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
5501	2025-04-04	Evaluating Sex and Age Biases in Multimodal Large Language Models for Skin Disease Identification from Dermatoscopic Images 2025, Health data science DOI:10.34133/hds.0256 PMID:40170800	research paper	评估多模态大语言模型在皮肤疾病识别中的性别和年龄偏见	首次评估了多模态大语言模型（如ChatGPT-4和LLaVA-1.6）在皮肤疾病识别中的性别和年龄偏见，并与传统的CNN和视觉Transformer模型进行了比较	研究使用的数据集虽然较大（约10,000张图像），但未来需要使用更大、更多样化的数据集来进一步验证模型的可靠性和公平性	探索多模态大语言模型在皮肤疾病识别中的实际应用，并评估其性别和年龄偏见	皮肤疾病（黑色素瘤、黑色素细胞痣和良性角化病样病变）	digital pathology	skin disease	multimodal large language models (LLMs), CNN, vision transformer	ChatGPT-4, LLaVA-1.6, VGG16, ResNet50, Model Derm, Swin-B	image	约10,000张皮肤镜图像
5502	2025-04-04	Cnidaria herd optimized fuzzy C-means clustering enabled deep learning model for lung nodule detection 2025, Frontiers in physiology IF:3.2Q2 DOI:10.3389/fphys.2025.1511716 PMID:40171113	research paper	提出了一种结合Cnidaria群体优化模糊C均值聚类和深度学习的模型，用于有效检测肺结节	结合Cnidaria群体优化算法（CHO）和双向长短期记忆模型（CHSTM），以及优化的模糊C均值聚类算法和Resnet-101深度学习模型，提高了肺结节检测的准确性和性能	现有方法在可扩展性、鲁棒性、数据可用性和误检率方面存在一定限制	提高肺结节检测的准确性和性能	肺结节	digital pathology	lung cancer	Cnidaria Herd Optimization (CHO) algorithm, Bi-directional Long Short-Term Memory (CHSTM), fuzzy C-means clustering, Resnet-101	CHSTM, Resnet-101	medical images	LUNA-16数据集和LIDC/IDRI数据集
5503	2025-04-04	Smart insole-based abnormal gait identification: Deep sequential networks and feature ablation study 2025 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076251332999 PMID:40171146	research paper	该研究利用智能鞋垫传感器数据，通过深度序列网络和特征消融研究，对九种步态（包括一种正常和八种异常步态）进行分类	结合多种传感器特征（压力信号、IMU数据等）进行步态分类，并通过消融研究验证不同特征组合的效果	未提及样本的多样性或跨数据集验证的局限性	开发高效的步态分类方法以评估行走能力	使用智能鞋垫传感器收集的步态数据	digital health	gait-related disorders	压力传感器和惯性测量单元（IMU）	deep sequential networks	sensor data（压力信号、IMU数据等）	未明确提及具体样本数量，仅描述为受试者进行15米步行测试
5504	2025-04-04	Deep learning-based optical coherence tomography and retinal images for detection of diabetic retinopathy: a systematic and meta analysis 2025, Frontiers in endocrinology IF:3.9Q2 DOI:10.3389/fendo.2025.1485311 PMID:40171193	meta-analysis	系统回顾和荟萃分析深度学习算法在光学相干断层扫描（OCT）和视网膜图像中检测糖尿病视网膜病变（DR）的有效性	首次通过荟萃分析评估深度学习在OCT和视网膜图像中检测DR的准确性和可靠性	数据集标准化不足，模型可解释性有待提高，且需在多样化人群中进一步验证性能	评估深度学习算法在检测糖尿病视网膜病变中的准确性和临床适用性	光学相干断层扫描（OCT）和视网膜图像	digital pathology	diabetic retinopathy	deep learning	NA	image	188268张视网膜图像和OCT扫描
