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
21	2025-05-31	A Robust and Efficient Representation-based DNA Storage Architecture by Deep Learning 2025-03, Small methods IF:10.7Q1 DOI:10.1002/smtd.202400959 PMID:40114483	research paper	提出一种基于深度学习的表示型DNA存储架构，用于图像的高效和鲁棒存储	利用深度学习的出色表示和图像生成能力，结合自编码器和U-Net网络，实现了DNA存储中噪声读取下的图像表示、构建和优化	在插入-删除-替换(IDS)错误率低于6%的场景下才能重建中等质量的图像	开发一种鲁棒且高效的DNA存储架构，用于大规模图像应用	图像数据	数字病理	NA	DNA存储	autoencoder, U-Net	图像	14个质粒中存储的图像
22	2025-05-30	Deep learning on T2WI to predict the muscle-invasive bladder cancer: a multi-center clinical study 2025-Mar-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-82909-3 PMID:40121216	research paper	开发基于MRI的深度学习模型预测肌层浸润性膀胱癌	利用多中心临床数据构建深度学习模型，结合T2WI图像、分割膀胱和感兴趣区域进行预测	外部测试集的敏感性和阳性预测值较低	预测肌层浸润性膀胱癌	559名膀胱癌患者	digital pathology	bladder cancer	MRI	Inception V3	image	559名患者（521名来自中心，38名来自外部中心）
23	2025-05-29	Fine-Tuned Deep Transfer Learning Models for Large Screenings of Safer Drugs Targeting Class A GPCRs 2025-03-18, Biochemistry IF:2.9Q3 DOI:10.1021/acs.biochem.4c00832 PMID:40056143	研究论文	本文提出了一种基于深度迁移学习的模型，用于大规模筛选针对A类GPCRs的更安全药物	通过迁移学习和神经网络结合目标序列的自然语言处理及受体突变对信号传导的影响，开发了两个微调模型，用于预测低效激动剂或偏向激动剂	高质量数据的有限可用性是模型开发的主要挑战	预测更安全的化合物，以促进药物开发	A类G蛋白偶联受体（GPCRs）及其配体	机器学习	NA	自然语言处理	神经网络	序列数据	所有A类GPCRs的受体序列和配体数据集
24	2025-05-29	Enhanced electroencephalogram signal classification: A hybrid convolutional neural network with attention-based feature selection 2025-Mar-15, Brain research IF:2.7Q3 DOI:10.1016/j.brainres.2025.149484 PMID:39904453	research paper	提出了一种基于深度学习的混合卷积神经网络与注意力特征选择方法，用于提高运动想象脑电图信号的分类准确率	结合离散小波变换和共同平均参考进行降噪，使用CNN提取时域特征，并通过talking-heads注意力增强关键特征序列，最后利用TCN提取时空特征	未提及模型在其他数据集上的泛化能力或计算复杂度分析	提高运动想象脑电图信号的分类准确率以增强脑机接口的意图识别能力	运动想象脑电图（MI-EEG）信号	machine learning	NA	离散小波变换, 共同平均参考	CNN, TCN, talking-heads注意力机制	脑电图信号	基于BCI Competition IV-2a数据集（未提具体样本量）
25	2025-05-29	Diagnostic Performance of Artificial Intelligence-Based Methods for Tuberculosis Detection: Systematic Review 2025-Mar-07, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/69068 PMID:40053773	系统综述	本文对基于人工智能的结核病检测方法进行了全面评估，总结了当前的研究现状和性能表现	首次系统性地评估了不同数据模态和参考标准下AI在结核病检测中的表现，并指出了未来研究方向	仅1项研究进行了领域转移分析，缺乏对真实世界场景的充分模拟	评估AI算法在结核病检测中的诊断性能	基于AI的结核病检测方法	数字病理	结核病	深度学习	CNN (包括VGG-16, ResNet-50, DenseNet-121)	放射影像、分子/生化、生理数据	152项研究(来自1146条记录)
