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	2025-05-16	Machine learning for the rElapse risk eValuation in acute biliary pancreatitis: The deep learning MINERVA study protocol 2025-Mar-03, World journal of emergency surgery : WJES IF:6.0Q1 DOI:10.1186/s13017-025-00594-7 PMID:40033414	研究论文	该研究旨在开发和验证一种机器学习模型，用于预测轻度急性胆源性胰腺炎（MABP）患者的复发风险	利用卷积神经网络（CNN）进行特征提取和风险预测，结合kPCA进行变量空间转换，创建2D图像并应用卷积滤波器	研究仅针对意大利的多家医院，且排除了非胆源性病因、严重胰腺炎及无法提供知情同意的患者	开发一种可靠的预测工具，以改善MABP患者的临床决策过程	成年MABP患者，符合修订后的亚特兰大标准，且在首次住院期间未接受早期胆囊切除术	机器学习	胰腺炎	卷积神经网络（CNN），核主成分分析（kPCA）	CNN	临床和人口统计学数据	回顾性数据来自MANCTRA-1研究，并包括前瞻性数据收集
582	2025-05-16	FungID: Innovative Fungi Identification Method with Chromogenic Profiling of Colony Color Patterns 2025-Mar-03, Pathogens (Basel, Switzerland) DOI:10.3390/pathogens14030242 PMID:40137727	研究论文	介绍了一种名为FungID的新型深度学习算法，通过菌落颜色模式的显色分析来识别真菌物种	开发了基于CNN的FungID算法及其用户友好软件，用于通过显色分析快速可靠地识别真菌物种	需要仔细评估这些方法的适用范围和局限性	提高真菌物种识别的速度和可靠性，为健康、微生物学、生物技术等领域提供额外工具	真菌物种	计算机视觉	NA	显色分析	CNN	图像	269张图像
583	2025-05-16	Multimodal Artificial Intelligence Models Predicting Glaucoma Progression Using Electronic Health Records and Retinal Nerve Fiber Layer Scans 2025-Mar-03, Translational vision science & technology IF:2.6Q2 DOI:10.1167/tvst.14.3.27 PMID:40152766	研究论文	本研究开发了结合电子健康记录（EHRs）和视网膜神经纤维层光学相干断层扫描（RNFL OCT）扫描的多模态人工智能模型，用于预测青光眼患者是否需要手术	首次结合EHR和RNFL OCT扫描数据，使用TabNet深度学习架构预测青光眼手术需求，并证明其优于传统XGBoost模型	研究样本仅来自单一学术中心，可能限制模型的泛化能力	开发预测青光眼进展的人工智能模型	青光眼患者	数字病理	青光眼	光学相干断层扫描（OCT）	TabNet, XGBoost	结构化临床数据（EHR）、医学影像（RNFL OCT扫描）	1472名青光眼患者（其中367名进展至需要手术）
584	2025-05-16	Reconstructing 3D chromosome structures from single-cell Hi-C data with SO(3)-equivariant graph neural networks 2025-Mar, NAR genomics and bioinformatics IF:4.0Q1 DOI:10.1093/nargab/lqaf027 PMID:40124711	研究论文	提出了一种基于SO(3)-等变图神经网络(HiCEGNN)的方法，用于从单细胞Hi-C数据重建3D染色体结构	首次将SO(3)-等变图神经网络应用于单细胞Hi-C数据的3D染色体结构重建，相比传统优化方法和现有深度学习方法表现更优	未提及具体的数据集规模限制或计算资源需求	从稀疏的单细胞Hi-C数据中准确重建3D染色体结构	单细胞的染色体空间构象	生物信息学	NA	单细胞Hi-C(ScHi-C)	SO(3)-equivariant graph neural network (HiCEGNN)	染色体接触数据	NA
585	2025-05-16	LOGLformer: Integrating local and global characteristics for depression scale estimation from facial expressions 2025-Mar-01, The Review of scientific instruments DOI:10.1063/5.0231737 PMID:40130984	research paper	提出了一种名为LOGLFormer的新型混合计算架构，用于从面部表情中估计抑郁量表，整合了CNN的局部属性和transformer的全局模式	LOGLFormer架构首次整合了CNN和transformer的特性，通过特征对齐模块解决了两种特征集之间的差异，显著提升了自动抑郁检测的性能	仅在AVEC2013和AVEC2014两个抑郁数据库上进行了测试，未在其他数据集上验证其泛化能力	开发一种能够整合局部和全局面部动态特征的深度学习模型，用于自动抑郁检测	抑郁患者的面部表情	affective computing	depression	deep learning	LOGLFormer (CNN + transformer)	facial expression images	AVEC2013和AVEC2014两个抑郁数据库
