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
2821	2025-07-12	Machine Listening for OSA Diagnosis: A Bayesian Meta-Analysis 2025-Apr-11, Chest IF:9.5Q1 DOI:10.1016/j.chest.2025.04.006 PMID:40220991	meta-analysis	通过贝叶斯元分析评估机器学习在阻塞性睡眠呼吸暂停（OSA）诊断中的准确性	首次使用贝叶斯元分析方法评估基于音频记录的机器学习模型在OSA诊断中的表现，并优化了诊断参数	研究仅基于现有文献，未进行新的实验验证	评估和优化机器学习在OSA诊断中的准确性	阻塞性睡眠呼吸暂停（OSA）患者	machine learning	阻塞性睡眠呼吸暂停（OSA）	Bayesian bivariate meta-analysis, meta-regression	deep learning, traditional machine learning	audio recordings	训练集4,864名参与者，测试集2,370名参与者
2822	2025-07-12	Accurate classification of benign and malignant breast tumors in ultrasound imaging with an enhanced deep learning model 2025, Frontiers in bioengineering and biotechnology IF:4.3Q2 DOI:10.3389/fbioe.2025.1526260 PMID:40635689	研究论文	本研究通过深度学习技术构建了一个可靠的乳腺超声图像良恶性分类模型RcdNet，以提高诊断的准确性和一致性	提出了一种创新的深度学习模型RcdNet，结合深度可分离卷积和CBAM注意力模块，增强了识别超声图像中关键病变区域的能力	未来工作将集中于将RcdNet整合到实时超声诊断系统中，并探索其在多模态成像工作流程中的潜力	构建一个自动化的、高准确率的诊断方法，支持乳腺癌的检测和分类	乳腺超声图像	数字病理	乳腺癌	深度学习	RcdNet（结合深度可分离卷积和CBAM注意力模块）	图像	NA
2823	2025-07-12	Deep learning-based feature selection for detection of autism spectrum disorder 2025, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2025.1594372 PMID:40636395	研究论文	本研究提出了一种结合深度学习和先进特征选择技术的新方法，用于自闭症谱系障碍（ASD）的检测	采用混合模型（SSDAE和MLP）结合优化的Hiking Optimization Algorithm（HOA）进行特征选择，显著提高了ASD检测的准确性	研究样本量可能有限，且仅使用了ABIDE I数据集，可能影响模型的泛化能力	开发一种更准确且临床适用的ASD检测模型	自闭症谱系障碍（ASD）患者	机器学习	自闭症谱系障碍	rs-fMRI	SSDAE, MLP	神经影像数据	ABIDE I数据集
2824	2025-07-12	Fourier convolutional decoder: reconstructing solar flare images via deep learning 2025, Neural computing & applications IF:4.5Q2 DOI:10.1007/s00521-025-11283-6 PMID:40636402	研究论文	本文提出了一种名为傅里叶卷积解码器（FCD）的深度学习模型，用于从观测数据中重建太阳耀斑图像	开发了一种自定义的过完备自编码器FCD，能够在模拟数据上训练并生成接近真实地面的输出，显著提高了图像重建的速度和准确性	在实验性STIX观测数据上的性能相比模拟数据有所下降	解决天文学中图像重建过程的复杂性和高计算资源消耗问题	太阳耀斑图像	计算机视觉	NA	深度学习	自编码器（FCD）	图像	模拟和观测数据集，具体数量未提及
2825	2025-07-12	Leveraging learned monocular depth prediction for pose estimation and mapping on unmanned underwater vehicles 2025, Frontiers in robotics and AI IF:2.9Q2 DOI:10.3389/frobt.2025.1609765 PMID:40642204	research paper	提出一个结合视觉和声学传感器数据的通用框架，用于增强复杂、高度动态的水下环境中的定位和地图构建，特别关注鱼类养殖	结合基于深度学习的单目深度预测和经典FFT方法的稀疏深度先验，实现仅从视觉数据进行网箱内深度预测和UUV的网相对位姿估计	NA	增强无人水下航行器（UUV）在复杂水下环境中的定位和地图构建能力	无人水下航行器（UUV）和鱼类养殖网箱	computer vision	NA	深度学习、Fast Fourier Transform (FFT)	NA	视觉和声学传感器数据	工业规模鱼类养殖场收集的数据集
