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
5481	2025-03-23	Deep transfer learning for seismic characterization of strike-slip faults in karstified carbonates from the northern Tarim basin 2025-Mar-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-94134-7 PMID:40102580	研究论文	本文提出了一种利用深度迁移学习和Unet模型检测塔里木盆地北部走滑断层的方法	提出了一种构建断层标签的方法，并引入了深度迁移学习工作流程来检测塔里木盆地北部的走滑断层	构建实际断层标签和获取大量断层标签仍存在挑战	优化井轨迹和开发计划，提高走滑断层的地震特征识别	塔里木盆地北部的走滑断层	地球物理	NA	深度迁移学习	Unet	地震数据	塔里木盆地北部的走滑断层数据
5482	2025-03-23	International expert consensus on the current status and future prospects of artificial intelligence in metabolic and bariatric surgery 2025-Mar-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-94335-0 PMID:40102585	研究论文	本文通过改良的德尔菲法，建立了关于人工智能在代谢和减重手术中作用的国际专家共识	首次通过国际专家共识形式，系统评估了人工智能在代谢和减重手术中的应用现状和未来前景	存在对人工智能生成决策可靠性的担忧，以及相关的伦理考虑	评估人工智能在代谢和减重手术中的应用潜力和挑战	代谢和减重手术	机器学习	代谢疾病	改良的德尔菲法	NA	专家意见	来自35个国家的68位代谢和减重外科专家
5483	2025-03-23	Deep learning based on intratumoral heterogeneity predicts histopathologic grade of hepatocellular carcinoma 2025-Mar-18, BMC cancer IF:3.4Q2 DOI:10.1186/s12885-025-13781-1 PMID:40102774	研究论文	本研究探讨了基于肿瘤内异质性（ITH）的深度学习模型在术前预测肝细胞癌（HCC）组织病理学分级中的价值	利用K-means聚类和ResNet架构的2.5D和3D深度学习模型，结合随机森林分类器，构建了基于ITH的特征融合模型，显著提高了预测效果	研究依赖于MRI图像，可能受到图像质量和采集参数的影响	术前预测肝细胞癌的组织病理学分级	肝细胞癌（HCC）患者	数字病理	肝癌	MRI成像	ResNet, 随机森林	MRI图像	858名患者（包括主要队列和两个外部队列）
5484	2025-03-23	LUNETR: Language-Infused UNETR for precise pancreatic tumor segmentation in 3D medical image 2025-Mar-15, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.107414 PMID:40117980	研究论文	本文提出了一种名为LUNETR的多模态编码器模型，结合文本和图像信息进行精确的医学图像分割，特别是针对胰腺肿瘤的3D医学图像分割	LUNETR模型通过结合自动编码语言模型和跨注意力机制，有效利用文本和图像数据之间的语义关联，提高了胰腺微肿瘤的精确定位能力，并设计了多尺度聚合注意力模块（MSAA）以增强模型从胰腺组织中提取微病变特征的能力	多模态医学数据集的稀缺性可能限制了模型的泛化能力	提高胰腺肿瘤及其附近血管的精确分割能力，以辅助胰腺癌的临床诊断	胰腺肿瘤及其附近血管	数字病理	胰腺癌	CT扫描	UNETR	3D医学图像和病理报告文本	135名胰腺癌患者的CT图像和相应病理报告
5485	2025-03-23	AI-driven biomarker discovery: enhancing precision in cancer diagnosis and prognosis 2025-Mar-13, Discover oncology IF:2.8Q2 DOI:10.1007/s12672-025-02064-7 PMID:40082367	评论	本文探讨了人工智能在癌症诊断和预后中生物标志物发现的应用，旨在提高精准医学的效果	利用深度学习和机器学习技术从大规模数据集中发现生物标志物，推动早期诊断和精准治疗	数据质量、算法透明度以及隐私相关的伦理问题	通过人工智能技术改进癌症早期诊断和精准治疗，提高患者生存率	癌症患者	机器学习	癌症	深度学习、机器学习	NA	大规模数据集	NA
5486	2025-03-23	Evolving biomaterials design from trial and error to intelligent innovation 2025-Mar-11, Acta biomaterialia IF:9.4Q1 DOI:10.1016/j.actbio.2025.03.013 PMID:40081552	综述	本文系统回顾了生物材料设计技术的发展，探讨了人工智能与高通量筛选技术的结合，并展望了AI驱动的生物材料设计在未来中的潜力	本文创新性地将人工智能与高通量筛选技术结合，提出了AI驱动的生物材料设计方法，显著加速了新材料的开发	尽管AI在生物材料设计中展现出巨大潜力，但其预测能力和优化效果仍需进一步验证和提升	探讨生物材料设计技术的发展，特别是人工智能在其中的应用	生物材料设计技术	材料科学	NA	高通量筛选（HTS）、机器学习（ML）、深度学习	机器学习模型、深度学习模型	实验数据	NA
5487	2025-03-23	Predicting early recurrence of hepatocellular carcinoma after thermal ablation based on longitudinal MRI with a deep learning approach 2025-Mar-10, The oncologist DOI:10.1093/oncolo/oyaf013 PMID:40110765	研究论文	本研究开发了一种基于纵向MRI的深度学习模型系统，用于预测肝细胞癌（HCC）患者热消融（TA）后的早期复发（ER）	使用纵向MRI数据开发深度学习模型，结合临床变量构建集成模型，用于HCC患者TA后的ER风险分层	样本量相对较小，外部测试队列仅包含35例患者	提高HCC患者TA后早期复发的预测准确性，以改善患者预后	肝细胞癌（HCC）患者	数字病理	肝癌	深度学习	深度学习模型（Pre、PrePost、DL_Clinical）	MRI图像	289例HCC患者（254例训练队列，35例外部测试队列）
5488	2025-03-23	Exploring Psychological Trends in Populations With Chronic Obstructive Pulmonary Disease During COVID-19 and Beyond: Large-Scale Longitudinal Twitter Mining Study 2025-Mar-05, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/54543 PMID:40053739	研究论文	本研究通过大规模Twitter挖掘，揭示了COVID-19疫情期间及之后慢性阻塞性肺疾病（COPD）人群的长期心理趋势和模式	利用深度学习框架从Twitter数据中提取COPD用户的长期心理趋势，结合多种分析方法揭示心理影响	研究依赖于Twitter数据，可能无法完全代表所有COPD人群的心理状态	揭示COVID-19疫情期间及之后COPD人群的长期心理趋势和模式	COPD患者和非COPD用户	自然语言处理	慢性阻塞性肺疾病	深度学习算法	深度学习框架	文本	15,347名COPD用户，超过25亿条推文
5489	2025-03-23	REDInet: a temporal convolutional network-based classifier for A-to-I RNA editing detection harnessing million known events 2025-Mar-04, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf107 PMID:40112338	研究论文	本文介绍了一种基于时间卷积网络的深度学习算法REDInet，用于在人类RNA测序数据中检测A-to-I RNA编辑	REDInet利用101碱基窗口的RNA测序核苷酸频率，无需耦合基因组数据即可高精度分类编辑事件	NA	开发一种新的生物信息学工具，用于检测A-to-I RNA编辑	人类RNA测序数据	生物信息学	NA	RNA测序	时间卷积网络	RNA测序数据	超过8000个RNA测序数据
5490	2025-03-23	Leveraging Network Target Theory for Efficient Prediction of Drug-Disease Interactions: A Transfer Learning Approach 2025-Mar, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202409130 PMID:39874191	研究论文	本研究提出了一种基于网络靶标理论的新型迁移学习模型，通过整合深度学习技术和多样化的生物分子网络来预测药物-疾病相互作用	该模型利用网络技术整合现有知识，提取更精确的药物特征，解决了大规模正负样本平衡的挑战，并在多种评估指标上表现出色	NA	加速药物发现和开发创新疗法	药物-疾病相互作用	机器学习	癌症	深度学习	迁移学习模型	生物分子网络数据	7,940种药物和2,986种疾病，共88,161种药物-疾病相互作用
5491	2025-03-23	Epigenetic Impacts of Non-Coding Mutations Deciphered Through Pre-Trained DNA Language Model at Single-Cell Resolution 2025-Mar, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202413571 PMID:39888214	研究论文	本文介绍了一种名为Methven的深度学习框架，用于在单细胞分辨率下预测非编码突变对DNA甲基化的影响	Methven框架结合DNA序列和单细胞ATAC-seq数据，利用预训练的DNA语言模型，能够准确预测短程和长程调控相互作用，并在分类和回归任务中表现出色	现有工具在预测能力和捕捉动态、细胞类型特异性调控变化方面存在局限	研究非编码突变对DNA甲基化的影响，以理解疾病机制	非编码突变及其对DNA甲基化的影响	机器学习	类风湿性关节炎	单细胞ATAC-seq	深度学习框架	DNA序列数据	NA
5492	2025-03-23	Towards Clinical Diagnoses: Classifying Alzheimer's Disease Using Single fMRI, Small Datasets, and Transfer Learning 2025-Mar, Brain and behavior IF:2.6Q3 DOI:10.1002/brb3.70427 PMID:40108822	研究论文	本研究开发了一种结合深度学习和功能磁共振成像（fMRI）的流程，用于临床诊断阿尔茨海默病（AD）	使用迁移学习解决数据可用性问题，并采用半自动化和单图像技术，使模型适用于非专业人群	模型在小型AD样本上的分类准确率为77%，仍有提升空间	开发一种适用于临床诊断的深度学习fMRI流程，解决数据可用性和模型可用性问题	阿尔茨海默病（AD）患者和对照组	数字病理学	老年病	功能磁共振成像（fMRI）	迁移学习	图像	524名参与者（ABIDE数据集）和64名参与者（ADNI数据集）
5493	2025-03-23	Risk-Stratified Screening: A Simulation Study of Scheduling Templates on Daily Mammography Recalls 2025-Mar, Journal of the American College of Radiology : JACR IF:4.0Q1 DOI:10.1016/j.jacr.2024.12.010 PMID:40044308	研究论文	本研究通过模拟研究评估了风险分层筛查（RSS）调度对推荐进行同日诊断的患者的影响	结合人工智能（AI）分诊的同日诊断工作流程，使用Tyrer-Cuzick和深度学习模型评分进行风险分层调度	模拟研究可能无法完全反映实际临床环境中的复杂性和变异性	评估风险分层筛查调度对同日诊断患者的影响	高容量乳腺影像中心的患者	数字病理	乳腺癌	人工智能（AI）分诊	深度学习模型	图像	每日60名患者
5494	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
5495	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）
5496	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
5497	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）
5498	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
5499	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
5500	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