586	2025-05-16	Using pretrained models in ensemble learning for date fruits multiclass classification 2025-Mar, Journal of food science IF:3.2Q2 DOI:10.1111/1750-3841.70136 PMID:40135491	研究论文	该研究使用预训练模型和集成学习方法对九种不同种类的椰枣进行多类分类	提出了一种名为Dirichlet Ensemble的集成学习方法，结合了四种CNN模型的预测结果，显著提高了分类准确率	VGG16模型表现不佳，仅获得73.24%的准确率，表明其处理复杂分类任务的能力有限	提高椰枣分类的准确性和鲁棒性，用于质量控制、自动分拣和商业应用	九种不同种类的椰枣	计算机视觉	NA	集成学习	CNN（包括DenseNet121、MobileNetV2、ResNet18和VGG16）	图像	未明确说明样本数量
587	2025-05-16	Machine Learning in Drug Development for Neurological Diseases: A Review of Blood Brain Barrier Permeability Prediction Models 2025-Mar, Molecular informatics IF:2.8Q2 DOI:10.1002/minf.202400325 PMID:40146590	review	本文回顾了机器学习在预测血脑屏障通透性方面的最新方法	总结了利用机器学习和深度学习技术预测血脑屏障通透性的最新进展	未提及具体模型性能比较或实际应用效果的局限性	探讨机器学习在神经系统疾病药物开发中的应用	血脑屏障通透性预测模型	machine learning	neurological disease	machine learning, deep learning	NA	empirical data	NA
588	2025-05-16	Current AI Applications and Challenges in Oral Pathology 2025-Mar, Oral (Basel, Switzerland) DOI:10.3390/oral5010002 PMID:40357025	review	本文综述了人工智能在口腔病理学中的当前应用与挑战	探讨了AI在口腔病理学中的变革潜力，包括提高口腔疾病检测准确性和简化诊断流程	数据质量、泛化能力、法律与伦理问题、财务限制以及实践模式转变的需求	探索人工智能在口腔病理学中的潜在应用与挑战	口腔病理学中的AI应用	digital pathology	oral diseases	machine learning (ML), deep learning (DL), convolutional neural networks (CNNs), natural language processing (NLP)	CNNs, NLP	image, text	NA
589	2025-05-16	Multiplex Detection and Quantification of Virus Co-Infections Using Label-free Surface-Enhanced Raman Spectroscopy and Deep Learning Algorithms 2025-02-28, ACS sensors IF:8.2Q1 DOI:10.1021/acssensors.4c03209 PMID:39874586	研究论文	介绍了一种结合表面增强拉曼散射(SERS)和深度学习的无标记诊断平台，用于快速定量检测呼吸道病毒共感染	开发了MultiplexCR深度学习模型，能够同时从SERS光谱预测病毒种类和浓度，准确率高达98.6%	NA	快速定量检测呼吸道病毒共感染，用于诊断、治疗和疾病管理	11种病毒、9种双病毒混合物和4种三病毒混合物	机器学习	呼吸道感染	表面增强拉曼散射(SERS)	深度学习模型(MultiplexCR)	光谱数据	超过120万条SERS光谱
590	2025-05-16	Enhancing Ophthalmic Diagnosis and Treatment with Artificial Intelligence 2025-Feb-28, Medicina (Kaunas, Lithuania) DOI:10.3390/medicina61030433 PMID:40142244	review	本文综述了人工智能在眼科诊断和治疗中的当前应用及未来潜力	利用AI算法（特别是机器学习和深度学习）提高诊断准确性，个性化治疗计划，并优化手术精度	数据隐私、安全性和算法偏见等挑战仍需解决	探索人工智能在眼科领域的应用以提升诊断和治疗效果	糖尿病视网膜病变、年龄相关性黄斑变性和青光眼等眼科疾病	digital pathology	diabetic retinopathy, age-related macular degeneration, glaucoma	machine learning, deep learning	ML, DL	multimodal data, including genetic information and patient histories	NA
