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
1281	2025-03-06	Deep learning enables automatic detection of joint damage progression in rheumatoid arthritis-model development and external validation 2025-Mar-01, Rheumatology (Oxford, England) DOI:10.1093/rheumatology/keae215 PMID:38597875	研究论文	本文介绍并外部验证了一种自动RA评分算法（AuRA），用于监测类风湿性关节炎（RA）患者的关节损伤进展	首次在个体患者水平上展示了深度学习算法在检测RA关节损伤纵向变化中的潜力，并通过外部验证证明了其优越性	样本量相对较小，且仅在一个外部数据集上进行了验证	开发并验证一种自动检测RA关节损伤进展的算法	类风湿性关节炎患者的关节损伤	数字病理学	类风湿性关节炎	深度学习	CNN	图像	367例来自两项临床研究的手和足部X光片，205例来自Turku大学医院的数据，以及54例患者的额外X光片
1282	2025-03-06	Toward Efficient Convolutional Neural Networks With Structured Ternary Patterns 2025-Mar, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3380827 PMID:38652622	研究论文	本文提出了一种利用结构化三元模式（STePs）设计高效卷积神经网络（ConvNet）架构的方法，以减少训练和推理过程中的资源需求	通过使用从局部二值模式（LBPs）和Haar特征生成的非学习权重参数，减少了卷积神经网络的总权重更新，从而提高了效率	该方法需要进一步研究非学习权重的良好先验，以在不改变网络结构的情况下提高深度学习架构的效率	设计高效的卷积神经网络架构，以减少资源需求并提高在移动和嵌入式平台上的应用	卷积神经网络（ConvNets）	计算机视觉	NA	局部二值模式（LBPs）和Haar特征	卷积神经网络（ConvNets）	图像	四个图像分类数据集
1283	2025-03-06	EPIPDLF: a pre-trained deep learning framework for predicting enhancer-promoter interactions 2025-Mar-01, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btae716 PMID:40036975	研究论文	本文介绍了一种名为EPIPDLF的深度学习框架，用于预测增强子与启动子之间的相互作用	EPIPDLF是一种创新的深度学习方法，仅基于基因组序列以可解释的方式预测增强子-启动子相互作用	NA	开发一种高效且成本较低的预测增强子与启动子相互作用的方法	增强子与启动子之间的相互作用	机器学习	NA	深度学习	深度学习框架	基因组序列	六个基准数据集
1284	2025-03-06	IoT-Based Elderly Health Monitoring System Using Firebase Cloud Computing 2025-Mar, Health science reports IF:2.1Q3 DOI:10.1002/hsr2.70498 PMID:40041774	研究论文	本研究开发并验证了一种基于物联网的老年人健康监测系统，旨在提高老年人的生活质量	系统集成了Firebase云平台和Android用户界面，实现了实时数据收集和分析，并采用监督机器学习技术进行健康状况预测	样本量较小，仅涉及六名参与者，未来可扩展样本量以验证系统的普适性	开发一种基于物联网的老年人健康监测系统，以应对日益增长的老年人口对医疗系统的挑战	老年人	物联网	老年疾病	监督机器学习	XGBoost	实时生理数据（心率、血氧饱和度、体温）	六名参与者
1285	2025-03-05	A spatiotemporal CNN-LSTM deep learning model for predicting soil temperature in diverse large-scale regional climates 2025-Mar-10, The Science of the total environment DOI:10.1016/j.scitotenv.2025.178901 PMID:39987832	研究论文	本研究开发了一种结合CNN和LSTM的深度学习模型，用于预测不同气候区域下的土壤温度	结合CNN和LSTM模型，首次用于预测大范围区域内的土壤温度，并在多种气候条件下验证了其准确性	研究仅针对加拿大和美国的五个气候区域，未涵盖全球其他气候类型	开发一种可靠的土壤温度预测模型，以支持农业、水文和气候适应等领域的决策	土壤温度	机器学习	NA	深度学习	CNN-LSTM	时间序列数据	加拿大和美国的五个气候区域的年度小时时间序列土壤温度数据
