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	2025-05-21	Potential of Artificial Intelligence for Bone Age Assessment in Iranian Children and Adolescents: An Exploratory Study 2025-Apr-01, Archives of Iranian medicine IF:1.0Q3 DOI:10.34172/aim.32070 PMID:40382691	研究论文	本研究探讨了人工智能系统在伊朗儿童和青少年骨龄评估中的准确性	开发了一个针对特定人群的深度学习模型，用于骨龄评估，相比传统方法更高效和一致	模型的预测准确性在年龄范围的两端存在误差，且男孩的预测准确性相对较低，需要进一步优化和验证	评估人工智能系统在骨龄评估中的准确性和潜在应用	伊朗1-18岁儿童和青少年的左手X光片	数字病理	肌肉骨骼疾病	深度学习	深度学习模型	图像	555张X光片（220名男孩和335名女孩）
222	2025-05-21	Artificial Intelligence as a Screening Tool for MRI Evaluation of Normal and Abnormal Medial Meniscus 2025-Apr, Cureus DOI:10.7759/cureus.82523 PMID:40385820	研究论文	本研究评估了基于深度学习的Mask R-CNN模型在MRI扫描中对内侧半月板进行分割和分类的性能	与之前使用边界框分割膝关节结构的研究不同，本模型采用精确的多边形注释确保仅对半月板进行像素级分割，从而实现准确的异常检测	需要多中心数据集验证，且未来需要扩展模型以对半月板异常进行子分类	评估AI在MRI扫描中自动评估半月板的性能，提高诊断准确性和效率	内侧半月板	计算机视觉	NA	MRI	Mask R-CNN (ResNet-50 backbone + FPN)	图像	3600张矢状面质子密度加权脂肪抑制(PD-FS) MRI图像
223	2025-05-21	The Role of Artificial Intelligence in the Prediction of Bariatric Surgery Complications: A Systematic Review 2025-Apr, Cureus DOI:10.7759/cureus.82461 PMID:40385919	系统综述	本文综述了人工智能在预测减肥手术后并发症中的作用	探讨了AI在预测减肥手术并发症中的潜力，特别是集成方法和神经网络相比传统逻辑回归的优势	研究存在过拟合、数据不平衡和泛化能力有限的问题，尤其是深度学习模型，且多数研究集中在瑞典和美国，可能引入区域偏见	评估人工智能在预测减肥手术后并发症中的效果和应用	减肥手术患者	医疗人工智能	肥胖症	AI算法（包括集成方法和神经网络）	集成方法、神经网络、逻辑回归	临床数据	七个回顾性队列研究，涉及大样本数据集
224	2025-05-21	Recurrent and convolutional neural networks in classification of EEG signal for guided imagery and mental workload detection 2025-Mar-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-92378-x PMID:40140460	研究论文	本研究探讨了使用循环神经网络和卷积神经网络对脑电图信号进行分类，以检测引导想象和心理工作负荷	首次在引导想象和心理工作负荷检测中比较了使用26个认知电极和256个通道的信号分类效果，并发现仅使用认知电极即可获得与全信号相似的结果	研究样本仅包括26名学生，可能限制了结果的泛化能力	验证是否能够通过深度学习方法和循环神经网络检测和分类引导想象放松技术与心理任务工作负荷之间的差异	26名接受引导想象放松技术和心理任务工作负荷的学生	机器学习	精神疾病	密集阵列脑电图放大器	EEGNet, LSTM, 1D CNN, 1D CNN-LSTM混合模型	脑电图信号	26名学生
225	2025-05-21	Convolutional Neural Network Models for Visual Classification of Pressure Ulcer Stages: Cross-Sectional Study 2025-Mar-25, JMIR medical informatics IF:3.1Q2 DOI:10.2196/62774 PMID:40135412	研究论文	本研究探讨了使用卷积神经网络（CNN）模型对压力性溃疡（PI）进行视觉分类的潜力	首次将AlexNet、VGGNet16、ResNet18和DenseNet121等CNN模型应用于PI分期，并展示了DenseNet121的最高准确率	未与不同经验水平的护士进行比较以进一步验证临床应用效果	提供一种有效的工具来辅助PI分期	压力性溃疡（PI）图像	计算机视觉	压力性溃疡	深度学习	CNN（包括AlexNet、VGGNet16、ResNet18和DenseNet121）	图像	853张原始PI图像，经过数据增强后得到7677张图像