2826	2025-07-12	Optimization-Based Image Reconstruction Regularized with Inter-Spectral Structural Similarity for Limited-Angle Dual-Energy Cone-Beam CT 2024-Dec-18, ArXiv PMID:39764397	研究论文	本文提出了一种基于优化和光谱间结构相似性正则化的图像重建方法，用于有限角度双能锥束CT成像	该方法无需X射线光谱测量或配对数据集进行模型训练，实现了准确的图像重建	研究仅使用了物理和数字体模进行评估，未涉及真实临床数据	促进快速低剂量双能锥束CT的临床应用	有限角度双能锥束CT图像重建	计算机视觉	NA	锥束CT	优化方法	CT图像	4个物理体模和3个数字体模
2827	2025-07-12	The Current Application and Future Potential of Artificial Intelligence in Renal Cancer 2024-11, Urology IF:2.1Q2 DOI:10.1016/j.urology.2024.07.010 PMID:39029807	综述	本文综述了人工智能在肾癌评估、管理和预后预测中的应用现状及未来潜力	探讨了AI在肾癌研究中的多种应用，包括影像学、组织病理学和预后预测，并展望了AI在未来临床决策中的整合	仅基于PubMed数据库的文献进行叙述性综述，可能未涵盖所有相关研究	评估人工智能在肾癌领域的应用现状及未来潜力	肾癌的评估、管理和预后预测	数字病理学	肾癌	监督/无监督机器学习、深度学习、自然语言处理、神经网络、放射组学、病理组学	NA	影像学数据、组织病理学数据	72项临床相关且有影响的研究
2828	2025-07-12	An Automated Multi-scale Feature Fusion Network for Spine Fracture Segmentation Using Computed Tomography Images 2024-Oct, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01091-0 PMID:38622384	研究论文	本文提出了一种新颖的多尺度特征融合深度学习模型，用于自动化脊柱骨折分割	提出了一种包含六个模块的多尺度特征融合深度学习模型，用于改进脊柱骨折的自动分割	未提及具体的数据集大小或实验的临床验证范围	提高脊柱骨折在CT图像中的自动分割准确性	脊柱骨折	计算机视觉	脊柱骨折	深度学习	多尺度特征融合网络	CT图像	NA
2829	2025-07-12	Improved Dementia Prediction in Cerebral Small Vessel Disease Using Deep Learning-Derived Diffusion Scalar Maps From T1 2024-09, Stroke IF:7.8Q1 DOI:10.1161/STROKEAHA.124.047449 PMID:39145386	研究论文	本研究开发了一种深度学习模型，用于从T1图像合成扩散张量成像（DTI）衍生的标量图（FA和MD），以提高脑小血管病中痴呆的预测准确性	提出了一种快速且可推广的方法，从常规T1图像合成FA/MD图，无需获取耗时的DTI数据，从而提高了痴呆预测的准确性	在SCANS数据集上的合成FA图的结构相似性指数较低（>0.80），可能影响预测效果	提高脑小血管病中痴呆的预测准确性	脑小血管病患者及正常对照	数字病理学	脑小血管病	深度学习、扩散张量成像（DTI）	深度学习模型	医学影像（T1图像、FA/MD图）	训练集：4998名UK Biobank参与者；外部验证集：SCANS（n=120）、RUN DMC（n=502）、PRESERVE（n=105）、NETWORKS（n=26）及1000名正常对照
2830	2025-07-12	Greater benefits of deep learning-based computer-aided detection systems for finding small signals in 3D volumetric medical images 2024-Jul, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.11.4.045501 PMID:38988989	研究论文	本研究探讨了基于深度学习的计算机辅助检测系统在3D医学影像中检测小信号的优越性	研究发现CNN-CADe系统在3D搜索小信号时比2D搜索带来更大的性能提升，减少了因数据探索不足导致的错误	研究仅使用了数字乳腺断层合成(DBT)体模数据，未涉及真实患者数据	评估基于CNN的计算机辅助检测系统在3D和2D医学影像搜索中的性能差异	数字乳腺断层合成(DBT)体模中的微钙化小信号和大肿块信号	计算机视觉	乳腺癌	CNN-based CADe系统	CNN	3D/2D医学影像	16名非专业观察者
