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	2025-04-29	Rosette Trajectory MRI Reconstruction with Vision Transformers 2025-Apr-01, Tomography (Ann Arbor, Mich.) DOI:10.3390/tomography11040041 PMID:40278708	research paper	提出了一种结合逆傅里叶变换和增强卷积层的视觉变换器（ViT）网络的高效玫瑰花轨迹磁共振成像重建流程	利用ViT网络处理复杂空间依赖关系的能力，无需大量预处理即可从非笛卡尔数据重建高质量图像	NA	提高玫瑰花轨迹磁共振成像的重建质量和效率	玫瑰花轨迹磁共振成像数据	computer vision	NA	逆傅里叶变换	ViT	image	NA
202	2025-04-29	GONNMDA: A Ordered Message Passing GNN Approach for miRNA-Disease Association Prediction 2025-Apr-01, Genes IF:2.8Q2 DOI:10.3390/genes16040425 PMID:40282386	research paper	该论文提出了一种名为GONNMDA的图神经网络方法，用于预测miRNA与疾病之间的关联	GONNMDA通过整合多源相似性特征、构建异构图并应用有序门控消息传递机制，有效解决了异质性和过平滑问题	论文未明确提及具体的研究局限性	开发一种高效的深度学习方法用于预测miRNA与疾病之间的关联	microRNAs (miRNAs) 与疾病之间的关联	machine learning	breast cancer, rectal cancer, lung cancer	high-throughput sequencing	GNN, multilayer perceptron	biological network data	NA
203	2025-04-29	Accurate treatment effect estimation using inverse probability of treatment weighting with deep learning 2025-Apr, JAMIA open IF:2.5Q3 DOI:10.1093/jamiaopen/ooaf032 PMID:40290454	研究论文	本研究利用深度序列模型通过逆处理概率加权（IPTW）准确估计处理效应，无需特征处理	提出使用深度序列模型（如RNN和Transformer）直接从索赔记录中估计倾向得分，无需特征处理，提高了处理效应估计的准确性	研究主要基于合成和半合成数据集，实际电子健康记录（EHRs）中的复杂情况可能未被完全覆盖	在存在时间依赖性混杂因素的情况下，利用IPTW准确估计处理效应	电子健康记录（EHRs）中的索赔记录	机器学习	NA	逆处理概率加权（IPTW）	RNN, Transformer	电子健康记录（EHRs）	合成和半合成数据集
204	2025-04-29	Eye-Based Recognition of User Traits and States-A Systematic State-of-the-Art Review 2025-Apr, Journal of eye movement research IF:1.3Q3 DOI:10.3390/jemr18020008 PMID:40290619	review	本文系统地回顾了基于眼动追踪数据和机器学习的用户特征和状态识别方法	填补了基于眼动的用户特征和状态识别领域系统综述的空白，提出了涵盖任务、背景、技术和数据处理的概念框架	需要建立最佳实践、更大规模的数据集以及多样化的任务和背景	系统回顾和综合现有关于使用眼动追踪数据和机器学习识别用户特征和状态的文献	用户特征和状态（如认知和情感状态、人格特质等）	machine learning	NA	眼动追踪技术	SVM, Random Forests, deep learning models	眼动追踪数据	90项研究
205	2025-04-29	AI approaches for phenotyping Alzheimer's disease and related dementias using electronic health records 2025 Apr-Jun, Alzheimer's & dementia (New York, N. Y.) DOI:10.1002/trc2.70089 PMID:40291122	research paper	利用人工智能技术改进基于电子健康记录的阿尔茨海默病及相关痴呆症的识别	采用基于AI的文本分类方法，包括深度学习和大语言模型（LLMs），显著提高了ADRD患者的识别准确率	方法的成功依赖于临床记录的质量，且需要在更多样化的数据集上进一步验证	提高阿尔茨海默病及相关痴呆症（ADRD）患者的自动化识别准确率	年龄≥64岁的患者，包括1000名ADRD患者和3000名匹配对照	自然语言处理	阿尔茨海默病及相关痴呆症	AI-based text-classification methods	CNN, LLMs (Llama 2)	text	4000名患者（1000名ADRD患者和3000名对照）
206	2025-04-29	Prediction of difficulty in cryoballoon ablation with a three-dimensional deep learning model using polygonal mesh representation 2025-Apr, Journal of arrhythmia IF:2.2Q2 DOI:10.1002/joa3.70078 PMID:40292274	研究论文	开发了一种基于三维深度学习模型的冷冻球囊消融难度预测方法	首次利用三维深度学习模型结合多边形网格表示来预测冷冻球囊消融的难度，相比传统手动测量方法具有更高的准确性	研究样本量相对有限（189例患者），且仅在特定医疗中心进行	提高冷冻球囊消融手术的成功率	药物抵抗性心房颤动患者	数字病理	心血管疾病	三维深度学习	3D DL模型	三维多边形网格数据	189例药物抵抗性心房颤动患者（2015年1月至2022年1月期间接受冷冻球囊消融治疗）
207	2025-04-29	Advanced Artificial Intelligence Technologies Transforming Contemporary Pharmaceutical Research 2025-Mar-31, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12040363 PMID:40281723	综述	本文综述了人工智能在医疗服务和药物研究领域的应用及其潜在影响	深入探讨了AI在医疗和药物研究中的优缺点，并提供了AI在疾病诊断、数字治疗、新药发现和疫情预测中的全面概述	主要基于过去几年的研究文章，可能未涵盖最新的AI技术进展	探讨人工智能在医疗服务和药物研究领域的应用及其潜在影响	人工智能技术在医疗和药物研究中的应用	机器学习	多种疾病（季节性流感、埃博拉、寨卡、COVID-19、结核病等）	神经网络、深度学习、贝叶斯非参数方法、自然语言处理	NA	NA	NA
208	2025-04-29	Exploring Feature Selection with Deep Learning for Kidney Tissue Microarray Classification Using Infrared Spectral Imaging 2025-Mar-31, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12040366 PMID:40281726	研究论文	本研究提出了一种基于深度学习的框架，用于利用红外光谱成像自动分类肾脏肿瘤组织微阵列	结合特征选择算法和深度学习模型，显著提高了分类准确率并减少了训练时间	研究仅针对特定类型的肾脏肿瘤（嫌色细胞肾细胞癌和嗜酸细胞瘤）	开发一种高预测能力的分类流程，用于肾脏肿瘤的检测和分类	肾脏肿瘤组织微阵列（TMAs）	数字病理学	肾癌	红外光谱成像	深度学习	图像	NA
209	2025-04-29	Automatic Blob Detection Method for Cancerous Lesions in Unsupervised Breast Histology Images 2025-Mar-31, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12040364 PMID:40281724	research paper	提出一种基于深度学习的自动斑点检测方法，用于在无监督的乳腺组织学图像中检测癌性病变	结合连接组件方法和主动轮廓方法，解决了斑点检测的局限性，提高了癌性病变的检测准确率	研究仅针对乳腺组织学图像，未涉及其他类型的癌症或医学图像	开发一种自动检测乳腺组织学图像中癌性病变的方法，以提高早期诊断的效率和准确性	无监督的乳腺组织学图像中的癌性病变	digital pathology	breast cancer	stain normalization, morphology operation, connected components method, active contours method	RNN	image	27,249张无监督、增强的人类乳腺癌组织学图像
210	2025-04-29	Optimization-Incorporated Deep Learning Strategy to Automate L3 Slice Detection and Abdominal Segmentation in Computed Tomography 2025-Mar-31, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12040367 PMID:40281727	研究论文	本研究提出了一种基于深度学习的策略，用于自动检测CT图像中的L3切片并分割腹部组织	提出了一种结合优化策略的深度学习方法，通过调整增强比例和类别权重来改善类别不平衡问题	研究为回顾性研究，数据来源于单一医疗机构，可能影响模型的泛化能力	开发自动化工具以准确测量L3水平的肌肉和脂肪组成，作为癌症诊断和治疗的预后生物标志物	前列腺癌和膀胱癌患者的CT图像	数字病理学	前列腺癌,膀胱癌	CT成像	ResNet50, Unet, Swin-Unet, SegFormer	医学图像	150名前列腺癌和膀胱癌患者
