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
61	2025-05-13	Ultrasound-based deep learning radiomics for enhanced axillary lymph node metastasis assessment: a multicenter study 2025-May-08, The oncologist DOI:10.1093/oncolo/oyaf090 PMID:40349137	研究论文	本研究开发了一种基于超声的深度学习放射组学模型，用于评估乳腺癌患者的腋窝淋巴结转移，并验证其对放射科医生诊断准确性的提升	结合深度学习和手工放射组学特征，构建临床-放射组学模型，显著提高了放射科医生的诊断准确性	研究仅基于超声图像，未考虑其他影像学或分子生物学数据	开发并验证一种非侵入性方法，用于乳腺癌患者腋窝淋巴结转移的术前评估	乳腺癌患者	数字病理	乳腺癌	超声成像	深度学习放射组学模型	超声图像	866名乳腺癌患者，来自6家医院
62	2025-05-13	Machine learning-based approaches for distinguishing viral and bacterial pneumonia in paediatrics: A scoping review 2025-May-08, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108802 PMID:40349546	综述	本文综述了基于机器学习的儿科病毒性和细菌性肺炎分类方法的研究现状	总结了机器学习特别是深度学习在利用胸片图像分类儿科肺炎中的应用和潜力	现有研究主要依赖单一公开数据集(Kermany数据集)，存在过拟合和泛化性不足的问题	评估机器学习技术对儿科病毒性和细菌性肺炎的分类效果	0-18岁通过胸片诊断的肺炎患儿	医学影像分析	肺炎	机器学习(ML)和深度学习(DL)	CNN	胸片图像	35项研究(2018-2025年)
63	2025-05-13	MRI-based multimodal AI model enables prediction of recurrence risk and adjuvant therapy in breast cancer 2025-May-07, Pharmacological research IF:9.1Q1 DOI:10.1016/j.phrs.2025.107765 PMID:40345352	研究论文	本研究开发了一种基于多模态MRI和AI的3D深度学习模型（3D-MMR模型），用于预测非转移性乳腺癌患者的复发风险和辅助治疗效果	结合多模态MRI数据和AI技术，开发了3D-MMR模型，首次实现了对乳腺癌复发风险的精准预测，并通过RNA-seq分析探索了肿瘤微环境与复发风险的关系	研究样本仅来自中国的四个机构，可能限制了模型的普适性	提高乳腺癌患者的预后评估准确性，指导个体化治疗决策	非转移性乳腺癌患者	数字病理学	乳腺癌	MRI（T1+C和T2WI）、RNA-seq	3D-UNet、DenseNet121	MRI图像、临床数据、RNA-seq数据	1199名非转移性乳腺癌患者
64	2025-05-13	Diagnostic accuracy of machine learning algorithms in electrocardiogram-based sleep apnea detection: A systematic review and meta-analysis 2025-May-07, Sleep medicine reviews IF:11.2Q1 DOI:10.1016/j.smrv.2025.102097 PMID:40349509	meta-analysis	评估机器学习和深度学习算法在基于单导联心电图数据的睡眠呼吸暂停检测中的诊断准确性	首次系统评价和荟萃分析机器学习与深度学习在单导联心电图中检测睡眠呼吸暂停的诊断准确性	算法效果存在差异且存在方法学偏倚	评估机器学习和深度学习算法在睡眠呼吸暂停检测中的诊断准确性	单导联心电图数据	machine learning	sleep apnea	machine learning, deep learning	ML/DL	ECG signals	84项研究
65	2025-05-13	Intelligent transformation of ultrasound-assisted novel solvent extraction plant active ingredients: Tools for machine learning and deep learning 2025-May-07, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2025.144649 PMID:40349518	综述	本文综述了机器学习和深度学习在超声波辅助新型溶剂提取植物活性成分中的应用及挑战	利用机器学习和深度学习模型加速新型溶剂筛选、优化提取过程、深入分析提取机制及实时监控超声设备	模型可解释性不足、数据集标准化缺乏以及工业可扩展性受限	推动超声波辅助提取技术的智能化与数字化发展	植物活性成分的超声波辅助提取过程	机器学习	NA	超声波辅助提取	机器学习和深度学习模型	NA	NA
