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
141	2025-08-10	Population Specific Biomarkers of Human Aging: A Big Data Study Using South Korean, Canadian, and Eastern European Patient Populations 2018-10-08, The journals of gerontology. Series A, Biological sciences and medical sciences DOI:10.1093/gerona/gly005 PMID:29340580	研究论文	本研究利用深度学习技术，基于加拿大、韩国和东欧人群的血液样本数据，开发了一种血液学衰老时钟模型，提高了对个体人群衰老的预测准确性	开发了针对特定人群的血液学衰老时钟模型，相比单一人群模型具有更高的预测准确性，并探讨了其与全因死亡率之间的关联	研究仅基于加拿大、韩国和东欧人群的数据，可能无法完全代表其他种族或地区的人群	开发更准确、具有生理意义的衰老生物标志物，以评估抗衰老疗法	加拿大、韩国和东欧人群的血液样本数据	机器学习	老年疾病	深度学习	深度学习模型	血液样本数据	加拿大、韩国和东欧人群的大规模组合数据集，以及NHANES的美国人群公开样本
142	2025-08-09	A classification method of motor imagery based on brain functional networks by fusing PLV and ECSP 2025-Oct, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.107684 PMID:40450930	research paper	提出了一种融合PLV和ECSP的脑功能网络构建方法，用于增强脑状态解码能力并评估运动想象期间脑区相关节点的功能连接变化	融合边特征和节点特征构建新型脑功能网络，并设计AMSF-CNN模型进行验证	未提及具体样本量以外的局限性	提升运动想象任务中脑状态解码能力，探索人脑工作机制	左右手抓握任务的运动想象脑电信号	脑机接口	NA	PLV（相位锁定值）、ECSP（增强共同空间模式）	AMSF-CNN（注意力多尺度特征卷积神经网络）	脑电信号	SHU_Dataset和BCI IV 2a Dataset（未提具体样本数）
143	2025-08-09	CDAFormer: Hybrid Transformer-based contrastive domain adaptation framework for unsupervised hyperspectral change detection 2025-Oct, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.107633 PMID:40505164	研究论文	提出了一种基于混合Transformer的对比域适应框架（CDAFormer），用于无监督高光谱变化检测，以解决现有方法在不同数据分布的高光谱图像上泛化能力差和标注数据获取困难的问题	通过混合Transformer块进行初步粗对比域对齐，并在损失函数层面进行细粒度对齐，有效利用先验信息提升无标签训练样本下的检测性能	未明确说明模型在极端光照或天气条件下的鲁棒性，也未讨论计算复杂度问题	提升无监督高光谱变化检测的跨域泛化能力	高光谱图像（HSI）的变化检测	计算机视觉	NA	对比域适应（CDA）	混合Transformer（Hybrid Transformer）	高光谱图像	广泛使用的数据集（未明确数量）
144	2025-08-09	Physics-informed neural networks for solving inverse problems in phase field models 2025-Oct, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.107665 PMID:40554300	research paper	该论文探讨了物理信息神经网络（PINNs）在解决相场模型反问题中的应用	将PINNs应用于反问题，特别是关键各向异性材料参数的逆反，并扩展到多物理耦合系统	未提及具体的数据量或实验验证范围	研究PINNs在材料科学中解决反问题的潜力	相场模型中的扩散、流动和相变问题	machine learning	NA	Physics-Informed Neural Networks (PINNs)	PINNs	numerical simulation data	NA
145	2025-08-09	Understanding the Pathophysiology of Mental Diseases and Early Diagnosis Thanks to Electrophysiological Tools: Some Insights and Empirical Facts 2025-Sep, Clinical EEG and neuroscience IF:1.6Q3 DOI:10.1177/15500594241227485 PMID:38238934	research paper	本文探讨了神经生理学工具在精神疾病病理生理学理解和早期诊断中的应用	提出了三种神经生理学技术的新应用，包括EEG记录与深度学习用于痴呆亚型诊断、不匹配负性用于精神分裂症早期诊断、以及认知事件相关电位用于成瘾监测和复发预防	未提及具体研究样本量和数据收集的局限性	探索神经生理学工具在精神疾病诊断和管理中的应用价值	三种高发精神疾病：痴呆亚型、精神分裂症和成瘾	神经科学	精神疾病	EEG、不匹配负性(MMN)、认知事件相关电位(ERPs)	深度学习	电生理数据	NA
