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
1021	2025-03-01	MAEMC-NET: a hybrid self-supervised learning method for predicting the malignancy of solitary pulmonary nodules from CT images 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1507258 PMID:40012977	研究论文	本文提出了一种名为MAEMC-NET的深度学习模型，用于从CT图像中预测孤立性肺结节的恶性程度	MAEMC-NET结合了生成式（Masked AutoEncoder）和对比式（Momentum Contrast）自监督学习方法，以学习CT图像中孤立性结节的内部和相互间的表示	研究仅涉及494名患者，样本量相对较小	解决肺肉芽肿性结节（PGN）与实性肺腺癌（SLA）在CT形态特征上的相似性，提高术前诊断的准确性	孤立性肺结节	计算机视觉	肺癌	CT成像	MAEMC-NET（结合Masked AutoEncoder和Momentum Contrast）	CT图像	494名患者
1022	2025-03-01	MRpoxNet: An enhanced deep learning approach for early detection of monkeypox using modified ResNet50 2025 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076251320726 PMID:40013075	研究论文	本文介绍了一种增强的深度学习模型MRpoxNet，基于改进的ResNet50架构，用于从数字皮肤病变图像中早期检测猴痘	MRpoxNet通过扩展ResNet50的层数并引入额外的卷积、ReLU、dropout和批量归一化层，提高了诊断准确性和临床可靠性	未来需要进一步扩展数据集并增强模型对多样化临床场景的多模态适应性	开发一种高效的深度学习模型，用于早期检测猴痘	数字皮肤病变图像	计算机视觉	猴痘	深度学习	改进的ResNet50	图像	初始1156张图像，增强至6116张图像，分为猴痘、非猴痘和正常皮肤三类
1023	2025-02-28	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	本文探讨了在医疗决策支持系统中实现可信赖AI的重要性，特别是通过估计认知不确定性来提高系统的可靠性	提出了使用Spectral Normalized Neural Gaussian Process (SNGP)模型来量化知识不确定性，相比传统的神经网络集成方法，提供了更可靠的不确定性估计	研究主要基于低维玩具数据集和MIMIC3研究中的电子健康记录（EHR）数据，可能无法完全代表所有临床场景	提高AI在医疗决策支持系统中的可靠性和可信赖性	电子健康记录（EHR）数据，特别是重症监护病房住院患者的死亡率预测	机器学习	NA	Spectral Normalized Neural Gaussian Process (SNGP), 神经网络集成 (ENN)	Encoder-Only Transformer, SNGP, ENN	时间序列数据（EHR）	MIMIC3研究中的电子健康记录（EHR）数据
1024	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
1025	2025-02-28	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	本文提出了一种语义引导的Transformer网络（SGTN），用于高光谱图像中的作物分类，旨在提高分类精度和鲁棒性	提出了多尺度空间-光谱信息提取（MSIE）模块和语义引导注意力（SGA）模块，结合两阶段特征提取结构，有效克服了现有深度学习方法的局限性	未提及具体的数据集规模限制或模型计算复杂度问题	提高高光谱遥感图像中作物分类的精度和鲁棒性	高光谱遥感图像中的农作物	计算机视觉	NA	高光谱遥感	Transformer	图像	Indian Pines、Pavia University和Salinas基准数据集
1026	2025-02-28	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	本文全面回顾了基于机器学习的乳腺密度估计方法，重点关注从乳腺X线照片中估计乳腺密度的技术	强调机器学习方法在乳腺密度估计中的应用，特别是传统机器学习和深度学习方法，如支持向量机（SVMs）和卷积神经网络（CNNs）	当前研究存在主观性和成本效率低的问题	改进乳腺密度估计方法，以提高乳腺癌的早期检测和诊断	乳腺X线照片	计算机视觉	乳腺癌	机器学习	SVM, CNN	图像	NA
1027	2025-02-28	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图像和遥感数据中检测与气候相关的自然灾害	创建了一个新的数据集，优化了机器学习模型，并首次将荒漠化作为深度学习检测的自然灾害之一	研究仅考虑了洪水和荒漠化两种自然灾害，且数据集规模相对较小	优化深度学习模型以检测与气候相关的自然灾害	洪水和荒漠化自然灾害	计算机视觉	NA	深度学习	CNN, DenseNet201, VGG16, ResNet50	图像	6334张无人机和卫星图像
1028	2025-02-28	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	本文提出了一种名为GCNet的深度学习框架，用于增强葡萄串分割和产量估计，通过引入遮挡葡萄检测和校正因子来解决室内实验中的挑战	GCNet框架结合了深度学习技术和校正因子，首次在葡萄串分割中引入了遮挡调整，提高了在叶子和葡萄串紧凑情况下的分割精度，为农业室内成像分析设定了新标准	该研究主要针对室内实验环境，未涉及户外自然环境下的葡萄产量估计	提高葡萄产量估计的准确性，特别是在室内环境下	葡萄串	计算机视觉	NA	深度学习	GCNet	图像	NA
