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
6661	2025-03-23	Progress, Pitfalls, and Impact of AI-Driven Clinical Trials 2025-Apr, Clinical pharmacology and therapeutics DOI:10.1002/cpt.3542 PMID:39722473	评论	本文探讨了自2010年代初深度学习革命以来，人工智能在药物发现和开发中的应用进展、挑战及潜在影响	本文强调了人工智能在药物发现和开发中的潜力，并指出了当前面临的挑战	尽管投入了大量资金和努力，但很少有AI发现或设计的药物进入人体临床试验，且尚未有药物获得临床批准	探讨人工智能在药物发现和开发中的应用进展及挑战	人工智能驱动的药物发现和开发	机器学习	NA	NA	NA	NA	NA
6662	2025-03-23	Deep convolutional neural networks for early detection of interproximal caries using bitewing radiographs: A systematic review 2025-Mar-21, Evidence-based dentistry DOI:10.1038/s41432-025-01134-7 PMID:40114013	系统综述	本文系统综述了使用深度卷积神经网络（DCNN）通过咬翼片X光片检测邻面龋齿的研究	本文首次系统性地评估了不同深度卷积神经网络在咬翼片X光片上检测邻面龋齿的效果，并特别强调了YOLOv8模型在此任务中的优越性	纳入的研究中仅有40%在参考标准领域具有低偏倚风险，表明研究质量参差不齐	评估深度卷积神经网络在咬翼片X光片上检测邻面龋齿的准确性和有效性	咬翼片X光片	计算机视觉	龋齿	深度卷积神经网络（DCNN）	CNN, YOLOv8	图像	112至3,989名参与者
6663	2025-03-23	Challenges in Implementing Endoscopic Artificial Intelligence: The Impact of Real-World Imaging Conditions on Barrett's Neoplasia Detection 2025-Mar-21, United European gastroenterology journal IF:5.8Q1 DOI:10.1002/ueg2.12760 PMID:40116287	研究论文	本研究旨在量化在社区医院中，基于专家图像训练的巴雷特氏瘤计算机辅助检测系统在暴露于日常临床实践中更异质成像条件下的性能下降，并评估减轻这种性能损失的策略	研究首次量化了在社区医院中，基于专家图像训练的计算机辅助检测系统在异质成像条件下的性能下降，并提出了三种提高算法对数据异质性鲁棒性的方法	研究仅针对巴雷特氏瘤的检测，未涉及其他疾病或更广泛的临床应用	评估和提高计算机辅助检测系统在异质成像条件下的性能	巴雷特氏瘤患者的内镜图像	计算机视觉	巴雷特氏瘤	深度学习	计算机辅助检测系统	图像	373名巴雷特氏瘤患者的1011张高质量图像，以及117名患者的独立测试集
6664	2025-03-23	Ovarian masses suggested for MRI examination: assessment of deep learning models based on non-contrast-enhanced MRI sequences for predicting malignancy 2025-Mar-21, Abdominal radiology (New York) DOI:10.1007/s00261-025-04891-2 PMID:40116887	研究论文	本研究评估并比较了四种基于非增强MRI的深度学习模型在区分良性和恶性卵巢肿瘤中的诊断效能和开发成本	首次在非增强MRI序列上评估和比较了四种深度学习模型（ConvNeXt, FBNet, GhostNet, ResNet50）在卵巢肿瘤良恶性鉴别中的应用	研究为回顾性设计，可能受到选择偏倚的影响，且未考虑不同MRI扫描仪和参数的影响	评估和比较深度学习模型在非增强MRI上区分良性和恶性卵巢肿瘤的诊断效能	526名因疑似卵巢肿块而推荐进行MRI检查的患者	数字病理	卵巢癌	非增强MRI	ConvNeXt, FBNet, GhostNet, ResNet50	图像	526名患者（327例良性病变，199例恶性病变）
6665	2025-03-23	Deep learning-assisted detection of intracranial hemorrhage: validation and impact on reader performance 2025-Mar-21, Neuroradiology IF:2.4Q2 DOI:10.1007/s00234-025-03560-x PMID:40116947	研究论文	本研究验证了一种用于颅内出血检测的深度学习算法，并评估了其对读者诊断性能的影响	开发并验证了JLK-ICH深度学习算法，显著提高了非专家读者对颅内出血的诊断准确性	研究主要基于回顾性数据，且外部验证数据集仅来自美国多民族群体，可能存在一定的局限性	验证深度学习算法在颅内出血检测中的准确性及其对临床诊断的辅助作用	颅内出血患者的CT扫描图像	计算机视觉	颅内出血	深度学习	JLK-ICH	CT图像	1,370例CT扫描，其中800例用于读者性能研究
6666	2025-03-23	Annotation-efficient, patch-based, explainable deep learning using curriculum method for breast cancer detection in screening mammography 2025-Mar-19, Insights into imaging IF:4.1Q1 DOI:10.1186/s13244-025-01922-w PMID:40106066	研究论文	开发了一种基于课程学习和分块方法的深度学习模型，用于乳腺X光检查中的乳腺癌检测，利用弱注释和强注释，并通过Grad-CAM提供可解释的人工智能	结合课程学习和分块方法，利用有限数量的强注释数据进行训练，提高了模型性能和可解释性	需要进一步验证模型在更大规模数据集上的泛化能力	开发一种高效的深度学习模型，用于乳腺X光检查中的乳腺癌检测	乳腺X光检查图像	计算机视觉	乳腺癌	深度学习	基于分块的深度学习模型	图像	1976张乳腺X光检查图像（来自三个中心），外部测试数据集包含4276张乳腺X光检查图像
