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
701	2025-07-04	An explainable-by-design end-to-end AI framework based on prototypical part learning for lesion detection and classification in Digital Breast Tomosynthesis images 2025, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2025.06.008 PMID:40599244	研究论文	该研究提出了一种基于原型部分学习的端到端AI框架，用于数字乳腺断层合成图像中的病变检测和分类	结合YOLOv5、YOLOv8和ProtoPNet的两阶段深度学习过程，提供可解释的预测结果	数据集限制和需要更准确的地面真实标注影响了最终指标	开发透明且可解释的AI系统，以加速数字乳腺断层合成扫描的分析	数字乳腺断层合成图像中的病变	数字病理学	乳腺癌	数字乳腺断层合成(DBT)	YOLOv5, YOLOv8, ProtoPNet	图像	NA
702	2025-07-04	A Deep Convolutional Neural Network Model for Lung Disease Detection Using Chest X-Ray Imaging 2025, Pulmonary medicine IF:2.0Q3 DOI:10.1155/pm/6614016 PMID:40599379	研究论文	本文提出了一种基于深度卷积神经网络（CNN）的自动化系统，用于通过胸部X射线和CT扫描检测多种肺部疾病	采用定制的CNN模型、预训练模型和图像增强方法，结合数据增强技术解决数据集不平衡问题，实现了高精度的肺部疾病检测	研究仅使用了来自Kaggle的6400张图像，样本来源和多样性可能存在限制	开发一种高效的自动化系统，用于早期检测和诊断肺部疾病	肺部疾病（肺炎和COVID-19）的X射线和CT扫描图像	计算机视觉	肺癌	图像增强、数据增强	CNN	图像	6400张图像（肺炎、COVID-19和正常三类）
703	2025-07-04	Application progress of artificial intelligence in managing thyroid disease 2025, Frontiers in endocrinology IF:3.9Q2 DOI:10.3389/fendo.2025.1578455 PMID:40600013	综述	本文系统回顾了自20世纪90年代以来人工智能在甲状腺疾病管理中的应用进展，重点关注诊断创新、治疗个性化及临床实施中的新兴挑战	AI不仅减少了超声检查的主观性，还提高了甲状腺结节良恶性的鉴别率，减少了不必要的细针穿刺频率，并整合了超声、电子健康记录和可穿戴传感器等多模态数据进行持续健康监测	数据隐私、模型可解释性和临床适用性等方面的挑战仍然存在，数据异质性和伦理问题也是临床转化的障碍	探讨人工智能在甲状腺疾病管理中的应用及其在诊断和治疗中的潜力	甲状腺疾病的管理，包括图像分析、病理诊断、个性化治疗、患者监测和随访	数字病理学	甲状腺疾病	机器学习和深度学习	NA	多模态数据（超声、电子健康记录、可穿戴传感器）	NA
704	2025-07-04	GAN-enhanced deep learning for improved Alzheimer's disease classification and longitudinal brain change analysis 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1587026 PMID:40600033	研究论文	该研究提出了一种结合GAN和深度学习的方法，用于改进阿尔茨海默病的分类和纵向脑变化分析	整合了ResNet101和LSTM网络，并创新性地添加了PDPO和DCK层，同时使用GAN模型检测AD的进展状态	可能存在计算复杂性和过拟合的风险	提高阿尔茨海默病的诊断准确性和效率	阿尔茨海默病患者	数字病理学	阿尔茨海默病	深度学习	ResNet101, LSTM, GAN	医学影像数据	ADNI和OASIS数据集
705	2025-07-04	Comparative analysis of convolutional neural networks and transformer architectures for breast cancer histopathological image classification 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1606336 PMID:40600038	研究论文	比较卷积神经网络和Transformer架构在乳腺癌组织病理学图像分类中的性能	比较了14种深度学习模型（包括CNN和Transformer架构）在乳腺癌诊断中的表现，发现ConvNeXT和UNI模型在特定任务中表现最佳	Transformer基础模型在零样本任务中表现有限，需要微调才能达到优异效果	评估不同深度学习模型在乳腺癌病理图像分类中的性能	乳腺癌组织病理学图像	数字病理学	乳腺癌	深度学习	CNN（如ResNet50, RegNet, ConvNeXT）和Transformer（如ViT, DINOV2, UNI, GigaPath）	图像	BreakHis v1数据集
