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
121	2025-03-19	A Multimodal Deep Learning Nomogram for the Identification of Clinically Significant Prostate Cancer in Patients with Gray-Zone PSA Levels: Comparison with Clinical and Radiomics Models 2025-02, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.10.009 PMID:39496535	研究论文	本研究旨在建立一个多模态深度学习列线图，用于预测灰区PSA水平患者的临床显著前列腺癌	采用混合融合方法整合多模态数据，构建了结合模型，显著提高了诊断性能	研究为回顾性研究，可能存在选择偏差	预测灰区PSA水平患者的临床显著前列腺癌	303名2018年1月至2022年12月间有病理结果的患者	数字病理	前列腺癌	bp-MRI	SVM, 深度学习模型, XGBoost	临床变量, 影像数据	303名患者
122	2025-03-19	Deep Learning-Based Assessment of Lip Symmetry for Patients With Repaired Cleft Lip 2025-Feb, The Cleft palate-craniofacial journal : official publication of the American Cleft Palate-Craniofacial Association DOI:10.1177/10556656241312730 PMID:39838936	研究论文	本文提出了一种基于深度学习的自动化方法，用于评估修复唇裂患者的唇部对称性	使用对比学习量化唇部对称性，并通过面部图像的变换来模拟唇部不对称，无需患者图像进行训练	模型的加权准确率和皮尔逊相关系数仍有提升空间	自动化评估修复唇裂患者的唇部对称性，以更高效和客观地评估手术效果	修复唇裂患者	计算机视觉	唇裂	对比学习	深度学习模型	图像	146张修复唇裂患者的图像
123	2025-03-19	Change analysis of surface water clarity in the Persian Gulf and the Oman Sea by remote sensing data and an interpretable deep learning model 2025-Feb, Environmental science and pollution research international DOI:10.1007/s11356-025-36018-x PMID:39966320	研究论文	本研究利用遥感数据和可解释的深度学习模型分析了波斯湾和阿曼海水体透明度的变化	结合MODIS-Aqua影像、统计测试和深度学习模型，首次对波斯湾和阿曼海的水体透明度进行长期监测，并采用解释技术确定各标准的重要性	研究时间跨度较长，但未提及数据采集和处理过程中可能存在的误差或偏差	监测波斯湾和阿曼海的水体透明度，以评估生态系统健康和水质	波斯湾和阿曼海的水体透明度及相关环境参数	遥感与深度学习	NA	MODIS-Aqua影像、统计测试、深度学习模型	CNN、LSTM	遥感影像、环境参数数据	2002年至2018年的MODIS-Aqua影像数据
124	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
125	2025-03-18	phyddle: software for exploring phylogenetic models with deep learning 2025-Feb-28, bioRxiv : the preprint server for biology DOI:10.1101/2024.08.06.606717 PMID:39149349	研究论文	本文介绍了phyddle，一种基于深度学习的软件，用于在缺乏可处理似然函数的系统发育模型中进行建模任务	phyddle通过无似然深度学习方法，解决了传统方法无法处理的系统发育模型问题，并提供了灵活的命令行界面	NA	开发一种软件工具，用于在缺乏可处理似然函数的系统发育模型中进行建模任务	系统发育树	机器学习	NA	深度学习	NA	系统发育数据	NA
126	2025-03-18	Consequences of training data composition for deep learning models in single-cell biology 2025-Feb-24, bioRxiv : the preprint server for biology DOI:10.1101/2025.02.19.639127 PMID:40060416	研究论文	本文系统研究了训练数据集组成对单细胞转录组学深度学习模型行为的影响	首次系统探讨了训练数据组成对单细胞转录组学基础模型性能的影响，并提出了优化策略	研究主要聚焦于人类造血系统，可能限制了结果的普适性	探讨训练数据组成对单细胞转录组学深度学习模型性能的影响	人类造血系统中的单细胞转录组数据	单细胞生物学	NA	单细胞转录组学	深度学习模型	单细胞转录组数据	包括成人和发育组织、疾病状态和扰动图谱的细胞
127	2025-03-18	Artificial Intelligence in Pancreatic Imaging: A Systematic Review 2025-02, United European gastroenterology journal IF:5.8Q1 DOI:10.1002/ueg2.12723 PMID:39865461	综述	本文探讨了人工智能在胰腺影像学中的角色、技术进步、临床应用及相关挑战	深入分析了人工智能，特别是深度学习和放射组学在胰腺疾病检测和诊断中的应用及其潜力	面临法律和伦理问题、算法透明度及数据安全等挑战	提升胰腺疾病的诊断和治疗效果，改善患者预后和生存率	胰腺疾病，包括急性和慢性胰腺炎及各种胰腺肿瘤	数字病理学	胰腺癌	深度学习、放射组学	CNN	影像数据（CT、MRI、内镜超声）	涉及人类受试者的英文文章，截至2024年3月31日
128	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
129	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
130	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
131	2025-03-16	Machine Learning Methods for Classifying Multiple Sclerosis and Alzheimer's Disease Using Genomic Data 2025-Feb-27, International journal of molecular sciences IF:4.9Q2 DOI:10.3390/ijms26052085 PMID:40076709	研究论文	本研究利用机器学习方法分析英国生物银行的基因组数据，旨在预测多发性硬化症和阿尔茨海默病等复杂疾病的基因组易感性	通过比较逻辑回归、集成树方法和深度学习模型，发现逻辑回归在数据子集上表现出色，且机器学习方法在存在连锁不平衡的基因组特征下仍能保持最佳性能	深度学习模型在不同数据子集上表现不稳定，且多基因风险评分（PRS）的表现仅处于平均水平	预测复杂疾病的基因组易感性	多发性硬化症和阿尔茨海默病	机器学习	多发性硬化症, 阿尔茨海默病	基因组数据分析	逻辑回归, 集成树方法, 深度学习	基因组数据	英国生物银行的数据集
132	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
133	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
134	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
135	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%）
136	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
137	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
138	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）
139	2025-03-16	Noncoding variants and sulcal patterns in congenital heart disease: Machine learning to predict functional impact 2025-Feb-21, iScience IF:4.6Q1 DOI:10.1016/j.isci.2024.111707 PMID:39877905	研究论文	本研究利用深度学习模型探讨了非编码变异（ncDNVs）对先天性心脏病（CHD）患者脑沟模式的影响	首次将深度学习模型应用于预测非编码变异对基因调控信号的影响，并探讨其与CHD患者脑沟模式的关系	研究样本仅限于CHD患者，未涵盖其他类型的神经发育障碍	探讨非编码变异在先天性心脏病患者脑发育中的作用	先天性心脏病患者及其脑沟模式	机器学习	先天性心脏病	深度学习	深度学习模型	基因数据和脑影像数据	CHD患者及无CHD对照组的联合队列
140	2025-02-24	Increasing angular sampling for dedicated cardiac single photon emission computed tomography scanner: Implementation with deep learning and validation with human data 2025-Feb-20, Journal of nuclear cardiology : official publication of the American Society of Nuclear Cardiology IF:3.0Q2 DOI:10.1016/j.nuclcard.2025.102168 PMID:39986346	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA