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
721	2025-05-17	[Comparison of the Impact of Deep Learning Techniques on Low-noise Head CT Images] 2025, Nihon Hoshasen Gijutsu Gakkai zasshi DOI:10.6009/jjrt.25-1537 PMID:40175157	研究论文	比较两种深度学习技术在低噪声头部CT图像上对脑CT值、图像噪声内容及白质与灰质对比噪声比的影响	比较了两种深度学习技术（AiCE和PixelShine）在低噪声头部CT图像上的效果，揭示了它们在减少图像噪声、改变CT值及影响白质与灰质对比噪声比方面的差异	研究样本量较小（21名正常患者），且仅针对无异常发现的正常患者，可能限制了结果的广泛适用性	比较深度学习技术对低噪声头部CT图像质量的影响	低噪声头部CT图像	医学影像处理	NA	深度学习技术（AiCE和PixelShine）	深度学习	CT图像	21名无异常发现的正常患者
722	2025-05-17	Developing predictive models for µ opioid receptor binding using machine learning and deep learning techniques 2025, Experimental biology and medicine (Maywood, N.J.) DOI:10.3389/ebm.2025.10359 PMID:40177220	研究论文	本研究旨在开发机器学习和深度学习模型，用于预测化学物质与µ阿片受体（MOR）的结合活性	结合机器学习和深度学习技术，开发了多种预测模型，用于识别MOR结合剂，可能有助于开发非成瘾性或低成瘾性药物	模型的马修斯相关系数在0.528-0.654和0.408之间，仍有提升空间	预测化学物质与µ阿片受体的结合活性，以辅助开发非成瘾性或低成瘾性阿片类镇痛药	化学物质及其与µ阿片受体的结合活性数据	机器学习	NA	分子描述符计算	随机森林、k近邻、支持向量机、多层感知机、LSTM	分子描述符数据	从公共数据库和文献中收集的化学物质数据
723	2025-05-17	Advancing enterprise risk management with deep learning: A predictive approach using the XGBoost-CNN-BiLSTM model 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0319773 PMID:40179109	研究论文	本研究提出了一种基于深度学习的风险管理模型XGBoost-CNN-BiLSTM，用于提升风险事件的预测和检测能力	结合了XGBoost的结构化数据处理能力、CNN的特征提取能力和BiLSTM的时间序列处理能力，更全面地捕捉风险事件的关键特征	NA	提升企业风险管理的预测和检测能力	企业风险事件	机器学习	NA	深度学习	XGBoost-CNN-BiLSTM	结构化数据和时间序列数据	多个数据集，包括S&P 500历史数据集
724	2025-05-17	Using deep learning artificial intelligence for sex identification and taxonomy of sand fly species 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0320224 PMID:40179129	research paper	开发了一种基于深度学习的AI系统，用于自动识别沙蝇的性别和分类三种不同物种	首次将深度学习技术应用于沙蝇的性别识别和物种分类，实现了超过95%的分类准确率	研究仅针对三种沙蝇物种，可能无法推广到其他物种	开发自动化工具以提高沙蝇分类和性别识别的准确性和效率	沙蝇（Phlebotomus alexandri, Phlebotomus papatasi, Phlebotomus sergenti）	computer vision	leishmaniasis	深度学习	CNN	image	两年内本地采集和制备的沙蝇样本
725	2025-05-17	Active learning regression quality prediction model and grinding mechanism for ceramic bearing grinding processing 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0320494 PMID:40193368	研究论文	探讨陶瓷轴承磨削加工中的质量预测，重点关注磨削参数对表面粗糙度的影响	使用主动学习回归模型进行模型构建和优化，并结合多种深度学习模型进行磨削加工质量预测实验	实验仅覆盖特定磨削参数范围，可能无法涵盖所有实际生产中的复杂情况	优化陶瓷轴承磨削加工质量预测和磨削参数	陶瓷轴承磨削加工过程	机器学习	NA	主动学习回归模型，深度学习	回归模型，深度学习模型	实验数据	多种磨削参数条件下的实验数据