5505	2025-04-04	Quantitative analysis of studies that use artificial intelligence on thyroid cancer: a 20-year bibliometric analysis 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1525650 PMID:40171256	研究论文	通过文献计量分析评估人工智能在甲状腺癌领域的研究进展、热点和未来方向	首次对过去20年人工智能在甲状腺癌领域的应用进行全面的文献计量分析，揭示了研究热点和发展趋势	仅基于Web of Science数据库的文献，可能未涵盖所有相关研究	评估人工智能在甲状腺癌领域的应用现状和发展趋势	2004-2024年间发表的956篇关于人工智能在甲状腺癌中应用的文献	数字病理	甲状腺癌	文献计量分析	NA	文献数据	956篇文献
5506	2025-04-04	Knowledge graph and its application in the study of neurological and mental disorders 2025, Frontiers in psychiatry IF:3.2Q2 DOI:10.3389/fpsyt.2025.1452557 PMID:40171303	综述	本文综述了知识图谱在神经和精神障碍研究中的应用，并探讨了医学知识图谱的现状及其面临的挑战	结合大数据和深度学习技术，探讨知识图谱在神经和精神障碍研究中的潜力	仍需克服知识图谱在医学领域应用中的障碍和限制	研究知识图谱在神经和精神障碍领域的应用及其潜力	神经障碍（如阿尔茨海默病和帕金森病）和精神障碍（如抑郁症和焦虑症）	自然语言处理	神经和精神障碍	知识图谱（KG）	NA	医学数据	NA
5507	2025-04-04	Bridging technology and ecology: enhancing applicability of deep learning and UAV-based flower recognition 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1498913 PMID:40171479	研究论文	本研究将无人机和深度学习技术应用于生态研究，特别是花卉识别，以简化这些技术的实际应用	更新目标检测工具箱至TensorFlow 2，提升性能并确保与新软件包的兼容性，同时评估了三种目标检测模型在无人机花卉图像上的应用潜力	在密集植被中检测花卉及应对环境变化方面仍存在挑战	增强深度学习和无人机技术在生态研究中的适用性，特别是花卉资源的监测	花卉丰富的草地无人机图像	计算机视觉	NA	无人机成像、深度学习	Faster R-CNN, SSD, EfficientDet	图像	两个无人机图像数据集
5508	2025-04-04	Multicenter investigation of preoperative distinction between primary central nervous system lymphomas and glioblastomas through interpretable artificial intelligence models 2024-Nov, Neuroradiology IF:2.4Q2 DOI:10.1007/s00234-024-03451-7 PMID:39225815	research paper	本研究通过可解释的人工智能模型，基于MRI图像对原发性中枢神经系统淋巴瘤（PCNSL）和胶质母细胞瘤（GBM）进行术前区分	结合了放射组学模型和深度学习模型，提出了最优的Max-Fusion模型，并利用SHAP和Grad-CAM进行可解释性分析	研究为回顾性分析，样本量相对有限（261例患者），且仅来自两个医疗中心	探索基于MRI的深度学习和放射组学模型在术前区分PCNSL和GBM中的有效性和适用性	261例PCNSL和GBM患者的MRI图像和临床数据	digital pathology	brain tumor	MRI	MobileVIT, ConvNeXt, Max-Fusion Model	image	261例患者（训练集153例，外部测试集108例）
5509	2025-04-04	Evaluating Deep Learning Techniques for Detecting Aneurysmal Subarachnoid Hemorrhage: A Comparative Analysis of Convolutional Neural Network and Transfer Learning Models 2024-07, World neurosurgery IF:1.9Q2 DOI:10.1016/j.wneu.2024.04.168 PMID:38710407	研究论文	本研究评估了卷积神经网络（CNN）和基于CNN的迁移学习模型在区分动脉瘤性蛛网膜下腔出血（SAH）和非动脉瘤性SAH中的有效性	采用迁移学习方法缓解了传统技术的时间限制，并展示了优越的性能	NA	评估深度学习技术在SAH检测中的有效性	动脉瘤性SAH和非动脉瘤性SAH患者	数字病理学	心血管疾病	深度学习	CNN, Inception-V3, EfficientNetB4	医学影像	203名患者（123名动脉瘤性SAH和80名非动脉瘤性SAH），共23,393张DICOM图像