211	2025-04-29	Biological Prior Knowledge-Embedded Deep Neural Network for Plant Genomic Prediction 2025-Mar-31, Genes IF:2.8Q2 DOI:10.3390/genes16040411 PMID:40282370	研究论文	提出了一种基于深度学习的植物基因组预测模型iADEP，整合了生物先验知识和其他组学数据	iADEP模型首次整合了加性、显性和上位性预测，并利用生物先验知识进行SNP嵌入	未提及模型在跨物种或大规模数据集上的泛化能力	开发更准确的植物基因组预测方法以加速性状改良	植物基因组数据（SNP）和表型性状	机器学习	NA	深度学习、全基因组关联分析（GWAS）	iADEP（基于多头注意力机制和多层感知机的深度学习模型）	基因组SNP数据	四个数据集（未说明具体样本量）
212	2025-04-29	Lightweight U-Net for Blood Vessels Segmentation in X-Ray Coronary Angiography 2025-Mar-30, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging11040106 PMID:40278022	research paper	该研究提出了一种轻量级的U-Net变体，用于X射线冠状动脉造影中的血管分割	采用基于彩票假设的结构化核剪枝策略，显著减少模型参数而不影响分割性能	未提及在更广泛数据集上的泛化能力测试	提升X射线冠状动脉造影中血管分割的准确性和效率	X射线冠状动脉造影图像中的血管结构	digital pathology	cardiovascular disease	X-ray coronary angiography	U-Net	image	在两个基准数据集上进行评估
213	2025-04-29	Riemannian Manifolds for Biological Imaging Applications Based on Unsupervised Learning 2025-Mar-29, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging11040103 PMID:40278019	research paper	该研究探讨了在生物成像应用中基于无监督学习的黎曼流形方法，特别是单细胞的潜在表示和聚类	提出了使用非欧几里得空间的潜在表示和聚类方法，特别是双曲嵌入在视觉任务中的应用，以及在无监督分割中的创新	研究尚未实际应用于大规模数据集，且主要集中在体外研究	评估单细胞潜在表示和聚类在医学和生物技术领域的应用可行性	C2C12细胞，用于研究肌肉分化	computer vision	NA	无监督学习，双曲嵌入	neural networks	image	NA
214	2025-04-29	Automated Detection of Aberrant Episodes in Epileptic Conditions: Leveraging EEG and Machine Learning Algorithms 2025-Mar-29, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12040355 PMID:40281715	研究论文	利用EEG和机器学习算法自动检测癫痫异常发作	提出了一种利用Hurst指数和Daubechies 4离散小波变换进行特征提取的新方法，并结合多种机器学习模型进行癫痫发作分类	仅使用单通道EEG数据进行分类，可能无法全面反映癫痫发作的复杂特征	开发一种高效准确的癫痫发作自动检测方法	癫痫患者的EEG数据	数字病理学	癫痫	EEG信号分析，Hurst指数分析，离散小波变换	SVM, 随机森林分类器, LSTM	EEG信号	CHB-MIT头皮EEG数据库
215	2025-04-29	A Hybrid Wavelet-Based Deep Learning Model for Accurate Prediction of Daily Surface PM2.5 Concentrations in Guangzhou City 2025-Mar-28, Toxics IF:3.9Q1 DOI:10.3390/toxics13040254 PMID:40278570	research paper	提出了一种基于小波的混合深度学习模型，用于准确预测广州市每日地表PM2.5浓度	结合了小波(W)、CNN、BiLSTM和BiGRU的混合模型，显著提高了预测精度	研究仅针对广州市的数据，模型的泛化能力未在其他城市验证	提高地表PM2.5浓度的预测精度，以支持空气污染控制和城市规划	广州市2014年至2020年的气象因素和空气污染物数据	machine learning	NA	wavelet transform, deep learning	W-CNN-BiGRU-BiLSTM	time series data	广州市2014-2020年的气象和空气污染物数据