1286	2025-03-05	[Advances in breast cancer tumor-infiltrating lymphocytes evaluation and deep learning applications] 2025-Mar-08, Zhonghua bing li xue za zhi = Chinese journal of pathology DOI:10.3760/cma.j.cn112151-20241226-00875 PMID:40032427	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1287	2025-03-05	ChatExosome: An Artificial Intelligence (AI) Agent Based on Deep Learning of Exosomes Spectroscopy for Hepatocellular Carcinoma (HCC) Diagnosis 2025-Mar-04, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.4c06677 PMID:39932366	研究论文	本文介绍了一种基于深度学习的AI代理ChatExosome，用于通过外泌体光谱分析进行肝细胞癌（HCC）诊断	首次开发了一个专注于外泌体光谱和诊断的AI代理，结合了深度学习和大型语言模型（LLM），提高了分类结果的可解释性	NA	开发一种基于外泌体光谱分析的AI系统，用于肝细胞癌（HCC）的诊断	肝细胞癌（HCC）患者的外泌体	机器学习	肝癌	拉曼光谱分析	特征融合变换器（FFT）	光谱数据	165个临床样本
1288	2025-03-05	TimePAD─Unveiling Temporal Sequence ELISA Signal by Deep Learning for Rapid Readout and Improved Accuracy in a Microfluidic Paper-Based Analytical Platform 2025-Mar-04, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.4c06001 PMID:39960863	研究论文	本文介绍了一种通过深度学习改进纸基微流控酶联免疫吸附测定（ELISA）性能的新方法，利用时间序列比色数据而非传统静态数据进行训练	提出了一种时间序列增强的纸基分析设备（TimePAD），通过捕捉ELISA反应的连续视频数据，利用YOLOv8深度学习算法，实现了更快的反应时间读取和更高的准确性	NA	提高纸基微流控ELISA的灵敏度和特异性，加速诊断结果的解释	纸基微流控ELISA反应	数字病理	NA	ELISA	YOLOv8	视频数据	NA
1289	2025-03-05	Hybrid ladybug Hawk optimization-enabled deep learning for multimodal Parkinson's disease classification using voice signals and hand-drawn images 2025-Mar-04, Network (Bristol, England) DOI:10.1080/0954898X.2025.2457955 PMID:40035544	研究论文	本研究开发了一种优化的深度学习模型，用于通过语音信号和手绘螺旋图像进行帕金森病分类	结合了ZFNet和DRN模型，并利用LHO算法进行训练，通过多数投票选择最佳输出	未提及模型在不同数据集上的泛化能力	开发一种用于帕金森病早期诊断的深度学习模型	帕金森病患者	深度学习	帕金森病	深度学习	ZFNet, DRN	语音信号, 手绘图像	未提及具体样本数量
1290	2025-03-05	New AI explained and validated deep learning approaches to accurately predict diabetes 2025-Mar-04, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-025-03338-6 PMID:40035798	研究论文	本文提出了两种新的深度学习模型LeDNet和HiDenNet，用于早期和准确的糖尿病预测，并通过实验验证了其优越性能	提出了两种新的深度学习模型LeDNet和HiDenNet，结合了LeNet、Dual Attention Network、highway network和DenseNet的特点，并采用多数加权少数过采样技术解决了类别不平衡问题	模型在Diabetes Health Indicators数据集上训练，该数据集存在固有的类别不平衡问题，可能导致预测偏差	提高糖尿病预测的准确性和可解释性	糖尿病患者	机器学习	糖尿病	深度学习	LeDNet, HiDenNet	结构化数据	Diabetes Health Indicators数据集