2831	2025-07-12	When liver disease diagnosis encounters deep learning: Analysis, challenges, and prospects 2023-Mar, ILIVER.. DOI:10.1016/j.iliver.2023.02.002 PMID:40636411	综述	本文综述了深度学习在肝脏研究中的应用，分析了数据模态、肝脏主题与应用之间的关系，并总结了相关深度学习方法	利用Sankey图展示了数据模态、肝脏主题与应用之间的关系，总结了深度学习在肝脏研究中的方法和趋势	仅基于过去5年的139篇论文进行分析，可能未涵盖所有相关研究	探讨深度学习在肝脏疾病诊断和治疗中的应用	肝脏疾病	数字病理学	肝脏疾病	深度学习	NA	多模态数据	139篇论文
2832	2025-07-12	Application of biological big data and radiomics in hepatocellular carcinoma 2023-Mar, ILIVER.. DOI:10.1016/j.iliver.2023.01.003 PMID:40636408	综述	本文综述了生物大数据和放射组学在肝细胞癌（HCC）中的研究进展	结合生物大数据和放射组学为HCC的诊断、预后和治疗提供了新方法和新思路	NA	探讨生物大数据和放射组学在HCC中的应用	肝细胞癌（HCC）	数字病理学	肝癌	组学技术（基因组学、转录组学、蛋白质组学）、液体活检、机器学习算法、深度学习算法	NA	生物大数据、影像数据（超声、CT、MRI）	NA
2833	2025-07-12	Machine Learning to Predict Successful Opioid Dose Reduction or Stabilization After Spinal Cord Stimulation 2022-08-01, Neurosurgery IF:3.9Q1 DOI:10.1227/neu.0000000000001969 PMID:35384918	research paper	使用机器学习模型预测脊髓刺激（SCS）后阿片类药物剂量成功减少或稳定的可能性	首次提出基于机器学习的模型来预测SCS后阿片类药物使用的减少或稳定，并比较了深度学习与逻辑回归的性能	研究依赖于IBM MarketScan数据库，可能无法涵盖所有相关变量	预测SCS后阿片类药物使用的减少或稳定，以辅助患者和外科医生的决策	接受SCS治疗的患者	machine learning	NA	machine learning, deep neural networks, logistic regression	DNN, LR	医疗记录数据	7022名患者
2834	2025-07-12	Advances in artificial intelligence techniques drive the application of radiomics in the clinical research of hepatocellular carcinoma 2022-Mar, ILIVER.. DOI:10.1016/j.iliver.2022.02.005 PMID:40636134	综述	本文综述了人工智能技术在肝细胞癌（HCC）临床研究中推动放射组学应用的最新进展	结合人工智能技术，放射组学为HCC管理提供了新的视角，揭示了医学影像大数据中的像素级放射学信息，并将放射学表型与目标临床问题相关联	传统的放射组学流程依赖于手工设计的工程特征，而基于深度学习的放射组学流程虽然补充了通过自学习策略计算的深度特征，但仍存在一定局限性	探讨人工智能技术在肝细胞癌（HCC）临床研究中推动放射组学应用的最新进展	肝细胞癌（HCC）的临床研究	数字病理学	肝癌	放射组学	深度学习	医学影像	NA
2835	2025-07-12	A combined microfluidic deep learning approach for lung cancer cell high throughput screening toward automatic cancer screening applications 2021-05-07, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-021-89352-8 PMID:33963232	研究论文	本研究结合微流控技术和深度学习算法，开发了一种用于肺癌细胞高通量筛选的计算机辅助诊断系统	提出了一种结合微流控技术和深度学习的工作流程，用于肺癌细胞系的自动分类，实现了高准确率的癌细胞与正常细胞的区分	研究仅针对实验室培养的细胞系进行测试，未涉及临床样本	开发可靠的计算机辅助诊断系统，用于肺癌细胞的早期检测和分类	五种非小细胞肺癌细胞系(P-C9、SK-LU-1、H-1975、A-427、A-549)和正常细胞系(16-HBE)	数字病理学	肺癌	微流控技术、荧光显微镜成像	ResNet18(CNN)	图像	六种细胞系的图像数据(五种癌细胞系和一种正常细胞系)
