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
141	2025-10-29	Deep Learning-based Hierarchical Brain Segmentation with Preliminary Analysis of the Repeatability and Reproducibility 2025-Jul-31, Magnetic resonance in medical sciences : MRMS : an official journal of Japan Society of Magnetic Resonance in Medicine IF:2.5Q2 DOI:10.2463/mrms.mp.2023-0124 PMID:38960679	研究论文	开发基于深度学习的层次化脑部分割方法并评估其体积测量的可重复性和再现性	提出新型深度学习层次化脑部分割方法，能够在临床可行时间内分割107个脑部子区域	仅使用11名健康受试者的扫描-重扫描数据进行评估，样本量有限	评估深度学习脑部分割方法在体积测量中的可重复性和再现性	人脑T1加权磁共振图像	医学图像分析	脑部疾病	T1加权磁共振成像	深度学习模型	3D医学图像	486名受试者用于训练，11名健康受试者用于评估	NA	层次化分割模型	可重复性, 再现性	NA
142	2025-10-29	Utility of Thin-slice Fat-suppressed Single-shot T2-weighted MR Imaging with Deep Learning Image Reconstruction as a Protocol for Evaluating the Pancreas 2025-Jul-31, Magnetic resonance in medical sciences : MRMS : an official journal of Japan Society of Magnetic Resonance in Medicine IF:2.5Q2 DOI:10.2463/mrms.mp.2024-0017 PMID:38910138	研究论文	比较薄层脂肪抑制单次激发T2加权成像与深度学习图像重建和传统快速自旋回波T2加权成像在胰腺评估中的效用	首次将深度学习图像重建技术应用于薄层脂肪抑制单次激发T2加权成像，用于胰腺评估	回顾性研究设计，样本量较小（42例患者），仅针对胰腺癌患者	评估不同T2加权成像序列结合深度学习图像重建在胰腺成像中的性能	胰腺癌患者的MRI图像	医学影像分析	胰腺癌	MRI（钆塞酸增强磁共振成像），T2加权成像，深度学习图像重建	深度学习	医学影像	42例胰腺癌患者（平均年龄70.2岁）	NA	NA	信噪比，胰腺-病灶对比度，图像质量评分（5分制）	NA
143	2025-10-29	Thin-slice 2D MR Imaging of the Shoulder Joint Using Denoising Deep Learning Reconstruction Provides Higher Image Quality Than 3D MR Imaging 2025-Jul-31, Magnetic resonance in medical sciences : MRMS : an official journal of Japan Society of Magnetic Resonance in Medicine IF:2.5Q2 DOI:10.2463/mrms.mp.2023-0115 PMID:38777762	研究论文	比较薄层2D磁共振成像结合深度学习去噪重建与3D磁共振成像在肩关节成像中的图像质量	首次将并行成像、部分傅里叶技术和深度学习去噪重建结合应用于肩关节薄层2D成像，并与传统3D成像进行系统比较	样本量较小（仅18例患者），未详细说明深度学习模型的具体架构和训练细节	评估薄层2D脂肪饱和质子密度加权成像结合先进重建技术在肩关节成像中的临床应用价值	肩关节磁共振图像	医学影像分析	肌肉骨骼疾病	磁共振成像，深度学习重建	深度学习	医学影像	18例患者	NA	NA	变异系数，Likert量表评分，Gwet一致性系数	NA
144	2025-10-29	On the Utility of Virtual Staining for Downstream Applications as it relates to Task Network Capacity 2025-Jul-31, ArXiv PMID:40766889	研究论文	系统研究虚拟染色技术对下游临床任务效用的影响，重点关注任务网络容量的作用	首次系统分析虚拟染色对下游任务性能的影响，并揭示任务网络容量在此过程中的关键作用	研究基于生物数据集进行实证评估，可能受限于特定数据集特性	评估虚拟染色技术对下游临床任务（如分割和分类）的实际效用	生物医学图像及其下游分析任务	数字病理	NA	深度学习图像到图像转换	深度学习网络	无标记图像、虚拟染色图像、真实荧光图像	NA	NA	图像到图像转换网络	分割性能、分类性能	NA
145	2025-06-05	Geometric Deep Learning for Multimodal Data in CKD 2025-Jun-03, Journal of the American Society of Nephrology : JASN IF:10.3Q1 DOI:10.1681/ASN.0000000778 PMID:40459949	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
