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
4081	2025-03-16	Fingerprinting of Boletus bainiugan: FT-NIR spectroscopy combined with machine learning a new workflow for storage period identification 2025-Aug, Food microbiology IF:4.5Q1 DOI:10.1016/j.fm.2025.104743 PMID:40086983	研究论文	本文提出了一种结合FT-NIR光谱和机器学习的新工作流程，用于识别牛肝菌的储存期	结合FT-NIR光谱和机器学习，特别是CNN和BPNN模型，用于识别牛肝菌的储存期，提供了一种低成本且用户友好的解决方案	未提及具体的研究局限性	开发一种实时确定牛肝菌储存期的方法，以确保食品安全和真实性	831个储存0、1和2年的牛肝菌样本	机器学习	NA	高效液相色谱（HPLC）和傅里叶变换近红外光谱（FT-NIR）	卷积神经网络（CNN）、反向传播神经网络（BPNN）、数据驱动的软独立建模类类比（DD-SIMCA）、偏最小二乘回归（PLSR）	光谱数据	831个牛肝菌样本
4082	2025-03-16	Use of deep learning-based high-resolution magnetic resonance to identify intracranial and extracranial symptom-related plaques 2025-Apr-06, Neuroscience IF:2.9Q2 DOI:10.1016/j.neuroscience.2025.02.055 PMID:40032038	研究论文	本研究旨在开发一种基于高分辨率血管壁成像（HR-VWI）的深度学习模型，以区分与症状相关的颅内和颅外斑块，这对中风治疗和预防至关重要	使用深度学习模型结合HR-VWI数据，首次实现了对症状相关颅内和颅外斑块的高效区分	研究为回顾性分析，样本量相对较小，可能影响模型的泛化能力	开发一种深度学习模型，用于区分与症状相关的颅内和颅外斑块	235名患者的HR-VWI数据	医学影像分析	中风	高分辨率血管壁成像（HR-VWI）	DenseNet 201	医学影像（T1加权和对比增强T1WI图像）	235名患者（训练集156名，测试集79名）
4083	2025-03-16	Automatic Segmentation of Vestibular Schwannoma From MRI Using Two Cascaded Deep Learning Networks 2025-Apr, The Laryngoscope DOI:10.1002/lary.31979 PMID:39744768	研究论文	本文介绍了一种结合两个卷积神经网络（CNN）模型的新方法，用于通过深度学习自动分割和检测MRI中的前庭神经鞘瘤（VS），旨在提高自动分割的性能	提出了一种新颖的模型，结合了两个CNN模型，并利用空间注意力机制来进一步指导第二个网络的细化，从而提高了VS分割的性能	尽管在公共和私人数据集上观察到性能提升，但模型的泛化能力可能仍受限于肿瘤的变异性	提高前庭神经鞘瘤（VS）在MRI中的自动分割和检测性能	前庭神经鞘瘤（VS）	计算机视觉	前庭神经鞘瘤	深度学习	CNN, UNet	MRI图像	公共和私人数据集中的对比增强T1和高分辨率T2加权MRI图像
4084	2025-03-16	Leveraging Natural Language Processing and Machine Learning Methods for Adverse Drug Event Detection in Electronic Health/Medical Records: A Scoping Review 2025-Apr, Drug safety IF:4.0Q1 DOI:10.1007/s40264-024-01505-6 PMID:39786481	综述	本文综述了利用自然语言处理（NLP）和机器学习（ML）技术从非结构化电子健康记录（EHR）数据中检测药物不良事件（ADEs）的有效性，以改进药物警戒	本文通过综述现有研究，展示了NLP/ML技术在从非结构化EHR数据中检测ADEs的潜力，并揭示了这些技术在发现未报告的不良事件和安全信号方面的优势	研究中存在技术和方法学的多样性，且缺乏标准化的方法和验证标准，阻碍了NLP/ML在药物警戒中的广泛应用	总结NLP/ML在从非结构化EHR数据中检测ADEs的有效性，以改进药物警戒	非结构化电子健康记录（EHR）数据	自然语言处理	NA	自然语言处理（NLP），机器学习（ML）	基于规则的NLP，统计模型，深度学习	非结构化文本数据	七项研究
4085	2025-03-16	Image quality and diagnostic performance of deep learning reconstruction for diffusion- weighted imaging in 3 T breast MRI 2025-Apr, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.111997 PMID:39970544	研究论文	本研究评估了深度学习重建（DLR）在3T乳腺MRI扩散加权成像（DWI）中的图像质量和诊断价值，并与传统的单次激发平面回波成像（ss-EPI）进行了比较	首次在3T乳腺MRI中比较了DLR和ss-EPI在DWI中的图像质量和诊断性能，并发现DLR在图像质量上显著优于ss-EPI，且不影响诊断性能	研究为单中心前瞻性研究，样本量相对较小（50名患者），且未涉及多中心验证	评估DLR在3T乳腺MRI DWI中的图像质量和诊断价值	50名接受乳腺MRI检查的患者及其62个乳腺病变（55个恶性，7个良性）	数字病理学	乳腺癌	扩散加权成像（DWI），深度学习重建（DLR）	深度学习模型	医学影像	50名患者，62个乳腺病变
