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
1	2025-07-19	Predictive modeling of adolescent suicidal behavior using machine learning: Key features and algorithmic insights 2025-Dec, MethodsX IF:1.6Q2 DOI:10.1016/j.mex.2025.103454 PMID:40678447	综述	本文系统分析了28项关于应用机器学习技术早期检测自杀意念的研究	强调了向混合和集成深度学习模型转变的需求，这些模型已显示出早期潜力但在当前文献中缺乏广泛分析	现有研究在跨文化泛化方面存在不足	通过应用AI和机器学习技术实现学生自杀意念的早期检测	学生自杀意念	机器学习	心理健康问题	NA	Random Forest, SVM, 深度学习	调查数据	28项研究
2	2025-07-19	Missing data imputation of climate time series: A review 2025-Dec, MethodsX IF:1.6Q2 DOI:10.1016/j.mex.2025.103455 PMID:40678450	review	本文综述了过去十年中气候时间序列缺失数据插补的最相关方法	总结了不同地区和国家在气候时间序列缺失数据插补方面的研究进展，并比较了传统统计方法和深度学习方法的应用效果	主要关注亚洲和欧洲的研究，对其他地区的覆盖相对较少	描述气候时间序列中缺失数据插补的最相关方法	气候时间序列数据	machine learning	NA	mean techniques, simple and multiple linear regression, interpolation, PCA, artificial neural networks, GAN	artificial neural networks, GAN	time series	NA
3	2025-07-19	AI-driven pharmacovigilance: Enhancing adverse drug reaction detection with deep learning and NLP 2025-Dec, MethodsX IF:1.6Q2 DOI:10.1016/j.mex.2025.103460 PMID:40678458	研究论文	本研究提出了一种结合深度学习和NLP的混合AI驱动框架，用于提高药物警戒中药物不良反应的检测	整合结构化和非结构化数据，应用先进的深度学习和NLP方法，显著提升药物不良反应检测的准确性和可解释性	研究依赖于临床数据的质量和多样性，可能存在数据偏差	提高药物警戒中严重不良事件的检测准确率	临床实验数据中的药物不良反应	自然语言处理	NA	NLP, 深度学习	CNN, BERT, GPT, Random Forest, Gradient Boosting Machines	结构化数据（如患者人口统计、实验室结果）和非结构化数据（如临床记录）	NA
4	2025-07-19	Integrated deep learning for cardiovascular risk assessment and diagnosis: An evolutionary mating algorithm-enhanced CNN-LSTM 2025-Dec, MethodsX IF:1.6Q2 DOI:10.1016/j.mex.2025.103466 PMID:40678461	研究论文	本研究提出了一种基于混合CNN-LSTM模型的双输出深度学习模型，用于心血管风险评估和诊断	采用进化交配算法（EMA）优化CNN-LSTM模型，实现了连续风险评分和二元诊断结果的双输出预测	模型在诊断任务上的准确率为70%，仍有提升空间	开发准确高效的心血管疾病预测模型，支持定量评估和早期临床决策	心血管疾病（CVD）患者	机器学习	心血管疾病	进化交配算法（EMA）	CNN-LSTM	临床数据	NA
5	2025-07-19	Breathable soft bioelectronics for enhanced automatic detection of obstructive sleep apnea 2025-Nov-01, Biosensors & bioelectronics IF:10.7Q1 DOI:10.1016/j.bios.2025.117735 PMID:40609200	研究论文	介绍了一种无线、柔软且透气的生物电子系统，用于检测阻塞性睡眠呼吸暂停（OSA）	开发了一种具有穿孔、可变形结构的可穿戴设备，提高了皮肤贴合度，促进汗液排出，并减少了运动伪影，同时采用深度学习框架自动分类睡眠阶段和检测呼吸暂停事件	未提及具体样本量或临床试验结果，可能限制其普适性和可靠性	开发一种新型生物电子系统，用于早期诊断阻塞性睡眠呼吸暂停（OSA），特别是在儿童和正颌手术患者中	阻塞性睡眠呼吸暂停（OSA）患者，特别是儿童和正颌手术患者	数字病理学	阻塞性睡眠呼吸暂停（OSA）	深度学习	多流卷积神经网络（CNN）与双向长短期记忆模型（Bi-LSTM）	电生理信号	NA
