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
701	2025-05-10	Transforming personalized weight forecasting: From the Personalized Metabolic Avatar to the Generalized Metabolic Avatar 2025-Apr, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109879 PMID:39978095	研究论文	该论文提出了一种名为广义代谢化身（GMA）的模型，用于预测更广泛用户群体的体重变化，而无需个体数据测量	GMA模型通过引入年龄和性别等参数，消除了对个体数据测量的需求，显著提高了计算效率并保持了预测准确性	尽管GMA在预测准确性上与PMA相当，但在理想条件下的RMSE略高于PMA（0.54 ± 0.03 vs 0.42 ± 0.04）	开发一个无需个体数据测量的通用代谢预测模型，以提高预测效率和应用范围	体重变化的预测模型	机器学习	NA	深度学习	GRU（门控循环单元）	营养组成和每日能量平衡数据	NA
702	2025-05-10	C-UQ: Conflict-based uncertainty quantification-A case study in lung cancer classification 2025-Apr, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109825 PMID:39978099	研究论文	本研究提出了一种基于冲突的不确定性量化方法，应用于肺癌分类，结合Dempster-Shafer理论和深度集成方法	提出了一种新的基于冲突的不确定性量化方法，利用Dempster-Shafer理论和深度集成方法，有效量化预测不确定性	计算需求可能挑战实时应用，未来工作将集中在优化效率和探索替代的Dempster-Shafer理论组合规则及混合模型	提高深度学习在医学诊断中的不确定性量化能力，确保可靠的临床决策	肺癌分类	数字病理	肺癌	Dempster-Shafer理论，深度集成方法	Deep Ensemble	3D生物医学数据	LIDC-IDRI数据集及其他3D生物医学数据集
703	2025-05-10	Artificial Intelligence-Enhanced Perfusion Scoring Improves the Diagnostic Accuracy of Myocardial Perfusion Imaging 2025-Apr-01, Journal of nuclear medicine : official publication, Society of Nuclear Medicine IF:9.1Q1 DOI:10.2967/jnumed.124.268079 PMID:39978815	research paper	本研究利用深度学习模型改进心肌灌注SPECT成像的诊断准确性，通过增强总灌注缺损评分和17段总和评分来提高临床可翻译性	将AI预测与传统定量方法结合，简化了AI方法，同时提高了诊断准确性	研究仅基于555名患者的数据，可能需要更大规模的验证	提高心肌灌注成像对阻塞性冠状动脉疾病的诊断准确性	接受心肌灌注成像并在180天内进行侵入性冠状动脉造影的患者	digital pathology	cardiovascular disease	SPECT成像	DL (深度学习)	image	555名患者
704	2025-05-10	Addressing imbalance in health data: Synthetic minority oversampling using deep learning 2025-Apr, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109830 PMID:39983361	研究论文	本文提出了一种基于深度学习的合成少数类过采样方法，用于解决医疗数据中的类别不平衡问题	提出了一种结合辅助引导条件变分自编码器（ACVAE）和对比学习的深度学习方法，以及一种集成技术，通过ACVAE生成合成正样本并使用ECDNN算法减少多数类样本	实验仅在12个不同的医疗数据集上进行，可能无法涵盖所有医疗数据场景	解决医疗数据中的类别不平衡问题，以提高机器学习模型的性能和公平性	医疗数据中的类别不平衡问题	机器学习	NA	ACVAE和ECDNN算法	条件变分自编码器（ACVAE）	医疗数据	12个不同的医疗数据集
705	2025-05-10	A multi-task self-supervised approach for mass detection in automated breast ultrasound using double attention recurrent residual U-Net 2025-Apr, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109829 PMID:39983360	研究论文	本文提出了一种基于自监督框架的新型计算机辅助检测系统，用于自动乳腺超声中的肿块检测	采用自监督学习框架利用未标注的ABUS数据集提升检测效果，并创新性地结合了多任务学习方法	高度依赖训练样本数量，检测精度与假阳性率的平衡存在挑战	开发高效的计算机辅助检测系统以减轻放射科医生工作负担并提高检测准确性	自动乳腺超声（ABUS）图像中的肿块检测	数字病理	乳腺癌	自监督学习，多任务学习	DATTR2U-Net（双注意力循环残差U-Net）	3D超声图像	TDSCABUS公共数据集