146	2025-08-09	af2rave: protein ensemble generation with physics-based sampling 2025-Aug-06, Digital discovery IF:6.2Q1 DOI:10.1039/d5dd00201j PMID:40621440	research paper	介绍了一个开源Python包af2rave，用于通过物理驱动采样生成蛋白质的多种构象	改进了AlphaFold2-RAVE协议，通过自动选择重要集体变量简化了用户操作，提高了构象采样的效率	虽然提高了采样效率，但仍需进一步验证其在更广泛蛋白质体系中的适用性	开发一个高效且自动化的工具，用于生成和分析蛋白质的多种构象	蛋白质构象	结构生物学	NA	AlphaFold2预测与分子动力学(MD)模拟结合	AlphaFold2	蛋白质结构数据	包括腺苷激酶(ADK)、人类DDR1激酶和SARS-CoV-2刺突蛋白受体结合域等多个系统
147	2025-08-09	A scalable deep attention mechanism of instance segmentation for the investigation of chromosome 2025-Aug, SLAS technology IF:2.5Q3 DOI:10.1016/j.slast.2025.100306 PMID:40360085	研究论文	本研究提出了一种用于染色体实例分割的深度学习框架，结合自动化注释流程和增强的深度学习架构，以解决染色体分割中的挑战	提出了一种结合自动化注释流程和增强深度学习架构的实例分割框架，并引入了一个新的数据集，显著提高了染色体分割的准确性和效率	尽管在小型和中型染色体分割上表现优异，但对于某些复杂形状的染色体分割可能仍有改进空间	开发一种可扩展的染色体实例分割方法，以解决细胞遗传学和基因组学中的染色体分割挑战	染色体图像，特别是中期染色体图像	数字病理学	NA	SIFT和单应性变换用于图像配准，深度学习用于实例分割	改进的Mask R-CNN模型，包含Attention-based Feature Pyramid Network (AttFPN)和空间注意力机制	图像	包含中期染色体图像和对应核型图的新数据集，涵盖24种染色体类别
148	2025-08-09	Classifying kidney disease using a dense layers deep learning model 2025-Aug, SLAS technology IF:2.5Q3 DOI:10.1016/j.slast.2025.100324 PMID:40588036	research paper	该研究提出了一种基于密集层深度学习模型的肾脏疾病分类方法	提出的模型在准确率、精确率、召回率和F1分数上均达到0.99，表现出极高的可靠性	实验使用了公开数据集，可能无法涵盖所有临床场景	开发一种高准确率的肾脏疾病自动检测方法	慢性肾脏疾病（CKD）患者	machine learning	kidney disease	deep learning	dense-layered deep neural networks	structured data	公开数据集，包含24个独立字段和独立值
149	2025-08-09	Explainable clinical diagnosis through unexploited yet optimized fine-tuned ConvNeXt Models for accurate monkeypox disease classification 2025-Aug, SLAS technology IF:2.5Q3 DOI:10.1016/j.slast.2025.100336 PMID:40712913	research paper	该研究通过优化微调的ConvNeXt模型，实现猴痘疾病的准确分类，并提高诊断的可解释性	利用迁移学习技术微调预训练的ConvNeXt模型，显著提高了猴痘分类的准确性和实时应用性，并通过可解释AI方法增强结果的可理解性	研究依赖于特定数据集（MSLD和MSLD v2.0），在其他数据集上的泛化能力未验证	开发一种高效且可解释的深度学习模型，用于猴痘疾病的早期准确分类	猴痘疾病的视觉数据信息	digital pathology	monkeypox	transfer learning, data augmentation	ConvNeXtSmall, ConvNeXtBase	image	MSLD（二分类）和MSLD v2.0（多分类）数据集
150	2025-08-09	Radiomics, machine learning, and deep learning for hippocampal sclerosis identification: a systematic review and diagnostic meta-analysis 2025-07-29, Epilepsy & behavior : E&B IF:2.3Q2 DOI:10.1016/j.yebeh.2025.110624 PMID:40737956	系统性综述与诊断性Meta分析	本文通过系统性综述和Meta分析评估了AI和影像组学在识别海马硬化中的诊断准确性	首次对AI和影像组学在识别海马硬化中的诊断性能进行系统性比较，发现单独使用AI比结合影像组学具有更高的敏感性和特异性	纳入研究数量较少（6项），且存在较高的异质性（I2>69%）	提高颞叶癫痫中海马硬化的非侵入性诊断准确性	海马硬化（HS）患者	数字病理学	颞叶癫痫	机器学习与深度学习	SVM, CNN, LR	医学影像数据	6项研究（具体样本量未明确说明）
