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
2221	2025-02-28	An Online Evaluation Method for Random Number Entropy Sources Based on Time-Frequency Feature Fusion 2025-Jan-27, Entropy (Basel, Switzerland) DOI:10.3390/e27020136 PMID:40003132	研究论文	本文提出了一种基于时频特征融合的在线随机数熵源评估方法，通过神经网络预测随机序列的下一位，并引入了一种新的深度学习架构FFT-ATT-LSTM	提出了一种新的深度学习架构FFT-ATT-LSTM，结合了简化的软注意力机制和快速傅里叶变换，有效融合时域和频域特征，提高了预测精度	NA	解决传统熵源评估方法难以在线部署的问题，实现在线检测熵源质量	随机数熵源	机器学习	NA	快速傅里叶变换（FFT），软注意力机制	FFT-ATT-LSTM	随机序列数据	NA	NA	NA	NA	NA
2222	2025-02-28	Mining Suicidal Ideation in Chinese Social Media: A Dual-Channel Deep Learning Model with Information Gain Optimization 2025-Jan-24, Entropy (Basel, Switzerland) DOI:10.3390/e27020116 PMID:40003113	研究论文	本文提出了一种基于中文社交媒体的双通道深度学习模型DSI-BTCNN，用于识别自杀意念，并通过信息增益优化提高检测能力	提出了一种新的双通道模型DSI-BTCNN，结合信息增益优化的IDFN融合机制，有效分配计算资源以捕捉与自杀相关的关键特征	模型仅在中文社交媒体数据上进行了评估，未涉及其他语言或平台的数据	通过深度学习模型及时识别社交媒体上的自杀意念，以支持全球自杀预防工作	中文社交媒体数据	自然语言处理	NA	深度学习	DSI-BTCNN（双通道卷积神经网络）	文本	定制数据集	NA	NA	NA	NA
2223	2025-02-28	Immunohistochemistry-Free Enhanced Histopathology of the Rat Spleen Using Deep Learning 2025-Jan, Toxicologic pathology IF:1.4Q4 DOI:10.1177/01926233241303907 PMID:39726256	研究论文	开发深度学习模型从H&E染色切片直接识别大鼠脾脏淋巴区室	首次实现无需免疫组化的深度学习增强组织病理学方法，直接从H&E染色量化脾脏淋巴区室	目前仅应用于正常大鼠脾脏，尚未验证于病变组织或其他物种	开发免疫系统增强组织病理学的深度学习定量评估方法	大鼠脾脏组织	数字病理学	NA	深度学习	深度学习模型	图像	正常大鼠脾脏切片	NA	NA	NA	NA
2224	2025-02-28	Prediction models for cognitive impairment in middle-aged patients with cerebral small vessel disease 2025, Frontiers in neurology IF:2.7Q3 DOI:10.3389/fneur.2025.1462636 PMID:40007740	研究论文	本研究旨在开发基于海马纹理的模型，用于预测中年脑小血管病（CSVD）患者的认知障碍	使用Unet深度学习神经网络模型自动分割海马体，并结合LASSO方法选择放射组学特征，构建预测模型	结合影像标志物和海马纹理的组合模型并未比单独模型显著改善诊断效果（p > 0.05）	开发预测中年CSVD患者认知障碍的模型	145名CSVD患者和99名对照受试者	数字病理学	脑小血管病	深度学习、放射组学	Unet、LASSO	影像数据	244名受试者（145名CSVD患者和99名对照）	NA	NA	NA	NA
2225	2025-02-28	Advancing arabic dialect detection with hybrid stacked transformer models 2025, Frontiers in human neuroscience IF:2.4Q2 DOI:10.3389/fnhum.2025.1498297 PMID:40007884	研究论文	本文提出了一种基于两种Transformer模型的混合堆叠模型，用于提高阿拉伯方言的分类性能	提出了一种新颖的堆叠模型，结合了Bert-Base-Arabertv02和Dialectal-Arabic-XLM-R-Base两种Transformer模型，以捕捉更广泛的语言特征	NA	提高阿拉伯方言的分类性能，以增强自然语言处理（NLP）应用的效果	阿拉伯方言	自然语言处理	NA	深度学习	Transformer, LSTM, GRU, CNN	文本	使用了IADD和Shami数据集进行模型评估	NA	NA	NA	NA
