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
181	2025-05-16	When the lung invades: a review of avian postcranial skeletal pneumaticity 2025-Feb-27, Philosophical transactions of the Royal Society of London. Series B, Biological sciences DOI:10.1098/rstb.2023.0427 PMID:40010393	review	本文综述了鸟类颅后骨骼气腔现象（PSP）的功能和进化意义，结合解剖学、发育学、生物力学和古生物学文献，并利用新数据进行验证	利用微计算机断层扫描和基于深度学习的分割技术，建立了鸭颈部气腔的初步模型，为定量比较分析提供了新方法	气腔化起始和范围的细胞机制及发育过程尚不清楚，需未来研究	探讨鸟类颅后骨骼气腔现象的功能和进化意义	鸟类颅后骨骼气腔现象（PSP）	生物力学	NA	微计算机断层扫描、深度学习	深度学习模型	图像	NA
182	2025-05-16	Diagnosis of Lung Cancer Using Endobronchial Ultrasonography Image Based on Multi-Scale Image and Multi-Feature Fusion Framework 2025-Feb-27, Tomography (Ann Arbor, Mich.) DOI:10.3390/tomography11030024 PMID:40137564	研究论文	本研究开发了一种基于多尺度图像和多特征融合框架的计算机辅助诊断系统，用于通过支气管内超声图像诊断肺癌	提出了M3-Net，一个基于注意力机制的多分支框架，整合多种特征以提高肺癌诊断性能	样本量相对较小，仅包含95例患者病例	开发一种计算机辅助诊断系统，以促进肺癌的早期检测并提高患者生存率	支气管内超声图像	数字病理学	肺癌	深度学习算法	M3-Net	图像	95例患者病例（13例良性，82例恶性），共1140张EBUS图像
183	2025-05-16	Deep Learning for Ultrasonographic Assessment of Temporomandibular Joint Morphology 2025-Feb-27, Tomography (Ann Arbor, Mich.) DOI:10.3390/tomography11030027 PMID:40137567	research paper	本研究开发并验证了一种基于AI的自动测量颞下颌关节超声图像空间宽度的方法	首次将AI驱动的分割和测量算法应用于颞下颌关节超声图像的自动分析	对关节窝的分割性能较低(Dice: 0.60 ± 0.24)，这与其复杂的几何形状有关	开发一种自动且可重复的颞下颌关节超声图像空间宽度测量方法	颞下颌关节超声图像	digital pathology	temporomandibular joint disorders	ultrasonography	2D Residual U-Net	image	142张颞下颌关节超声图像
184	2025-05-16	ADMM-TransNet: ADMM-Based Sparse-View CT Reconstruction Method Combining Convolution and Transformer Network 2025-Feb-26, Tomography (Ann Arbor, Mich.) DOI:10.3390/tomography11030023 PMID:40137562	research paper	提出了一种结合ADMM迭代算法框架与CNN和Transformer模型的稀疏视图CT重建方法，以减少对数据样本的依赖并提高图像重建精度	结合模型驱动与数据驱动方法，利用ADMM框架约束网络减少数据依赖，并引入CNN和Transformer模型增强图像全局与局部表征能力	未明确提及具体局限性	提升稀疏视图CT扫描的重建精度并降低辐射暴露风险	稀疏视图CT扫描数据	computer vision	NA	ADMM迭代算法、CNN、Transformer	ADMM-TransNet（CNN+Transformer）	CT图像	未明确提及具体样本量
185	2025-05-16	Deep Learning-Based Tumor Segmentation of Murine Magnetic Resonance Images of Prostate Cancer Patient-Derived Xenografts 2025-Feb-22, Tomography (Ann Arbor, Mich.) DOI:10.3390/tomography11030021 PMID:40137561	研究论文	本文开发了一种基于深度学习的自动化分割流程，用于小鼠模型中前列腺癌患者来源的异种移植物的MRI图像分割	提出了一种结合切片分类器和多种U-Net架构的分割流程，特别是在肾脏肿瘤中表现最佳的密集残差循环U-Net架构	研究仅针对小鼠模型，未在人类患者中进行验证	开发自动化工具以监测和表征前列腺癌患者来源的异种移植物的肿瘤生长	小鼠模型中植入的六种不同前列腺癌患者来源的异种移植物	数字病理学	前列腺癌	MRI	U-Net, 密集残差循环U-Net	图像	六种不同前列腺癌患者来源的异种移植物，植入部位包括肾脏、肝脏和胫骨
