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
301	2025-05-11	Missing-modality enabled multi-modal fusion architecture for medical data 2025-Apr, Journal of biomedical informatics IF:4.0Q2 DOI:10.1016/j.jbi.2025.104796 PMID:39988001	研究论文	本研究提出了一种能够处理缺失模态的多模态融合架构，用于提升医学数据的深度学习模型性能	开发了一种基于Transformer的双模态融合模块，并将其组合成三模态融合框架，同时引入了多元损失函数以提高模型对缺失模态的鲁棒性	虽然对缺失模态具有鲁棒性，但在模态不完整数据上的性能仍略有下降	开发一种对缺失模态具有鲁棒性的多模态融合架构，以提升临床任务的性能	胸部X光片（图像模态）、放射学报告（文本模态）和结构化数值数据（表格数据模态）	数字病理	NA	Transformer	基于Transformer的双模态融合模块和三模态融合框架	图像、文本、表格数据	MIMIC-IV和MIMIC-CXR数据集
302	2025-05-11	Artificial Intelligence non-invasive methods for neonatal jaundice detection: A review 2025-Apr, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103088 PMID:39988547	review	本文综述了人工智能在新生儿黄疸非侵入性检测方法中的应用	探讨了多种AI驱动技术（如机器学习和深度学习）在提高新生儿黄疸诊断准确性方面的潜力，并指出AI模型在检测黄疸方面达到超过90%的准确率	讨论了在临床实践中整合这些技术的伦理和实际影响，并建议未来研究方向，如开发新的成像技术和可穿戴传感器	评估AI解决方案在减少新生儿发病率和死亡率方面的潜在影响，重点关注早期黄疸诊断	新生儿黄疸	digital pathology	geriatric disease	Machine Learning (ML), Deep Learning (DL)	neural networks	image	NA
303	2025-05-11	Prediction and detection of terminal diseases using Internet of Medical Things: A review 2025-Apr, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109835 PMID:39999492	综述	本文综述了人工智能（AI）与医疗物联网（IoMT）结合在预测和检测慢性及终末期疾病中的应用及面临的挑战	探讨了AI-IoMT技术在疾病预测中的创新方法，包括联邦学习、迁移学习和区块链技术，以提高模型的鲁棒性、数据安全性和互操作性	面临数据异质性、隐私问题和模型泛化能力等挑战	评估AI-IoMT技术在预测和检测慢性及终末期疾病中的有效性	心血管疾病、阿尔茨海默病和癌症等慢性及终末期疾病	医疗物联网	心血管疾病、阿尔茨海默病、癌症	联邦学习、迁移学习、区块链	XGBoost、Random Forest、CNN、LSTM	医疗数据	NA
304	2025-05-11	Prediction of school PM2.5 by an attention-based deep learning approach informed with data from nearby air quality monitoring stations 2025-Apr, Chemosphere IF:8.1Q1 DOI:10.1016/j.chemosphere.2025.144241 PMID:39999669	研究论文	本研究提出了一种基于注意力机制的深度学习方法来预测学校室内外PM2.5浓度，利用附近空气质量监测站的数据，无需学校现场传感器	提出了一种基于注意力深度卷积自编码器（ADCAE）的软传感器，完全消除了学校现场传感器的需求，降低了安装、操作和维护的财务和技术成本	NA	预测学校室内外PM2.5浓度，确保健康的学习环境	学校环境（教室和操场）的PM2.5浓度	机器学习	NA	深度学习	ADCAE（注意力深度卷积自编码器）	空气质量数据	多所学校（小学、初中和高中）
305	2025-05-11	Deep learning-based LDL-C level prediction and explainable AI interpretation 2025-Apr, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109905 PMID:40010176	研究论文	本研究探讨了使用深度学习模型预测低密度脂蛋白胆固醇（LDL-C）水平的方法	采用深度学习模型（如CNN、RNN和LSTM）预测LDL-C水平，并通过LIME方法解释模型预测结果，相比传统方法和公式具有更高准确性	深度学习模型需要更多的计算资源来解释其决策过程	预测低密度脂蛋白胆固醇（LDL-C）水平，以评估心血管疾病风险并规划治疗方案	低密度脂蛋白胆固醇（LDL-C）水平	机器学习	心血管疾病	深度学习	CNN, RNN, LSTM	临床数据（包括甘油三酯、总胆固醇和高密度脂蛋白胆固醇）	来自纽约-长老会医院/威尔康奈尔医学中心的数据集（具体样本量未提及）
