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
281	2025-05-19	Dual-Domain deep prior guided sparse-view CT reconstruction with multi-scale fusion attention 2025-May-15, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-02133-5 PMID:40374874	研究论文	提出了一种双域深度先验引导的多尺度融合注意力模型（DPMA），用于稀疏视图CT重建，以提高重建精度并确保数据一致性和稳定性	结合残差正则化策略、多尺度融合注意力机制和基于物理信息的一致性模块，有效整合深度学习先验与基于模型的优化	未明确提及具体样本量或实验规模	提高稀疏视图CT重建的精度和稳定性	稀疏视图CT图像	计算机视觉	NA	CT重建	DPMA（双域深度先验引导的多尺度融合注意力模型）	CT图像	NA
282	2025-05-19	Deep Learning Reaction Framework (DLRN) for kinetic modeling of time-resolved data 2025-May-15, Communications chemistry IF:5.9Q1 DOI:10.1038/s42004-025-01541-y PMID:40374886	research paper	介绍了一种基于深度学习的框架DLRN，用于从时间分辨数据集中快速提供动力学反应网络、时间常数和振幅	DLRN框架在性能上与经典拟合分析相当，甚至在某些情况下表现更优，能够处理复杂动力学和多时间尺度数据集	未明确提及具体局限性	开发一种深度学习框架，用于化学动力学建模和时间分辨数据分析	时间分辨数据集，包括时间分辨光谱和琼脂糖凝胶电泳数据等	machine learning	NA	深度学习	DLRN	时间分辨数据	未明确提及样本数量
283	2025-05-19	Segmentation of the thoracolumbar fascia in ultrasound imaging: a deep learning approach 2025-May-15, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-01720-2 PMID:40375198	研究论文	本研究探讨了使用深度学习方法从超声图像中分割胸腰筋膜的可行性	首次应用深度学习技术对胸腰筋膜进行自动分割，以解决超声检查中操作者和设备设置带来的挑战	研究样本量相对有限，且需要进一步验证模型在其他临床环境中的适用性	填补胸腰筋膜在临床常规检查中难以有效评估的技术空白	腰痛患者的胸腰筋膜超声图像	医学影像分析	腰痛	超声成像	U-Net	图像	538张超声图像（来自腰痛患者），外加87张测试图像和另一个中心的额外测试集
284	2025-05-19	Deep learning-based prediction of individualized Real-time FSH doses in GnRH agonist long protocols 2025-May-15, Journal of translational medicine IF:6.1Q1 DOI:10.1186/s12967-025-06562-8 PMID:40375277	研究论文	开发了一种深度学习模型，用于预测接受控制性卵巢刺激（COS）患者的个性化每日FSH剂量	首次应用跨时间和跨特征的深度学习框架，在整个COS过程中进行每日个性化FSH剂量预测	目前受限于回顾性、单中心设计	优化辅助生殖中的控制性卵巢刺激（COS）结果	接受GnRH激动剂长方案COS的患者	机器学习	生殖健康	深度学习	CTFE（跨时间和跨特征编码）	临床数据	13,788个IVF/ICSI周期（2018年1月至2020年12月）
285	2025-05-19	EnGCI: enhancing GPCR-compound interaction prediction via large molecular models and KAN network 2025-May-15, BMC biology IF:4.4Q1 DOI:10.1186/s12915-025-02238-3 PMID:40375308	研究论文	本文提出了一种名为EnGCI的新模型，用于增强G蛋白偶联受体-化合物相互作用（GCI）的预测能力	EnGCI模型结合了两种互补模块：一种从零开始学习分子特征，另一种利用预训练的大型分子模型提取分子特征，通过KAN网络进行决策，显著提高了预测准确性	NA	研究旨在提高G蛋白偶联受体-化合物相互作用（GCI）的预测能力，以促进药物发现和化学基因组学	G蛋白偶联受体（GPCRs）和化合物	机器学习	NA	深度学习	GIN, CNN, KAN	分子数据	NA