216	2025-04-29	Kidney Disease Segmentation and Classification Using Firefly Sigma Seeker and MagWeight Rank Techniques 2025-Mar-28, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12040350 PMID:40281710	research paper	该论文提出了一种结合Firefly Sigma Seeker和MagWeight Rank技术的深度学习方法，用于肾脏疾病的分割和分类	整合Firefly Sigma Seeker动态调整参数和MagWeight Rank优化权重排序，提升并行卷积层架构在肾脏疾病分割中的性能	未提及具体的数据集规模或多样性限制，可能影响模型的泛化能力	提高肾脏疾病在医学影像中的自动化分割和分类效率	肾脏疾病的医学影像（MRI、CT扫描和超声图像）	digital pathology	kidney disease	Firefly Sigma Seeker, MagWeight Rank, Multi-Stream Neural Network (MSNN)	CNN, MSNN	image	NA
217	2025-04-29	CRISPR-MFH: A Lightweight Hybrid Deep Learning Framework with Multi-Feature Encoding for Improved CRISPR-Cas9 Off-Target Prediction 2025-Mar-28, Genes IF:2.8Q2 DOI:10.3390/genes16040387 PMID:40282347	research paper	提出了一种轻量级混合深度学习框架CRISPR-MFH，通过多特征编码改进CRISPR-Cas9脱靶预测	引入了新颖的多特征独立编码方法，将gRNA-DNA序列对编码为三个不同的特征矩阵以减少信息损失，并提出了结合多尺度可分离卷积和混合注意力机制的轻量级框架	模型参数规模增加会导致复杂性上升，限制实际应用性	改进CRISPR-Cas9系统的脱靶效应预测	gRNA-DNA序列对	machine learning	NA	deep learning	hybrid deep learning framework (multi-scale separable convolutions + hybrid attention mechanisms)	sequence data	multiple benchmark datasets
218	2025-04-29	Automated, Standardized, Quantitative Analysis of Cardiovascular Borders on Chest X-Rays Using Deep Learning 2025-Mar-27, JACC. Advances DOI:10.1016/j.jacadv.2025.101687 PMID:40286357	research paper	开发了一种基于深度学习的自动化方法，用于量化胸部X光片中的心血管边界，并探索其临床应用价值	首次使用深度学习技术对心血管边界进行标准化、定量化分析，并建立了年龄和性别特定的正常范围	研究仅基于特定站点的数据，可能无法完全代表所有人群	开发一种自动化、标准化的心血管边界量化方法，并评估其在心血管疾病分类和风险分层中的临床效用	胸部X光片中的心血管边界	digital pathology	cardiovascular disease	deep learning	deep learning	image	96,129张正常胸部X光片和44,567张患病胸部X光片
219	2025-04-29	Assessing Cancer Presence in Prostate MRI Using Multi-Encoder Cross-Attention Networks 2025-Mar-26, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging11040098 PMID:40278014	研究论文	本文提出了一种多编码器交叉注意力网络，用于评估前列腺MRI中癌症的存在	首次专注于前列腺癌临床工作流程中一个关键但未被充分探索的任务：区分有癌症存在和无可疑癌症发现的病例，并采用了最大的前列腺癌MR图像集合进行大规模实验	未提及具体的局限性	准确诊断前列腺癌，为患者提供有效治疗并降低死亡率	前列腺癌患者和无可疑前列腺癌发现的病例	数字病理学	前列腺癌	MRI	多编码器交叉注意力融合架构	图像	训练集包含4504名患者的双参数MR图像及其临床变量，测试集包含975名回顾性患者和435名前瞻性患者
220	2025-04-29	Minimax Bayesian Neural Networks 2025-Mar-25, Entropy (Basel, Switzerland) DOI:10.3390/e27040340 PMID:40282575	research paper	本文研究了使用极小极大方法的更保守的贝叶斯神经网络（BNNs），揭示了闭环神经网络与BNNs之间的联系	将极小极大方法应用于贝叶斯神经网络，提出了一种更保守的BNNs，并揭示了其与闭环神经网络的联系	仅在简单数据集上进行了测试，未在大规模或复杂数据集上验证	研究贝叶斯神经网络的鲁棒性及其与闭环神经网络的关系	贝叶斯神经网络（BNNs）和闭环神经网络	machine learning	NA	NA	Bayesian neural networks (BNNs), deterministic neural network, stochastic neural network	NA	简单数据集（具体数量未提及）