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
421	2025-05-09	Training, Validating, and Testing Machine Learning Prediction Models for Endometrial Cancer Recurrence 2025-May, JCO precision oncology IF:5.3Q1 DOI:10.1200/PO-24-00859 PMID:40324114	研究论文	该研究通过机器学习和深度学习分析，训练、验证和测试了子宫内膜癌复发的预测模型	利用lasso回归、MATLAB和TensorFlow等多种机器学习和深度学习方法，结合临床、病理、基因组和遗传数据，构建了优于仅使用临床和病理数据的预测模型	需要前瞻性验证以确定临床实用性	准确预测子宫内膜癌患者的复发风险，以更好地选择辅助治疗患者	子宫内膜癌患者	机器学习	子宫内膜癌	lasso回归、MATLAB（ML）、TensorFlow（DL）	机器学习模型和深度学习模型	临床、病理、基因组和遗传数据	低风险组329例，高风险组324例，非子宫内膜样组织学组239例
422	2025-05-09	Artificial intelligence in the detection and classification of dental caries 2025-May, The Journal of prosthetic dentistry IF:4.3Q1 DOI:10.1016/j.prosdent.2023.07.013 PMID:37640607	研究论文	本研究旨在训练一个深度学习模型，用于检测和分类龋齿	利用深度学习模型进行龋齿的自动检测和分类，提升早期检测效率和临床决策质量	模型的平均交并比和F1分数仍有提升空间	开发一个可靠的龋齿自动检测系统，以提升早期检测和临床决策效率	龋齿	计算机视觉	龋齿	监督学习算法	深度学习模型	X光图像	554个训练样本
423	2025-05-09	scSDNE: A semi-supervised method for inferring cell-cell interactions based on graph embedding 2025-May, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1013027 PMID:40333631	研究论文	介绍了一种名为scSDNE的半监督图嵌入模型，用于推断基于配体-受体（L-R）相互作用的细胞间通讯	结合深度学习和手动整理的L-R相互作用数据库，scSDNE能够在共享潜在空间中映射基因，提高细胞间相互作用推断的准确性和生物学可解释性	未提及具体的数据集规模限制或模型在不同类型细胞中的泛化能力	全面理解细胞间通讯的复杂相互作用机制	细胞间通过配体-受体（L-R）相互作用进行的通讯	生物信息学	NA	单细胞RNA测序（scRNA-seq）	半监督图嵌入模型（scSDNE）	基因表达数据	未提及具体样本数量
424	2025-05-09	The long journey of artificial intelligence in medicine: an overview 2025-May, Clinical and experimental rheumatology IF:3.4Q2 DOI:10.55563/clinexprheumatol/oamfed PMID:40338059	综述	本文概述了人工智能在医学领域的漫长发展历程	总结了人工智能从哲学和数学基础到现代应用的演变过程，特别是在医学领域的革命性进展	未提及具体的技术限制或研究不足	回顾人工智能在医学领域的发展历史和应用前景	人工智能技术在医学领域的应用	人工智能	NA	机器学习、神经网络、深度学习、大语言模型	NA	健康信息数据	NA
425	2025-05-09	Mixing individual and collective behaviors to predict out-of-routine mobility 2025-Apr-29, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2414848122 PMID:40267135	research paper	该研究提出了一种动态整合个体和集体移动行为的方法，以提高非日常移动行为的预测准确性	通过利用集体智能动态整合个体和集体移动行为，显著提升了非日常移动行为的预测准确性，并在COVID-19等破坏性事件中保持了预测能力	模型在兴趣点密度高的城市区域表现最佳，可能在其他区域效果有限	解决非日常人类移动行为的预测问题，以应对城市设计、交通拥堵、流行病管理等社会挑战	人类移动行为	machine learning	NA	深度学习与马尔可夫模型结合	动态整合模型	轨迹数据	数百万条隐私保护的轨迹数据，覆盖五个美国城市
426	2025-05-09	Machine learning and clinical EEG data for multiple sclerosis: A systematic review 2025-Apr-29, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103116 PMID:40334524	系统综述	本文综述了机器学习和深度学习模型在脑电图（EEG）数据中应用于多发性硬化症（MS）的研究现状	探讨了深度学习架构（如CNN和混合模型）在MS诊断和监测中的最新进展，以及如何通过先进的预处理技术和可解释AI来克服挑战	讨论了基于ML的EEG分析在MS应用中存在的挑战和潜在偏差	提高多发性硬化症的预测、诊断、监测和治疗（PDMT）效果	多发性硬化症患者	机器学习	多发性硬化症	脑电图（EEG）	CNN, 深度学习模型, 混合模型	EEG数据	NA