286	2025-05-19	Applications of machine learning and deep learning in musculoskeletal medicine: a narrative review 2025-May-15, European journal of medical research IF:2.8Q2 DOI:10.1186/s40001-025-02511-9 PMID:40375335	综述	本文综述了机器学习和深度学习在肌肉骨骼医学中的应用	提供了机器学习和深度学习在肌肉骨骼医学中的全面应用概述，包括不同机器学习概念及其临床应用	数据标注标准化不足，结果有效性不够，法律方面尚未明确	探讨机器学习和深度学习在肌肉骨骼医学中的应用及其潜力	肌肉骨骼医学领域	机器学习	肌肉骨骼疾病	机器学习，深度学习	监督学习，无监督学习，强化学习	NA	NA
287	2025-05-19	Deep normative modelling reveals insights into early-stage Alzheimer's disease using multi-modal neuroimaging data 2025-May-15, Alzheimer's research & therapy DOI:10.1186/s13195-025-01753-3 PMID:40375339	研究论文	本研究应用深度学习规范模型分析多模态神经影像数据，探索早期阿尔茨海默病的细微差异	首次将深度学习规范模型应用于多模态MRI数据，量化个体与健康人群的偏差，检测早期AD相关差异	研究依赖于外部EPAD队列数据，样本可能受未诊断或共病因素影响	探索规范建模在检测早期阿尔茨海默病相关脑形态差异中的应用	非痴呆人群（含AD风险个体）的多模态MRI数据	数字病理学	阿尔茨海默病	多模态MRI扫描	深度学习规范模型	神经影像数据	UK Biobank预训练数据+外部EPAD队列非痴呆个体
288	2025-05-19	QRS-centric beat-wise atrial fibrillation detection in ECG signals using deep neural networks 2025-May-15, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110282 PMID:40378565	research paper	提出了一种基于深度学习的逐搏房颤检测方法，通过QRS波中心化策略提升心电图信号分析的精确性	采用QRS波中心化自适应分割策略，结合CNN特征提取与双向LSTM时序分析，首次实现逐搏级别的房颤精准检测	模型性能验证主要依赖公开数据库，需进一步临床环境验证	开发高精度的逐搏级别房颤自动检测算法	心电图信号中的房颤搏动	数字病理学	心血管疾病	ECG信号分析	CNN + 双向LSTM混合模型	时间序列信号	MIT-BIH心律失常数据库（MIT-BIH Arrhythmia Database）、MIT-BIH房颤数据库（MIT-BIH Atrial Fibrillation Database）、MIMIC-III和Simband数据集
289	2025-05-19	Automatic head and neck tumor segmentation through deep learning and Bayesian optimization on three-dimensional medical images 2025-May-15, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110309 PMID:40378562	research paper	该研究提出了一种基于深度学习和贝叶斯优化的方法，用于自动分割头颈部肿瘤的三维医学图像	提出了一种两阶段贝叶斯优化调度（BOS）方法，用于优化卷积神经网络（CNN）的超参数，特别是在批量大小和学习率的联合优化上引入了B2L比率	研究仅针对头颈部肿瘤的分割任务，未涉及其他类型的肿瘤或疾病	提高头颈部肿瘤在三维医学图像中的自动分割性能	头颈部肿瘤的三维医学图像（CT和PET扫描）	digital pathology	head and neck cancer	deep learning, Bayesian optimization	CNN, V-Net	3D medical images (CT and PET scans)	未明确提及具体样本量，但使用了10折交叉验证
290	2025-05-19	Beyond accuracy: The need for explainable AI in biomedical voice technology 2025-May-15, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110240 PMID:40379565	research paper	本文探讨了在生物医学语音技术中解释性AI的必要性	强调了在临床环境中解释性AI的重要性，特别是在高精度深度学习模型的应用中	未提及具体的技术实现细节或实验验证	研究生物医学语音技术中AI模型的解释性问题	语音和声音作为非侵入性生物标志物	自然语言处理	神经退行性疾病、呼吸系统疾病、精神疾病和情绪障碍	NA	深度学习模型	语音数据	NA