726	2025-05-17	Ensemble deep learning for Alzheimer's disease diagnosis using MRI: Integrating features from VGG16, MobileNet, and InceptionResNetV2 models 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0318620 PMID:40193955	research paper	该研究开发并评估了一种创新的深度学习集成模型，用于从MRI扫描中精确识别阿尔茨海默病的标志物	集成VGG16、MobileNet和InceptionResNetV2三种预训练模型的特征，克服了单个模型在处理不同图像形状和纹理时的局限性	NA	提高阿尔茨海默病的诊断准确性，支持初级放射科医生简化诊断流程，促进早期检测和及时治疗	阿尔茨海默病患者	digital pathology	geriatric disease	MRI	ensemble of VGG16, MobileNet, and InceptionResNetV2	image	NA
727	2025-05-17	Accurate total consumer price index forecasting with data augmentation, multivariate features, and sentiment analysis: A case study in Korea 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0321530 PMID:40359407	研究论文	本文提出了一种结合数据增强、多变量特征和情感分析的新框架，用于准确预测韩国的总消费者价格指数（CPI）	提出了一种新颖的混合CNN-LSTM机制，结合多变量输入、数据增强和情感指数，以提高CPI预测的准确性	CPI数据的月度频率导致时间序列相对稀疏，且外部因素（如政策变化和疫情）增加了CPI的波动性	准确预测韩国的总消费者价格指数（CPI），以支持更及时有效的经济政策制定	韩国的总消费者价格指数（CPI）及其12类商品和服务的462个项目	机器学习	NA	数据增强、情感分析	CNN-LSTM	时间序列数据、文本数据	NA
728	2025-05-17	Neurocognitive Latent Space Regularization for Multi-Label Diagnosis from MRI 2025, Predictive Intelligence in Medicine. PRIME (Workshop) DOI:10.1007/978-3-031-74561-4_16 PMID:40365134	research paper	该研究提出了一种通过潜在空间正则化方法提高MRI脑部研究中深度学习模型可解释性的技术	通过成对解缠技术对多标签分类器的潜在空间进行正则化，使得潜在空间中两个脑MRI表示之间的差异与其神经心理学测试分数的差异相似	研究样本量相对较小，特别是HIV无HAND组仅有32个样本	提高MRI脑部研究中深度学习模型的可解释性，促进神经科学发现	156名对照者、165名轻度认知障碍(MCI)患者、166名HIV相关认知障碍(HAND)患者和32名HIV无HAND患者	digital pathology	geriatric disease	MRI	multi-label classifier	image	519人(156对照+165MCI+166HAND+32HIV无HAND)
729	2025-05-17	Advancing patient care: Machine learning models for predicting grade 3+ toxicities in gynecologic cancer patients treated with HDR brachytherapy 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0312208 PMID:40367095	研究论文	该研究开发并比较了机器学习模型，用于预测接受高剂量率（HDR）近距离放射治疗的妇科癌症患者的3级或更高毒性	应用多种机器学习模型预测妇科癌症患者HDR近距离放射治疗后的3级或更高毒性，为个性化放射治疗提供新方法	研究为回顾性分析，样本量相对较小（233例患者）	开发预测妇科癌症患者HDR近距离放射治疗后3级或更高毒性的机器学习模型	接受HDR近距离放射治疗的妇科癌症患者	机器学习	妇科癌症	HDR近距离放射治疗	Logistic Regression, Random Forest, K-Nearest Neighbors, Support Vector Machines, Gaussian Naive Bayes, Multi-Layer Perceptron Neural Networks, XGBoost	临床数据、剂量学数据	233例妇科癌症患者
