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	2025-03-20	Time-inversion of spatiotemporal beam dynamics using uncertainty-aware latent evolution reversal 2025-Feb, Physical review. E DOI:10.1103/PhysRevE.111.025307 PMID:40103073	研究论文	本文提出了一种用于时空光束动力学时间反转的反向潜在演化模型，利用条件变分自编码器（CVAE）和长短期记忆（LSTM）网络进行自监督深度学习	提出了一个结合CVAE和LSTM的自监督深度学习框架，用于预测上游六维相空间投影，并捕捉输入数据的不确定性	计算复杂度较高，可能限制在线应用的实用性	解决带电粒子束动力学中的逆问题，估计上游六维相空间	带电粒子束的六维相空间投影	机器学习	NA	条件变分自编码器（CVAE），长短期记忆（LSTM）网络	CVAE, LSTM	六维相空间测量数据	NA
702	2025-03-19	Non-invasive Assessment of Coronary Artery Disease: The Role of AI in the Current Status and Future Directions 2025-Feb, Cureus DOI:10.7759/cureus.78994 PMID:40091936	研究论文	本文探讨了人工智能在非侵入性冠状动脉疾病评估中的当前应用和未来发展方向	强调了人工智能，特别是深度学习和自然语言处理技术，在提高非侵入性冠状动脉疾病评估诊断准确性和临床效率方面的革命性潜力	人工智能的广泛应用面临数据隐私、高计算成本和资源分配不均等关键挑战	研究目的是探索人工智能在非侵入性冠状动脉疾病评估中的应用及其未来发展方向	冠状动脉疾病（CAD）患者	自然语言处理	心血管疾病	深度学习，自然语言处理	NA	NA	NA
703	2025-03-16	Assessing Image Quality in Multiplexed Sensitivity-Encoding Diffusion-Weighted Imaging with Deep Learning-Based Reconstruction in Bladder MRI 2025-Feb-28, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15050595 PMID:40075842	研究论文	本研究比较了传统多路复用灵敏度编码扩散加权成像（MUSE-DWI）与深度学习MUSE-DWI在膀胱MRI中的图像质量，并应用了供应商特定的深度学习（DL）重建技术	首次将基于CNN的深度学习算法应用于MUSE-DWI，显著提高了图像质量，特别是在病变清晰度和信号质量方面	研究为回顾性研究，样本量较小（57例患者），且仅针对膀胱肿块，可能限制了结果的普遍性	评估深度学习重建技术在膀胱MRI中的图像质量	57例膀胱肿块患者	医学影像	膀胱癌	多路复用灵敏度编码扩散加权成像（MUSE-DWI）	CNN	MRI图像	57例膀胱肿块患者
704	2025-03-16	Automatic Detection of Radiographic Alveolar Bone Loss in Bitewing and Periapical Intraoral Radiographs Using Deep Learning Technology: A Preliminary Evaluation 2025-Feb-27, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15050576 PMID:40075823	研究论文	本研究评估了使用深度学习技术（Denti.AI）在口腔内X光片中自动检测放射学牙槽骨丢失（RBL）的诊断准确性	利用FDA批准的Denti.AI软件，通过卷积神经网络（CNNs）提高RBL检测的准确性，支持临床决策	尽管在根尖片上的表现稳健，但在咬翼片上的准确性有待进一步优化	评估Denti.AI在口腔内X光片中检测RBL的诊断准确性	39张口腔内X光片（22张根尖片和17张咬翼片），覆盖316个牙齿表面	数字病理	牙周病	深度学习	CNN	图像	39张口腔内X光片（22张根尖片和17张咬翼片），覆盖316个牙齿表面
705	2025-03-16	Enhanced Multi-Class Breast Cancer Classification from Whole-Slide Histopathology Images Using a Proposed Deep Learning Model 2025-Feb-27, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15050582 PMID:40075829	研究论文	本文提出了一种基于DenseNet121的深度学习模型，用于乳腺癌的检测和多类别分类	提出的模型在二分类和多分类任务中均达到了最先进的性能，特别是在区分良性和恶性肿瘤以及分类特定恶性肿瘤亚型方面表现优异	NA	提高乳腺癌从组织学照片中的准确分类，以辅助诊断和有效治疗计划	乳腺癌	数字病理学	乳腺癌	深度学习	DenseNet121	图像	使用BreakHis数据集中的全切片组织病理学图像