151	2025-08-09	Quantifying physiological variability and improving reproducibility in 4D-flow MRI cerebrovascular measurements with self-supervised deep learning 2025-Jul-25, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.30634 PMID:40711943	研究论文	评估自监督深度学习去噪在减少4D-Flow MRI测量变异性中的效果，并阐明生理变异对脑血管血流动力学的贡献	使用自监督深度学习去噪框架减少4D-Flow MRI测量中的技术噪声，提高定量重复性	去噪无法消除生理变异和后处理带来的变异性	提高4D-Flow MRI测量的可重复性，并区分技术噪声和生理变异的影响	10名参与者的4D-Flow MRI扫描数据	医学影像处理	神经退行性疾病	4D-Flow MRI	自监督深度学习	MRI图像	10名参与者
152	2025-08-09	BrainCNN: Automated brain tumor grading from magnetic resonance images using a convolutional neural network-based customized model 2025-Jul-23, SLAS technology IF:2.5Q3 DOI:10.1016/j.slast.2025.100334 PMID:40712914	研究论文	开发了一种基于卷积神经网络的自动化脑肿瘤分级系统，用于从磁共振图像中准确分级脑肿瘤	提出了一种结合预训练模型和定制CNN的方法，显著提高了脑肿瘤分级的准确性和计算效率	数据集仅来自单一医院，可能影响模型的泛化能力	开发自动化脑肿瘤分级系统以提高治疗效果和生存率	脑肿瘤患者的MRI扫描图像	数字病理学	脑肿瘤	MRI	CNN, MobileNet, Inception V3, ResNet-50	图像	293份MRI扫描
153	2025-08-09	Deep Learning-Guided Quantitative Analysis Establishes Optimized BRAF V600E Immunohistochemical Criteria for Colorectal Cancer: A Multiplatform Validation Study 2025-Jul-17, Laboratory investigation; a journal of technical methods and pathology DOI:10.1016/j.labinv.2025.104215 PMID:40683333	研究论文	本研究通过深度学习引导的定量分析，建立了针对结直肠癌BRAF V600E突变的优化免疫组化标准，并进行了多平台验证	首次为结直肠癌建立了基于定量分析的BRAF V600E免疫组化标准，并验证了其跨平台适用性	非典型染色模式的病例仍需分子确认	建立结直肠癌特异性BRAF V600E免疫组化标准	250例结直肠癌病例及其免疫组化和基因检测结果	数字病理学	结直肠癌	免疫组化(IHC)、qPCR、NGS	深度学习	图像、基因测序数据	250例结直肠癌病例
154	2025-08-09	Potential of artificial intelligence for radiation dose reduction in computed tomography -A scoping review 2025-Jul, Radiography (London, England : 1995) DOI:10.1016/j.radi.2025.102968 PMID:40339443	综述	本文综述了人工智能在计算机断层扫描中减少辐射剂量的潜力，重点关注患者定位、扫描范围确定和图像重建三个关键领域	强调了人工智能在克服低剂量CT设置相关限制方面的作用，特别是在减少手动错误导致的定位偏移和过度扫描方面	未提及具体研究方法的局限性，但指出需要进一步临床整合以优化CT扫描协议和辐射剂量	评估和总结人工智能在CT辐射剂量优化中的作用	计算机断层扫描（CT）中的患者定位、扫描范围确定和图像重建	医学影像	NA	深度学习图像重建算法	深度学习	医学影像数据	90篇符合选择标准的文章
155	2025-08-09	Forensic dental age estimation with deep learning: a modified xception model for panoramic X-Ray images 2025-Jun, Forensic science, medicine, and pathology DOI:10.1007/s12024-025-00962-4 PMID:39937388	研究论文	本研究开发了一种基于改进Xception深度学习模型的全景X射线图像法医年龄估计方法，重点区分12岁以下和12岁及以上的个体	提出了一种名为'Forensic Xception'的改进模型，并引入了一种新的多边形面积度量(PAM)来处理法医应用中常见的数据不平衡问题	研究仅针对5-15岁儿童，未来需要探索更多数据集并解决伦理和法律问题	开发更准确的法医年龄估计方法	1941名5-15岁儿科患者的全景X射线图像	计算机视觉	NA	深度学习	Xception, ResNet, ShuffleNet等多种CNN模型	X射线图像	1941名儿科患者