2226	2025-02-28	KGRDR: a deep learning model based on knowledge graph and graph regularized integration for drug repositioning 2025, Frontiers in pharmacology IF:4.4Q1 DOI:10.3389/fphar.2025.1525029 PMID:40008124	研究论文	本文提出了一种基于知识图谱和图正则化集成的深度学习模型KGRDR，用于预测药物与疾病之间的潜在相互作用	KGRDR模型结合了多相似性集成和知识图谱学习，通过图正则化方法整合药物和疾病的多种相似性信息，有效消除噪声数据，并利用注意力机制融合相似性特征和拓扑特征，最终使用图卷积网络预测药物-疾病关联	未明确提及具体局限性	优化药物开发，加速新治疗方案的开发，降低成本并减轻风险	药物与疾病之间的相互作用	机器学习	NA	深度学习	图卷积网络（GCN）	药物和疾病的相似性信息、生物医学知识图谱	未明确提及具体样本数量	NA	NA	NA	NA
2227	2025-02-28	Artificial intelligence in drug development: reshaping the therapeutic landscape 2025, Therapeutic advances in drug safety IF:3.4Q2 DOI:10.1177/20420986251321704 PMID:40008227	研究论文	本文探讨了人工智能在药物研发中的应用及其对治疗领域的重塑	人工智能通过机器学习、深度学习和神经网络等技术，革新了药物设计、靶点识别和临床试验预测，并加速了药物分子的开发和重新设计	AI模型通常被视为'黑箱'，其结论难以理解，且由于模型透明度和算法偏见的缺乏，限制了其潜力	研究人工智能在药物研发中的应用及其对治疗领域的重塑	药物研发过程中的各个环节，包括药物设计、靶点识别和临床试验预测	机器学习	NA	机器学习、深度学习、神经网络	NA	NA	NA	NA	NA	NA	NA
2228	2025-02-28	Corrigendum: Predicting epidermal growth factor receptor mutation status of lung adenocarcinoma based on PET/CT images using deep learning 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1564325 PMID:40012552	correction	本文是对先前发表的文章的更正，该文章涉及基于PET/CT图像使用深度学习预测肺腺癌表皮生长因子受体突变状态	NA	NA	更正先前发表的文章中的错误	NA	digital pathology	lung cancer	NA	deep learning	PET/CT images	NA	NA	NA	NA	NA
2229	2025-10-07	Towards Trustworthy AI in Healthcare: Epistemic Uncertainty Estimation for Clinical Decision Support 2025-Jan-31, Journal of personalized medicine IF:3.0Q1 DOI:10.3390/jpm15020058 PMID:39997335	研究论文	本研究比较了集成神经网络和谱归一化神经高斯过程在医疗决策支持中知识不确定性估计的可靠性	首次在临床决策支持系统中系统比较集成方法和知识建模方法在不确定性估计方面的性能差异	研究主要基于低维玩具数据集和单一MIMIC3数据集，需要更多真实临床场景验证	开发更可靠和可信的医疗AI决策支持系统	重症监护病房住院患者的死亡率预测	医疗人工智能	重症监护	深度学习不确定性估计	Transformer, 神经网络集成, SNGP	电子健康记录时间序列数据	MIMIC3研究数据集	NA	Encoder-Only Transformer	AUROC, AUPRC	NA
2230	2025-10-07	Deep learning based tractography with TractSeg in patients with hemispherotomy: Evaluation and refinement 2025-Jan-28, NeuroImage. Clinical DOI:10.1016/j.nicl.2025.103738 PMID:39922027	研究论文	评估并改进基于深度学习的纤维束追踪工具TractSeg在半球切开术患者中的应用	首次发现并记录了TractSeg在严重病理数据中错误重建手术已断开纤维束的问题，并提出了结合低秩张量近似的改进方法	研究样本量有限（25名患者和25名健康对照），仍需手动质量控制	评估深度学习纤维束追踪在严重脑部手术患者中的适用性并改进其性能	癫痫患者（接受半球切开术）和健康对照者的脑部扩散MRI数据	医学影像分析	癫痫	扩散MRI，纤维束追踪	深度学习	脑部扩散MRI影像	25名半球切开术患者和25名健康对照者	NA	TractSeg	纤维束重建完整性，错误重建率	NA
