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
1301	2025-04-23	Mortality prediction of heart transplantation using machine learning models: a systematic review and meta-analysis 2025, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2025.1551959 PMID:40256322	系统综述与荟萃分析	本文通过系统综述和荟萃分析评估机器学习模型在预测心脏移植后死亡率中的性能	比较了多种机器学习算法在心脏移植后死亡率预测中的表现，并识别了影响模型准确性的因素	研究存在显著的异质性和偏倚，需要标准化方法和进一步的外部验证以提高临床适用性	评估机器学习算法在预测心脏移植后死亡率中的性能并优化决策过程	心脏移植患者	机器学习	心血管疾病	机器学习算法（如随机森林、CatBoost、神经网络等）	随机森林、CatBoost、神经网络、K近邻	临床数据	17项研究纳入综述，12项研究纳入荟萃分析
1302	2025-04-23	Machine learning vs human experts: sacroiliitis analysis from the RAPID-axSpA and C-OPTIMISE phase 3 axSpA trials 2025, Rheumatology advances in practice IF:2.1Q3 DOI:10.1093/rap/rkae118 PMID:40256636	研究论文	本研究评估了深度学习模型在检测轴型脊柱关节炎（axSpA）患者骶髂关节炎中的性能，并与专家评估进行了比较	使用深度学习模型减少诊断时间并最小化读者间差异，首次在RAPID-axSpA和C-OPTIMISE试验中进行评估	模型在C-OPTIMISE队列中的特异性较低（56%），Cohen's κ值仅为0.48	评估深度学习模型在检测axSpA患者骶髂关节炎中的性能，以加速诊断并减少医疗资源使用	RAPID-axSpA（n=277）和C-OPTIMISE（n=739）试验中的axSpA患者	数字病理学	轴型脊柱关节炎	深度学习	深度学习模型（基于迁移学习）	X光影像	RAPID-axSpA（277例）和C-OPTIMISE（739例）患者的基线X光影像
1303	2025-04-23	Attention-aware Deep Learning Models for Dermoscopic Image Classification for Skin Disease Diagnosis 2025, Current medical imaging IF:1.1Q3 DOI:10.2174/0115734056332443241129113146 PMID:40259872	research paper	该研究利用深度学习模型结合注意力机制对皮肤镜图像进行分类，以提高皮肤疾病的诊断准确性	在预训练的CNN架构中集成了通道注意力和空间注意力机制，优化了特征提取和分类精度	未提及模型在临床环境中的实际应用效果或外部验证结果	利用深度学习方法分析皮肤镜图像，提高皮肤疾病的诊断准确性	七种类型的皮肤疾病	computer vision	skin disease	deep learning, attention mechanism	CNN (RegNetX, EfficientNetB3, VGG19, ResNet-152)	image	NA
1304	2025-04-22	Prospective Evaluation of Accelerated Brain MRI Using Deep Learning-Based Reconstruction: Simultaneous Application to 2D Spin-Echo and 3D Gradient-Echo Sequences 2025-01, Korean journal of radiology IF:4.4Q1 DOI:10.3348/kjr.2024.0653 PMID:39780631	研究论文	前瞻性评估基于深度学习的加速脑部MRI重建技术（Accel-DL）在提高成像质量和缩短扫描时间方面的效果	首次在2D自旋回波和3D梯度回波序列中同时应用Accel-DL技术，并验证其在减少扫描时间和提高图像质量方面的效果	深部灰质（包括丘脑）的体积测量存在显著差异，且白质高信号（WMH）分割中的白质皮层病变类别存在差异	评估Accel-DL技术在脑部MRI中的效果，包括扫描时间减少和图像质量提升	150名参与者（51名男性，平均年龄57.3±16.2岁）	数字病理	NA	MRI	U-Net	图像	150名参与者，使用三种不同厂商的3T扫描仪
1305	2025-04-22	Detection and classification of ChatGPT-generated content using deep transformer models 2025, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2025.1458707 PMID:40256321	研究论文	本文提出了一种基于深度transformer模型的ChatGPT生成内容的检测与分类方法	使用RoBERTa和DistilBERT等transformer架构模型，实现了对AI生成文本的高效检测与分类，F1分数和准确率均超过0.98	模型在不同AI生成内容来源上的泛化能力尚未验证，且未考虑AI文本检测领域不断演变的挑战	解决AI生成文本（特别是ChatGPT）的检测与分类问题，以防止技术滥用	人类撰写文本与ChatGPT生成的AI文本	自然语言处理	NA	深度学习	RoBERTa, DistilBERT	文本	包含人类撰写和ChatGPT生成文本的数据集（具体数量未说明）
