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
1201	2025-03-17	Toward understanding the role of genomic repeat elements in neurodegenerative diseases 2025-Mar-01, Neural regeneration research IF:5.9Q1 DOI:10.4103/NRR.NRR-D-23-01568 PMID:38886931	综述	本文综述了基因组重复元件变异与多种神经退行性疾病之间的关联，并探讨了长读长测序技术和计算模型在识别疾病相关重复元件变异中的应用	强调了基因组重复区域在神经退行性疾病中的重要作用，并介绍了利用长读长测序技术和深度学习语言模型来增强对重复元件变异功能影响的理解	未提及具体的研究数据或样本量，可能缺乏实证支持	探讨基因组重复元件在神经退行性疾病中的作用及其分子机制	基因组重复元件变异	基因组学	神经退行性疾病	长读长测序技术	深度学习语言模型	基因组数据	NA
1202	2025-03-17	Can artificial intelligence lower the global sudden cardiac death rate? A narrative review 2025 Mar-Apr, Journal of electrocardiology IF:1.3Q3 DOI:10.1016/j.jelectrocard.2025.153882 PMID:39862597	综述	本文探讨了人工智能在预测和预防心脏骤停中的作用和应用	综述了人工智能、机器学习和深度学习在心脏骤停风险分层中的显著前景，并提出了未来研究的方向	当前的人工智能技术尚未得到充分的训练和测试，需要进一步研究可解释性技术、更大的样本量、外部验证、更多样化的患者样本、多模态工具、伦理和偏见缓解	探索人工智能在预测和预防心脏骤停中的作用和应用	心脏骤停	机器学习	心血管疾病	NA	机器学习, 深度学习	NA	NA
1203	2025-03-17	Goose multi-omics database: A comprehensive multi-omics database for goose genomics 2025-Mar, Poultry science IF:3.8Q1 DOI:10.1016/j.psj.2025.104842 PMID:39874782	研究论文	本文介绍了鹅多组学数据库（GMD），一个整合鹅基因组数据的统一平台	GMD是首个为鹅基因组研究提供统一接口的多组学数据库，集成了多种分析工具如GBrowse和BLAST，并支持深度学习等前沿方法	未提及数据库的具体数据量或覆盖范围，可能限制了其在某些研究领域的应用	构建一个统一的平台，整合和分析鹅的基因组数据，以促进鹅生物学研究	鹅的基因组数据	基因组学	NA	多组学分析	深度学习	基因组数据	未明确提及具体样本数量
1204	2025-03-17	The use of artificial intelligence to aid the diagnosis of lung cancer - A retrospective-cohort study 2025-Mar, Radiography (London, England : 1995) DOI:10.1016/j.radi.2025.01.011 PMID:39890480	研究论文	本研究探讨了基于深度学习的自动检测算法（DLAD）在胸部X光片（CXR）解释中用于肺癌早期诊断的效果	研究表明AI软件在检测CXR上最初未被发现的肺癌方面表现出色，并有可能提高肺癌检测率并缩短诊断时间	研究中存在假阳性率较高的问题，且样本量相对较小	评估AI软件在肺癌诊断中的临床有效性	105名肺癌患者和103名阴性对照的CXR和胸部CT扫描	数字病理	肺癌	深度学习	DLAD	图像	208名患者的320张CXR
1205	2025-03-17	The potential use of deep learning in performing autocorrection of setup errors in patients receiving radiotherapy 2025-Mar, Radiography (London, England : 1995) DOI:10.1016/j.radi.2025.01.016 PMID:39892051	研究论文	本文探讨了使用深度学习在放射治疗中自动校正患者定位错误的可行性	利用神经网络对获取的端口图像（PFIs）和数字重建放射影像（DRRs）进行自动校正，展示了AI在放射治疗中的潜在应用	需要进一步研究以验证该方法在临床实践中的有效性	探索人工智能在辅助放射治疗患者定位校正中的应用	接受放射治疗的脑部和气道消化道恶性肿瘤患者	数字病理	脑癌, 气道消化道恶性肿瘤	神经网络	神经网络	图像	156名患者（96名气道消化道恶性肿瘤患者，60名脑肿瘤患者）