1291	2025-03-05	Accelerated retinal ageing and multimorbidity in middle-aged and older adults 2025-Mar-04, GeroScience IF:5.3Q1 DOI:10.1007/s11357-025-01581-1 PMID:40035945	研究论文	本研究探讨了视网膜年龄差距与多病状态之间的关联	使用深度学习模型计算视网膜年龄差距，并首次将其与多病状态的发生风险相关联	研究依赖于基线数据，可能未完全捕捉到所有相关变量	研究视网膜年龄差距与多病状态之间的关联	45,436名中老年参与者	数字病理学	老年疾病	深度学习	深度学习模型	图像	45,436名参与者
1292	2025-03-05	Application of TransUnet Deep Learning Model for Automatic Segmentation of Cervical Cancer in Small-Field T2WI Images 2025-Mar-04, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01464-z PMID:40035972	研究论文	本研究开发了一种创新的深度学习模型，用于增强宫颈癌病变的自动分割	结合CNN和TransUnet模型，利用多方向MRI技术开发了三种不同的分割模型，显著提高了宫颈癌组织的分割精度	研究仅基于小视野T2WI图像，可能限制了模型的泛化能力	提高宫颈癌在MR图像中的自动分割精度，以辅助自动检测、分期和治疗规划	222名经病理确诊的宫颈癌患者的4063张T2WI小视野图像	计算机视觉	宫颈癌	MRI	CNN, TransUnet	图像	222名患者的4063张T2WI图像
1293	2025-03-05	Cone-beam computed tomography (CBCT) image-quality improvement using a denoising diffusion probabilistic model conditioned by pseudo-CBCT of pelvic regions 2025-Mar-04, Radiological physics and technology IF:1.7Q3 DOI:10.1007/s12194-025-00892-4 PMID:40035984	研究论文	本文提出了一种基于条件去噪扩散概率模型（CDDPM）的方法，用于提高骨盆区域锥形束计算机断层扫描（CBCT）的图像质量，从而改善放疗中的剂量计算和治疗计划	使用条件去噪扩散概率模型（CDDPM）生成高质量的合成CT（sCT），显著提高了CBCT的Hounsfield单位（HU）准确性和解剖结构保持	研究主要针对骨盆区域，未涉及其他身体部位，且模型的泛化能力尚未在更大规模的数据集上验证	提高CBCT图像质量，以改善放疗中的剂量计算和治疗计划	骨盆区域的CBCT图像	医学影像处理	前列腺癌	条件去噪扩散概率模型（CDDPM）	CDDPM	图像	未明确提及样本数量
1294	2025-03-05	Recommendations for Artificial Intelligence Application in Continued Process Verification: A Journey Toward the Challenges and Benefits of AI in the Biopharmaceutical Industry 2025-Mar-03, PDA journal of pharmaceutical science and technology DOI:10.5731/pdajpst.2024.012950 PMID:39730202	review	本文探讨了人工智能（AI）在生物制药行业持续过程验证（CPV）中的变革性影响，并提供了实施AI的综合建议	提出了将AI与监管标准对齐的建议，并强调透明度、可解释性和风险管理，为AI在制药制造中的实施建立最佳实践	未涉及CPV of the Future项目中使用的具体算法，因为需要独立于算法进行通用化	研究AI在生物制药行业持续过程验证中的应用挑战与机遇	生物制药行业中的持续过程验证（CPV）	machine learning	NA	AI, Machine Learning, Deep Learning	NA	real-time data	NA
1295	2025-03-05	RESNET-50 with ontological visual features based medicinal plants classification 2025-Mar-03, Network (Bristol, England) DOI:10.1080/0954898X.2024.2447878 PMID:40028706	研究论文	本文提出了一种基于本体视觉特征和RESNET-50的药用植物分类方法	结合了本体关系、群体智能技术（粒子群和布谷鸟搜索算法）以及深度学习模型RESNET-50，提出了一个混合模型来提高分类准确性	未提及样本多样性和模型泛化能力的验证	提高药用植物叶片分类的准确性和效率	15种药用植物的叶片	计算机视觉	NA	粒子群算法、布谷鸟搜索算法、回归神经网络（GRNN）、RESNET-50	RESNET-50、GRNN	图像	15种药用植物的叶片数据集