1306	2025-04-21	Deep learning models for segmenting phonocardiogram signals: a comparative study 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0320297 PMID:40228205	研究论文	本研究比较了不同深度学习模型在心音图（PCG）信号分割中的性能	首次对CirCor DigiScop数据集的分割过程进行研究，并比较了GRU、Bidirectional-GRU和BILSTM模型的性能	未提及模型在其他数据集上的泛化能力	比较不同深度学习模型在心音图信号分割中的性能	心音图（PCG）信号	机器学习	心血管疾病	数字滤波和经验模态分解	GRU, Bidirectional-GRU, BILSTM	信号数据	三个数据集：PhysioNet/Computing in Cardiology Challenge 2016、MITHSDB、CirCor DigiScope Phonocardiogram
1307	2025-04-21	Multi-Source Data and Knowledge Fusion via Deep Learning for Dynamical Systems: Applications to Spatiotemporal Cardiac Modeling 2025, IISE transactions on healthcare systems engineering IF:1.5Q3 DOI:10.1080/24725579.2024.2398592 PMID:40248641	研究论文	本文提出了一种基于深度学习的多源数据和知识融合框架，应用于时空心脏建模	该框架不仅通过捕捉基于物理的信息流实现有效数据融合，还通过图拉普拉斯算子整合3D系统的几何信息，用于稳健的时空预测建模	NA	开发可靠的时空动态系统预测模型	心脏电动力学在健康和疾病状态下的建模	机器学习	心血管疾病	深度学习	深度学习框架	多源感知数据	NA
1308	2025-04-20	Transfer learning-based approach to individual Apis cerana segmentation 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0319968 PMID:40238729	研究论文	本研究利用Mask R-CNN深度学习模型，通过迁移学习技术，针对蜂箱环境中的东方蜜蜂（Apis cerana）进行个体检测与分割	采用迁移学习方法，利用先前训练的西方蜜蜂（Apis mellifera）模型权重，并通过数据预处理技术（如亮度和对比度增强）提升模型性能，在保持高性能的同时大幅减少训练和验证集的数据量	研究仅针对特定蜜蜂种类（Apis cerana）进行，可能不适用于其他蜜蜂种类或更广泛的昆虫检测与分割任务	实现蜂箱环境中东方蜜蜂的高精度个体检测与分割，以支持自动化行为分析	东方蜜蜂（Apis cerana）	计算机视觉	NA	迁移学习，数据预处理（亮度和对比度增强）	Mask R-CNN	图像	训练和验证集数量较先前研究减少了85%，具体数量未明确说明
1309	2025-04-20	Deep learning-based acceleration of muscle water T2 mapping in patients with neuromuscular diseases by more than 50% - translating quantitative MRI from research to clinical routine 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0318599 PMID:40238781	研究论文	本研究探讨了基于深度学习的CSAI加速技术在神经肌肉疾病患者肌肉水T2成像中的应用，显著缩短了扫描时间	首次将CSAI加速技术应用于定量MRI，实现了扫描时间减少50%以上且不影响定量准确性	研究样本量较小（仅10名FSHD患者），且仅针对大腿肌肉进行了评估	评估AI加速MRI技术在神经肌肉疾病定量诊断中的应用价值	面肩肱型肌营养不良症（FSHD）患者的大腿肌肉	医学影像分析	神经肌肉疾病	CSAI（压缩感知与并行成像结合的AI重建技术）	深度学习	MRI图像	10名FSHD患者，双侧大腿肌肉6个感兴趣区域
1310	2025-04-20	Optimizing lipocalin sequence classification with ensemble deep learning models 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0319329 PMID:40238838	research paper	提出了一种名为EnsembleDL-Lipo的集成深度学习框架，用于优化脂质运载蛋白序列的分类	结合CNN和DNN的集成深度学习框架，利用PSSM特征提升分类性能	未提及具体的数据集规模限制或模型泛化能力的详细测试	提高脂质运载蛋白序列的分类准确性和计算效率	脂质运载蛋白序列	machine learning	NA	PSSM-based features	CNN, DNN	biological sequences	NA