226	2025-05-21	Imaging Intravoxel Vessel Size Distribution in the Brain Using Susceptibility Contrast Enhanced MRI 2025-Mar-25, ArXiv PMID:40196141	研究论文	本文提出了一种新的基于磁敏感对比的MRI方法，用于无创成像脑内体素内血管大小分布（VSD），以实现更全面和定量的血管重塑评估	利用高分辨率光片荧光显微镜图像模拟GESFIDE MRI信号，并通过深度学习模型预测脑血容量（CBV）和VSD	需要进一步验证以确认其在临床前和临床应用中的潜力	开发一种非侵入性成像技术，用于评估血管重塑	啮齿动物脑部血管系统	医学影像	癌症、神经退行性疾病、纤维化、高血压和糖尿病	磁敏感对比增强MRI、光片荧光显微镜、深度学习	深度学习模型	图像	NA
227	2025-05-21	GaitDynamics: A Generative Foundation Model for Analyzing Human Walking and Running 2025-Mar-21, Research square DOI:10.21203/rs.3.rs-6206222/v1 PMID:40166023	research paper	介绍了一种名为GaitDynamics的生成基础模型，用于分析人类步行和跑步的动力学	开发了一个基于大规模多样化数据集训练的生成基础模型，能够处理不同输入、输出和临床应用的多任务	未提及具体限制，但暗示现有模型通常在小规模同质数据上训练且仅预测单一输出	促进人类健康和表现，通过低成本高精度的方式分析步态动力学	人类步行和跑步的动力学	machine learning	NA	deep learning	generative foundation model	kinematics and force data	大规模多样化参与者数据集（具体数量未提及）
228	2025-05-21	Deep Learning Study of Alkaptonuria Spinal Disease Assesses Global and Regional Severity and Detects Occult Treatment Status 2025-Mar-12, medRxiv : the preprint server for health sciences DOI:10.1101/2025.03.11.25323762 PMID:40162283	研究论文	本研究利用深度学习技术分析罕见病——黑尿症（AKU）的脊柱X光片，评估疾病严重程度及检测患者是否接受尼替西农治疗	首次将深度学习应用于罕见病黑尿症的脊柱影像分析，并成功预测患者治疗状态	真空椎间盘现象的预测一致性较低（41-90%）	探索深度学习在罕见病医学影像分析中的应用价值	黑尿症患者的颈椎和腰椎X光片	数字病理学	黑尿症	深度学习影像分析	DL（未指定具体模型）	医学影像（X光片）	未明确说明样本数量
229	2025-05-21	scPrediXcan integrates advances in deep learning and single-cell data into a powerful cell-type-specific transcriptome-wide association study framework 2025-Mar-04, bioRxiv : the preprint server for biology DOI:10.1101/2024.11.11.623049 PMID:39605417	研究论文	本文提出了一种名为scPrediXcan的新方法，该方法将深度学习与单细胞数据相结合，用于细胞类型特异性的转录组范围关联研究	scPrediXcan整合了先进的深度学习方法和单细胞数据，能够更准确地预测细胞类型特异性表达，并捕捉线性模型忽略的复杂基因调控规律	NA	提高转录组范围关联研究（TWAS）在细胞水平上识别疾病机制的能力	2型糖尿病和系统性红斑狼疮	生物信息学	2型糖尿病, 系统性红斑狼疮	深度学习, 单细胞数据	ctPred	DNA序列, 单细胞表达数据	NA
230	2025-05-21	Enhancing Outcome Prediction in Intracerebral Hemorrhage Through Deep Learning: A Retrospective Multicenter Study 2025-Mar, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.07.025 PMID:39095262	研究论文	本研究利用深度学习技术分析和验证了一种自动预测脑出血（ICH）后90天功能预后的生物标志物	结合临床数据和深度学习特征构建的Merge模型在预测脑出血预后方面表现出更高的AUC值	研究为回顾性多中心研究，可能存在选择偏倚	开发客观有效的脑出血预后预测工具	脑出血患者	数字病理学	脑出血	深度学习	Resnet50, 逻辑回归	医学影像	1098名患者（男性652名，女性446名）