706	2025-03-16	Integration of Hyperspectral Imaging and Deep Learning for Discrimination of Fumigated Lilies and Prediction of Quality Indicator Contents 2025-Feb-27, Foods (Basel, Switzerland) DOI:10.3390/foods14050825 PMID:40077527	研究论文	本文结合高光谱成像和深度学习技术，用于快速预测百合的营养质量，并区分硫磺熏蒸模式	首次将CLSTM模型与高光谱成像结合，用于百合营养质量的快速预测和硫磺熏蒸模式的区分	未提及样本量的具体数量，可能影响模型的泛化能力	提高百合产品的质量评估和营养完整性	百合	计算机视觉	NA	高光谱成像	CLSTM (卷积神经网络-长短期记忆网络)	图像	未提及具体数量
707	2025-03-16	HeartEnsembleNet: An Innovative Hybrid Ensemble Learning Approach for Cardiovascular Risk Prediction 2025-Feb-26, Healthcare (Basel, Switzerland) DOI:10.3390/healthcare13050507 PMID:40077069	研究论文	本文提出了一种名为HeartEnsembleNet的新型混合集成学习模型，用于心血管疾病风险预测，并在70,000名心脏病患者的数据集上进行了评估	提出了一种新的混合集成学习模型HeartEnsembleNet，结合了多种机器学习分类器，显著提高了心血管疾病风险预测的准确性	未提及模型的泛化能力及在其他数据集上的表现	提高心血管疾病风险预测的准确性	70,000名心脏病患者	机器学习	心血管疾病	集成学习	HeartEnsembleNet, SVM, GB, DT, LR, KNN, RF, HRFLM	临床数据	70,000名心脏病患者
708	2025-03-16	Breast Cancer Detection via Multi-Tiered Self-Contrastive Learning in Microwave Radiometric Imaging 2025-Feb-25, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15050549 PMID:40075796	研究论文	本文提出了一种名为J-MWR的分层自对比模型，用于分析微波辐射成像（MWR）数据，以提高乳腺癌的早期和准确检测	J-MWR模型通过比较个体内部两个乳房相应子区域的温度变化，而非跨样本比较，来检测可能指示潜在问题的细微热异常	NA	提高乳腺癌的早期和准确检测	乳腺癌患者	数字病理学	乳腺癌	微波辐射成像（MWR）	分层自对比模型（J-MWR）	温度数据	4932名患者
709	2025-03-16	An Integrated Deep Learning Model with EfficientNet and ResNet for Accurate Multi-Class Skin Disease Classification 2025-Feb-25, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15050551 PMID:40075797	研究论文	本文提出了一种结合EfficientNet和ResNet的深度学习模型，用于准确的多类皮肤疾病分类	创新点在于融合了三种卷积神经网络（EfficientNet-B0、EfficientNet-B2和ResNet50），通过独立分支操作提取详细特征，并通过融合机制进行特征传递和降维	未提及具体局限性	研究目标是创建一个融合级深度学习模型，以提高皮肤疾病分类的稳定性和性能	研究对象为皮肤疾病图像数据，包括白血病、早期皮肤癌、良性肿瘤和其他皮肤疾病	计算机视觉	皮肤癌	深度学习	CNN（EfficientNet-B0、EfficientNet-B2、ResNet50）	图像	27,153张图像，来自Kaggle皮肤疾病图像数据集，分为训练集（80%）、验证集（10%）和测试集（10%）
710	2025-03-16	Detection of Gallbladder Disease Types Using a Feature Engineering-Based Developed CBIR System 2025-Feb-25, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15050552 PMID:40075799	研究论文	本文介绍了一种基于特征工程开发的内容基于图像检索（CBIR）系统，用于早期检测和诊断胆囊疾病	提出的CBIR模型结合了三种不同预训练架构的特征提取，并在六种不同模型中取得了成功的结果，AP值达到0.94	研究未提及样本的具体数量及多样性，可能影响模型的泛化能力	开发一种能够早期检测和诊断胆囊疾病的AI系统	胆囊疾病	计算机视觉	胆囊疾病	内容基于图像检索（CBIR）	卷积神经网络（CNN）	图像	NA