706	2025-07-04	AlzheimerViT: harnessing lightweight vision transformer architecture for proactive Alzheimer's screening 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1568312 PMID:40600046	研究论文	本研究提出了一种轻量级的视觉变换器架构AlzheimerViT，用于基于MRI图像的阿尔茨海默病早期筛查	采用轻量级自注意力视觉变换器(ViT)架构，结合数据预处理和增强技术，提高了阿尔茨海默病预测的准确性和临床适用性	研究仅使用了OASIS-3数据集，未在其他独立数据集上验证模型的泛化能力	开发更可靠的阿尔茨海默病早期检测模型以改善治疗效果	阿尔茨海默病患者的大脑MRI图像	数字病理学	老年性疾病	MRI成像	Vision Transformer (ViT)	图像	OASIS-3数据集中的MRI图像
707	2025-07-04	Auxiliary Diagnosis of Pulmonary Nodules' Benignancy and Malignancy Based on Machine Learning: A Retrospective Study 2025, Journal of multidisciplinary healthcare IF:2.7Q2 DOI:10.2147/JMDH.S518166 PMID:40600198	研究论文	本研究基于机器学习技术，通过回顾性分析CT扫描的肺结节数据，开发了一种辅助诊断肺结节良恶性的模型	采用Atten_FNN模型在肺结节良恶性诊断中表现出优越性能，并通过SHAP分析揭示了关键预测因素	研究结果在跨中心推广性方面存在局限，需要在多中心前瞻性队列中进行验证	开发非侵入性早期诊断方法，准确区分肺结节的良恶性	3355例肺结节患者（1156例良性，2199例恶性）	数字病理	肺癌	CT扫描	SVM, RF, XGBoost, FNN, Atten_FNN	图像、电子病历数据	3355例患者（1156例良性，2199例恶性）
708	2025-07-04	[Research Trends Using Artificial Intelligence in the MRI from 1989 to 2023: Analysis Using Text Mining] 2025, Nihon Hoshasen Gijutsu Gakkai zasshi DOI:10.6009/jjrt.25-1480 PMID:40603060	研究论文	通过文本挖掘分析1989年至2023年间MRI领域人工智能应用的研究趋势	利用文本挖掘技术全面分析MRI领域人工智能研究的发展趋势，揭示了深度学习的兴起及其与特定器官研究的关联	仅基于PubMed数据库的文章标题进行分析，可能未涵盖所有相关研究	可视化MRI领域人工智能相关研究领域并理解研究趋势	1989年至2023年间PubMed数据库中MRI领域应用人工智能的文章标题	数字病理	NA	文本挖掘	NA	文本	2870篇文章标题
709	2025-07-04	Elucidating linear programs by neural encodings 2025, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2025.1549085 PMID:40607448	研究论文	本文探讨了如何通过神经编码方法来解释线性规划（LP）的解决方案	提出了一种通过神经编码方法解释线性规划解决方案的新方法，填补了可解释人工智能（XAI）在线性规划领域的空白	在低扰动水平下，Saliency和LIME等归因方法难以区分	提高线性规划解决方案的可解释性	线性规划（LP）	机器学习	NA	神经编码方法	神经网络	数值数据	包括一个10k维的大规模LP在内的多种LP
710	2025-07-03	ECG signal generation using feature disentanglement auto-encoder 2025-Jan-30, Physiological measurement IF:2.3Q3 DOI:10.1088/1361-6579/adab4f PMID:39820006	研究论文	提出一种特征解缠自动编码器（FDAE）用于生成心电图（ECG）信号，以解决罕见类别样本生成困难的问题	设计了一种新型的自动编码器结构，通过对比学习框架解缠ECG数据中的生成因子，并引入分类器和判别器提升生成信号的真实性	未明确提及模型在更复杂或噪声更大的ECG数据上的表现	提升ECG信号生成能力，特别是针对罕见心脏事件的样本生成	心电图（ECG）信号	机器学习	心血管疾病	对比学习、特征解缠	自动编码器（FDAE）	ECG信号数据	MIT-BIH心律失常数据库和Icentia11K数据集