706	2025-05-10	RNA structure prediction using deep learning - A comprehensive review 2025-Apr, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109845 PMID:39983363	综述	本文全面回顾了利用深度学习技术预测RNA结构的研究进展	强调了深度学习在RNA二级结构预测中的应用，并对现有技术进行了比较分析	指出了文献中的空白和当前面临的挑战	促进对RNA功能的理解和基于RNA的药物设计	RNA二级结构	计算生物学	NA	深度学习	NA	NA	NA
707	2025-05-10	Toward deep learning sequence-structure co-generation for protein design 2025-Apr, Current opinion in structural biology IF:6.1Q1 DOI:10.1016/j.sbi.2025.103018 PMID:39983410	综述	本文回顾了深度生成模型在蛋白质设计中的最新进展，特别关注序列-结构共生成方法	探讨了序列-结构共生成方法在蛋白质设计中的潜力，以实现更准确和可控的设计	NA	探讨深度生成模型在蛋白质设计中的应用，特别是序列-结构共生成方法	蛋白质序列和结构	机器学习	NA	NA	深度生成模型	序列和结构数据	NA
708	2025-05-10	Integrating manual preprocessing with automated feature extraction for improved rodent seizure classification 2025-Apr, Epilepsy & behavior : E&B IF:2.3Q2 DOI:10.1016/j.yebeh.2025.110306 PMID:39983590	research paper	该研究开发了一种结合手动预处理和自动特征提取的半自动流程，用于改进啮齿动物癫痫发作分类	提出了一种结合模型驱动和数据驱动方法的混合方法，利用PoseC3D模型对啮齿动物癫痫阶段进行分类	该方法无法实现完全自动化的癫痫检测，且未在未见过的动物上进行测试，限制了其普适性和广泛应用	开发一种AI支持的定量分析方法，用于啮齿动物行为分析，包括癫痫阶段分类	啮齿动物（大鼠）的癫痫发作行为	computer vision	epilepsy	deep learning, computer vision	PoseC3D	video	两个数据集，包括大鼠骨架关键点和癫痫发作行为视频
709	2025-05-10	Physics-informed neural networks for enhanced reference evapotranspiration estimation in Morocco: Balancing semi-physical models and deep learning 2025-Apr, Chemosphere IF:8.1Q1 DOI:10.1016/j.chemosphere.2025.144238 PMID:39983624	研究论文	本文提出了一种基于物理信息神经网络（PINNs）的方法，用于在摩洛哥增强参考蒸散量（ETo）的估计，以平衡半物理模型和深度学习的优势	通过将半物理模型整合到神经网络的损失函数中，提出了一种新的残差损失计算方法，结合了数据驱动损失和半物理模型损失，提高了模型的准确性和可解释性	研究仅基于摩洛哥Tensift流域四个自动气象站的数据，可能限制了模型的泛化能力	提高参考蒸散量（ETo）的估计准确性，以支持农业水资源管理和灌溉系统优化	参考蒸散量（ETo）	环境科学	NA	物理信息神经网络（PINNs），CMA-ES优化算法	PINN	气象数据（气温、太阳辐射、相对湿度、风速）	摩洛哥Tensift流域四个自动气象站的数据
710	2025-05-10	Subtraction-free artifact-aware digital subtraction angiography image generation for head and neck vessels from motion data 2025-Apr, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2025.102512 PMID:39983664	research paper	提出了一种无需减影的、基于运动数据的头颈部血管数字减影血管造影（DSA）图像生成方法，旨在消除运动伪影	创新性地提出了Artifact-aware DSA图像生成方法（AaDSA），仅利用运动数据生成无伪影的DSA图像，无需减影过程，并通过梯度场变换（GFT）技术生成伪影掩码指导模型训练	需要进一步验证在更广泛临床数据集上的泛化能力	开发一种能够自动生成无运动伪影的DSA图像的方法，以提高血管疾病诊断的准确性	头颈部血管的DSA图像	digital pathology	cardiovascular disease	deep learning, Gradient Field Transformation (GFT)	DL-based model	image	真实头颈部DSA数据集（具体样本量未明确说明）