711	2025-03-16	SADASNet: A Selective and Adaptive Deep Architecture Search Network with Hyperparameter Optimization for Robust Skin Cancer Classification 2025-Feb-24, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15050541 PMID:40075789	研究论文	本文提出了一种基于元启发式优化的深度学习方法SADASNet，用于多类皮肤癌分类，旨在提高诊断准确性并降低计算复杂度	SADASNet方法结合了粒子群优化技术，创新性地解决了超参数优化问题，并应用了数据增强技术以克服类别不平衡问题	NA	提高皮肤癌分类的准确性并降低计算复杂度	皮肤癌	计算机视觉	皮肤癌	粒子群优化（PSO）	SADASNet	图像	HAM10000数据集
712	2025-03-16	A Multi-Agent and Attention-Aware Enhanced CNN-BiLSTM Model for Human Activity Recognition for Enhanced Disability Assistance 2025-Feb-22, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15050537 PMID:40075785	研究论文	本文提出了一种新颖的三阶段特征集成策略，结合深度学习和机器学习，用于准确自动分类人类活动识别，以增强残疾辅助技术	通过增强最先进的卷积神经网络（CNN）和双向长短期记忆（BiLSTM）模型，结合选择性机器学习分类器和注意力机制，开发了一种独特的活动检测方法	NA	增强残疾辅助技术，包括跌倒检测、康复进度跟踪和个性化运动模式分析	人类活动识别	机器学习	残疾	深度学习（DL）和机器学习（ML）	CNN, BiLSTM, Attention-CNN-BiLSTM	活动数据	公开可用的数据集（UCI-HAR数据集和WISDM）
713	2025-03-16	Construction and preliminary trial test of a decision-making app for pre-hospital damage control resuscitation 2025-Feb-18, Chinese journal of traumatology = Zhonghua chuang shang za zhi DOI:10.1016/j.cjtee.2024.11.001 PMID:40087116	研究论文	本研究构建了一个用于严重受伤患者院前损伤控制复苏（PHDCR）的决策应用程序，并对其有效性和可用性进行了初步试验测试	结合了三种文本分割算法（基于词典的分割、基于标签的机器学习算法和基于理解的深度学习算法）来构建决策应用程序，并首次在动物模型上测试其效果	样本量较小，仅包括16名医学生和12只成年巴马小型猪，且仅在动物模型上进行测试，未涉及人类临床试验	构建并测试一个用于院前损伤控制复苏的决策应用程序的有效性和可用性	严重受伤患者的院前损伤控制复苏	自然语言处理	创伤	文本分割算法（基于词典的分割、基于标签的机器学习算法和基于理解的深度学习算法）	深度学习算法	文本	16名医学生和12只成年巴马小型猪
714	2025-03-16	Predicting RNA structure and dynamics with deep learning and solution scattering 2025-Feb-04, Biophysical journal IF:3.2Q2 DOI:10.1016/j.bpj.2024.12.024 PMID:39722452	研究论文	本文介绍了一种名为SCOPER的解决方案，用于预测RNA在溶液中的结构和动力学，通过整合基于运动学的构象采样和创新的深度学习模型IonNet，显著提高了SAXS轮廓拟合的质量	引入了SCOPER管道，结合了运动学构象采样和深度学习模型IonNet，专门用于预测Mg离子结合位点，从而解决了RNA结构预测中的离子缺失和构象可塑性问题	需要初始足够准确的结构作为输入，且对实验SAXS数据的过拟合风险需要谨慎调整可塑性和离子密度	提高RNA在溶液中结构和动力学的预测准确性	RNA分子	机器学习	NA	小角X射线散射（SAXS）	深度学习模型IonNet	实验SAXS数据	14个实验数据集
715	2025-03-16	Short-Term Associations Between Ambient Ozone and Acute Myocardial Infarction Onset Among Younger Patients: Results From the VIRGO Study 2025-Feb, GeoHealth IF:4.3Q1 DOI:10.1029/2024GH001234 PMID:39968338	研究论文	本研究探讨了环境臭氧（O）与年轻患者急性心肌梗死（AMI）发作之间的短期关联，并分析了不同AMI亚型和患者特征的差异	首次在年轻患者中探讨了环境臭氧与急性心肌梗死发作的短期关联，并揭示了不同AMI亚型和种族/民族之间的差异	研究仅基于美国医院的数据，可能无法推广到其他地区	研究环境臭氧与年轻患者急性心肌梗死发作的短期关联	18-55岁的急性心肌梗死患者	环境健康	心血管疾病	时空深度学习	条件逻辑回归	环境数据和医疗数据	2,322名AMI患者，来自103家美国医院
