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	2025-05-03	Omics data classification using constitutive artificial neural network optimized with single candidate optimizer 2025-May, Network (Bristol, England) DOI:10.1080/0954898X.2024.2348726 PMID:38736309	研究论文	提出了一种基于Zebra优化算法和构成性人工神经网络的omics数据分类方法，并通过单候选优化器优化权重参数	结合Zebra优化算法进行降维，并使用构成性人工神经网络分类omics数据，通过单候选优化器优化权重参数，提高了分类准确率	未提及具体的数据集大小或实验设置的局限性	提高omics数据的分类准确率	omics数据（如基因组学、蛋白质组学和微生物组学数据）	机器学习	NA	Adaptive variational Bayesian filtering (AVBF), Zebra Optimization Algorithm (ZOA), Constitutive Artificial Neural Network (CANN), Single Candidate Optimizer (SCO)	CANN	omics数据	NA
322	2025-05-03	Enhancing Lesion Detection in Inflammatory Myelopathies: A Deep Learning-Reconstructed Double Inversion Recovery MRI Approach 2025-May-01, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8582 PMID:39542724	research paper	本研究比较了深度学习重建的双反转恢复MRI与传统方法在炎症性脊髓病中的病变检测效果	首次评估了深度学习重建的双反转恢复MRI在炎症性脊髓病中的应用效果	研究样本量相对较小，且仅由三名神经放射科医师评估	比较不同MRI技术在炎症性脊髓病中的病变检测效果	炎症性脊髓病患者	digital pathology	inflammatory myelopathies	deep learning-reconstructed double inversion recovery MRI	DL	MRI images	149名参与者（平均年龄40.6岁，71名女性）
323	2025-05-03	Hybrid deep learning-based skin cancer classification with RPO-SegNet for skin lesion segmentation 2025-May, Network (Bristol, England) DOI:10.1080/0954898X.2024.2428705 PMID:39628058	research paper	提出了一种基于混合深度学习的皮肤癌分类方法，结合RPO-SegNet进行皮肤病变分割	提出了Recurrent Prototypical Object Segmentation Network (RPO-SegNet)用于皮肤病变分割，以及Fuzzy-based Shepard Convolutional Maxout Network (FSCMN)用于皮肤癌分类	NA	提高皮肤癌的准确和及时识别，以降低死亡率	皮肤黑色素病变	computer vision	skin cancer	deep learning	RPO-SegNet, FSCMN, DMN, ShCNN	image	NA
324	2025-05-03	Deep Learning for Predicting Acute Exacerbation and Mortality of Interstitial Lung Disease 2025-May, Annals of the American Thoracic Society IF:6.8Q1 DOI:10.1513/AnnalsATS.202403-284OC PMID:39680875	研究论文	使用深度学习模型预测间质性肺病（ILD）的急性加重和死亡率	利用纵向数据开发深度学习模型，优于传统的单变量和多变量Cox比例风险模型	研究数据来自两个专科中心，可能存在选择偏倚	早期识别高风险ILD患者并准确预测急性加重和死亡事件	间质性肺病患者	机器学习	间质性肺病	深度学习	DL模型	纵向临床和环境数据	1,175名患者（来自两个医疗中心）
325	2025-05-03	Prognostic value of manual versus automatic methods for assessing extents of resection and residual tumor volume in glioblastoma 2025-May-01, Journal of neurosurgery IF:3.5Q1 DOI:10.3171/2024.8.JNS24415 PMID:39823581	research paper	比较手动与自动方法评估胶质母细胞瘤切除范围和残留肿瘤体积的预后价值	使用Raidionics开源软件和预训练深度学习模型进行自动分割，比较其与手动方法在预后评估中的效果	未发现全切除与近全切除（90%-99%）在预后上的显著差异	评估自动与手动方法在胶质母细胞瘤预后中的价值	成年胶质母细胞瘤患者	digital pathology	glioblastoma	deep learning	pretrained deep learning models	image	来自欧洲和北美12家医院的成年胶质母细胞瘤患者