730	2025-05-17	Diagnosis of pneumonia from chest X-ray images using YOLO deep learning 2025, Frontiers in neurorobotics IF:2.6Q3 DOI:10.3389/fnbot.2025.1576438 PMID:40370634	research paper	提出了一种使用Fast-YOLO深度学习网络从胸部X光图像中诊断肺炎的新方法	设计了YOLOv11网络结构，整合了C3k2模块、DCNv2和DynamicConv，提高了特征表示能力并降低了计算复杂度	NA	提高肺炎诊断的准确性和实时性	胸部X光图像	computer vision	pneumonia	deep learning	Fast-YOLO, YOLOv11	image	包含五个类别的肺炎数据集
731	2025-05-17	High-precision lung cancer subtype diagnosis on imbalanced exosomal data via Exo-LCClassifier 2025, Frontiers in genetics IF:2.8Q2 DOI:10.3389/fgene.2025.1583081 PMID:40370696	research paper	提出了一种名为Exo-LCClassifier的创新深度学习方法，用于预测肺癌亚型，解决了基因表达数据高维度和不平衡的挑战	整合了特征选择、一维卷积神经网络(1D CNN)和改进的Wasserstein生成对抗网络(WGAN)，通过数据增强和分类提高诊断准确性	未提及在实际临床环境中的验证情况，可能影响其临床应用的可推广性	解决肺癌基因表达数据分析中的不平衡学习问题，提高肺癌亚型诊断的准确性	肺癌亚型的基因表达数据	digital pathology	lung cancer	DESeq2, WGAN, 1D CNN	1D CNN, WGAN	gene expression data	未明确提及具体样本数量，但使用了外部GEO肺癌数据集进行验证
732	2025-05-16	Letter to 'Automated CT image prescription of the gallbladder using deep learning: Development, evaluation, and health promotion' 2025 Jan-Dec, Acute medicine & surgery IF:1.5Q2 DOI:10.1002/ams2.70065 PMID:40370970	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
733	2025-05-17	Prediction of prognosis in acute ischemic stroke after mechanical thrombectomy based on multimodal MRI radiomics and deep learning 2025, Frontiers in neurology IF:2.7Q3 DOI:10.3389/fneur.2025.1587347 PMID:40371075	研究论文	本研究探讨了基于多模态MRI影像组学和深度学习的CRD模型在预测接受机械取栓治疗的急性缺血性卒中患者不良预后中的价值	首次结合临床数据、影像组学特征和深度学习模型构建了综合预测模型CRD，在预测急性缺血性卒中预后方面表现出色	回顾性研究设计可能导致选择偏倚，样本量相对有限(222例患者)	开发更准确的工具预测急性缺血性卒中患者机械取栓后的不良预后	接受机械取栓治疗的急性缺血性卒中患者	数字病理学	心血管疾病	多模态MRI	ResNet101与逻辑回归结合的CRD模型	医学影像	222例患者(训练组155例，验证组67例)
734	2025-05-17	Review of different convolutional neural networks used in segmentation of prostate during fusion biopsy 2025, Central European journal of urology IF:1.4Q3 DOI:10.5173/ceju.2024.0064 PMID:40371421	综述	本文综述了不同卷积神经网络在前列腺融合活检分割中的应用	强调了U-Net架构在高级医学图像分析中的主导地位，并指出所有算法在自动前列腺分割中均达到Dice相似系数74%以上的高精度	不同研究间评估分割结果的方法存在显著异质性，且需要更大样本量的未来研究来验证结果	探索深度学习算法在前列腺融合活检中加速前列腺轮廓勾画的潜力	前列腺癌患者的多参数磁共振成像（mpMRI）数据	数字病理学	前列腺癌	多参数磁共振成像（mpMRI）	CNN, U-Net	医学图像	NA
735	2025-05-17	An Explainable Deep Learning Framework for Predicting Postoperative Radiotherapy-Induced Vaginal Stenosis in Surgically Treated Cervical Cancer Patients 2025, Annali italiani di chirurgia IF:0.9Q3 DOI:10.62713/aic.4011 PMID:40375370	研究论文	开发并验证了一个可解释的深度学习框架，用于预测宫颈癌患者术后放疗引起的阴道狭窄风险	结合Squeeze-and-Excitation网络和Grad-CAM可视化，提高了模型的准确性和可解释性	研究样本量较小（140例患者），且为回顾性研究	预测宫颈癌患者术后放疗引起的阴道狭窄风险，以实现早期个性化干预	接受根治性子宫切除术及放疗的宫颈癌患者	数字病理	宫颈癌	CT成像	SE-Inception, ResNet50, Random Forest	图像	140例患者（51例发生阴道狭窄）
