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
1341	2025-03-04	Prediction of sudden cardiac death using artificial intelligence: Current status and future directions 2025-Mar, Heart rhythm IF:5.6Q1 DOI:10.1016/j.hrthm.2024.09.003 PMID:39245250	综述	本文综述了人工智能在预测心脏性猝死（SCD）中的应用现状及未来发展方向	探讨了机器学习和深度学习算法在识别SCD复杂非线性模式中的潜力，以及其在个性化风险预测和预防策略中的应用	尽管AI在改善SCD风险分层方面具有潜力，但仍存在重要限制需要解决	旨在提供当前AI预测SCD模型的最新技术概述，并强调这些模型在临床实践中的机会	心脏性猝死（SCD）患者	机器学习	心血管疾病	机器学习和深度学习算法	NA	NA	NA
1342	2025-03-04	Assessing the prognostic impact of body composition phenotypes on surgical outcomes and survival in patients with spinal metastasis: a deep learning approach to preoperative CT analysis 2025-Mar-01, Journal of neurosurgery. Spine DOI:10.3171/2024.8.SPINE24722 PMID:39705691	研究论文	本研究通过深度学习分析术前CT扫描，评估体成分表型对脊柱转移瘤手术患者预后和5年生存率的影响	首次使用深度学习管道分析术前CT扫描，识别肌肉和脂肪含量及组成，并将患者分为四种体成分表型组，揭示了体成分表型与手术结果及生存率的关系	样本量相对较小（102例），且为回顾性研究，可能存在选择偏倚	评估体成分表型对脊柱转移瘤手术患者预后和5年生存率的影响	接受脊柱转移瘤手术的患者	数字病理学	脊柱转移瘤	深度学习	深度学习管道	CT图像	102例患者
1343	2025-03-04	Deep learning-based pelvimetry in pelvic MRI volumes for pre-operative difficulty assessment of total mesorectal excision 2025-Mar, Surgical endoscopy DOI:10.1007/s00464-024-11485-4 PMID:39753930	研究论文	本文提出了一种基于术前磁共振成像（MRI）体积的自动骨盆测量工作流程，用于评估全直肠系膜切除术（TME）的术前难度	首次使用深度学习自动化MRI体积中的骨盆测量，提高了测量的准确性和效率	研究依赖于特定中心的MRI数据，可能存在数据偏差	开发一个自动化工作流程，用于术前评估TME的难度	1707名患者的MRI体积数据	数字病理学	直肠癌	深度学习	3D U-Net	MRI图像	1707名患者的MRI体积数据
1344	2025-03-04	Video-based robotic surgical action recognition and skills assessment on porcine models using deep learning 2025-Mar, Surgical endoscopy DOI:10.1007/s00464-024-11486-3 PMID:39806176	研究论文	本研究旨在利用深度学习开发一种自动化技能评估工具，用于手术培训	结合卷积神经网络和长短期记忆层，从手术视频中提取和分析空间和时间特征，实现动作识别和技能评估	未来研究需要测试在猪模型环境中开发的AI在临床环境中检测错误、提供反馈和可操作的技能评估的效果	开发自动化技能评估工具，用于手术培训	手术培训学员	计算机视觉	NA	深度学习	CNN结合LSTM	视频	21名参与者（16名新手和5名有经验者）在猪模型上进行了16种不同的腹腔内机器人辅助手术
1345	2025-03-04	Ethical and security challenges in AI for forensic genetics: From bias to adversarial attacks 2025-Mar, Forensic science international. Genetics DOI:10.1016/j.fsigen.2025.103225 PMID:39874746	研究论文	本文探讨了人工智能在法医遗传学中应用的伦理和安全挑战，特别是偏见和对抗性攻击问题	通过模拟场景展示了AI方法在生物地理祖先预测和亲缘关系推断中的潜在误导性，强调了伦理和安全挑战	研究主要基于模拟场景，可能无法完全反映真实世界的复杂性	评估AI在法医遗传学中的应用，特别是其潜在的偏见和对抗性攻击问题	法医遗传学中的AI模型	法医遗传学	NA	深度学习, 机器学习	NA	模拟数据	NA
