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	2025-08-06	Artificial Intelligence non-invasive methods for neonatal jaundice detection: A review 2025-04, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103088 PMID:39988547	综述	本文综述了人工智能在新生儿黄疸非侵入性检测方法中的应用	探讨了AI驱动的技术（如机器学习和深度学习）在提高新生儿黄疸诊断准确性方面的潜力，特别是在资源有限的地区	讨论了将AI技术整合到临床实践中的伦理和实际问题	评估AI解决方案在减少新生儿发病率和死亡率方面的潜在影响	新生儿黄疸	数字病理学	新生儿疾病	机器学习和深度学习	神经网络	图像	NA
322	2025-08-06	A multi-stage multi-modal learning algorithm with adaptive multimodal fusion for improving multi-label skin lesion classification 2025-04, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103091 PMID:40015211	研究论文	本文提出了一种基于不确定性的多模态混合融合策略，用于皮肤癌诊断的多模态学习算法	引入了一种新颖的不确定性混合融合策略，结合临床图像、皮肤镜图像和元数据三种不同模态进行最终分类，并采用中间融合策略和余弦相似度来提取互补和相关信息	未提及具体的数据集规模限制或算法在特定条件下的性能下降情况	提高皮肤病变多标签分类的准确性和临床适用性	皮肤癌诊断	计算机视觉	皮肤癌	多模态学习算法	深度学习	图像和元数据	使用了一个流行的公开皮肤疾病诊断数据集，但未提及具体样本数量
323	2025-08-06	Leveraging deep-learning and unconventional data for real-time surveillance, forecasting, and early warning of respiratory pathogens outbreak 2025-03, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103076 PMID:39914162	research paper	本研究设计并部署了一个利用深度学习和非常规数据进行实时监测、预测和预警呼吸道疾病暴发的框架	结合多种非常规数据源（如Google Trends、Reddit帖子、卫星空气质量数据等）和深度学习模型（CNN、GNN、GRU、线性NN）进行呼吸道疾病的长期预测	研究仅针对加拿大和南部非洲国家，可能无法直接推广到其他地区	开发一个实时监测、预测和预警呼吸道疾病暴发的框架	COVID-19和流感病例	machine learning	respiratory disease	deep learning	CNN, GNN, GRU, linear NN	time series data, text data, image data	加拿大各省和南部非洲国家的COVID-19和流感病例数据
324	2025-08-06	Practical X-ray gastric cancer diagnostic support using refined stochastic data augmentation and hard boundary box training 2025-03, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103075 PMID:39919469	研究论文	提出了一种基于深度学习的胃癌X光诊断支持系统，结合两种新技术以提高诊断效率和准确性	引入了精炼概率胃图像增强(R-sGAIA)和硬边界框训练(HBBT)两种新技术，提高了模型性能并允许使用未标注的阴性样本	系统识别的候选框中仅有42.5%为真正癌变区域(精确度)，仍有提升空间	开发实用的胃癌X光诊断支持系统，扩大胃癌筛查覆盖范围	胃部X光图像	数字病理	胃癌	深度学习	基于通用目标检测模型的深度学习系统	X光图像	未明确说明样本数量，但系统处理速度为每张图像0.51秒
325	2025-08-06	Automatic classification of HEp-2 specimens by explainable deep learning and Jensen-Shannon reliability index 2025-02, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2024.103030 PMID:39637573	研究论文	本文提出了一种基于可解释深度学习和Jensen-Shannon可靠性指数的HEp-2标本自动分类方法	结合了无监督深度描述、针对不平衡数据集的新特征选择方法、跨硬件兼容性独立测试，以及改进的梯度加权类激活映射和新的样本质量指数	未来工作需要解决有丝分裂纺锤体识别的挑战并扩展到混合模式	开发计算机辅助系统用于HEp-2图像分析和ANA模式分类	HEp-2细胞图像	数字病理学	结缔组织疾病	间接免疫荧光(IIF)检测	深度学习模型(迁移学习)	图像	来自不同医院的两个独立数据集