146	2025-10-29	Radiomics of PET Using Neural Networks for Prediction of Alzheimer's Disease Diagnosis 2025-Jun, Statistics in medicine IF:1.8Q1 DOI:10.1002/sim.70128 PMID:40468810	研究论文	本研究提出使用图神经网络和Transformer编码器从纵向PET图像序列预测阿尔茨海默病诊断	首次将图神经网络和Transformer编码器应用于纵向PET图像序列分析，能够有效处理访间时间变异性	研究数据仅来自ADNI研究，可能缺乏外部验证	利用纵向PET图像和认知评分预测阿尔茨海默病诊断及疾病转化	阿尔茨海默病神经影像倡议(ADNI)研究收集的数据	医学影像分析	阿尔茨海默病	正电子发射断层扫描(PET)	GNN, Transformer, RNN, FFN	医学影像(PET图像), 认知评分	ADNI研究数据集	NA	图神经网络, Transformer编码器, 循环神经网络, 前馈神经网络	准确率, AUC, Brier分数	NA
147	2025-10-29	SNRAware: Improved Deep Learning MRI Denoising with SNR Unit Training and G-factor Map Augmentation 2025-Mar-23, ArXiv PMID:40735077	研究论文	提出一种名为SNRAware的新型深度学习MRI去噪方法，利用重建过程中的定量噪声分布信息提升去噪性能与泛化能力	通过信噪比单元训练和G因子图增强技术，将MRI重建过程的定量噪声分布信息整合到深度学习训练中	研究为回顾性研究，主要基于心脏电影序列数据，需要进一步验证在其他解剖部位和成像序列的普适性	开发并评估一种利用重建过程噪声分布信息的深度学习MRI去噪方法	心脏回顾性门控电影复杂序列、心脏实时电影、首次通过心脏灌注、神经和脊柱MRI图像	医学影像处理	心血管疾病	MRI成像技术	Transformer, CNN	医学图像	2,885,236张图像，来自96,605个心脏电影序列，测试集包含3000个样本	NA	Transformer, 卷积神经网络	PSNR, SSIM, CNR	NA
148	2025-10-29	Mortality risk assessment using deep learning-based frequency analysis of electroencephalography and electrooculography in sleep 2025-Feb-10, Sleep IF:5.3Q1 DOI:10.1093/sleep/zsae219 PMID:39301948	研究论文	本研究使用深度学习分析睡眠期间脑电图和眼电图的频率特征来预测全因死亡率	首次使用深度学习生存模型分析多中心睡眠研究数据，并通过SHAP方法识别与死亡率相关的特定频率带	C-index提升幅度较小（仅0.24%），模型预测性能改善有限	评估睡眠期间EEG和EOG频率特征对全因死亡率的预测能力	8716名来自MrOS睡眠研究和睡眠心脏健康研究的参与者	医疗人工智能	全因死亡率	多导睡眠图，功率谱分析，SHAP解释性分析	深度学习生存模型，Cox比例风险模型	脑电图，眼电图，睡眠分期数据	8716名参与者	NA	NA	C-index，风险比	NA
149	2025-10-29	Attention-enhanced deep learning for cervical cytology: combining convolutional networks with multi-head attention and fuzzy logic 2025, Polish journal of radiology IF:0.9Q4 DOI:10.5114/pjr/207475 PMID:41140357	研究论文	提出一种结合卷积神经网络、多头注意力和模糊逻辑的深度学习框架，用于宫颈细胞学图像分类	引入基于模糊距离的CNN集成方法和多头注意力机制，结合四种高级预处理技术提升图像质量	未提及模型在更大规模数据集上的泛化能力测试	开发自动化宫颈癌诊断系统以提高诊断准确性和效率	宫颈涂片图像	计算机视觉	宫颈癌	图像处理技术（小波去噪、CLAHE、背景校正、拉普拉斯锐化）	CNN	图像	NA	NA	Simple CNN, InceptionV3, Xception, Xception with Attention, Inception Attention	准确率	NA
150	2025-10-29	Cotton pest and disease diagnosis via YOLOv11-based deep learning and knowledge graphs: a real-time voice-enabled edge solution 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1671755 PMID:41140380	研究论文	提出一种基于YOLOv11深度学习与知识图谱的棉花病虫害实时语音边缘诊断解决方案	集成增强型YOLOv11检测器与领域知识图谱，通过语音交互实现田间实时决策支持	未提及模型在极端环境条件下的鲁棒性验证	开发可访问的田间就绪决策支持系统，提升棉花病虫害管理效率	棉花病虫害图像及领域知识	计算机视觉	植物病虫害	深度学习，知识图谱构建	YOLOv11	图像	知识图谱包含3000+三元组，覆盖7个主要类别	PyTorch	YOLOv11	mAP50, FPS	Jetson Xavier NX边缘设备