736	2025-05-17	Applicability of Deep Learning to Dynamically Identify the Different Organs of the Pelvic Floor in the Midsagittal Plane 2024-Dec, International urogynecology journal IF:1.8Q3 DOI:10.1007/s00192-024-05841-0 PMID:38913129	研究论文	本研究旨在创建并验证一种卷积神经网络(CNN)，用于通过动态超声识别骨盆底中矢状面的不同器官	首次应用深度学习技术，特别是CNN模型，动态识别骨盆底中矢状面的不同器官	膀胱和子宫的识别准确度相对较低，DSI分别为0.71和0.70	验证CNN在骨盆底器官动态识别中的适用性	骨盆底的不同器官（膀胱、子宫、肛门、耻骨直肠肌等）	计算机视觉	骨盆底疾病	动态超声	CNN（包括UNet、FPN和LinkNet架构）	视频	110名患者（86名用于训练，24名用于测试）
737	2025-05-17	Protein engineering using variational free energy approximation 2024-12-01, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-54814-w PMID:39617781	研究论文	本文提出了一种名为PREVENT的模型，通过变分自由能近似方法生成稳定且功能性的蛋白质变体	PREVENT模型通过学习蛋白质的序列和热力学景观，生成热力学稳定的功能性蛋白质变体，相比传统方法具有更高的效率和成功率	研究仅针对E. coli磷酸转移酶N-乙酰-L-谷氨酸激酶(EcNAGK)的40种变体进行了评估，需要更多样本来验证模型的普适性	加速蛋白质工程过程，生成稳定且功能性的蛋白质变体	E. coli磷酸转移酶N-乙酰-L-谷氨酸激酶(EcNAGK)	蛋白质工程	NA	变分自由能近似	PREVENT	蛋白质序列和结构数据	40种EcNAGK变体
738	2025-05-17	ANALYSIS OF CHALLENGES AND POSSIBILITIES OF USING ARTIFICIAL INTELLIGENCE IN MEDICAL DIAGNOSTICS 2024-Dec, Georgian medical news PMID:40007388	review	本文分析了人工智能在医学诊断中的挑战与可能性	系统性地分析了不同类型AI在医学诊断中的应用及其面临的挑战，并提出了未来发展趋势	研究仅基于2019-2024年的24项研究，可能存在样本量不足的问题	评估人工智能在医疗诊断中的应用效果及其潜在机会	人工智能在医学诊断中的各类应用	machine learning	NA	multi-modal AI, deep learning, machine learning	NA	multi-modal data	24项研究
739	2025-05-17	[Development of a Deep Learning-Based System for Supporting Medical Decision-Making in PI-RADS Score Determination] 2024-Dec, Urologiia (Moscow, Russia : 1999) PMID:40377545	研究论文	开发基于深度学习的计算机辅助诊断系统，用于支持PI-RADS评分确定中的医疗决策	使用3D U-Net架构处理多种MRI图像，旨在减少PI-RADS分级中的人为错误	灵敏度和分割准确性有待提高，需要更大数据集和更先进的深度学习技术	开发支持临床决策的计算机辅助诊断系统，提高前列腺癌诊断准确性	前列腺癌患者（PI-RADS评分4-5）和良性病变患者（PI-RADS评分1-2）	数字病理	前列腺癌	MRI（T2W、DWI、DCE）	3D U-Net	医学影像	136名患者（108例前列腺癌，28例良性病变）
740	2025-05-17	Synthetic augmentation of cancer cell line multi-omic datasets using unsupervised deep learning 2024-11-29, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-54771-4 PMID:39614072	研究论文	本文介绍了一种名为MOSA的无监督深度学习模型，用于整合和增强癌症依赖图谱（DepMap）的多组学数据	MOSA模型通过整合多组学信息，成功生成了分子和表型特征，增加了32.7%的多组学特征数量，并生成了1523个癌细胞系的完整DepMap	NA	整合和增强癌症依赖图谱的多组学数据，以提高统计能力并揭示与耐药性相关的机制	癌细胞系的多组学数据集	机器学习	癌症	无监督深度学习	MOSA	多组学数据	1523个癌细胞系