6	2025-07-19	Can artificial intelligence in spine imaging affect current practice? Practical developments and their clinical status 2025-Sep, North American Spine Society journal DOI:10.1016/j.xnsj.2025.100621 PMID:40678684	综述	本文综述了人工智能在脊柱影像学中的当前应用及其临床状态	总结了人工智能在脊柱影像学中的多种应用，包括深度学习图像重建、去噪、脊柱分割和生物测量等，并评估了其临床相关性	大多数发展仍处于实验或早期阶段，临床应用的性能仍需进一步研究	评估人工智能在脊柱影像学中的临床相关性和应用前景	脊柱影像学中的人工智能工具	医学影像	脊柱疾病	深度学习	深度学习模型	影像数据	NA
7	2025-07-19	Age-stratified deep learning model for thyroid tumor classification: a multicenter diagnostic study 2025-Aug, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-11386-7 PMID:39903238	研究论文	开发了一种基于年龄分层的深度学习模型（ASMCNet）用于甲状腺结节分类，并研究了年龄分层对模型准确性的影响	首次将年龄分层整合到甲状腺结节分类的深度学习模型中，显著提高了诊断准确性	研究为回顾性设计，需要前瞻性研究进一步验证模型的临床适用性	探索年龄分层对甲状腺结节诊断准确性的影响，并开发辅助诊断工具	甲状腺结节患者	数字病理	甲状腺癌	深度学习	ASMCNet（年龄分层多模态分类网络）	超声图像	来自三家医院的5934名患者的10391张图像
8	2025-07-19	Fast and Stable Neonatal Brain MR Imaging Using Integrated Learned Subspace Model and Deep Learning 2025-Aug, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3541643 PMID:40072865	研究论文	通过整合学习的新生儿特定子空间模型和模型驱动的深度学习，实现快速稳定的新生儿脑部MR成像	提出了一种子空间模型辅助的深度学习方法，解决了新生儿MRI应用中训练数据不足的问题	需要进一步开发以提高MRI在新生儿成像应用中的实际效用	加速新生儿脑部MRI成像并提高图像重建的稳定性	新生儿脑部MR图像	医学影像处理	新生儿疾病	深度学习	子空间模型辅助的深度网络	MR图像	dHCP数据集和来自四个独立医疗中心的测试数据
9	2025-07-19	Establishing a Deep Learning Model That Integrates Pretreatment and Midtreatment Computed Tomography to Predict Treatment Response in Non-Small Cell Lung Cancer 2025-Aug-01, International journal of radiation oncology, biology, physics DOI:10.1016/j.ijrobp.2025.03.012 PMID:40089073	research paper	本研究旨在开发一个深度学习模型，通过整合治疗前和治疗中的CT图像来预测非小细胞肺癌患者的治疗反应	整合治疗前和治疗中的CT图像以提升预测性能，并提出个性化的剂量递增方案	样本量相对较小，且仅来自三家医院，可能影响模型的泛化能力	预测非小细胞肺癌患者对放射治疗的反应，并实现个性化治疗	168名非小细胞肺癌患者	digital pathology	lung cancer	CT扫描	LSTM	image	168名患者（35名来自SGH，93名来自SCH，40名来自LCH）
10	2025-07-19	The future of Alzheimer's disease risk prediction: a systematic review 2025-Aug, Neurological sciences : official journal of the Italian Neurological Society and of the Italian Society of Clinical Neurophysiology IF:2.7Q3 DOI:10.1007/s10072-025-08167-x PMID:40220257	系统综述	本文系统综述了机器学习在阿尔茨海默病风险预测中的应用，包括MRI、遗传学、放射组学和医学数据的使用	整合了传统和AI模型，全面分析了神经影像和非神经影像特征在阿尔茨海默病预测中的应用	仅纳入了2000年至2024年的120项研究，可能遗漏了一些早期或近期的重要研究	评估AI和机器学习在阿尔茨海默病风险预测中的潜力，以改善早期诊断和个性化干预策略	阿尔茨海默病的风险预测模型	机器学习	阿尔茨海默病	MRI、遗传学、放射组学	深度学习(DL)、机器学习(ML)	神经影像数据、非神经影像数据	120项研究