1029	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
1030	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	本文开发了一种深度学习模型，用于从H&E染色切片中定量分析大鼠脾脏的相关区域，包括动脉周围淋巴鞘、滤泡、生发中心和边缘区	创新点在于无需免疫组化染色，直接利用H&E染色切片通过深度学习模型高精度识别脾脏各区域	目前仅应用于正常大鼠脾脏，未来需扩展至其他淋巴组织	提高免疫系统增强组织病理学评估的准确性和精确性，同时提升病理学家的工作效率	大鼠脾脏	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
1031	2025-02-28	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	本研究提出了一种基于深度学习模型的无创贫血检测方法，通过分析结膜图像来诊断贫血	利用智能手机拍摄的结膜图像，结合深度学习技术，实现了无创贫血检测，避免了传统血液检测的不便	样本量相对较小（764张原始图像），且依赖于图像质量和设备性能	开发一种无创、高效的贫血检测方法	贫血患者和非贫血患者的结膜图像	计算机视觉	贫血	深度学习	VGG16, ResNet-50, InceptionV3, 深度卷积生成对抗网络（DCGAN）	图像	764张原始结膜图像，增强至4,315张
1032	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）
1033	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
1034	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
1035	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
1036	2025-02-28	Deep learning enhances the prediction of HLA class I-presented CD8+ T cell epitopes in foreign pathogens 2025, Nature machine intelligence IF:18.8Q1 DOI:10.1038/s42256-024-00971-y PMID:40008296	研究论文	本文开发了一个名为MUNIS的深度学习模型，用于预测HLA-I类分子呈递的CD8+ T细胞表位，以提高T细胞疫苗的开发效率	MUNIS模型在预测肽段呈递和CD8 T细胞表位免疫优势层次方面表现出优于现有模型的性能，并且能够减少实验负担，加速CD8 T细胞表位的识别	NA	提高T细胞疫苗开发中的CD8 T细胞表位预测准确性	HLA-I类分子呈递的CD8+ T细胞表位	机器学习	NA	深度学习	MUNIS	肽段数据	651,237个独特的HLA-I类配体
1037	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
1038	2025-02-27	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	本文提出了一种混合专家（MoE）方法，用于改善深度学习模型在单序列RNA二级结构预测中的分布外（OOD）泛化能力	通过结合深度学习和基于物理的模型，MoEFold2D方法实现了自动化的ID/OOD检测，并在不依赖训练数据的情况下，通过共识分析对测试序列进行分类，从而在ID和OOD序列上分别利用深度学习和基于物理的模型进行预测	未明确提及具体局限性	提高RNA二级结构预测的准确性和鲁棒性，特别是在分布外序列上的表现	RNA二级结构	机器学习	NA	深度学习，基于物理的模型	混合专家模型（MoE）	RNA序列数据	未明确提及样本数量
1039	2025-02-27	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	本文旨在开发一种基于大脑机械特性图的机器学习框架，以准确预测健康个体的实际年龄	结合磁共振弹性成像（MRE）和体积测量的多模态方法，利用3D卷积网络和传统统计模型预测大脑年龄，展示了MRE测量在大脑年龄模型中的补充价值	未来研究需提高模型对神经病理个体大脑完整性差异的敏感性	开发机器学习框架，从大脑机械特性图中准确预测个体的实际年龄	健康个体的大脑机械特性图	机器学习	神经退行性疾病	磁共振弹性成像（MRE）	3D卷积网络	图像	未明确提及样本数量
1040	2025-02-27	Contrast quality control for segmentation task based on deep learning models-Application to stroke lesion in CT imaging 2025, Frontiers in neurology IF:2.7Q3 DOI:10.3389/fneur.2025.1434334 PMID:39995787	研究论文	本文提出了一种基于深度学习模型的对比质量控制方法，用于CT成像中的中风病变分割任务	提出了一种评估图像数据集对比质量的方法，通过机器学习模型确定图像对比度的关键阈值，从而优化数据集设计和加速训练过程	该方法目前仅应用于CT图像中的中风病变分割，尚未在其他任务中验证其适应性	解决CT成像中中风病变分割的主要挑战之一——图像对比度问题	CT成像中的中风病变	数字病理学	中风	深度学习	NA	图像	NA