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
161	2025-05-08	[Transformation of free-text radiology reports into structured data] 2025-Apr, Radiologie (Heidelberg, Germany) DOI:10.1007/s00117-025-01422-4 PMID:39934245	研究论文	探讨利用大语言模型（LLMs）将非结构化的放射学报告转化为结构化数据的挑战、方法及可靠性	结合大语言模型与领域特定知识（如本体论）提升放射学报告结构化转换的性能	处理语言表达的模糊性、缩写及变异性仍存在挑战	研究放射学报告自动化处理的方法及其在临床决策支持系统中的应用	放射学报告	自然语言处理	NA	大语言模型（LLMs）、深度学习	神经网络架构	文本	NA
162	2025-05-08	EEGConvNeXt: A novel convolutional neural network model for automated detection of Alzheimer's Disease and Frontotemporal Dementia using EEG signals 2025-Apr, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108652 PMID:39938252	研究论文	提出一种名为EEGConvNeXt的新型卷积神经网络模型，用于通过EEG信号自动检测阿尔茨海默病和额颞叶痴呆	EEGConvNeXt是一种轻量级的CNN模型，基于变压器模型构建，具有高效的多类分类能力	依赖相对较小的数据集，需要进一步在不同人群中进行验证	开发一种高精度的自动检测阿尔茨海默病和额颞叶痴呆的深度学习模型	阿尔茨海默病(AD)、额颞叶痴呆(FD)患者及对照组的EEG信号	数字病理	老年病	EEG信号分析	CNN	EEG信号转换的功率谱图图像	包含AD、FD和对照组的三类EEG信号公开数据集
163	2025-05-08	Hybrid-noise generative diffusion probabilistic model for cervical spine MRI image generation 2025-Apr, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108639 PMID:39938251	research paper	提出了一种高质量宫颈MRI图像生成方法CSM-DPM，通过混合噪声和余弦噪声调度提高生成图像的质量	使用混合高斯噪声和点噪声近似真实图像数据分布，设计Asa-ResUNet模块增强噪声预测能力	未提及具体样本量限制或生成图像的临床应用验证	解决从有限样本学习解剖特征的挑战，生成高质量医学影像	颈椎MRI图像	digital pathology	NA	扩散模型	CSM-DPM, Asa-ResUNet	MRI图像	NA
164	2025-05-08	MBST-Driven 4D-CBCT reconstruction: Leveraging swin transformer and masking for robust performance 2025-Apr, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108637 PMID:39938253	研究论文	本研究开发了一种创新的基于掩码的Swin Transformer网络（MBST），用于提升4D锥束计算机断层扫描（4D-CBCT）重建的质量	提出MBST网络，能够在广泛的4D-CBCT重建场景中应用，包括高扫描速度的情况	训练数据仅来自20例胸腔肿瘤患者，样本量较小	提升4D-CBCT图像重建质量	4D-CBCT图像	计算机视觉	胸腔肿瘤	深度学习	Swin Transformer	医学影像	20例胸腔肿瘤患者的4D影像数据（15例训练，5例测试）
165	2025-05-08	GraphDeep-hERG: Graph Neural Network PharmacoAnalytics for Assessing hERG-Related Cardiotoxicity 2025-Apr, Pharmaceutical research IF:3.5Q2 DOI:10.1007/s11095-025-03848-w PMID:40140128	research paper	开发了一种基于图神经网络（GNN）的药物分析方法，用于评估与hERG相关的心脏毒性	提出了一种自动学习原子表示的新方法，结合了深度神经网络（DNN）和图神经网络（GNN），以提高hERG抑制剂的筛选效率和准确性	模型的外部测试样本量相对较小，可能影响泛化能力	开发计算模型以加速和优化hERG相关心脏毒性的药物筛选	hERG钾通道抑制剂和非抑制剂	machine learning	cardiovascular disease	deep neural networks (DNNs), graph neural networks (GNNs)	DNN, GNN	chemical compounds	118,312 compounds from ZINC database, 7,909 ChEMBL compounds