306	2025-05-11	Automated vertebral compression fracture detection and quantification on opportunistic CT scans: a performance evaluation 2025-Apr, Clinical radiology IF:2.1Q2 DOI:10.1016/j.crad.2025.106831 PMID:40010260	研究论文	开发了一种基于深度学习的算法，用于在机会性CT扫描中自动检测和量化椎体压缩性骨折	使用2D/3D U-Nets卷积神经网络开发了一种自动化工具，用于在非专门针对椎体压缩性骨折的CT扫描中进行机会性筛查	研究样本量相对较小（100名患者），且为回顾性研究	评估基于深度学习的算法在机会性CT扫描中检测和量化椎体压缩性骨折的性能	椎体压缩性骨折（VCF）患者	数字病理学	骨质疏松症	CT扫描	2D/3D U-Nets	医学影像	100名患者（平均年龄76.6岁，72%为女性）
307	2025-05-11	Comprehensive analysis of human dendritic spine morphology and density 2025-Apr-01, Journal of neurophysiology IF:2.1Q3 DOI:10.1152/jn.00622.2024 PMID:40013734	研究论文	本文通过对27名患者的人脑组织进行综合研究，分析了树突棘的形态和密度，并利用深度学习模型实现了自动化的树突棘分割和三维重建	首次使用人脑组织进行树突棘的深入分析，结合深度学习与传统方法，实现了高效的自动化处理	样本量相对较小（27名患者），且仅来自肿瘤或癫痫手术患者，可能影响结果的普遍性	研究人脑树突棘的形态和密度差异，探索其与神经和精神疾病的潜在联系	27名患者（8名女性，19名男性，年龄18-71岁）的脑组织样本	神经科学	神经疾病	三维重建、深度学习	深度学习模型	图像	27名患者的脑组织样本，近4000个形态重建的树突棘
308	2025-05-11	Automated segmentation by SCA-UNet can be directly used for radiomics diagnosis of thymic epithelial tumors 2025-Apr, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.112004 PMID:40014944	研究论文	本研究开发了一种名为SCA-UNet的深度学习网络，用于自动分割胸腺病变，并应用于胸腺上皮肿瘤（TETs）的放射组学诊断和风险评估	提出了结合空间通道注意力的SCA-UNet模型，增强了全局上下文感知能力，提高了分割精度和泛化性能	研究仅基于单一医疗中心的数据，可能影响模型的泛化能力	开发自动分割胸腺病变的深度学习模型，并探索其在TETs诊断和风险评估中的应用	712例纵隔病变患者的术前CT图像	数字病理	胸腺上皮肿瘤	CT成像	SCA-UNet（基于UNet改进的深度学习网络）	医学影像（CT图像）	712例患者
309	2025-05-11	A multi-stage multi-modal learning algorithm with adaptive multimodal fusion for improving multi-label skin lesion classification 2025-Apr, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103091 PMID:40015211	research paper	本文提出了一种基于不确定性的混合融合策略的多模态学习算法，用于提高多标签皮肤病变分类的准确性	引入了一种新颖的基于不确定性的混合融合策略，结合了临床图像、皮肤镜图像和元数据三种不同模态，通过中间融合策略和不确定性机制自适应地整合多模态信息	未提及具体的数据集规模限制或算法在特定条件下的性能局限	提高皮肤癌诊断的准确性和临床适用性	皮肤病变图像（临床图像和皮肤镜图像）及相关元数据	digital pathology	skin cancer	multi-modal learning, uncertainty mechanism	deep learning-based multi-modal fusion algorithm	image, metadata	使用了一个流行的公开皮肤疾病诊断数据集（具体数量未提及）
310	2025-05-11	Noninvasive Artificial Intelligence System for Early Predicting Residual Cancer Burden During Neoadjuvant Chemotherapy in Breast Cancer 2025-Apr-01, Annals of surgery IF:7.5Q1 DOI:10.1097/SLA.0000000000006279 PMID:38557792	research paper	开发一种人工智能系统，用于在乳腺癌新辅助化疗期间早期预测残留癌症负担	提出了一种多任务AI系统，能够在乳腺癌新辅助化疗期间早期预测残留癌症负担，填补了早期检测方法的空白	研究仅基于4个机构的1048名患者，可能存在样本选择偏差	开发一种非侵入性工具，用于早期预测乳腺癌新辅助化疗期间的残留癌症负担	乳腺癌患者	digital pathology	breast cancer	radiomics and deep learning	multitask AI system	magnetic resonance images	1048名乳腺癌患者（335名主要队列，713名外部验证队列）
