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
12241	2025-03-27	Comparative Analysis of MaxEnt and Deep Learning Approaches for Modeling Humpback Whale Distribution in North Iceland 2025-Mar, Ecology and evolution IF:2.3Q2 DOI:10.1002/ece3.71099 PMID:40109551	research paper	本研究比较了MaxEnt和深度学习方法在冰岛北部座头鲸分布建模中的应用	首次比较了传统MaxEnt与深度学习方法在座头鲸分布建模中的表现，并展示了深度学习在预测未来分布中的优势	输入数据分辨率低、存在空间偏差、无法完全捕捉自然过程的复杂性	比较不同建模方法在海洋哺乳动物分布预测中的效果	冰岛北部Skjálfandi湾的座头鲸	machine learning	NA	卫星遥感数据采集	MaxEnt, 深度学习	物种出现数据、环境数据	2018年至2021年的月度观测数据
12242	2025-03-27	Ensemble approach to deep learning seabed classification using multichannel ship noisea) 2025-Mar-01, The Journal of the Acoustical Society of America IF:2.1Q1 DOI:10.1121/10.0036221 PMID:40135961	研究论文	本研究利用合成数据训练神经网络，通过多通道水听器声谱图预测海底类型，并应用于实际测量数据	采用集成建模和多通道数据处理技术提高预测性能，并量化多通道数据对神经网络训练的影响	实验中水声速仅轻微向上折射，预期在更复杂声速剖面下多通道的优势会更明显	开发一种基于深度学习的海底分类方法	海底类型	机器学习	NA	多通道水听器声谱图分析	ResNet-18	声谱图	SBCEX 2017实验测量数据
12243	2025-03-27	HCAR-AM ground nut leaf net: Hybrid convolution-based adaptive ResNet with attention mechanism for detecting ground nut leaf diseases with adaptive segmentation 2025-Feb, Network (Bristol, England) DOI:10.1080/0954898X.2024.2424248 PMID:39552170	research paper	提出了一种基于混合卷积自适应ResNet与注意力机制的HCAR-AM模型，用于有效检测花生叶部病害	结合了自适应TransResunet++分割、HP-BWCF参数优化以及HCAR-AM分类模型，创新性地整合了多种技术以提高病害检测效果	未提及模型在真实田间环境下的泛化能力及对不同光照条件的适应性	开发高效的花生叶部病害检测深度学习模型	花生叶部病害图像	computer vision	plant disease	deep learning	HCAR-AM (Hybrid Convolution-based Adaptive ResNet with Attention Mechanism)	image	未明确说明样本数量（来自传统数据库）
12244	2025-03-27	Integration of Artificial Intelligence for Diagnostic Methods in Musculoskeletal Conditions: A Systematic Review 2025-Feb, Cureus DOI:10.7759/cureus.79391 PMID:40130121	系统综述	本文探讨并评估了人工智能技术在肌肉骨骼疾病诊断方法中的整合，以提高评估准确性	强调了AI技术在提高肌肉骨骼诊断准确性和效率方面的潜力，特别是通过机器学习和深度学习技术	部署AI工具用于诊断目的的问题需要更多关注	探索和评估AI技术在肌肉骨骼疾病诊断方法中的整合	肌肉骨骼疾病	数字病理学	肌肉骨骼疾病	机器学习（ML）、深度学习（DL）、卷积神经网络（CNNs）	CNN	图像	NA
12245	2025-03-27	Deep learning-based discovery of compounds for blood pressure lowering effects 2025-01-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-83924-0 PMID:39747442	研究论文	本研究利用深度学习建立了一个预测模型，用于发现具有降压效果的化合物	利用深度学习预测化合物的生物活性，为识别药物副作用提供潜在解决方案，并发现新的降压化合物	仅验证了50个分子的预测结果，样本量相对较小	预测和验证具有降压效果的化合物，以帮助避免临床用药中的低血压副作用并辅助降压药物的发现	26,000种化合物	机器学习	心血管疾病	深度学习，分子对接	深度学习模型	化合物数据	26,000种化合物，其中50个分子用于验证