326	2025-05-03	VGX: VGG19-Based Gradient Explainer Interpretable Architecture for Brain Tumor Detection in Microscopy Magnetic Resonance Imaging (MMRI) 2025-May, Microscopy research and technique IF:2.0Q3 DOI:10.1002/jemt.24809 PMID:39825619	research paper	该研究提出了一种基于VGG19的梯度解释器可解释架构，用于显微镜磁共振成像(MMRI)中的脑肿瘤检测	结合了可解释AI(XAI)技术，使用梯度解释器来解释分类结果，提高了模型决策的可解释性	尽管准确率高，但结果的解释性仍存在疑问	开发一种自动化的微脑肿瘤识别方法	脑肿瘤	digital pathology	brain tumor	microscopy magnetic resonance imaging (MMRI)	VGG19, XAI	image	包含不同大小和类型的肿瘤样本，来自显微镜和MRI数据源
327	2025-05-03	Comparison of individualized facial growth prediction models using artificial intelligence and partial least squares based on the Mathews growth collection 2025-May-01, The Angle orthodontist DOI:10.2319/082124-687.1 PMID:39884314	research paper	本研究开发并比较了基于人工智能和偏最小二乘法的个体化面部生长预测模型	首次将TabNet深度神经网络应用于面部生长预测，并展示了AI模型在预测精度上优于传统PLS方法	样本量相对较小（33名受试者），且仅使用了Mathews生长收集库的数据	开发并比较不同面部生长预测模型的性能	面部生长变化（包括硬组织和软组织标志点）	computer vision	NA	deep learning, partial least squares	TabNet, PLS	image	33名受试者的1257对生长前后侧位头颅X光片
328	2025-05-03	Harnessing omics data for drug discovery and development in ovarian aging 2025-May-01, Human reproduction update IF:14.8Q1 DOI:10.1093/humupd/dmaf002 PMID:39977580	review	该综述综合了关于卵巢衰老的多组学数据，探讨如何利用这些数据发现新的药物靶点并指导治疗策略	结合单细胞技术和空间转录组学等前沿组学技术，利用AI模型预测候选药物靶点，为个性化医疗和精准治疗提供新途径	仅限于截至2024年9月的英文文献，可能遗漏非英语研究	探索卵巢衰老的分子机制，发现减缓或逆转卵巢衰老的药物靶点	卵巢衰老相关的多组学数据（基因组、转录组、蛋白质组、代谢组、微生物组）	生物信息学	卵巢衰老	多组学分析（基因组、转录组、蛋白质组、代谢组、微生物组）、单细胞技术、空间转录组学、GWAS、全外显子测序、PheWAS、孟德尔随机化	AI、深度学习、机器学习	多组学数据	NA
329	2025-05-03	Deep learning-aided preparation and mechanism revaluation of waste wood lignocellulose-based flame-retardant composites 2025-May, International journal of biological macromolecules IF:7.7Q1 DOI:10.1016/j.ijbiomac.2025.141690 PMID:40043971	研究论文	本研究提出了一种利用深度学习辅助制备废木材基阻燃复合材料的方法，并重新评估了其阻燃机制	结合深度学习模型预测复合材料的阻燃性能，实现了废木材的高值化利用	未明确说明实验样本的具体数量及模型在其他类型废木材上的泛化能力	实现建筑行业废木材的高效回收利用，促进绿色低碳发展	废木材基阻燃复合材料	机器学习	NA	深度学习	LSTM	材料性能数据	NA
330	2025-05-03	Spiking-PhysFormer: Camera-based remote photoplethysmography with parallel spike-driven transformer 2025-May, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.107128 PMID:39817982	研究论文	提出了一种名为Spiking-PhysFormer的混合神经网络模型，用于基于摄像头的远程光电容积描记术（rPPG），旨在降低功耗	首次将脉冲神经网络（SNN）引入rPPG领域，设计了并行脉冲驱动的变压器块和简化的脉冲自注意力机制，显著降低了功耗	NA	开发一种能效更高的深度学习方法，用于从面部视频中测量心脏活动和生理信号	面部视频中的脉搏波、心率和呼吸率等生理信号	计算机视觉	NA	远程光电容积描记术（rPPG）	Spiking-PhysFormer（混合神经网络，包含ANN和SNN）	视频	四个数据集（PURE、UBFC-rPPG、UBFC-Phys和MMPD）