311	2025-05-10	Breast cancer detection and classification with digital breast tomosynthesis: a two-stage deep learning approach 2025-04-28, Diagnostic and interventional radiology (Ankara, Turkey) DOI:10.4274/dir.2024.242923 PMID:39648903	research paper	提出了一种结合改进的VGG19和YOLOv5-CBAM的两阶段深度学习系统，用于数字乳腺断层合成图像的乳腺癌检测和分类	在VGG19中整合了8个额外层，并在YOLOv5模型中加入了CBAM模块，提高了分类和检测的准确性	未提及模型在其他数据集上的泛化能力	提高乳腺癌筛查和诊断的准确性、效率和可靠性	数字乳腺断层合成(DBT)图像	computer vision	breast cancer	deep learning	VGG19, YOLOv5-CBAM	image	22,032次DBT检查，来自5,060名患者
312	2025-05-10	Exploring Molecular and Genetic Differences in Angelica biserrata Roots Under Environmental Changes 2025-Apr-20, International journal of molecular sciences IF:4.9Q2 DOI:10.3390/ijms26083894 PMID:40332784	研究论文	该研究通过代谢组学和转录组学方法，结合机器学习和贝叶斯优化的深度学习模型，探索了环境变化对当归根部香豆素生物合成的影响	整合多组学数据与机器学习模型，揭示了环境因素对香豆素生物合成的调控机制，并预测了最佳栽培条件	研究仅关注了特定环境因素对香豆素含量的影响，未考虑其他可能的生物或化学因素	阐明不同生境下当归根部的生物学特性及差异调控机制，为理解代谢变化的分子机制提供理论框架	当归根部	生物信息学	NA	代谢组学, 转录组学, 机器学习, 深度学习	贝叶斯优化的深度学习模型	分子数据, 环境数据	NA
313	2025-05-10	Fully Automated Online Adaptive Radiation Therapy Decision-Making for Cervical Cancer Using Artificial Intelligence 2025-Apr-17, International journal of radiation oncology, biology, physics DOI:10.1016/j.ijrobp.2025.04.012 PMID:40252932	research paper	本研究探讨了使用人工智能在宫颈癌在线自适应放射治疗（oART）中进行决策的可行性	提出了基于机器学习和深度学习的模型，用于识别可能受益于自适应重新计划的治疗部分，为临床医生提供决策支持工具	研究样本量较小，仅包括24名患者，且独立评估集仅包含3名患者的数据	探索人工智能在宫颈癌在线自适应放射治疗决策中的应用	宫颈癌患者	digital pathology	cervical cancer	fan-beam computed tomography (FBCT)	SVM, Siamese network	image, dosimetric data	24名患者，共671次治疗部分
314	2025-05-10	Genome-Wide Identification and Expression Analysis of TONNEAU1 Recruited Motif (TRM) Gene Family in Tomato 2025-Apr-13, International journal of molecular sciences IF:4.9Q2 DOI:10.3390/ijms26083676 PMID:40332175	研究论文	本研究通过生物信息学方法鉴定了番茄中的28个SlTRM基因家族成员，并分析了它们的蛋白结构、理化性质、共线性、基因结构、保守基序和启动子顺式作用元件	首次利用DeepMind开发的AlphaFold3深度学习架构对28个SlTRM基因进行了三维结构预测，并提出了SlTRM基因家族在番茄侧枝发育中的潜在作用	对SlTRM基因家族成员的具体功能理解仍有限，实验验证不足	研究番茄中TRM基因家族的成员及其在植物器官形态调控中的作用	番茄(Solanum lycopersicum)中的SlTRM基因家族	生物信息学	NA	RNA-seq, qRT-PCR, AlphaFold3	深度学习	基因组数据、转录组数据	28个SlTRM基因家族成员