66	2025-05-13	EPIPDLF: a pretrained deep learning framework for predicting enhancer-promoter interactions 2025-May-06, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btae716 PMID:40036975	research paper	该论文提出了一种名为EPIPDLF的预训练深度学习框架，用于预测增强子-启动子相互作用	EPIPDLF利用先进的深度学习技术，仅基于基因组序列以可解释的方式预测EPIs，并在六个基准数据集上表现出优越性能	未提及具体局限性	开发一种高效且成本较低的预测增强子-启动子相互作用的方法	增强子和启动子之间的相互作用	machine learning	NA	深度学习	预训练深度学习框架	基因组序列	六个基准数据集
67	2025-05-13	JAX-RNAfold: scalable differentiable folding 2025-May-06, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaf203 PMID:40279486	research paper	介绍了一个名为JAX-RNAfold的开源软件包，用于改进的可微分RNA折叠算法，可扩展到1,250个核苷酸	提出了一个显著改进的可微分折叠算法，能够在单个GPU上处理多达1,250个核苷酸，并允许将可微分折叠作为模块集成到更大的深度学习流程中	NA	优化RNA设计中的可微分折叠算法，提高其可扩展性和实用性	RNA序列	machine learning	NA	differentiable folding	deep learning	RNA序列数据	NA
68	2025-05-13	The use of deep learning and artificial intelligence-based digital technologies in art education 2025-May-06, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-00892-9 PMID:40328802	研究论文	本研究提出并优化了一个创新的艺术创作系统Creative Intelligence Cloud (CIC)，旨在探索深度学习和人工智能技术在艺术教育中的应用	结合深度生成对抗网络和卷积神经网络，提升艺术创作的自动化水平、风格一致性和创作效率	未提及在真实教学场景中的具体应用限制	探索深度学习和人工智能技术在艺术创作和艺术教育中的应用	艺术创作系统CIC	数字艺术	NA	深度学习、人工智能	GAN、CNN	图像	NA
69	2025-05-13	A systematic review of AI as a digital twin for prostate cancer care 2025-May-06, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108804 PMID:40347618	系统综述	本文系统综述了AI作为数字孪生在前列腺癌护理中的应用	结合AI技术（如机器学习和深度学习）的数字孪生系统，为前列腺癌提供个性化、精准和高效的医疗护理	需要实时数据整合、提高AI模型的可解释性以及更稳健的临床验证	探讨AI驱动的数字孪生在前列腺癌病理学中的应用及其潜力	前列腺癌患者	数字病理学	前列腺癌	机器学习（ML）、深度学习（DL）	Large Language Models (LLMs)、Vision-Language Models (VLMs)	多模态数据	NA
70	2025-05-13	iEnhancer-DS: Attention-based improved densenet for identifying enhancers and their strength 2025-May-05, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2025.108484 PMID:40349379	研究论文	提出了一种基于深度学习的多任务框架iEnhancer-DS，用于增强子识别及其强度分类	结合改进的DenseNet模块和自注意力机制，动态评估特征重要性并分配权重，提高了增强子识别和强度预测的性能	未提及具体的数据集规模或多样性限制	开发计算方法来快速准确地识别增强子及其强度	DNA序列中的增强子及其强度	生物信息学	NA	one-hot编码和核苷酸化学性质（NCP）	改进的DenseNet和自注意力机制	DNA序列数据	NA
71	2025-05-13	Deep learning-based auto-contouring of organs/structures-at-risk for pediatric upper abdominal radiotherapy 2025-May-04, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2025.110914 PMID:40328363	research paper	本研究开发了一种基于CT的多器官分割模型，用于描绘儿童上腹部肿瘤放疗中的风险器官，并评估了其在多个数据集中的鲁棒性	开发了一个适用于儿童上腹部肿瘤放疗的多器官自动分割模型，并在多个数据集中验证了其鲁棒性	0-2岁年龄组的性能最低，胃-肠和胰腺的DSC值低于0.90	开发并评估一种基于CT的多器官分割模型，用于儿童上腹部肿瘤放疗中的风险器官描绘	儿童上腹部肿瘤患者（肾肿瘤和神经母细胞瘤）的术后CT图像	digital pathology	pediatric cancer	CT imaging, deep learning-based auto-segmentation	deep learning model	CT images	189例儿科患者的术后CT图像（内部数据集）和189例覆盖胸腹区域的公共数据集
