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
8061	2025-05-27	Multimodal malware classification using proposed ensemble deep neural network framework 2025-May-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-96203-3 PMID:40410526	research paper	提出了一种基于多模态方法的恶意软件分类框架，整合了恶意软件图像和数值特征以提高分类效果	采用多模态晚期融合技术，结合RUSBoost和提出的集成深度神经网络，显著提高了恶意软件分类的准确性和鲁棒性	未提及具体的数据集规模限制或计算资源需求	提高恶意软件分类的准确性和鲁棒性，以应对现代恶意软件攻击的复杂环境	恶意软件	machine learning	NA	Neighbourhood Component Analysis (NCA), Synthetic Minority Over-sampling Technique (SMOTE), Random Under Sampling and Boosting (RUSBoost)	ensemble deep neural network	image, numeric	NA
8062	2025-05-27	Facial emotion based smartphone addiction detection and prevention using deep learning and video based learning 2025-May-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-99681-7 PMID:40410532	研究论文	本文提出了一种基于深度学习和视频学习的智能手机成瘾检测与预防方法，通过分析学生的面部情绪来识别和减少智能手机成瘾	结合心智理论（Theory of Mind）与视频建模（Video Modelling）框架，利用MnasNet-TLBO和CNN-CSO优化算法进行情绪识别，并通过动态调整激励视频来促进行为改变	研究仅针对750名行为参数较低的学生，样本范围可能有限	检测和预防学生的智能手机成瘾行为	学生	计算机视觉	NA	深度学习、视频建模、Fisher-Yates和Durstenfeld随机算法	MnasNet-TLBO、CNN-CSO	视频、面部情绪数据	750名行为参数较低的学生
8063	2025-05-27	A deep learning model integrating domain-specific features for enhanced glaucoma diagnosis 2025-May-23, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-025-02925-9 PMID:40410768	研究论文	提出了一种结合领域特定特征的深度学习模型，用于增强青光眼的诊断	结合非结构化和结构化特征，通过深度学习模型区分青光眼和生理性大杯	未提及样本来源的多样性及模型在临床环境中的实际应用效果	提高青光眼的早期诊断准确率	青光眼患者和生理性大杯患者的视网膜图像	数字病理学	青光眼	深度学习	CNN	图像	未明确提及具体样本数量
8064	2025-05-27	Advancements in Structure-based Drug Design Using Geometric Deep Learning 2025-May-23, Current medicinal chemistry IF:3.5Q2 DOI:10.2174/0109298673388739250516071228 PMID:40417758	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
8065	2025-05-27	Machine learning models in the prediction of chronic or shunt-dependent hydrocephalus following subarachnoid hemorrhage: A systematic review and meta-analysis 2025-May-22, The neuroradiology journal DOI:10.1177/19714009251345104 PMID:40405362	meta-analysis	该论文通过系统综述和荟萃分析评估了机器学习模型在预测蛛网膜下腔出血后慢性或分流依赖性脑积水的性能	首次通过荟萃分析方法综合评估机器学习模型在预测特定类型脑积水中的表现	仅纳入表现最佳的模型数据，可能忽略其他有价值的信息	评估机器学习模型预测蛛网膜下腔出血后慢性或分流依赖性脑积水的准确性	蛛网膜下腔出血患者	machine learning	心血管疾病	机器学习	ML/DL	临床数据	6项研究中的2096名个体
