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
4721	2025-04-03	Artificial Intelligence Applications in Image-Based Diagnosis of Early Esophageal and Gastric Neoplasms 2025-Mar-03, Gastroenterology IF:25.7Q1 DOI:10.1053/j.gastro.2025.01.253 PMID:40043857	research paper	本文探讨了人工智能在早期食管和胃肿瘤图像诊断中的应用	利用深度学习和卷积神经网络提高诊断准确性，减少诊断变异性，特别是在人类错误或疲劳可能影响诊断精度的情况下	训练数据集的多样性受限，且AI系统的'黑箱'性质可能影响其可解释性和临床医生的信任	探索人工智能在上消化道内窥镜诊断中的潜在应用，以提高早期癌症检测和治疗规划的有效性	巴雷特食管、食管鳞状细胞癌和早期胃癌等上消化道疾病	digital pathology	esophageal and gastric neoplasms	deep learning, convolutional neural networks	CNN	image	NA
4722	2025-02-19	Interpreting and comparing neural activity across systems by geometric deep learning 2025-Mar, Nature methods IF:36.1Q1 DOI:10.1038/s41592-024-02581-3 PMID:39962313	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
4723	2025-04-03	Toward a rapid, sensitive, user-friendly, field-deployable artificial intelligence tool for enhancing African swine fever diagnosis and reporting 2025-Mar-01, American journal of veterinary research IF:1.3Q2 DOI:10.2460/ajvr.24.10.0305 PMID:40023145	研究论文	开发一种基于深度学习和智能手机的AI诊断工具，用于提高非洲猪瘟（ASF）侧流层析试纸（LFA）读取的准确性	结合深度学习和两步算法，开发了一种高精度的即时检测工具，并通过智能手机应用实现ASF病例的快速报告和可视化	模型的平均召回率为79 ± 13.20%，存在一定的误检或漏检风险	提高非洲猪瘟（ASF）诊断的准确性和报告效率，特别是在实验室资源有限的地区	非洲猪瘟（ASF）侧流层析试纸（LFA）的图像数据	计算机视觉	非洲猪瘟	深度学习	YOLO	图像	未明确说明具体数量，但使用了3种不同的训练/开发/测试数据集划分
4724	2025-04-03	A Real-Time Computer-Aided Diagnosis System for Coronary Heart Disease Prediction Using Clinical Information 2025-Mar, Reviews in cardiovascular medicine IF:1.9Q3 DOI:10.31083/RCM26204 PMID:40160568	研究论文	本研究旨在设计一个快速且高精度的智能模型，利用临床信息预测冠心病	提出了一种基于机器学习的冠心病预测模型，具有高精度和效率，适用于临床应用	模型依赖于公开数据集，可能无法涵盖所有临床场景	设计一个高效且高精度的冠心病预测模型	冠心病患者	机器学习	心血管疾病	奇异值分解方法	多层感知机	临床信息	五个公开数据集，共1222名患者
4725	2024-10-18	Radiomics-Based Prediction of Patient Demographic Characteristics on Chest Radiographs: Looking Beyond Deep Learning for Risk of Bias 2025-02, AJR. American journal of roentgenology DOI:10.2214/AJR.24.31963 PMID:39413236	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
4726	2025-04-03	Machine learning-based prediction model integrating ultrasound scores and clinical features for the progression to rheumatoid arthritis in patients with undifferentiated arthritis 2025-Feb, Clinical rheumatology IF:2.9Q2 DOI:10.1007/s10067-025-07304-3 PMID:39789318	研究论文	本研究开发了一种基于机器学习的预测模型，整合超声评分和临床特征，用于预测未分化关节炎患者向类风湿性关节炎的进展	首次将18关节超声评分系统（US18）与临床数据结合，利用机器学习模型提高高风险患者的早期识别能力	研究仅跟踪了患者1年时间，长期预测效果尚不明确	提高未分化关节炎患者向类风湿性关节炎进展的早期预测准确性	432名未分化关节炎患者	机器学习	类风湿性关节炎	18关节超声评分系统（US18）	Random Forest (RnFr), 深度学习模型	临床数据和超声评分数据	432名未分化关节炎患者（其中152名进展为类风湿性关节炎）