1311	2025-04-20	Artificial intelligence in hospital infection prevention: an integrative review 2025, Frontiers in public health IF:3.0Q2 DOI:10.3389/fpubh.2025.1547450 PMID:40241963	综述	本文通过整合42项研究，评估了人工智能（AI）在医院感染预防中的有效性、可用性和挑战	AI模型在多种医院获得性感染（HAIs）的检测、监测和预防中表现出高预测准确性，特别是在手术部位感染和尿路感染方面，AUC得分超过0.80	研究面临全面临床医生培训需求、高集成成本以及与现有工作流程兼容性等挑战	评估AI模型在预防、检测和管理HAIs中的有效性、可用性和挑战	医院获得性感染（HAIs）	医疗人工智能	医院获得性感染	机器学习、深度学习、神经网络、决策树、随机森林、可解释AI（XAI）	CNN, LSTM, GAN	电子健康记录（EHRs）	42项研究
1312	2025-04-20	Improved performance of fNIRS-BCI by stacking of deep learning-derived frequency domain features 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0314447 PMID:40245060	研究论文	本研究通过堆叠深度学习提取的频域特征，提高了基于功能近红外光谱的脑机接口（fNIRS-BCI）系统的性能	提出了堆叠和快速傅里叶变换（fft）方法用于特征提取和分类，显著提高了分类准确率	研究仅针对二十名参与者进行，样本量较小	提高fNIRS-BCI系统的分类性能，帮助运动障碍患者恢复自主能力	fNIRS信号和手部握持运动活动	脑机接口	运动障碍	fNIRS神经成像系统、深度学习算法	CNN、LSTM、Bi-LSTM	fNIRS信号	20名参与者
1313	2025-04-20	A method of rice panicle number counting based on improved CSRNet model 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1494564 PMID:40247946	研究论文	本研究提出了一种基于改进CSRNet模型的水稻穗粒数计数方法	改进CSRNet模型并应用于水稻穗粒数计数，开发了Android端实时计数APP和PC端批量计数软件	未提及模型在不同光照或品种条件下的泛化能力	为水稻穗粒数计数提供理论依据和技术支持	水稻穗粒	计算机视觉	NA	深度学习	改进的CSRNet	图像	未明确说明样本数量
1314	2025-04-20	Protein structure prediction via deep learning: an in-depth review 2025, Frontiers in pharmacology IF:4.4Q1 DOI:10.3389/fphar.2025.1498662 PMID:40248099	综述	本文深入探讨了深度学习在蛋白质结构预测中的应用及其对药物发现和开发的影响	全面回顾了深度学习在蛋白质结构预测中的最新进展，包括大型语言模型和尖端深度学习方法	未提及具体实验验证或实际应用案例	探讨深度学习在蛋白质结构预测领域的应用及其潜力	蛋白质结构预测	机器学习	NA	深度学习、大型语言模型	NA	蛋白质序列数据	NA
1315	2025-04-20	Clinical and Radiological Fusion: A New Frontier in Predicting Post-Transplant Diabetes Mellitus 2025, Transplant international : official journal of the European Society for Organ Transplantation IF:2.7Q2 DOI:10.3389/ti.2025.14377 PMID:40248509	研究论文	本研究通过整合临床和放射学数据，开发了一个预测移植后糖尿病（PTDM）的模型，以识别高风险肾移植受者	结合临床指标和深度学习分析的CT图像，专注于体成分参数（如脂肪组织和肌肉质量），而非BMI或其他生物标志物	研究为回顾性分析，可能存在选择偏倚，且样本仅来自三个Mayo Clinic站点	预测肾移植受者术后糖尿病（PTDM）的发生风险	2005名非糖尿病肾移植受者	数字病理学	糖尿病	深度学习分析	深度学习模型	临床数据和CT图像	2005名非糖尿病肾移植受者，其中335名（16.7%）在术后一年内发展为PTDM
1316	2025-04-19	Noninvasive Quantitative CT for Diffuse Liver Diseases: Steatosis, Iron Overload, and Fibrosis 2025-01, Radiographics : a review publication of the Radiological Society of North America, Inc IF:5.2Q1 DOI:10.1148/rg.240176 PMID:39700040	research paper	该研究探讨了非侵入性定量CT在弥漫性肝病（脂肪变性、铁过载和纤维化）检测和量化中的应用	提出了非对比CT在肝脏脂肪和铁过载量化中的近似MRI性能，以及AI深度学习算法在自动化定量CT评估中的应用	对比后CT在肝脏脂肪量化中的精确度较低，仅能提供分类评估	研究非侵入性CT技术在弥漫性肝病检测和量化中的临床应用	弥漫性肝病（脂肪变性、铁过载和纤维化）患者	digital pathology	liver disease	CT, MRI, AI deep learning	deep learning	image	NA