427	2025-05-09	Development and validation of a novel chronic pancreatitis pathological grade based on artificial intelligence 2025-Apr-29, Pancreatology : official journal of the International Association of Pancreatology (IAP) ... [et al.] IF:2.8Q2 DOI:10.1016/j.pan.2025.04.011 PMID:40335378	research paper	开发并验证了一种基于人工智能的慢性胰腺炎病理分级新方法	首次提出基于深度学习的慢性胰腺炎病理分级系统（Histopathology-derived CPpG），并通过深度学习放射组学评分（DLRS）实现无创动态监测	研究为回顾性设计，且病理确认的CP样本量相对较小（181例）	建立客观定量的慢性胰腺炎严重程度评估体系	慢性胰腺炎及复发性急性胰腺炎患者	digital pathology	chronic pancreatitis	deep learning, radiomics	DeeplabV3+	whole-slide images, CT scans	2054例患者（含181例病理确诊CP）
428	2025-05-09	Multimodal radiopathological integration for prognosis and prediction of adjuvant chemotherapy benefit in resectable lung adenocarcinoma: A multicentre study 2025-Apr-28, Cancer letters IF:9.1Q1 DOI:10.1016/j.canlet.2025.217557 PMID:39954935	研究论文	开发并验证了一个多模态分析框架，整合CT图像和H&E染色的全切片图像(WSIs)，以增强肺腺癌(LUAD)患者的风险分层并预测辅助化疗的益处	首次提出结合放射组学和病理组学的多模态特征签名，用于预测LUAD患者的无病生存期(DFS)和辅助化疗益处，其性能优于现有的深度学习整合方法	研究为回顾性设计，需要前瞻性研究进一步验证	提高肺腺癌患者的风险分层精度并预测辅助化疗的益处	1039名可切除的I-III期肺腺癌患者	数字病理	肺癌	放射组学特征提取、病理组学特征提取	生存支持向量机(SVM)	CT图像、H&E染色的全切片图像(WSIs)	1039名患者（训练集303人，测试集197人和228人，特征测试集311人）
429	2025-05-09	Advanced data-driven interpretable analysis for predicting resistant starch content in rice using NIR spectroscopy 2025-Apr-28, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2025.144311 PMID:40334489	研究论文	本研究提出了一种结合近红外光谱(NIR)和卷积神经网络(CNN)的创新数据驱动框架，用于快速、经济地预测大米中的抗性淀粉(RS)含量	创新性地将SHAP解释性分析应用于深度学习模型，识别出关键波长范围(2000-2500nm)，显著缩小了光谱范围并提供了特定波长对RS预测贡献的有意义见解	未提及具体样本量或外部验证结果	开发快速、经济的抗性淀粉含量预测方法	大米中的抗性淀粉含量	机器学习	NA	近红外光谱(NIR)	CNN	光谱数据	NA
430	2025-05-09	Reliable Radiologic Skeletal Muscle Area Assessment - A Biomarker for Cancer Cachexia Diagnosis 2025-Apr-25, medRxiv : the preprint server for health sciences DOI:10.1101/2025.04.21.25326162 PMID:40313262	research paper	开发了一种基于深度学习的自动化工具SMAART-AI，用于通过CT扫描评估骨骼肌面积，以诊断癌症恶病质	SMAART-AI结合了自动化、高准确性和不确定性机制，提高了骨骼肌面积评估的可靠性，并开发了MLP模型用于预测恶病质	研究主要基于胃食管癌数据集，可能在其他癌症类型中的泛化性有待验证	开发一种可靠的工具用于癌症恶病质的早期诊断和干预	癌症患者的骨骼肌面积评估和恶病质预测	digital pathology	gastroesophageal cancer	CT扫描	nnU-Net 2D, MLP	image	胃食管癌数据集