315	2025-05-10	Design of Novel Auxetic Bi-Materials Using Convolutional Neural Networks 2025-Apr-13, Materials (Basel, Switzerland) DOI:10.3390/ma18081772 PMID:40333386	研究论文	利用卷积神经网络（CNN）预测双材料系统代表体积元素（RVEs）的泊松比，并通过贪婪优化算法识别具有拉胀行为的微结构	使用CNN快速推断微结构的有效泊松比，替代传统的有限元模拟，为高级超材料设计提供计算高效的工具	未提及具体的数据集规模或CNN模型的泛化能力	设计具有定制机械性能的拉胀双材料	由软硬相组成的双材料系统的代表体积元素（RVEs）	机器学习	NA	CNN	CNN	二进制微结构配置图像	NA
316	2025-05-10	Using Cancer-Associated Fibroblasts as a Shear-Wave Elastography Imaging Biomarker to Predict Anti-PD-1 Efficacy of Triple-Negative Breast Cancer 2025-Apr-09, International journal of molecular sciences IF:4.9Q2 DOI:10.3390/ijms26083525 PMID:40332007	研究论文	本研究利用癌症相关成纤维细胞（CAFs）作为剪切波弹性成像（SWE）的生物标志物，预测三阴性乳腺癌（TNBC）患者对PD-1抑制剂的疗效	首次将伤口愈合型CAFs（WH CAFs）作为SWE成像的生物标志物，用于非侵入性预测TNBC患者对免疫检查点抑制剂的反应，并开发了基于深度学习的分类模型	研究主要基于Eo771小鼠模型，临床样本的验证仍需进一步扩大	开发预测三阴性乳腺癌患者对免疫检查点抑制剂疗效的非侵入性生物标志物	三阴性乳腺癌（TNBC）患者和Eo771小鼠模型	数字病理学	乳腺癌	剪切波弹性成像（SWE）、多组学分析	深度学习模型	图像	NA
317	2025-05-10	DerivaPredict: A User-Friendly Tool for Predicting and Evaluating Active Derivatives of Natural Products 2025-Apr-09, Molecules (Basel, Switzerland) DOI:10.3390/molecules30081683 PMID:40333643	research paper	介绍了一个名为DerivaPredict的用户友好工具，用于预测和评估天然产物的活性衍生物	通过化学和代谢转化生成新的天然产物衍生物，并使用预训练的深度学习模型预测结合亲和力	未提及具体的数据集或样本量限制	增强早期药物发现，通过自动生成和评估天然产物的新型衍生物	天然产物及其衍生物	药物发现	NA	深度学习	预训练的深度学习模型	化学和代谢数据	NA
318	2025-05-10	Predicting Atlantic and Benguela Niño events with deep learning 2025-04-04, Science advances IF:11.7Q1 DOI:10.1126/sciadv.ads5185 PMID:40173237	研究论文	本研究探讨了深度学习在预测大西洋和本格拉尼诺事件中的潜力	使用简单的卷积神经网络架构，能够提前3至4个月预测大西洋/本格拉尼诺事件，并在峰值季节事件预测中表现出色，将预测时间延长至5个月	未提及具体的数据量或模型泛化能力的限制	提高对大西洋和本格拉尼诺事件的预测能力，挑战热带大西洋不可预测的传统观点	大西洋和本格拉尼诺事件	机器学习	NA	深度学习	CNN	气候数据	NA
319	2025-05-10	Deep Learning for Automated Segmentation of Basal Cell Carcinoma on Mohs Micrographic Surgery Frozen Section Slides 2025-04-01, Dermatologic surgery : official publication for American Society for Dermatologic Surgery [et al.] IF:2.5Q1 DOI:10.1097/DSS.0000000000004501 PMID:39625169	研究论文	本研究利用深度学习技术对Mohs显微外科手术冰冻切片中的基底细胞癌进行自动分割	首次训练了一个分割模型来定位Mohs手术冰冻切片中的基底细胞癌，并评估了不同亚型的性能	需要更准确和临床相关的分割研究性能指标	开发一个自动分割模型，用于定位Mohs手术冰冻切片中的基底细胞癌	Mohs显微外科手术冰冻切片中的基底细胞癌	数字病理学	基底细胞癌	全切片图像扫描	YOLOv8	图像	348张新鲜冰冻组织切片
320	2025-05-10	Exploring the potential performance of 0.2 T low-field unshielded MRI scanner using deep learning techniques 2025-Apr, Magma (New York, N.Y.) DOI:10.1007/s10334-025-01234-6 PMID:39964601	研究论文	利用深度学习技术探索0.2 T低场无屏蔽MRI扫描仪在成像质量和速度方面的潜在性能	通过深度学习方法克服物理限制，实现低场无屏蔽MRI扫描仪的高质量快速成像	未明确提及具体局限性	探索低场无屏蔽MRI扫描仪的潜在性能，推动MRI技术进步	0.2 T低场无屏蔽MRI扫描仪	医学影像	NA	深度学习、超分辨率成像	NA	MRI图像	未明确提及样本数量