1296	2025-03-05	Deep Learning-Based Diagnostic Model for Parkinson's Disease Using Handwritten Spiral and Wave Images 2025-Mar-03, Current medical science IF:2.0Q3 DOI:10.1007/s11596-025-00017-3 PMID:40029495	研究论文	本文开发并验证了一种基于深度神经网络的模型，用于通过手绘螺旋和波浪图像诊断帕金森病，并与多种机器学习和深度学习模型进行了性能比较	使用深度神经网络模型处理手绘螺旋和波浪图像，显著提高了帕金森病的诊断准确性，超越了多种传统机器学习和深度学习模型	数据集规模较小，仅包含204张图像，可能影响模型的泛化能力	开发一种基于深度神经网络的帕金森病诊断模型，并验证其性能	帕金森病患者和健康受试者的手绘螺旋和波浪图像	计算机视觉	帕金森病	深度神经网络	DNN	图像	204张图像（102张螺旋图像和102张波浪图像）
1297	2025-03-05	Automated Tumor Segmentation in Breast-Conserving Surgery Using Deep Learning on Breast Tomosynthesis 2025-Mar-03, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01457-y PMID:40032761	研究论文	本研究旨在通过深度学习模型改进乳腺癌保乳手术中的肿瘤分割，利用数字乳腺断层合成技术提高术中肿瘤边缘的精确度	采用改进的U-Net架构，结合卷积块注意力模块（CBAM），以提高肿瘤边缘分割的精度	研究样本量较小，仅包含51例患者，可能影响结果的普遍性	提高乳腺癌保乳手术中的肿瘤分割精度，改善术中边缘评估和手术效果	乳腺癌患者	计算机视觉	乳腺癌	数字乳腺断层合成技术（DBT）	改进的U-Net架构，结合卷积块注意力模块（CBAM）	图像	51例患者
1298	2025-03-05	Diagnosing Ankylosing Spondylitis via Architecture-Modified ResNet and Combined Conventional Magnetic Resonance Imagery 2025-Mar-03, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01427-4 PMID:40032762	研究论文	本文探讨了使用改进的ResNet架构和组合的常规磁共振成像（MRI）来诊断强直性脊柱炎（AS）	通过架构修改的ResNet50模型和组合的常规MRI序列进行AS分类，显著提高了诊断的准确性和特异性	研究样本量较小，仅涉及56名患者，可能影响模型的泛化能力	研究目的是确定是否可以使用MRI训练/优化卷积神经网络（CNNs）进行AS分类，并确定哪种类型的常规MRI可能占主导地位	强直性脊柱炎（AS）患者和对照组的骶髂关节（SIJs）	计算机视觉	强直性脊柱炎	常规磁共振成像（MRI）	ResNet50, InceptionV3, VGG16, YOLOv5	图像	56名患者的534个AS和606个对照SIJs
1299	2025-03-05	Smartphone-Based Oral Lesion Image Segmentation Using Deep Learning 2025-Mar-03, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01455-0 PMID:40032764	研究论文	本研究开发了一种基于深度学习的智能手机口腔病变图像分割解决方案，旨在提高口腔疾病的早期检测和诊断准确性	提出了一种新的UNet-based模型OralSegNet，结合了EfficientNetV2L编码器、ASPP和残差块，以提高分割精度	模型参数较多（104.46百万），尽管在计算效率上表现良好，但在资源受限的设备上可能面临挑战	开发一种基于深度学习的智能手机口腔病变图像分割解决方案，以提高口腔疾病的早期检测和诊断准确性	智能手机拍摄的口腔病变图像	计算机视觉	口腔疾病	深度学习	UNet-based模型OralSegNet	图像	538张原始图像，平均分辨率为1394×1524像素
1300	2025-03-05	SSW-YOLO: Enhanced Blood Cell Detection with Improved Feature Extraction and Multi-scale Attention 2025-Mar-03, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01460-3 PMID:40032763	研究论文	本文介绍了一种名为SSW-YOLO的新算法，旨在提高血液细胞检测的准确性和效率	SSW-YOLO的主要创新点包括使用空间到深度卷积（SPD-Conv）层增强特征提取，采用Swin Transformer进行多尺度注意力机制，简化c2f模块以减少模型复杂性，以及利用Wasserstein距离损失（WDLoss）函数提高定位精度	NA	提高血液细胞检测的准确性和效率，加速血液疾病的诊断并提高临床诊断的精确性	血液细胞	计算机视觉	血液疾病	深度学习	YOLO, Swin Transformer	图像	BCCD血液细胞数据集