331	2025-05-03	The Use of Maximum-Intensity Projections and Deep Learning Adds Value to the Fully Automatic Segmentation of Lesions Avid for [18F]FDG and [68Ga]Ga-PSMA in PET/CT 2025-May-01, Journal of nuclear medicine : official publication, Society of Nuclear Medicine IF:9.1Q1 DOI:10.2967/jnumed.124.269067 PMID:40081959	research paper	本研究探讨了在[F]FDG和[Ga]Ga-PSMA PET/CT扫描中使用最大强度投影(MIP)图像结合深度学习(DL)进行全自动病灶分割的附加价值	结合MIP图像和深度学习技术，提出了一种改进的全自动病灶分割方法，并在[F]FDG PET/CT扫描中显示出减少假阳性病灶和改善肿瘤负荷量化的潜力	在[Ga]Ga-PSMA PET/CT扫描中，与标准DL方法相比未观察到显著性能提升	评估MIP图像在PET/CT扫描全自动病灶分割中的附加价值	[F]FDG和[Ga]Ga-PSMA PET/CT扫描中的病灶	digital pathology	melanoma, lymphoma, lung cancer, prostate cancer	PET/CT, deep learning	3-dimensional U-Net	medical imaging	489例[F]FDG PET/CT扫描(391训练/98测试)和117例外部测试集，355例[Ga]Ga-PSMA PET/CT扫描(285训练/70测试)
332	2025-05-03	Predicting Respiratory Disease Mortality Risk Using Open-Source AI on Chest Radiographs in an Asian Health Screening Population 2025-May, Radiology. Artificial intelligence DOI:10.1148/ryai.240628 PMID:40172326	research paper	评估开源深度学习算法CXR-Lung-Risk在亚洲健康筛查人群中预测呼吸系统疾病死亡风险的预后价值	使用开源AI模型CXR-Lung-Risk对胸片进行风险分层，并通过纵向分析探索基线及随访胸片的动态变化	单中心回顾性研究，样本来源有限，且仅针对亚洲人群	预测呼吸系统疾病死亡风险，优化健康筛查中的风险分层方法	亚洲健康筛查人群的基线及随访胸片	digital pathology	lung cancer	deep learning	CXR-Lung-Risk	image	36,924名个体（中位年龄58岁，22,352名男性）
333	2025-05-03	CMV2U-Net: A U-shaped network with edge-weighted features for detecting and localizing image splicing 2025-May, Journal of forensic sciences IF:1.5Q2 DOI:10.1111/1556-4029.70033 PMID:40177991	research paper	提出了一种名为CMV2U-Net的边缘加权U型网络，用于检测和定位图像拼接伪造	设计了能够同时处理两路输入图像的特征提取模块，并采用分层融合方法和通道注意力机制来防止浅层特征数据丢失并监控多级操作轨迹	未明确提及具体局限性	改进深度学习在图像拼接检测中的特征融合和特征提取能力	图像拼接伪造的检测与定位	computer vision	NA	deep learning	U-Net	image	多个公共数据集（未明确数量）
334	2025-05-03	The phase-seeding method for solving non-centrosymmetric crystal structures: a challenge for artificial intelligence 2025-May-01, Acta crystallographica. Section A, Foundations and advances DOI:10.1107/S2053273325002797 PMID:40243167	研究论文	本文提出了一种新的相位种子方法，用于解决非中心对称晶体结构的问题，并探讨了其在人工智能中的应用	该方法将非中心对称结构的初始相位值离散化为几个不同的值，从而将复杂的相位问题从连续回归任务简化为多类分类问题	需要进一步验证该方法在大规模结构或低分辨率数据中的适用性	解决非中心对称晶体结构的相位问题，扩展人工智能在晶体学中的应用	非中心对称晶体结构	晶体学	NA	相位种子方法	深度学习模型	晶体衍射数据	小型、中型和大型结构