26	2025-05-29	Continuous nursing symptom management in cancer chemotherapy patients using deep learning 2025-Mar-07, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-92762-7 PMID:40055437	research paper	评估深度学习平台在化疗患者症状管理中的效果，旨在提高其生活质量	使用深度学习平台进行化疗患者的症状管理，显著减少焦虑和抑郁，并提高生活质量	非随机对照试验设计可能影响结果的普遍性	评估深度学习平台在化疗患者症状管理中的效果	144名化疗患者，分为干预组（72人）和对照组（72人）	digital pathology	cancer	deep learning	NA	NA	144名化疗患者
27	2025-05-29	High resolution multi-delay arterial spin labeling with self-supervised deep learning denoising for pediatric choroid plexus perfusion MRI 2025-Mar, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2025.121070 PMID:39889809	research paper	本研究提出了一种高分辨率多延迟动脉自旋标记（MD-ASL）协议，结合基于Transformer的自监督深度学习去噪模型，用于儿童脉络丛（CP）灌注MRI成像	首次在儿科人群中应用高分辨率MD-ASL技术，并开发了基于Transformer的深度学习去噪模型，使用k空间加权图像平均（KWIA）去噪图像作为训练参考	研究样本量较小（21名儿童），且仅包括8至17岁的典型发育儿童	开发一种适用于儿童脉络丛灌注成像的高分辨率MD-ASL协议和去噪方法	儿童脉络丛（CP）和灰质的灌注参数	医学影像处理	NA	多延迟动脉自旋标记（MD-ASL），k空间加权图像平均（KWIA）	Transformer	MRI图像	21名8至17岁的典型发育儿童
28	2025-05-29	Multi-modal dataset creation for federated learning with DICOM-structured reports 2025-Mar, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-025-03327-y PMID:39899185	研究论文	本文介绍了一个用于联邦学习的多模态数据集创建平台，利用DICOM结构化报告标准化数据表示和过滤	开发了一个开放平台，支持交互式过滤功能，简化了跨多个站点创建一致多模态数据患者队列的过程	研究仅在一个由八家德国大学医院组成的联盟内进行验证	解决联邦学习在异构数据集上的挑战，特别是多模态学习范式中的数据协调问题	多模态医疗数据，包括影像、波形数据和注释	数字病理	心血管疾病	DICOM结构化报告	NA	多模态数据（影像、波形数据、注释、元数据）	八家德国大学医院的数据
29	2025-05-29	Prognostic models for unplanned intensive care unit readmission risk prediction: A systematic review and meta-analysis based on HSROC model 2025-Mar, Nursing in critical care IF:3.0Q1 DOI:10.1111/nicc.13306 PMID:39995380	系统综述与荟萃分析	本文通过系统综述和荟萃分析评估了重症监护病房（ICU）非计划再入院风险预测模型的性能	比较了机器学习模型与评分系统的性能，并指出深度学习模型具有更高的敏感性	所有研究存在高偏倚风险，且机器学习模型忽略了临床记录	识别ICU非计划再入院的预后模型并比较不同模型的性能	ICU再入院预测模型	机器学习	重症监护	HSROC模型	机器学习模型、深度学习模型、评分系统	结构化临床数据	67项研究，包含335个模型和67个评分系统
30	2025-05-29	Skin cancer detection using dermoscopic images with convolutional neural network 2025-Mar-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-91446-6 PMID:40021731	research paper	该研究提出了一种基于深度学习的FCDS-CNN架构，用于皮肤病变检测，旨在提高黑色素瘤数据集的分类准确性和数据质量	引入了FCDS-CNN架构，结合数据增强和类别加权技术，解决了医学图像数据集中的类别不平衡问题	虽然FCDS-CNN在皮肤病变分类上表现出色，但其在更广泛的医学图像分析中的通用性尚未验证	提高皮肤恶性黑色素瘤的早期检测准确率，支持皮肤科医生的早期筛查过程	皮肤恶性黑色素瘤的皮肤镜图像	digital pathology	skin cancer	data augmentation, class weighting	FCDS-CNN	image	10015张皮肤病变图像，涵盖七个类别