711	2025-07-03	A systematic review of automated prediction of sudden cardiac death using ECG signals 2025-Jan-23, Physiological measurement IF:2.3Q3 DOI:10.1088/1361-6579/ad9ce5 PMID:39657316	综述	本文系统回顾了2011至2023年间利用ECG信号自动预测心源性猝死（SCD）的研究进展	全面分析了机器学习和深度学习模型在SCD预测中的应用，并指出当前技术的局限性和未来研究方向	大多数预测模型基于小规模数据库，且主要依赖ECG和HRV信号，忽略了其他生理信号的潜在贡献	探索自动预测心源性猝死的方法，以提高预测准确性和实时临床应用可能性	心源性猝死（SCD）患者	机器学习	心血管疾病	ECG和HRV信号分析	K近邻、支持向量机、决策树、随机森林、朴素贝叶斯、卷积神经网络	ECG信号	使用公开数据库如MIT-BIH SCD Holter和Normal Sinus Rhythm，包含大量24小时SCD患者记录
712	2025-07-03	Deep learning generalization for diabetic retinopathy staging from fundus images 2025-Jan-22, Physiological measurement IF:2.3Q3 DOI:10.1088/1361-6579/ada86a PMID:39788077	research paper	本文提出了一种名为DRStageNet的深度学习模型，用于从眼底图像中准确分期糖尿病视网膜病变，并解决模型在不同目标域中的泛化问题	使用六个公共和独立数据集，结合多源域微调策略，显著提升了模型在目标域中的泛化性能	错误分析显示60%的错误源于标签错误，表明数据标注质量可能影响模型性能	开发一个能够准确分期糖尿病视网膜病变并具有良好泛化能力的深度学习模型	糖尿病视网膜病变患者的眼底图像	digital pathology	diabetic retinopathy	deep learning	ViT	image	91,984张眼底图像
713	2025-07-03	Donor-specific digital twin for living donor liver transplant recovery 2025, Biology methods & protocols IF:2.5Q3 DOI:10.1093/biomethods/bpaf037 PMID:40486178	研究论文	本文提出了一种基于深度学习的个性化数字孪生模型，用于预测活体肝移植供体的肝脏恢复轨迹	结合基因表达数据和数学模型，开发了可解释的个性化数字孪生模型，用于预测供体特异性恢复轨迹	样本量较小（12名供体），需要更大规模的验证	提高活体肝移植手术的安全性和供体恢复效果	活体肝移植供体的肝脏恢复过程	数字病理学	肝脏疾病	基因表达分析，深度学习	数字孪生模型，微分方程模型	基因表达数据	12名供体，跟踪一年
714	2025-07-03	Retinal vessel metric analysis of type 1 diabetes mellitus in OCT angiography 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1562809 PMID:40584707	研究论文	通过光学相干断层扫描血管成像（OCTA）研究1型糖尿病（T1DM）患者在不同阶段的视网膜血管特征	使用深度学习模型对OCTA图像中的视网膜动脉和静脉进行分割，并分析不同区域的血管指标变化	样本量较小（63名T1DM患者和40名健康个体），且为回顾性研究	探究1型糖尿病患者的视网膜血管特征及其与糖尿病视网膜病变（DR）的关系	1型糖尿病患者的视网膜血管	数字病理学	糖尿病	光学相干断层扫描血管成像（OCTA）	深度学习模型	图像	63名T1DM患者（110只眼）和40名健康个体（79只眼）
715	2025-07-03	A hybrid transformer-based approach for early detection of Alzheimer's disease using MRI images 2025, BioImpacts : BI IF:2.2Q3 DOI:10.34172/bi.30849 PMID:40584904	研究论文	提出了一种基于Transformer的混合方法，利用MRI图像进行阿尔茨海默病的早期检测	结合了迁移学习、Transformer网络和RNN（LSTM）的多模态方法，从多个视角（矢状面、冠状面、轴向）捕捉MRI图像的全面特征	未提及模型在其他独立数据集上的泛化能力	提高阿尔茨海默病的早期诊断准确率	阿尔茨海默病患者	数字病理学	阿尔茨海默病	MRI成像	Transformer, ResNet50, LSTM	图像	ADNI数据集（具体数量未说明）