4727	2025-04-03	Deep learning helps discriminate between autoimmune hepatitis and primary biliary cholangitis 2025-Feb, JHEP reports : innovation in hepatology IF:9.5Q1 DOI:10.1016/j.jhepr.2024.101198 PMID:39829723	research paper	本研究开发了一种基于深度学习的系统（ALNE），用于区分自身免疫性肝炎（AIH）和原发性胆汁性胆管炎（PBC）	首次提出了一个无需人工标注的深度学习模型（ALNE），能够定量且准确地区分AIH和PBC	扫描技术和切片染色的多样性可能影响模型的鲁棒性和泛化能力	开发一种辅助诊断工具，以减少AIH和PBC的误诊	自身免疫性肝炎（AIH）和原发性胆汁性胆管炎（PBC）患者	digital pathology	liver disease	H&E染色全切片图像分析	transformer-based deep learning system (ALNE)	image	训练集354例（266例AIH和102例PBC），外部验证集92例（62例AIH和30例PBC）
4728	2025-04-03	SS-DTI: A deep learning method integrating semantic and structural information for drug-target interaction prediction 2025-Feb, Journal of bioinformatics and computational biology IF:0.9Q4 DOI:10.1142/S0219720025500027 PMID:40134345	研究论文	提出了一种名为SS-DTI的深度学习方法，整合语义和结构信息用于药物-靶点相互作用预测	首次整合了药物和蛋白质的语义与结构信息，通过多尺度语义特征提取块和GCNs实现全面的分子表示	未提及方法在特定类型药物或靶点上的性能局限性	改进药物-靶点相互作用预测的准确性和效率	药物分子和蛋白质靶点	机器学习	NA	深度学习	GCNs（图卷积网络）	序列数据和结构数据	四个基准数据集（未说明具体样本量）
4729	2025-04-03	Drug repurposing for non-small cell lung cancer by predicting drug response using pathway-level graph convolutional network 2025-Feb, Journal of bioinformatics and computational biology IF:0.9Q4 DOI:10.1142/S0219720025500015 PMID:40134346	研究论文	本文提出了一种基于通路-通路相互作用网络的图卷积网络模型，用于预测非小细胞肺癌的药物反应，以发现潜在的药物再利用候选药物	首次将已知的生物通路-通路相互作用整合到药物反应预测模型中，通过图卷积操作更有效地表示癌细胞系特征	模型性能仅在GDSC1000数据集上进行了验证，未在其他独立数据集上测试	开发一种更有效的药物反应预测模型，用于非小细胞肺癌的药物再利用	非小细胞肺癌(NSCLC)的癌细胞系和现有药物	机器学习	肺癌	图卷积网络	GCN	生物通路相互作用网络数据、药物反应数据	GDSC1000数据集中的样本
4730	2025-04-03	Artificial Intelligence-Based Predictive Modeling for Aortic Aneurysms 2025-Feb, Cureus DOI:10.7759/cureus.79662 PMID:40161150	review	本文综述了人工智能和机器学习在主动脉瘤预测建模中的当前状态和未来方向，强调了其在风险评估、筛查和预后中的多样性和进展	探讨了将临床、影像和基因组数据整合到AI/ML中以提高预测性和临床适用性，并讨论了将AI预测模型转化为临床实践的挑战和前景	数据质量、模型可解释性以及法律和伦理问题	增强主动脉瘤的风险评估和管理，推动心血管护理向精准医学转变	腹主动脉瘤（AAAs）	machine learning	cardiovascular disease	supervised and unsupervised learning, deep learning	NA	clinical, imaging, genomic data	NA
4731	2025-04-03	COVINet: a deep learning-based and interpretable prediction model for the county-wise trajectories of COVID-19 in the United States 2025, Journal of applied statistics IF:1.2Q2 DOI:10.1080/02664763.2024.2412284 PMID:40160484	research paper	提出了一种基于深度学习的可解释预测模型COVINet，用于预测美国各县的COVID-19疫情轨迹	结合LSTM和GRU架构，整合可操作协变量，提供高精度预测和可解释响应	仅针对美国特定时间段和县区进行验证，未涉及其他地区或更长时间段	准确预测COVID-19疫情轨迹并制定遏制策略	美国各县的COVID-19确诊病例和死亡病例	machine learning	COVID-19	NA	LSTM, GRU	time-series data	美国CDC提供的最后四周数据（截至2021年4月26日）及热点州最严重县区数据（截至2023年3月23日）
4732	2025-04-03	Unravelling pathological ageing with brain age gap estimation in Alzheimer's disease, diabetes and schizophrenia 2025, Brain communications IF:4.1Q2 DOI:10.1093/braincomms/fcaf109 PMID:40161217	research paper	该研究通过脑年龄差距估计（BrainAGE）探讨阿尔茨海默病、糖尿病和精神分裂症中的病理性老化	利用敏感性图谱揭示不同病理条件下脑区域对BrainAGE预测的贡献差异，为理解神经退行性疾病的机制提供新视角	神经生物学限制尚未明确，生物标志物的特异性有待进一步验证	评估BrainAGE作为病理性脑老化生物标志物的潜力，并比较不同病理条件下的神经退行性机制	阿尔茨海默病（AD）、精神分裂症和2型糖尿病（T2D）患者	digital pathology	Alzheimer's disease, schizophrenia, Type 2 diabetes	structural magnetic resonance imaging (MRI)	deep learning models	MRI scans (T-weighted, grey matter, white matter, cerebrospinal fluid tissue segmentation, deformation fields)	NA
4733	2025-04-03	Automatic classification of Giardia infection from stool microscopic images using deep neural networks 2025, BioImpacts : BI IF:2.2Q3 DOI:10.34172/bi.30272 PMID:40161947	研究论文	本研究应用深度学习模型自动分类粪便显微镜图像中的贾第虫感染	与以往研究不同，本研究专注于粪便样本而非饮用水样本，并采用智能手机拍摄的显微镜图像	样本量相对较小（1610张图像），且仅针对贾第虫感染	开发一种自动分类贾第虫感染的方法，以辅助快速准确诊断贾第虫病	粪便显微镜图像中的贾第虫寄生虫	数字病理学	贾第虫病	深度学习	Xception, ResNet-50, EfficientNet-B0	图像	1610张粪便显微镜图像
4734	2025-04-03	Exploring the potential of machine learning and magnetic resonance imaging in early stroke diagnosis: a bibliometric analysis (2004-2023) 2025, Frontiers in neurology IF:2.7Q3 DOI:10.3389/fneur.2025.1505533 PMID:40162012	文献计量分析	通过文献计量分析方法探讨2004至2023年间机器学习和磁共振成像在早期中风诊断中的研究热点	首次系统分析了机器学习和磁共振成像在中风早期诊断领域的研究趋势和热点	仅基于Web of Science数据库的文献，可能未涵盖所有相关研究	探索机器学习和磁共振成像在早期中风诊断中的应用	2004-2023年间发表的395篇相关研究论文	医学影像分析	中风	机器学习	深度学习	磁共振成像数据	395篇文献
4735	2025-04-03	Artificial intelligence in psychiatry: A systematic review and meta-analysis of diagnostic and therapeutic efficacy 2025 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076251330528 PMID:40162166	meta-analysis	本文通过系统综述和荟萃分析评估了人工智能在精神病学诊断和治疗中的准确性和疗效	首次全面评估了AI在精神病学中的诊断准确性和治疗效果，并比较了不同AI技术的表现	研究间存在中等程度的异质性，算法偏见和数据质量问题尚未完全解决	评估人工智能在精神病护理中的诊断准确性和治疗效果	精神病学中的各种精神障碍和AI技术	machine learning	psychiatric disorders	machine learning (ML), deep learning (DL), hybrid models	ML, DL, hybrid models	NA	14项研究
