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
3541	2025-03-27	High sensitivity photoacoustic imaging by learning from noisy data 2025-Mar-19, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3552692 PMID:40106247	research paper	提出一种自监督深度学习方法，仅使用噪声数据提高光声图像的信噪比	无需昂贵的地面真实数据训练，可轻松应用于不同光声成像系统获取的数据	未提及方法在极端噪声条件下的表现或计算效率	提高光声成像的信噪比和成像深度	光声图像	生物医学成像	肿瘤	自监督深度学习	深度学习	图像	未明确提及具体样本数量，但包含体内实验结果
3542	2025-03-27	Characterizing multivariate regional hubs for schizophrenia classification, sex differences, and brain age estimation using explainable AI 2025-Mar-04, medRxiv : the preprint server for health sciences DOI:10.1101/2025.02.28.25323105 PMID:40093221	research paper	该研究利用结构MRI、人口统计学和可解释人工智能（AI）技术，探索精神分裂症分类、性别差异和脑年龄的多变量区域模式	结合深度学习模型与SHAP方法，识别与精神分裂症分类、性别差异及脑年龄预测相关的个性化多变量脑区模式	未提及样本量是否足够大以覆盖不同亚组人群，以及模型在其他独立数据集上的验证情况	研究精神分裂症分类、性别差异和脑年龄预测的神经生物学机制	精神分裂症患者和健康对照者的脑结构MRI数据	digital pathology	schizophrenia	structural MRI, explainable AI	SVC, KNN, DL, LR, RR, SVR	image, demographics	NA
3543	2025-03-27	AgeNet-SHAP: An explainable AI approach for optimally mapping multivariate regional brain age and clinical severity patterns in Alzheimer's disease 2025-Mar-04, medRxiv : the preprint server for health sciences DOI:10.1101/2025.02.28.25323097 PMID:40093264	研究论文	本文提出了一种名为AgeNet-SHAP的可解释AI方法，用于优化映射阿尔茨海默病中多变量区域脑年龄和临床严重程度模式	首次将深度学习模型AgeNet与SHAP特征重要性技术结合，用于识别脑年龄预测中的关键多变量脑区域	研究样本量相对有限（n=668），且仅基于MRI数据	开发一种可解释的AI方法，以更好地理解阿尔茨海默病的脑年龄模式和临床严重程度	轻度认知障碍（MCI）和阿尔茨海默病（AD）患者的脑部MRI数据	数字病理学	阿尔茨海默病	MRI	AgeNet（深度学习模型）与SHAP结合	图像（MRI）	668名参与者
3544	2025-03-27	Applying Conformal Prediction to a Deep Learning Model for Intracranial Hemorrhage Detection to Improve Trustworthiness 2025-Mar, Radiology. Artificial intelligence DOI:10.1148/ryai.240032 PMID:39601654	research paper	该研究应用共形预测方法于深度学习模型，以提高颅内出血检测的可信度	使用Mondrian共形预测（MCP）方法增强深度学习模型的不确定性感知能力，提高对挑战性病例的识别准确率	研究为回顾性研究，样本量相对较小（491例CT扫描）	提高深度学习模型在颅内出血检测中的可信度和准确性	非对比头部CT扫描图像	digital pathology	intracranial hemorrhage	deep learning	CNN	CT图像	491例非对比头部CT扫描（来自CQ500数据集）
3545	2025-03-27	An integrative nomogram based on MRI radiomics and clinical characteristics for prognosis prediction in cervical spinal cord Injury 2025-Mar, European spine journal : official publication of the European Spine Society, the European Spinal Deformity Society, and the European Section of the Cervical Spine Research Society IF:2.6Q1 DOI:10.1007/s00586-024-08609-8 PMID:39672993	研究论文	基于MRI影像组学和临床特征构建预测颈脊髓损伤患者预后的列线图模型	结合手动定义的影像组学特征和通过深度学习迁移学习方法提取的特征，构建了一个综合预测模型	样本量相对较小（168例患者），且仅使用了T1WI和T2WI两种MRI序列	预测颈脊髓损伤患者的预后	168名颈脊髓损伤患者	数字病理学	颈脊髓损伤	MRI影像组学分析，深度学习迁移学习	Lasso回归，深度学习模型	MRI图像（T1WI和T2WI），临床数据	168名颈脊髓损伤患者
3546	2025-03-27	Deep learning model for automated detection of fresh and old vertebral fractures on thoracolumbar CT 2025-Mar, European spine journal : official publication of the European Spine Society, the European Spinal Deformity Society, and the European Section of the Cervical Spine Research Society IF:2.6Q1 DOI:10.1007/s00586-024-08623-w PMID:39708132	研究论文	开发了一种深度学习系统，用于在胸腰椎CT上自动分割压缩性骨折椎体并区分新鲜和陈旧性骨折	使用3D V-Net进行图像分割，结合ResNet和DenseNet模型进行分类，能够自动且准确地识别和分类椎体骨折	样本量相对较小，外部验证和前瞻性验证的样本数量有限	开发一种自动化系统，辅助临床医生识别和分类胸腰椎压缩性骨折	胸腰椎骨折患者	计算机视觉	骨科疾病	CT成像	3D V-Net, ResNet, DenseNet	医学影像	训练数据集238个椎体，内部验证59个，外部验证34个，前瞻性验证48个
3547	2025-01-30	Correction: Deep learning model for automated detection of fresh and old vertebral fractures on thoracolumbar CT 2025-Mar, European spine journal : official publication of the European Spine Society, the European Spinal Deformity Society, and the European Section of the Cervical Spine Research Society IF:2.6Q1 DOI:10.1007/s00586-024-08636-5 PMID:39875623	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
3548	2025-03-27	Comparative Analysis of MaxEnt and Deep Learning Approaches for Modeling Humpback Whale Distribution in North Iceland 2025-Mar, Ecology and evolution IF:2.3Q2 DOI:10.1002/ece3.71099 PMID:40109551	research paper	本研究比较了MaxEnt和深度学习方法在冰岛北部座头鲸分布建模中的应用	首次比较了传统MaxEnt与深度学习方法在座头鲸分布建模中的表现，并展示了深度学习在预测未来分布中的优势	输入数据分辨率低、存在空间偏差、无法完全捕捉自然过程的复杂性	比较不同建模方法在海洋哺乳动物分布预测中的效果	冰岛北部Skjálfandi湾的座头鲸	machine learning	NA	卫星遥感数据采集	MaxEnt, 深度学习	物种出现数据、环境数据	2018年至2021年的月度观测数据
3549	2025-03-27	Using pretrained models in ensemble learning for date fruits multiclass classification 2025-Mar, Journal of food science IF:3.2Q2 DOI:10.1111/1750-3841.70136 PMID:40135491	research paper	该研究使用预训练模型和集成学习方法对九种不同种类的椰枣进行多类分类	提出了一种名为Dirichlet Ensemble的集成学习方法，结合了四种CNN模型的预测结果，显著提高了分类准确率	VGG16模型在复杂分类任务中表现不佳，准确率仅为73.24%	提高椰枣分类的准确性和鲁棒性，用于质量控制、自动分拣和商业应用	九种不同种类的椰枣	computer vision	NA	集成学习	CNN (DenseNet121, MobileNetV2, ResNet18, VGG16), Dirichlet Ensemble	image	NA
3550	2025-03-27	Ensemble approach to deep learning seabed classification using multichannel ship noisea) 2025-Mar-01, The Journal of the Acoustical Society of America IF:2.1Q1 DOI:10.1121/10.0036221 PMID:40135961	研究论文	本研究利用合成数据训练神经网络，通过多通道水听器声谱图预测海底类型，并应用于实际测量数据	采用集成建模和多通道数据处理技术提高预测性能，并量化多通道数据对神经网络训练的影响	实验中水声速仅轻微向上折射，预期在更复杂声速剖面下多通道的优势会更明显	开发一种基于深度学习的海底分类方法	海底类型	机器学习	NA	多通道水听器声谱图分析	ResNet-18	声谱图	SBCEX 2017实验测量数据
