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
581	2025-07-04	TGEL-transformer: Fusing educational theories with deep learning for interpretable student performance prediction 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0327481 PMID:40587446	研究论文	本研究提出了一种结合教育理论与深度学习的TGEL-Transformer框架，用于可解释的学生表现预测	提出了双通道特征处理模块、理论指导的四头注意力机制和可解释的预测层，融合了多元智能理论和社会认知理论	未提及具体局限性	提升教育数据挖掘的效果，为个性化教育提供数据支持	学生表现预测	教育技术	NA	深度学习	Transformer	教育数据	6,608名学生数据，外加480名跨文化数据验证
582	2025-07-04	Enhanced E-commerce decision-making through sentiment analysis using machine learning-based approaches and IoT 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0326744 PMID:40587469	研究论文	通过结合机器学习和物联网技术，提升电子商务决策能力，优化客户购物体验	创新性地应用机器学习算法不仅进行简单推荐，还包括需求预测，确保热门商品库存充足，减少客户失望并提升满意度	研究中未提及数据收集的具体规模和时间跨度，可能影响模型的泛化能力	提升电子商务决策能力，优化客户购物体验	电子商务平台及其客户	机器学习	NA	机器学习算法（包括逻辑回归、朴素贝叶斯、SVM、随机森林、AdaBoosting、GRU、LSTM）	逻辑回归、朴素贝叶斯、SVM、随机森林、AdaBoosting、GRU、LSTM	客户行为和偏好数据	NA
583	2025-07-04	An explainable-by-design end-to-end AI framework based on prototypical part learning for lesion detection and classification in Digital Breast Tomosynthesis images 2025, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2025.06.008 PMID:40599244	研究论文	该研究提出了一种基于原型部分学习的端到端AI框架，用于数字乳腺断层合成图像中的病变检测和分类	结合YOLOv5、YOLOv8和ProtoPNet的两阶段深度学习过程，提供可解释的预测结果	数据集限制和需要更准确的地面真实标注影响了最终指标	开发透明且可解释的AI系统，以加速数字乳腺断层合成扫描的分析	数字乳腺断层合成图像中的病变	数字病理学	乳腺癌	数字乳腺断层合成(DBT)	YOLOv5, YOLOv8, ProtoPNet	图像	NA
584	2025-07-04	A Deep Convolutional Neural Network Model for Lung Disease Detection Using Chest X-Ray Imaging 2025, Pulmonary medicine IF:2.0Q3 DOI:10.1155/pm/6614016 PMID:40599379	研究论文	本文提出了一种基于深度卷积神经网络（CNN）的自动化系统，用于通过胸部X射线和CT扫描检测多种肺部疾病	采用定制的CNN模型、预训练模型和图像增强方法，结合数据增强技术解决数据集不平衡问题，实现了高精度的肺部疾病检测	研究仅使用了来自Kaggle的6400张图像，样本来源和多样性可能存在限制	开发一种高效的自动化系统，用于早期检测和诊断肺部疾病	肺部疾病（肺炎和COVID-19）的X射线和CT扫描图像	计算机视觉	肺癌	图像增强、数据增强	CNN	图像	6400张图像（肺炎、COVID-19和正常三类）
585	2025-07-04	Application progress of artificial intelligence in managing thyroid disease 2025, Frontiers in endocrinology IF:3.9Q2 DOI:10.3389/fendo.2025.1578455 PMID:40600013	综述	本文系统回顾了自20世纪90年代以来人工智能在甲状腺疾病管理中的应用进展，重点关注诊断创新、治疗个性化及临床实施中的新兴挑战	AI不仅减少了超声检查的主观性，还提高了甲状腺结节良恶性的鉴别率，减少了不必要的细针穿刺频率，并整合了超声、电子健康记录和可穿戴传感器等多模态数据进行持续健康监测	数据隐私、模型可解释性和临床适用性等方面的挑战仍然存在，数据异质性和伦理问题也是临床转化的障碍	探讨人工智能在甲状腺疾病管理中的应用及其在诊断和治疗中的潜力	甲状腺疾病的管理，包括图像分析、病理诊断、个性化治疗、患者监测和随访	数字病理学	甲状腺疾病	机器学习和深度学习	NA	多模态数据（超声、电子健康记录、可穿戴传感器）	NA