1346	2025-03-04	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	研究论文	本文介绍了一种基于深度学习的网络，专门用于皮肤病变检测，以增强黑色素瘤数据集的数据质量	提出了一种新颖的FCDS-CNN架构，结合数据增强和类别加权技术，解决了类别不平衡问题，提高了数据质量	尽管FCDS-CNN在性能上优于预训练模型，但其在更广泛数据集上的泛化能力仍需进一步验证	提高皮肤癌早期检测的准确性和效率	皮肤病变图像	计算机视觉	皮肤癌	数据增强和类别加权	FCDS-CNN	图像	10015张皮肤病变图像，涵盖七种类别
1347	2025-03-04	Deep learning for tibial plateau fracture detection and classification 2025-Mar-01, The Knee DOI:10.1016/j.knee.2025.02.001 PMID:40023913	研究论文	本研究旨在开发深度学习模型，用于胫骨平台骨折的检测和根据Schatzker分类系统进行分类	首次开发用于胫骨平台骨折检测和Schatzker分类的计算机视觉模型	模型在骨折分类方面的准确性较低，Schatzker分类系统在常规X光片上的观察者间一致性较低	开发深度学习模型以检测和分类胫骨平台骨折	胫骨平台骨折患者的X光片	计算机视觉	骨折	深度学习	CNN（GoogleNet和ResNet）	图像	753名患者的1506张膝关节X光片，包括368例胫骨平台骨折和385例健康膝关节
1348	2025-03-03	A systematic review of deep learning in MRI-based cerebral vascular occlusion-based brain diseases 2025-Mar-05, Neuroscience IF:2.9Q2 DOI:10.1016/j.neuroscience.2025.01.020 PMID:39805420	综述	本文系统回顾了2020年至2024年间发表的61项基于MRI的研究，探讨深度学习在诊断脑血管闭塞相关疾病中的作用	通过比较基于卷积神经网络（CNN）和视觉变换器（ViT）的方法，揭示了各自的优势和局限性，并强调了U-Net变体和基于变换器的模型在提高临床应用可靠性方面的潜力	研究中存在数据集充分性和多样性不足的问题，以及数据隐私和算法可解释性等挑战	探讨深度学习在MRI诊断脑血管闭塞相关疾病中的应用及其对改善患者预后的潜力	脑血管闭塞相关疾病	医学影像	脑血管疾病	MRI	CNN, ViT, U-Net变体	图像	61项研究
1349	2025-03-03	Performance of AI-Enabled Electrocardiogram in the Prediction of Metabolic Dysfunction-Associated Steatotic Liver Disease 2025-Mar, Clinical gastroenterology and hepatology : the official clinical practice journal of the American Gastroenterological Association IF:11.6Q1 DOI:10.1016/j.cgh.2024.08.009 PMID:39209186	研究论文	本研究探讨了基于深度学习的AI模型使用12导联心电图（ECG）区分代谢功能障碍相关脂肪性肝病（MASLD）的表现	首次使用AI-ECG模型进行MASLD的预测，并展示了其与单一临床参数模型相比的相似或更优表现	AI-ECG模型的表现并未优于结合多种临床参数的模型	探索AI-ECG模型在MASLD筛查中的应用	诊断为MASLD的成年患者及对照组	机器学习	代谢功能障碍相关脂肪性肝病	深度学习	卷积神经网络（CNN）	心电图（ECG）数据	3468例MASLD病例和25407例对照
1350	2025-03-03	Image quality in three-dimensional (3D) contrast-enhanced dynamic magnetic resonance imaging of the abdomen using deep learning denoising technique: intraindividual comparison between T1-weighted sequences with compressed sensing and with a modified Fast 3D mode wheel 2025-Mar, Japanese journal of radiology IF:2.9Q2 DOI:10.1007/s11604-024-01687-0 PMID:39503820	研究论文	本文评估了结合深度学习去噪技术的改进型快速三维模式轮（mFast 3D wheel）在腹部对比增强三维动态磁共振成像中的图像质量，并与压缩感知技术进行了个体内比较	首次将改进型快速三维模式轮与深度学习去噪技术（AiCE）结合，用于腹部对比增强三维动态磁共振成像，并进行了个体内比较	样本量较小（42例患者），且为回顾性研究，可能影响结果的普遍性	评估改进型快速三维模式轮结合深度学习去噪技术在腹部对比增强三维动态磁共振成像中的图像质量	腹部对比增强三维动态磁共振成像	医学影像	NA	深度学习去噪技术（AiCE），压缩感知（CS）	深度学习	磁共振图像	42例患者