2231	2025-10-07	Semantic-Guided Transformer Network for Crop Classification in Hyperspectral Images 2025-Jan-26, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging11020037 PMID:39997540	研究论文	提出一种语义引导的Transformer网络用于高光谱图像中的作物分类	设计了多尺度空间-光谱信息提取模块和语义引导注意力模块，结合两阶段特征提取结构，有效克服背景干扰和尺度变化问题	未明确说明模型在更复杂场景或更大规模数据集上的性能表现	提高高光谱遥感图像中作物分类的准确性和鲁棒性	农业作物高光谱遥感图像	计算机视觉	NA	高光谱遥感成像	Transformer	高光谱图像	三个基准数据集：Indian Pines、Pavia University和Salinas	NA	语义引导Transformer网络（SGTN），包含多尺度空间-光谱信息提取模块（MSIE）和语义引导注意力模块（SGA）	总体准确率	NA
2232	2025-10-07	Machine Learning-Based Approaches for Breast Density Estimation from Mammograms: A Comprehensive Review 2025-Jan-26, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging11020038 PMID:39997539	综述	本文系统综述了基于机器学习的乳腺密度评估方法在乳腺X线摄影中的应用	重点聚焦机器学习方法在乳腺密度评估中的分类与应用，特别比较了传统机器学习与深度学习方法的性能差异	当前研究存在主观性强和成本效益低的问题	探索乳腺密度评估方法及其在乳腺癌早期检测中的价值	乳腺X线影像中的乳腺密度特征	计算机视觉	乳腺癌	乳腺X线摄影	SVM, CNN	医学影像	NA	NA	NA	准确率	NA
2233	2025-10-07	Optimizing Deep Learning Models for Climate-Related Natural Disaster Detection from UAV Images and Remote Sensing Data 2025-Jan-24, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging11020032 PMID:39997534	研究论文	本研究利用人工智能从无人机和卫星遥感图像中检测与气候变化相关的自然灾害	创建了新的气候变化数据集，优化了机器学习模型，将荒漠化作为深度学习检测的自然灾害类别之一，并进行了交叉验证	NA	优化深度学习模型以从无人机图像和遥感数据中检测与气候变化相关的自然灾害	洪水和荒漠化两种自然灾害	计算机视觉	NA	无人机图像采集，卫星遥感	CNN, DenseNet201, VGG16, ResNet50	图像	6334张无人机和卫星航空图像	NA	CNN, DenseNet201, VGG16, ResNet50	准确率	NA
2234	2025-10-07	GCNet: A Deep Learning Framework for Enhanced Grape Cluster Segmentation and Yield Estimation Incorporating Occluded Grape Detection with a Correction Factor for Indoor Experimentation 2025-Jan-24, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging11020034 PMID:39997536	研究论文	提出一种用于葡萄串分割和产量估计的深度学习框架GCNet，通过遮挡葡萄检测和校正因子提高室内实验的准确性	集成遮挡调整机制，在枝叶和葡萄串紧凑条件下提升分割精度，并引入校正因子估计不可见葡萄	研究基于室内实验环境，未涉及户外复杂田间条件	提高葡萄产量估计精度，改进葡萄串分割算法	葡萄串	计算机视觉	NA	深度学习	CNN	图像	GrapeSet数据集包含室内拍摄的葡萄串可见图像及其真实掩码、葡萄总数和重量	NA	GCNet	R², 平均绝对误差(MAE)	NA
2235	2025-10-07	A comprehensive review of deep learning-based approaches for drug-drug interaction prediction 2025-Jan-15, Briefings in functional genomics IF:2.5Q3 DOI:10.1093/bfgp/elae052 PMID:39987494	综述	本文系统综述了基于深度学习的药物相互作用预测方法，包括分子表示分析和图数据特征提取的理论框架	提供了最新的药物相互作用预测方法综述，深入分析了分子表示方法并系统阐述了图数据特征提取的理论框架	NA	为不同领域研究人员提供关于药物相互作用预测的最新且易于理解的指南	药物相互作用预测方法	生物医学信息学	NA	深度学习	NA	图数据	NA	NA	NA	NA	NA
2236	2025-10-07	Robust RNA secondary structure prediction with a mixture of deep learning and physics-based experts 2025, Biology methods & protocols IF:2.5Q3 DOI:10.1093/biomethods/bpae097 PMID:39811444	研究论文	开发了一种混合专家方法用于RNA二级结构预测，结合深度学习和物理模型提升分布外泛化能力	提出MoEFold2D框架，通过DL模型集成共识分析实现自动ID/OOD检测，无需推理时访问训练数据	NA	解决深度学习模型在RNA二级结构预测中的分布外泛化问题	RNA分子	机器学习	NA	RNA二级结构预测	混合专家模型	RNA序列数据	NA	NA	MoEFold2D	NA	NA
2237	2025-10-07	MRI-based whole-brain elastography and volumetric measurements to predict brain age 2025, Biology methods & protocols IF:2.5Q3 DOI:10.1093/biomethods/bpae086 PMID:39902188	研究论文	开发基于磁共振弹性成像和体积测量的机器学习框架来预测大脑年龄	首次将大脑机械特性（刚度和阻尼比）与体积测量结合用于大脑年龄预测的多模态方法	研究主要针对健康个体，未来需要扩展到神经病理学患者群体	通过多模态脑部测量准确预测个体的时序年龄	健康个体的大脑磁共振成像数据	医学影像分析	神经退行性疾病	磁共振弹性成像(MRE), 磁共振成像(MRI)	3D CNN, 传统统计模型	脑部机械特性图, 体积测量数据	NA	NA	3D卷积网络	预测准确性	NA
2238	2025-10-07	Deep Learning Model-Based Detection of Anemia from Conjunctiva Images 2025-Jan, Healthcare informatics research IF:2.3Q3 DOI:10.4258/hir.2025.31.1.57 PMID:39973037	研究论文	本研究开发了一种基于结膜图像的非侵入性贫血检测方法	首次使用智能手机采集结膜图像结合深度学习模型进行非侵入性贫血检测	样本量相对有限，需要进一步验证模型的泛化能力	开发非侵入性贫血检测方法	贫血和非贫血参与者的结膜图像	计算机视觉	贫血	智能手机图像采集	CNN, GAN, 集成学习	图像	764张原始结膜图像，通过数据增强扩展到4315张	TensorFlow, PyTorch, Scikit-learn	VGG16, ResNet-50, InceptionV3, DCGAN	AUC	NA
2239	2025-10-07	Enhanced swin transformer based tuberculosis classification with segmentation using chest X-ray 2025-Jan, Journal of X-ray science and technology IF:1.7Q3 DOI:10.1177/08953996241300018 PMID:39973770	研究论文	提出一种基于深度学习的结核病分类与分割方法，使用胸部X射线图像进行自动诊断	结合注意力UNet分割和增强型Swin Transformer分类器，并采用增强莲花效应优化算法进行损失函数优化	NA	开发自动化的结核病诊断系统以提高诊断准确性和效率	胸部X射线图像	计算机视觉	结核病	胸部X射线成像	A_UNet, EnSTrans	医学图像	NA	NA	Attention UNet, Enhanced Swin Transformer, Residual Pyramid Network	准确率, 召回率, 精确率, F1分数, 特异性	NA
2240	2025-10-07	Spine X-ray image segmentation based on deep learning and marker controlled watershed 2025-Jan, Journal of X-ray science and technology IF:1.7Q3 DOI:10.1177/08953996241299998 PMID:39973775	研究论文	提出一种结合深度学习和标记控制分水岭算法的脊柱X射线图像分割方法	设计了双路径模型（定位路径和分割路径），提出骨方向损失函数（BD-Loss）和位置信息感知模块（PIPM），并创新性地使用深度学习网络输出初始化标记控制分水岭算法	NA	解决相邻椎骨粘连问题，实现脊柱X射线图像中椎骨的精确分割	脊柱X射线图像中的椎骨	计算机视觉	脊柱疾病	X射线成像	CNN, U-Net	医学图像	两个脊柱X射线数据集（颈椎矢状面图像和全脊柱冠状面图像）	NA	HRNet, VU-Net	Recall, Precision, Dice系数, 交并比	NA