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
321	2025-06-13	Efficient evidence selection for systematic reviews in traditional Chinese medicine 2025-Jan-15, BMC medical research methodology IF:3.9Q1 DOI:10.1186/s12874-024-02430-z PMID:39815209	研究论文	本文介绍了一种新颖的精确优先综合信息提取和选择程序，旨在提高中医药系统评价中证据选择的效率和准确性	结合了深度学习模型（Evi-BERT与基于规则的方法）、布尔逻辑算法和扩展检索策略，实现自动且准确的证据选择	方法的全部潜力需要进一步验证	提高中医药系统评价和临床指南中证据选择的效率和准确性	中医药相关的系统评价文献	自然语言处理	NA	Evi-BERT与基于规则的方法结合布尔逻辑算法	BERT	文本	十篇高质量的中医药相关系统评价
322	2025-06-13	Effect of feedback-integrated reflection, on deep learning of undergraduate medical students in a clinical setting 2025-Jan-14, BMC medical education IF:2.7Q1 DOI:10.1186/s12909-025-06648-3 PMID:39810114	research paper	研究反馈整合反思对本科医学生在妇科临床环境中深度学习的影响	比较反馈整合反思与单独反思对医学生高阶多选题分数的提升效果	样本量较小（68名医学生），且研究仅针对妇科临床环境	评估反馈整合反思对医学生深度学习的效果	本科医学生	医学教育	NA	随机对照试验	NA	测试分数	68名本科医学生
323	2025-06-13	Artificial intelligence: the human response to approach the complexity of big data in biology 2025-Jan-06, GigaScience IF:11.8Q1 DOI:10.1093/gigascience/giaf057 PMID:40504538	综述	本文探讨了人工智能在生命科学中的应用，特别是在高通量组学数据分析中的作用	强调了基于组学的预测分析在系统生物学中的作用，以及创新的基于人工智能的分析方法	未提及具体的技术实施细节或案例研究	探索人工智能在生命科学中的应用及其对复杂生物系统研究的推动作用	植物科学、动物科学和微生物学中的生物过程和生态系统动态	机器学习	NA	高通量组学数据分析	深度学习	组学数据	NA
324	2025-06-13	Mitigating catastrophic forgetting in Multiple sclerosis lesion segmentation using elastic weight consolidation 2025, NeuroImage. Clinical DOI:10.1016/j.nicl.2025.103795 PMID:40403421	研究论文	该研究首次将弹性权重巩固（EWC）应用于多发性硬化（MS）病变分割的领域增量学习，以缓解灾难性遗忘问题	首次在MS病变分割的领域增量学习中使用EWC，显著减少了灾难性遗忘，并在少量目标域数据下实现了性能提升	研究仅使用了公开数据集和内部数据集进行验证，未涉及更广泛的临床数据	解决MS病变分割中深度学习模型的领域适应问题，减少灾难性遗忘	多发性硬化（MS）病变的MRI图像分割	数字病理	多发性硬化	弹性权重巩固（EWC），迁移学习（TL）	3D U-Net	MRI图像	公开数据集（WMH2017和Shifts）及内部数据集，少量目标域图像（3-5张）
325	2025-06-13	Student engagement assessment using multimodal deep learning 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0325377 PMID:40493580	研究论文	提出了一种基于多模态深度学习的框架，用于学生参与度评估	结合视频、文本和日志三种模态数据，采用异步数据融合和深度学习模型评估学生参与度，并使用梯度幅度映射区分参与度水平的细微差异	未明确提及具体局限性	提升学生积极表现并优化教学方法	学生参与度	机器学习	NA	多模态深度学习	CNN	视频、文本、日志	未明确提及样本数量
326	2025-06-13	Enhancing ECG disease detection accuracy through deep learning models and P-QRS-T waveform features 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0325358 PMID:40493615	研究论文	本研究利用深度学习和P-QRS-T波形特征提高心电图（ECG）疾病检测的准确性	结合先进的信号处理和深度学习技术，使用P-QRS-T特征进行精确的多类心脏病分类	研究主要基于PTB-XL数据库，可能在其他数据集上的泛化能力有待验证	开发一种稳健的方法，用于分类多种心脏异常	心电图（ECG）记录	数字病理	心血管疾病	Butterworth带通滤波器和离散小波变换（DWT）db-8，SMOTE-NC	CNN和DNN	ECG信号	PTB-XL数据库中的ECG记录
327	2025-06-13	Comparing UNet configurations for anthropogenic geomorphic feature extraction from land surface parameters 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0325904 PMID:40493622	研究论文	本研究比较了不同UNet架构在从地表参数中提取人为地貌特征时的性能	探索了多种UNet架构的改进方法，包括激活函数替换、残差连接、注意力机制等，以提高在有限训练数据或复杂地貌场景下的分割性能	当训练数据量较大时（如超过500个图像块），改进架构与基础UNet性能差异不明显	优化基于UNet的模型用于人为地貌特征提取	农业梯田、矿山台阶和谷地填充面等地貌特征	计算机视觉	NA	深度学习	UNet及其变体（包括MobileNetV2作为编码器骨干）	高空间分辨率激光雷达数据	不同训练样本量（50、100、250、500及完整训练集）
