深度学习在生物医药领域的应用

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	算法框架	模型架构	性能指标	计算资源
4281	2025-10-06	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	研究论文	本研究开发了一种深度学习模型，用于预测ICU存活和非存活患者的住院时间	首次在ICU住院时间预测中同时考虑存活和非存活患者的差异，并解决文档偏倚问题	仅使用美国医院数据，可能限制模型的泛化能力	改进ICU护理评估的基准测试方法	ICU患者	医疗健康	危重症	深度学习	深度学习框架	电子健康记录	669,876次ICU入院（涉及628,815名患者）	NA	竞争风险时间事件建模框架	决定系数(R2), 一致性指数, 平均绝对误差, 校准度	NA
4282	2025-10-06	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	开发基于Transformer的手指感知人工神经网络，用于预测手部疼痛患者的关节炎发展	首次将深度学习应用于SPECT/CT的SUV定量数据预测手部关节炎，并引入手指嵌入和手部间信息共享机制	NA	通过深度学习提高手部关节炎的早期预测准确性	手部疼痛患者	医学影像分析	关节炎	SPECT/CT, SUV定量测量	Transformer	医学影像定量数据	NA	NA	Finger-aware Artificial Neural Network (FANN)	AUC, 准确率, 精确率, 召回率, F1分数	NA
4283	2025-10-06	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	本文综述了基于人工智能的新生儿黄疸无创检测方法	系统评估了AI驱动的无创黄疸检测技术，特别是基于智能手机摄像头的应用在资源有限地区的实用性	主要关注现有研究综述，缺乏原始实验数据验证	评估人工智能技术在新生儿黄疸无创检测中的应用效果和临床价值	新生儿黄疸检测方法和相关人工智能技术	医疗人工智能	新生儿黄疸	机器学习、深度学习、智能手机成像	神经网络	皮肤颜色图像	NA	NA	NA	准确率	移动设备（智能手机）
4284	2025-10-06	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	提出一种基于不确定性的多模态混合融合策略，用于皮肤癌多标签分类	引入不确定性机制的自适应多模态融合方法，结合临床图像、皮肤镜图像和元数据三种模态	仅使用单一公开数据集进行验证，未在更多临床场景中测试	提高皮肤病变多标签分类的准确性和鲁棒性	皮肤病变图像和元数据	计算机视觉	皮肤癌	深度学习	多模态融合网络	临床图像, 皮肤镜图像, 元数据	公开皮肤疾病数据集	NA	CosCatNet	NA	NA
4285	2025-10-06	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	研究论文	开发基于深度学习和非常规数据的实时监测、预测和预警框架，用于呼吸道病原体爆发	整合多源非常规数据（谷歌趋势、Reddit帖子、卫星空气质量数据等）并构建包含CNN、GNN、GRU和线性神经网络的混合深度学习模型	研究局限于加拿大省份和南部非洲国家，模型在其他地区的适用性需要进一步验证	建立呼吸道疾病的实时监测、预测、预报和预警系统	COVID-19和流感病例，覆盖加拿大省份和南部非洲国家	机器学习	呼吸道疾病	深度学习，数据挖掘	CNN, GNN, GRU, NN	病例数据，网络趋势数据，社交媒体帖子，卫星空气质量数据，天气数据	加拿大6个数据集（流感病例、COVID-19病例、谷歌趋势、Reddit帖子、卫星空气质量、天气数据），南部非洲国家5个数据源（COVID-19感染数、谷歌趋势、维基趋势、谷歌新闻、卫星空气质量数据）	NA	包含CNN、GNN、GRU和线性神经网络的四层混合架构	RMSE, R2-score, 相关系数	NA
4286	2025-10-06	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	提出一种基于X光图像的胃癌诊断支持系统，通过改进的数据增强和边界框训练技术提高检测性能	提出两种新技术：精细化概率胃图像增强(R-sGAIA)和硬边界框训练(HBBT)，能够增强胃皱襞区域特征并利用未标注阴性样本	精确度相对较低(42.5%)，需要进一步优化以减少误报	开发实用的胃癌诊断支持系统，扩大胃癌筛查覆盖范围	胃部X光图像	计算机视觉	胃癌	X光成像	目标检测模型	医学图像	NA	深度学习	目标检测模型	灵敏度, 精确度, F1分数, 处理速度	NA
