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
801	2025-05-01	A review of machine learning methods for imbalanced data challenges in chemistry 2025-Apr-22, Chemical science IF:7.6Q1 DOI:10.1039/d5sc00270b PMID:40271022	review	综述了化学领域中处理不平衡数据挑战的机器学习方法	全面回顾了当前用于解决化学领域不平衡数据问题的方法，并探讨了未来研究方向	未具体提及研究的局限性	探讨机器学习在化学领域中处理不平衡数据的方法及其应用	化学领域中的不平衡数据集	machine learning	NA	resampling techniques, data augmentation techniques, algorithmic approaches, feature engineering strategies	ML, DL, LLMs	化学数据	NA
802	2025-05-01	Diagnosis of carpal tunnel syndrome using deep learning with comparative guidance 2025-Apr-22, Clinical neurophysiology : official journal of the International Federation of Clinical Neurophysiology IF:3.7Q2 DOI:10.1016/j.clinph.2025.03.038 PMID:40300239	研究论文	本研究开发了一种基于深度学习的模型，用于通过超声图像比较分类来稳健诊断腕管综合征(CTS)	提出了一种基于余弦相似度的比较引导方法，使模型能够自动识别超声图像中异常回声纹理差异	样本量相对较小(152名参与者)，且仅针对特定肌肉群(大鱼际和小鱼际肌)	开发一种稳健的腕管综合征诊断方法	腕管综合征患者和健康个体的超声图像	数字病理学	腕管综合征	超声成像	深度学习模型	超声图像	152名参与者(包括CTS患者和健康个体)
803	2025-05-01	Explainable AI for sharp injury identification using transfer learning with pre-trained deep neural networks 2025-Apr-22, Forensic science international IF:2.2Q1 DOI:10.1016/j.forsciint.2025.112476 PMID:40300435	research paper	研究使用预训练的深度神经网络和迁移学习技术，开发可解释的AI模型，用于自动识别和分类锐器伤	首次将可解释AI技术应用于法医锐器伤分类，并比较AI模型与法医病理学家的分类效果	对砍伤的分类准确率较低（30.0%），且样本量不平衡可能影响模型性能	开发自动识别和分类锐器伤的AI方法，支持法医损伤分类	锐器伤照片（刺伤、砍伤和割伤）	computer vision	NA	transfer learning	ResNet50, GoogLeNet, ShuffleNet-V2	image	1161张训练照片（723刺伤、314砍伤、124割伤）和212张外部测试照片
804	2025-05-01	FADE: Forecasting for anomaly detection on ECG 2025-Apr-22, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108780 PMID:40300434	研究论文	提出了一种名为FADE的深度学习系统，用于正常ECG预测和异常检测，减少了对大量标记数据集和人工解释的需求	采用自监督训练方式和新型形态学启发的损失函数，通过预测正常ECG信号的未来值来检测异常，避免了传统方法需要标记异常ECG波形的限制	NA	提高ECG信号中异常心脏活动的早期和准确检测，以改善心血管疾病患者的预后	ECG信号	机器学习	心血管疾病	深度学习	FADE	ECG信号	两个公开数据集：MIT-BIH NSR和MIT-BIH Arrythmia
805	2025-05-01	Artificial intelligence in preclinical research: enhancing digital twins and organ-on-chip to reduce animal testing 2025-Apr-17, Drug discovery today IF:6.5Q1 DOI:10.1016/j.drudis.2025.104360 PMID:40252989	review	探讨人工智能在临床前研究中如何通过数字孪生和器官芯片技术减少动物实验	整合AI与数字孪生和器官芯片技术，提升预测能力和可扩展性	未具体说明AI技术的实施难点和潜在误差	推动临床前药物研究的伦理性和效率	数字孪生和器官芯片平台	machine learning	NA	machine learning, deep learning	NA	NA	NA