186	2025-05-16	Utilization of Classification Learning Algorithms for Upper-Body Non-Cyclic Motion Prediction 2025-Feb-20, Sensors (Basel, Switzerland) DOI:10.3390/s25051297 PMID:40096019	research paper	本研究探索了使用分类算法预测非周期性上肢运动的两种方法	采用KNN和深度学习模型从sEMG信号预测运动特征，深度学习模型能在肌肉电激活前以90%以上的确定性预测运动特征	未来可探索基于回归的预测模型以提高预测精度，并研究其在串联或可穿戴机器人应用中对流畅性的影响	提高外骨骼系统的控制流畅性，减少能量消耗和不适感	非周期性上肢运动	machine learning	NA	表面肌电图（sEMG）	KNN, deep neural network	sEMG信号	来自肘部周围六块肌肉的数据
187	2025-05-16	Integrating ultrasound radiomics and clinicopathological features for machine learning-based survival prediction in patients with nonmetastatic triple-negative breast cancer 2025-Feb-18, BMC cancer IF:3.4Q2 DOI:10.1186/s12885-025-13635-w PMID:39966783	研究论文	本研究评估了基于超声放射组学和临床病理特征的机器学习模型在三阴性乳腺癌患者生存分析中的预测价值	结合超声放射组学和临床病理特征开发了新的预测模型，用于三阴性乳腺癌患者的生存分析	研究样本量相对较小，且需要外部验证以进一步确认模型的泛化能力	评估机器学习模型在三阴性乳腺癌患者生存分析中的预测价值	非转移性三阴性乳腺癌患者	数字病理	乳腺癌	超声放射组学	深度学习算法	图像	训练队列306例，内部验证队列77例，前瞻性外部验证队列82例
188	2025-05-16	Multicenter study on predicting postoperative upper limb muscle strength improvement in cervical spinal cord injury patients using radiomics and deep learning 2025-Feb-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-72539-0 PMID:39962172	research paper	本研究旨在评估基于机器学习的放射组学方法在预测脊髓损伤患者预后方面的准确性	结合放射组学和深度迁移学习特征，利用MRI图像预测颈椎脊髓损伤患者术后上肢肌力改善情况	样本量较小（82例患者），且为回顾性研究	评估放射组学方法在预测脊髓损伤患者预后中的准确性	82例颈椎脊髓损伤患者	digital pathology	spinal cord injury	MRI, 放射组学, 深度迁移学习	random forest (RF), ResNet34	MRI图像	82例患者（49例预后良好，33例预后不良）
189	2025-05-16	Development and Evaluation of a Deep Learning-Based Pulmonary Hypertension Screening Algorithm Using a Digital Stethoscope 2025-Feb-04, Journal of the American Heart Association IF:5.0Q1 DOI:10.1161/JAHA.124.036882 PMID:39895552	研究论文	开发并评估了一种基于深度学习的肺动脉高压筛查算法，使用数字听诊器进行早期检测	利用深度学习算法结合数字听诊器，提供了一种低成本、非侵入性且易于获取的肺动脉高压筛查工具	测试数据集的敏感性和特异性分别为0.71和0.73，仍有提升空间	开发一种易于获取的筛查工具，用于早期检测肺动脉高压，以改善预后和及时治疗	肺动脉高压患者	数字病理学	心血管疾病	深度学习	深度卷积网络	心音图（PCG）	约6000个带对应超声心动图的心音图记录和约169000个无心音图记录的训练数据，以及196名患者的测试数据集
190	2025-05-16	Machine learning tool for predicting mature oocyte yield and trigger day from start of stimulation: towards personalized treatment 2025-02, Reproductive biomedicine online IF:3.7Q1 DOI:10.1016/j.rbmo.2024.104441 PMID:39708575	研究论文	开发了一种基于深度学习的机器学习工具，用于预测卵巢刺激周期开始时的成熟卵母细胞数量和触发日	提出了两种新颖的渐进式机器学习算法，能够高精度预测触发日和成熟卵母细胞数量	需要纳入更多数据和来自不同诊所的验证	开发个性化治疗工具，预测卵巢刺激结果	卵巢刺激周期	机器学习	生殖医学	深度学习	深度学习算法	临床数据	56,490个卵巢刺激周期（主要数据集），其中13,090个用于模型开发，5,103个用于临床验证
