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
361	2025-03-03	COS-DeformDeep: Adaptive 2T2D spectral feature extraction method for improving the component identification performance in mixtures based on handheld Raman technology 2025-Apr-08, Analytica chimica acta IF:5.7Q1 DOI:10.1016/j.aca.2025.343773 PMID:40021327	研究论文	提出了一种名为COS-DeformDeep的新方法，用于增强和提取手持拉曼光谱混合物成分识别中的光谱特征	结合同步双迹二维相关光谱（2T2D-COS）和可变形卷积（DCNs），提高了深度学习模型在相关峰区域几何变形适应性，从而增强了2T2D-COS中的光谱特征提取能力	NA	提高手持拉曼光谱技术在混合物成分识别中的性能	乙醇、双丙酮醇和组氨酸三种物质，体积重量比范围为2%到20%	光谱分析	NA	拉曼光谱	可变形卷积（DCNs）	光谱数据	三个混合物数据集
362	2025-03-03	A three-dimensional marine plastic litter real-time detection embedded system based on deep learning 2025-Apr, Marine pollution bulletin IF:5.3Q1 DOI:10.1016/j.marpolbul.2025.117603 PMID:39889545	研究论文	本文介绍了一种基于深度学习的三维海洋塑料垃圾实时检测嵌入式系统（3D-MPLRD），旨在解决海洋塑料污染问题	该系统结合了图像质量评估与增强技术，以应对水下恶劣环境对图像质量的影响，并通过压缩和量化YOLOv5模型，使其适用于嵌入式设备	未提及具体的数据集规模或实验环境的多样性限制	开发实时清理海洋塑料垃圾的智能系统	海洋塑料垃圾	计算机视觉	NA	深度学习	YOLOv5	图像	未提及具体样本数量
363	2025-03-02	Detecting living microalgae in ship ballast water based on stained microscopic images and deep learning 2025-Apr, Marine pollution bulletin IF:5.3Q1 DOI:10.1016/j.marpolbul.2025.117608 PMID:39893717	研究论文	本研究旨在通过染色显微图像和深度学习模型快速检测船舶压载水中的活微藻细胞	利用中性红染料对活细胞的染色选择性，结合深度学习模型进行微藻活细胞的检测	对活微藻细胞的检测精度略低于总体微藻细胞的检测精度	快速检测船舶压载水中的活微藻细胞	船舶压载水中的微藻细胞	计算机视觉	NA	染色显微图像处理	深度学习模型	图像	Platymonas helgolandica tsingtaoensis 和 Alexandrium catenella 的显微图像
364	2025-03-03	Utilising artificial intelligence in developing education of health sciences higher education: An umbrella review of reviews 2025-Apr, Nurse education today IF:3.6Q1 DOI:10.1016/j.nedt.2025.106600 PMID:39904286	综述	本文通过综述综述的方式，综合了当前关于人工智能在健康科学教育中应用的证据	本文通过综述综述的方式，综合了多个领域（如机器人技术、机器学习和深度学习、大数据、沉浸式技术和自然语言处理）在健康科学教育中的应用，提供了全面的视角	本文的局限性在于仅分析了2019年至2023年间发表的七篇综述，可能无法涵盖所有相关研究	研究目的是综合当前关于人工智能在健康科学教育中应用的证据	研究对象是健康科学教育中的人工智能应用	自然语言处理	NA	NA	NA	NA	6304篇出版物中筛选出201篇综述，最终分析了7篇综述
365	2025-03-03	Physics-informed neural networks for enhanced reference evapotranspiration estimation in Morocco: Balancing semi-physical models and deep learning 2025-Apr, Chemosphere IF:8.1Q1 DOI:10.1016/j.chemosphere.2025.144238 PMID:39983624	研究论文	本文探讨了在摩洛哥利用物理信息神经网络（PINNs）增强参考蒸散量（ETo）估计的方法，平衡了半物理模型和深度学习	本文的创新点在于将半物理模型整合到神经网络的损失函数中，通过θ参数实现数据驱动损失和半物理模型损失的凸组合，从而提高了ETo估计的准确性和可靠性	研究的局限性在于仅使用了摩洛哥Tensift流域四个自动气象站的数据，可能限制了模型的普适性	研究目的是通过物理信息神经网络提高参考蒸散量的估计精度，以改善农业水资源管理	研究对象为摩洛哥Tensift流域的四个自动气象站收集的气象数据，包括气温、太阳辐射、相对湿度和风速	机器学习	NA	物理信息神经网络（PINNs）	神经网络	气象数据	四个自动气象站的数据