806	2025-05-01	A comprehensive review of ICU readmission prediction models: From statistical methods to deep learning approaches 2025-Apr-16, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103126 PMID:40300338	review	本文全面综述了ICU再入院预测模型的研究进展，从统计方法到深度学习方法	总结了ICU再入院预测模型的最新研究，包括统计、机器学习和深度学习方法，并探讨了可解释AI在医学应用中的进展	当前模型在预测精度上仍需改进，以满足计算机化决策支持工具的需求	评估ICU再入院预测模型的研究现状，指导未来研究方向	ICU再入院预测模型的研究	machine learning	NA	statistical methods, machine learning, deep learning	statistical models, ML models, DL models	medical data	NA
807	2025-05-01	Privacy-Preserving Federated Learning Framework for Multi-Source Electronic Health Records Prognosis Prediction 2025-Apr-09, Sensors (Basel, Switzerland) DOI:10.3390/s25082374 PMID:40285064	研究论文	提出了一种名为MultiProg的隐私保护联邦学习框架，用于多源电子健康记录的预后预测	采用多通道架构和特征校准机制，确保在机构间异构特征集下的稳健性能，同时保护敏感患者信息	未提及具体样本量及参与机构数量，可能影响结果的可推广性	解决临床预测系统中安全且隐私保护的健康状况表示学习问题	多源电子健康记录	机器学习	NA	联邦学习	深度学习模型	电子健康记录	NA
808	2025-05-01	Lightweight deep learning algorithm for real-time wheat flour quality detection via NIR spectroscopy 2025-Apr-05, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2024.125653 PMID:39733712	研究论文	本研究提出了一种轻量级卷积神经网络，用于通过近红外光谱实时检测小麦粉质量	结合Ghost bottlenecks、外部注意力模块和Kolmogorov-Arnold网络，增强特征提取并提高预测准确性	未提及具体样本多样性或模型在其他食品质量检测中的泛化能力	开发高效、非破坏性的小麦粉质量实时监测工具	小麦粉的质量参数（蛋白质和水分含量）	机器学习	NA	近红外光谱（NIR）	轻量级CNN	光谱数据	未明确提及具体样本数量
809	2025-05-01	Determination and visualization of moisture content in Camellia oleifera seeds rapidly based on hyperspectral imaging combined with deep learning 2025-Apr-05, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2024.125676 PMID:39742624	研究论文	本研究基于高光谱成像和深度学习技术，快速测定和可视化油茶籽的水分含量	提出了一种利用粒子群优化算法（PSO）在卷积神经网络回归（CNNR）模型中搜索最优超参数的方法，并开发了最优混合预测模型PSO-CNN-SVR	NA	探索利用可见近红外高光谱成像（VNIR-HSI）结合深度学习（DL）方法检测油茶籽水分含量的可行性	油茶籽	计算机视觉	NA	可见近红外高光谱成像（VNIR-HSI）	卷积神经网络回归（CNNR）、支持向量机回归（SVR）、AlexNet	图像	NA
810	2025-05-01	Rapid identification of horse oil adulteration based on deep learning infrared spectroscopy detection method 2025-Apr-05, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2024.125604 PMID:39756131	研究论文	本研究提出了一种基于深度学习和红外光谱技术的马油掺假快速检测方法	首次将红外光谱与深度学习结合用于马油掺假的快速检测，并优化了ResNet模型在该应用中的性能	仅测试了黄油、羊油和猪油三种掺假物质，未涵盖其他可能的掺假物	建立一种快速、准确的马油掺假检测方法	马油及其掺假混合物（黄油、羊油、猪油）	机器学习	NA	红外光谱技术	ResNet	红外光谱数据	591×3601组不同掺假比例（5%-50%）的红外光谱数据