12246	2025-03-27	The development of an efficient artificial intelligence-based classification approach for colorectal cancer response to radiochemotherapy: deep learning vs. machine learning 2025-01-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-84023-w PMID:39748016	研究论文	开发了一种基于人工智能的高效分类方法，用于预测结直肠癌对放化疗的反应，比较了深度学习和机器学习的效果	比较了七种人工智能模型在预测结直肠癌对放化疗反应中的表现，并采用了三种特征选择策略来优化分类准确性	未提及样本的具体数量，且仅比较了有限的几种模型和特征选择方法	开发一种高效的人工智能分类方法，用于预测结直肠癌患者对放化疗的反应	结直肠癌患者	机器学习	结直肠癌	特征选择方法包括互信息、F-classif和卡方检验	决策树、K近邻、Adaboost、随机森林、梯度提升、多层感知机和CNN	基因数据	NA
12247	2025-03-27	LaMoD: Latent Motion Diffusion Model For Myocardial Strain Generation 2025, Shape in medical imaging : International Workshop, ShapeMI 2024, held in conjunction with MICCAI 2024, Marrakesh, Morocco, October 6, 2024, Proceedings. ShapeMI (Workshop) (2024 : Marrakech, Morocco) DOI:10.1007/978-3-031-75291-9_13 PMID:40123747	research paper	本文提出了一种名为LaMoD的潜在运动扩散模型，用于从标准心脏磁共振（CMR）视频中预测高精度的DENSE运动	LaMoD利用预训练的配准网络编码器学习图像序列中的潜在运动特征，并通过概率潜在扩散模型从这些特征中重建准确运动	在具有细微外观变化的区域，准确性可能降低，且误差会随时间传播	提高标准CMR图像中运动分析的准确性，从而改善心脏患者的心肌应变分析	心脏磁共振（CMR）成像视频	digital pathology	cardiovascular disease	DENSE CMR, 潜在扩散模型	diffusion model	video	NA
12248	2025-03-27	Automatic brain quantification in children with unilateral cerebral palsy 2025, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2025.1540480 PMID:40129724	研究论文	本研究开发并验证了一种基于深度学习的自动化流程，用于量化单侧脑瘫儿童的无病变脑体积	利用深度学习自动量化无病变脑体积，特别是在解剖结构严重改变的脑部中表现出稳健的分割性能	样本量相对较小（35名患者用于训练，54名儿童用于验证），且年龄范围较广（1-17岁）	探索单侧脑瘫儿童脑部结构与功能之间的关系	单侧脑瘫儿童	数字病理学	脑瘫	T1加权和FLAIR MRI	深度学习模型	MRI图像	训练集35名患者（5-15岁），验证集54名儿童（7-16岁），独立数据集36名儿童（1-17岁）
12249	2025-03-27	Laser induced forward transfer imaging using deep learning 2025, Discover applied sciences DOI:10.1007/s42452-025-06679-x PMID:40129928	研究论文	提出了一种通过深度学习技术提高激光诱导正向转移（LIFT）精度和效率的新方法	利用深度学习直接从供体图像预测铜滴在受体上的沉积情况，为LIFT参数优化提供了新思路	预测结果与实验图像相比仍存在一定误差（平均RMSE为9.63），需要进一步优化以减少误差	提高激光诱导正向转移技术的精度和效率	铜滴在受体基板上的沉积图像	计算机视觉	NA	激光诱导正向转移（LIFT）	神经网络	图像	NA
12250	2025-03-27	Prediction of adverse drug reactions based on pharmacogenomics combination features: a preliminary study 2025, Frontiers in pharmacology IF:4.4Q1 DOI:10.3389/fphar.2025.1448106 PMID:40129949	研究论文	该研究基于药物基因组学组合特征预测药物不良反应（ADRs），提出了一种新的深度学习架构DGANet	提出了一种新的深度学习架构DGANet，结合CNN和交叉特征学习潜在的药物-基因-ADR关联，用于ADRs预测	研究为初步研究，可能存在数据量和模型泛化能力的限制	预测药物不良反应（ADRs）的发生	药物和基因表达变化	机器学习	NA	药物基因组学数据	CNN	基因组学数据	NA