291	2025-05-19	Privacy-Protecting Image Classification Within the Web Browser Using Deep Learning Models from Zenodo 2025-May-15, Studies in health technology and informatics DOI:10.3233/SHTI250288 PMID:40380400	研究论文	介绍了一个基于Web的应用程序WebIPred，用于在客户端浏览器内直接加载深度学习模型，以保护患者隐私并保持与临床IT环境的兼容性	提出了WebIPred，一个直接在客户端浏览器内运行深度学习模型的隐私保护解决方案，无需依赖云端处理	未提及具体性能指标或与现有解决方案的详细比较	开发一个隐私保护的图像分类工具，便于临床医生将AI整合到工作流程中	医疗图像分析	数字病理	NA	深度学习	预训练深度学习模型	图像	NA
292	2025-05-19	Bias Detection in Histology Images Using Explainable AI and Image Darkness Assessment 2025-May-15, Studies in health technology and informatics DOI:10.3233/SHTI250302 PMID:40380414	research paper	该研究提出了一种结合可解释AI和图像暗度评估的新框架，用于检测和减轻宫颈组织学图像分类中的偏差	结合可解释AI和图像暗度评估来检测和减轻医学AI模型中的偏差，提高了模型的准确性和公平性	研究中仅使用了四种深度学习架构，可能未涵盖所有可能的模型类型	提高医学AI模型的公平性、泛化能力和临床实用性	宫颈组织学图像	digital pathology	cervical cancer	Explainable AI (XAI), image darkness assessment	AlexNet, ResNet-50, EfficientNet-B0, DenseNet-121	image	NA
293	2025-05-19	Exploring Differential Diagnosis-Based Explainable AI: A Case Study in Melanoma Detection 2025-May-15, Studies in health technology and informatics DOI:10.3233/SHTI250389 PMID:40380499	研究论文	本文提出了一种基于鉴别诊断的可解释AI方法，用于黑色素瘤检测，并通过与常用XAI方法的比较验证其优越性	提出了一种与临床鉴别诊断技术相一致的创新XAI方法，提供了更全面的解释	仅针对黑色素瘤检测进行了案例研究，未验证在其他疾病诊断中的适用性	提高AI模型在黑色素瘤检测中的可解释性和临床可信度	黑色素瘤诊断	数字病理	黑色素瘤	深度学习	XAI	图像	NA
294	2025-05-19	Challenging Black-Box Models: Interpretable Explanations for ECG Classification 2025-May-15, Studies in health technology and informatics DOI:10.3233/SHTI250405 PMID:40380515	research paper	本文提出了一种基于时间对齐心电图的可解释性逻辑回归分类器，用于心电图分类	使用非深度学习的分类器实现可比较的性能，并引入实时反事实解释的新机会	未提及具体性能对比数据或与其他方法的详细比较	提高心电图分类模型的可解释性	心电图数据	machine learning	心血管疾病	逻辑回归	logistic regression	时间序列数据（心电图）	NA
295	2025-05-19	Patient Survival Prediction by Analyzing Pathological Images of Patients After Liver Transplantation 2025-May-15, Studies in health technology and informatics DOI:10.3233/SHTI250430 PMID:40380539	研究论文	通过分析肝移植后患者的病理图像预测患者生存情况	自动完成从病理图像中提取细胞核特征到预测患者生存的整个过程，并建立了在数据量小的情况下仍能正确预测生存的方法	样本量较小（n=67），且仅针对肝移植患者	预测肝移植后患者的生存情况，辅助临床决策	肝移植患者的病理图像	数字病理	肝癌	深度学习	VIT (Vision Transformer), CoxPH, Kaplan-Meier	图像	67名肝移植患者，每位患者约2张病理图像，每张大图像平均分割为30张小图像
