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
201	2025-04-27	Automatic segmentation and visualization of cortical and marrow bone in mandibular condyle on CBCT: a preliminary exploration of clinical application 2025-Jan, Oral radiology IF:1.6Q3 DOI:10.1007/s11282-024-00780-4 PMID:39520662	research paper	开发了一种基于深度学习的自动分割方法，用于锥形束计算机断层扫描（CBCT）图像中下颌髁突的皮质和骨髓分割，并探索其临床应用	提出了一种改进的3D U-net分割网络，用于同时分割下颌髁突的皮质和骨髓，并展示了其在辅助初级放射科医生诊断中的潜力	研究仅基于3个中心的490例CBCT图像，样本来源有限	开发一种高效准确的下颌髁突皮质和骨髓自动分割方法，并探索其临床应用	下颌髁突的皮质和骨髓	digital pathology	TMJ-related interventions	CBCT	3D U-net	image	490例CBCT图像中的825个髁突
202	2025-04-27	Expert level of detection of interictal discharges with a deep neural network 2025-Jan, Epilepsia IF:6.6Q1 DOI:10.1111/epi.18164 PMID:39530797	研究论文	本文比较了深度神经网络与专家在检测脑电图（EEG）中癫痫样放电（IEDs）方面的表现	深度神经网络在IED检测中的性能与临床专家相当，且在特定条件下优于现有工具Persyst	研究结果受到专家间高变异性的影响，且外部验证的样本量相对较小	评估深度神经网络在自动化检测EEG中IEDs的潜在应用价值	EEG记录中的癫痫样放电（IEDs）	数字病理学	癫痫	EEG	深度神经网络	EEG信号	内部验证包括22个有IEDs的EEG研究和28个对照EEG研究，外部验证包括174个EEG研究
203	2025-04-27	Enhancing detection of various pancreatic lesions on endoscopic ultrasound through artificial intelligence: a basis for computer-aided detection systems 2025-Jan, Journal of gastroenterology and hepatology IF:3.7Q2 DOI:10.1111/jgh.16814 PMID:39538430	research paper	开发并测试基于人工智能的计算机辅助检测系统，用于实时检测和分割内镜超声（EUS）中的胰腺病变	首次将深度学习模型应用于EUS中胰腺病变的实时检测和分割，为计算机辅助检测系统奠定基础	单中心研究，样本量相对有限，需要进一步验证和推广	提高内镜超声（EUS）对胰腺病变的检测准确性和减少操作依赖性	胰腺病变（包括恶性肿瘤、神经内分泌肿瘤、良性囊肿、急慢性胰腺炎等）	digital pathology	pancreatic lesions	EUS, deep learning	deep learning models	image	165名患者的1497张EUS图像
204	2025-04-27	Automatic localization and deep convolutional generative adversarial network-based classification of focal liver lesions in computed tomography images: A preliminary study 2025-Jan, Journal of gastroenterology and hepatology IF:3.7Q2 DOI:10.1111/jgh.16803 PMID:39542428	研究论文	开发了一种基于深度学习的定位和分类系统，用于计算机断层扫描图像中的局灶性肝病变	使用生成对抗网络进行数据增强，开发了一个深度学习系统，能够辅助医生进行更稳健的临床决策	研究为初步研究，样本量相对有限，且仅使用了回顾性数据	开发一个自动定位和分类系统，以辅助医生诊断局灶性肝病变	计算机断层扫描图像中的局灶性肝病变	计算机视觉	肝病	生成对抗网络	GAN	图像	1589名患者，包含17335张切片和3195个局灶性肝病变
205	2025-04-27	Semi-Supervised Detection Model Based on Adaptive Ensemble Learning for Medical Images 2025-Jan, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2023.3282809 PMID:37339032	research paper	本文提出了一种基于自适应集成学习的半监督检测模型，用于医学图像处理，特别是在内窥镜检测中实现高效和准确的端到端检测	提出了一种新的集成机制Al-Adaboost，结合了两个层次模型的决策，通过自适应调整标记样本和分类器的权重，以及为非标记样本分配伪标签，提高了检测的准确性和效率	模型在标记样本不足的情况下表现可能受限，且仅在内窥镜数据上进行了验证	开发一种高效且准确的医学图像检测模型，特别是在内窥镜检测领域	结肠镜和喉镜数据，来自CVC-ClinicDB和高雄医科大学附属医院	digital pathology	NA	semi-supervised learning, ensemble learning	Al-Adaboost, RAM (Recurrent Attention Model)	medical images	结肠镜和喉镜数据，具体样本数量未提及