326	2025-08-06	ItpCtrl-AI: End-to-end interpretable and controllable artificial intelligence by modeling radiologists' intentions 2025-02, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2024.103054 PMID:39689443	研究论文	提出了一种端到端可解释和可控的人工智能框架ItpCtrl-AI，通过模拟放射科医生的决策过程来提高计算机辅助诊断系统的可解释性	通过模拟放射科医生的眼动模式生成注意力热图，使模型决策过程可解释且用户可控	未提及具体性能提升幅度或对比基线	开发可解释且可控的计算机辅助诊断系统	胸部X光片(CXR)的医学影像诊断	计算机视觉	NA	深度学习	端到端框架(具体架构未说明)	医学影像(胸部X光片)和眼动追踪数据	新构建的Diagnosed-Gaze++数据集(具体样本量未说明)
327	2025-08-06	Advances in diagnosis and prognosis of bacteraemia, bloodstream infection, and sepsis using machine learning: A comprehensive living literature review 2025-02, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2024.103008 PMID:39705768	文献综述	本文综述了机器学习在菌血症、血流感染和败血症诊断与预后中的应用，探讨了其有效性、潜在局限性及临床整合的复杂性	提供了关于机器学习技术在血液相关感染管理中应用的全面分析，特别强调了早期疾病阶段的研究空白和实时非侵入性数据收集技术的潜力	早期疾病阶段研究不足，深度学习模型在外部数据集上表现不佳，实际临床实施面临挑战	评估机器学习在血液相关感染诊断和预后中的应用效果	菌血症、血流感染和败血症	机器学习	败血症	机器学习	传统机器学习模型、序列深度学习模型	电子健康记录、生化标志物、生命体征	NA
328	2025-08-06	TransformerLSR: Attentive joint model of longitudinal data, survival, and recurrent events with concurrent latent structure 2025-02, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2024.103056 PMID:39705769	research paper	提出了一种基于Transformer的深度建模框架TransformerLSR，用于联合建模纵向数据、生存数据和复发事件	首次将Transformer应用于联合建模纵向数据、生存数据和复发事件，并引入了新的轨迹表示和模型架构以整合已知的潜在结构	未明确提及具体局限性，但可能包括计算复杂性和对大规模数据的适应性	开发一个灵活的深度学习框架，用于联合建模纵向测量、复发事件和生存数据	肾移植术后患者	machine learning	肾移植相关疾病	deep learning, temporal point processes	Transformer	longitudinal data, survival data, recurrent events data	NA
329	2025-08-06	Concordance-based Predictive Uncertainty (CPU)-Index: Proof-of-concept with application towards improved specificity of lung cancers on low dose screening CT 2025-02, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2024.103055 PMID:39721356	研究论文	本文介绍了一种新颖的一致性预测不确定性(CPU)-Index，通过结合亚组分析和个性化AI时间-事件模型的见解，改进了低剂量CT筛查肺癌的风险评估	提出CPU-Index框架，通过测量亚组分析与AI时间-事件模型之间预测一致性，优化了偏差-方差权衡，提高了预测的透明度和可靠性	个性化AI时间-事件模型存在透明度问题和来自删失数据的偏差	改进低剂量CT筛查肺癌的特异性	肺癌筛查患者	数字病理	肺癌	低剂量CT(LDCT)影像组学	神经多任务逻辑回归时间-事件模型	影像和人口统计学数据	3,326名在2015年1月1日至2020年6月30日期间接受LDCT筛查并在一年内经病理确诊为肺癌的患者