5510	2025-04-04	Deepdefense: annotation of immune systems in prokaryotes using deep learning 2024-Jan-02, GigaScience IF:11.8Q1 DOI:10.1093/gigascience/giae062 PMID:39388605	研究论文	使用深度学习对原核生物中的免疫系统进行注释和分类	开发了名为Deepdefense的算法，通过深度学习模型预测免疫系统相关蛋白，并结合校准方法提高准确性，能够识别已知和潜在的新型免疫系统蛋白	现有方法通常基于封闭世界假设，而基因组学中新样本的出现可能超出训练数据范围	开发一种自动检测和分类原核生物免疫系统蛋白的算法	原核生物（古菌和细菌）的免疫系统蛋白	机器学习	NA	深度学习	神经网络	基因组数据	NA
5511	2025-04-04	Accurate prediction of protein tertiary structural changes induced by single-site mutations with equivariant graph neural networks 2023-Oct-13, bioRxiv : the preprint server for biology DOI:10.1101/2023.10.03.560758 PMID:37873289	research paper	开发了一种基于等变图神经网络（EGNN）的深度学习方法，用于直接预测单点突变引起的蛋白质三级结构变化	首次使用等变图神经网络（EGNN）直接预测单点突变引起的蛋白质三级结构变化，并显著优于广泛使用的蛋白质结构预测方法AlphaFold	未提及该方法在复杂突变或多点突变情况下的表现	研究蛋白质单点突变引起的三级结构变化	蛋白质及其单点突变体	machine learning	NA	equivariant graph neural networks (EGNN)	EGNN	protein tertiary structure data	NA
5512	2025-04-04	Rapid 3D T1 mapping using deep learning-assisted Look-Locker inversion recovery MRI 2023-08, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.29672 PMID:37125662	研究论文	提出了一种基于深度学习的快速3D T1映射方法，无需延迟时间即可进行MRI成像	利用深度学习学习T1*到T1的转换，消除了传统方法中需要的延迟时间，从而缩短了扫描时间	训练数据仅包含39个GraspT1-TD6数据集和14个GraspT1-TD0数据集，样本量相对较小	开发一种更高效和稳健的3D LLIR T1映射方法	MRI成像中的T1映射	医学影像分析	NA	深度学习辅助的Look-Locker反转恢复MRI	深度学习模型	MRI图像	39个GraspT1-TD6数据集和14个GraspT1-TD0数据集
5513	2025-04-04	Machine Learning for Adrenal Gland Segmentation and Classification of Normal and Adrenal Masses at CT 2023-Feb, Radiology IF:12.1Q1 DOI:10.1148/radiol.220101 PMID:36125375	研究论文	本研究开发了一种机器学习算法，用于在增强CT图像上分割肾上腺并分类正常和含肿块的肾上腺	提出了一种两阶段的机器学习流程，能够自动分割肾上腺并区分正常肾上腺和含肿块的肾上腺	在二次测试集上的分类敏感性较低（69%）	开发一种用于肾上腺分割和分类的机器学习算法	增强CT图像中的肾上腺	计算机视觉	肾上腺疾病	深度学习	深度学习分割和分类模型	CT图像	开发数据集包含274例CT检查（251名患者），二次测试集包含991例CT检查（991名患者）
5514	2025-04-04	Detecting negative valence symptoms in adolescents based on longitudinal self-reports and behavioral assessments 2022-09-01, Journal of affective disorders IF:4.9Q1 DOI:10.1016/j.jad.2022.06.002 PMID:35688394	research paper	该研究提出了一种纵向深度学习框架，用于检测青少年负价症状的自我报告和行为评估	利用深度学习框架识别与负价系统相关的抑郁症状预测因子，包括外向性较低、睡眠质量较差、执行控制功能受损和物质使用相关因素	结果主要依赖于自我报告测量，未提供潜在神经相关性的信息，且需要更大的样本来理解性别和其他人口统计学因素在负价症状风险中的作用	理解青少年负价症状的轨迹及其对成年后心理健康的影响	621名12至17岁的青少年参与者	machine learning	depression	deep learning	NA	self-reports and behavioral assessments	621名参与者