431	2025-05-09	Association of Deep Learning-Derived Histologic Features of Placental Chorionic Villi with Maternal and Infant Characteristics in the New Hampshire Birth Cohort Study 2025-Apr-23, medRxiv : the preprint server for health sciences DOI:10.1101/2025.04.22.25325465 PMID:40313259	研究论文	利用深度学习技术自动检测胎盘绒毛组织特征，并研究其与母婴特征的关联	开发了一种基于深度学习的自动化方法，用于检测胎盘绒毛组织，并通过无监督聚类识别了与生物学相关的绒毛亚型	未发现母亲年龄和婴儿性别与绒毛几何特征的显著关联	通过标准化胎盘结构特征，提升对胎盘生长和功能的理解，改善母婴健康结果	新罕布什尔出生队列研究中的1,531张足月胎盘全切片图像	数字病理学	母婴健康	深度学习分割	深度学习	图像	1,531张足月胎盘全切片图像
432	2025-05-09	Establishing performance criteria for evaluating watershed-scale sediment and nutrient models at fine temporal scales 2025-Apr-15, Water research IF:11.4Q1 DOI:10.1016/j.watres.2025.123156 PMID:39955106	research paper	该研究旨在建立用于评估流域尺度沉积物和养分模型在精细时间尺度上性能的标准	提出了针对精细时间尺度的过程模型性能评估标准，并探讨了校准持续时间、目标单位选择等因素对模型性能的影响	虽然标准基于过程模型开发，但可能不完全适用于所有类型的模型评估	建立流域水质模型的性能评估标准	流域水质模型（涉及水流、沉积物、总养分和溶解养分）	环境建模	NA	Nash-Sutcliffe效率(NSE)分析、自助法(bootstrapping)	过程模型、深度学习模型	水质监测数据	229个模型应用案例
433	2025-05-09	Identifying RNA-small Molecule Binding Sites Using Geometric Deep Learning with Language Models 2025-Apr-15, Journal of molecular biology IF:4.7Q1 DOI:10.1016/j.jmb.2025.169010 PMID:39961524	研究论文	开发了一个名为RNABind的几何深度学习框架，用于从RNA结构中检测RNA与小分子的结合位点	将RNA大型语言模型（LLMs）整合到先进的几何深度学习网络中，同时编码RNA序列和结构信息，并构建了最大的RNA-小分子相互作用数据集	未提及具体的局限性	预测RNA与小分子的结合位点，以促进RNA靶向药物发现	RNA与小分子的结合位点	自然语言处理	NA	几何深度学习与语言模型	RNABind（整合了RNA LLMs的几何深度学习网络）	RNA序列和结构数据	从整个多链复合体结构中编译的最大RNA-小分子相互作用数据集
434	2025-05-09	FakET: Simulating cryo-electron tomograms with neural style transfer 2025-Apr-03, Structure (London, England : 1993) DOI:10.1016/j.str.2025.01.020 PMID:39947174	research paper	提出了一种基于神经风格转移的方法FakET，用于模拟冷冻电子显微镜的透射电子显微镜前向算子，以生成高质量的模拟显微图或倾斜系列数据	FakET方法通过神经风格转移技术显著提高了数据生成速度（750倍），减少了内存使用（33倍），并且能够适应典型的透射电子显微镜检测器尺寸	未提及具体的数据生成质量与真实数据之间的差异，以及在不同冷冻电子显微镜设备上的适用性	提高冷冻电子显微镜中粒子定位和分类的准确性，减少训练数据集的生成时间和资源消耗	冷冻电子显微镜的模拟数据生成	computer vision	NA	神经风格转移	NA	image	NA
435	2025-05-09	Leveraging Physics-Based Synthetic MR Images and Deep Transfer Learning for Artifact Reduction in Echo-Planar Imaging 2025-Apr-02, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8566 PMID:39947682	研究论文	本研究利用基于物理的方法合成真实的MR伪影，并训练一个深度学习生成对抗网络（GAN）以减少EPI（一种关键但易受伪影影响的神经成像序列）中的伪影	采用基于物理的方法合成MR伪影，并提出了'堆叠迁移学习'策略来训练GAN，以有效减少EPI中的伪影	研究主要针对EPI序列的伪影，可能不适用于其他MRI序列	减少EPI（回波平面成像）序列中的伪影，提高神经成像质量	EPI序列中的MR图像伪影	数字病理	复发性胶质母细胞瘤	MRI, 深度学习	GAN, Pix2PixGAN, Attention-R2UNet	MR图像	1,392名患者的4,573个解剖MR序列，49名复发性胶质母细胞瘤患者的ADC图