191	2025-05-16	SS-DTI: A deep learning method integrating semantic and structural information for drug-target interaction prediction 2025-Feb, Journal of bioinformatics and computational biology IF:0.9Q4 DOI:10.1142/S0219720025500027 PMID:40134345	research paper	提出了一种名为SS-DTI的深度学习方法，整合语义和结构信息用于药物-靶点相互作用预测	SS-DTI是一种新颖的端到端深度学习方法，整合了药物和蛋白质的语义与结构信息，通过多尺度语义特征提取块和GCNs来捕获局部和全局信息	NA	提高药物-靶点相互作用预测的准确性和效率	药物和蛋白质分子	machine learning	NA	deep learning	GCNs (Graph Convolutional Networks)	序列数据和结构数据	四个基准数据集
192	2025-05-16	Drug repurposing for non-small cell lung cancer by predicting drug response using pathway-level graph convolutional network 2025-Feb, Journal of bioinformatics and computational biology IF:0.9Q4 DOI:10.1142/S0219720025500015 PMID:40134346	research paper	该研究提出了一种基于通路-通路相互作用网络的图卷积网络模型，用于预测药物反应并识别非小细胞肺癌的潜在药物再利用候选药物	该模型首次将已知的生物通路-通路相互作用整合到药物反应预测中，通过图卷积操作更有效地表示癌细胞系的特征	研究仅基于GDSC1000数据集进行验证，未在其他独立数据集上测试模型性能	开发更有效的药物反应预测模型以识别非小细胞肺癌的潜在再利用药物	非小细胞肺癌(NSCLC)和现有药物	machine learning	lung cancer	graph convolutional network	GCN	pathway-pathway interaction network	GDSC1000数据集
193	2025-05-16	Task-specific deep learning-based denoising for UHR cardiac PCD-CT adaptive to imaging conditions and patient characteristics: Impact on image quality and clinical diagnosis and quantitative assessment 2025-Feb, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.3047283 PMID:40370652	research paper	开发了一种基于卷积神经网络(CNN)的去噪算法，用于超高清(UHR)光子计数探测器(PCD) CT图像，以优化不同成像条件和患者特征下的图像质量和临床诊断	提出了一种任务特定的深度学习去噪方法，能够根据不同的诊断任务、患者特征、扫描协议和图像重建设置自适应地优化图像质量	研究主要关注心脏CT，可能不适用于其他类型的CT扫描	优化UHR PCD-CT的图像质量，提高冠状动脉狭窄的定量评估准确性	超高清光子计数探测器CT图像	digital pathology	cardiovascular disease	CT扫描	CNN	image	不同体型患者(水等效直径<300 mm, 300-320 mm, >320 mm)
194	2025-05-16	Advancing bioinformatics with large language models: components, applications and perspectives 2025-Jan-31, ArXiv PMID:38259343	综述	本文全面概述了大型语言模型(LLMs)在生物信息学中的基本组成部分、应用及未来展望	探讨了LLMs在解决生物信息学问题方面的潜力，特别是在基因组学、转录组学、蛋白质组学、药物发现和单细胞分析等领域的应用	NA	综述LLMs在生物信息学中的应用，并为LLMs用户和开发者提供实用指导	大型语言模型(LLMs)及其在生物信息学中的应用	生物信息学	NA	自监督或半监督学习	transformer模型	未标记的输入数据	NA
195	2025-05-16	Visual impairment prevention by early detection of diabetic retinopathy based on stacked auto-encoder 2025-Jan-20, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-85752-2 PMID:39833312	研究论文	提出一种基于增强堆叠自编码器的方法，用于糖尿病视网膜病变的早期检测和分类	与传统CNN方法相比，该方法通过降低时间复杂度、减少错误和增强降噪能力，提高了可靠性	NA	开发一种准确高效的糖尿病视网膜病变阶段分类方法，以预防视力损害	糖尿病视网膜病变患者	计算机视觉	糖尿病视网膜病变	堆叠自编码器(SAE)	SAE	图像	35,126张视网膜眼底图像