5515	2025-04-04	DRTOP : deep learning-based radiomics for the time-to-event outcome prediction in lung cancer 2020-07-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-020-69106-8 PMID:32703973	研究论文	提出了一种基于深度学习的放射组学模型DRTOP，用于预测肺癌患者的时间-事件结果	DRTOP模型直接处理原始图像，无需预先定义特征或精确肿瘤分割，提高了预测效率和准确性	研究样本量较小（132例肺癌患者），且为内部数据集，可能需要更大规模的外部验证	开发深度学习模型以预测肺癌患者的生存和复发时间	肺癌患者	数字病理学	肺癌	深度学习放射组学	深度学习模型（未指定具体架构）	CT和PET医学影像	132例肺癌患者
5516	2025-04-03	Accelerating high-concentration monoclonal antibody development with large-scale viscosity data and ensemble deep learning 2025-Dec, mAbs IF:5.6Q1 DOI:10.1080/19420862.2025.2483944 PMID:40170162	研究论文	本研究开发了一个名为DeepViscosity的集成深度学习模型，用于预测高浓度单克隆抗体的粘度，以加速抗体药物的开发	使用229种单克隆抗体的粘度数据训练了102个集成人工神经网络模型，显著提高了预测准确性和泛化能力	模型仅基于30个序列特征进行预测，可能忽略了其他影响粘度的因素	开发能够准确预测高浓度单克隆抗体粘度的计算模型，以优化抗体药物开发流程	229种单克隆抗体(mAbs)	机器学习	NA	深度学习	集成人工神经网络	序列数据	229种单克隆抗体(训练集) + 54种单克隆抗体(两个独立测试集)
5517	2025-04-03	Integrative Multi-Omics and Routine Blood Analysis Using Deep Learning: Cost-Effective Early Prediction of Chronic Disease Risks 2025-Apr-02, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202412775 PMID:40171841	研究论文	本研究通过多组学数据和深度学习模型，开发了一种基于常规血液检测的慢性非传染性疾病风险预测系统	开发了名为Omicsformer的深度学习模型，能够从常规血液样本中识别多种疾病的潜在风险，并验证了其在临床前风险评估中的有效性	研究样本主要来自高海拔地区的亚健康人群，可能限制了结果的普遍适用性	探索慢性非传染性疾病的早期预测方法，推动个性化医疗发展并降低社区疾病筛查成本	160名高海拔地区亚健康个体和20年大规模临床患者数据	机器学习	慢性非传染性疾病（包括癌症、心血管疾病和精神疾病等）	多组学分析	Omicsformer（深度学习模型）	多组学数据和常规血液检测结果	160名亚健康个体+20年临床患者数据
5518	2025-04-03	Artificial Intelligent-Enhanced Metabolite Profiling for Intraoperative IDH1 Genotyping in Glioma Using an Orthogonally Responsive SERS Probe 2025-Apr-02, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202503360 PMID:40171868	研究论文	本文提出了一种利用人工智能增强的代谢物分析和正交响应SERS探针，用于胶质瘤术中IDH1基因分型的新方法	开发了一种新型SERS探针，通过同时测量两种氧化还原相关代谢物，结合深度学习算法，实现了术中快速IDH1基因分型	研究样本量较小(31例胶质瘤患者)，需要更大规模的临床验证	优化胶质瘤手术策略和术后个性化治疗	胶质瘤患者	数字病理	胶质瘤	表面增强拉曼散射(SERS)	深度学习	拉曼光谱	31例胶质瘤患者
5519	2025-04-03	Continuous glucose feedback control using Raman spectroscopy and deep learning models for biopharmaceutical processes 2025-Apr-02, Biotechnology progress IF:2.5Q3 DOI:10.1002/btpr.70020 PMID:40172019	研究论文	本研究探讨了在高消耗、高复杂度的细胞培养过程中，利用拉曼光谱和先进深度学习模型实施连续葡萄糖控制策略	结合拉曼光谱和深度学习模型（包括卷积神经网络和变分自编码器即时学习）进行连续葡萄糖控制，提高了葡萄糖测量的准确性和稳定性	在制造环境中，拉曼光谱可能不可行，需要开发可扩展的替代方案	提高生物制药过程中葡萄糖控制的准确性和稳定性，优化产品质量和生产效率	高消耗、高复杂度的细胞培养过程	生物制药	NA	拉曼光谱	CNN, 变分自编码器	光谱数据	多个细胞系
5520	2025-04-03	Editorial Comment: Deep Learning Unlocks the Prognostic Importance of Thoracic Aortic Calcification 2025-Apr-02, AJR. American journal of roentgenology DOI:10.2214/AJR.25.33012 PMID:40172167	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA