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
1761	2025-04-04	Evaluating Sex and Age Biases in Multimodal Large Language Models for Skin Disease Identification from Dermatoscopic Images 2025, Health data science DOI:10.34133/hds.0256 PMID:40170800	research paper	评估多模态大语言模型在皮肤疾病识别中的性别和年龄偏见	首次评估了多模态大语言模型（如ChatGPT-4和LLaVA-1.6）在皮肤疾病识别中的性别和年龄偏见，并与传统的CNN和视觉Transformer模型进行了比较	研究使用的数据集虽然较大（约10,000张图像），但未来需要使用更大、更多样化的数据集来进一步验证模型的可靠性和公平性	探索多模态大语言模型在皮肤疾病识别中的实际应用，并评估其性别和年龄偏见	皮肤疾病（黑色素瘤、黑色素细胞痣和良性角化病样病变）	digital pathology	skin disease	multimodal large language models (LLMs), CNN, vision transformer	ChatGPT-4, LLaVA-1.6, VGG16, ResNet50, Model Derm, Swin-B	image	约10,000张皮肤镜图像
1762	2025-04-04	Cnidaria herd optimized fuzzy C-means clustering enabled deep learning model for lung nodule detection 2025, Frontiers in physiology IF:3.2Q2 DOI:10.3389/fphys.2025.1511716 PMID:40171113	research paper	提出了一种结合Cnidaria群体优化模糊C均值聚类和深度学习的模型，用于有效检测肺结节	结合Cnidaria群体优化算法（CHO）和双向长短期记忆模型（CHSTM），以及优化的模糊C均值聚类算法和Resnet-101深度学习模型，提高了肺结节检测的准确性和性能	现有方法在可扩展性、鲁棒性、数据可用性和误检率方面存在一定限制	提高肺结节检测的准确性和性能	肺结节	digital pathology	lung cancer	Cnidaria Herd Optimization (CHO) algorithm, Bi-directional Long Short-Term Memory (CHSTM), fuzzy C-means clustering, Resnet-101	CHSTM, Resnet-101	medical images	LUNA-16数据集和LIDC/IDRI数据集
1763	2025-04-04	Smart insole-based abnormal gait identification: Deep sequential networks and feature ablation study 2025 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076251332999 PMID:40171146	research paper	该研究利用智能鞋垫传感器数据，通过深度序列网络和特征消融研究，对九种步态（包括一种正常和八种异常步态）进行分类	结合多种传感器特征（压力信号、IMU数据等）进行步态分类，并通过消融研究验证不同特征组合的效果	未提及样本的多样性或跨数据集验证的局限性	开发高效的步态分类方法以评估行走能力	使用智能鞋垫传感器收集的步态数据	digital health	gait-related disorders	压力传感器和惯性测量单元（IMU）	deep sequential networks	sensor data（压力信号、IMU数据等）	未明确提及具体样本数量，仅描述为受试者进行15米步行测试
1764	2025-04-04	Quantitative analysis of studies that use artificial intelligence on thyroid cancer: a 20-year bibliometric analysis 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1525650 PMID:40171256	研究论文	通过文献计量分析评估人工智能在甲状腺癌领域的研究进展、热点和未来方向	首次对过去20年人工智能在甲状腺癌领域的应用进行全面的文献计量分析，揭示了研究热点和发展趋势	仅基于Web of Science数据库的文献，可能未涵盖所有相关研究	评估人工智能在甲状腺癌领域的应用现状和发展趋势	2004-2024年间发表的956篇关于人工智能在甲状腺癌中应用的文献	数字病理	甲状腺癌	文献计量分析	NA	文献数据	956篇文献
1765	2025-04-04	Knowledge graph and its application in the study of neurological and mental disorders 2025, Frontiers in psychiatry IF:3.2Q2 DOI:10.3389/fpsyt.2025.1452557 PMID:40171303	综述	本文综述了知识图谱在神经和精神障碍研究中的应用，并探讨了医学知识图谱的现状及其面临的挑战	结合大数据和深度学习技术，探讨知识图谱在神经和精神障碍研究中的潜力	仍需克服知识图谱在医学领域应用中的障碍和限制	研究知识图谱在神经和精神障碍领域的应用及其潜力	神经障碍（如阿尔茨海默病和帕金森病）和精神障碍（如抑郁症和焦虑症）	自然语言处理	神经和精神障碍	知识图谱（KG）	NA	医学数据	NA