586	2025-07-04	GAN-enhanced deep learning for improved Alzheimer's disease classification and longitudinal brain change analysis 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1587026 PMID:40600033	研究论文	该研究提出了一种结合GAN和深度学习的方法，用于改进阿尔茨海默病的分类和纵向脑变化分析	整合了ResNet101和LSTM网络，并创新性地添加了PDPO和DCK层，同时使用GAN模型检测AD的进展状态	可能存在计算复杂性和过拟合的风险	提高阿尔茨海默病的诊断准确性和效率	阿尔茨海默病患者	数字病理学	阿尔茨海默病	深度学习	ResNet101, LSTM, GAN	医学影像数据	ADNI和OASIS数据集
587	2025-07-04	Comparative analysis of convolutional neural networks and transformer architectures for breast cancer histopathological image classification 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1606336 PMID:40600038	研究论文	比较卷积神经网络和Transformer架构在乳腺癌组织病理学图像分类中的性能	比较了14种深度学习模型（包括CNN和Transformer架构）在乳腺癌诊断中的表现，发现ConvNeXT和UNI模型在特定任务中表现最佳	Transformer基础模型在零样本任务中表现有限，需要微调才能达到优异效果	评估不同深度学习模型在乳腺癌病理图像分类中的性能	乳腺癌组织病理学图像	数字病理学	乳腺癌	深度学习	CNN（如ResNet50, RegNet, ConvNeXT）和Transformer（如ViT, DINOV2, UNI, GigaPath）	图像	BreakHis v1数据集
588	2025-07-04	AlzheimerViT: harnessing lightweight vision transformer architecture for proactive Alzheimer's screening 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1568312 PMID:40600046	研究论文	本研究提出了一种轻量级的视觉变换器架构AlzheimerViT，用于基于MRI图像的阿尔茨海默病早期筛查	采用轻量级自注意力视觉变换器(ViT)架构，结合数据预处理和增强技术，提高了阿尔茨海默病预测的准确性和临床适用性	研究仅使用了OASIS-3数据集，未在其他独立数据集上验证模型的泛化能力	开发更可靠的阿尔茨海默病早期检测模型以改善治疗效果	阿尔茨海默病患者的大脑MRI图像	数字病理学	老年性疾病	MRI成像	Vision Transformer (ViT)	图像	OASIS-3数据集中的MRI图像
589	2025-07-04	Auxiliary Diagnosis of Pulmonary Nodules' Benignancy and Malignancy Based on Machine Learning: A Retrospective Study 2025, Journal of multidisciplinary healthcare IF:2.7Q2 DOI:10.2147/JMDH.S518166 PMID:40600198	研究论文	本研究基于机器学习技术，通过回顾性分析CT扫描的肺结节数据，开发了一种辅助诊断肺结节良恶性的模型	采用Atten_FNN模型在肺结节良恶性诊断中表现出优越性能，并通过SHAP分析揭示了关键预测因素	研究结果在跨中心推广性方面存在局限，需要在多中心前瞻性队列中进行验证	开发非侵入性早期诊断方法，准确区分肺结节的良恶性	3355例肺结节患者（1156例良性，2199例恶性）	数字病理	肺癌	CT扫描	SVM, RF, XGBoost, FNN, Atten_FNN	图像、电子病历数据	3355例患者（1156例良性，2199例恶性）
590	2025-07-04	[Research Trends Using Artificial Intelligence in the MRI from 1989 to 2023: Analysis Using Text Mining] 2025, Nihon Hoshasen Gijutsu Gakkai zasshi DOI:10.6009/jjrt.25-1480 PMID:40603060	研究论文	通过文本挖掘分析1989年至2023年间MRI领域人工智能应用的研究趋势	利用文本挖掘技术全面分析MRI领域人工智能研究的发展趋势，揭示了深度学习的兴起及其与特定器官研究的关联	仅基于PubMed数据库的文章标题进行分析，可能未涵盖所有相关研究	可视化MRI领域人工智能相关研究领域并理解研究趋势	1989年至2023年间PubMed数据库中MRI领域应用人工智能的文章标题	数字病理	NA	文本挖掘	NA	文本	2870篇文章标题