231	2025-05-21	The role of artificial intelligence and deep learning in determining the histopathological grade of pancreatic neuroendocrine tumors by using EUS images 2025 Mar-Apr, Endoscopic ultrasound IF:4.4Q1 DOI:10.1097/eus.0000000000000113 PMID:40385971	research paper	该研究利用人工智能和深度学习算法，通过EUS图像预测胰腺神经内分泌肿瘤的组织病理学分级	首次将AI和深度学习技术应用于EUS图像，以预测胰腺神经内分泌肿瘤的分级	样本量较小（44名患者），且为初步研究，需要更大规模的验证	评估AI和深度学习在预测胰腺神经内分泌肿瘤分级中的应用	胰腺神经内分泌肿瘤（pNETs）患者	digital pathology	pancreatic neuroendocrine tumors	EUS, deep learning	CNN	image	44名患者的803张EUS图像
232	2025-05-21	phyddle: software for exploring phylogenetic models with deep learning 2025-Feb-28, bioRxiv : the preprint server for biology DOI:10.1101/2024.08.06.606717 PMID:39149349	research paper	介绍了一款名为phyddle的软件，该软件利用深度学习技术探索系统发育模型	phyddle是一款基于深度学习的无似然函数系统发育模型分析软件，适用于缺乏易处理似然函数的模型	NA	开发一个能够处理无易处理似然函数的系统发育模型的软件工具	系统发育树	machine learning	NA	deep learning	NA	phylogenetic trees	NA
233	2025-05-21	Deep Convolutional Neural Network for Automated Staging of Periodontal Bone Loss Severity on Bite-wing Radiographs: An Eigen-CAM Explainability Mapping Approach 2025-Feb, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01218-3 PMID:39147888	research paper	该研究利用深度学习模型YOLOv8对咬翼片X光图像进行牙周骨丧失严重程度的自动分期	采用Eigen-CAM可解释性热图分析测试图像，提高了模型的可解释性	对于轻度和中度骨丧失的分类效果相对较差	自动分期牙周骨丧失严重程度	咬翼片X光图像	digital pathology	periodontal disease	deep learning	YOLOv8	image	1752张咬翼片图像
234	2024-12-19	Correction to "Rapid Identification of Drug Mechanisms with Deep Learning-Based Multichannel Surface-Enhanced Raman Spectroscopy" 2025-Jan-24, ACS sensors IF:8.2Q1 DOI:10.1021/acssensors.4c03526 PMID:39693047	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
235	2025-05-21	Active learning of enhancers and silencers in the developing neural retina 2025-Jan-15, Cell systems IF:9.0Q1 DOI:10.1016/j.cels.2024.12.004 PMID:39778579	研究论文	本文开发了一种主动学习方法，用于训练能够区分由光感受器转录因子CRX结合位点组成的增强子和沉默子的模型	采用主动学习策略结合合成生物学和不确定性采样，迭代训练模型，以区分具有相同序列但功能相反的CRX位点	模型主要针对CRX结合位点，可能不适用于其他转录因子的调控元件	研究顺式调控元件的功能区分，特别是在不同背景下转录因子的激活或抑制转录机制	光感受器转录因子CRX的结合位点	机器学习	NA	主动学习、合成生物学、大规模并行报告基因检测	深度学习模型	基因组序列	几乎所有基因组中结合的CRX位点
