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
221	2025-05-04	A Deep Learning-Based Approach to Detect Lamina Dura Loss on Periapical Radiographs 2025-Feb, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01405-w PMID:39838226	研究论文	开发一种基于深度学习的定制AI模型，用于检测口内根尖周X光片上的硬骨板缺失	首次应用AI算法检测根尖周X光片上的硬骨板缺失	测试集样本量较小（71张图像）	开发AI模型辅助临床医生准确诊断硬骨板缺失	前牙和后牙区域的根尖周X光片	数字病理	牙科疾病	深度学习	ResNet架构的定制AI模型	图像	701张根尖周X光片（前牙和后牙区域）
222	2025-05-04	Deep Learning-Based Assessment of Lip Symmetry for Patients With Repaired Cleft Lip 2025-Feb, The Cleft palate-craniofacial journal : official publication of the American Cleft Palate-Craniofacial Association DOI:10.1177/10556656241312730 PMID:39838936	research paper	提出一种基于深度学习的自动化方法，用于评估修复后唇裂患者的唇部对称性	利用对比学习量化唇部对称性，无需患者图像进行训练，通过面部图像变换模拟唇裂不对称性	模型的加权准确率和Pearson相关系数仍有提升空间	自动化评估修复后唇裂患者的唇部对称性，为手术效果提供更高效和客观的工具	修复后唇裂患者	computer vision	cleft lip	contrastive learning	deep learning model	image	146张修复后唇裂患者的图像
223	2025-05-04	AggNet: Advancing protein aggregation analysis through deep learning and protein language model 2025-Feb, Protein science : a publication of the Protein Society IF:4.5Q1 DOI:10.1002/pro.70031 PMID:39840791	research paper	介绍了一种名为AggNet的新型深度学习框架，用于蛋白质聚集分析	结合蛋白质语言模型ESM2和AlphaFold2，利用理化、进化和结构信息区分淀粉样和非淀粉样肽，并识别蛋白质中的聚集倾向区域	未提及具体样本量或数据集的多样性限制	开发高效的计算工具以预测蛋白质聚集，辅助生物治疗开发和蛋白质工程	淀粉样和非淀粉样肽，以及蛋白质中的聚集倾向区域	machine learning	NA	deep learning, protein language model (ESM2, AlphaFold2)	AggNet (基于ESM2和AlphaFold2的深度学习框架)	蛋白质序列和结构数据	NA
224	2025-05-04	Artificial Intelligence In Health And Health Care: Priorities For Action 2025-Feb, Health affairs (Project Hope) DOI:10.1377/hlthaff.2024.01003 PMID:39841940	评论	本文讨论了人工智能在健康和医疗保健领域的应用及其优先行动方向	提出了在健康和医疗保健领域安全、有效和公平使用AI的战略方向	未具体提及研究数据或实验结果的局限性	为2025年健康和医疗保健领域的AI应用提供指导	健康和医疗保健领域的AI应用	机器学习	NA	深度学习，生成式AI	NA	NA	NA
225	2025-05-04	Artificial intelligence-enhanced comprehensive assessment of the aortic valve stenosis continuum in echocardiography 2025-Feb, EBioMedicine IF:9.7Q1 DOI:10.1016/j.ebiom.2025.105560 PMID:39842286	research paper	开发并验证了一种基于人工智能的系统，用于评估主动脉瓣狭窄（AS），适用于资源有限和先进的临床环境	开发了双路径AI系统，包括基于深度学习的AS连续评估算法和自动化常规AS评估，展示了优异的诊断和预后价值	需要进一步在不同环境中验证其有效性	评估主动脉瓣狭窄（AS）的诊断和预后	主动脉瓣狭窄（AS）患者	digital pathology	cardiovascular disease	深度学习	DL	2D TTE videos	developmental dataset (n=8427), internal test dataset (n=841), distinct hospital dataset (n=1696), temporally distinct dataset (n=772)