328	2025-06-13	Deep learning architectures for influenza dynamics and treatment optimization: a comprehensive review 2025, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2025.1521886 PMID:40495931	综述	本文综述了深度学习架构在流感动态建模和治疗优化中的应用	探讨了LSTM、CNN、GAN、transformer架构和LLMs等深度学习方法在流感病毒行为建模和治疗策略优化中的创新应用	未提及具体研究案例或实验验证，主要基于文献综述	利用深度学习改进流感动态理解和治疗策略优化	流感病毒行为和治疗策略	机器学习	流感	NA	LSTM, CNN, GAN, transformer, LLMs	基因序列和患者记录	NA
329	2025-06-13	Deep learning-based automated segmentation for the quantitative diagnosis of cerebral small vessel disease via multisequence MRI 2025, Frontiers in neurology IF:2.7Q3 DOI:10.3389/fneur.2025.1540923 PMID:40496122	研究论文	开发了一种基于深度学习的自动分割方法，用于通过多序列MRI定量诊断脑小血管病	首次提出基于深度学习的自动分割方法，用于定量评估脑小血管病的典型神经影像标志物	样本量相对较小，且外部数据集的时间跨度较大	开发一种自动化的定量诊断方法，以准确评估脑小血管病的全局病变负荷	脑小血管病（CSVD）的神经影像标志物，包括白质高信号、脑微出血、腔隙和扩大的血管周围间隙	数字病理	脑小血管病	多序列MRI	深度学习（DL）	MRI图像	内部数据集105名患者，外部数据集58名患者
330	2025-06-13	Use video comprehension technology to diagnose ultrasound pneumothorax like a doctor would 2025, Frontiers in physiology IF:3.2Q2 DOI:10.3389/fphys.2025.1530808 PMID:40496245	研究论文	本研究利用视频理解技术对超声气胸进行智能诊断，通过深度学习模型实现高准确率的诊断	首次将视频理解模型应用于气胸的多特征融合诊断，展示了视频理解技术在医学图像诊断中的可行性	研究仅使用了657个训练剪辑和164个测试剪辑，样本量相对较小	开发一种能够快速准确诊断超声气胸的智能系统	超声气胸诊断	计算机视觉	气胸	深度学习	TSM视频理解模型基于ResNet50网络	视频	657个训练剪辑和164个测试剪辑
331	2025-06-12	Machine learning and deep learning in diabetology: revolutionizing diabetes care 2025, Frontiers in clinical diabetes and healthcare DOI:10.3389/fcdhc.2025.1547689 PMID:40496420	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
332	2025-06-13	Deep learning to promote health through sports and physical training 2025, Frontiers in public health IF:3.0Q2 DOI:10.3389/fpubh.2025.1583581 PMID:40496455	研究论文	本研究提出了一种基于LSTM和注意力机制的序列到序列深度学习模型，用于预测健康改善分数（HIS）	结合LSTM和注意力机制，整合多种时间序列数据，提出HIS预测模型，显著提高了预测准确性	研究样本量较小（384名参与者），且观察时间较短（32天）	开发更个性化和准确的预测模型，评估运动和体育训练对健康改善的影响	运动和体育训练对健康改善的影响	机器学习	慢性疾病	时间序列分析	LSTM	时间序列数据	384名参与者，32天的数据
333	2025-06-13	Radiomics and Deep Learning as Important Techniques of Artificial Intelligence - Diagnosing Perspectives in Cytokeratin 19 Positive Hepatocellular Carcinoma 2025, Journal of hepatocellular carcinoma IF:4.2Q2 DOI:10.2147/JHC.S526887 PMID:40496512	meta-analysis	系统分析和比较了非侵入性方法在预测CK19阳性HCC中的表现，为HCC患者的分层管理提供见解	整合传统影像学、放射组学和深度学习的组合模型在预测CK19阳性HCC方面表现出卓越潜力	多中心外部数据有限，仅13.6%的研究包含验证集	系统分析和比较非侵入性方法预测CK19阳性HCC的性能	HCC患者	digital pathology	hepatocellular carcinoma	radiomics, deep learning	combined models	image	22项研究，涉及3395名HCC患者
334	2025-06-13	AI-based multimodal prediction of lymph node metastasis and capsular invasion in cT1N0M0 papillary thyroid carcinoma 2025, Frontiers in endocrinology IF:3.9Q2 DOI:10.3389/fendo.2025.1580885 PMID:40496555	research paper	该研究开发了一种基于AI的多模态预测模型，用于提高cT1N0M0甲状腺乳头状癌（PTC）患者淋巴结转移（LNM）和包膜侵犯（CI）的术前评估准确性	整合了超声放射组学和深度学习特征，通过多模态融合提高了预测性能，优于单一模态模型	样本量相对较小（203例患者），且仅进行了内部测试集验证	提高cT1N0M0 PTC患者LNM和CI的术前评估准确性，优化风险分层和治疗策略	cT1N0M0甲状腺乳头状癌（PTC）患者	digital pathology	thyroid cancer	超声放射组学分析，深度学习特征提取	NeuralNet, RandomForest, Vision Transformer (ViT)	超声图像	203例PTC患者（训练集142例，内部测试集61例）