4086	2025-03-16	Automated segmentation by SCA-UNet can be directly used for radiomics diagnosis of thymic epithelial tumors 2025-Apr, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.112004 PMID:40014944	研究论文	本文介绍了一种名为SCA-UNet的深度学习网络，用于胸腺病变的自动分割，并应用于胸腺上皮肿瘤（TETs）的放射组学诊断和风险评估	提出了SCA-UNet模型，通过空间通道注意力机制增强了全局上下文感知能力，提高了分割效率和准确性	研究依赖于单一医院的CT数据集，可能影响模型的泛化能力	开发一种高效的自动分割模型，用于胸腺上皮肿瘤的放射组学诊断和风险评估	712名患有纵隔病变的患者	数字病理学	胸腺上皮肿瘤	深度学习	SCA-UNet	CT图像	712名患者
4087	2025-03-16	The need for balancing 'black box' systems and explainable artificial intelligence: A necessary implementation in radiology 2025-Apr, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.112014 PMID:40031377	评论	本文讨论了在放射学中平衡'黑箱'系统和可解释人工智能的必要性	提出了在放射学中优先考虑可解释人工智能（XAI）的观点，以增强透明度和伦理标准	XAI可能不如黑箱模型性能优越	探讨在放射学中实施人工智能的挑战和解决方案	放射学中的人工智能系统	机器学习和数字病理学	NA	机器学习和深度学习	黑箱模型和可解释人工智能（XAI）	图像数据	NA
4088	2025-03-16	Deep learning combined Monte Carlo simulation reveal the fundamental light propagation in apple puree: Monitoring the quality changes from different cultivar, storage period and heating duration 2025-Apr, Food research international (Ottawa, Ont.) DOI:10.1016/j.foodres.2025.115997 PMID:40086950	研究论文	本研究通过深度学习结合蒙特卡罗模拟，揭示了苹果泥中光传播的基本规律，以监测不同品种、储存期和加热时间对苹果泥质量的影响	结合深度学习和蒙特卡罗模拟，首次系统地研究了苹果泥在不同条件下的光传播特性，并提出了基于光学参数的质量监测策略	研究仅针对苹果泥，未涉及其他水果或食品基质的光传播特性	研究苹果泥在不同条件下的光传播特性，以监测其化学、结构和流变学参数的变化	苹果泥	机器学习	NA	蒙特卡罗模拟	反向传播神经网络	光学数据	不同品种、储存期和加热时间的苹果泥样本
4089	2025-03-16	NiSNN-A: Noniterative Spiking Neural Network With Attention With Application to Motor Imagery EEG Classification 2025-Mar-14, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2025.3538335 PMID:40085464	研究论文	本文提出了一种结合注意力机制的非迭代脉冲神经网络（NiSNN-A），用于运动想象（MI）脑电图（EEG）分类，旨在提高精度并降低能耗	提出了一种非迭代漏积分发放（NiLIF）神经元模型，解决了传统SNN在长时间步中使用迭代LIF神经元的梯度问题，并引入了基于序列的注意力机制来优化特征图	尽管NiSNN-A在精度和能效上有所提升，但其在EEG分类任务中的表现仍需进一步验证和优化	提高运动想象（MI）脑电图（EEG）分类的精度并降低能耗	运动想象（MI）脑电图（EEG）数据	机器学习	NA	NA	非迭代脉冲神经网络（NiSNN-A）	脑电图（EEG）数据	两个MI EEG数据集（OpenBMI和BCIC IV 2a）
4090	2025-03-16	Fast and reliable probabilistic reflectometry inversion with prior-amortized neural posterior estimation 2025-Mar-14, Science advances IF:11.7Q1 DOI:10.1126/sciadv.adr9668 PMID:40085716	研究论文	本文提出了一种新的概率深度学习方法，用于快速可靠地从X射线或中子散射测量中重建薄膜和多层结构	提出了一种名为PANPE（先验摊销神经后验估计）的新方法，结合了基于模拟的推理和自适应先验，能够在几秒钟内识别所有现实结构	未明确提及具体限制	提高从反射测量数据中重建薄膜和多层结构的可靠性和计算效率	薄膜和多层结构	物理学	NA	反射测量	PANPE（先验摊销神经后验估计）	X射线或中子散射测量数据	未明确提及具体样本数量