6667	2025-03-23	Design of thin, wideband electromagnetic absorbers with polarization and angle insensitivity using deep learning 2025-Mar-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-94116-9 PMID:40108286	研究论文	本文介绍了一种利用深度学习设计薄型、宽带电磁波吸收器的新方法，该吸收器具有极化和角度不敏感性	利用生成对抗网络（GAN）和多层感知器（MLP）网络设计薄型、宽带电磁波吸收器，覆盖8-12 GHz频率范围，具有高吸收率和极化和角度不敏感性	NA	设计一种薄型、宽带电磁波吸收器，适用于大规模生产	电磁波吸收器	机器学习	NA	生成对抗网络（GAN），多层感知器（MLP）	GAN, MLP	数值全波电磁模拟数据	NA
6668	2025-03-23	Prediction and analysis of tumor infiltrating lymphocytes across 28 cancers by TILScout using deep learning 2025-Mar-19, NPJ precision oncology IF:6.8Q1 DOI:10.1038/s41698-025-00866-0 PMID:40108446	研究论文	本文介绍了TILScout，一种利用深度学习从全切片图像中计算肿瘤浸润淋巴细胞（TILs）分数的泛癌方法	TILScout在验证集和独立测试集上分别达到了0.9787和0.9628的准确率，以及0.9988和0.9934的AUC，超越了之前的研究	NA	预测和分析28种癌症中的肿瘤浸润淋巴细胞（TILs）	28种癌症的全切片图像	数字病理学	癌症	深度学习	NA	图像	NA
6669	2025-03-23	Seasonal forecasting of the hourly electricity demand applying machine and deep learning algorithms impact analysis of different factors 2025-Mar-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-91878-0 PMID:40102500	研究论文	本文提出了基于机器学习和深度学习算法的短期季节性预测模型，用于预测新英格兰控制区（ISO-NE-CA）的每小时电力需求	结合了多种机器学习和深度学习技术（如自适应神经模糊推理系统、长短期记忆网络、门控循环单元和人工神经网络），并分析了温度对电力需求的影响	模型在不同季节和场景下的准确性存在差异，特别是在秋季和春季的预测精度较低	提高短期电力需求预测的精度，分析温度对电力需求的影响	新英格兰控制区（ISO-NE-CA）的每小时电力需求	机器学习	NA	自适应神经模糊推理系统（ANFIS）、长短期记忆网络（LSTM）、门控循环单元（GRU）、人工神经网络（ANN）	ANFIS、LSTM、GRU、ANN	时间序列数据	NA
6670	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
6671	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
6672	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
6673	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
6674	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
6675	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
6676	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）
6677	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
6678	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）
6679	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
6680	2025-03-23	Improvement of BCI performance with bimodal SSMVEPs: enhancing response intensity and reducing fatigue 2025, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2025.1506104 PMID:40115888	研究论文	本文提出了一种创新的稳态运动视觉诱发电位（SSMVEP）范式，结合运动和颜色刺激，旨在增强脑机接口（BCI）性能并减少视觉疲劳	开发了一种结合运动和颜色刺激的SSMVEP范式，显著提高了分类准确率和信号噪声比，同时减少了视觉疲劳	实验在受控的实验室条件下进行，未在真实环境中验证	增强SSMVEP响应强度并减少视觉疲劳	稳态运动视觉诱发电位（SSMVEP）和稳态视觉诱发电位（SSVEP）	脑机接口	NA	EEGNet深度学习算法和快速傅里叶变换（FFT）	EEGNet	脑电图（EEG）数据	NA