166	2025-05-08	Electrocardiogram-based deep learning to predict left ventricular systolic dysfunction in paediatric and adult congenital heart disease in the USA: a multicentre modelling study 2025-Apr, The Lancet. Digital health DOI:10.1016/j.landig.2025.01.001 PMID:40148010	研究论文	本研究利用深度学习技术，基于心电图预测成人和儿童先天性心脏病患者的左心室收缩功能障碍	首次将人工智能增强的心电图分析技术全面应用于先天性心脏病患者的左心室收缩功能障碍预测	研究主要基于美国两家医院的数据，可能无法完全代表其他地区或人群	开发一种预测先天性心脏病患者左心室收缩功能障碍的AI工具	成人和儿童先天性心脏病患者	数字病理学	心血管疾病	AI-ECG（人工智能增强心电图分析）	CNN（卷积神经网络）	心电图和超声心动图配对数据	训练队列包含124,265对心电图-超声心动图数据（49,158名患者），测试组包括内部测试（21,068名患者）和外部验证（42,984名患者）队列
167	2025-05-08	Contrastive pretraining improves deep learning classification of endocardial electrograms in a preclinical model 2025-Apr, Heart rhythm O2 IF:2.5Q2 DOI:10.1016/j.hroo.2025.01.008 PMID:40321744	研究论文	本研究探讨了对比预训练如何提高深度学习在心内膜电图分类中的准确性，特别是在心房颤动（AF）的临床前模型中	使用SimCLR框架对大量未标记的心电图数据进行无监督预训练，显著提高了小数据集上驱动检测的准确性	研究基于犬类AF模型，结果可能需要进一步验证才能推广到人类AF	提高心房颤动驱动检测算法的准确性	犬类模型中的心内膜电图	机器学习	心血管疾病	SimCLR框架	残差神经网络	心电信号	113,000个未标记的64电极测量数据
168	2025-05-08	Quantitative assessment of in vivo nuclei and layers of human skin by deep learning-based OCT image segmentation 2025-Apr-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.558675 PMID:40321995	研究论文	本研究利用基于深度学习的模型对横截面OCT图像进行人类皮肤层和角质形成细胞核分割，实现了对人体皮肤结构的定量测量	采用深度监督学习目标函数，在设计中分别考虑了全局（皮肤层）和局部（细胞核）特征，实现了多类分割模型，并通过5折交叉验证达到了超过85%的Dice系数准确率	显微镜系统分辨率的限制以及人工注释的变异性	实现对人体皮肤结构的定量测量，为临床OCT成像评估提供标准化指标	人类皮肤层和角质形成细胞核	数字病理学	NA	光学相干断层扫描(OCT)	U-Net	图像	NA
169	2025-05-08	Differential artery-vein analysis in OCTA for predicting the anti-VEGF treatment outcome of diabetic macular edema 2025-Apr-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.557748 PMID:40322014	research paper	本研究评估了光学相干断层扫描血管成像（OCTA）中差异动脉-静脉（AV）分析在预测糖尿病黄斑水肿（DME）抗VEGF治疗结果中的作用	利用深度学习AV分割技术，在OCTA中提取定量AV特征，显著提高了治疗结果的预测性能	NA	预测糖尿病黄斑水肿（DME）抗VEGF治疗结果	糖尿病黄斑水肿（DME）患者	digital pathology	diabetic macular edema	optical coherence tomography angiography (OCTA)	SVM	image	NA
170	2025-05-08	Deep learning for liver lesion segmentation and classification on staging CT scans of colorectal cancer patients: a multi-site technical validation study 2025-Apr-01, Clinical radiology IF:2.1Q2 DOI:10.1016/j.crad.2025.106914 PMID:40327945	研究论文	本研究验证了一种基于深度学习的肝脏病变检测和分类模型在结直肠癌患者分期CT扫描中的应用	使用UNet深度学习模型对肝脏病变进行检测和分类，特别是在亚厘米级病变上表现出色	分类准确性中等，特异性较低	验证肝脏病变检测和分类模型在结直肠癌患者分期CT扫描中的性能	结直肠癌患者的肝脏病变	数字病理	结直肠癌	CT扫描	UNet	图像	272个公共肝脏肿瘤CT扫描用于训练，220个结直肠癌分期CT扫描用于测试