296	2025-05-19	Artificial Intelligence Powered Audiomics: The Futuristic Biomarker in Pulmonary Medicine - A State-of-the-Art Review 2025-May-15, Studies in health technology and informatics DOI:10.3233/SHTI250491 PMID:40380599	review	本文综述了AI驱动的'声组学'在利用声音和呼吸音作为非侵入性生物标志物诊断和管理肺部疾病中的应用	利用AI分析声学特征，提高诊断准确性并追踪疾病进展，为肺部疾病提供新型非侵入性诊断方法	数据隐私和标准化等伦理挑战仍是临床应用的障碍	探索AI驱动的声组学在肺部疾病诊断和管理中的应用潜力	COVID-19、结核病、间质性肺病(ILD)、哮喘和慢性阻塞性肺病(COPD)等肺部疾病	数字病理学	lung cancer	机器学习和深度学习	NA	声音信号	NA
297	2025-05-19	Leveraging Vision Transformers in Multimodal Models for Retinal OCT Analysis 2025-May-15, Studies in health technology and informatics DOI:10.3233/SHTI250567 PMID:40380672	research paper	本研究探讨了深度学习模型（包括CNN和ViT）在视网膜OCT图像分类中的效果，并研究了整合元数据对分类过程的影响	探索了Vision Transformers (ViTs)在医学图像分析中的潜力，特别是在处理复杂多模态数据时	研究中存在大量元数据缺失的情况	提高视网膜OCT图像的分类准确性，以辅助诊断视网膜疾病	视网膜OCT图像	computer vision	Age-related Macular Degeneration (AMD), Diabetic Macular Edema (DME)	OCT	CNN, Vision Transformers (ViTs), Multimodal ResNet18, DenseNet121	image, metadata	NA
298	2025-05-19	Energy-Efficient AI for Medical Diagnostics: Performance and Sustainability Analysis of ResNet and MobileNet 2025-May-15, Studies in health technology and informatics DOI:10.3233/SHTI250585 PMID:40380690	研究论文	比较ResNet和MobileNet在胸部疾病分类中的能源效率	首次系统比较ResNet和MobileNet在医疗诊断中的能源消耗，强调AI模型的能效优化	仅比较了两种模型，未考虑其他可能更高效的架构	评估AI模型在医疗诊断中的能源效率	ResNet和MobileNet模型	计算机视觉	胸部疾病	深度学习	ResNet, MobileNet	医学影像数据	CheXpert数据集
299	2025-05-19	Explainable Versus Interpretable AI in Healthcare: How to Achieve Understanding 2025-May-15, Studies in health technology and informatics DOI:10.3233/SHTI250639 PMID:40380742	research paper	本文探讨了在医疗领域中可解释AI与可理解AI的区别，并提出了一种基于Daniel Dennett意向立场的方法论，以分析AI解释如何促进用户更深层次的参与和理解	提出了一种基于Daniel Dennett意向立场的方法论，用于分析AI解释如何促进用户理解，并探讨了该方法论对医疗聊天机器人开发和监管的影响	未提及具体实验数据或案例研究来验证所提方法论的有效性	探讨AI在医疗决策支持系统中的解释、解释与理解之间的区别，并提出促进用户理解的方法	AI驱动的决策支持系统，特别是基于大型语言模型（LLMs）的医疗聊天机器人	natural language processing	NA	NA	LLM	text	NA
300	2025-05-19	AITom: AI-guided cryo-electron tomography image analyses toolkit 2025-May-14, Journal of structural biology IF:3.0Q3 DOI:10.1016/j.jsb.2025.108207 PMID:40378936	research paper	介绍AITom，一个为冷冻电子断层扫描（cryo-ET）研究人员设计的开源人工智能平台	AITom整合了公共和专有算法，支持传统模板和无模板方法，以及先进的深度学习技术，用于cryo-ET数据分析	NA	开发高效准确的大规模图像分析方法，以解决cryo-ET在三维亚细胞成分定位、识别、分割和结构恢复方面的挑战	冷冻电子断层扫描图像	structural biology	NA	cryo-electron tomography (cryo-ET)	deep learning	image	NA