591	2025-07-04	Elucidating linear programs by neural encodings 2025, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2025.1549085 PMID:40607448	研究论文	本文探讨了如何通过神经编码方法来解释线性规划（LP）的解决方案	提出了一种通过神经编码方法解释线性规划解决方案的新方法，填补了可解释人工智能（XAI）在线性规划领域的空白	在低扰动水平下，Saliency和LIME等归因方法难以区分	提高线性规划解决方案的可解释性	线性规划（LP）	机器学习	NA	神经编码方法	神经网络	数值数据	包括一个10k维的大规模LP在内的多种LP
592	2025-07-04	Boosting the performance of molecular property prediction via graph-text alignment and multi-granularity representation enhancement 2024-11, Journal of molecular graphics & modelling IF:2.7Q2 DOI:10.1016/j.jmgm.2024.108843 PMID:39173218	研究论文	本文提出了一种通过图-文本对齐和多粒度表示增强来提升分子属性预测性能的方法	通过对比损失和交叉注意力在嵌入空间中对齐和融合图与文本特征，并结合原子、功能基团和分子等多粒度信息增强分子表示	未明确提及具体局限性	提高分子属性预测的准确性	分子（以图或文本形式表示）	机器学习	NA	对比损失、交叉注意力	多模态深度学习模型	图数据、文本数据	未明确提及具体样本量
593	2025-07-04	A deep learning model for estimating sedation levels using heart rate variability and vital signs: a retrospective cross-sectional study at a center in South Korea 2024-Nov, Acute and critical care IF:1.7Q3 DOI:10.4266/acc.2024.01200 PMID:39600246	研究论文	本研究开发了一种基于心率变异性（HRV）参数和生命体征的深度学习模型，用于预测儿科患者的镇静水平	首次将HRV参数和生命体征结合深度学习模型用于儿科患者镇静水平的连续自动化监测	研究为单中心回顾性研究，需要多中心验证研究以确认广泛适用性	开发能够有效预测儿科患者镇静水平的自动化监测方法	儿科重症监护患者	数字病理	儿科重症	HRV分析	1D ResNet	心电图波形和生命体征数据	324名患者的4,193个特征集
594	2025-07-04	Integrative deep learning with prior assisted feature selection 2024-09-10, Statistics in medicine IF:1.8Q1 DOI:10.1002/sim.10148 PMID:38923006	research paper	该研究提出了一种结合深度学习和先验信息的集成分析方法，用于基因与疾病关系的复杂特征选择和结果预测	引入了先验辅助的集成深度学习方法（PANDA），通过特征选择层和集成学习利用先前研究中的先验信息	未提及具体的数据集规模限制或模型泛化能力的验证	解决生物医学研究中‘小而大’的挑战，提高基因与疾病关系的预测准确性	基因与疾病关系	machine learning	skin cutaneous melanoma (SKCM)	deep learning, ensemble learning	PANDA	genomic data	NA
595	2025-07-04	deepAFT: A nonlinear accelerated failure time model with artificial neural network 2024-08-30, Statistics in medicine IF:1.8Q1 DOI:10.1002/sim.10152 PMID:38894557	研究论文	提出了一种基于深度人工神经网络的非线性加速失效时间模型deepAFT，用于建模生存结果数据	开发了非参数、非线性算法deepAFT，直接预测生存结果，并通过插补算法、重加权和基于逆审查概率的转换技术处理审查问题	未明确提及具体局限性	改进生存分析中的预测准确性，提供非线性协变量效应的灵活建模	生存结果数据	机器学习	淋巴瘤	深度人工神经网络	deepAFT	生存数据	NA
