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
361	2025-08-06	Coalescence and Translation: A Language Model for Population Genetics 2025-Jun-27, bioRxiv : the preprint server for biology DOI:10.1101/2025.06.24.661337 PMID:40666889	研究论文	本文提出了一种基于语言模型的种群遗传学方法，通过深度学习技术从合成遗传数据中推断隐藏的进化过程	将合并时间的推断重新定义为两种生物语言之间的翻译问题，并开发了基于transformer的模型cxt，能够高效地进行大规模推断	模型依赖于合成数据进行训练，可能在实际应用中对真实数据的适应性存在局限	开发一种灵活、可扩展的方法来推断基因组数据的谱系历史	种群遗传学中的合并事件和祖先重组图(ARG)	机器学习	NA	深度学习	transformer	基因组数据	在stdpopsim目录的模拟数据上进行训练，可产生超过100万个合并预测
362	2025-08-06	FIR-LSTM: An Explainable Deep Learning Framework for Predicting Iatrogenic Withdrawal Syndrome in Pediatric Intensive Care Units 2025-Jun-25, Research square DOI:10.21203/rs.3.rs-6787167/v1 PMID:40678213	研究论文	开发了一个可解释的深度学习框架FIR-LSTM，用于预测儿科重症监护病房中的医源性戒断综合征	结合单向多层LSTM网络和层间相关性传播(LRP)技术，提供实时风险评分和关键风险因素的可解释性	研究仅基于电子健康记录(EHRs)，未考虑其他可能影响IWS的因素	早期预测儿科ICU患者中的医源性戒断综合征(IWS)，以促进及时干预和改善患者预后	儿科重症监护病房(PICU)患者	机器学习	医源性戒断综合征	层间相关性传播(LRP)	LSTM	电子健康记录(EHRs)	NA
363	2025-08-06	Classification of Multi-Parametric Body MRI Series Using Deep Learning 2025-Jun-18, ArXiv PMID:40735097	研究论文	本文提出了一种基于深度学习的分类模型，用于分类8种不同的身体多参数磁共振成像（mpMRI）系列类型，以提高放射科医生阅读检查的效率	使用多种深度学习分类器（ResNet、EfficientNet和DenseNet）对8种不同的MRI系列进行分类，并比较它们的性能，同时研究了不同训练数据量对模型性能的影响	模型在外部数据集（DLDS和CPTAC-UCEC）上的准确率有所下降，表明其在跨数据集泛化能力上存在一定局限性	开发一种高效的深度学习模型，用于准确分类多参数磁共振成像（mpMRI）系列类型	多参数磁共振成像（mpMRI）系列	计算机视觉	NA	mpMRI	ResNet, EfficientNet, DenseNet	图像	超过729项研究数据
364	2025-08-06	Single-Molecule SERS Discrimination of Proline from Hydroxyproline Assisted by a Deep Learning Model 2025-05-07, Nano letters IF:9.6Q1 DOI:10.1021/acs.nanolett.5c01177 PMID:40241681	研究论文	该论文利用单分子表面增强拉曼光谱（SERS）和深度学习模型，首次实现了对脯氨酸和羟脯氨酸的单分子水平区分	首次结合等离子体孔内颗粒传感器、单分子SERS光谱的出现频率直方图和1D-CNN模型，实现了对羟基化的单分子水平区分，准确率达96.6%	信号波动和柠檬酸盐的强干扰可能影响分析结果	开发一种能够区分低丰度羟基化的方法，用于早期疾病诊断和治疗开发	脯氨酸和羟脯氨酸的单分子SERS信号	机器学习	NA	单分子表面增强拉曼光谱（SERS）	一维卷积神经网络（1D-CNN）	光谱数据	NA
365	2025-08-06	DRExplainer: Quantifiable interpretability in drug response prediction with directed graph convolutional network 2025-05, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103101 PMID:40056540	研究论文	提出了一种名为DRExplainer的新型可解释预测模型，用于预测癌细胞系对治疗药物的反应	利用有向图卷积网络在有向二分网络框架中增强预测，并引入可量化的模型解释方法	未提及具体的数据集规模或实验限制	提高药物反应预测的准确性和可解释性	癌细胞系和药物	机器学习	癌症	多组学分析	有向图卷积网络	多组学数据、药物化学结构	NA
366	2025-08-06	Deep learning based estimation of heart surface potentials 2025-05, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103093 PMID:40073713	研究论文	本研究开发了一种基于深度学习的框架，旨在仅通过体表电位估计心脏表面电位，以简化临床操作并扩大应用范围	提出了一种新的深度学习框架，将3D躯干和心脏几何形状转换为标准2D表示，并开发了定制的Pix2Pix网络模型，无需CT/MRI即可实现心脏表面电位的精确估计	研究样本量相对较小（40例），且未明确说明模型在不同疾病类型中的泛化能力	开发一种无需几何成像信息即可估计心脏表面电位的深度学习方法	健康受试者和特发性心室颤动患者的心脏表面电位	数字病理	心血管疾病	深度学习	Pix2Pix网络	2D体表电位图和心脏表面电位图	11名健康受试者（8女3男）和29名特发性心室颤动患者（11女18男）
367	2025-08-06	Histopathology image classification based on semantic correlation clustering domain adaptation 2025-05, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103110 PMID:40107119	研究论文	提出一种基于语义相关性聚类的无监督域适应方法，用于组织病理学图像分类	利用动物模型的组织病理学图像数据集实现人类全切片图像(WSI)的分类识别，通过语义相关性聚类实现跨域知识迁移	依赖于动物模型与人类WSI之间的域适应效果，可能受限于域间差异	解决病理图像样本获取和标注困难的问题，提升组织病理学图像分类性能	小鼠模型组织病理学图像和人类全切片图像(WSI)	数字病理学	癌症	无监督域适应方法	深度学习模型	组织病理学图像	未明确说明具体样本数量
368	2025-08-06	Deep learning method for malaria parasite evaluation from microscopic blood smear 2025-05, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103114 PMID:40107120	系统综述	本文系统综述了当前用于疟疾诊断中疟原虫自动分析的方法，特别关注计算机辅助方法，包括数据库、血涂片类型、染色技术和诊断模型	识别了三类最适合疟疾数字诊断的机器学习模型，并讨论了提高模型准确性的预处理和后处理技术	数据标准化和实际应用中的挑战仍未解决	提高疟疾诊断的准确性和减少人为错误	疟原虫属在疟疾诊断中的自动分析方法	数字病理学	疟疾	Giemsa染色薄血涂片	ResNet, VGG, CNN, CADx	图像	2020年至2024年的同行评审和已发表研究
369	2025-08-06	Dynamic glucose enhanced imaging using direct water saturation 2025-Apr-24, ArXiv PMID:39502884	研究论文	该研究提出了一种利用直接水饱和曲线的交换线宽增宽技术进行动态葡萄糖增强成像的新方法	采用基于交换线宽增宽的直接水饱和曲线技术，克服了传统CEST或CESL方法效应量低和对运动敏感的局限性	目前仅在四例脑肿瘤患者中进行了评估，样本量较小	开发一种新型动态葡萄糖增强MRI技术，用于评估D-葡萄糖摄取	脑肿瘤患者	医学影像	脑肿瘤	DS-DGE MRI	深度学习	MRI影像数据	4例脑肿瘤患者
370	2025-08-06	Virtual Lung Screening Trial (VLST): An In Silico Study Inspired by the National Lung Screening Trial for Lung Cancer Detection 2025-Apr-04, ArXiv PMID:38699170	研究论文	本文通过虚拟肺部筛查试验（VLST）模拟了国家肺部筛查试验（NLST）的关键元素，展示了虚拟成像试验（VITs）在加速临床试验和优化影像技术应用方面的潜力	利用虚拟成像试验平台模拟真实临床试验的关键元素，减少参与者风险并提高效率	研究仅基于模拟数据，未涉及真实患者，可能影响结果的临床适用性	探索虚拟成像试验在肺部癌症筛查中的应用潜力	虚拟患者队列（294名）及其模拟的肺部结节影像	数字病理学	肺癌	CT和CXR影像技术	深度学习模型（AI CT-Reader和AI CXR-Reader）	影像数据	294名虚拟患者
371	2025-08-06	Prediction of Intensive Care Length of Stay for Surviving and Nonsurviving Patients Using Deep Learning 2025-Apr-01, Critical care medicine IF:7.7Q1 DOI:10.1097/CCM.0000000000006588 PMID:39928543	research paper	该研究开发了一个深度学习模型CCOPM，用于预测ICU存活和非存活患者的住院时间和ICU停留时间，以提高ICU护理评估的公平性	首次在ICU停留时间预测模型中考虑了存活与非存活患者的差异，并解决了文档偏差问题，提升了预测的公平性	模型在非存活患者群体中的预测性能（R2=0.23）仍低于存活患者群体（R2=0.29）	开发更公平的ICU停留时间预测模型以改善ICU护理评估标准	ICU患者的住院时间和ICU停留时间	machine learning	重症监护	深度学习框架	CCOPM（Critical Care Outcomes Prediction Model）	电子健康记录（患者特征、生命体征和实验室数据）	669,876例ICU入院记录（涉及628,815名患者，来自美国194家医院的329个ICU）
372	2025-08-06	Finger-aware Artificial Neural Network for predicting arthritis in Patients with hand pain 2025-04, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103077 PMID:39970842	研究论文	本研究开发了一种基于Transformer的手指感知人工神经网络（FANN），用于预测手部疼痛患者的关节炎	首次将深度学习应用于SPECT/CT的SUV数据来预测手部关节炎的发展，并开发了包含手指嵌入和手指特定信息共享的FANN模型	未提及具体样本量限制或数据多样性问题	提高关节炎早期诊断的准确性以支持临床决策	手部疼痛患者	数字病理学	关节炎	SPECT/CT, SUV定量测量	Transformer-based FANN	医学影像数据	NA
373	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
374	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
375	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
376	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
377	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
378	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)
379	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
380	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