151	2025-10-29	The use of artificial intelligence in the prevention and management of bleeding disorders: a systematic review 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1606788 PMID:41140650	系统综述	本系统综述探讨人工智能在出血性疾病预防和管理中的应用	首次系统评估AI在出血性疾病管理中的综合应用，整合遗传标记、实验室生物标志物和临床变量构建预测模型	数据集碎片化、模型可解释性有限、外部验证不足阻碍临床广泛应用	评估AI在出血性疾病预防、诊断和管理中的作用	出血性疾病患者，包括血友病、血管性血友病和免疫性血小板减少症	机器学习	出血性疾病	机器学习算法，预测分析	Random Forest, XGBoost, LightGBM, 深度学习	遗传数据、实验室数据、临床数据、人口统计学数据	基于12项符合纳入标准的研究	NA	NA	诊断准确性、风险分层能力	NA
152	2025-10-29	Diagnosing autism spectrum disorder based on eye tracking technology using deep learning models 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1690177 PMID:41140663	研究论文	本研究基于眼动追踪技术，使用深度学习模型诊断自闭症谱系障碍	结合CNN和LSTM模型分析眼动数据，采用互信息特征选择方法，在ASD诊断中达到99.78%的准确率	使用标准数据集，未提及外部验证或临床实际应用效果	利用深度学习算法通过眼动追踪数据实现自闭症谱系障碍的自动诊断	自闭症谱系障碍儿童和正常发育儿童的眼动数据	计算机视觉	自闭症谱系障碍	眼动追踪技术	CNN, LSTM, CNN-LSTM	眼动数据	来自ASD患者和非ASD个体的标准数据集	NA	CNN-LSTM	准确率	NA
153	2025-10-29	Predicting the onset of internalizing disorders in early adolescence using deep learning optimized with AI 2025, Frontiers in psychiatry IF:3.2Q2 DOI:10.3389/fpsyt.2025.1487894 PMID:41140958	研究论文	使用深度学习结合进化算法预测早期青少年内化障碍的发病风险	首次联合使用深度学习与进化算法进行超参数优化和自动特征选择，可分析比以往机器学习研究更广泛的预测因子类型	需要额外数据集的复制验证以测试结果的普适性	预测早期青少年内化障碍（抑郁、焦虑、躯体症状障碍）的发病风险	ABCD队列中9-10岁儿童及其父母	机器学习	精神疾病	深度学习	人工神经网络	多领域数据（认知、心理社会、神经、生物）	约6,000个候选预测因子	NA	人工神经网络	AUROC, 准确率	NA
154	2025-10-29	Exploring AI Approaches for Breast Cancer Detection and Diagnosis: A Review Article 2025, Breast cancer (Dove Medical Press) DOI:10.2147/BCTT.S550307 PMID:41141218	综述	本文综述了人工智能在乳腺癌检测与诊断中的最新进展，重点分析不同影像学技术中深度学习的应用现状与挑战	系统整合了CNN、Vision Transformer和GAN等多种AI技术在乳腺癌多模态影像诊断中的创新应用，并提出全生命周期监控的责任集成框架	存在外部验证不均衡、领域适应性差、报告标准不统一、模型可解释性有限以及伦理隐私等临床转化障碍	探讨人工智能技术在乳腺癌检测与诊断领域的应用现状与发展方向	乳腺癌的医学影像数据（钼靶、DBT、超声、MRI、全切片图像）及相关的临床病理和基因组变量	数字病理	乳腺癌	医学影像分析	CNN, Vision Transformer, GAN	医学影像	NA	NA	CNN, Vision Transformer, GAN	NA	NA
155	2025-10-29	KinMethyl: robust methylation detection in prokaryotic SMRT sequencing via kinetic signal modeling and deep feature integration 2025, Bioinformatics advances IF:2.4Q2 DOI:10.1093/bioadv/vbaf249 PMID:41141336	研究论文	提出一种名为KinMethyl的深度学习框架，通过整合序列和动力学信号来改进原核生物甲基化检测	开发了基于全基因组扩增样本训练的回归模型来预测未甲基化序列的动力学信号，并将其整合到下游分类器中提升低信噪比条件下的检测性能	NA	提高原核生物PacBio SMRT测序中甲基化检测的准确性和鲁棒性	细菌基因组中的甲基化修饰，包括5mC、6mA和4mC	生物信息学	NA	SMRT测序，全基因组扩增	回归模型，分类器	序列数据，动力学信号	多种细菌物种	深度学习框架	NA	AUC, DeLong检验	NA
156	2025-10-29	Hybrid recurrent with spiking neural network model for enhanced anomaly prediction in IoT networks security 2025, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2025.1651516 PMID:41141909	研究论文	提出一种结合循环神经网络和脉冲神经网络的混合模型HRSNN，用于提升物联网网络安全的异常预测能力	首次将循环神经网络的空间特征学习能力与脉冲神经网络的时间适应性相结合，形成混合架构	NA	提高物联网网络安全的异常检测准确性和鲁棒性	物联网网络数据流和安全威胁	机器学习	NA	SMOTE, RFE	RNN, SNN	网络流量数据	CIC-IoT23和TON_IoT数据集	NA	HRSNN	准确率	NA
157	2025-10-29	PainSeeker: a head pose-invariant deep learning method for assessing rat's pain by facial expressions 2025, Frontiers in veterinary science IF:2.6Q1 DOI:10.3389/fvets.2025.1619794 PMID:41142570	研究论文	提出一种头部姿态不变深度学习模型PainSeeker，通过分析大鼠面部表情自动评估疼痛程度	开发了能够识别与疼痛相关的局部面部区域并在不同头部姿态下学习一致判别特征的头部姿态不变深度学习模型	仅使用六只正畸治疗大鼠的数据集，样本规模有限	开发自动评估实验室大鼠疼痛的方法	实验室大鼠的面部表情	计算机视觉	疼痛评估	面部表情分析	深度学习	图像	六只正畸治疗大鼠的面部图像数据集	NA	PainSeeker	F-score, 准确率	NA
158	2025-10-29	Predicting the conformational flexibility of antibody and T cell receptor complementarity-determining regions 2025, Nature machine intelligence IF:18.8Q1 DOI:10.1038/s42256-025-01131-6 PMID:41143207	研究论文	开发了一种基于深度学习的方法预测抗体和T细胞受体CDR3环的结构灵活性	构建了包含120万个环结构的ALL-conformations数据集，并开发了首个能够可靠预测CDR环构象灵活性的深度学习工具ITsFlexible	依赖于蛋白质结构数据库中的现有数据，对于没有已解析结构的CDR环预测能力可能受限	预测抗体和T细胞受体互补决定区的构象灵活性	抗体和T细胞受体的CDR3环结构	计算生物学	NA	深度学习，冷冻电镜，分子动力学模拟	图神经网络	蛋白质结构数据	120万个环结构，代表超过10万个独特序列	NA	图神经网络	二元分类准确率	NA
159	2025-10-29	C-HDNet: A Fast Hyperdimensional Computing Based Method for Causal Effect Estimation from Networked Observational Data 2025, Social network analysis and mining IF:2.3Q3 DOI:10.1007/s13278-025-01502-2 PMID:41143237	研究论文	提出一种基于超维计算的因果效应估计方法，用于处理网络干扰下的观测数据	首次将超维计算原理应用于网络混杂环境下的因果效应估计，通过高效编码网络结构信息实现更准确的个体匹配	方法性能依赖于网络结构的准确性和完整性，在极端稀疏网络中的表现未充分验证	解决网络干扰下的因果效应估计问题	网络结构中的个体观测数据	机器学习	NA	超维计算	匹配模型	网络观测数据	多个基准数据集	NA	C-HDNet	准确度, 运行时间	NA
160	2025-10-29	Attention-based Transformer-LSTM architecture for early diagnosis and staging of early-stage Parkinson's disease using fNIRS data 2025, Frontiers in aging neuroscience IF:4.1Q2 DOI:10.3389/fnagi.2025.1677722 PMID:41143247	研究论文	开发基于注意力机制的Transformer-LSTM混合深度学习模型ATLAS-PD，用于通过fNIRS数据对早期帕金森病进行诊断和分期	提出首个结合注意力机制、Transformer和LSTM的混合深度学习架构，专门针对fNIRS数据进行早期帕金森病诊断和分期，并通过补充任务验证模型鲁棒性	研究仅涵盖H&Y分期1-2期患者，未验证模型在更晚期帕金森病阶段的性能	开发客观、非侵入性的早期帕金森病诊断和分期工具	240名参与者（80名健康对照，80名H&Y 1期帕金森病患者，80名H&Y 2期帕金森病患者）	机器学习	帕金森病	功能性近红外光谱（fNIRS）	Transformer, LSTM	fNIRS信号数据	240名参与者（主要任务），60名参与者子集（补充步态想象任务）	NA	注意力机制Transformer-LSTM混合架构（ATLAS-PD）	准确率, AUC, 宏平均AUC	NA