335	2025-06-13	Early detection of human Mpox: A comparative study by using machine learning and deep learning models with ensemble approach 2025 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076251344135 PMID:40496715	研究论文	本研究通过机器学习和深度学习模型结合集成方法，提高了Mpox的早期诊断准确率	采用集成学习方法结合ViT和ConvMixer模型，显著提高了Mpox病变的分类准确率和鲁棒性	模型可解释性有待提高，需在真实临床数据中进一步验证	提高Mpox的早期诊断准确率	Mpox皮肤病变数据集v2.0中的六种皮肤病变类别	计算机视觉	Mpox	机器学习与深度学习	Logistic Regression, K-Nearest Neighbors, Vision Transformer (ViT), ConvMixer	图像	包含六种皮肤病变类别的Mpox皮肤病变数据集v2.0
336	2025-06-13	Multimeric protein interaction and complex prediction: Structure, dynamics and function 2025, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2025.05.009 PMID:40496891	综述	本文综述了多聚体蛋白质复合物的结构、相互作用、动力学和功能研究的最新进展	总结了CASP16中的最新进展，包括未知化学计量比、超复合物和构象集合的预测，以及AlphaFold2和3在多聚体预测中的贡献	在处理功能性蛋白质-蛋白质相互作用和动态构象方面存在局限性	研究多聚体蛋白质复合物的结构、相互作用、动力学和功能	多聚体蛋白质复合物	生物信息学	NA	深度学习	AlphaFold2 & 3	蛋白质结构数据	NA
337	2025-06-13	Enhanced visibility graph for EEG classification 2025, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2025.1541062 PMID:40497135	research paper	提出了一种结合功率谱密度(PSD)和可见性图(VG)特征与深度学习(DL)技术的端到端EEG分类框架	整合了PSD和VG特征以同时捕捉EEG信号的频域特性和时域动态，并评估了四种DL架构在EEG分类中的表现	未明确提及具体的数据集规模限制或模型泛化能力的详细分析	推进EEG分析，开发更准确可靠的基于EEG的系统	EEG信号	machine learning	NA	power spectral density (PSD), visibility graph (VG), deep learning (DL)	MLP, LSTM, InceptionTime, ChronoNet	EEG信号	多个数据集，但未明确提及具体样本数量
338	2025-06-13	AI-driven prediction of bitterness and sweetness and analysis of receptor interactions 2025, Current research in food science IF:6.2Q1 DOI:10.1016/j.crfs.2025.101090 PMID:40497229	研究论文	本研究开发了基于图神经网络（GNN）的人工智能模型，用于根据化学结构预测苦味和甜味，并通过分子对接模拟验证了预测结果	使用GNN直接从分子结构中学习，减少特征选择偏差，并通过Integrated Gradients方法增强模型的可解释性	需要进一步研究以探索更深入的分子机制，并将该方法扩展到预测其他味觉模式	理解甜味和苦味的分子机制，识别天然和合成化合物中的理想味觉特征	被分类为苦味或甜味的化合物	机器学习	NA	图神经网络（GNN）、分子对接模拟	GNN	化学结构数据	NA
339	2025-06-13	Improving lung cancer diagnosis and survival prediction with deep learning and CT imaging 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0323174 PMID:40498724	研究论文	本文提出了一种使用卷积神经网络和CT影像改善肺癌诊断和生存预测的方法	提出了一种结合小批量损失和二元交叉熵的方法，用于预测肺癌发生和死亡风险，并扩展了Cox比例风险模型以处理神经网络引入的非凸性	NA	提高肺癌的诊断准确性和生存预测效果	肺癌患者	计算机视觉	肺癌	CT成像	3D CNN	影像	国家肺癌筛查试验数据集
340	2025-06-13	An ensemble-based 3D residual network for the classification of Alzheimer's disease 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0324520 PMID:40498744	research paper	该研究提出了一种基于深度学习的集成方法，用于阿尔茨海默病的分类，特别是针对轻度认知障碍（MCI）的早期诊断	使用加权概率的集成方法整合了三种3D残差网络（3D ResNet）的结果，并采用注意力机制（CBAM）提升模型性能	数据量有限，需通过数据增强技术来提高准确性	早期诊断阿尔茨海默病（AD）及其前驱阶段轻度认知障碍（MCI）	阿尔茨海默病患者及其前驱阶段轻度认知障碍患者	digital pathology	geriatric disease	深度学习	3D ResNet-18, 3D ResNet-34, 3D ResNet-50 with CBAM	image	NA