1766	2025-04-04	Bridging technology and ecology: enhancing applicability of deep learning and UAV-based flower recognition 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1498913 PMID:40171479	研究论文	本研究将无人机和深度学习技术应用于生态研究，特别是花卉识别，以简化这些技术的实际应用	更新目标检测工具箱至TensorFlow 2，提升性能并确保与新软件包的兼容性，同时评估了三种目标检测模型在无人机花卉图像上的应用潜力	在密集植被中检测花卉及应对环境变化方面仍存在挑战	增强深度学习和无人机技术在生态研究中的适用性，特别是花卉资源的监测	花卉丰富的草地无人机图像	计算机视觉	NA	无人机成像、深度学习	Faster R-CNN, SSD, EfficientDet	图像	两个无人机图像数据集
1767	2025-04-03	COVINet: a deep learning-based and interpretable prediction model for the county-wise trajectories of COVID-19 in the United States 2025, Journal of applied statistics IF:1.2Q2 DOI:10.1080/02664763.2024.2412284 PMID:40160484	research paper	提出了一种基于深度学习的可解释预测模型COVINet，用于预测美国各县的COVID-19疫情轨迹	结合LSTM和GRU架构，整合可操作协变量，提供高精度预测和可解释响应	仅针对美国特定时间段和县区进行验证，未涉及其他地区或更长时间段	准确预测COVID-19疫情轨迹并制定遏制策略	美国各县的COVID-19确诊病例和死亡病例	machine learning	COVID-19	NA	LSTM, GRU	time-series data	美国CDC提供的最后四周数据（截至2021年4月26日）及热点州最严重县区数据（截至2023年3月23日）
1768	2025-04-03	Unravelling pathological ageing with brain age gap estimation in Alzheimer's disease, diabetes and schizophrenia 2025, Brain communications IF:4.1Q2 DOI:10.1093/braincomms/fcaf109 PMID:40161217	research paper	该研究通过脑年龄差距估计（BrainAGE）探讨阿尔茨海默病、糖尿病和精神分裂症中的病理性老化	利用敏感性图谱揭示不同病理条件下脑区域对BrainAGE预测的贡献差异，为理解神经退行性疾病的机制提供新视角	神经生物学限制尚未明确，生物标志物的特异性有待进一步验证	评估BrainAGE作为病理性脑老化生物标志物的潜力，并比较不同病理条件下的神经退行性机制	阿尔茨海默病（AD）、精神分裂症和2型糖尿病（T2D）患者	digital pathology	Alzheimer's disease, schizophrenia, Type 2 diabetes	structural magnetic resonance imaging (MRI)	deep learning models	MRI scans (T-weighted, grey matter, white matter, cerebrospinal fluid tissue segmentation, deformation fields)	NA
1769	2025-04-03	Automatic classification of Giardia infection from stool microscopic images using deep neural networks 2025, BioImpacts : BI IF:2.2Q3 DOI:10.34172/bi.30272 PMID:40161947	研究论文	本研究应用深度学习模型自动分类粪便显微镜图像中的贾第虫感染	与以往研究不同，本研究专注于粪便样本而非饮用水样本，并采用智能手机拍摄的显微镜图像	样本量相对较小（1610张图像），且仅针对贾第虫感染	开发一种自动分类贾第虫感染的方法，以辅助快速准确诊断贾第虫病	粪便显微镜图像中的贾第虫寄生虫	数字病理学	贾第虫病	深度学习	Xception, ResNet-50, EfficientNet-B0	图像	1610张粪便显微镜图像
1770	2025-04-03	Exploring the potential of machine learning and magnetic resonance imaging in early stroke diagnosis: a bibliometric analysis (2004-2023) 2025, Frontiers in neurology IF:2.7Q3 DOI:10.3389/fneur.2025.1505533 PMID:40162012	文献计量分析	通过文献计量分析方法探讨2004至2023年间机器学习和磁共振成像在早期中风诊断中的研究热点	首次系统分析了机器学习和磁共振成像在中风早期诊断领域的研究趋势和热点	仅基于Web of Science数据库的文献，可能未涵盖所有相关研究	探索机器学习和磁共振成像在早期中风诊断中的应用	2004-2023年间发表的395篇相关研究论文	医学影像分析	中风	机器学习	深度学习	磁共振成像数据	395篇文献