711	2025-05-10	A novel generative model for brain tumor detection using magnetic resonance imaging 2025-Apr, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2025.102498 PMID:39985841	研究论文	提出了一种基于深度学习的脑肿瘤检测新方法，结合Yolov8框架和智能计算单元，实现了高精度的肿瘤区域分割和分类	结合Yolov8框架与智能计算单元进行精细调优，引入数据融合技术提升分类性能，并首次将LLM模型用于预诊断生成	仅在同数据库对比中验证性能，未说明跨数据库泛化能力	开发基于AI的计算机辅助诊断系统，提高脑肿瘤检测准确率和效率	MRI图像中的脑肿瘤区域	数字病理	脑肿瘤	深度学习，数据融合	Yolov8, CNN, LLM	MRI图像	两个肿瘤数据集（未明确数量）
712	2025-05-10	Protein language models for predicting drug-target interactions: Novel approaches, emerging methods, and future directions 2025-Apr, Current opinion in structural biology IF:6.1Q1 DOI:10.1016/j.sbi.2025.103017 PMID:39985946	综述	本文综述了蛋白质语言模型在药物-靶点相互作用预测中的应用，探讨了新兴方法和未来研究方向	探讨了端到端学习模型和预训练基础蛋白质语言模型的应用，以及异质数据整合的作用	数据相关限制和算法约束导致准确识别药物-靶点相互作用仍存在挑战	加速药物开发过程中的新候选药物识别	药物-靶点相互作用（DTI）预测	自然语言处理	NA	蛋白质语言模型（pLMs）	端到端学习模型、预训练基础pLMs	蛋白质结构、知识图谱	NA
713	2025-05-10	Deep Learning-based Quantitative CT Myocardial Perfusion Imaging and Risk Stratification of Coronary Artery Disease 2025-Apr, Radiology IF:12.1Q1 DOI:10.1148/radiol.242570 PMID:40298595	研究论文	开发并验证了一种基于深度学习的模型，用于自动量化心肌血流和缺血心肌体积百分比，并探索其对主要不良心血管事件的预后价值	首次开发了基于深度学习的自动量化心肌血流和缺血心肌体积百分比的模型，并验证其在心血管风险分层中的预后价值	研究样本来自多个中心，可能存在数据异质性，且前瞻性队列的随访时间有限	开发并验证深度学习模型，用于心肌缺血的自动诊断和心血管风险分层	临床接受CT心肌灌注成像和冠状动脉CT血管造影的患者	数字病理学	心血管疾病	动态CT心肌灌注成像（MPI）和冠状动脉CT血管造影（CCTA）	深度学习模型（DL）	医学影像	1108名患者（平均年龄61岁±12，667名男性）
714	2025-05-10	Quantitative Evaluation of Tendon Gliding Sounds and Their Classification Using Deep Learning Models 2025-Apr, Cureus DOI:10.7759/cureus.81790 PMID:40330348	research paper	本研究旨在开发和评估一种深度学习模型，用于分类通过数字听诊器记录的肌腱滑动声音	利用深度学习模型分析肌腱滑动声音的频谱特征，实现高精度分类，为非侵入性诊断肌腱疾病提供新方法	样本量较小	开发一种基于人工智能的非侵入性诊断工具，用于检测肌腱疾病	健康志愿者的拇指和食指肌腱滑动声音	machine learning	musculoskeletal disorders	spectrogram analysis	DL	audio	小样本健康志愿者
715	2025-05-10	Current Architectural and Developmental Approaches in Artificial Intelligence Models for Prostate Cancer Detection and Management: A Technical Report 2025-Apr, Cureus DOI:10.7759/cureus.81748 PMID:40330342	技术报告	本文探讨了人工智能模型在前列腺癌检测和管理中的当前架构和发展方法	介绍了AI驱动模型（如CNN和深度学习系统）在提高肿瘤检测和Gleason分级诊断准确性方面的应用，以及集成PSA数据以提高风险分层的准确性	数据来源不一致、成像领域转移以及缺乏标准化的染色归一化等问题阻碍了AI在临床中的广泛应用	提升前列腺癌诊断方法的准确性和效率	前列腺癌的诊断和管理	数字病理学	前列腺癌	深度学习、集成学习、半监督学习	CNN、深度学习系统	组织病理学全切片图像、PSA数据	NA