436	2025-05-09	EEGConvNeXt: A novel convolutional neural network model for automated detection of Alzheimer's Disease and Frontotemporal Dementia using EEG signals 2025-Apr, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108652 PMID:39938252	研究论文	提出了一种名为EEGConvNeXt的新型卷积神经网络模型，用于通过EEG信号自动检测阿尔茨海默病和额颞叶痴呆	EEGConvNeXt是一种轻量级的CNN模型，基于transformer模型构建，具有高效的多类分类能力	依赖相对较小的数据集，需要在更多样化的人群中进行进一步验证	开发一种高效、轻量级的深度学习模型，用于神经退行性疾病的自动检测	阿尔茨海默病(AD)和额颞叶痴呆(FD)患者及对照组的EEG信号	数字病理学	老年病	EEG信号分析	CNN (EEGConvNeXt)	EEG信号转换的功率谱图像	包含AD、FD和对照组三个类别的公开EEG数据集
437	2025-05-09	Stroke Management and Analysis Risk Tool (SMART): An interpretable clinical application for diabetes-related stroke prediction 2025-Apr, Nutrition, metabolism, and cardiovascular diseases : NMCD DOI:10.1016/j.numecd.2024.103841 PMID:39939252	research paper	开发了一个可解释的糖尿病相关中风预测临床工具SMART	结合多种机器学习技术（如RF和DNN）和SHAP解释性方法，开发了针对糖尿病患者的中风预测工具	数据来自单一医院，可能缺乏广泛代表性	分析糖尿病患者中风风险因素并创建预测模型	糖尿病患者	machine learning	cardiovascular disease	LASSO, SVM-RFE, multi-factor regression, SMOTE	RF, DNN	EHR数据	20,014名患者
438	2025-05-09	Genomic prediction with NetGP based on gene network and multi-omics data in plants 2025-Apr, Plant biotechnology journal IF:10.1Q1 DOI:10.1111/pbi.14577 PMID:39950326	研究论文	本文提出了一种基于基因网络和多组学数据的NetGP模型，用于植物基因组预测	首次提出基于Pearson-Collinearity Selection (PCS)的SNP特征提取技术，并开发了新型深度学习模型NetGP	NA	提高植物基因组选择的预测准确性	植物基因组和多组学数据	机器学习	NA	SNP特征提取, 多组学数据分析	NetGP (深度学习模型)	基因组数据, 转录组数据, 多组学数据	多种植物数据(未明确具体数量)
439	2025-05-09	LMTTM-VMI: Linked Memory Token Turing Machine for 3D volumetric medical image classification 2025-Apr, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108640 PMID:39951959	研究论文	提出了一种名为LMTTM的新型深度学习模型，用于高效处理3D医学体积图像的分类问题	引入了链接记忆令牌图灵机（LMTTM），利用外部链接记忆有效处理3D医学体积图像的空间依赖性和结构复杂性	未提及具体的数据集局限性或模型适用范围	提高3D医学体积图像分类的准确性和效率	3D医学体积图像	数字病理	NA	深度学习	LMTTM	3D医学图像	六个来自MedMNIST v2的3D医学体积图像数据集
440	2025-05-09	"Brain state network dynamics in pediatric epilepsy: Chaotic attractor transition ensemble network" 2025-Apr, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109832 PMID:39951978	research paper	提出了一种新型的集成框架CATE-NET，用于识别儿童癫痫的神经动力学特征，区分生理性脑活动和癫痫引起的信号异常	结合混沌和动力系统理论，设计了模块化的CATE-NET框架，利用非线性动力学和混沌吸引子（特别是Rössler混沌吸引子）建模头皮EEG数据，并通过LSTM网络和概率图自动分析脑状态	未提及具体样本量，且依赖于EEG信号的质量	改进儿童癫痫的脑状态分析和癫痫活动检测	儿童癫痫患者的脑电图信号	digital pathology	epilepsy	EEG信号分析，混沌吸引子建模，深度学习	LSTM，概率图模型	EEG信号	NA