1351	2024-12-21	Predicting Intracerebral Hemorrhage Outcomes Using Deep Learning Models to Extract Head CT Imaging Features 2025-Mar, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.12.019 PMID:39701844	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1352	2025-03-03	Automatic segmentation of cardiac structures can change the way we evaluate dose limits for radiotherapy in the left breast 2025-Mar, Journal of medical imaging and radiation sciences IF:1.3Q3 DOI:10.1016/j.jmir.2024.101844 PMID:39740303	研究论文	本研究评估了自动分割技术在左乳腺癌放疗中剂量分布的应用，并建立了与心脏区域剂量相关的模型	使用自动分割技术（如TotalSegmentator和Limbus AI）替代传统手动分割，评估心脏亚结构的剂量分布，并提出剂量限制参数	研究未提及样本的具体数量，且自动分割工具在某些亚结构中的应用可能受限	评估左乳腺癌放疗中自动分割心脏亚结构的剂量分布，并建立剂量相关模型	左乳腺癌患者的放疗剂量分布及心脏亚结构	数字病理	乳腺癌	自动分割技术（TotalSegmentator和Limbus AI）	对数线性回归模型	医学影像数据	NA
1353	2025-03-03	Bidirectional f-Divergence-Based Deep Generative Method for Imputing Missing Values in Time-Series Data 2025-Mar, Stats IF:0.9Q3 DOI:10.3390/stats8010007 PMID:39911165	研究论文	本文提出了一种基于f-散度的双向生成对抗网络tf-BiGAIN，用于高维时间序列数据中的缺失值填补	tf-BiGAIN引入了两个关键创新点：使用f-散度作为目标函数以增强模型的灵活性和适应性，以及使用双向门控循环单元以利用前后时间信息	NA	解决高维时间序列数据中缺失值填补的挑战	高维时间序列数据	机器学习	NA	生成对抗网络	tf-BiGAIN	时间序列数据	两个真实世界的时间序列数据集
1354	2025-03-03	Contrast-enhanced thin-slice abdominal CT with super-resolution deep learning reconstruction technique: evaluation of image quality and visibility of anatomical structures 2025-Mar, Japanese journal of radiology IF:2.9Q2 DOI:10.1007/s11604-024-01685-2 PMID:39538066	研究论文	本研究比较了使用超分辨率深度学习重建（SR-DLR）、深度学习重建（DLR）和混合迭代重建（HIR）算法重建的对比增强薄层腹部CT图像的图像质量和解剖结构可见性	首次在对比增强薄层腹部CT图像中应用超分辨率深度学习重建技术，并评估其图像质量和解剖结构可见性	研究为回顾性研究，样本量较小（54例患者）	比较不同重建算法在对比增强薄层腹部CT图像中的图像质量和解剖结构可见性	54例接受对比增强腹部CT检查的患者	计算机视觉	NA	超分辨率深度学习重建（SR-DLR）、深度学习重建（DLR）、混合迭代重建（HIR）	深度学习	图像	54例患者
1355	2025-03-03	Quantifying Facial Gestures Using Deep Learning in a New World Monkey 2025-Mar, American journal of primatology IF:2.0Q1 DOI:10.1002/ajp.70013 PMID:40019116	研究论文	本研究利用深度学习技术量化新世界猴的面部表情，探索其在多模态交流中的独特性	首次使用无标记姿态估计算法量化棉顶狨猴的面部表情，并开发了能够识别面部标志点的模型	研究依赖于圈养个体的视频数据，可能无法完全反映野外行为	开发自动化工具以从原始视频数据中提取行为线索，并研究面部表情在不同行为背景下的特异性	棉顶狨猴	计算机视觉	NA	无标记姿态估计	深度学习	视频	圈养棉顶狨猴的视频数据