4287	2025-10-06	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	提出基于可解释深度学习的HEp-2标本自动分类方法，结合Jensen-Shannon可靠性指数提升分类可信度	采用迁移学习与预训练模型，提出针对不平衡数据集的特征选择方法，引入改进的梯度加权类激活映射和基于Jensen-Shannon散度的样本质量指数	尚未解决有丝分裂纺锤体识别挑战，未来需扩展方法以覆盖混合模式	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细胞图像标本	计算机视觉	结缔组织病	间接免疫荧光检测	深度学习	图像	来自两家不同医院的两个独立数据集	NA	预训练深度学习模型	强度识别准确率，ANA模式识别准确率	NA
4288	2025-10-06	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可控的AI框架ItpCtrl-AI，通过模拟放射科医生的决策过程来诊断胸部X光片	通过模拟放射科医生的眼动模式生成注意力热图，实现了AI模型的可解释性和用户可控性	NA	开发可解释且可控的计算机辅助诊断系统，提高AI在医疗领域的可信度	胸部X光片中的医学发现	计算机视觉	NA	眼动追踪	深度学习	医学图像,眼动数据	NA	NA	NA	NA	NA
4289	2025-10-06	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	本文对机器学习在菌血症、血流感染和脓毒症诊断与预后中的应用进行了全面的动态文献综述	提供了动态更新的文献综述，强调在早期疾病阶段的研究空白和实时非侵入性数据采集技术的潜力	早期疾病阶段研究不足，序列深度学习模型在外部数据集表现不佳，现实场景实施面临挑战	评估机器学习在血液相关感染管理中的诊断和预后应用	菌血症、血流感染和脓毒症患者	机器学习	脓毒症	机器学习	序列深度学习模型,传统机器学习模型	电子健康记录,生化标志物,生命体征,时间趋势数据	NA	NA	NA	NA	NA
4290	2025-10-06	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	研究论文	提出了一种基于Transformer的深度学习框架TransformerLSR，用于联合建模纵向数据、生存数据和复发事件	首次将Transformer架构应用于联合建模纵向测量、复发事件和生存数据，引入了新的轨迹表示和模型架构以整合已知的潜在结构知识	未在论文摘要中明确说明具体限制	开发能够同时联合建模纵向测量、复发事件和生存数据的灵活深度学习框架	肾移植术后患者	机器学习	肾脏疾病	深度时间点过程	Transformer	纵向测量数据、生存数据、复发事件数据	NA	NA	Transformer	NA	NA
4291	2025-10-06	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	提出一种基于一致性的预测不确定性指数，用于改进低剂量CT筛查中肺癌风险评估的特异性	首次将亚组分析与个性化AI时间事件模型的预测一致性量化为不确定性指标，优化偏差-方差权衡	研究仅针对单一医疗中心的3326名患者，需要更多外部验证	提高肺癌筛查的风险评估准确性和特异性	接受低剂量CT筛查的肺癌患者	数字病理	肺癌	低剂量CT影像组学分析	神经网络多任务逻辑回归时间事件模型	CT图像, 患者人口统计学数据	3326名患者	MONAI	深度学习模型	AUC, 假阳性率, 假阴性率, 一致性指数	NA
4292	2025-10-06	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研究	对过去二十年医疗保险欺诈检测的机器学习研究进行全面系统分析，涵盖不同算法类型和数据来源	数据不一致、缺乏标准化、隐私问题以及标记欺诈案例数量有限	分析医疗保险欺诈检测中机器学习技术的研究现状、挑战和机遇	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, 深度学习	医疗索赔数据	137篇研究论文，涉及16个国家的数据，其中美国96篇、中国11篇、澳大利亚5篇	NA	NA	NA	NA
4293	2025-10-06	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	提出一种名为ECGEFNet的双分支深度学习模型，通过心电图计算左心室射血分数	创新性地整合原始数值信号和波形图，提出融合注意力机制和双分支特征融合模块解决分支间信息交互不足的问题	仅使用内部数据集进行验证，缺乏外部验证	开发基于心电图的心脏功能障碍实时监测方法	左心室收缩功能障碍患者	机器学习	心血管疾病	心电图	深度学习	信号数据, 图像数据	大型内部数据集（具体数量未说明）	NA	双分支架构	准确率, 平均绝对误差	NA