1771	2025-04-03	Artificial intelligence in psychiatry: A systematic review and meta-analysis of diagnostic and therapeutic efficacy 2025 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076251330528 PMID:40162166	meta-analysis	本文通过系统综述和荟萃分析评估了人工智能在精神病学诊断和治疗中的准确性和疗效	首次全面评估了AI在精神病学中的诊断准确性和治疗效果，并比较了不同AI技术的表现	研究间存在中等程度的异质性，算法偏见和数据质量问题尚未完全解决	评估人工智能在精神病护理中的诊断准确性和治疗效果	精神病学中的各种精神障碍和AI技术	machine learning	psychiatric disorders	machine learning (ML), deep learning (DL), hybrid models	ML, DL, hybrid models	NA	14项研究
1772	2025-04-03	Fundus image classification using feature concatenation for early diagnosis of retinal disease 2025 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076251328120 PMID:40162178	研究论文	使用特征串联的深度学习模型对眼底图像进行分类，以实现视网膜疾病的早期诊断	提出了一种基于两个独立CNN块的混合CNN模型，并采用典型相关分析融合方法融合特征，以提高分类性能	未提及模型在临床环境中的实际应用效果及泛化能力	开发一种非侵入性方法，用于早期检测眼部疾病	眼底图像，包括视盘凹陷、糖尿病视网膜病变、介质混浊和健康图像	计算机视觉	视网膜疾病	深度学习	CNN	图像	RFMiD数据集中的多种眼底图像类别
1773	2025-04-03	scCCTR: An iterative selection-based semi-supervised clustering model for single-cell RNA-seq data 2025, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2025.03.018 PMID:40165824	研究论文	提出了一种名为scCCTR的新型半监督聚类算法，用于单细胞RNA测序数据分析	scCCTR通过迭代选择高置信度细胞和标签来指导深度学习模型，结合Transformer神经网络的多头注意力机制提高聚类精度	未明确提及具体局限性	提高单细胞RNA测序数据聚类的准确性和有效性	单细胞RNA测序数据	生物信息学	NA	单细胞RNA测序(scRNA-seq)	Transformer	基因表达数据	未明确提及具体样本量
1774	2025-04-03	Deep learning analysis of exercise stress electrocardiography for identification of significant coronary artery disease 2025, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2025.1496109 PMID:40166362	研究论文	本研究开发了一种基于深度学习的多模态AI算法，用于通过运动负荷心电图（ExECG）数据高效准确地识别患有显著冠状动脉疾病（CAD）的患者	创新点在于结合了卷积循环神经网络算法，整合了心电图信号和ExECG报告中的特征，以提高ExECG在识别CAD方面的性能	特异性中等（0.60），可能存在假阳性，需要进一步研究	提升运动负荷心电图（ExECG）在识别显著冠状动脉疾病（CAD）方面的诊断能力	818名接受ExECG和冠状动脉造影（CAG）的患者，以及197名ExECG正常且CAD风险低的个体	数字病理学	心血管疾病	深度学习	卷积循环神经网络（CRNN）	心电图信号和ExECG报告特征	818名患者（其中369名有显著CAD）和197名低风险个体
1775	2025-04-03	Emerging technologies in the field of medicine presented at the Consumer Electronics Show 2025 2025, Journal of Yeungnam medical science IF:1.0Q3 DOI:10.12701/jyms.2025.42.31 PMID:40170412	review	本文回顾了2025年国际消费电子展上展示的医疗领域新兴技术，特别是人工智能和传感器技术的创新应用	展示了AI个性化健康管理设备、接触与非接触式传感器技术、以及AI与传感器结合的电子听诊器等创新技术	这些产品的准确性尚不足以用于临床，限制了其在社区环境中的应用，且在运动时保持非接触传感器的准确性仍具挑战	探讨消费电子展上展示的医疗技术创新及其在医疗保健系统中的潜在应用	医疗保健技术，特别是人工智能和传感器技术	医疗技术	NA	AI、传感器技术、深度学习算法、激光监测技术	深度学习	生理信号、语音、睡眠数据	NA