226	2025-05-04	Informatics strategies for early detection and risk mitigation in pancreatic cancer patients 2025-Feb, Neoplasia (New York, N.Y.) DOI:10.1016/j.neo.2025.101129 PMID:39842383	review	本文综述了胰腺癌筛查、诊断和早期检测的现状，强调了高风险人群的针对性筛查需求以及先进成像技术和新型生物标志物的应用	强调了AI驱动方法在早期检测中的潜力，以及液体活检技术在分析循环肿瘤DNA、循环肿瘤细胞和外泌体中的新兴作用	未提及具体研究样本量或实验设计的局限性	提高胰腺癌的早期检测和风险缓解策略	胰腺癌高风险人群，特别是具有家族遗传倾向和特定基因突变的个体	digital pathology	pancreatic cancer	Endoscopic Ultrasound (EUS), Contrast-Enhanced Harmonic Imaging (CEH-EUS), liquid biopsy, AI-driven approaches	deep learning	imaging data, biomarker data	NA
227	2025-05-04	Multiscale footprints reveal the organization of cis-regulatory elements 2025-Feb, Nature IF:50.5Q1 DOI:10.1038/s41586-024-08443-4 PMID:39843737	research paper	开发了一种名为PRINT的计算方法，用于从染色质可及性数据中识别DNA-蛋白质相互作用的多尺度足迹，并通过深度学习框架seq2PRINT推断转录因子和核小体结合	提出了PRINT方法和seq2PRINT框架，能够从多尺度染色质可及性数据中精确推断DNA结合蛋白的动态变化	方法的应用可能受限于染色质可及性数据的质量和覆盖范围	研究顺式调控元件(CREs)的组织结构及其在细胞命运和疾病中的功能	人类骨髓和小鼠造血干细胞的染色质可及性数据	computational biology	NA	chromatin accessibility analysis, deep learning	deep learning	chromatin accessibility data	人类骨髓和小鼠造血干细胞样本
228	2025-05-04	MI-Mamba: A hybrid motor imagery electroencephalograph classification model with Mamba's global scanning 2025-Feb, Annals of the New York Academy of Sciences IF:4.1Q1 DOI:10.1111/nyas.15288 PMID:39844431	研究论文	提出了一种结合CNN和Mamba的混合模型MI-Mamba，用于解码运动想象（MI）脑电图数据	首次将Mamba模型应用于脑电图解码，结合CNN和Mamba的优势，有效处理长序列依赖并减少参数数量	仅在两个公开数据集上进行了验证，需要更多数据集验证其泛化能力	改进运动想象脑电图解码的准确性和效率	多通道脑电图信号	机器学习	NA	脑电图解码	CNN与Mamba混合模型	脑电图信号	两个公开数据集（BCI Competition IV 2a和2b）
229	2025-05-04	Artificial Intelligence-Based Detection and Numbering of Dental Implants on Panoramic Radiographs 2025-Feb, Clinical implant dentistry and related research IF:3.7Q1 DOI:10.1111/cid.70000 PMID:39846131	research paper	开发了一种基于人工智能的深度学习模型，用于在全景X光片中检测和编号牙科植入物	该模型能够同时检测和编号植入物，为牙科植入学提供临床决策支持	需要更多样化的数据集进行进一步验证以增强其临床适用性	提高牙科植入物的检测和编号准确性，支持临床决策	全景X光片中的牙科植入物	computer vision	NA	deep learning	YOLOv8	image	32,585张全景X光片
230	2025-05-04	Deep learning methods for proteome-scale interaction prediction 2025-Feb, Current opinion in structural biology IF:6.1Q1 DOI:10.1016/j.sbi.2024.102981 PMID:39848140	综述	本文综述了深度学习在蛋白质组规模相互作用预测中的最新进展	强调了深度学习在蛋白质-蛋白质和蛋白质-配体相互作用筛选中的应用，以及整合结构信息以提高预测准确性的重要性	数据质量和验证偏差等挑战仍然存在	推动蛋白质组规模相互作用预测，以理解蛋白质功能和疾病机制	蛋白质-蛋白质和蛋白质-配体相互作用	机器学习	NA	深度学习	NA	蛋白质相互作用数据	NA
