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
4561	2025-03-23	[Nobel Prize in physics 2024 : John J. Hopfield and Geoffrey E. Hinton. From Hopfield and Hinton to AlphaFold: The 2024 Nobel Prize honors the pioneers of deep learning] 2025-Mar, Medecine sciences : M/S DOI:10.1051/medsci/2025036 PMID:40117553	评论	本文回顾了2024年诺贝尔物理学奖得主John J. Hopfield和Geoffrey E. Hinton的职业生涯，并强调了他们在人工神经网络和深度学习领域的开创性贡献	本文通过回顾两位诺贝尔奖得主的职业生涯，突出了他们在人工神经网络和深度学习领域的开创性贡献，特别是Hopfield的联想记忆模型和Hinton的图像识别方法	本文主要侧重于回顾性内容，未涉及具体的技术细节或实验验证	回顾和表彰John J. Hopfield和Geoffrey E. Hinton在人工神经网络和深度学习领域的贡献	John J. Hopfield和Geoffrey E. Hinton的职业生涯及其研究成果	机器学习	NA	人工神经网络	NA	NA	NA
4562	2025-03-23	Spectral dual-layer detector CT-based radiomics-deep learning for predicting pathological aggressiveness of stage I lung adenocarcinoma: discrimination of precursor glandular lesions and invasive adenocarcinomas 2025-Feb-28, Translational lung cancer research IF:4.0Q1 DOI:10.21037/tlcr-24-726 PMID:40114963	研究论文	本研究评估了基于光谱双层探测器CT（SDCT）的有效原子数（Zeff）的放射组学、深度学习和临床特征在区分磨玻璃结节（GGN）特征的腺前体病变（PGLs）和腺癌中的效用	结合SDCT-Zeff放射组学、深度学习和临床特征，构建了临床基于深度学习的放射组学（DLR）签名诺模图，提高了预测性能	研究仅在中国两个医疗中心进行，样本量和地理多样性可能有限	区分I期肺腺癌的病理侵袭性，特别是腺前体病变和侵袭性腺癌	磨玻璃结节（GGN）患者	数字病理	肺癌	光谱双层探测器CT（SDCT）	ResNet50, LightGBM	医学影像	792个GGN（训练队列582个，外部验证队列210个）
4563	2025-03-23	The role of artificial intelligence in sepsis in the Emergency Department: a narrative review 2025-Feb-28, Annals of translational medicine DOI:10.21037/atm-24-150 PMID:40115064	综述	本文综述了人工智能在急诊科脓毒症诊断、管理和预后中的应用	与传统预测分析相比，AI能够整合多种变量，提高诊断性能，并在脓毒症的诊断和预后中优于传统评分工具	现有的AI工具缺乏普适性和用户接受度，存在自动化偏差的风险，可能导致临床医生技能退化	探讨人工智能在急诊科脓毒症管理中的应用潜力	急诊科成年脓毒症患者	医疗人工智能	脓毒症	机器学习	机器学习模型	生命体征、自由文本输入、实验室测试和心电图	NA
4564	2025-03-23	Artificial intelligence algorithm was used to establish and verify the prediction model of portal hypertension in hepatocellular carcinoma based on clinical parameters and imaging features 2025-Feb-28, Journal of gastrointestinal oncology IF:2.0Q3 DOI:10.21037/jgo-2024-931 PMID:40115915	研究论文	本研究旨在基于临床参数和影像特征，利用人工智能算法建立并验证肝细胞癌患者门静脉高压的预测模型	结合临床特征、放射组学特征和深度学习特征，构建了一个综合预测模型，以更全面地捕捉与门静脉高压相关的复杂信息，从而实现高预测准确性和实用性	验证集的AUC和敏感性较低，表明模型在外部验证中的表现有待提高	建立并验证肝细胞癌患者门静脉高压的预测模型，以支持早期干预和个性化治疗	肝细胞癌患者	数字病理	肝细胞癌	放射组学和深度学习特征提取	逻辑回归模型	临床参数和CT影像	884名患者（707名训练集，177名验证集）