1356	2025-03-02	Redefining a new frontier in alkaptonuria therapy with AI-driven drug candidate design via in- silico innovation 2025-Mar-26, Zeitschrift fur Naturforschung. C, Journal of biosciences DOI:10.1515/znc-2024-0075 PMID:38996180	研究论文	本研究利用深度学习人工智能（AI）药物设计，旨在通过使用天然黄酮醇分子山柰酚作为4-羟基苯丙酮酸双加氧酶抑制剂，减轻目前用于治疗黑尿症（AKU）的药物尼替西农的毒性	本研究首次利用AI驱动的药物设计工具，基于山柰酚分子生成三种有效的药物候选物，并展示了其作为治疗候选物的潜力	尽管AI设计的AIK在计算上有效且足够安全，但其测试结果仍需进一步验证	减轻黑尿症（AKU）药物的毒性，开发更安全有效的治疗方案	黑尿症（AKU）及其相关药物	药物设计	代谢疾病	深度学习人工智能（AI）药物设计	NA	分子数据	NA
1357	2025-03-02	Physics-driven deep learning for high-fidelity photon-detection ghost imaging 2025-Mar-01, Optics letters IF:3.1Q2 DOI:10.1364/OL.541330 PMID:40020023	研究论文	本文提出了一种基于物理驱动的深度学习光子探测鬼成像方法，以提高在散射介质中的空间和深度分辨率	通过共同设计计算鬼成像系统和网络，将成像和重建更紧密地结合，以超越物理分辨率限制，并设计了具有注意力机制的特殊深度融合网络	NA	提高在散射介质中的光子探测成像的空间和深度分辨率	光子探测成像	计算机视觉	NA	深度学习	深度融合网络	图像	NA
1358	2025-03-02	Phantom-metasurface cooperative system trained by a deep learning network driven by a bound state for a magnetic resonance-enhanced system 2025-Mar-01, Optics letters IF:3.1Q2 DOI:10.1364/OL.546727 PMID:40020024	研究论文	本研究开发了一种基于深度学习网络训练的高效体模超表面复合MRI增强系统，并在MHz频段实现了超表面的设计与控制	结合深度神经网络和电磁超表面，显著提高了超表面的设计效率，并在MRI系统中展示了巨大的应用潜力	NA	提高MRI成像速度和分辨率	MRI系统	医学影像	NA	深度学习网络	前向神经网络	电磁响应特性	NA
1359	2025-03-01	Decoding the effects of mutation on protein interactions using machine learning 2025-Mar, Biophysics reviews IF:2.9Q2 DOI:10.1063/5.0249920 PMID:40013003	review	本文综述了利用机器学习预测突变对蛋白质相互作用影响的最新进展	综合评估了基于物理化学、机器学习和深度学习的预测方法，并探讨了未来发展方向	讨论了突变数据的局限性，包括偏差、数据质量和数据集大小	理解遗传变异如何影响蛋白质与其他生物分子之间的相互作用，以阐明疾病机制和开发靶向治疗	蛋白质相互作用及其突变效应	machine learning	cancer	machine learning, deep learning	NA	mutational data	NA
1360	2025-03-01	Utilising routinely collected clinical data through time series deep learning to improve identification of bacterial bloodstream infections: a retrospective cohort study 2025-Mar, The Lancet. Digital health DOI:10.1016/j.landig.2025.01.010 PMID:40015765	研究论文	本研究利用常规收集的临床数据，通过时间序列深度学习模型，提高细菌性血流感染的识别能力	使用LSTM模型结合时间序列数据，显著提高了血流感染的预测准确性，特别是在医院获得性感染方面	研究为回顾性队列研究，可能存在数据偏差，且模型性能在去除时间序列信息后显著下降	开发和评估利用医疗数据预测住院患者血流感染的模型	2014年3月3日至2021年12月1日在伦敦帝国学院医疗保健NHS信托基金进行血培养检测的患者	机器学习	血流感染	时间序列深度学习	LSTM, 静态逻辑回归模型	血液生物标志物和人口统计数据	训练集15,212例，测试集5,638例，总计20,850例患者