1206	2025-03-16	NiSNN-A: Noniterative Spiking Neural Network With Attention With Application to Motor Imagery EEG Classification 2025-Mar-14, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2025.3538335 PMID:40085464	研究论文	本文提出了一种结合注意力机制的非迭代脉冲神经网络（NiSNN-A），用于运动想象（MI）脑电图（EEG）分类，旨在提高精度并降低能耗	提出了一种非迭代漏积分发放（NiLIF）神经元模型，解决了传统SNN在长时间步中使用迭代LIF神经元的梯度问题，并引入了基于序列的注意力机制来优化特征图	尽管NiSNN-A在精度和能效上有所提升，但其在EEG分类任务中的表现仍需进一步验证和优化	提高运动想象（MI）脑电图（EEG）分类的精度并降低能耗	运动想象（MI）脑电图（EEG）数据	机器学习	NA	NA	非迭代脉冲神经网络（NiSNN-A）	脑电图（EEG）数据	两个MI EEG数据集（OpenBMI和BCIC IV 2a）
1207	2025-03-16	Fast and reliable probabilistic reflectometry inversion with prior-amortized neural posterior estimation 2025-Mar-14, Science advances IF:11.7Q1 DOI:10.1126/sciadv.adr9668 PMID:40085716	研究论文	本文提出了一种新的概率深度学习方法，用于快速可靠地从X射线或中子散射测量中重建薄膜和多层结构	提出了一种名为PANPE（先验摊销神经后验估计）的新方法，结合了基于模拟的推理和自适应先验，能够在几秒钟内识别所有现实结构	未明确提及具体限制	提高从反射测量数据中重建薄膜和多层结构的可靠性和计算效率	薄膜和多层结构	物理学	NA	反射测量	PANPE（先验摊销神经后验估计）	X射线或中子散射测量数据	未明确提及具体样本数量
1208	2025-03-16	Deep learning models in classifying primary bone tumors and bone infections based on radiographs 2025-Mar-13, NPJ precision oncology IF:6.8Q1 DOI:10.1038/s41698-025-00855-3 PMID:40074845	研究论文	本研究开发了一种集成深度学习框架，用于基于X光片准确区分原发性骨肿瘤和骨感染	提出了一种集成深度学习框架，结合多中心X光片和广泛的临床特征，提高了诊断准确性	研究依赖于特定数据集，可能无法完全推广到其他医疗环境	提高原发性骨肿瘤和骨感染的诊断精度	原发性骨肿瘤和骨感染	计算机视觉	骨肿瘤	深度学习	EfficientNet B3, EfficientNet B4, Vision Transformer, Swin Transformers	X光片	外部数据集423例，内部数据集1044例（训练集）、354例（测试集）、171例（验证集）
1209	2025-03-16	AI in Histopathology Explorer for comprehensive analysis of the evolving AI landscape in histopathology 2025-Mar-12, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-025-01524-2 PMID:40074858	研究论文	本文介绍了AI在组织病理学中的应用探索器（HistoPathExplorer），一个实时在线资源，用于评估AI在特定临床任务中的应用现状、分析其性能并探索影响其转化为实践的因素	开发了一个交互式仪表板HistoPathExplorer，提供了一个实时在线资源，用于评估AI在组织病理学中的应用现状，并定义了一个质量指数来评估已发表AI方法的全面性	未明确提及具体的研究限制	深入了解应用于组织病理学数据的深度学习算法方法，并评估其在不同任务中的表现，以开发下一代AI技术	组织病理学数据	数字病理学	癌症	深度学习算法	NA	组织病理学数据	NA
1210	2025-03-16	Fine-Tuned Machine Learning Classifiers for Diagnosing Parkinson's Disease Using Vocal Characteristics: A Comparative Analysis 2025-Mar-06, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15050645 PMID:40075891	研究论文	本文通过优化机器学习算法，利用声音特征对帕金森病进行分类，旨在提供一种非侵入性且易于访问的诊断工具	结合先进的特征选择技术和超参数优化策略，提升基于声音特征的机器学习诊断帕金森病的性能，特别是堆叠模型通过网格搜索调优表现出最佳性能	未来研究可关注深度学习方法和时间特征整合，以进一步提高诊断准确性和临床应用的扩展性	评估优化后的机器学习算法在基于声音特征分类帕金森病中的有效性	188名帕金森病患者和64名对照者的声音样本	机器学习	帕金森病	贝叶斯优化、网格搜索、随机搜索	SVM、k-NN、DT、NN、集成模型、堆叠模型	声音数据	252人（188名患者和64名对照者）