72	2025-05-13	Artificial intelligence (AI) in point-of-care testing 2025-May-03, Clinica chimica acta; international journal of clinical chemistry DOI:10.1016/j.cca.2025.120341 PMID:40324611	review	本文探讨了人工智能（AI）在即时检测（POCT）中的整合应用及其对现代医疗的变革性影响	AI技术通过卷积神经网络、预测分析和便携式设备等，显著提升了疟疾检测的敏感性、设备运行效率和贫血筛查准确性，同时减少了抗生素滥用和诊断延迟	存在数据隐私风险、算法不透明性以及低收入和中等收入国家的基础设施差距等挑战	探讨AI在POCT中的应用，以解决诊断准确性、工作流程效率和公平获取医疗资源等关键问题	即时检测（POCT）设备和AI技术的整合应用	machine learning	malaria, anaemia, cardiovascular disease, dengue	machine learning, deep learning, natural language processing, predictive analytics, explainable AI, blockchain encryption	CNN	image, real-time data, genomic data, wearable data	NA
73	2025-05-13	CWBLS network and its application in portable spectral measurement 2025-May-03, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2025.126329 PMID:40347777	研究论文	本文提出了一种名为D-CWBLS网络的新方法，用于解决便携式近红外光谱中由于低信噪比和低重复性数据导致的回归模型准确性和稳定性差的问题	D-CWBLS网络在BLS网络的基础上进行了三方面改进：扩展网络结构以纳入近红外特征光谱带数据、通过添加Dropout层加深网络以优化结构并消除冗余信息、结合优化的特征节点权重矩阵和增强节点权重矩阵以消除网络训练中的随机性不确定性	NA	提高便携式近红外光谱设备在户外使用中的回归模型准确性和稳定性	便携式近红外光谱数据	机器学习	NA	近红外光谱	D-CWBLS网络	光谱数据	NA
74	2025-05-13	Automated vertebrae identification and segmentation with structural uncertainty analysis in longitudinal CT scans of patients with multiple myeloma 2025-May-03, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.112160 PMID:40349413	研究论文	本研究通过结构不确定性分析优化了多发性骨髓瘤患者纵向CT扫描中的深度学习椎骨分割方法	提出了一种结合开源深度学习方法和后验结构不确定性分析的增强分割流程，自动纠正不一致或标记不确定区域供人工审查	研究依赖于回顾性数据，可能受到数据收集时间和范围的限制	优化多发性骨髓瘤患者纵向CT扫描中的椎骨分割准确性	474名多发性骨髓瘤患者的纵向CT扫描数据	数字病理	多发性骨髓瘤	CT扫描	Payer's方法（一种开源深度学习方法）	医学影像（CT扫描）	474名患者（训练集179名患者349次扫描，测试集295名患者671次扫描）
75	2025-05-13	Deep learning for early detection of chronic kidney disease stages in diabetes patients: A TabNet approach 2025-May-02, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103153 PMID:40347843	research paper	该研究开发了一种基于TabNet的深度学习模型，用于糖尿病患者的慢性肾病（CKD）分期早期检测	采用了一种新颖的迭代后向特征选择策略来确定CKD分期的关键预测因子，并应用了基于注意力的TabNet架构，同时对比了传统树集成方法和多层感知机	研究依赖于特定队列（CRIC研究）的数据，可能限制了模型的泛化能力	开发一个多类CKD分期预测模型，以改善糖尿病患者的早期肾病检测和临床决策	糖尿病患者的慢性肾病分期	machine learning	chronic kidney disease	deep learning, explainable AI (XAI)	TabNet, XGBoost, random forest, AdaBoost, multi-layer perceptron	longitudinal clinical data	来自慢性肾功能不全队列（CRIC）研究的数据
76	2025-05-13	Quantitative CT Scan Analysis in Rheumatoid Arthritis-Related Interstitial Lung Disease 2025-May, Chest IF:9.5Q1 DOI:10.1016/j.chest.2024.10.052 PMID:39528110	research paper	该研究探讨了深度学习基于CT影像的肺纤维化定量分析在评估类风湿关节炎相关间质性肺病（RA-ILD）疾病严重程度、预测死亡率和识别疾病进展中的效用	使用数据驱动的纹理分析（DTA）方法定量评估CT扫描，揭示了肺纤维化定量评分与肺功能和生存率之间的关联	研究样本量相对较小，验证队列仅包含50名患者，可能影响结果的普遍性	评估定量CT影像在RA-ILD中的临床应用价值，特别是在预测疾病进展和死亡率方面的作用	类风湿关节炎相关间质性肺病（RA-ILD）患者	digital pathology	rheumatoid arthritis-related interstitial lung disease	CT imaging, data-driven texture analysis (DTA)	deep learning	image	289名患者的主要队列和50名患者的验证队列
77	2025-05-13	Artificial Intelligence in Detecting and Segmenting Vertical Misfit of Prosthesis in Radiographic Images of Dental Implants: A Cross-Sectional Analysis 2025-May, Clinical oral implants research IF:4.8Q2 DOI:10.1111/clr.14406 PMID:39840554	研究论文	本研究评估了ResNet-50和U-Net模型在牙科种植体根尖周X光片中检测和分割垂直不匹配的能力	首次将ResNet-50和U-Net深度学习模型应用于牙科种植体垂直不匹配的检测和分割，并与临床医生的表现进行了比较	研究仅基于根尖周X光片，未考虑其他影像学检查方法	评估人工智能在牙科种植体垂直不匹配检测和分割中的性能	牙科种植体根尖周X光片	计算机视觉	牙科疾病	深度学习	ResNet-50, U-Net	图像	638张根尖周X光片
78	2025-05-13	Interpretation of basal nuclei in brain dopamine transporter scans using a deep convolutional neural network 2025-May-01, Nuclear medicine communications IF:1.3Q3 DOI:10.1097/MNM.0000000000001963 PMID:39962871	research paper	使用深度卷积神经网络解释脑部多巴胺转运体扫描中的基底核	采用深度学习技术（特别是迁移学习）来辅助帕金森病的临床诊断，提高了图像解释的客观性和准确性	研究为回顾性研究，样本量有限（416例），且仅使用了三种预训练模型	通过深度学习技术促进帕金森病的临床诊断	临床不确定帕金森综合征患者的DAT SPECT扫描图像	digital pathology	Parkinson's disease	DAT SPECT, 99m Tc-TRODAT-1	CNN (Xception, InceptionV3, ResNet101)	image	416例临床不确定帕金森综合征患者
79	2025-05-13	DRExplainer: Quantifiable interpretability in drug response prediction with directed graph convolutional network 2025-May, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103101 PMID:40056540	research paper	提出了一种名为DRExplainer的新型可解释预测模型，用于癌症细胞系对治疗药物的反应预测	利用有向图卷积网络在双向网络框架中增强预测，并引入可量化的模型解释方法	未提及具体的数据集规模限制或模型泛化能力的局限性	提高药物反应预测的准确性和可解释性，以支持个性化医疗	癌症细胞系对治疗药物的反应	machine learning	cancer	multi-omics profiling	directed graph convolutional network	multi-omics data, chemical structure data, drug response data	NA
80	2025-05-13	Deep Radon Prior: A fully unsupervised framework for sparse-view CT reconstruction 2025-May, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109853 PMID:40056836	研究论文	提出了一种名为Deep Radon Prior (DRP)的全无监督深度学习框架，用于稀疏视图CT重建，以减少辐射暴露并提高图像质量	DRP框架通过将神经网络作为隐式先验整合到迭代重建过程中，减少了对外部高质量训练数据的依赖，并提高了重建过程的可解释性	NA	解决稀疏视图CT重建中的伪影问题，提高图像质量	稀疏视图CT图像	医学影像	NA	深度学习	Deep Radon Prior (DRP)	CT图像	NA