591	2025-05-16	Diagnosis of Lung Cancer Using Endobronchial Ultrasonography Image Based on Multi-Scale Image and Multi-Feature Fusion Framework 2025-Feb-27, Tomography (Ann Arbor, Mich.) DOI:10.3390/tomography11030024 PMID:40137564	研究论文	本研究开发了一种基于多尺度图像和多特征融合框架的计算机辅助诊断系统，用于通过支气管内超声图像诊断肺癌	提出了M3-Net，一个基于注意力机制的多分支框架，整合多种特征以提高肺癌诊断性能	样本量相对较小，仅包含95例患者病例	开发一种计算机辅助诊断系统，以促进肺癌的早期检测并提高患者生存率	支气管内超声图像	数字病理学	肺癌	深度学习算法	M3-Net	图像	95例患者病例（13例良性，82例恶性），共1140张EBUS图像
592	2025-05-16	Deep Learning for Ultrasonographic Assessment of Temporomandibular Joint Morphology 2025-Feb-27, Tomography (Ann Arbor, Mich.) DOI:10.3390/tomography11030027 PMID:40137567	research paper	本研究开发并验证了一种基于AI的自动测量颞下颌关节超声图像空间宽度的方法	首次将AI驱动的分割和测量算法应用于颞下颌关节超声图像的自动分析	对关节窝的分割性能较低(Dice: 0.60 ± 0.24)，这与其复杂的几何形状有关	开发一种自动且可重复的颞下颌关节超声图像空间宽度测量方法	颞下颌关节超声图像	digital pathology	temporomandibular joint disorders	ultrasonography	2D Residual U-Net	image	142张颞下颌关节超声图像
593	2025-05-16	ADMM-TransNet: ADMM-Based Sparse-View CT Reconstruction Method Combining Convolution and Transformer Network 2025-Feb-26, Tomography (Ann Arbor, Mich.) DOI:10.3390/tomography11030023 PMID:40137562	research paper	提出了一种结合ADMM迭代算法框架与CNN和Transformer模型的稀疏视图CT重建方法，以减少对数据样本的依赖并提高图像重建精度	结合模型驱动与数据驱动方法，利用ADMM框架约束网络减少数据依赖，并引入CNN和Transformer模型增强图像全局与局部表征能力	未明确提及具体局限性	提升稀疏视图CT扫描的重建精度并降低辐射暴露风险	稀疏视图CT扫描数据	computer vision	NA	ADMM迭代算法、CNN、Transformer	ADMM-TransNet（CNN+Transformer）	CT图像	未明确提及具体样本量
594	2025-05-16	Deep Learning-Based Tumor Segmentation of Murine Magnetic Resonance Images of Prostate Cancer Patient-Derived Xenografts 2025-Feb-22, Tomography (Ann Arbor, Mich.) DOI:10.3390/tomography11030021 PMID:40137561	研究论文	本文开发了一种基于深度学习的自动化分割流程，用于小鼠模型中前列腺癌患者来源的异种移植物的MRI图像分割	提出了一种结合切片分类器和多种U-Net架构的分割流程，特别是在肾脏肿瘤中表现最佳的密集残差循环U-Net架构	研究仅针对小鼠模型，未在人类患者中进行验证	开发自动化工具以监测和表征前列腺癌患者来源的异种移植物的肿瘤生长	小鼠模型中植入的六种不同前列腺癌患者来源的异种移植物	数字病理学	前列腺癌	MRI	U-Net, 密集残差循环U-Net	图像	六种不同前列腺癌患者来源的异种移植物，植入部位包括肾脏、肝脏和胫骨
595	2025-05-16	Utilization of Classification Learning Algorithms for Upper-Body Non-Cyclic Motion Prediction 2025-Feb-20, Sensors (Basel, Switzerland) DOI:10.3390/s25051297 PMID:40096019	research paper	本研究探索了使用分类算法预测非周期性上肢运动的两种方法	采用KNN和深度学习模型从sEMG信号预测运动特征，深度学习模型能在肌肉电激活前以90%以上的确定性预测运动特征	未来可探索基于回归的预测模型以提高预测精度，并研究其在串联或可穿戴机器人应用中对流畅性的影响	提高外骨骼系统的控制流畅性，减少能量消耗和不适感	非周期性上肢运动	machine learning	NA	表面肌电图（sEMG）	KNN, deep neural network	sEMG信号	来自肘部周围六块肌肉的数据