596	2025-07-04	An explainable long short-term memory network for surgical site infection identification 2024-07, Surgery IF:3.2Q1 DOI:10.1016/j.surg.2024.03.006 PMID:38616153	研究论文	提出一种可解释的长短期记忆网络模型，用于从医疗记录中识别手术部位感染	结合注意力机制提升模型的可解释性，同时性能优于传统机器学习方法	研究数据仅来自单一医疗系统，可能影响模型的泛化能力	开发自动化的手术部位感染监测系统以减少人工审查负担	手术病例的电子健康记录数据	自然语言处理	手术部位感染	深度学习	LSTM	结构化数据和临床文本	来自犹他大学医疗系统的9185例手术事件
597	2025-07-04	Spatial Deconvolution of Cell Types and Cell States at Scale Utilizing TACIT 2024-Jun-27, Research square DOI:10.21203/rs.3.rs-4536158/v1 PMID:38978567	研究论文	开发了一种名为TACIT的无监督算法，用于细胞注释，无需训练数据，提高了空间生物学中细胞类型和状态识别的准确性和可扩展性	TACIT算法通过无偏阈值区分阳性细胞与背景，专注于相关标记物识别多组学检测中的模糊细胞，无需训练数据	算法在泛化性方面可能存在挑战，因为细胞、邻域和生态位在健康和疾病中的变异性	提高空间生物学中细胞类型和状态识别的准确性和可扩展性	细胞类型和状态	空间生物学	炎症性腺体疾病	多组学检测	无监督算法	空间转录组学和蛋白质组学数据	5个数据集（5,000,000个细胞；51种细胞类型）
598	2025-07-04	Spatial Deconvolution of Cell Types and Cell States at Scale Utilizing TACIT 2024-Jun-03, bioRxiv : the preprint server for biology DOI:10.1101/2024.05.31.596861 PMID:38895230	研究论文	本文介绍了一种名为TACIT的无监督算法，用于细胞注释，无需训练数据即可识别细胞类型和状态	TACIT算法通过无偏阈值区分阳性细胞与背景，专注于相关标记以识别多组学检测中的模糊细胞，提高了准确性和可扩展性	NA	解决空间生物学中细胞类型和状态识别的耗时和易出错问题	细胞类型和状态	空间生物学	炎症性腺体疾病	多组学检测	无监督算法	空间转录组学和蛋白质组学数据	五个数据集（5,000,000个细胞；51种细胞类型）来自三个生态位（脑、肠、腺体）
599	2025-07-04	Decoding biological age from face photographs using deep learning 2023-Sep-12, medRxiv : the preprint server for health sciences DOI:10.1101/2023.09.12.23295132 PMID:37745558	研究论文	本研究开发并验证了FaceAge，一种从面部照片估计生物年龄的深度学习系统，并评估其在癌症患者中的临床效用	利用深度学习从面部照片客观估计生物年龄，并验证其在癌症预后和临终决策中的临床价值	研究主要基于美国和荷兰的癌症患者数据，可能在其他人群中的适用性有待验证	开发一种客观、定量的方法，从面部照片估计生物年龄，并评估其在医学判断中的临床效用	健康个体和癌症患者的面部照片	数字病理学	癌症	深度学习	CNN	图像	58,851名健康个体和6,196名癌症患者
600	2025-07-03	Construction of a Fritillaria alkaloids database to develop a multi-dimensional matching strategy for comprehensive annotation of known and unknown components 2025-Oct, Food research international (Ottawa, Ont.) DOI:10.1016/j.foodres.2025.116827 PMID:40597534	研究论文	本文构建了一个贝母生物碱数据库（FasMID），并开发了一种多维匹配策略，用于全面注释已知和未知成分	提出了一种维度增强的方法，结合固相萃取（SPE）和液相色谱/离子迁移-四极杆飞行时间质谱（LC/IM-QTOF-MS）获取四维结构信息，并通过机器学习预测碰撞截面（CCS）值	未来研究可以通过扩大样本来源和优化深度学习算法来提高预测准确性	精确表征贝母生物碱，用于质量控制和药理机制研究	贝母生物碱	质谱分析	NA	固相萃取（SPE）、液相色谱/离子迁移-四极杆飞行时间质谱（LC/IM-QTOF-MS）、机器学习	机器学习	质谱数据	248种贝母生物碱