335	2025-05-03	Research on adversarial identification methods for AI-generated image software Craiyon V3 2025-May, Journal of forensic sciences IF:1.5Q2 DOI:10.1111/1556-4029.70034 PMID:40156229	研究论文	本文研究了针对AI生成图像软件Craiyon V3的对抗性识别方法，旨在为司法实践提供可靠的决策依据	引入基于分数的似然比方法来评估证据强度，并在多种阈值分类器上实现了超过99%的准确率	研究仅针对Craiyon V3生成的图像，未涵盖其他AI生成图像软件	开发对抗性识别方法以区分AI生成图像，保障司法公正	Craiyon V3软件生成的图像	计算机视觉	NA	深度学习	Swin-Transformer, ResNet-18	图像	18,000张由Craiyon V3生成的图像
336	2025-05-03	Reconstructing and predicting stochastic dynamical systems using probabilistic deep learning 2025-May-01, Chaos (Woodbury, N.Y.) DOI:10.1063/5.0248312 PMID:40310707	研究论文	本研究提出了一种深度随机时间延迟嵌入模型，用于改进随机动力系统的数据驱动重建和预测	将不确定性学习整合到深度学习模型中，构建深度概率捕捉器以捕获重建映射中的不确定性信息，并将其作为元信息整合到时间延迟嵌入的重建过程中	NA	提高随机动力系统的预测准确性和鲁棒性	随机动力系统	机器学习	NA	深度学习	深度随机时间延迟嵌入模型	时间序列数据	Lorenz系统和真实世界数据集
337	2025-05-03	Transformer-based Koopman autoencoder for linearizing Fisher's equation 2025-May-01, Chaos (Woodbury, N.Y.) DOI:10.1063/5.0244221 PMID:40310706	研究论文	提出了一种基于Transformer的Koopman自编码器，用于线性化Fisher的反应-扩散方程	使用深度学习技术发现反应-扩散系统中的复杂时空模式，并将系统动态转化为更易理解的线性形式	完全依赖数据，不要求了解基础方程，可能对未知方程的数据集适用性有限	通过深度学习技术线性化反应-扩散方程，并预测系统演化	Fisher的反应-扩散方程、Kuramoto-Sivashinsky方程和Burger's方程	机器学习	NA	深度学习	Transformer-based Koopman autoencoder	数值模拟数据	60,000个初始条件的数据集
338	2025-05-03	Integrating Artificial Intelligence in Dermatological Cancer Screening and Diagnosis: Efficacy, Challenges, and Future Directions 2025-May-01, Annual review of biomedical data science IF:7.0Q1 DOI:10.1146/annurev-biodatasci-103123-094521 PMID:40312261	review	探讨人工智能在皮肤癌筛查和诊断中的应用、挑战及未来发展方向	提出利用AI和深度学习技术改善皮肤癌诊断准确性及扩大医疗服务可及性，并探讨了未来研究方向如远程皮肤病学和视觉语言模型（VLMs）的进步	面临临床验证、算法偏见、监管审查及患者接受度等挑战，以及AI算法在可及性和公平性方面的伦理问题	评估AI在皮肤癌筛查和诊断中的效果，并探索其未来发展方向	皮肤癌筛查和诊断	digital pathology	skin cancer	deep learning, AI	VLMs	image	NA
339	2025-05-03	Embedding Methods for Electronic Health Record Research 2025-May-01, Annual review of biomedical data science IF:7.0Q1 DOI:10.1146/annurev-biodatasci-103123-094729 PMID:40312284	综述	本文综述了嵌入技术在电子健康记录数据分析与研究中的应用及其影响	探讨了多种嵌入方法（如词嵌入、图嵌入等）在提升电子健康记录数据效用方面的创新应用	未具体说明嵌入技术在特定临床场景中的局限性或挑战	阐明嵌入技术在电子健康记录研究中的作用和影响	电子健康记录数据	自然语言处理	NA	词嵌入、图嵌入、深度学习	深度学习模型	文本	NA
340	2025-05-03	Quantitative susceptibility mapping in magnetically inhomogeneous tissues 2025-May-01, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.30537 PMID:40312865	研究论文	本研究开发了一种名为DEEPOLE的深度学习方法，用于改进磁敏感定量成像（QSM）的质量和准确性	DEEPOLE首次将宏观非偶极拉莫尔频移纳入QSM，通过深度学习卷积神经网络整合QUASAR模型，显著提高了磁敏感图的准确性和解剖一致性	研究主要基于模拟数据和有限的人脑数据验证，需要更多临床数据进一步验证其普适性	改进磁敏感定量成像技术，提高在生物组织中的成像质量和准确性	数字脑模型和人脑活体数据	医学影像处理	神经退行性疾病和脱髓鞘疾病	定量磁敏感成像（QSM）	深度卷积神经网络	磁共振成像数据	数字脑模型和人脑活体数据（具体数量未提及）