236	2025-05-21	Optimizing Corn Tar Spot Measurement: A Deep Learning Approach Using Red-Green-Blue Imaging and the Stromata Contour Detection Algorithm for Leaf-Level Disease Severity Analysis 2025-Jan, Plant disease IF:4.4Q1 DOI:10.1094/PDIS-12-23-2702-RE PMID:39160128	research paper	本文提出了一种名为SCDA v2的深度学习算法，用于优化玉米焦斑病的叶片级病害严重程度分析	SCDA v2解决了SCDA v1的局限性，无需经验性地搜索最优决策输入参数，同时实现了更高且一致的焦斑病检测准确率	NA	优化玉米焦斑病的测量方法，提高病害监测和管理的效率	玉米叶片上的焦斑病	computer vision	plant disease	RGB imaging, deep learning	CNN	image	来自田间（低、中、高冠层）和温室条件下不同环境的玉米叶片RGB图像数据集
237	2025-05-21	Generative Adversarial Network With Robust Discriminator Through Multi-Task Learning for Low-Dose CT Denoising 2025-Jan, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3449647 PMID:39186436	研究论文	提出一种通过多任务学习增强判别器鲁棒性的生成对抗网络（GAN），用于低剂量CT图像去噪	1) 提出多任务学习的GAN判别器同时执行三个视觉任务；2) 引入恢复一致性（RC）和无差异抑制（NDS）机制提升判别器表征能力；3) 在生成器中加入Res-FFT-Conv模块联合利用频域和空域信息	未明确说明模型在其他CT领域的泛化能力测试细节	解决低剂量CT图像去噪中视觉不一致、多指标性能不足及跨域鲁棒性等问题	低剂量CT（LDCT）图像	计算机视觉	NA	生成对抗网络（GAN）	GAN（含Res-FFT-Conv模块）	CT图像	未明确说明具体样本量（涉及两项去噪任务及放射科医生视觉评分）
238	2025-05-21	Federated Learning in Glaucoma: A Comprehensive Review and Future Perspectives 2025 Jan-Feb, Ophthalmology. Glaucoma DOI:10.1016/j.ogla.2024.08.004 PMID:39214457	review	本文全面回顾了联邦学习在青光眼筛查中的应用，并探讨了其未来前景	联邦学习提供了一种在不集中敏感患者数据的情况下进行协作模型开发的方法，解决了隐私和监管问题	创建集中式数据存储库受到数据共享、患者隐私、法规遵从性和知识产权等问题的阻碍	开发用于青光眼筛查的稳健人工智能模型	青光眼患者及其影像数据	digital pathology	glaucoma	federated learning	deep learning	medical imaging	NA
239	2025-05-21	Derivative-Guided Dual-Attention Mechanisms in Patch Transformer for Efficient Automated Recognition of Auditory Brainstem Response Latency 2025, IEEE transactions on neural systems and rehabilitation engineering : a publication of the IEEE Engineering in Medicine and Biology Society IF:4.8Q1 DOI:10.1109/TNSRE.2025.3558730 PMID:40198282	研究论文	本研究提出了一种名为Patch-DAT的新型深度学习模型，用于自动识别听觉脑干反应(ABR)波I、III和V的潜伏期	引入了基于导数引导的双注意力机制和重叠分块策略，以更好地捕捉局部时间模式和全局依赖关系	未来工作需要扩展数据集多样性和提高模型可解释性	开发高效、轻量级且可泛化的自动识别ABR波潜伏期的深度学习模型	听觉脑干反应(ABR)波I、III和V的潜伏期	机器学习	NA	深度学习	Transformer	时间序列数据	来自两家医院的大规模多样化数据集
240	2025-05-21	Rapid response to fast viral evolution using AlphaFold 3-assisted topological deep learning 2025, Virus evolution IF:5.5Q1 DOI:10.1093/ve/veaf026 PMID:40352163	研究论文	提出了一种结合AlphaFold 3和多任务拓扑拉普拉斯策略的方法，用于快速响应病毒的快速进化	结合AlphaFold 3和多任务拓扑拉普拉斯策略，提高了对病毒突变影响的预测能力	性能相比使用实验结构略有下降，Pearson相关系数平均降低1.1%，均方根误差平均增加9.3%	快速响应病毒的快速进化，提高病毒跟踪、诊断和抗体设计的效率	SARS-CoV-2病毒及其突变	机器学习	传染病	拓扑深度学习（TDL）、深度突变扫描（DMS）	多任务拓扑拉普拉斯（MT-TopLap）	蛋白质-蛋白质相互作用（PPI）复合物结构数据	四个实验性DMS数据集，包括SARS-CoV-2刺突蛋白受体结合域（RBD）和人类血管紧张素转换酶-2（ACE2）复合物