196	2025-05-16	Advances in computer vision and deep learning-facilitated early detection of melanoma 2025-Jan-15, Briefings in functional genomics IF:2.5Q3 DOI:10.1093/bfgp/elaf002 PMID:40139223	review	本文综述了计算机视觉和深度学习在黑色素瘤早期检测中的最新进展	整合了多种先进神经网络模型（如YOLO、GAN、Mask R-CNN、ResNet和DenseNet）以提升黑色素瘤的早期检测和诊断	未来研究需进一步提升技术、整合多模态数据并改善AI决策的可解释性以促进临床采用	探索AI技术在黑色素瘤早期检测中的应用及其对患者预后的潜在改善	黑色素瘤的早期检测和诊断	computer vision	melanoma	deep learning	YOLO, GAN, Mask R-CNN, ResNet, DenseNet	image	综合皮肤病数据集（如PH2、ISIC、DERMQUEST和MED-NODE）
197	2025-05-16	The Role of Artificial Intelligence in Health Care 2025-Jan-14, Nigerian journal of physiological sciences : official publication of the Physiological Society of Nigeria DOI:10.54548/njps.v39i1.1 PMID:40156806	review	本文综述了人工智能在医疗保健领域的广泛应用及其面临的挑战	全面探讨了AI在疾病诊断、个性化治疗、精准医学、医疗管理等多个医疗保健领域的创新应用	AI应用面临资金问题、监管障碍、数据隐私担忧以及与算法偏见和透明度相关的伦理考虑	探讨人工智能在医疗保健领域的角色和潜力	医疗保健系统及其相关技术应用	machine learning	NA	machine learning, deep learning, statistical analysis	NA	NA	NA
198	2025-05-16	HVSeeker: a deep-learning-based method for identification of host and viral DNA sequences 2025-Jan-06, GigaScience IF:11.8Q1 DOI:10.1093/gigascience/giaf037 PMID:40372723	research paper	HVSeeker是一种基于深度学习的工具，用于区分细菌和噬菌体序列	HVSeeker结合了两种模型（DNA序列和蛋白质分析）以及三种预处理方法（填充、contigs组装和滑动窗口），在识别未知噬菌体基因组方面表现优异	NA	开发一种能够从混合宏基因组中准确识别宿主和病毒序列的工具	细菌和噬菌体DNA序列	bioinformatics	NA	deep learning	HVSeeker (包含DNA序列和蛋白质分析两个模型)	DNA序列数据	测试数据来自NCBI和IMGVR数据库，序列长度范围200-1,500碱基对
199	2025-05-16	Session Introduction: AI and Machine Learning in Clinical Medicine: Generative and Interactive Systems at the Human-Machine Interface 2025, Pacific Symposium on Biocomputing. Pacific Symposium on Biocomputing DOI:10.1142/9789819807024_0003 PMID:39670359	评论	本文讨论了人工智能和机器学习在临床医学中的应用，特别是生成式和交互式系统在人机界面的作用	探讨了生成式AI和深度学习在从非结构化文本、图像和结构化数据中提取见解方面的创新	需要进一步研究以全面了解AI在医疗保健领域部署的广泛影响和潜在后果	探讨AI技术在临床医学中的应用及其潜力	AI和机器学习技术在医疗领域的应用	机器学习	NA	生成式AI, 深度学习	NA	非结构化文本, 图像, 结构化数据	NA
200	2025-05-16	Investigating the Differential Impact of Psychosocial Factors by Patient Characteristics and Demographics on Veteran Suicide Risk Through Machine Learning Extraction of Cross-Modal Interactions 2025, Pacific Symposium on Biocomputing. Pacific Symposium on Biocomputing DOI:10.1142/9789819807024_0013 PMID:39670369	研究论文	本研究旨在通过结合结构化电子健康记录（EHR）和非结构化EHR的语义NLP变量，提高自杀风险预测模型的准确性	引入参数α平衡结构化和非结构化数据的影响，发现中间α值在不同风险层级中表现最佳，并揭示了心理社会构建与患者特征之间的跨模态交互作用	研究主要基于退伍军人事务部的数据，可能无法完全推广到其他人群	提高自杀风险预测模型的准确性	退伍军人的电子健康记录（EHR）数据	机器学习	心理健康	NLP, XGBoost, SHAP, 岭回归	XGBoost, 岭回归	结构化与非结构化电子健康记录（EHR）数据	NA