4565	2025-03-23	Inherently imperfect, inherently evolving - The pursuit of precision through biomarkers 2025-Feb, Biomedical journal IF:4.1Q2 DOI:10.1016/j.bj.2025.100839 PMID:40015558	研究论文	本期生物医学期刊特刊聚焦癌症生物标志物研究，探讨了cfDNA、粪便miRNA、线粒体途径、EB病毒DNA、多生物标志物面板结合LC-MS方法以及循环肿瘤细胞（CTC）生长状态在癌症检测和管理中的潜在应用	探讨了多种新型生物标志物在癌症检测和管理中的应用，并涵盖了从传统中草药到深度学习的多种研究方法	文章未明确提及具体研究的局限性	探索和评估多种生物标志物在癌症检测和管理中的潜力	结直肠癌、卵巢癌、鼻咽癌、肝细胞癌等多种癌症	生物医学	癌症	LC-MS、深度学习方法	深度学习	生物标志物数据、图像数据	未明确提及样本量
4566	2025-03-23	A study on hybrid-architecture deep learning model for predicting pressure distribution in 2D airfoils 2025-Jan-16, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-84940-w PMID:39820053	研究论文	本研究介绍了一种基于深度学习的创新技术，用于预测2D翼型的压力分布图像，旨在应用于基于图像的近似优化设计	提出了一种结合无监督和监督学习的混合架构深度学习模型，使用自编码器（AE）进行无监督学习，全连接神经网络（FNN）进行监督学习，并开发了基于2D图像数据的代理模型	NA	开发一种简化且加速图像预测的方法，用于2D翼型的压力分布预测	2D翼型的压力分布图像	计算机视觉	NA	深度学习	自编码器（AE）、卷积自编码器（CAE）、全连接神经网络（FNN）	图像	NA
4567	2025-03-23	Evaluating and implementing machine learning models for personalised mobile health app recommendations 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0319828 PMID:40106462	研究论文	本文评估并推荐了mHealth领域的健康应用，设计了一个基于应用属性的推荐系统	引入了'Rating_Reviews'特征来捕捉评分和评论的累积影响，并评估了从随机森林到BERT等多种机器学习模型，最终设计了一个基于余弦相似度的推荐系统	未提及具体的数据集大小或样本来源的多样性	设计一个推荐系统，利用应用属性为用户提供相关的上下文建议	健康应用平台上的应用描述、评分、评论及其他相关属性	机器学习	NA	机器学习、深度学习	随机森林分类器、BERT	文本	NA
4568	2025-03-23	Data-driven cultural background fusion for environmental art image classification: Technical support of the dual Kernel squeeze and excitation network 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0313946 PMID:40111961	研究论文	本研究旨在探索一种数据驱动的文化背景融合方法，以提高环境艺术图像分类的准确性	提出了一种新颖的双核压缩与激励网络（DKSE-Net）模型，结合了选择性核网络（SKNet）和压缩与激励网络（SENet）的优点，能够全面提取图像的全局和局部特征	未提及具体的局限性	提高环境艺术图像分类的准确性	环境艺术图像	计算机视觉	NA	NA	DKSE-Net	图像	NA
4569	2025-03-23	Extreme heat prediction through deep learning and explainable AI 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0316367 PMID:40111979	研究论文	本研究探讨了深度学习模型在极端高温预测中的应用，并结合可解释AI技术提高模型的可解释性	首次将深度学习模型与可解释AI技术结合用于极端高温预测，填补了该领域的研究空白	研究仅使用了巴基斯坦气象局五年的气象数据，可能限制了模型的泛化能力	提高极端高温事件的预测准确性，以支持主动规划和确保安全	极端高温事件	机器学习	NA	深度学习，可解释AI	ANN, CNN, LSTM	气象数据	五年的气象数据
4570	2025-03-23	Uncovering water conservation patterns in semi-arid regions through hydrological simulation and deep learning 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0319540 PMID:40112018	研究论文	本研究结合InVEST模型、水资源保护区时空转移和深度学习，揭示半干旱地区水资源保护模式及其驱动机制	首次将InVEST模型、水资源保护区时空转移和深度学习相结合，用于分析半干旱地区的水资源保护模式	研究主要集中于Xiong'an新区，可能不适用于其他半干旱地区	揭示半干旱地区水资源保护模式及其驱动机制	Xiong'an新区的水资源保护	深度学习	NA	InVEST模型、深度学习	深度学习模型	时空数据	2000年至2020年Xiong'an新区的水资源保护数据