3551	2025-03-27	HCAR-AM ground nut leaf net: Hybrid convolution-based adaptive ResNet with attention mechanism for detecting ground nut leaf diseases with adaptive segmentation 2025-Feb, Network (Bristol, England) DOI:10.1080/0954898X.2024.2424248 PMID:39552170	research paper	提出了一种基于混合卷积自适应ResNet与注意力机制的HCAR-AM模型，用于有效检测花生叶部病害	结合了自适应TransResunet++分割、HP-BWCF参数优化以及HCAR-AM分类模型，创新性地整合了多种技术以提高病害检测效果	未提及模型在真实田间环境下的泛化能力及对不同光照条件的适应性	开发高效的花生叶部病害检测深度学习模型	花生叶部病害图像	computer vision	plant disease	deep learning	HCAR-AM (Hybrid Convolution-based Adaptive ResNet with Attention Mechanism)	image	未明确说明样本数量（来自传统数据库）
3552	2025-03-27	Integration of Artificial Intelligence for Diagnostic Methods in Musculoskeletal Conditions: A Systematic Review 2025-Feb, Cureus DOI:10.7759/cureus.79391 PMID:40130121	系统综述	本文探讨并评估了人工智能技术在肌肉骨骼疾病诊断方法中的整合，以提高评估准确性	强调了AI技术在提高肌肉骨骼诊断准确性和效率方面的潜力，特别是通过机器学习和深度学习技术	部署AI工具用于诊断目的的问题需要更多关注	探索和评估AI技术在肌肉骨骼疾病诊断方法中的整合	肌肉骨骼疾病	数字病理学	肌肉骨骼疾病	机器学习（ML）、深度学习（DL）、卷积神经网络（CNNs）	CNN	图像	NA
3553	2025-03-27	Deep learning-based discovery of compounds for blood pressure lowering effects 2025-01-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-83924-0 PMID:39747442	研究论文	本研究利用深度学习建立了一个预测模型，用于发现具有降压效果的化合物	利用深度学习预测化合物的生物活性，为识别药物副作用提供潜在解决方案，并发现新的降压化合物	仅验证了50个分子的预测结果，样本量相对较小	预测和验证具有降压效果的化合物，以帮助避免临床用药中的低血压副作用并辅助降压药物的发现	26,000种化合物	机器学习	心血管疾病	深度学习，分子对接	深度学习模型	化合物数据	26,000种化合物，其中50个分子用于验证
3554	2025-03-27	Drug molecular representations for drug response predictions: a comprehensive investigation via machine learning methods 2025-01-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-84711-7 PMID:39748003	研究论文	本文通过机器学习方法全面研究了药物分子表示在药物反应预测中的效果	比较了不同药物分子表示与遗传特征结合在药物反应预测中的效果，并揭示了PubChem指纹或SMILES分子表示与深度学习模型结合能显著提升预测性能	最佳药物分子表示的选择依赖于预测模型和具体任务，没有一种通用的最优表示	评估不同药物分子表示在药物反应预测中的效果，为构建高效预测模型提供指导	药物分子表示和遗传特征	机器学习	NA	机器学习	深度学习模型	分子表示数据（PubChem指纹、SMILES）和遗传特征数据	NA
3555	2025-03-27	The development of an efficient artificial intelligence-based classification approach for colorectal cancer response to radiochemotherapy: deep learning vs. machine learning 2025-01-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-84023-w PMID:39748016	研究论文	开发了一种基于人工智能的高效分类方法，用于预测结直肠癌对放化疗的反应，比较了深度学习和机器学习的效果	比较了七种人工智能模型在预测结直肠癌对放化疗反应中的表现，并采用了三种特征选择策略来优化分类准确性	未提及样本的具体数量，且仅比较了有限的几种模型和特征选择方法	开发一种高效的人工智能分类方法，用于预测结直肠癌患者对放化疗的反应	结直肠癌患者	机器学习	结直肠癌	特征选择方法包括互信息、F-classif和卡方检验	决策树、K近邻、Adaboost、随机森林、梯度提升、多层感知机和CNN	基因数据	NA