11	2025-07-19	Development of a deep learning method for phase retrieval image enhancement in phase contrast microcomputed tomography 2025-Aug, Journal of microscopy IF:1.5Q3 DOI:10.1111/jmi.13419 PMID:40357880	研究论文	开发了一种基于深度学习的相位检索图像增强方法，用于相位对比显微计算机断层扫描	提出了一种名为EVEPR的深度学习方法，通过整合去噪EEC和PR图像的互补空间特征，解决了传统相位检索算法过度平滑和噪声敏感的问题	该方法主要针对低密度材料（如水凝胶构建体）的图像处理，可能不适用于其他类型的材料	提高相位对比显微计算机断层扫描的图像质量，改善低密度材料的可视化和分割效率	低密度材料（如软组织和体外及离体的水凝胶构建体）	计算机视觉	NA	相位对比显微计算机断层扫描（PBI-µCT）	CNN	图像	体外及离体的PBI-µCT图像数据集
12	2025-07-19	Portable Ultrasound Bladder Volume Measurement Over Entire Volume Range Using a Deep Learning Artificial Intelligence Model in a Selected Cohort: A Proof of Principle Study 2025-Aug, Neurourology and urodynamics IF:1.8Q3 DOI:10.1002/nau.70057 PMID:40384598	研究论文	本研究探讨了使用深度学习人工智能模型在便携式超声膀胱扫描仪上测量膀胱体积的准确性	使用深度学习AI模型（AI-BV）在便携式超声设备上测量膀胱体积，相比传统方法（C-BV）更准确	研究仅在特定队列中进行内部验证，外部队列的性能和临床相关性需进一步研究	比较深度学习AI模型和传统方法在测量膀胱体积上的准确性	250名因下尿路症状接受充盈性膀胱测压的患者（213名男性，37名女性）	数字病理学	下尿路症状	便携式超声膀胱扫描仪（PUBS）	深度学习AI模型	超声图像	250名患者，1912张膀胱图像
13	2025-07-19	Exploring Machine Learning Models for Vault Safety in ICL Implantation: A Comparative Analysis of Regression and Classification Models 2025-Aug, Ophthalmology and therapy IF:2.6Q2 DOI:10.1007/s40123-025-01173-4 PMID:40493108	研究论文	本研究评估了机器学习模型在预测植入式Collamer镜片（ICL）V4c植入术后拱高方面的性能，比较了回归和分类方法的效果	首次比较了回归和分类模型在预测ICL术后拱高方面的性能，并发现分类模型在临床应用中更具优势	所有模型在准确分类极端拱高类别时面临挑战	评估机器学习模型预测ICL植入术后拱高的性能	植入ICL V4c的患者术后拱高数据	机器学习	眼科疾病	梯度提升、随机森林和CatBoost算法	随机森林、梯度提升、CatBoost	生物计量和人口统计数据	NA
14	2025-07-19	Enhancing HF-DL Model Validation for Liver Fibrosis Staging Through Sample Optimisation and Technical Integration 2025-Aug, Liver international : official journal of the International Association for the Study of the Liver IF:6.0Q1 DOI:10.1111/liv.70214 PMID:40607661	comments	本文对Zhang等人的研究进行了讨论，重点关注了基于高频超声图像的深度学习模型在慢性乙型肝炎患者肝纤维化分期中的表现	强调了通过样本优化和技术整合来增强高频深度学习模型验证的创新点	未提及具体的研究局限性	探讨高频深度学习模型在肝纤维化分期中的验证优化	慢性乙型肝炎患者的肝纤维化分期	digital pathology	liver fibrosis	高频超声成像	深度学习模型	超声图像	NA
15	2025-07-19	Brain Age Prediction: Deep Models Need a Hand to Generalize 2025-Aug-01, Human brain mapping IF:3.5Q1 DOI:10.1002/hbm.70254 PMID:40667664	研究论文	该研究探讨了如何通过深度学习和数据预处理技术提高基于T1加权MRI的脑龄预测模型的泛化能力和临床适用性	通过综合预处理、广泛的数据增强和模型正则化，显著减少了脑龄预测模型的泛化误差，并提高了对配准错误的鲁棒性	研究依赖于特定数据集(UK Biobank)，在其他医疗影像数据上的泛化能力仍需进一步验证	提高脑龄预测模型的泛化能力和临床适用性	T1加权MRI脑部扫描图像	数字病理学	阿尔茨海默病	T1加权MRI	SFCN-reg(基于VGG-16架构)	医学影像	UK Biobank数据集、阿尔茨海默病神经影像计划数据集(ADNI)和澳大利亚影像、生物标志物和生活方式数据集(AIBL)