12251	2025-03-27	Code generation system based on MDA and convolutional neural networks 2025, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2025.1491958 PMID:40135112	研究论文	该论文介绍了一个基于MDA和卷积神经网络的代码生成系统，旨在通过计算机视觉和深度学习技术从系统描述图中生成源代码	结合计算机视觉、深度学习和MDA技术，实现从系统描述图自动生成源代码	神经网络训练过程中存在硬件限制	开发一个简化软件开发流程的平台，连接规划、结构化和开发阶段	系统描述图和相应案例研究	计算机视觉	NA	计算机视觉、深度学习	CNN	图像	NA
12252	2025-03-26	Artificial Intelligence Models to Identify Patients with High Probability of Glaucoma Using Electronic Health Records 2025 May-Jun, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2024.100671 PMID:40124313	研究论文	本研究开发了人工智能模型，利用电子健康记录（EHRs）中的数据识别高概率青光眼患者，无需眼科影像或临床数据	利用非眼科的结构化EHR数据（如人口统计、实验室结果、测量、药物和诊断）开发AI模型，无需专用眼科影像或临床数据即可识别青光眼高风险患者	需要进一步研究受保护类别特征（如种族/民族）对模型性能和公平性的影响	开发AI模型以早期识别青光眼高风险患者	64,735名18岁以上、在EHR中有至少两次眼相关诊断记录的患者	机器学习	青光眼	机器学习与深度学习	惩罚逻辑回归、XGBoost、1D-CNN和堆叠自编码器	结构化电子健康记录数据	64,735名患者，其中7,268名（11.22%）有青光眼诊断
12253	2025-03-26	Weakly supervised multi-modal contrastive learning framework for predicting the HER2 scores in breast cancer 2025-Apr, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2025.102502 PMID:39919535	研究论文	提出了一种弱监督多模态对比学习框架（WSMCL），用于预测乳腺癌中的HER2评分	首次将多模态（H&E和IHC）联合学习与弱监督对比学习相结合，通过多模态注意力对比学习模块（MACL）实现不同模态特征的语义对齐	未提及具体样本量或数据集的多样性限制	提高乳腺癌HER2评分的预测准确性	乳腺癌全切片图像（WSI）中的HER2评分	数字病理学	乳腺癌	多模态对比学习、多头自注意力（MHSA）	WSMCL（弱监督多模态对比学习框架）	全切片图像（WSI）	NA
12254	2025-03-26	Artificial intelligence-driven forecasting and shift optimization for pediatric emergency department crowding 2025-Apr, JAMIA open IF:2.5Q3 DOI:10.1093/jamiaopen/ooae138 PMID:40124532	研究论文	本研究开发并评估了一个基于人工智能（AI）的系统，用于预测儿科急诊科（PED）的拥挤情况，并通过机器学习操作（MLOps）优化医生班次安排	结合先进的深度学习模型与MLOps架构，实现持续模型更新，提升预测准确性，并在COVID-19等事件导致的数据漂移中表现出韧性	单中心设计和固定的人员配置模型，需多中心验证和在动态人员配置环境中的实施	预测儿科急诊科拥挤情况并优化医生班次安排	352,843例儿科急诊科入院数据	机器学习	儿科急诊	机器学习操作（MLOps）	Temporal Convolutional Network, Time-series Dense Encoder, Reversible Instance Normalization, Neural High-order Time Series model, Neural Basis Expansion Analysis	时间序列数据	352,843例儿科急诊科入院数据
12255	2025-03-26	Deep-Learning-Assisted Understanding of the Self-Assembly of Miktoarm Star Block Copolymers 2025-Mar-25, ACS nano IF:15.8Q1 DOI:10.1021/acsnano.5c00811 PMID:40074545	research paper	该研究应用深度学习技术解析了AB型星形嵌段共聚物PEO-PS在蒸发诱导自组装系统中的相行为	首次将深度学习技术应用于复杂拓扑结构嵌段共聚物的自组装行为研究，成功预测了三维合成场图并揭示了参数与结构之间的关联	研究仅针对特定类型的星形嵌段共聚物(PEO-PS)，结论可能不适用于其他拓扑结构的共聚物	探索复杂拓扑结构嵌段共聚物的自组装行为规律	AB型星形嵌段共聚物PEO-PS	soft matter science	NA	deep learning	neural network	experimental data	包含两种聚合物特性和三种合成条件参数的数据集