206	2025-04-27	Lymph Node Metastasis Prediction From In Situ Lung Squamous Cell Carcinoma Histopathology Images Using Deep Learning 2025-Jan, Laboratory investigation; a journal of technical methods and pathology DOI:10.1016/j.labinv.2024.102187 PMID:39542104	研究论文	本研究利用深度学习模型从肺鳞状细胞癌组织病理学图像中预测淋巴结转移，提供了一种更准确和客观的诊断和预后方法	采用创新的技术如补丁似然直方图和词袋方法表示全切片图像特征，并使用ExtraTrees算法训练机器学习分类器，构建了名为LN_ISLUSCH的模型	需要更大和更多样化的队列来验证模型，并探索整合其他组学数据以提高预测准确性和临床实用性	预测肺鳞状细胞癌的淋巴结转移，提高病理诊断的精确性	肺鳞状细胞癌（LUSC）的原发肿瘤组织病理学图像	数字病理学	肺癌	深度学习、多实例学习、迁移学习	ResNet-18、ExtraTrees算法	图像	来自Outdo-LUSC和癌症基因组图谱队列的全切片图像（WSIs）
207	2025-04-25	Retraction: Unreferenced English articles' translation quality-oriented automatic evaluation technology using sparse autoencoder under the background of deep learning 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0322063 PMID:40267925	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
208	2025-04-27	Elevator fault precursor prediction based on improved LSTM-AE algorithm and TSO-VMD denoising technique 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0320566 PMID:40273057	研究论文	提出一种结合VMD、BILSTM和AEAM的电梯故障前兆预测方法，提升预测的稳定性和准确性	整合VMD、BILSTM和AEAM算法，提出VMD-BILSTM-AEAM模型，有效解决电梯运行数据中的特征冗余和噪声干扰问题	未提及模型在极端噪声环境下的表现或对其他类型机械故障的适用性	提升电梯故障前兆预测的准确性和稳定性	电梯运行参数（电流、电压、运行速度等）	机器学习	NA	VMD（变分模态分解）、BILSTM（双向长短期记忆网络）、AEAM（带注意力机制的自编码器）	VMD-BILSTM-AEAM	时间序列数据	未明确提及具体样本数量，仅提到电梯运行参数数据集
209	2025-04-27	Leveraging deep learning models to increase the representation of nomadic pastoralists in health campaigns and demographic surveillance 2025, PLOS global public health DOI:10.1371/journal.pgph.0004018 PMID:40273062	研究论文	本文提出了一种基于计算机视觉的方法，通过卫星图像自动定位游牧民族定居点，以提高健康服务和人口监测中的代表性	利用公开的道路和水基础设施数据，开发了一种新的训练策略，解决了标记定居点数据不足带来的性能差距	研究依赖于卫星图像的质量和分辨率，且模型在更大范围内的适用性尚未验证	提高游牧民族在健康服务和人口监测中的代表性	游牧民族定居点	计算机视觉	NA	深度学习	深度学习模型	卫星图像	约1,000个历史活跃定居点的卫星图像数据集，覆盖埃塞俄比亚奥莫河谷和肯尼亚桑布鲁县
210	2025-04-27	N-Beats architecture for explainable forecasting of multi-dimensional poultry data 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0320979 PMID:40273069	研究论文	本研究提出了一种新颖的N-BEATS架构应用，用于多维度家禽数据预测，并通过集成的可解释AI（XAI）框架增强了可解释性	首次将N-BEATS架构应用于家禽数据预测，并结合XAI框架提高模型的可解释性	NA	优化家禽生产中的预测分析，提升农场管理决策效率	家禽疾病诊断的多维数据	机器学习	NA	时间序列建模	N-BEATS	多元时间序列数据	NA