231	2025-05-04	Mapping the topography of spatial gene expression with interpretable deep learning 2025-Feb, Nature methods IF:36.1Q1 DOI:10.1038/s41592-024-02503-3 PMID:39849132	研究论文	该论文提出了一种名为GASTON的无监督深度学习算法，用于解析空间转录组数据中的基因表达模式	开发了GASTON算法，能够同时学习等深度、空间梯度和分段线性表达函数，以模拟基因表达的连续梯度和不连续变化	未明确提及样本量或具体技术限制	解决空间转录组数据稀疏性问题，解析组织切片中的基因表达模式	空间转录组数据	数字病理学	NA	空间转录组技术	深度学习	基因表达数据	NA
232	2025-05-04	Deep learning enabled rapid classification of yeast species in food by imaging of yeast microcolonies 2025-Feb, Food research international (Ottawa, Ont.) DOI:10.1016/j.foodres.2024.115604 PMID:39849741	研究论文	本研究提出了一种基于深度学习的酵母分类方法，通过结合传统培养方法、白光光学显微镜和深度学习技术，快速检测和分类食品中的酵母	利用深度卷积神经网络在6小时内准确区分7种不同酵母，并通过生成对抗网络（GAN）生成的合成图像数据集提高了特定酵母物种的分类性能	研究仅验证了番茄和番茄汁中的模型性能，未涵盖所有食品类型	加速食品中酵母物种的检测和分类，以控制食品腐败	食品中的酵母物种	计算机视觉	NA	白光光学显微镜、深度学习	CNN、GAN	图像	7种不同酵母
233	2025-05-04	AI-based processing of future prepared foods: Progress and prospects 2025-Feb, Food research international (Ottawa, Ont.) DOI:10.1016/j.foodres.2025.115675 PMID:39849794	review	本文综述了人工智能在预制食品加工中的分类、清洁、切割、预处理和冷冻等环节的应用进展与前景	总结了AI在预制食品加工中的多种应用技术，如计算机视觉、深度学习模型等，并探讨了其在提高效率、准确性和一致性方面的潜力	面临大规模数据和复杂模型管理的挑战	探讨人工智能在预制食品加工中的应用及其对行业发展的影响	预制食品的加工过程	machine learning	NA	数学建模、化学计量学、机器学习、模糊逻辑、自适应神经模糊推理系统	深度学习模型	图像、光谱数据	NA
234	2025-05-04	Performance of Radiomics-based machine learning and deep learning-based methods in the prediction of tumor grade in meningioma: a systematic review and meta-analysis 2025-Jan-24, Neurosurgical review IF:2.5Q1 DOI:10.1007/s10143-025-03236-3 PMID:39849257	meta-analysis	评估基于机器学习和深度学习的影像组学方法在预测脑膜瘤WHO分级中的性能	首次通过系统综述和荟萃分析评估ML和DL模型在预测脑膜瘤WHO分级中的表现	需要更多使用外部验证的大规模数据集来进一步验证DL算法的性能	评估机器学习和深度学习模型在预测脑膜瘤WHO分级中的准确性	脑膜瘤患者的影像数据	digital pathology	meningioma	imaging studies	ML/DL	image	32项研究，共15,365名患者
235	2025-05-04	Optimising deep learning models for ophthalmological disorder classification 2025-Jan-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-75867-3 PMID:39856068	研究论文	本文利用深度学习模型对眼科疾病进行分类，并比较了不同优化器的性能	使用基于迁移学习的CNN方法对眼科疾病进行多类别和多标签分类，并比较了SGD和Adam优化器的性能	仅使用了ODIR数据库中的眼底图像，样本来源有限	优化深度学习模型以提高眼科疾病分类的准确性	眼科疾病（如高血压、青光眼和糖尿病视网膜病变）	计算机视觉	眼科疾病	眼底成像	CNN, MobileNet	图像	ODIR数据库中的患者左右眼眼底图像