366	2025-03-03	Role of Artificial Intelligence in the Detection and Management of Premalignant and Malignant Lesions of the Esophagus and Stomach 2025-Apr, Gastrointestinal endoscopy clinics of North America DOI:10.1016/j.giec.2024.10.003 PMID:40021232	review	本文综述了人工智能（AI）技术在食管和胃的癌前病变及恶性肿瘤检测和管理中的应用	AI技术，特别是卷积神经网络，在提高病变检测（计算机辅助检测 [CADe]）和特征化（计算机辅助诊断 [CADx]）方面优于内镜医师，并在临床实践中展示了改善的结果	NA	探讨AI技术在食管鳞状细胞癌、Barrett食管相关肿瘤和胃癌筛查中的应用	食管和胃的癌前病变及恶性肿瘤	digital pathology	esophageal cancer, gastric cancer	deep learning, convolutional neural networks	CNN	image	NA
367	2025-03-03	Past, Present, and Future: A History Lesson in Artificial Intelligence 2025-Apr, Gastrointestinal endoscopy clinics of North America DOI:10.1016/j.giec.2024.09.003 PMID:40021228	review	本文回顾了过去50年人工智能（AI）的发展历程，并探讨了其在医学领域，特别是胃肠病学中的应用和未来前景	本文系统地总结了AI在胃肠病学中的应用，包括计算机辅助检测和诊断系统在内科镜、成像和病理检测中的革命性影响，并展望了未来的发展方向	文章提到AI在透明度、责任和伦理问题方面面临的挑战，需要进一步解决	回顾AI的发展历史，探讨其在医学领域的应用及未来发展方向	人工智能在医学领域的应用，特别是胃肠病学	machine learning	NA	NA	NA	NA	NA
368	2025-03-03	Role of Artificial Intelligence for Endoscopic Ultrasound 2025-Apr, Gastrointestinal endoscopy clinics of North America DOI:10.1016/j.giec.2024.10.007 PMID:40021237	研究论文	本文探讨了人工智能（AI）在内镜超声（EUS）中的应用，特别是在病变检测和特征分析方面的潜力	AI算法通过分析EUS图像，能够辅助病变检测和特征分析，提高诊断准确性并提供更快的诊断	EUS是一种高度依赖操作者的技术，AI的应用可能仍受限于操作者的经验和技能	研究AI在内镜超声中的应用，以提高诊断准确性和效率	胆胰和胃肠道疾病	计算机视觉	胆胰疾病, 胃肠道疾病	深度学习	卷积神经网络（CNN）	图像	NA
369	2025-03-02	Recipes and ingredients for deep learning models of 3D genome folding 2025-Apr, Current opinion in genetics & development IF:3.7Q2 DOI:10.1016/j.gde.2024.102308 PMID:39862604	review	本文比较和对比了用于预测基因组接触图的深度学习模型，并探讨了预处理、架构、训练、评估和解释方法	强调了不同模型的能力和局限性，并指出了基因组折叠模型面临的挑战、机遇和未来潜在方向	主要关注深度学习模型，未涉及其他类型的模型或方法	探讨深度学习模型在预测基因组接触图中的应用	三维基因组折叠	machine learning	NA	深度学习	深度学习模型	基因组接触图	NA
370	2025-02-28	Vision transformer-based multimodal fusion network for classification of tumor malignancy on breast ultrasound: A retrospective multicenter study 2025-Apr, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2025.105793 PMID:39862564	研究论文	本文提出了一种基于视觉Transformer的多模态融合网络，用于乳腺癌超声图像中肿瘤良恶性的分类	首次结合了影像组织学特征、深度学习特征和临床参数，开发了一种多模态特征融合模型	研究为回顾性研究，可能受到数据选择和偏倚的影响	开发一种多模态特征融合模型，用于预测乳腺肿瘤的良恶性	1065名患者的临床特征和3315个图像数据集	数字病理	乳腺癌	深度学习	Vision Transformer	图像和临床数据	1065名患者的临床特征和3315个图像数据集
371	2025-02-28	Identification of an ANCA-associated vasculitis cohort using deep learning and electronic health records 2025-Apr, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2025.105797 PMID:39864108	研究论文	本研究利用深度学习和电子健康记录（EHR）识别ANCA相关性血管炎（AAV）病例，提出了一种比传统方法更准确的病例识别模型	首次使用深度学习模型分析EHR数据来识别AAV病例，相比传统基于规则的方法，能够发现更多遗漏的病例	模型在测试队列中的阳性预测值（PPV）较低（0.262），可能影响其在实际应用中的可靠性	开发一种基于深度学习的模型，用于从电子健康记录中准确识别ANCA相关性血管炎（AAV）病例	电子健康记录（EHR）中的临床文档	自然语言处理	血管炎	深度学习	分层注意力网络（HAN）	文本	三个数据集分别包含6000、3008和7500个注释部分，测试队列包含2000个样本
372	2025-02-28	Hip prosthesis failure prediction through radiological deep sequence learning 2025-Apr, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2025.105802 PMID:39884035	研究论文	本研究开发了基于多张连续X光片的人工智能模型，用于预测髋关节假体失败	首次结合时间序列和空间信息，利用多张连续X光片进行髋关节假体失败预测	外部验证集的样本量较小（14例患者），可能影响模型的泛化能力	开发基于多张连续X光片的人工智能模型，用于预测髋关节假体失败	224名患者的髋关节X光片序列	计算机视觉	骨科疾病	深度学习	CNN（卷积神经网络）与GRU（门控循环单元）或LSTM（长短期记忆网络）结合	X光片图像	224名患者的X光片序列，其中14名用于外部验证
373	2025-02-28	Deep learning based prediction of depression and anxiety in patients with type 2 diabetes mellitus using regional electronic health records 2025-Apr, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2025.105801 PMID:39889672	研究论文	本研究开发并验证了一个深度学习模型REDAPM，利用区域电子健康记录（EHR）数据预测2型糖尿病患者中的抑郁和焦虑	REDAPM模型首次整合了区域异构EHR数据，包括结构化和非结构化数据，捕捉临床事件的时间依赖性，显著提升了预测性能	研究依赖于特定区域（南京）的EHR数据，可能限制了模型的普适性	开发并验证一个深度学习模型，用于预测2型糖尿病患者中的抑郁和焦虑	2型糖尿病患者	机器学习	糖尿病	深度学习	REDAPM	电子健康记录（EHR）数据	内部验证数据集包含24,724名患者，外部验证数据集包含34,340名患者
374	2025-02-03	A deep learning model for QRS delineation in organized rhythms during in-hospital cardiac arrest 2025-Apr, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2025.105803 PMID:39891984	研究论文	本文介绍了一种新的深度学习模型，用于在院内心脏骤停期间准确描绘有组织心律中的QRS复合波	提出了一种基于U-Net模型的深度学习方法，首次在心脏骤停心律中测试并准确描绘QRS复合波	未提及具体局限性	提高在院内心脏骤停期间QRS复合波的准确描绘，以支持临床诊断和治疗策略优化	院内心脏骤停患者和血流动力学稳定的患者	数字病理学	心血管疾病	深度学习	U-Net	ECG信号	332次院内心脏骤停事件（151815个QRS复合波）和105名血流动力学稳定的患者（112497个QRS复合波）
375	2025-02-28	Deep learning and machine learning in CT-based COPD diagnosis: Systematic review and meta-analysis 2025-Apr, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2025.105812 PMID:39891985	meta-analysis	本文通过系统回顾和荟萃分析，评估了深度学习和机器学习在基于CT的慢性阻塞性肺疾病（COPD）诊断中的表现	首次对AI模型在COPD诊断中的表现进行了定量分析，并比较了深度学习和机器学习模型的诊断效能	研究间的异质性较高，且MIL机制对DL模型的性能提升未达到统计学显著性	评估AI模型在COPD诊断中的表现，并比较不同模型的诊断效能	COPD患者的CT图像	数字病理学	慢性阻塞性肺疾病	CT成像	深度学习（DL）、机器学习（ML）、多实例学习（MIL）	图像	22,817名患者