1211	2025-03-16	Secure Hybrid Deep Learning for MRI-Based Brain Tumor Detection in Smart Medical IoT Systems 2025-Mar-06, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15050639 PMID:40075886	研究论文	本文提出了一种结合混沌和Arnold加密技术与混合深度学习模型的自动化MRI图像分类系统，用于智能医疗物联网系统中的脑肿瘤检测	结合混沌和Arnold加密技术，确保MRI图像的机密性，同时不降低脑肿瘤分类的准确性	未提及具体的研究局限性	开发一种安全且自动化的MRI图像分类系统，用于脑肿瘤检测	MRI图像	计算机视觉	脑肿瘤	混沌加密、Arnold加密	VGG16、深度神经网络（DNN）	图像	未提及具体样本数量
1212	2025-03-16	Exploring the Role of Artificial Intelligence (AI)-Driven Training in Laparoscopic Suturing: A Systematic Review of Skills Mastery, Retention, and Clinical Performance in Surgical Education 2025-Mar-06, Healthcare (Basel, Switzerland) DOI:10.3390/healthcare13050571 PMID:40077133	系统综述	本文系统综述了人工智能（AI）驱动的培训系统在腹腔镜缝合技能掌握、长期保持和临床表现方面的作用	本文创新性地评估了AI在腹腔镜缝合培训中的应用，特别是深度学习、动作捕捉和视频分割等机器学习技术的优势和局限性	AI在准确性、可扩展性和集成方面仍存在局限性，需要进一步的大规模高质量研究来完善这些工具	评估AI在腹腔镜缝合技能获取、长期保持和临床表现方面的影响	腹腔镜缝合培训中的机器学习技术	机器学习	NA	深度学习、动作捕捉、视频分割	NA	视频、动作数据	33项研究符合纳入标准
1213	2025-03-16	Comparing and Combining Artificial Intelligence and Spectral/Statistical Approaches for Elevating Prostate Cancer Assessment in a Biparametric MRI: A Pilot Study 2025-Mar-05, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15050625 PMID:40075871	研究论文	本研究比较并结合了人工智能和光谱/统计方法，以提升双参数MRI中前列腺癌评估的准确性	首次将自监督网格网络（Z-SSMNet）与光谱/统计方法结合，用于前列腺癌评估	样本量较小（42名患者），且深度学习/人工智能方法表现不如光谱/统计方法	评估和改进光谱/统计方法，结合人工智能提升前列腺癌评估准确性	前列腺癌患者	数字病理学	前列腺癌	深度学习（DL），光谱/统计方法	Z-SSMNet（自监督网格网络）	MRI图像	42名患者
1214	2025-03-16	Explainable Artificial Intelligence in Neuroimaging of Alzheimer's Disease 2025-Mar-04, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15050612 PMID:40075859	综述	本文探讨了可解释人工智能（XAI）在阿尔茨海默病（AD）神经影像学中的应用	强调了XAI在提高AI模型透明度和临床适用性方面的创新，特别是在AD诊断中的应用	当前挑战包括数据集限制、监管问题和标准化问题	改进XAI在临床实践中的整合，以优化AD诊断和个性化治疗策略	阿尔茨海默病（AD）的神经影像数据	神经影像学	阿尔茨海默病	SHAP, LIME, Grad-CAM, Layer-wise Relevance Propagation (LRP)	深度学习, 机器学习	MRI, PET影像	NA
1215	2025-03-16	Enhancing Lymph Node Metastasis Risk Prediction in Early Gastric Cancer Through the Integration of Endoscopic Images and Real-World Data in a Multimodal AI Model 2025-Mar-03, Cancers IF:4.5Q1 DOI:10.3390/cancers17050869 PMID:40075715	研究论文	本研究旨在开发和验证一种基于深度学习的临床决策支持系统（CDSS），用于预测早期胃癌（EGC）中的淋巴结转移（LNM）和淋巴血管侵犯（LVI）	通过整合内镜图像、人口统计数据、活检病理和CT检查结果，开发了一种基于Transformer的多模态AI模型，显著提高了LNM/LVI的预测准确性	研究依赖于多机构数据，可能存在数据异质性问题，且外部验证样本量相对较小	提高早期胃癌中淋巴结转移和淋巴血管侵犯的预测准确性，以指导治疗策略	早期胃癌患者	数字病理	胃癌	深度学习	Transformer, CNN, 随机森林	图像, 人口统计数据, 活检病理, CT检查结果	2927名患者（训练集），449名患者（内部验证集），766名患者（外部验证集）