31	2025-05-29	DER-GCN: Dialog and Event Relation-Aware Graph Convolutional Neural Network for Multimodal Dialog Emotion Recognition 2025-03, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3367940 PMID:38437139	研究论文	提出了一种新型的对话和事件关系感知图卷积神经网络（DER-GCN），用于多模态对话情感识别	首次同时建模说话者间的对话关系和潜在事件关系信息，并引入自监督掩码图自编码器（SMGAE）和多信息Transformer（MIT）来提升特征融合能力	未明确说明模型在跨语言或跨文化场景下的适用性	提升多模态对话情感识别的准确性	多模态对话数据（文本、视频、音频）	自然语言处理	NA	图卷积神经网络（GCN）、自监督学习、对比学习	DER-GCN（基于GCN的混合模型）	多模态数据（文本、视频、音频）	两个基准数据集（IEMOCAP和MELD）
32	2025-05-29	MRI-based Deep Learning Algorithm for Assisting Clinically Significant Prostate Cancer Detection: A Bicenter Prospective Study 2025-Mar, Radiology IF:12.1Q1 DOI:10.1148/radiol.232788 PMID:40067105	研究论文	本研究比较了商业深度学习算法（DLA）和放射科医生的临床报告在前列腺癌检测中的诊断性能	前瞻性验证了深度学习算法在前列腺MRI中的临床应用，并探讨了其与放射科医生诊断结果的结合效果	研究仅在两所医院进行，样本量相对有限（205名男性患者）	评估深度学习算法在临床显著前列腺癌（csPCa）检测中的诊断性能	疑似前列腺癌并计划进行活检的患者	数字病理	前列腺癌	双参数MRI	深度学习算法（DLA）	MRI图像	205名男性患者（中位年龄68岁），共评估259个病灶
33	2025-05-29	Applying Artificial Intelligence to Quantify Body Composition on Abdominal CTs and Better Predict Kidney Transplantation Wait-List Mortality 2025-Mar, Journal of the American College of Radiology : JACR IF:4.0Q1 DOI:10.1016/j.jacr.2025.01.004 PMID:40044312	研究论文	该研究应用人工智能技术从腹部CT中量化身体组成数据，以更好地预测肾移植等待名单患者的死亡率	利用深度学习模型自动提取腹部CT中的身体组成数据，结合EPTS评分提高了5年等待名单死亡率的预测准确性	单中心回顾性研究，样本量有限（899例），且主要针对白人非西班牙裔人群	探索人工智能辅助的腹部CT身体组成分析在肾移植等待名单患者预后预测中的应用价值	2007-2017年间列入肾移植等待名单并具有可用CT数据的患者	数字病理	肾脏疾病	深度学习	深度学习模型（具体类型未说明）	CT影像	899例肾移植等待患者（男性65.5%，白人非西班牙裔75.6%）
34	2025-05-28	Enhancing convolutional neural networks in electroencephalogram driver drowsiness detection using human inspired optimizers 2025-Mar-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-93765-0 PMID:40155444	research paper	该研究探讨了使用人类启发式优化算法（TLBO和SPBO）优化卷积神经网络（CNN）在基于脑电图（EEG）的驾驶员 drowsiness 检测中的应用	引入了两种人类启发式优化算法（TLBO和SPBO）来优化CNN架构，提高了EEG信号中 drowsiness 检测的性能	存在轻微的过拟合问题	提高基于EEG的驾驶员 drowsiness 检测系统的性能	驾驶员 drowsiness 检测	machine learning	NA	EEG	CNN	EEG信号	NA
35	2025-05-28	Multimodal medical image fusion combining saliency perception and generative adversarial network 2025-Mar-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-95147-y PMID:40148552	研究论文	本文提出了一种结合显著性感知和生成对抗网络的多模态医学图像融合方法，以提高诊断准确性	提出了一种新颖的深度学习架构Temporal Decomposition Network (TDN)，通过特征级时间分析和对抗学习机制优化多模态医学图像融合	NA	优化多模态医学图像融合，提高诊断准确性	多模态医学图像	数字病理	NA	生成对抗网络(GAN)	TDN (Temporal Decomposition Network)	图像	多样化的医学图像数据集，包含多种模态和图像维度