4091	2025-03-16	A deep learning-based clinical-radiomics model predicting the treatment response of immune checkpoint inhibitors (ICIs)-based conversion therapy in potentially convertible hepatocelluar carcinoma patients: a tumour marker prognostic study 2025-Mar-14, International journal of surgery (London, England) DOI:10.1097/JS9.0000000000002322 PMID:40085751	研究论文	本文开发了一种基于CT的临床-放射组学模型，用于预测潜在可转化肝细胞癌患者对免疫检查点抑制剂（ICIs）治疗的持久临床获益（DCB）	结合放射组学特征、深度学习模型和临床变量，构建了一个综合模型，能够有效预测ICIs治疗的DCB，并揭示与免疫相关机制的关联	模型的预测能力在训练集和测试集之间存在一定差异，且需要进一步验证其在不同人群中的适用性	开发一种预测模型，用于评估潜在可转化肝细胞癌患者对ICIs治疗的响应	潜在可转化肝细胞癌患者	数字病理学	肝细胞癌	CT成像、放射组学分析、RNA和DNA测序	深度学习模型	CT图像、临床数据、RNA和DNA测序数据	未明确提及具体样本数量
4092	2025-03-16	The effect of cryopreservation on enamel microcracks - A μCT analysis using a deep learning algorithm 2025-Mar-13, Cryobiology IF:2.3Q3 DOI:10.1016/j.cryobiol.2025.105207 PMID:39929328	研究论文	本研究通过μCT分析和深度学习算法，探讨了冷冻保存对牙釉质微裂纹的影响	首次使用深度学习算法对冷冻保存引起的牙釉质裂纹进行直接评估，并提出了可扩展且精确的量化方法	研究样本量较小，仅涉及5颗牙齿，且未探讨裂纹对牙齿功能的具体影响	研究冷冻保存对牙釉质微裂纹的影响	牙釉质微裂纹	计算机视觉	NA	μCT分析	U-Net	图像	5颗牙齿
4093	2025-03-16	Deep learning models in classifying primary bone tumors and bone infections based on radiographs 2025-Mar-13, NPJ precision oncology IF:6.8Q1 DOI:10.1038/s41698-025-00855-3 PMID:40074845	研究论文	本研究开发了一种集成深度学习框架，用于基于X光片准确区分原发性骨肿瘤和骨感染	提出了一种集成深度学习框架，结合多中心X光片和广泛的临床特征，提高了诊断准确性	研究依赖于特定数据集，可能无法完全推广到其他医疗环境	提高原发性骨肿瘤和骨感染的诊断精度	原发性骨肿瘤和骨感染	计算机视觉	骨肿瘤	深度学习	EfficientNet B3, EfficientNet B4, Vision Transformer, Swin Transformers	X光片	外部数据集423例，内部数据集1044例（训练集）、354例（测试集）、171例（验证集）
4094	2025-03-16	Enhancing parkinson disease detection through feature based deep learning with autoencoders and neural networks 2025-Mar-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-88293-w PMID:40075106	研究论文	本研究提出了一种通过音频波分析识别帕金森病的创新方法，利用基于特征的深度神经网络（FB-DNN）技术	结合自编码器和深度神经网络（DNN）进行特征提取和分类，提高了帕金森病诊断的准确性和及时性	研究仅基于音频数据，未考虑其他类型的生物标志物或临床数据	开发一种自动且非侵入性的帕金森病检测方法	帕金森病患者的音频数据	机器学习	帕金森病	基于特征的深度神经网络（FB-DNN）	自编码器（Autoencoder）和深度神经网络（DNN）	音频数据	未明确提及样本数量
4095	2025-03-16	Exploring the repository of de novo-designed bifunctional antimicrobial peptides through deep learning 2025-Mar-13, eLife IF:6.4Q1 DOI:10.7554/eLife.97330 PMID:40079572	研究论文	本文通过深度学习探索了从头设计的双功能抗菌肽库，旨在发现具有抗菌和抗病毒活性的新型肽	建立了一个结合深度生成模块和图编码活性回归器的从头设计抗菌肽框架，成功发现了16种双功能抗菌肽并进行了实验验证	研究主要基于体外和动物模型实验，尚未进行临床试验	发现具有抗菌和抗病毒活性的新型抗菌肽，以应对抗生素耐药性问题	抗菌肽（AMPs）	机器学习	NA	深度学习	深度生成模块、图编码活性回归器	肽序列数据	16种双功能抗菌肽