8066	2025-05-27	Deep Learning for Automated Prediction of Sphenoid Sinus Pneumatization in Computed Tomography 2025-May-22, Current medical imaging IF:1.1Q3 DOI:10.2174/0115734056363158250429101521 PMID:40415313	研究论文	开发了一个用于自动预测CT扫描中蝶窦气化模式的CNN模型	首次使用深度学习技术自动识别蝶窦气化模式，特别是在类型IV上表现出色，这对内窥镜鼻窦手术至关重要	初始数据集较小且不平衡，尽管通过数据增强进行了改善，但样本量仍有限	提高经蝶窦手术的安全性，通过自动识别蝶窦气化模式来辅助放射科医生和外科医生	蝶窦气化模式	计算机视觉	鼻窦疾病	CT扫描	CNN	图像	249张CT图像（训练集174张，测试集75张），增强后训练集增至378张
8067	2025-05-27	ProtoECGNet: Case-Based Interpretable Deep Learning for Multi-Label ECG Classification with Contrastive Learning 2025-May-17, ArXiv PMID:40395940	research paper	本文提出了一种基于原型学习的深度学习模型ProtoECGNet，用于可解释的多标签心电图分类	ProtoECGNet结合了1D CNN和2D CNN，使用原型损失和对比学习来提高分类性能并提供基于案例的解释	模型在PTB-XL数据集上进行评估，但未在其他数据集上验证其泛化能力	开发一种可解释的深度学习模型，用于多标签心电图分类	心电图数据	machine learning	心血管疾病	深度学习	CNN	时间序列数据	PTB-XL数据集中的71个诊断标签
8068	2025-05-27	Machine Learning in nanoarchitectonics 2025-May-13, Advances in colloid and interface science IF:15.9Q1 DOI:10.1016/j.cis.2025.103546 PMID:40412155	综述	本文回顾了人工智能、机器学习和深度学习在纳米结构学中的发现、预测、优化、表征和成像方面的应用	探讨了可解释人工智能（XAI）在纳米结构学中的应用，通过分析可解释性、时间、准确性和参数（ITAP）矩阵来理解机器决策	未明确提及具体的研究局限性	分析机器学习和人工智能在纳米结构学中的应用及其潜在影响	纳米结构学中的原子和分子科学、胶体和纳米薄膜技术、微宏观技术	机器学习	NA	机器学习、深度学习、可解释人工智能（XAI）	NA	NA	NA
8069	2025-05-27	The Potential Role of AI- and Machine Learning Models in the Early Detection of Oral Cancer and Oral Potentially Malignant Disorders 2025-05-12, Studies in health technology and informatics DOI:10.3233/SHTI250257 PMID:40357619	review	本文评估了人工智能在口腔癌及口腔潜在恶性病变早期检测中的应用进展	探讨了AI和深度学习模型在提高口腔癌及口腔潜在恶性病变早期检测准确性方面的潜力	存在解释性有限和伦理问题等挑战，需解决以全面整合到临床实践中	评估AI在口腔癌及口腔潜在恶性病变早期检测中的应用	口腔癌及口腔潜在恶性病变	digital pathology	oral cancer	AI-modalities, machine learning	deep learning models	NA	八项研究（2015-2024年间发表）
8070	2025-05-27	Interpretable MRI-Based Deep Learning for Alzheimer's Risk and Progression 2025-May-07, medRxiv : the preprint server for health sciences DOI:10.1101/2025.05.06.25326606 PMID:40385384	research paper	该研究应用基于MRI的深度学习模型于中国SILCODE队列，用于阿尔茨海默病（AD）的早期检测和风险评估	模型在未经重新训练或微调的情况下，展示了强大的跨种族泛化能力，并成功识别出高风险个体及AD脑亚型	研究主要基于MRI数据，未涉及其他类型的生物标志物或影像数据	开发可解释的基于MRI的深度学习模型，用于AD的早期检测和风险评估	722名参与者，1,105次脑部MRI扫描	digital pathology	geriatric disease	MRI	deep learning	image	722名参与者，1,105次脑部MRI扫描
8071	2025-05-27	Surrogate modeling of Cellular-Potts Agent-Based Models as a segmentation task using the U-Net neural network architecture 2025-May-05, ArXiv PMID:40386573	research paper	该研究开发了一种基于U-Net架构的卷积神经网络（CNN）代理模型，用于加速Cellular-Potts模型（CPM）的模拟评估	利用U-Net神经网络架构作为CPM的代理模型，显著提高了模拟评估速度（加速590倍），并有效捕捉了原始CPM的涌现行为	未明确提及具体限制，但可能包括模型泛化能力和对不同生物过程的适应性	开发高效的深度学习代理模型，以加速计算密集型的Cellular-Potts模型模拟	Cellular-Potts模型（CPM）及其在血管生成研究中的应用	machine learning	NA	卷积神经网络（CNN），U-Net架构	U-Net	模拟数据	NA