12256	2025-03-26	From 1-D to 3-D: LIBS Pseudohyperspectral Data Cube Deep Learning Mechanism Used in Nuclear Metal Materials Classification 2025-Mar-25, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.4c05707 PMID:40085530	研究论文	提出一种名为LIBS伪高光谱数据立方体的新光谱数据机制，将1-D LIBS光谱转化为3-D数据立方体，以提高核金属材料分类的准确性	引入两个额外维度捕捉光谱变化信息，使LIBS系统在处理不稳定光谱时更加稳健，并充分利用深度学习算法	未明确提及具体局限性	提高核电站中不稳定光谱的分类准确性	核金属材料	机器学习	NA	LIBS（激光诱导击穿光谱）	深度学习算法（含注意力机制）	光谱数据	NA
12257	2025-03-26	Leveraging Deep Learning for Urban Health Insights: Transforming Street-Level Imagery into Cardiovascular Risk Indicators 2025-Mar-25, European journal of preventive cardiology IF:8.4Q1 DOI:10.1093/eurjpc/zwaf148 PMID:40130376	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
12258	2025-03-26	DASNet: A Convolutional Neural Network with SE Attention Mechanism for ccRCC Tumor Grading 2025-Mar-24, Interdisciplinary sciences, computational life sciences DOI:10.1007/s12539-025-00693-8 PMID:40126867	research paper	该研究提出了一种名为DASNet的卷积神经网络，结合SE注意力机制，用于通过CT图像对透明细胞肾细胞癌（ccRCC）进行分级	引入了Domain Adaptive Squeeze-and-Excitation Network (DASNet)，结合SE注意力机制和域对抗神经网络（DANNs）来提高分类准确性和模型的泛化能力	未提及具体的数据集规模或潜在的过拟合问题	开发一种非侵入性且高效的ccRCC分级方法，以促进早期检测和治疗干预	透明细胞肾细胞癌（ccRCC）的CT图像	digital pathology	renal cell carcinoma	Computed Tomography (CT), deep learning, machine learning	CNN, EfficientNet, RegNet, DANN	image	NA
12259	2025-03-26	Effectiveness Evaluation for Clinical Depression Detection Using Deep Learning Based Synthetic House-Tree-Person Test 2025-Mar-24, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3553502 PMID:40126963	研究论文	本文介绍了一种基于深度学习的合成屋树人测试（S-HTP）的抑郁症检测方法DeHTP，旨在减少诊断过程中的主观影响	提出了一种无需人际互动的灵活便捷的抑郁症检测方法DeHTP，其性能优于传统的人工S-HTP分析，并揭示了22个与抑郁症相关的绘图特征	方法的有效性可能受到分析师专业能力的限制	开发一种基于深度学习的抑郁症检测方法，以减少诊断过程中的主观影响	抑郁症患者	数字病理学	抑郁症	深度学习	DeHTP	图像	基于先前研究中与抑郁症相关的50个结论的指南
12260	2025-03-26	Deep Learning-Assisted Diagnosis of Placenta Accreta Spectrum Using the DenseNet-121 Model: A Multicenter, Retrospective Study 2025-Mar-24, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01475-w PMID:40128503	研究论文	探讨基于MRI的深度学习成像在预测高风险孕妇胎盘植入谱（PAS）中的诊断价值	使用DenseNet-121模型进行深度学习辅助诊断，与传统临床模型或机器学习放射组学模型相比表现出更好的性能	研究为回顾性设计，样本量相对较小（263例患者）	评估深度学习模型在预测胎盘植入谱（PAS）中的诊断效能	高风险孕妇中的疑似胎盘植入患者	数字病理	胎盘植入谱（PAS）	MRI成像	DenseNet-121, SVM, KNN, RF, LGBM	医学影像	263例患者（170例训练集，93例外部验证集）