811	2025-05-01	Identifying mating events of group-housed broiler breeders via bio-inspired deep learning models 2025-Apr-04, Poultry science IF:3.8Q1 DOI:10.1016/j.psj.2025.105126 PMID:40300323	研究论文	开发深度学习模型识别群养肉种鸡的交配行为	结合生物特征和鸟只数量变化，利用深度学习模型自动识别交配行为，显著提高了处理速度	交配事件识别在不同时间段和鸟龄间存在波动，受鸟只重叠、聚集密度和遮挡影响	优化肉种鸡的繁殖效率和生产力	罗斯708品种的肉种鸡（20只母鸡和2-3只公鸡）	计算机视觉	NA	深度学习	YOLOv7, YOLOv8, DeepSORT, StrongSORT, ByteTrack, SAM2, YOLOv8-segmentation, Track Anything	图像	20只母鸡和2-3只公鸡（56周龄）在四个实验栏中监测
812	2025-05-01	A magnetic resonance imaging (MRI)-based deep learning radiomics model predicts recurrence-free survival in lung cancer patients after surgical resection of brain metastases 2025-Apr-02, Clinical radiology IF:2.1Q2 DOI:10.1016/j.crad.2025.106920 PMID:40300277	research paper	开发并验证一种基于MRI的深度学习放射组学模型（DLRM），用于预测肺癌患者脑转移手术切除后的无复发生存期（RFS）	首次结合临床、形态学MRI特征以及手工和深度学习特征，构建了预测RFS的综合模型	研究样本量相对较小（215例），且为回顾性研究	预测肺癌患者脑转移手术切除后的无复发生存期	215例经手术病理证实的脑转移肺癌患者	digital pathology	lung cancer	MRI	DLRM (deep learning radiomics model)	image	215例肺癌患者（167例训练集，48例外部测试集）
813	2025-05-01	Computational Pathology Detection of Hypoxia-Induced Morphologic Changes in Breast Cancer 2025-Apr, The American journal of pathology DOI:10.1016/j.ajpath.2024.10.023 PMID:39732389	research paper	该研究利用人工智能在计算病理学中评估乳腺癌缺氧情况，通过弱监督深度学习模型检测H&E染色全切片图像中与缺氧相关的形态变化	首次将弱监督深度学习模型应用于常规H&E染色切片中缺氧相关形态变化的检测，无需额外基因表达检测	研究仅基于乳腺癌样本，模型在其他肿瘤类型中的适用性尚待验证	开发一种基于人工智能的方法来检测乳腺癌中的缺氧诱导形态变化	乳腺癌原发部位的H&E染色全切片图像	digital pathology	breast cancer	H&E染色全切片成像	HypOxNet (弱监督深度学习模型)	image	1016例乳腺癌原发部位样本
814	2025-05-01	Multi-stain deep learning prediction model of treatment response in lupus nephritis based on renal histopathology 2025-Apr, Kidney international IF:14.8Q1 DOI:10.1016/j.kint.2024.12.007 PMID:39733792	研究论文	本研究开发了一种基于肾脏组织病理学的多染色深度学习模型，用于预测狼疮性肾炎患者的治疗反应	首次将深度学习应用于多染色肾脏活检切片，整合四种染色模型构建多染色预测模型，性能优于传统临床病理参数	需要进一步验证才能在临床实践中实施	开发预测狼疮性肾炎患者治疗反应的工具	狼疮性肾炎患者	数字病理学	狼疮性肾炎	深度学习	多染色集成模型	数字病理切片图像	开发队列245名患者(880张数字切片)，外部测试队列71名患者(258张数字切片)
815	2025-05-01	Fluorescence images of skin lesions and automated diagnosis using convolutional neural networks 2025-Apr, Photodiagnosis and photodynamic therapy IF:3.1Q2 DOI:10.1016/j.pdpdt.2024.104462 PMID:39736369	研究论文	该研究探讨了使用卷积神经网络（CNN）对皮肤病变的荧光图像进行自动诊断的潜力	首次使用智能手机采集的荧光图像数据集FLUO-SC进行皮肤病变分类，并展示了荧光图像在分类性能上与临床图像相当	缺乏公开的荧光图像数据集，且样本量相对较小（1,563张图像）	探索荧光宽场成像技术在皮肤癌自动诊断中的应用	皮肤病变的荧光图像	计算机视觉	皮肤癌	荧光宽场成像	CNN	图像	1,563张荧光图像