156	2025-08-09	Sex estimation with convolutional neural networks using the patella magnetic resonance image slices 2025-Jun, Forensic science, medicine, and pathology DOI:10.1007/s12024-025-00943-7 PMID:39969760	research paper	该研究利用卷积神经网络（CNN）对髌骨磁共振图像切片进行性别估计	首次采用多种深度学习架构（如EfficientNetB3、MobileNetV2、VGG16、ResNet50和DenseNet121）对髌骨MRI切片进行性别估计，无需传统形态测量方法	样本量相对较小（696名患者），且未对不同年龄段或种族群体进行分层分析	开发自动化的性别估计方法以替代传统耗时且依赖专家经验的形态测量分析	696名患者（293名男性和403名女性）的6710张髌骨磁共振矢状面图像切片	computer vision	NA	磁共振成像（MRI）	CNN（包括EfficientNetB3、MobileNetV2、VGG16、ResNet50和DenseNet121）	医学影像（MRI切片）	696名患者的6710张图像切片
157	2025-08-09	Mapping the regulatory effects of common and rare non-coding variants across cellular and developmental contexts in the brain and heart 2025-Feb-20, bioRxiv : the preprint server for biology DOI:10.1101/2025.02.18.638922 PMID:40027628	研究论文	利用深度学习模型预测非编码变异在脑和心脏不同细胞环境中的调控效应，并开发FLARE模型以优先考虑具有极端调控效应的突变	整合单细胞图谱、群体遗传学和深度学习模型预测变异效应，开发FLARE模型优先考虑极端调控效应的突变	研究主要关注脑和心脏的特定细胞环境，可能不适用于其他组织或疾病	理解非编码变异在人类疾病中的作用及其在不同细胞和发育环境中的调控效应	15百万个变异在132个成人和胎儿脑及心脏细胞环境中的效应	生物信息学	神经发育障碍	单细胞ATAC-seq, 深度学习	深度学习模型, FLARE	基因组数据	132个细胞环境，15百万个变异
158	2025-08-09	Chaotic gradient based optimization with fuzzy temporal optimized CNN for heart failure prediction 2025-01-31, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-88277-w PMID:39890898	研究论文	提出了一种结合一维混沌映射和梯度优化器的新型心衰预测模型，以提高早期和准确检测的能力	引入了混沌梯度优化器(CGBO)和模糊时间优化卷积神经网络(FTOCNN)分类器，结合模糊时间规则提高检测准确性	NA	提高心衰早期和准确检测的能力，减少检测时间	心衰患者	机器学习	心血管疾病	混沌梯度优化器(CGBO), 模糊时间优化卷积神经网络(FTOCNN)	CNN	电子健康记录(EHRs)	UCI心脏数据集和电子健康记录(EHRs)
159	2025-08-09	Universal conditional networks (UniCoN) for multi-age embryonic cartilage segmentation with Sparsely annotated data 2025-01-31, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-87797-9 PMID:39890924	研究论文	提出一种名为UniCoN的深度学习框架，用于多年龄段胚胎软骨的3D微CT图像分割，特别是在稀疏标注数据条件下	引入了两种新机制，分别基于离散年龄段和连续图像裁剪位置，以提高模型在不同年龄段和局部形状细节上的表现	虽然性能有所提升，但模型在未见数据上的泛化能力仍有改进空间	解决胚胎软骨在3D微CT图像中精确分割的挑战，特别是在多年龄段和稀疏标注数据条件下	胚胎小鼠的软骨组织	数字病理学	骨软骨发育不良	3D微CT成像	CNN、Transformer或混合模型	3D图像	多年龄段软骨分割数据集
160	2025-08-09	A deep learning based model for diabetic retinopathy grading 2025-01-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-87171-9 PMID:39885230	研究论文	开发了一种基于深度学习的模型RSG-Net，用于糖尿病视网膜病变的分级	提出了一种新的深度神经网络RSG-Net，用于自动化和高效地分级糖尿病视网膜病变的严重程度，减少了时间消耗并提高了分类准确性	未提及模型在其他数据集上的泛化能力	开发一个自动化系统，用于早期检测和准确分级糖尿病视网膜病变的严重程度	糖尿病视网膜病变患者	计算机视觉	糖尿病视网膜病变	深度学习	CNN	图像	Messidor-1数据集