1776	2025-04-02	Improving the Reliability of Language Model-Predicted Structures as Docking Targets through Geometric Graph Learning 2025-Jan-23, Journal of medicinal chemistry IF:6.8Q1 DOI:10.1021/acs.jmedchem.4c02740 PMID:39787296	research paper	本研究开发了一种名为CarsiDock-Flex的新型两步柔性对接范式，通过几何图学习提高语言模型预测结构作为对接目标的可靠性	提出CarsiDock-Flex，结合CarsiInduce模型和现有CarsiDock算法，直接从预测结构生成结合姿态，显著提高了对接准确性	未明确提及具体局限性	改进蛋白质-配体结合姿态的柔性建模	蛋白质-配体结合	machine learning	NA	equivariant deep learning, ESMFold	CarsiInduce, CarsiDock	protein structures	未明确提及样本量
1777	2025-04-02	Spike rate inference from mouse spinal cord calcium imaging data 2025-Jan-11, bioRxiv : the preprint server for biology DOI:10.1101/2024.07.17.603957 PMID:39829770	research paper	该研究通过钙成像技术记录小鼠脊髓神经元的电活动，并比较了两种算法（CASCADE和OASIS）在推断脊髓神经元放电率方面的性能	首次在脊髓神经元上测试了基于深度学习的CASCADE算法和非监督学习的OASIS算法，并提供了针对脊髓数据重新训练的模型	研究仅针对小鼠脊髓背角浅层的谷氨酸能和GABA能神经元，未涵盖其他类型神经元或脑区	评估和改进从钙成像数据推断神经元放电率的算法在脊髓神经元中的应用	小鼠脊髓背角浅层的谷氨酸能和GABA能体感神经元	神经科学	NA	钙成像技术	CASCADE（基于深度学习的监督学习算法）和OASIS（基于非负反卷积的非监督算法）	钙成像信号数据	未明确说明具体数量，但包括两性小鼠的脊髓神经元
1778	2025-04-02	Deep learning-integrated MRI brain tumor analysis: feature extraction, segmentation, and Survival Prediction using Replicator and volumetric networks 2025-01-09, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-84386-0 PMID:39789043	research paper	该研究提出了一种结合MRI扫描的深度学习方法，用于精确分割脑肿瘤并预测胶质瘤患者的生存率	采用2D体积卷积神经网络架构和多数规则进行肿瘤分割，以及使用深度学习启发的3D复制神经网络从分割的肿瘤区域提取放射组学特征以预测生存率	研究仅使用了BRATS2020基准数据集进行评估，可能在其他数据集上的泛化能力未经验证	开发一种精确且稳健的脑肿瘤分割方法，并预测胶质瘤患者的总体生存率	胶质瘤患者	digital pathology	brain tumor	MRI扫描	2D volumetric CNN, 3D replicator neural network	MRI图像	BRATS2020基准数据集
1779	2025-04-02	Predictive modeling of air quality in the Tehran megacity via deep learning techniques 2025-01-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-84550-6 PMID:39779721	研究论文	本研究利用深度学习技术预测德黑兰大都市区的空气质量，并评估其相对于传统机器学习方法的有效性	深度学习模型（如GRU、FCNN和CNN）在预测空气污染物浓度方面表现优于传统机器学习方法，特别是在CO、O、NO、SO、PM等污染物的预测上	研究仅针对德黑兰大都市区，可能无法直接推广到其他地区	预测德黑兰大都市区的空气污染物浓度，为空气质量控制策略提供决策支持	德黑兰大都市区的空气污染物（CO、O、NO、SO、PM等）	机器学习	NA	深度学习	GRU、FCNN、CNN	时间序列数据	2013年至2023年的空气污染物数据
1780	2025-04-02	The analysis of dance teaching system in deep residual network fusing gated recurrent unit based on artificial intelligence 2025-01-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-85407-2 PMID:39779733	研究论文	本研究探讨了如何利用深度学习和人工智能技术提升舞蹈教学的智能化水平，开发了一种基于图注意力机制和双向门控循环单元的舞蹈动作识别与反馈模型	结合3D-ResNet、BiGRU和图注意力机制，动态调整节点权重以优化动作识别性能，在NTU-RGBD60数据集上准确率比现有3D-CNN基线算法提高5%以上	未提及模型在其他舞蹈数据集上的泛化能力测试	提升舞蹈教学的智能化水平，为舞蹈教育提供高效个性化的技术支持	舞蹈动作识别与反馈系统	计算机视觉	NA	深度学习	3D-ResNet-BiGRU结合图注意力机制	视频	NTU-RGBD60数据集（具体数量未说明）