3556	2025-03-27	LD-informed deep learning for Alzheimer's gene loci detection using WGS data 2025 Jan-Mar, Alzheimer's & dementia (New York, N. Y.) DOI:10.1002/trc2.70041 PMID:39822590	研究论文	本研究提出了一种名为Deep-Block的多阶段深度学习框架，用于从大规模全基因组测序数据中识别与阿尔茨海默病显著相关的遗传位点	Deep-Block框架创新性地将连锁不平衡模式与稀疏注意力机制相结合，并采用TabNet和随机森林算法量化SNP特征重要性	研究样本仅限于非西班牙裔白人群体，可能限制结果在其他人群中的普适性	开发先进的分析工具以识别阿尔茨海默病的遗传风险位点	阿尔茨海默病相关的遗传变异	机器学习	阿尔茨海默病	全基因组测序(WGS)	TabNet, Random Forest	基因组数据	7416名非西班牙裔白人参与者(3150名认知正常老年人，4266名AD患者)
3557	2025-03-27	LaMoD: Latent Motion Diffusion Model For Myocardial Strain Generation 2025, Shape in medical imaging : International Workshop, ShapeMI 2024, held in conjunction with MICCAI 2024, Marrakesh, Morocco, October 6, 2024, Proceedings. ShapeMI (Workshop) (2024 : Marrakech, Morocco) DOI:10.1007/978-3-031-75291-9_13 PMID:40123747	research paper	本文提出了一种名为LaMoD的潜在运动扩散模型，用于从标准心脏磁共振（CMR）视频中预测高精度的DENSE运动	LaMoD利用预训练的配准网络编码器学习图像序列中的潜在运动特征，并通过概率潜在扩散模型从这些特征中重建准确运动	在具有细微外观变化的区域，准确性可能降低，且误差会随时间传播	提高标准CMR图像中运动分析的准确性，从而改善心脏患者的心肌应变分析	心脏磁共振（CMR）成像视频	digital pathology	cardiovascular disease	DENSE CMR, 潜在扩散模型	diffusion model	video	NA
3558	2025-03-27	Optimising window size of semantic of classification model for identification of in-text citations based on context and intent 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0309862 PMID:40127378	research paper	该研究通过比较不同窗口大小，优化了基于上下文和意图的文本引用分类模型的窗口大小选择	利用大规模文本引用数据集，比较不同窗口大小对语义捕捉的影响，并采用多种深度学习和机器学习模型进行性能评估	研究仅使用了两个基准数据集，可能无法涵盖所有类型的文本引用场景	优化文本引用分类模型的窗口大小选择，以提高引用分析的准确性	科学文献中的文本引用	natural language processing	NA	Word2Vec, 深度学习模型, 机器学习模型	CNN, GRU, LSTM, SVM, Decision Trees, Naive Bayes	text	两个基准数据集中的大量文本引用
3559	2025-03-27	Weighted-VAE: A deep learning approach for multimodal data generation applied to experimental T. cruzi infection 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0315843 PMID:40127396	research paper	提出了一种加权变分自编码器（W-VAE）用于处理缺失和有限的多模态数据，以分类健康个体和处于急性或慢性阶段的T. cruzi感染个体	W-VAE采用新的损失函数，加入了加权因子和掩码机制，以提高生成数据的质量	研究基于小鼠模型，可能无法直接推广到人类	开发一种自动诊断健康个体和T. cruzi感染个体的方法	健康个体和处于急性或慢性阶段的T. cruzi感染个体	machine learning	Chagas disease	VAE	Weighted Variational Auto-Encoder (W-VAE)	multimodal data (electrocardiography signals, echocardiography images, Doppler spectrum, ELISA antibody titers)	NA
3560	2025-03-27	Automatic brain quantification in children with unilateral cerebral palsy 2025, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2025.1540480 PMID:40129724	研究论文	本研究开发并验证了一种基于深度学习的自动化流程，用于量化单侧脑瘫儿童的无病变脑体积	利用深度学习自动量化无病变脑体积，特别是在解剖结构严重改变的脑部中表现出稳健的分割性能	样本量相对较小（35名患者用于训练，54名儿童用于验证），且年龄范围较广（1-17岁）	探索单侧脑瘫儿童脑部结构与功能之间的关系	单侧脑瘫儿童	数字病理学	脑瘫	T1加权和FLAIR MRI	深度学习模型	MRI图像	训练集35名患者（5-15岁），验证集54名儿童（7-16岁），独立数据集36名儿童（1-17岁）