深度学习中的Hadamard乘积，探讨了其应用、优势及挑战	首次提出了Hadamard乘积在深度学习中的全面分类，并系统分析了其作为核心架构原语的作用	未进行实验验证，仅为基础理论分析	系统分析Hadamard乘积在深度学习中的应用及其潜力	Hadamard乘积在深度学习架构中的应用	机器学习	NA	NA	NA	多模态数据	NA
1559	2025-04-17	Constraint Boundary Wandering Framework: Enhancing Constrained Optimization with Deep Neural Networks 2025-Apr-15, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3560762 PMID:40232899	研究论文	提出了一种基于深度神经网络的约束优化新方法——约束边界漫游框架（CBWF）	引入了受主动集方法启发的边界漫游策略，增强了等式约束的可行性，并将Lipschitz常数作为可学习参数	NA	解决传统约束优化技术在可扩展性方面的挑战	约束优化问题	机器学习	NA	深度神经网络（DNNs）	DNN	合成数据集和ACOPT数据集	NA
1560	2025-04-17	Multi-View Self-Supervised Learning Enhances Automatic Sleep Staging from EEG Signals 2025-Apr-15, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3561228 PMID:40232903	research paper	该研究提出了一种多视图自监督学习方法，用于从脑电图信号中自动进行睡眠分期	采用多视图自监督学习方法，结合时间视图和频谱视图特征编码器，通过交叉视图对比损失和动态加权算法提高特征的迁移性和鲁棒性	依赖于公开数据集，未在更多样化的数据集上进行验证	提高自动睡眠分期的效率和准确性	脑电图信号	machine learning	睡眠障碍	自监督学习（SSL）	多视图睡眠分期模型	脑电图信号	三个公开数据集（SleepEDF-20、SleepEDF-78和MASS）