2836	2025-07-11	Computational screening of umami tastants using deep learning 2025-Aug, Molecular diversity IF:3.9Q2 DOI:10.1007/s11030-024-11006-4 PMID:39422798	研究论文	本研究开发了一种基于深度学习的虚拟筛选流程，用于从大型分子数据库中识别高效鲜味物质	首次构建了基于Transformer的架构用于鲜味物质分类，并开发了预测鲜味化合物效能的神经网络模型	研究仅基于分子结构特征，未考虑实际味觉测试验证	开发高效识别新型鲜味物质的计算方法	鲜味分子与非鲜味分子	机器学习	NA	深度学习	Transformer, 神经网络	分子结构数据	867个分子（439个鲜味分子和428个非鲜味分子），并在包含约70,000个分子的FooDB数据库上进行应用验证
2837	2025-07-11	iDCNNPred: an interpretable deep learning model for virtual screening and identification of PI3Ka inhibitors against triple-negative breast cancer 2025-Aug, Molecular diversity IF:3.9Q2 DOI:10.1007/s11030-024-11055-9 PMID:39648257	研究论文	提出了一种可解释的深度学习模型iDCNNPred，用于虚拟筛选和识别针对三阴性乳腺癌的PI3Ka抑制剂	开发了Custom-DCNN模型，性能优于预训练模型，并通过Grad-CAM技术增强了模型预测的可解释性	需要进一步的药物化学工作来提高筛选出的分子的效力和选择性	识别和筛选针对三阴性乳腺癌的PI3Ka抑制剂	PI3Ka抑制剂	数字病理学	三阴性乳腺癌	分子对接、体外PI3K抑制研究	Custom-DCNN、AlexNet、SqueezeNet、VGG19	2D分子图像	Maybridge化学库中的分子，最终筛选出12个有潜力的分子，其中4个进行了生物验证
2838	2025-07-11	GraphkmerDTA: integrating local sequence patterns and topological information for drug-target binding affinity prediction and applications in multi-target anti-Alzheimer's drug discovery 2025-Aug, Molecular diversity IF:3.9Q2 DOI:10.1007/s11030-024-11065-7 PMID:39792322	研究论文	提出了一种名为GraphkmerDTA的新型深度学习模型，用于药物-靶标结合亲和力预测，并在多靶点抗阿尔茨海默病药物发现中应用	整合了Kmer特征与结构拓扑信息，克服了现有方法在序列特征提取和拓扑信息利用上的不足	未提及具体的计算资源需求或模型训练时间，可能在实际应用中存在效率问题	提高药物-靶标结合亲和力预测的准确性，并应用于药物发现	药物分子和蛋白质	机器学习	阿尔茨海默病	图神经网络（GNN）和全连接网络	GraphkmerDTA（结合GNN和Kmer特征）	序列数据和结构数据	超过两千种化合物的筛选库
2839	2025-07-11	Deep Learning-Based Signal Amplification of T1-Weighted Single-Dose Images Improves Metastasis Detection in Brain MRI 2025-Aug-01, Investigative radiology IF:7.0Q1 DOI:10.1097/RLI.0000000000001166 PMID:39961132	研究论文	本研究探讨了基于深度学习的信号放大技术在单剂量T1加权脑MRI图像中的应用，以提高转移瘤的检测能力	利用深度学习技术从单剂量对比增强图像生成人工双剂量图像，避免了使用实际双剂量对比剂带来的环境和健康风险	研究中读者在人工双剂量图像上显示出更多的假阳性发现，尽管差异不显著	评估深度学习增强的单剂量脑MRI图像在转移瘤检测中的效果	30名参与者（平均年龄58.5±11.8岁，23名女性）的脑MRI图像	数字病理	脑转移瘤	MRI	深度学习	医学影像	30名参与者
2840	2025-07-11	Deep learning in the discovery of antiviral peptides and peptidomimetics: databases and prediction tools 2025-Aug, Molecular diversity IF:3.9Q2 DOI:10.1007/s11030-025-11173-y PMID:40153158	综述	本文综述了抗病毒肽（AVPs）的数据库构建、理化特性及其在机器学习预测工具中的应用	探讨了AI技术在抗病毒肽发现中的关键作用，并介绍了专用数据库（如DRAVP、AVPdb和DBAASP）的开发与应用	现有数据库存在数据集小、注释不完整以及与多组学数据整合不足的问题，且预测工具面临过拟合、实验验证有限和缺乏机制性见解的挑战	推动抗病毒肽和拟肽类药物的发现与开发	抗病毒肽（AVPs）及其理化特性	自然语言处理	NA	机器学习和深度学习	NA	文本数据	NA