4571	2025-03-23	Improvement of BCI performance with bimodal SSMVEPs: enhancing response intensity and reducing fatigue 2025, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2025.1506104 PMID:40115888	研究论文	本文提出了一种创新的稳态运动视觉诱发电位（SSMVEP）范式，结合运动和颜色刺激，旨在增强脑机接口（BCI）性能并减少视觉疲劳	开发了一种结合运动和颜色刺激的SSMVEP范式，显著提高了分类准确率和信号噪声比，同时减少了视觉疲劳	实验在受控的实验室条件下进行，未在真实环境中验证	增强SSMVEP响应强度并减少视觉疲劳	稳态运动视觉诱发电位（SSMVEP）和稳态视觉诱发电位（SSVEP）	脑机接口	NA	EEGNet深度学习算法和快速傅里叶变换（FFT）	EEGNet	脑电图（EEG）数据	NA
4572	2025-03-23	AM-MTEEG: multi-task EEG classification based on impulsive associative memory 2025, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2025.1557287 PMID:40115889	研究论文	本文提出了一种基于冲动联想记忆的多任务EEG分类模型AM-MTEEG，用于跨受试者的EEG分类	AM-MTEEG模型结合了深度学习的卷积网络和冲动网络，利用双向联想记忆进行跨受试者的EEG分类，提高了分类精度并减少了性能差异	NA	提高跨受试者EEG分类的准确性和一致性	脑电图（EEG）数据	脑机接口	NA	深度学习	卷积编码器-解码器、冲动神经元、双向联想记忆	EEG数据	两个BCI竞赛数据集
4573	2025-03-23	Conceptual understanding and cognitive patterns construction for physical education teaching based on deep learning algorithms 2024-12-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-83028-9 PMID:39732971	研究论文	本研究提出了一种基于深度学习的关联学习方法，用于理解体育教学概念，并通过超图卷积构建神经认知诊断模型，以分析学生的认知模式	使用卷积神经网络提取与教学概念相关的图像特征，并构建基于超图卷积的神经认知诊断模型，用于挖掘学生的长期学习序列数据并识别认知结果	NA	提高学生对体育教学概念的理解，帮助教师分析学生的认知模式	学生和体育教学概念	机器学习	NA	深度学习算法	卷积神经网络（CNN）、超图卷积	图像、学习序列数据	90,000个训练样本
4574	2025-03-23	Explainable artificial intelligence for stroke prediction through comparison of deep learning and machine learning models 2024-12-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-82931-5 PMID:39733046	研究论文	本研究通过比较深度学习和机器学习模型，探索其在预测中风方面的效果，并利用SHAP方法提高模型的可解释性	本研究首次系统比较了多种深度学习和机器学习模型在中风预测中的表现，并利用SHAP方法增强了模型的可解释性	研究样本仅来自伊朗德黑兰的一家医院，可能限制了结果的普适性	比较深度学习和机器学习模型在中风预测中的效果	663名住院患者，包括401名健康个体和262名中风患者	机器学习	心血管疾病	10折交叉验证和超参数调优	SVM, XGB, KNN, RF, DNN, FNN, LSTM, CNN	医疗记录	663名患者（401名健康个体和262名中风患者）
4575	2025-03-23	Deep learning versus manual morphology-based embryo selection in IVF: a randomized, double-blind noninferiority trial 2024-Nov, Nature medicine IF:58.7Q1 DOI:10.1038/s41591-024-03166-5 PMID:39122964	研究论文	本研究通过多中心、随机、双盲、非劣效性平行组试验，评估了深度学习在选择体外受精最佳胚胎中的价值	首次在体外受精胚胎选择中比较了深度学习算法（iDAScore）与标准形态学评估的效果	未能证明深度学习在临床妊娠率上不劣于标准形态学评估和预定义的优先方案	评估深度学习在体外受精胚胎选择中的应用价值	42岁以下、至少有2个早期囊胚的女性	数字病理	生殖健康	深度学习	iDAScore	胚胎图像	1066名患者（533名在iDAScore组，533名在形态学组）