4736	2025-04-03	Fundus image classification using feature concatenation for early diagnosis of retinal disease 2025 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076251328120 PMID:40162178	研究论文	使用特征串联的深度学习模型对眼底图像进行分类，以实现视网膜疾病的早期诊断	提出了一种基于两个独立CNN块的混合CNN模型，并采用典型相关分析融合方法融合特征，以提高分类性能	未提及模型在临床环境中的实际应用效果及泛化能力	开发一种非侵入性方法，用于早期检测眼部疾病	眼底图像，包括视盘凹陷、糖尿病视网膜病变、介质混浊和健康图像	计算机视觉	视网膜疾病	深度学习	CNN	图像	RFMiD数据集中的多种眼底图像类别
4737	2025-04-03	scCCTR: An iterative selection-based semi-supervised clustering model for single-cell RNA-seq data 2025, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2025.03.018 PMID:40165824	研究论文	提出了一种名为scCCTR的新型半监督聚类算法，用于单细胞RNA测序数据分析	scCCTR通过迭代选择高置信度细胞和标签来指导深度学习模型，结合Transformer神经网络的多头注意力机制提高聚类精度	未明确提及具体局限性	提高单细胞RNA测序数据聚类的准确性和有效性	单细胞RNA测序数据	生物信息学	NA	单细胞RNA测序(scRNA-seq)	Transformer	基因表达数据	未明确提及具体样本量
4738	2025-04-03	Integration of histopathological images and immunological analysis to predict M2 macrophage infiltration and prognosis in patients with serous ovarian cancer 2025, Frontiers in immunology IF:5.7Q1 DOI:10.3389/fimmu.2025.1505509 PMID:40165975	研究论文	该研究通过整合组织病理学图像和免疫学分析，预测浆液性卵巢癌患者中M2巨噬细胞浸润及其对预后的影响	首次使用深度多实例学习（MIL）识别组织病理学图像特征，预测M2巨噬细胞浸润，并验证其作为独立预后因素的重要性	样本量相对较小，且外部验证集来自单一数据库，可能影响模型的泛化能力	提高浆液性卵巢癌患者的预后准确性，识别新的治疗靶点，推进个性化治疗策略	浆液性卵巢癌患者	数字病理学	卵巢癌	深度多实例学习（MIL），ResNet18网络	MIL, ResNet18	组织病理学图像，免疫学数据	86例来自TCGA的患者（训练集与验证集比例8:2），106例来自组织微阵列的外部验证集患者
4739	2025-04-03	Deep learning analysis of exercise stress electrocardiography for identification of significant coronary artery disease 2025, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2025.1496109 PMID:40166362	研究论文	本研究开发了一种基于深度学习的多模态AI算法，用于通过运动负荷心电图（ExECG）数据高效准确地识别患有显著冠状动脉疾病（CAD）的患者	创新点在于结合了卷积循环神经网络算法，整合了心电图信号和ExECG报告中的特征，以提高ExECG在识别CAD方面的性能	特异性中等（0.60），可能存在假阳性，需要进一步研究	提升运动负荷心电图（ExECG）在识别显著冠状动脉疾病（CAD）方面的诊断能力	818名接受ExECG和冠状动脉造影（CAG）的患者，以及197名ExECG正常且CAD风险低的个体	数字病理学	心血管疾病	深度学习	卷积循环神经网络（CRNN）	心电图信号和ExECG报告特征	818名患者（其中369名有显著CAD）和197名低风险个体
4740	2025-04-03	Emerging technologies in the field of medicine presented at the Consumer Electronics Show 2025 2025, Journal of Yeungnam medical science IF:1.0Q3 DOI:10.12701/jyms.2025.42.31 PMID:40170412	review	本文回顾了2025年国际消费电子展上展示的医疗领域新兴技术，特别是人工智能和传感器技术的创新应用	展示了AI个性化健康管理设备、接触与非接触式传感器技术、以及AI与传感器结合的电子听诊器等创新技术	这些产品的准确性尚不足以用于临床，限制了其在社区环境中的应用，且在运动时保持非接触传感器的准确性仍具挑战	探讨消费电子展上展示的医疗技术创新及其在医疗保健系统中的潜在应用	医疗保健技术，特别是人工智能和传感器技术	医疗技术	NA	AI、传感器技术、深度学习算法、激光监测技术	深度学习	生理信号、语音、睡眠数据	NA