211	2025-04-27	Definer: A computational method for accurate identification of RNA pseudouridine sites based on deep learning 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0320077 PMID:40273178	研究论文	提出了一种基于深度学习的计算方法Definer，用于准确识别RNA假尿苷位点	结合了NCP和One-hot两种序列编码方案，并利用CNN、GRU和Attention构建深度学习模型	仅针对三种物种（智人、酿酒酵母和小鼠）进行了测试	准确识别RNA假尿苷位点，以解释该修饰位点的功能机制	RNA假尿苷位点	生物信息学	NA	深度学习	CNN, GRU, Attention	RNA序列数据	三种物种（智人、酿酒酵母和小鼠）的基准数据集
212	2025-04-27	Intelligent recognition of human activities using deep learning techniques 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0321754 PMID:40273193	research paper	该研究利用深度学习技术，通过集成3D-AlexNet-RF和InceptionV3 Google-Net模型，提高了RGB视频中人类活动识别的准确性	采用集成方法结合两种深度学习模型的预测结果，显著提升了人类活动识别的性能	研究仅基于HMDB51数据集进行评估，可能在其他数据集上的泛化能力有待验证	提升人类活动识别（HAR）的准确性，以改善患者护理、增强安全监控和促进人机交互	RGB视频中的人类活动	computer vision	NA	深度学习	3D-AlexNet-RF, InceptionV3 Google-Net	video	HMDB51数据集
213	2025-04-27	ToxDL 2.0: Protein toxicity prediction using a pretrained language model and graph neural networks 2025, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2025.04.002 PMID:40276117	研究论文	介绍了一种名为ToxDL 2.0的新型多模态深度学习模型，用于预测蛋白质毒性	整合了来自预训练语言模型和AlphaFold2的进化和结构信息，通过图卷积网络（GCN）模块、域嵌入模块和密集模块来预测蛋白质毒性	未提及具体局限性	开发高效的计算方法来预测蛋白质毒性，替代传统耗时、昂贵且劳动密集型的实验方法	蛋白质	机器学习	NA	预训练语言模型、AlphaFold2、图卷积网络（GCN）	GCN	蛋白质序列和结构数据	原始非冗余测试集（2022年前的蛋白质序列）和独立非冗余测试集（2022年后的蛋白质序列）
214	2025-04-27	An empirical study of preventive healthcare policy under the synergy of education and corporate financial monitoring 2025, Frontiers in public health IF:3.0Q2 DOI:10.3389/fpubh.2025.1540618 PMID:40276349	研究论文	本研究通过结合教育和企业财务监控，探讨预防性医疗政策的有效性	利用企业财务监控作为新视角评估预防性医疗政策的效果，结合深度学习和动态风险建模技术	传统方法忽视了经济因素与健康结果之间的动态相互作用	提高预防性医疗政策的有效性，优化公共健康结果	预防性医疗政策及其社会经济影响	机器学习	NA	深度学习，动态风险建模	Advanced Financial Monitoring Neural Framework (AFMNF), Dynamic Risk-Adaptive Framework (DRAF)	财务指标，健康政策数据	NA
215	2025-04-27	Frontotemporal dementia: a systematic review of artificial intelligence approaches in differential diagnosis 2025, Frontiers in aging neuroscience IF:4.1Q2 DOI:10.3389/fnagi.2025.1547727 PMID:40276595	系统综述	本文系统综述了人工智能方法在额颞叶痴呆鉴别诊断中的应用	评估了当前机器学习模型在区分额颞叶痴呆与其他神经系统疾病中的优势和局限性，并提出了多模态数据整合的建议	样本量小、类别不平衡和缺乏标准化限制了模型的泛化能力	提高额颞叶痴呆的早期和准确鉴别诊断	额颞叶痴呆及其亚型与其他痴呆症（如阿尔茨海默病）的患者	自然语言处理	老年疾病	机器学习	SVM, CNN	神经影像和电生理数据	6,544名痴呆患者（包括2,984名额颞叶痴呆患者、3,437名阿尔茨海默病患者、103名轻度认知障碍患者和20名帕金森病痴呆或可能的路易体痴呆患者）