36	2025-05-28	Deep learning-based evaluation of panoramic radiographs for osteoporosis screening: a systematic review and meta-analysis 2025-Mar-12, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-01626-z PMID:40075328	meta-analysis	本文通过系统综述和荟萃分析评估了深度学习模型在利用全景X光片预测骨质疏松症方面的准确性	首次对深度学习模型在全景X光片骨质疏松筛查中的准确性进行系统评价和荟萃分析	需要更多多中心研究来验证模型在高风险群体中的有效性	评估深度学习模型在全景X光片骨质疏松筛查中的诊断准确性	骨质疏松症患者	digital pathology	geriatric disease	deep learning	AlexNet, ResNet	image	7项研究（具体样本量未明确说明）
37	2025-05-28	Deep Learning-Emerged Grid Cells-Based Bio-Inspired Navigation in Robotics 2025-Mar-04, Sensors (Basel, Switzerland) DOI:10.3390/s25051576 PMID:40096448	研究论文	本文探讨了基于大脑网格细胞的生物启发式导航在机器人中的应用，特别是利用深度学习模型处理不确定性和动态环境	展示了网格细胞网络能够从机器人轨迹中有效学习空间表示，为开发先进的移动机器人导航算法奠定了基础	讨论了当前面临的挑战和未来研究方向，暗示存在未解决的问题和限制	研究目的是探索基于网格细胞的导航系统在机器人中的应用，特别是在不确定和动态环境中的表现	研究对象是移动无人地面车辆（UGV）机器人的轨迹数据	机器人学	NA	深度学习	网格细胞网络	轨迹数据	NA
38	2025-05-28	Comparing the Effectiveness of Artificial Intelligence Models in Predicting Ovarian Cancer Survival: A Systematic Review 2025-Mar, Cancer reports (Hoboken, N.J.) DOI:10.1002/cnr2.70138 PMID:40103563	系统性综述	本文系统性综述了机器学习算法在预测卵巢癌患者生存结果中的应用	比较了多种AI模型在预测卵巢癌生存结果中的有效性，并识别了影响预测准确性的重要特征	模型准确性和可解释性仍存在挑战	评估机器学习算法在预测卵巢癌患者生存结果中的有效性	卵巢癌患者	机器学习	卵巢癌	机器学习算法	随机森林、支持向量机、逻辑回归、XGBoost及多种深度学习模型	临床数据、影像数据和分子数据	32项符合纳入标准的研究
39	2025-05-28	Using pretrained models in ensemble learning for date fruits multiclass classification 2025-Mar, Journal of food science IF:3.2Q2 DOI:10.1111/1750-3841.70136 PMID:40135491	研究论文	该研究使用预训练模型和集成学习方法对九种不同椰枣进行多类分类	提出了Dirichlet Ensemble方法，结合多个CNN模型的预测结果，显著提高了分类准确率	VGG16模型表现不佳，仅获得73.24%的准确率，表明其难以处理复杂分类任务	提高椰枣分类的准确性和鲁棒性，用于质量控制、自动分拣和商业应用	九种不同椰枣	计算机视觉	NA	集成学习	CNN（DenseNet121, MobileNetV2, ResNet18, VGG16）	图像	NA
40	2025-05-27	Enhancing Patient Outcome Prediction Through Deep Learning With Sequential Diagnosis Codes From Structured Electronic Health Record Data: Systematic Review 2025-Mar-18, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/57358 PMID:40100249	系统性综述	本文系统性综述了利用深度学习模型整合序列诊断数据以预测患者结局的研究现状	首次系统评估了序列诊断数据在深度学习模型中的应用及其对预测性能的影响	研究方法和结局指标存在异质性，且多数研究存在高偏倚风险	评估序列诊断数据在深度学习模型中的整合方式及其对预测性能的影响	基于电子健康记录中序列诊断代码的深度学习预测模型	医疗人工智能	多种疾病（重点关注心力衰竭）	深度学习	RNN及其衍生模型（56%）、Transformer（26%）	序列诊断代码、用药记录等结构化电子健康记录数据	84项符合条件的研究（共740篇初筛文献）