236	2025-05-04	Detection of cervical cell based on multi-scale spatial information 2025-Jan-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-87165-7 PMID:39856153	research paper	提出了一种基于多尺度空间信息的宫颈细胞检测方法，以提高宫颈癌筛查和诊断的效率	设计了多尺度空间信息增强模块（MSA）和通道注意力增强模块（CAE），有效捕获并整合不同尺度的空间信息，动态优化关键特征	未提及方法在更大规模或多样化数据集上的泛化能力	提高宫颈癌筛查和诊断的效率和准确性	宫颈细胞	digital pathology	cervical cancer	deep learning	Sparse R-CNN with MSA and CAE	image	CDetector数据集（具体样本数量未提及）
237	2025-05-04	Clinically oriented automatic three-dimensional enamel segmentation via deep learning 2025-Jan-24, BMC oral health IF:2.6Q1 DOI:10.1186/s12903-024-05385-1 PMID:39856656	research paper	开发了一种基于深度学习的自动三维牙釉质分割方法，用于临床牙科诊断和治疗	提出了2.5D Attention U-Net模型，能够在少量样本数据集上进行训练，实现高效、准确的牙釉质分割	模型在少量样本数据集上进行训练，可能在大规模数据上的泛化能力有待验证	开发一种自动、高效、准确的牙釉质分割方法，以支持临床牙科诊断和治疗	牙釉质	digital pathology	dental disease	deep learning	2.5D Attention U-Net	image	手动标注的牙釉质分割数据
238	2025-05-04	Spatial transcriptome reveals histology-correlated immune signature learnt by deep learning attention mechanism on H&E-stained images for ovarian cancer prognosis 2025-Jan-24, Journal of translational medicine IF:6.1Q1 DOI:10.1186/s12967-024-06007-8 PMID:39856778	研究论文	利用深度学习注意力机制从H&E染色图像中学习与组织学相关的免疫特征，用于卵巢癌预后预测	通过空间转录组数据解析深度学习模型学习的注意力特征，揭示其与免疫特征的关联	研究依赖于特定数据集（TCGA），可能限制了结果的普适性	预测卵巢癌患者的预后，并理解预测机制	卵巢癌患者的H&E染色肿瘤样本	数字病理学	卵巢癌	空间转录组测序	ResNet101 CNN（带注意力机制）	图像（H&E染色全切片图像）	335名初治高级别浆液性卵巢癌患者的773张H&E染色切片
239	2025-05-04	Deep Learning Enabled Scoring of Pancreatic Neuroendocrine Tumors Based on Cancer Infiltration Patterns 2025-Jan-23, Endocrine pathology IF:11.3Q1 DOI:10.1007/s12022-025-09846-3 PMID:39847242	research paper	本研究提出了一种基于深度学习的计算流程，首次实现了胰腺神经内分泌肿瘤（PanNETs）的自动分类	首次使用图神经网络（GNN）结合病理学领域知识，定量表征PanNETs的浸润模式，显著提高了分类性能	研究仅基于105张HE染色全切片图像，样本量相对较小	开发自动化系统以减少PanNET分类中的人为判断差异	胰腺神经内分泌肿瘤（PanNETs）	digital pathology	pancreatic neuroendocrine tumors	HE染色全切片成像	GNN（图神经网络）	image	105张HE染色全切片图像
240	2025-05-04	Real-time detection and monitoring of public littering behavior using deep learning for a sustainable environment 2025-Jan-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-77118-x PMID:39848984	研究论文	利用深度学习技术实时检测和监控公共乱扔垃圾行为，以促进可持续环境	提出了一种结合MoViNet视频分类模型和YOLOv8目标检测模型的SAWN系统，用于实时检测乱扔垃圾行为并识别责任人	由于缺乏现成的乱扔垃圾数据集，研究团队需要模拟真实场景来收集数据，这可能影响模型的泛化能力	开发一个智能系统来检测和减少公共乱扔垃圾行为，保护环境和人类健康	车辆和行人的乱扔垃圾行为	计算机视觉	NA	深度学习	MoViNet, YOLOv8, LRCN, CNN-RNN	视频	模拟真实场景收集的数据集