1317	2025-04-19	Faster Acquisition and Improved Image Quality of T2-Weighted Dixon Breast MRI at 3T Using Deep Learning: A Prospective Study 2025-01, Korean journal of radiology IF:4.4Q1 DOI:10.3348/kjr.2023.1303 PMID:39780629	research paper	本研究比较了深度学习重建的T2加权Dixon序列与传统T2加权Dixon序列在乳腺MRI中的图像质量和病灶特征	使用深度学习重建的T2加权Dixon序列（T2DL）在减少采集时间的同时提高了图像质量	研究仅在一台3T扫描仪上进行，且样本量相对有限	比较深度学习重建的T2加权Dixon序列与传统序列在乳腺MRI中的表现	乳腺MRI图像	digital pathology	breast cancer	MRI, deep learning	deep learning	image	140名女性（85个囊肿和31个乳腺癌病例）
1318	2025-04-19	UMamba Adjustment: Advancing GTV Segmentation for Head and Neck Cancer in MRI-Guided RT with UMamba and NnU-Net ResEnc Planner 2025, Head and Neck Tumor Segmentation for MR-Guided Applications : First MICCAI Challenge, HNTS-MRG 2024, held in conjunction with MICCAI 2024, Marrakesh, Morocco, October 17, 2024, proceedings DOI:10.1007/978-3-031-83274-1_9 PMID:40236615	research paper	该研究提出了一种名为UMambaAdj的新方法，用于在MRI引导的放疗中更精确地分割头颈癌的肿瘤体积	结合UMamba和nnU-Net ResEnc的优势，提出了一种新的肿瘤分割方法UMambaAdj	研究仅在HNTS-MRG 2024挑战测试集上进行了评估，可能需要更多数据验证	提高头颈癌MRI引导放疗中肿瘤体积分割的准确性	头颈癌患者的MRI图像中的肿瘤体积（GTVp和GTVn）	digital pathology	head and neck cancer	MRI	UMamba, nnU-Net ResEnc	image	HNTS-MRG 2024挑战测试集中的MRI图像
1319	2025-04-19	VMamba for plant leaf disease identification: design and experiment 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1515021 PMID:40241820	research paper	该研究将VMamba视觉骨干模型引入农业植物病害检测任务，结合扩散模型和迁移学习技术，提出DDHTLVMamba方法，用于小样本农业数据集的植物病害检测	引入VMamba模型，通过选择性扫描机制降低计算复杂度，同时保持全局感受野和利用动态加权优势显著提高分类精度	研究主要针对小样本农业数据集，可能在大规模多样化数据集上的泛化能力有待验证	提高农业植物病害识别的准确性和效率，推动智能农业病害防控技术的发展	农业植物病害	computer vision	plant disease	diffusion models, transfer learning	VMamba, ResNet50, Vision Transformer, Swin Transformer	image	小样本农业数据集和大规模数据集如PlantVillage
1320	2025-04-19	A lightweight multi-deep learning framework for accurate diabetic retinopathy detection and multi-level severity identification 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1551315 PMID:40241910	research paper	提出了一种轻量级深度学习框架，用于准确检测糖尿病视网膜病变（DR）及其多级严重程度识别	设计了一个两阶段的轻量级深度学习网络，第一阶段检测DR存在与否，第二阶段通过迁移学习进一步分类DR严重程度	仅使用了在线数据集进行验证，未涉及临床实际应用验证	提高糖尿病视网膜病变检测的准确性和及时性，以改善患者预后	糖尿病视网膜病变患者的眼底图像	digital pathology	diabetic retinopathy	deep learning, transfer learning	CNN	image	APTOS 2019数据集