4576	2025-03-23	An open-source framework for end-to-end analysis of electronic health record data 2024-Nov, Nature medicine IF:58.7Q1 DOI:10.1038/s41591-024-03214-0 PMID:39266748	研究论文	本文介绍了一个名为ehrapy的开源Python框架，用于电子健康记录（EHR）数据的端到端分析	ehrapy框架首次提供了一个模块化的开源工具，能够处理异构的流行病学和EHR数据，并支持从数据提取到低维表示生成的全流程分析	尽管ehrapy功能强大，但其在特定疾病或数据类型的应用效果仍需进一步验证	开发一个标准化的分析框架，用于电子健康记录数据的全面探索性分析	电子健康记录（EHR）数据	数字病理学	肺炎, 心血管疾病, SARS-CoV-2	数据提取, 质量控制, 低维表示生成, 生存分析, 轨迹推断, 因果推断	深度学习模型	电子健康记录（EHR）数据, 影像数据	未明确提及具体样本数量
4577	2025-03-23	ConvNext Mitosis Identification-You Only Look Once (CNMI-YOLO): Domain Adaptive and Robust Mitosis Identification in Digital Pathology 2024-10, Laboratory investigation; a journal of technical methods and pathology DOI:10.1016/j.labinv.2024.102130 PMID:39233013	研究论文	本文提出了一种新的两阶段深度学习方法CNMI-YOLO，用于数字病理学中的有丝分裂检测，旨在提高不同类型癌症中有丝分裂的识别准确性	结合YOLOv7架构进行细胞检测和ConvNeXt架构进行细胞分类，解决了细胞形态变异和领域转移问题，显著提高了有丝分裂检测的准确性和鲁棒性	虽然模型在多个数据集上表现出色，但在未包含在训练数据集中的软组织肉瘤和黑色素瘤样本上的泛化能力仍需进一步验证	提高数字病理学中有丝分裂检测的准确性，以支持癌症的诊断和预后	数字病理学中的有丝分裂细胞	数字病理学	癌症	深度学习	YOLOv7, ConvNeXt	图像	Mitosis Domain Generalization Challenge 2022数据集，以及外部的黑色素瘤和肉瘤测试集
4578	2025-03-23	Evaluating the relationship between magnetic resonance image quality metrics and deep learning-based segmentation accuracy of brain tumors 2024-Jul, Medical physics IF:3.2Q1 DOI:10.1002/mp.17059 PMID:38640464	研究论文	本研究探讨了磁共振图像质量指标（IQMs）与基于深度学习的脑肿瘤分割准确性之间的关系	首次系统性地评估了MR图像质量指标与深度学习模型分割性能之间的相关性，并提出了基于特定IQMs选择训练图像以提升模型准确性和泛化能力的方法	研究仅基于BraTS数据集，未在其他数据集上验证结果的普适性	评估输入训练图像的IQMs与基于深度学习的脑肿瘤分割准确性之间的关系，以开发更具泛化能力的模型	脑肿瘤的MRI图像	计算机视觉	脑肿瘤	深度学习	3D DenseNet	MRI图像	BraTS 2020和2021训练队列的多模态MRI扫描
4579	2025-03-23	Hessian Regularized L 2 , 1 -Nonnegative Matrix Factorization and Deep Learning for miRNA-Disease Associations Prediction 2024-03, Interdisciplinary sciences, computational life sciences DOI:10.1007/s12539-023-00594-8 PMID:38099958	研究论文	本文提出了一种结合Hessian正则化非负矩阵分解和深度学习的模型，用于预测miRNA与疾病之间的关联	引入了一种新的迭代融合方法，有效减少了初始miRNA-疾病关联矩阵的稀疏性，并设计了一个混合模型框架，结合深度学习、矩阵分解和奇异值分解来捕捉和描述miRNA与疾病的复杂非线性特征	NA	预测miRNA与疾病之间的潜在关联，为医学研究者提供初步见解	miRNA与疾病的关联	机器学习	肺癌、膀胱癌、乳腺癌	深度学习、矩阵分解、奇异值分解	Hessian正则化非负矩阵分解与深度学习结合的混合模型	miRNA-疾病关联矩阵	NA
4580	2025-03-23	Analysis and review of techniques and tools based on machine learning and deep learning for prediction of lysine malonylation sites in protein sequences 2024-01-19, Database : the journal of biological databases and curation DOI:10.1093/database/baad094 PMID:38245002	综述	本文对基于机器学习和深度学习的蛋白质序列中赖氨酸丙二酰化位点预测技术及工具进行了全面分析和回顾	提出了一种由经典机器学习模型和深度学习模型组成的混合架构，用于集成预测结果，并展示了其优越性能	现有方法存在特征提取不当、高维特征和低效分类器等特定缺点	提高蛋白质序列中赖氨酸丙二酰化位点的预测准确性和效率	蛋白质序列中的赖氨酸丙二酰化位点	机器学习	NA	机器学习（ML）和深度学习	经典ML模型和深度学习模型	蛋白质序列数据	基于最新数据库提取的新数据集