16	2025-07-19	A dataset for classifying phrases and sentences into statements, questions, or exclamations based on sound pitch 2025-Aug, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2025.111826 PMID:40677266	research paper	该论文介绍了一个基于声音音高的短语和句子分类数据集，用于区分陈述句、疑问句和感叹句	提出了一个包含12,660个专业录制的库尔德语语音片段的数据集SQEBSP，专注于音高变化在韵律分类任务中的应用	数据集仅限于库尔德语，可能不适用于其他语言	开发基于音高的语音分类算法，促进缺乏资源的语言的发音建模	库尔德语语音片段	natural language processing	NA	Mel-Frequency Cepstral Coefficients (MFCCs)	NA	audio	12,660个语音片段，由431名库尔德语母语者录制
17	2025-07-19	Recognition and classification of facial expression using artificial intelligence as a key of early detection in neurological disorders 2025-Jul-28, Reviews in the neurosciences IF:3.4Q2 DOI:10.1515/revneuro-2024-0125 PMID:39829206	综述	本文综述了人工智能在面部表情识别与分类中的应用，及其在神经退行性疾病早期检测中的潜力	探讨了AI技术（如深度学习和计算机视觉）在识别与神经退行性疾病相关的微妙面部表情变化中的创新应用	面临技术挑战和伦理考量，且尚未广泛应用于临床实践	评估AI驱动的面部表情分析在神经退行性疾病早期检测和监测中的应用	神经退行性疾病（如阿尔茨海默病和帕金森病）患者的面部表情	计算机视觉	神经退行性疾病	深度学习和计算机视觉	深度学习模型	图像	NA
18	2025-07-19	Deep learning for enhancing automatic classification of M-PSK and M-QAM waveform signals dedicated to single-relay cooperative MIMO 5G systems 2025-Jul-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-10738-z PMID:40676088	研究论文	本文提出了一种基于深度学习的自动调制分类方法，用于识别单中继协作MIMO 5G系统中的M-PSK和M-QAM波形信号	利用CNN分类器在减少的判别特征集上进行训练，包括高阶统计量和差分非线性相位峰值因子，并通过Gram-Schmidt正交化过程降低特征维度以提高训练效率	在低信噪比等挑战性条件下进行评估，但未提及在实际5G系统中的实时性能测试	提升单中继协作MIMO 5G系统中自动调制分类的性能	M-PSK和M-QAM波形信号	机器学习	NA	自动调制分类(AMC)	CNN	信号数据	NA
19	2025-07-19	Biochar-Augmented Anaerobic Digestion System: Insights from an Interpretable Stacking Ensemble Deep Learning 2025-Jul-18, Environmental science & technology IF:10.8Q1 DOI:10.1021/acs.est.5c05051 PMID:40676947	研究论文	本研究提出了一种通过可解释的堆叠集成深度学习模型优化生物炭增强厌氧消化系统的综合方法	结合卷积神经网络和长短期记忆网络的堆叠集成框架，有效捕捉厌氧消化过程中的复杂相互依赖关系，并提高甲烷产量预测的准确性	模型在外部独立实验室规模数据集上的预测性能相对较低（R²为0.68）	优化生物炭增强厌氧消化系统，提高甲烷产量并保持过程稳定性	厌氧消化系统中的生物炭、原料特性、操作条件和稳定性指标	机器学习	NA	深度学习	CNN, LSTM, 堆叠集成模型	实验数据（包括原料特性、操作条件、生物炭性质和稳定性指标）	NA
20	2025-07-19	Deep learning enhanced deciphering of brain activity maps for discovery of therapeutics for brain disorders 2025-Jul-18, iScience IF:4.6Q1 DOI:10.1016/j.isci.2025.112868 PMID:40678509	research paper	本研究介绍了一个名为DeepBAM的人工智能增强筛选平台，用于通过深度学习大规模全脑活动图（BAMs）来预测神经药理作用	利用深度学习解析大规模全脑活动图，无需先验化学信息即可预测非临床化合物的治疗潜力	预测准确率在验证集中为45%，仍有提升空间	开发人工智能平台以辅助发现脑部疾病的治疗方法	活体、药物响应的斑马鱼幼虫的全脑活动图	machine learning	Parkinson's disease, epilepsy	automated microfluidics, high-speed microscopy	deep learning	image	大规模全脑活动图库，具体数量未提及