171	2025-05-08	Quantitative Evaluation of Tendon Gliding Sounds and Their Classification Using Deep Learning Models 2025-Apr, Cureus DOI:10.7759/cureus.81790 PMID:40330348	research paper	本研究旨在开发和评估一种深度学习模型，用于分类通过数字听诊器记录的肌腱滑动声音	利用深度学习模型分析肌腱滑动声音的声谱图，以区分不同的肌腱运动特征，为非侵入性肌腱疾病诊断提供新方法	样本量较小	开发一种基于人工智能的非侵入性肌腱疾病诊断工具	健康志愿者的拇指和食指肌腱滑动声音	machine learning	musculoskeletal disorders	spectrogram analysis	DL	audio	小样本健康志愿者
172	2025-05-08	Current Architectural and Developmental Approaches in Artificial Intelligence Models for Prostate Cancer Detection and Management: A Technical Report 2025-Apr, Cureus DOI:10.7759/cureus.81748 PMID:40330342	技术报告	本文探讨了人工智能模型在前列腺癌检测和管理中的当前架构和发展方法	介绍了AI驱动的模型（如CNN和深度学习系统）在提高肿瘤检测和Gleason分级诊断准确性方面的应用，以及集成PSA数据以提高风险分层的准确性	数据来源不一致、成像领域转移以及缺乏标准化的染色归一化等问题阻碍了AI在临床中的广泛应用	提升前列腺癌诊断方法的准确性和效率	前列腺癌的诊断和管理	数字病理学	前列腺癌	深度学习、集成学习、半监督学习	CNN、深度学习系统	组织病理学全切片图像、PSA数据	NA
173	2025-05-08	Leveraging AI to Explore Structural Contexts of Post-Translational Modifications in Drug Binding 2025-Mar-20, bioRxiv : the preprint server for biology DOI:10.1101/2025.01.14.633078 PMID:40166291	研究论文	利用人工智能探索翻译后修饰在药物结合中的结构背景	首次大规模利用AI方法（如AlphaFold3、RoseTTAFold All-Atom、Chai-1）预测PTM修饰对人类蛋白质与药物结合的影响，并构建了包含14,178个PTM修饰蛋白质模型的数据库	方法准确性的精确评估需要更大的基准测试集	探索翻译后修饰（PTMs）对药物结合的结构影响	人类蛋白质中的小分子结合相关PTMs	生物信息学	癌症、糖尿病、心脏病、神经退行性疾病、代谢疾病	AlphaFold3、RoseTTAFold All-Atom、Chai-1	深度学习算法	蛋白质结构数据	6,131个已识别的PTMs映射到ECOD数据库结构域，生成14,178个PTM修饰人类蛋白质模型
174	2025-05-08	Machine learning-based evolution of water quality prediction model: An integrated robust framework for comparative application on periodic return and jitter data 2025-Mar-15, Environmental pollution (Barking, Essex : 1987) DOI:10.1016/j.envpol.2025.125834 PMID:39933618	研究论文	该研究提出了一种基于机器学习的多级耦合框架，用于提高水质预测的准确性	集成数据去噪、特征选择和LSTM网络的新型机器学习框架，有效捕捉非平稳水质模式	未来研究需验证该框架在不同地理和气候条件下的可扩展性	提高复杂环境条件下动态水质指标的预测准确性	世界最大跨流域调水工程中四个监测站的溶解氧和高锰酸盐指数	机器学习	NA	数据去噪、特征选择、LSTM网络、小波变换、移动平均、完全集成经验模态分解	LSTM	时间序列数据	四个监测站的数据，采用80-20%和70-30%的训练配置
175	2025-05-08	Deep Learning-Assisted Discovery of Protein Entangling Motifs 2025-Mar-10, Biomacromolecules IF:5.5Q1 DOI:10.1021/acs.biomac.4c01243 PMID:39937127	研究论文	本研究开发了一种深度学习模型，用于预测同源二聚体的纠缠特征，并应用于筛选高温古菌基因组中的纠缠基序	开发了一种基于氨基酸序列预测蛋白质纠缠特征的深度学习模型，其搜索速度比AlphaFold-Multimer快数十倍，同时保持相当的均方误差	NA	推进新型拓扑蛋白质的设计和合成	蛋白质纠缠基序	机器学习	NA	深度学习	深度学习模型	氨基酸序列	高温古菌基因组