716	2025-05-10	Artificial intelligence demonstrates potential to enhance orthopaedic imaging across multiple modalities: A systematic review 2025-Apr, Journal of experimental orthopaedics IF:2.0Q2 DOI:10.1002/jeo2.70259 PMID:40337671	systematic review	本文系统评估了人工智能在骨科影像中的应用效果和可靠性，重点关注其对诊断准确性、图像分割和操作效率的影响	首次系统比较了不同AI模型在多种骨科影像模态中的临床效能和实用性	现有文献缺乏全面的统计分析和随机对照试验，需要进一步临床验证	评估AI在骨科影像中的有效性和可靠性	骨科影像	medical imaging	orthopaedic diseases	machine learning, deep learning	CNN	medical images	11,990,643 images from multiple diagnostic instruments
717	2025-03-20	Correction: Enhancing diabetic retinopathy diagnosis: automatic segmentation of hyperreflective foci in OCT via deep learning 2025-Mar-18, International ophthalmology IF:1.4Q3 DOI:10.1007/s10792-025-03504-7 PMID:40100458	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
718	2025-05-10	Deep learning imputes DNA methylation states in single cells and enhances the detection of epigenetic alterations in schizophrenia 2025-Mar-12, Cell genomics IF:11.1Q1 DOI:10.1016/j.xgen.2025.100774 PMID:39986279	研究论文	本文介绍了一种基于transformer的深度学习模型scMeFormer，用于在单细胞中估算DNA甲基化状态，并应用于精神分裂症的检测	提出了scMeFormer模型，能够在单细胞DNA甲基化数据中实现高保真估算，显著提升低覆盖率数据的分析能力	模型性能依赖于原始数据的质量和覆盖度，可能无法完全解决极低覆盖率数据的估算问题	提高单细胞DNA甲基化数据的分析能力，增强对精神分裂症表观遗传学改变的理解	人类和小鼠的单细胞DNA甲基化数据，特别是精神分裂症患者和对照组的额叶皮层数据	表观遗传学	精神分裂症	单细胞DNA甲基化测序	transformer	DNA甲基化数据	五个单核DNA甲基化数据集（来自人类和小鼠），包括精神分裂症患者和对照组的额叶皮层数据
719	2025-03-14	Publisher Correction: HDL-ACO hybrid deep learning and ant colony optimization for ocular optical coherence tomography image classification 2025-Mar-12, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-93294-w PMID:40075161	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
720	2025-05-10	Low-dose CT reconstruction using cross-domain deep learning with domain transfer module 2025-Mar-11, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/adb932 PMID:39983305	research paper	该研究提出了一种利用跨域深度学习和域转移模块进行低剂量CT重建的新方法	提出了一种跨域深度学习方法，通过域转移函数减少冗余计算，仅需双域网络一半的可训练参数即可达到相当的性能	虽然减少了计算资源需求，但方法的性能仍需在更多临床数据上进一步验证	开发一种计算效率更高的低剂量CT重建方法以减少辐射暴露	低剂量X射线CT图像	computer vision	NA	deep learning	U-Net	CT图像	NA