1216	2025-03-16	Enhancing patient representation learning with inferred family pedigrees improves disease risk prediction 2025-Mar-01, Journal of the American Medical Informatics Association : JAMIA IF:4.7Q1 DOI:10.1093/jamia/ocae297 PMID:39723811	研究论文	本文提出了一种名为ALIGATEHR的方法，通过建模推断的家庭关系并结合基于注意力的医学本体表示，提高了疾病风险预测的准确性	ALIGATEHR首次在电子健康记录（EHR）研究中显式建模家庭关系，结合图注意力网络和医学本体表示，捕捉遗传、共享环境暴露和疾病依赖性的复杂影响	研究依赖于推断的家庭关系，可能存在不准确性，且未详细讨论模型在不同人群中的泛化能力	通过建模家庭关系，提高电子健康记录（EHR）中的疾病风险预测能力	电子健康记录（EHR）中的患者数据及其推断的家庭关系	机器学习	炎症性肠病（克罗恩病和溃疡性结肠炎）	图注意力网络（GAT）	ALIGATEHR	电子健康记录（EHR）诊断数据	未明确提及具体样本数量
1217	2025-03-16	Clinical value of aortic arch morphology in transfemoral TAVR: artificial intelligence evaluation 2025-Mar-01, International journal of surgery (London, England) DOI:10.1097/JS9.0000000000002232 PMID:39869394	研究论文	本研究利用人工智能算法评估主动脉弓形态对经股动脉导管主动脉瓣置换术（TF-TAVR）患者临床结果的影响	首次使用深度学习评估主动脉弓形态对TF-TAVR患者临床结果的影响，并构建了预测模型	研究为回顾性研究，可能存在选择偏倚	评估主动脉弓形态对TF-TAVR患者临床结果的影响	接受TF-TAVR的患者	数字病理学	心血管疾病	深度学习，机器学习	随机森林，逻辑回归	医学影像	1480名连续接受TF-TAVR的患者
1218	2025-03-15	Deep learning the flow law of Antarctic ice shelves 2025-Mar-14, Science (New York, N.Y.) DOI:10.1126/science.adp3300 PMID:40080586	研究论文	本研究利用遥感数据和物理信息深度学习，揭示了南极冰架流动规律及其粘度结构	首次通过深度学习方法揭示了南极冰架在压缩区和扩展区的流动规律，并构建了冰架范围的各向异性粘度图	研究结果依赖于遥感数据，可能存在数据精度和覆盖范围的限制	研究南极冰架的流动规律和粘度结构，以预测南极冰盖的未来质量损失	南极冰架	机器学习	NA	物理信息深度学习	深度学习	遥感数据	多个冰架的数据
1219	2025-03-15	AI-Powered Image-Based Assessment of Pressure Injuries Using You Only Look once (YOLO) Version 8 Models 2025-Mar-13, Advances in wound care IF:5.8Q1 DOI:10.1089/wound.2024.0245 PMID:40081991	研究论文	本研究旨在通过机器学习和YOLOv8深度学习模型提升压力性损伤的检测和分期准确性	首次将YOLOv8模型应用于压力性损伤分期，并通过优化器和超参数调优显著提升了检测精度	研究基于模拟数据集，未在真实临床环境中进行验证	提升压力性损伤的检测和分期准确性	压力性损伤图像	计算机视觉	压力性损伤	深度学习	YOLOv8	图像	公开的高质量数据集
1220	2025-03-15	Deep learning modelling of structural brain MRI in chronic head and neck pain after mild TBI 2025-Mar-12, Pain IF:5.9Q1 DOI:10.1097/j.pain.0000000000003587 PMID:40084983	研究论文	本研究利用深度学习模型分析轻度创伤性脑损伤（mTBI）后慢性头颈痛患者的结构性脑MRI扫描，以预测高风险个体	首次使用预训练的3D ResNet-18深度学习模型分析mTBI后72小时内的T1加权脑MRI扫描，以预测慢性疼痛风险	样本量相对较小（128名患者），且模型的平均准确率和AUC值较低（分别为0.59和0.56）	探索早期脑MRI扫描在预测mTBI后慢性头颈痛中的实用性	227名因车祸导致mTBI的患者，其中128名在伤后72小时内进行了T1加权脑MRI扫描	数字病理学	创伤性脑损伤	T1加权脑MRI扫描	3D ResNet-18	图像	128名患者