330	2025-08-06	Fraud detection in healthcare claims using machine learning: A systematic review 2025-02, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2024.103061 PMID:39756221	系统综述	本文系统综述了机器学习技术在医疗保险欺诈检测中的应用	分析了近二十年来文献中记录的数据和方法，提供了研究挑战和机遇的见解	数据不一致、缺乏数据标准化和整合、隐私问题以及用于训练模型的标记欺诈案例数量有限	识别医疗保险欺诈，减少医疗保健支出的损失	医疗保险索赔数据	机器学习	NA	机器学习	无监督学习、监督学习、混合方法	医疗保险索赔数据	137篇文献进行最终定性和定量分析
331	2025-08-06	ECGEFNet: A two-branch deep learning model for calculating left ventricular ejection fraction using electrocardiogram 2025-02, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2024.103065 PMID:39809042	研究论文	提出了一种名为ECGEFNet的双分支深度学习模型，用于通过心电图计算左心室射血分数（LVEF）	创新性地整合了原始数值信号和波形图，通过融合时间、空间和相位信息联合计算LVEF，并提出了融合注意力机制（FAT）和双分支特征融合模块（BFF）来优化特征学习和融合	未提及外部数据集的验证，可能影响模型的泛化能力	开发一种基于心电图（ECG）的深度学习模型，用于早期检测和实时监测左心室收缩功能障碍（LVSD）	左心室射血分数（LVEF）的计算和心脏功能障碍的筛查	数字病理学	心血管疾病	深度学习	ECGEFNet（双分支深度学习模型）	心电图（ECG）信号和波形图	大型内部数据集（具体数量未提及）
332	2025-08-06	Artificial intelligence-powered image analysis: A paradigm shift in infectious disease detection 2025-01, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2024.103025 PMID:39608041	研究论文	本研究介绍了基于人工智能的创新方法，通过分析医学影像提高传染病诊断的准确性	开发了一种能够在模糊环境下结合超软集（HSS）和多准则决策框架（MCDM）的数学模型，用于从图像中识别潜在的传染病	未提及具体样本量或实验验证的详细数据	提高传染病诊断的准确性，推动人工智能在医疗诊断中的应用	医学影像	计算机视觉	传染病	AI驱动的图像分析	HSS与MCDM结合的数学模型	图像	NA
333	2025-08-06	A Multi-task learning U-Net model for end-to-end HEp-2 cell image analysis 2025-01, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2024.103031 PMID:39608042	研究论文	本文提出了一种基于多任务学习的U-Net模型，用于端到端的HEp-2细胞图像分析	首次采用多任务学习架构同时处理HEp-2细胞图像分析的三个关键任务（强度分类、样本分割和模式分类）	仅在公开数据集上进行验证，未说明在临床环境中的实际应用效果	开发自动化HEp-2细胞图像分析方法以辅助自身免疫疾病诊断	HEp-2细胞图像	数字病理学	自身免疫疾病	间接免疫荧光显微镜	U-Net（多任务学习扩展版）	图像	最大的公开HEp-2图像数据集之一
334	2025-08-06	SpaGraphCCI: Spatial cell-cell communication inference through GAT-based co-convolutional feature integration 2025 Jan-Dec, IET systems biology IF:1.9Q3 DOI:10.1049/syb2.70000 PMID:39846423	研究论文	提出了一种名为SpaGraphCCI的深度学习方法，通过共卷积特征整合来有效推断空间细胞间相互作用	通过图注意力网络（GAT）和共卷积特征整合，有效整合空间多模态数据，显著提升了空间细胞间相互作用的推断性能	未提及具体局限性	开发一种能够有效整合空间多模态数据以推断细胞间相互作用的方法	空间转录组数据和细胞间相互作用	数字病理学	乳腺癌	空间转录组技术	GAT（图注意力网络）	基因表达数据和图像数据	多个平台的数据集，包括单细胞分辨率数据集和点分辨率数据集
335	2025-08-06	The optimised model of predicting protein-metal ion ligand binding residues 2025 Jan-Dec, IET systems biology IF:1.9Q3 DOI:10.1049/syb2.70001 PMID:39873344	研究论文	本研究通过融合氨基酸及其衍生信息作为特征参数，利用机器学习和深度学习算法预测蛋白质-金属离子配体结合残基（PMILBRs）	结合深度学习算法提升了Ca和Mg离子配体结合残基的预测效果，并提供了每种离子配体结合残基的最佳预测模型	NA	准确预测蛋白质-金属离子配体结合残基（PMILBRs）	蛋白质-金属离子配体结合残基	机器学习	NA	机器学习算法、深度学习算法	CNN, LSTM, GAN（未明确提及具体模型，但使用了深度学习算法）	氨基酸序列及其衍生信息	NA