176	2025-05-08	Comparison of Multimodal Deep Learning Approaches for Predicting Clinical Deterioration in Ward Patients 2025-Mar-07, medRxiv : the preprint server for health sciences DOI:10.1101/2025.03.06.25322855 PMID:40093217	research paper	比较多模态深度学习方法在预测病房患者临床恶化方面的效果	比较了结合结构化数据与临床笔记信息的不同参数化方法在预测临床恶化中的表现	添加临床笔记信息并未显著提升模型性能	评估多模态深度学习模型在预测病房患者临床恶化中的效果	病房患者	machine learning	geriatric disease	deep recurrent neural networks	RNN	structured and unstructured data	506,076名病房患者
177	2025-05-08	APNet, an explainable sparse deep learning model to discover differentially active drivers of severe COVID-19 2025-Mar-04, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaf063 PMID:39921901	research paper	介绍APNet，一种可解释的稀疏深度学习模型，用于发现严重COVID-19的差异活性驱动因素	结合SJARACNe共表达网络的差异活性分析和PASNet（一种生物学信息稀疏深度学习模型），进行COVID-19严重程度的可解释预测	当前方法可能忽略了非线性蛋白质组动态，如翻译后修饰，且特征排序之外的生物学解释性有限	通过计算分析揭示导致COVID-19不良临床结果的分子、细胞表型和信号模式	COVID-19患者	machine learning	COVID-19	SJARACNe co-expression networks, PASNet	sparse deep learning model	proteomic data	三个COVID-19蛋白质组数据集
178	2025-05-08	ChatExosome: An Artificial Intelligence (AI) Agent Based on Deep Learning of Exosomes Spectroscopy for Hepatocellular Carcinoma (HCC) Diagnosis 2025-Mar-04, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.4c06677 PMID:39932366	研究论文	开发了一个基于深度学习和大型语言模型的人工智能代理ChatExosome，用于肝细胞癌（HCC）的诊断	首次开发了一个专注于外泌体光谱和诊断的AI代理，结合了深度学习和大型语言模型，提高了分类结果的可解释性	NA	通过人工智能技术优化肝细胞癌的诊断过程	肝细胞癌（HCC）患者的外泌体拉曼光谱	数字病理学	肝细胞癌	拉曼光谱	FFT（特征融合变换器）和LLM（大型语言模型）	光谱数据	165个临床样本
179	2025-05-08	Deep learning-assisted identification and localization of ductal carcinoma from bulk tissue in-silico models generated through polarized Monte Carlo simulations 2025-Mar-04, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/adb495 PMID:39933195	研究论文	本研究利用偏振蒙特卡洛模拟和卷积神经网络（CNN）对乳腺导管癌进行识别和定位	结合偏振蒙特卡洛模拟和深度学习技术，实现了对乳腺导管癌的高精度识别和定位，分类准确率达到96%	研究主要针对组织表面的肿瘤区域，可能不适用于深层肿瘤的检测	展示通过卷积神经网络在偏振蒙特卡洛模拟生成的去极化指数图像上同时检测肿瘤存在和位置的能力	乳腺导管癌	数字病理学	乳腺癌	偏振蒙特卡洛模拟	CNN	图像	体外组织模型图像和模拟生成的图像
180	2025-05-08	Deep learning-based pelvimetry in pelvic MRI volumes for pre-operative difficulty assessment of total mesorectal excision 2025-03, Surgical endoscopy DOI:10.1007/s00464-024-11485-4 PMID:39753930	研究论文	提出了一种基于深度学习的自动化骨盆测量方法，用于术前评估全直肠系膜切除术的难度	首次使用深度学习自动化MRI骨盆测量，提高术前评估的准确性和效率	虽然自动化测量准确度高，但与人工标注相比仍存在一定的误差	开发自动化骨盆测量方法，以辅助术前全直肠系膜切除术的难度评估	骨盆MRI影像	数字病理学	直肠癌	MRI	3D U-Net	影像	来自8个TME中心的1707名患者的MRI影像