596	2025-05-16	Integrating ultrasound radiomics and clinicopathological features for machine learning-based survival prediction in patients with nonmetastatic triple-negative breast cancer 2025-Feb-18, BMC cancer IF:3.4Q2 DOI:10.1186/s12885-025-13635-w PMID:39966783	研究论文	本研究评估了基于超声放射组学和临床病理特征的机器学习模型在三阴性乳腺癌患者生存分析中的预测价值	结合超声放射组学和临床病理特征开发了新的预测模型，用于三阴性乳腺癌患者的生存分析	研究样本量相对较小，且需要外部验证以进一步确认模型的泛化能力	评估机器学习模型在三阴性乳腺癌患者生存分析中的预测价值	非转移性三阴性乳腺癌患者	数字病理	乳腺癌	超声放射组学	深度学习算法	图像	训练队列306例，内部验证队列77例，前瞻性外部验证队列82例
597	2025-05-16	Multicenter study on predicting postoperative upper limb muscle strength improvement in cervical spinal cord injury patients using radiomics and deep learning 2025-Feb-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-72539-0 PMID:39962172	research paper	本研究旨在评估基于机器学习的放射组学方法在预测脊髓损伤患者预后方面的准确性	结合放射组学和深度迁移学习特征，利用MRI图像预测颈椎脊髓损伤患者术后上肢肌力改善情况	样本量较小（82例患者），且为回顾性研究	评估放射组学方法在预测脊髓损伤患者预后中的准确性	82例颈椎脊髓损伤患者	digital pathology	spinal cord injury	MRI, 放射组学, 深度迁移学习	random forest (RF), ResNet34	MRI图像	82例患者（49例预后良好，33例预后不良）
598	2025-05-16	Development and Evaluation of a Deep Learning-Based Pulmonary Hypertension Screening Algorithm Using a Digital Stethoscope 2025-Feb-04, Journal of the American Heart Association IF:5.0Q1 DOI:10.1161/JAHA.124.036882 PMID:39895552	研究论文	开发并评估了一种基于深度学习的肺动脉高压筛查算法，使用数字听诊器进行早期检测	利用深度学习算法结合数字听诊器，提供了一种低成本、非侵入性且易于获取的肺动脉高压筛查工具	测试数据集的敏感性和特异性分别为0.71和0.73，仍有提升空间	开发一种易于获取的筛查工具，用于早期检测肺动脉高压，以改善预后和及时治疗	肺动脉高压患者	数字病理学	心血管疾病	深度学习	深度卷积网络	心音图（PCG）	约6000个带对应超声心动图的心音图记录和约169000个无心音图记录的训练数据，以及196名患者的测试数据集
599	2025-05-16	Machine learning tool for predicting mature oocyte yield and trigger day from start of stimulation: towards personalized treatment 2025-02, Reproductive biomedicine online IF:3.7Q1 DOI:10.1016/j.rbmo.2024.104441 PMID:39708575	研究论文	开发了一种基于深度学习的机器学习工具，用于预测卵巢刺激周期开始时的成熟卵母细胞数量和触发日	提出了两种新颖的渐进式机器学习算法，能够高精度预测触发日和成熟卵母细胞数量	需要纳入更多数据和来自不同诊所的验证	开发个性化治疗工具，预测卵巢刺激结果	卵巢刺激周期	机器学习	生殖医学	深度学习	深度学习算法	临床数据	56,490个卵巢刺激周期（主要数据集），其中13,090个用于模型开发，5,103个用于临床验证
600	2025-05-16	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	research paper	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	SS-DTI是一种新颖的端到端深度学习方法，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来捕获局部和全局信息	NA	提高药物-靶点相互作用预测的准确性和效率	药物和蛋白质分子	machine learning	NA	deep learning	GCNs (Graph Convolutional Networks)	序列数据和结构数据	四个基准数据集