716	2025-07-03	Convolutional-LSTM approach for temporal catch hotspots (CATCH): an AI-driven model for spatiotemporal forecasting of fisheries catch probability densities 2025, Biology methods & protocols IF:2.5Q3 DOI:10.1093/biomethods/bpaf045 PMID:40585182	研究论文	本文提出了一种名为CATCH的卷积长短期记忆神经网络模型，用于预测冰岛水域鱼类资源的时空概率密度，以支持渔业的操作规划和适应性策略	首次利用大规模冰岛渔船数据整合多维输入（如深度、底部温度、盐度、溶解氧和捕获数据）进行准确的多变量预测	尽管模型表现良好，但决策过程中仍可能受到数据收集质量和范围的限制	开发数据驱动的预测方法以优化渔业操作和增强可持续性	冰岛水域的鱼类资源（如鳕鱼、黑线鳕、绿青鳕、金红鱼和格陵兰大比目鱼）	机器学习	NA	卷积长短期记忆神经网络（Convolutional-LSTM）	CNN-LSTM	多维输入数据（深度、温度、盐度、溶解氧和捕获数据）	大规模冰岛渔船数据
717	2025-07-03	An AI-based module for interstitial glucose forecasting enabling a "Do-It-Yourself" application for people with type 1 diabetes 2025, Frontiers in digital health IF:3.2Q2 DOI:10.3389/fdgth.2025.1534830 PMID:40585404	research paper	提出一种基于深度学习的DIY框架，用于间质葡萄糖预测，帮助1型糖尿病患者进行自我管理	首次提供基于深度学习的完全个性化葡萄糖预测的DIY方法，且框架开源并可在Docker中部署	工具未能长期吸引用户使用，限制了其对日常自我管理的潜在益处	开发一种能够准确预测短期葡萄糖水平的工具，以改善1型糖尿病患者的自我管理	1型糖尿病患者	machine learning	type 1 diabetes	continuous glucose monitoring (CGM)	DL	CGM raw data	29名1型糖尿病患者的一年CGM数据
718	2025-07-03	Evaluation of perivascular fat density and residual false lumen formation following TEVAR in Stanford type B aortic dissection 2025, Frontiers in cardiovascular medicine IF:2.8Q2 DOI:10.3389/fcvm.2025.1633817 PMID:40585403	research paper	评估斯坦福B型主动脉夹层患者在TEVAR术后血管周围脂肪密度与残余假腔形成的关系	首次提出血管周围脂肪组织（PVAT）衰减指标HUΔ和HUratio作为预测TEVAR术后残余假腔形成的非侵入性影像生物标志物	回顾性研究设计，样本量有限（132例），需前瞻性研究验证结果	探究PVAT衰减在预测TEVAR术后残余假腔形成中的作用	斯坦福B型主动脉夹层（TBAD）患者	数字病理	心血管疾病	计算机断层扫描血管造影（CTA）	TotalSegmenter深度学习模型	影像数据	132例2016-2024年间在福建省立医院接受TEVAR的TBAD患者
719	2025-07-03	Leveraging machine learning models in evaluating ADMET properties for drug discovery and development 2025, ADMET & DMPK DOI:10.5599/admet.2772 PMID:40585410	综述	本文探讨了机器学习模型在药物发现和开发中评估ADMET（吸收、分布、代谢、排泄和毒性）特性的应用及其革命性影响	机器学习模型在ADMET预测中展现出比传统QSAR模型更高的准确性，为药物开发提供了快速、经济且可重复的替代方案	数据质量、算法透明度和监管接受度等挑战仍然存在	研究机器学习模型如何改进ADMET预测，以加速早期药物开发决策	ADMET特性的预测模型及其在药物发现中的应用	机器学习	NA	监督学习和深度学习技术	QSAR模型、机器学习模型	分子描述符和数据集	NA
720	2025-07-03	Deep learning in obsessive-compulsive disorder: a narrative review 2025, Frontiers in psychiatry IF:3.2Q2 DOI:10.3389/fpsyt.2025.1581297 PMID:40585546	review	本文综述了深度学习在强迫症(OCD)研究中的应用，包括诊断分类、症状分类和治疗效果预测	深度学习利用神经影像、EEG和临床数据在OCD诊断分类中表现出高准确率(80-98%)，并在症状分类和治疗反应预测方面显示出潜力	当前模型受限于小样本量、缺乏治疗预测比较以及早期反应检测或可扩展监测解决方案的不足	探索深度学习在OCD诊断和治疗中的应用潜力	强迫症(OCD)患者	machine learning	psychiatric disorder	deep learning	NA	neuroimaging, EEG, clinical data	10项研究(具体样本量未明确说明)