716	2025-03-15	A variational deep-learning approach to modeling memory T cell dynamics 2025-Feb-25, bioRxiv : the preprint server for biology DOI:10.1101/2024.07.08.602409 PMID:40060443	研究论文	本文提出了一种结合深度学习和随机变分推理的方法，用于建模小鼠流感病毒感染后肺内记忆T细胞的动态变化	该方法能够同时推断动态模型参数和群体结构，直接基于单细胞流式细胞术数据进行训练，而非预定义细胞群的动力学	研究仅限于小鼠模型，未涉及人类或其他生物系统的验证	研究旨在解决高维数据与可解释数学模型之间的挑战，特别是在免疫反应中的细胞动态变化	小鼠流感病毒感染后的肺内记忆CD4和CD8 T细胞	机器学习	流感	单细胞流式细胞术	深度学习与随机变分推理	单细胞数据	NA
717	2025-03-15	Learning maximally spanning representations improves protein function annotation 2025-Feb-17, bioRxiv : the preprint server for biology DOI:10.1101/2025.02.13.638156 PMID:40027840	研究论文	本文提出了一种名为MSRep的新型深度学习框架，旨在解决蛋白质功能注释中的不平衡问题，并提高注释准确性	MSRep框架通过优化受神经崩溃（NC）启发的损失函数，确保少数功能在嵌入空间中与多数功能同等表示，从而提高了预测准确性和泛化能力	虽然MSRep在多个蛋白质功能注释任务中表现出色，但其在未表征蛋白质上的应用仍需进一步验证	提高蛋白质功能注释的准确性，特别是对于研究不足的功能类别	蛋白质功能注释	计算生物学	NA	深度学习	预训练蛋白质语言模型	蛋白质序列数据	NA
718	2025-03-14	Artificial Intelligence in Natural Product Drug Discovery: Current Applications and Future Perspectives 2025-Feb-27, Journal of medicinal chemistry IF:6.8Q1 DOI:10.1021/acs.jmedchem.4c01257 PMID:39916476	评论	本文探讨了人工智能在天然产物药物发现中的当前应用及未来前景	文章强调了人工智能，特别是机器学习和深度学习，在加速药物发现过程中的创新应用，包括生成式AI用于数据合成	文章指出了人工智能在天然产物药物发现中的局限性，并探讨了未来的研究方向	研究目的是探讨人工智能如何加速天然产物药物发现，并分析其在这一领域的应用前景	研究对象是天然产物及其在药物发现中的应用	机器学习	NA	机器学习（ML）、深度学习（DL）	NA	生物数据	NA
719	2025-03-14	Regularization by Neural Style Transfer for MRI Field-Transfer Reconstruction with Limited Data 2025-Feb-19, ArXiv PMID:40034133	研究论文	本文提出了一种新的MRI重建框架RNST，通过神经风格迁移（NST）引擎与去噪器结合，实现在数据有限情况下的磁场转移重建	RNST框架结合了神经风格迁移和去噪技术，能够在不需要配对训练数据的情况下，从低场输入生成高质量图像，解决了数据有限环境下的重建问题	尽管RNST在风格和内容图像不完全对齐时仍保持鲁棒性，但在临床环境中，精确的参考匹配不可用时，其适用性可能受到限制	研究目的是开发一种在数据有限情况下进行MRI磁场转移重建的新方法	研究对象是MRI图像，特别是低场输入下的图像重建	计算机视觉	NA	神经风格迁移（NST）	NA	图像	NA
720	2025-03-14	Performance and clinical implications of machine learning models for detecting cervical ossification of the posterior longitudinal ligament: a systematic review 2025-Feb, Asian spine journal IF:2.3Q2 DOI:10.31616/asj.2024.0452 PMID:39829182	系统综述	本文系统评估了机器学习和深度学习模型在检测颈椎后纵韧带骨化症（OPLL）中的诊断性能和临床意义	首次系统综述了机器学习和深度学习模型在OPLL检测中的应用，并分析了其诊断性能和临床意义	研究存在中等程度的偏倚风险，主要与参与者选择和缺失数据有关	评估机器学习和深度学习模型在OPLL检测中的诊断性能和临床意义	颈椎后纵韧带骨化症（OPLL）患者	医学影像分析	颈椎后纵韧带骨化症	机器学习和深度学习	卷积神经网络（CNN）和随机森林模型	影像数据	6,031名患者