4294	2025-10-06	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	本研究开发了一种基于人工智能的医学图像分析方法，用于提高传染病检测的诊断准确性	首次将模糊环境下的超软集(HSS)与多准则决策框架(MCDM)相结合，开创了AI驱动诊断的新方法	NA	通过分析医学影像提高传染病诊断准确性	传染病医学图像	计算机视觉	传染病	医学影像分析	NA	图像	NA	NA	NA	NA	NA
4295	2025-10-06	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	提出一种多任务学习U-Net模型，用于HEp-2细胞图像的端到端分析	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、分割和模式分类	NA	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	计算机视觉	自身免疫疾病	间接免疫荧光显微镜技术	CNN	图像	使用最大的公开HEp-2图像数据集	NA	U-Net	NA	NA
4296	2025-10-06	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	提出一种基于图注意力网络和共卷积特征整合的深度学习方法SpaGraphCCI，用于从空间多模态数据推断细胞间相互作用	首次通过GAT-based共卷积特征整合方法有效融合空间转录组数据的基因表达和图像特征	NA	开发能够有效整合空间多模态数据以推断细胞间通信的计算方法	空间转录组数据中的细胞间相互作用	生物信息学	乳腺癌	空间转录组技术	GAT, 深度学习	基因表达数据, 组织图像	多个平台数据集（包括单细胞分辨率数据集和点分辨率数据集）及人类乳腺癌数据集	NA	图注意力网络, 共卷积特征整合	AUC	NA
4297	2025-10-06	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	本研究开发了预测蛋白质-金属离子配体结合残基的优化模型	融合氨基酸及其衍生信息作为特征参数，并首次将深度学习算法应用于该预测任务，在Ca和Mg离子结合残基预测上取得了优于先前研究的结果	NA	准确预测蛋白质-金属离子配体结合残基	蛋白质-金属离子配体结合残基	机器学习	NA	NA	经典机器学习算法,深度学习算法	蛋白质序列数据	NA	NA	NA	验证矩阵	NA
4298	2025-10-06	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	提出一种基于双通道深度学习的抗癌肽预测模型ACP-DPE	结合双向门控循环单元和扩张卷积的双通道架构，分别捕捉肽序列依赖关系和氨基酸局部关系	NA	开发深度学习模型用于抗癌肽预测	抗癌肽序列	机器学习	癌症	深度学习	Bi-GRU, CNN	肽序列数据	NA	NA	双通道架构（Bi-GRU模块+扩张卷积模块）	准确率, 灵敏度	NA
4299	2025-10-06	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，用于准确预测肿瘤坏死因子受体（TNFR）活性	结合相对位置、反向位置和统计矩特征，系统比较六种深度学习分类器，其中LSTM表现最佳并超越先前研究	NA	提高TNFR活性识别的准确性，支持炎症、癌症和自身免疫疾病相关研究	肿瘤坏死因子受体（TNFR）	自然语言处理	癌症	深度学习	FCN, CNN, RNN, LSTM, Bi-LSTM, GRU	序列数据	NA	NA	全连接网络, 卷积神经网络, 简单循环神经网络, 长短期记忆网络, 双向长短期记忆网络, 门控循环单元	准确率, 特异性, 灵敏度, 马修斯相关系数	NA
4300	2025-10-06	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	开发了一种基于深度学习的蛋白质-蛋白质相互作用预测模型Deep_PPI	提出使用双卷积头架构处理蛋白质对，并采用Keras二进制轮廓编码技术和PaddVal长度均衡策略	NA	改进蛋白质-蛋白质相互作用的计算机识别方法	多种物种的蛋白质-蛋白质相互作用	生物信息学	癌症，自身免疫性疾病，恶性贫血	深度学习	CNN	蛋白质序列	人类、秀丽隐杆线虫、大肠杆菌和智人等多个物种数据集	Keras	一维卷积神经网络	交叉验证准确率	NA