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	2025-03-03	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
1282	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
1283	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
1284	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
1285	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
1286	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
1287	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
1288	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
1289	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）
1290	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
1291	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
1292	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
1293	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
1294	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
1295	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
1296	2025-02-26	Deep learning and radiomics-based vascular calcification characterization in dental cone beam computed tomography as a predictive tool for cardiovascular disease: a proof-of-concept study 2025-Apr, Oral surgery, oral medicine, oral pathology and oral radiology DOI:10.1016/j.oooo.2024.12.010 PMID:39827035	研究论文	本研究评估了一种自动深度学习方法，用于在锥形束计算机断层扫描（CBCT）中检测颅外和颅内颈动脉及椎动脉的钙化，并利用CBCT衍生的放射组学成像生物标志物预测心血管疾病（CVD）如中风和心脏病发作	结合深度学习和放射组学方法，首次在牙科CBCT扫描中自动检测动脉钙化并预测心血管疾病	椎动脉钙化（VAC）的检测性能较低，仅为0.53 ± 0.17	开发自动化的深度学习方法，用于检测动脉钙化并预测心血管疾病	颅外颈动脉钙化（ECC）、颅内颈动脉钙化（ICC）和椎动脉钙化（VAC）	计算机视觉	心血管疾病	CBCT	nn-UNet	图像	148次扫描用于模型训练和验证，135个钙化区域用于放射组学特征提取
1297	2025-02-26	Using statistical analysis to explore the influencing factors of data imbalance for machine learning identification methods of human transcriptome m6A modification sites 2025-Apr, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2025.108351 PMID:39837162	研究论文	本研究通过统计分析方法探讨了影响机器学习识别人类转录组m6A修饰位点数据不平衡的因素	从特征编码表示、深度学习模型和数据重采样策略三个关键角度解决RNA甲基化位点数据不平衡问题，并开发了基于LSTM及其变体mLSTM的分类预测模型，以及使用SeqGAN和SMOTE构建平衡数据集	研究中未提及具体的数据集大小和样本类型，可能影响结果的普适性	探索影响机器学习识别m6A修饰位点数据不平衡的因素，提高识别准确性	人类转录组m6A修饰位点	生物信息学	NA	K-mer one-hot编码策略、LSTM、mLSTM、SeqGAN、SMOTE	LSTM、mLSTM、SeqGAN	RNA序列数据	NA
1298	2025-02-26	The prediction of RNA-small-molecule ligand binding affinity based on geometric deep learning 2025-Apr, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2025.108367 PMID:39904171	研究论文	本文提出了一种基于几何深度学习的RNA-小分子配体结合亲和力预测方法，名为RNA-ligand Surface Interaction Fingerprinting (RLASIF)	RLASIF方法首次从分子表面的几何和化学特征创建RNA-配体相互作用指纹，以表征结合亲和力，填补了现有方法在分子表面信息利用上的空白	尽管RLASIF在多个测试集上表现优异，但其在更广泛的RNA-小分子相互作用预测中的应用仍需进一步验证	研究旨在开发一种高效预测RNA-小分子结合亲和力的计算方法，以推动药物发现和抑制剂设计	RNA和小分子配体	机器学习	NA	几何深度学习	RLASIF	分子表面几何和化学特征数据	来自PDBbind NL2020的十个不同测试集
1299	2025-02-26	Artificial intelligence in gastrointestinal cancer research: Image learning advances and applications 2025-Apr-01, Cancer letters IF:9.1Q1 DOI:10.1016/j.canlet.2025.217555 PMID:39952597	综述	本文综述了过去五年中人工智能在胃肠道肿瘤研究中的进展，特别是在早期肿瘤筛查、诊断、分子标志物识别、治疗规划和预后预测方面的应用	强调了人工智能在提高肿瘤筛查敏感性、特异性和准确性方面的潜力，以及其在多组学分析和成像技术整合中的重要作用	未具体提及研究的局限性	探讨人工智能在胃肠道肿瘤研究中的应用及其对提高诊断和治疗效果的潜力	胃肠道肿瘤	数字病理学	胃肠道癌症	深度学习、大语言模型、神经网络	NA	图像	NA
1300	2025-02-26	IDBGL: A unique image dataset of black gram (Vigna mungo) leaves for disease detection and classification 2025-Apr, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2025.111347 PMID:39990119	研究论文	本文介绍了一个独特的黑豆（Vigna mungo）叶片图像数据集，用于疾病检测和分类	创建了一个包含4038张图像的黑豆叶片疾病数据集，涵盖五种不同类别，为全球研究人员提供了一个用于早期检测和分类黑豆叶片疾病的深度学习自动化系统的基础	收集健康样本存在困难，且数据集仅来自孟加拉国的两个地区	开发一个深度学习自动化系统，用于早期检测和分类黑豆叶片疾病，以帮助农民和提高农业利益相关者的意识	黑豆（Vigna mungo）叶片	计算机视觉	植物疾病	深度学习	NA	图像	4038张图像，来自孟加拉国的Sirajganj和Solonga地区