376	2025-02-28	An interpretable hybrid machine learning approach for predicting three-month unfavorable outcomes in patients with acute ischemic stroke 2025-Apr, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2025.105807 PMID:39923294	研究论文	本研究旨在开发可解释的混合机器学习模型，以准确预测急性缺血性卒中患者三个月内的不良预后	结合了25种模型和14种评估指标进行聚类分析，最终选择了12种机器学习模型进行进一步分析，并通过SHAP图提供了特征重要性及其交互效应的可视化解释	研究依赖于现有的临床数据变量，可能无法涵盖所有影响预后的因素	开发可解释的混合机器学习模型，预测急性缺血性卒中患者三个月内的不良预后	急性缺血性卒中患者	机器学习	急性缺血性卒中	机器学习、深度学习	XGBoost、CatBoost	临床数据	731例训练数据，1045例内部验证数据，411例外部验证数据
377	2025-02-27	Improving the thermostability of ulvan lyase from polysaccharide lyase family 25 based on multiple computational rational design strategies 2025-Apr, International journal of biological macromolecules IF:7.7Q1 DOI:10.1016/j.ijbiomac.2025.140468 PMID:39894113	研究论文	本研究提出了一种结合深度学习和多种能量函数方法的计算机辅助理性设计策略，用于提高ulvan裂解酶的热稳定性	结合深度学习和多种能量函数方法进行计算机辅助理性设计，显著提高了ulvan裂解酶的热稳定性	NA	提高ulvan裂解酶的热稳定性，以推进其工业应用	ulvan裂解酶	生物信息学	NA	ColabFold, FoldX, Rosetta, Schrödinger, 分子动力学模拟	深度学习	蛋白质结构数据	三个单点突变体（A117V, K145L, A237V）及其组合突变体
378	2025-02-26	Improving binding affinity prediction by emphasizing local features of drug and protein 2025-Apr, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2024.108310 PMID:39674048	研究论文	本文提出了一种深度学习模型，通过强调药物和蛋白质的局部特征来提高结合亲和力预测的准确性	提出了一种新的深度学习模型，能够全面提取药物和靶蛋白的局部特征，用于准确的结合亲和力预测	NA	提高药物发现中结合亲和力预测的准确性	药物和靶蛋白	机器学习	NA	深度学习	Multi-Stream CNN, Multi-Stream GCN	序列数据（蛋白质序列），图数据（药物分子）	两个流行数据集：Davis 和 KIBA
379	2025-02-26	CPI-GGS: A deep learning model for predicting compound-protein interaction based on graphs and sequences 2025-Apr, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2024.108326 PMID:39752853	研究论文	本文提出了一种基于图和序列的深度学习模型CPI-GGS，用于预测和分析化合物-蛋白质相互作用	CPI-GGS模型结合了图和序列信息，提高了化合物-蛋白质相互作用预测的准确性，为药物发现和开发提供了新的工具	当前CPI预测方法的准确性仍有待提高，模型的泛化能力需要改进，且需要进一步在不同数据集上进行验证	提高化合物-蛋白质相互作用预测的准确性，以支持药物发现和设计	化合物-蛋白质相互作用	机器学习	NA	深度学习	CPI-GGS	图和序列数据	NA
380	2025-02-26	Hybrid optimization enabled DenseNet for autism spectrum disorders using MRI image 2025-Apr, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2024.108335 PMID:39793514	研究论文	本文提出了一种基于混合优化的DenseNet模型，用于通过MRI图像检测自闭症谱系障碍（ASD）	引入了Jaya Sewing Training Optimization (JSTO)算法，结合Jaya算法和Sewing Training-Based Optimization (STBO)，用于特征提取和模型训练	未提及具体的研究局限性	开发一种高效的自闭症谱系障碍（ASD）检测模型，以提高诊断的准确性和可访问性	自闭症谱系障碍（ASD）患者的MRI图像	计算机视觉	自闭症谱系障碍	MRI图像处理，JSTO优化算法	DenseNet	图像	基于Abide 1数据集