216	2025-04-27	Improving healthcare sustainability using advanced brain simulations using a multi-modal deep learning strategy with VGG19 and bidirectional LSTM 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1574428 PMID:40276738	research paper	该研究提出了一种结合深度学习和集成学习方法的多模态方案，用于改进MRI上的脑肿瘤分类	结合预训练的VGG19网络、双向LSTM和LightGBM分类器，利用空间特征提取和序列依赖学习的互补优势	未提及具体的数据集规模或多样性限制	提高脑肿瘤分类的准确性和鲁棒性，以增强医疗成像诊断应用	MRI图像中的脑肿瘤	digital pathology	brain tumor	deep learning, ensemble learning	VGG19, Bidirectional LSTM, LightGBM	MRI images	NA
217	2025-04-27	A divide-and-conquer approach based on deep learning for long RNA secondary structure prediction: Focus on pseudoknots identification 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0314837 PMID:40279361	研究论文	提出了一种基于深度学习的DivideFold方法，用于预测长RNA二级结构，特别是假结	采用分治法结合深度学习，能够处理长RNA序列和假结预测，性能优于现有方法	未提及具体的数据集规模或计算资源需求	提高长RNA二级结构及假结的预测准确性	长RNA序列及其二级结构	生物信息学	NA	深度学习	未明确说明（可能为CNN或RNN变体）	RNA序列数据	未明确说明（提供开源数据集但未提具体数量）
218	2025-04-27	Towards sustainable architecture: Enhancing green building energy consumption prediction with integrated variational autoencoders and self-attentive gated recurrent units from multifaceted datasets 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0317514 PMID:40279377	研究论文	本研究提出了一种结合时间依赖变分自编码器(TD-VAE)和自适应门控自注意力GRU(AGSA-GRU)的深度学习框架，用于绿色建筑能耗预测	整合了自注意力机制和多任务学习策略，能捕捉能耗时间序列数据的长期依赖和复杂模式，同时优化预测准确性和异常检测	仅在两个公开的绿色建筑能耗数据集上验证，未在其他建筑类型或更大规模数据上测试	开发高效的绿色建筑能耗预测方法，促进建筑行业的节能减排和可持续发展	绿色建筑的能源消耗数据	机器学习	NA	时间序列分析	TD-VAE, AGSA-GRU	时间序列数据	两个公开的绿色建筑能耗数据集
219	2025-04-27	CT-Based Lung Size Matching in Delayed Chest Closure for Systemic Sclerosis Lung Transplantation 2024-Dec, Clinical transplantation IF:1.9Q3 DOI:10.1111/ctr.70041 PMID:39601250	research paper	本研究探讨了系统性硬化症患者肺移植中延迟胸廓闭合的临床结果、风险因素及基于CT的肺大小匹配参数	首次在系统性硬化症患者中研究延迟胸廓闭合的临床结果，并利用深度学习算法自动计算CT影像中的肺和胸腔体积	研究为回顾性设计，样本量相对较小（92例患者）	评估系统性硬化症患者肺移植中延迟胸廓闭合的临床效果和预测因素	92例接受双侧肺移植的系统性硬化症患者	digital pathology	systemic sclerosis	CT成像和深度学习算法	深度学习算法（未指定具体模型）	CT影像和临床数据	92例系统性硬化症患者（年龄51±10岁，61%为女性）
220	2025-04-27	Advances in artificial intelligence-based technologies for increasing the quality of medical products 2024-Nov-30, Daru : journal of Faculty of Pharmacy, Tehran University of Medical Sciences IF:2.5Q3 DOI:10.1007/s40199-024-00548-5 PMID:39613923	综述	本文综述了人工智能在提高医疗产品质量方面的最新技术进展	探讨了AI在预测药物靶蛋白行为、优化药物物理化学特性及加速产品开发方面的创新应用	未具体说明AI技术在医疗产品应用中面临的技术或伦理挑战	概述AI技术在医疗领域中的应用及其对提高产品质量、成本效益和安全性的潜力	医疗产品及其开发过程	人工智能在医学中的应用	NA	机器学习（ML）、深度学习	NA	NA	NA