336	2025-08-06	ACP-DPE: A Dual-Channel Deep Learning Model for Anticancer Peptide Prediction 2025 Jan-Dec, IET systems biology IF:1.9Q3 DOI:10.1049/syb2.70010 PMID:40119615	研究论文	本文提出了一种基于双通道深度学习的抗癌肽预测模型ACP-DPE	提出了一种结合Bi-GRU模块和扩张卷积模块的双通道深度学习模型，用于抗癌肽预测，性能优于现有方法	实验条件限制可能导致预测结果存在偏差	开发一种高效准确的抗癌肽预测方法	抗癌肽(ACPs)	生物信息学	癌症	深度学习	Bi-GRU与扩张卷积结合的双通道模型	肽序列数据	NA
337	2025-08-06	TNFR-LSTM: A Deep Intelligent Model for Identification of Tumour Necroses Factor Receptor (TNFR) Activity 2025 Jan-Dec, IET systems biology IF:1.9Q3 DOI:10.1049/syb2.70007 PMID:40156875	研究论文	开发了一种名为DEEP-TNFR的深度学习模型，用于预测肿瘤坏死因子受体（TNFR）的活性	结合了相对和反向位置特征以及统计矩，并测试了六种不同的深度学习分类器，其中LSTM表现最佳	未提及模型在更广泛数据集上的泛化能力	提高TNFR活性识别的准确性	肿瘤坏死因子受体（TNFR）	机器学习	癌症	深度学习	LSTM, Bi-LSTM, GRU, CNN, RNN, FCN	生物分子数据	使用了一个公认的基准数据集，具体样本量未提及
338	2025-08-06	Improved in Silico Identification of Protein-Protein Interactions Using Deep Learning Approach 2025 Jan-Dec, IET systems biology IF:1.9Q3 DOI:10.1049/syb2.70008 PMID:40275540	研究论文	本文提出了一种名为Deep_PPI的新型深度学习模型，用于预测多种物种的蛋白质-蛋白质相互作用（PPIs）	开发了Deep_PPI模型，采用21D向量表示氨基酸残基，并使用Keras二进制轮廓编码技术，通过一维卷积神经网络构建预测模型，性能优于现有机器学习和PPI方法	未提及模型在特定疾病或复杂生物系统中的适用性验证	提高蛋白质-蛋白质相互作用的计算机识别准确性，支持新药开发	多种物种的蛋白质序列（如人类、秀丽隐杆线虫、大肠杆菌等）	机器学习	癌症	深度学习、Keras二进制轮廓编码	CNN	蛋白质序列数据	多种物种数据集（未明确样本数量）
339	2025-08-06	LTR-Net: A deep learning-based approach for financial data prediction and risk evaluation in enterprises 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0328013 PMID:40748872	研究论文	本文提出了一种名为LTR-Net的深度学习模型，用于企业金融数据预测和风险评估	LTR-Net结合了LSTM、Transformer和ResNet模块，能够有效处理金融数据中的多维特征和动态变化，显著提高了预测准确性和稳定性	未明确提及具体限制，但可能涉及模型在更广泛数据集上的泛化能力验证	提高金融数据预测和风险评估的准确性和稳定性	企业金融数据和风险	机器学习	NA	深度学习	LSTM, Transformer, ResNet	时间序列数据	Kaggle Financial Distress Prediction Dataset和Yahoo Finance Stock Market Data
340	2025-08-06	A comparative study of machine learning models for automated detection and classification of retinal diseases in Ghana 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0327743 PMID:40748964	研究论文	本研究比较了多种卷积神经网络模型在加纳视网膜疾病自动检测和分类中的性能	使用多种先进的CNN模型（如DenseNet121、ResNet50、Inception V3和MobileNet）进行视网膜疾病的自动检测和分类，并采用高斯过程贝叶斯优化（GPBBO）方法进行超参数调优	数据集有限，未来研究需要扩展数据集并验证模型在临床环境中的实际应用	开发和比较多种CNN模型在视网膜疾病自动检测和分类中的性能	视网膜疾病（如青光眼、黄斑水肿、后玻璃体脱离）和正常眼睛的OCT图像	计算机视觉	视网膜疾病	光学相干断层扫描（OCT）	CNN（包括DenseNet121、ResNet50、Inception V3、MobileNet）	图像	来自WATBORG眼科诊所的OCT图像