816	2025-05-01	WALINET: A water and lipid identification convolutional neural network for nuisance signal removal in 1 H $$ {}^1\mathrm{H} $$ MR spectroscopic imaging 2025-Apr, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.30402 PMID:39737778	research paper	提出了一种名为WALINET的卷积神经网络，用于在质子磁共振波谱成像中去除水和脂质干扰信号	首次将监督神经网络应用于MRSI处理中的水和脂质信号去除任务，相比传统方法具有更快的处理速度和更好的性能	未提及具体的研究局限性	开发快速有效的方法用于高分辨率全脑质子磁共振波谱成像中的水和脂质信号去除	全脑质子磁共振波谱成像数据	医学影像处理	NA	质子磁共振波谱成像(1H-MRSI)	改进的Y-NET网络(CNN)	磁共振波谱数据	模拟数据和体内全脑MRSI数据(健康受试者和患者)
817	2025-05-01	Incorporating spatial information in deep learning parameter estimation with application to the intravoxel incoherent motion model in diffusion-weighted MRI 2025-Apr, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103414 PMID:39740472	research paper	该研究提出了一种结合空间信息的深度学习方法，用于扩散加权磁共振成像中的参数估计，特别是在体素内不相干运动模型中	通过训练神经网络在包含相邻体素间直接相关性的合成数据块上，有效利用了空间信息，提高了参数估计的准确性	研究主要基于合成数据和少量健康志愿者的体内数据，需要更多临床数据验证	提高扩散加权磁共振成像中模型参数估计的准确性	扩散加权磁共振成像数据	医学图像分析	NA	扩散加权磁共振成像(DWI)	attention模型, CNN	医学图像	12次重复扫描的健康志愿者数据
818	2025-05-01	Automatic Segmentation of Vestibular Schwannoma From MRI Using Two Cascaded Deep Learning Networks 2025-Apr, The Laryngoscope DOI:10.1002/lary.31979 PMID:39744768	研究论文	本文介绍了一种结合两个卷积神经网络（CNN）的新模型，用于通过深度学习自动分割和检测MRI中的前庭神经鞘瘤（VS），以提高自动分割的性能	提出了一种顺序连接两个UNet并结合空间注意力机制的新模型，用于改进前庭神经鞘瘤的自动分割性能	未提及具体的数据集规模或模型在其他类型肿瘤上的泛化能力	提高前庭神经鞘瘤（VS）在MRI中的自动分割和检测性能	前庭神经鞘瘤（VS）	数字病理学	前庭神经鞘瘤	MRI（对比增强T1和高分辨率T2加权）	UNet（2D、2.5D、3D）	图像	公共和私人数据集（具体数量未提及）
819	2025-05-01	Overfit detection method for deep neural networks trained to beamform ultrasound images 2025-Apr, Ultrasonics IF:3.8Q1 DOI:10.1016/j.ultras.2024.107562 PMID:39746284	研究论文	提出一种检测深度神经网络在超声图像波束成形任务中过拟合的方法	仅需网络架构和训练权重即可检测过拟合，无需耗时重新训练或额外测试数据	方法仅在三种人工输入（零、一和高斯噪声）上验证，未在更广泛数据上测试	开发无需额外测试数据即可检测深度神经网络过拟合的方法	用于超声图像波束成形的深度神经网络	计算机视觉	NA	深度神经网络训练与评估	DNN	超声图像	多中心数据训练的三种DNN模型
820	2025-05-01	CPI-GGS: A deep learning model for predicting compound-protein interaction based on graphs and sequences 2025-Apr, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2024.108326 PMID:39752853	research paper	本文提出了一种基于图和序列的深度学习模型CPI-GGS，用于预测化合物-蛋白质相互作用	CPI-GGS模型结合了图和序列信息，提高了化合物-蛋白质相互作用的预测准确性	模型在不同数据集上的泛化能力仍需进一步验证	提高化合物-蛋白质相互作用预测的准确性，以促进药物发现和设计	化合物-蛋白质相互作用	machine learning	NA	deep learning	CPI-GGS	graph and sequence data	NA