8072	2025-05-27	Recent topics in musculoskeletal imaging focused on clinical applications of AI: How should radiologists approach and use AI? 2025-May, La Radiologia medica DOI:10.1007/s11547-024-01947-z PMID:39992330	综述	本文讨论了人工智能在肌肉骨骼成像领域的临床应用，包括图像生成和自动化诊断支持	聚焦于深度学习重建和基于MRI的皮质骨成像的临床应用，以及AI在罕见疾病诊断和预防医学中的角色	未提及具体的技术限制或研究样本量的限制	探讨人工智能在肌肉骨骼成像领域的应用及其对放射科医生的影响	肌肉骨骼成像和AI技术在放射学中的应用	数字病理	肌肉骨骼疾病	MRI, 深度学习	深度学习	图像	NA
8073	2025-05-27	Hybrid Electromagnetic-Triboelectric Hip Energy Harvester for Wearables and AI-Assisted Motion Monitoring 2025-May, Small (Weinheim an der Bergstrasse, Germany) DOI:10.1002/smll.202500643 PMID:40190045	研究论文	本文介绍了一种AI辅助的可穿戴髋关节能量采集器（HJEH），用于将髋关节运动的机械能转化为电能并监测人体运动	结合电磁发电机（EMG）和独立式摩擦电纳米发电机（FS-TENG）实现能量采集与运动监测，并采用深度学习算法处理摩擦电信号	NA	开发一种可穿戴设备，用于能量采集和人体运动监测	人体髋关节运动	可穿戴技术	老年疾病	电磁发电技术、摩擦电纳米发电技术、深度学习算法	深度学习模型	运动信号	NA
8074	2025-05-27	SCOPE-MRI: Bankart Lesion Detection as a Case Study in Data Curation and Deep Learning for Challenging Diagnoses 2025-Apr-29, ArXiv PMID:40395941	research paper	该研究介绍了ScopeMRI，首个公开的专家标注肩部病理数据集，并提出了一个深度学习框架用于在标准MRI和MRA上检测Bankart病变	首次公开专家标注的肩部病理数据集ScopeMRI，开发了结合CNN和transformer的深度学习模型，在标准MRI上达到与放射科医生相当的诊断性能	虽然在外院数据上进行了初步验证，但模型在不同成像协议下的泛化能力仍需进一步研究	开发深度学习模型以提高Bankart病变在标准MRI上的诊断准确性，减少对侵入性MRA的依赖	肩部MRI图像中的Bankart病变检测	digital pathology	musculoskeletal disease	MRI	CNN, transformer	3D medical imaging	586 shoulder MRIs (335 standard, 251 MRAs) from 558 patients
8075	2025-05-27	Hybrid AI models for predicting heat distribution in complex tissue structures with bioheat transfer simulation 2025-Apr, Journal of thermal biology IF:2.9Q1 DOI:10.1016/j.jtherbio.2025.104122 PMID:40311397	研究论文	本文提出了一种结合深度学习与分数阶Legendre小波方法的生物热传递模型，用于精确预测工程组织构建中的热效应	该模型整合了分数阶Legendre小波方法，实现了比传统方法快15%的热预测速度，并在多种组织类型中保持预测误差低于0.4°C	实验验证仅针对5厘米组织构建体进行，未涉及更复杂或更大规模的组织结构	提高生物组织热行为的预测精度，以支持热疗、热消融和组织工程等医疗应用	工程组织构建体（包括皮肤、肌肉、脂肪和骨骼等多种组织类型）	生物医学工程	NA	深度学习增强的生物热传递模拟	深度学习与分数阶Legendre小波混合模型	热分布数据	5厘米组织构建体，暴露于15W热源120分钟
8076	2025-05-27	Enhancing Patient Outcome Prediction Through Deep Learning With Sequential Diagnosis Codes From Structured Electronic Health Record Data: Systematic Review 2025-Mar-18, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/57358 PMID:40100249	系统性综述	本文系统性综述了利用深度学习模型整合序列诊断数据以预测患者结局的研究现状	首次系统评估了序列诊断数据在深度学习模型中的应用及其对预测性能的影响	研究方法和结局指标存在异质性，且多数研究存在高偏倚风险	评估序列诊断数据在深度学习模型中的整合方式及其对预测性能的影响	基于电子健康记录中序列诊断代码的深度学习预测模型	医疗人工智能	多种疾病（重点关注心力衰竭）	深度学习	RNN及其衍生模型（56%）、Transformer（26%）	序列诊断代码、用药记录等结构化电子健康记录数据	84项符合条件的研究（共740篇初筛文献）
8077	2025-05-27	Oculomics approaches using retinal imaging to predict mental health disorders: a systematic review and meta-analysis 2025-Mar-18, International ophthalmology IF:1.4Q3 DOI:10.1007/s10792-025-03500-x PMID:40100514	meta-analysis	该研究通过系统综述和荟萃分析评估了眼组学方法（包括深度学习、机器学习和逻辑回归模型）在利用视网膜成像检测主要精神障碍中的诊断性能	首次通过荟萃分析方法综合评估了眼组学技术在精神障碍诊断中的应用效果，并揭示了其高诊断准确性	所有研究存在高偏倚风险，主要源于病例对照研究设计、缺乏外部验证和选择偏倚，部分模型出现过拟合现象，且未发现精神障碍特异性视网膜生物标志物	评估眼组学方法在精神障碍诊断中的性能并探讨其临床应用潜力	主要精神障碍（包括重度抑郁症、双相情感障碍、精神分裂症、强迫症和自闭症谱系障碍）患者	数字病理学	精神障碍	深度学习，机器学习，逻辑回归模型	NA	视网膜图像（包括彩色眼底照相、光学相干断层扫描和光学相干断层扫描血管成像）	11项研究中的13个诊断模型
8078	2025-05-27	Artificial Vision Systems for Fruit Inspection and Classification: Systematic Literature Review 2025-Feb-28, Sensors (Basel, Switzerland) DOI:10.3390/s25051524 PMID:40096367	系统文献综述	本文通过系统文献综述，探讨了计算机视觉在水果分选和质量检测中的应用领域、硬件配置及算法技术	总结了2015至2024年间56篇相关文献，提供了水果质量检测系统开发的基础指南	仅分析了2015至2024年的文献，可能未涵盖早期的重要研究	识别水果分选的不同应用领域、典型硬件配置及使用的技术和算法	水果分选和质量检测	计算机视觉	NA	RGB相机、LED照明系统、多光谱相机、Otsu和Sobel算法、ResNet和VGG模型	ResNet, VGG	图像	56篇文献
8079	2025-05-27	A Review of Machine Learning and Deep Learning Methods for Person Detection, Tracking and Identification, and Face Recognition with Applications 2025-Feb-26, Sensors (Basel, Switzerland) DOI:10.3390/s25051410 PMID:40096196	综述	本文全面分析了人脸识别、跟踪、识别和人员检测技术的最新发展，强调了现有技术的优缺点	通过PRISMA方法系统综述了100多篇著名期刊文章，概括了该领域最相关的研究，并强调了从传统方法向深度学习方法转变的趋势	模型在不同环境条件下的鲁棒性有待提高，包括多样光照和遮挡；对不同摄像机角度的适应性；以及与隐私权相关的伦理和法律问题	评估人脸识别、跟踪、识别和人员检测技术的最新发展	142篇相关论文	计算机视觉	NA	机器学习、深度学习	NA	NA	142篇论文
8080	2025-05-27	Development of a model for measuring sagittal plane parameters in 10-18-year old adolescents with idiopathic scoliosis based on RTMpose deep learning technology 2025-Jan-11, Journal of orthopaedic surgery and research IF:2.8Q1 DOI:10.1186/s13018-024-05334-2 PMID:39799363	research paper	开发了一种基于RTMpose深度学习技术的模型，用于快速自动测量青少年特发性脊柱侧凸（AIS）患者的全脊柱X光片	利用RTMpose深度学习技术自动化测量过程，解决了手动测量耗时和个体间变异性的问题	不同医院数据格式和规范的变异性是一个挑战，通过数据增强技术进行了处理	开发一种深度学习模型，用于快速自动测量AIS患者的全脊柱X光片	10-18岁青少年特发性脊柱侧凸（AIS）患者	digital pathology	idiopathic scoliosis	RTMpose deep learning technology	RTMpose	X-ray images	560张全脊柱矢状面X光片，来自内蒙古五家医院