4096	2025-03-16	Disease detection on exterior surfaces of buildings using deep learning in China 2025-Mar-12, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-92112-7 PMID:40074790	研究论文	本研究探讨了在中国城市环境中应用深度学习技术准确检测建筑物外表面病害的方法，以提高检测效率和准确性，并提供可广泛实施的基础设施健康管理实时监控解决方案	通过集成DenseNet块和Swin-Transformer预测头，改进了特征提取和准确性，显著优于传统方法	数据集仅包含289张高分辨率图像，可能限制了模型的泛化能力	提高建筑物外表面病害检测的效率和准确性，提供实时监控解决方案	建筑物外表面病害	计算机视觉	NA	深度学习	DenseNet, Swin-Transformer	图像	289张高分辨率图像
4097	2025-03-16	AI in Histopathology Explorer for comprehensive analysis of the evolving AI landscape in histopathology 2025-Mar-12, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-025-01524-2 PMID:40074858	研究论文	本文介绍了AI在组织病理学中的应用探索器（HistoPathExplorer），一个实时在线资源，用于评估AI在特定临床任务中的应用现状、分析其性能并探索影响其转化为实践的因素	开发了一个交互式仪表板HistoPathExplorer，提供了一个实时在线资源，用于评估AI在组织病理学中的应用现状，并定义了一个质量指数来评估已发表AI方法的全面性	未明确提及具体的研究限制	深入了解应用于组织病理学数据的深度学习算法方法，并评估其在不同任务中的表现，以开发下一代AI技术	组织病理学数据	数字病理学	癌症	深度学习算法	NA	组织病理学数据	NA
4098	2025-03-16	Mapping variants in thyroid hormone transporter MCT8 to disease severity by genomic, phenotypic, functional, structural and deep learning integration 2025-Mar-12, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-56628-w PMID:40075072	研究论文	本文通过整合基因组、表型、功能、结构数据和深度学习技术，研究了甲状腺激素转运蛋白MCT8的变异与疾病严重程度的关系	结合深度表型数据、功能测试、计算测试和人群队列结果，提出了一个可推广的方法来推进罕见遗传病的多维度研究	研究主要针对男性患者，且样本量相对较小，可能限制了结果的普遍性	预测和量化罕见遗传病中基因变异对表型的影响，特别是甲状腺激素转运蛋白MCT8的变异	甲状腺激素转运蛋白MCT8的变异及其与疾病严重程度的关系	基因组学	神经发育障碍	深度学习	NA	基因组数据、表型数据、功能数据、结构数据	约400,000名个体
4099	2025-03-16	Lung cancer detection with machine learning classifiers with multi-attribute decision-making system and deep learning model 2025-Mar-12, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-88188-w PMID:40075131	研究论文	本文旨在通过机器学习和深度学习模型对肺部X光片进行分类，以区分良性或恶性疾病，并识别具体疾病类型	结合多属性决策方法TOPSIS对分类器进行排序，并提出了深度学习模型Inception v3，实现了97.05%的准确率，比传统机器学习方法提高了11.8%	未提及样本的具体来源和多样性，可能影响模型的泛化能力	通过分析医学图像实现肺部疾病的早期检测和分类	肺部X光片	计算机视觉	肺癌	机器学习与深度学习	Inception v3, SVM with RBF	图像	未明确提及样本数量
4100	2025-03-14	Publisher Correction: HDL-ACO hybrid deep learning and ant colony optimization for ocular optical coherence tomography image classification 2025-Mar-12, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-93294-w PMID:40075161	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA