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
881	2025-05-11	EEG-based recognition of hand movement and its parameter 2025-Mar-06, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/adba8a PMID:40009879	研究论文	研究基于EEG信号的手部运动识别及其参数解码	提出了一种结合CNN和BiLSTM的端到端模型，用于分类和识别手部运动，并在实验中展示了高准确率	研究目前处于可行性研究阶段，跨被试分类的准确性尚未达到实际应用水平	探索基于EEG信号的手部运动识别技术，以提升脑机接口在医疗康复和人机协作中的应用	13名健康志愿者的EEG数据，涉及四种手部运动和两种力参数任务	脑机接口	NA	EEG信号分析	CNN-BiLSTM	EEG信号	13名健康志愿者
882	2025-05-11	Deep learning models as learners for EEG-based functional brain networks 2025-Mar-06, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/adba8c PMID:40009886	研究论文	探讨深度学习模型作为学习者，用于基于EEG的功能性脑网络分析	提出将功能脑网络构建直接嵌入深度学习模型作为特征提取模块，实现端到端学习	深度学习模型难以准确捕捉功能脑网络的固有拓扑结构	验证深度学习模型学习功能脑网络构建过程的能力	EEG数据和功能脑网络矩阵	机器学习	NA	EEG分析	深度学习模型	EEG数据	两个公开可用的EEG数据集
883	2025-05-11	Explainable paroxysmal atrial fibrillation diagnosis using an artificial intelligence-enabled electrocardiogram 2025-Mar, The Korean journal of internal medicine DOI:10.3904/kjim.2024.130 PMID:39987899	研究论文	本研究开发了一种基于人工智能的心电图算法，用于检测正常窦性心律患者中的阵发性心房颤动早期迹象	使用深度学习模型预测心房颤动发作，并应用可解释AI技术揭示模型预测的依据	研究依赖于历史心电图数据，未进行前瞻性验证	开发可靠的人工智能算法用于早期检测心房颤动	318,321名患者的心电图数据	数字病理学	心血管疾病	12导联心电图	深度神经网络	心电图数据	552,372条心电图轨迹（来自318,321名患者）
884	2025-05-11	MRI-Based Topology Deep Learning Model for Noninvasive Prediction of Microvascular Invasion and Assisting Prognostic Stratification in HCC 2025-Mar, Liver international : official journal of the International Association for the Study of the Liver IF:6.0Q1 DOI:10.1111/liv.16205 PMID:39992060	研究论文	开发并验证了一种基于MRI拓扑的深度学习模型，用于术前预测肝细胞癌的微血管侵犯并辅助预后分层	结合拓扑学改进深度学习模型的预测性能和可解释性，开发了TopoCNN和TopoCNN+Clinic模型	研究为双中心回顾性研究，可能存在选择偏倚	术前预测肝细胞癌的微血管侵犯并辅助预后分层	肝细胞癌患者	数字病理学	肝细胞癌	MRI	CNN, TopoCNN, TopoCNN+Clinic	图像	589名患者（其中292名经病理证实有微血管侵犯）
885	2025-05-11	Enhanced water quality prediction model using advanced hybridized resampling alternating tree-based and deep learning algorithms 2025-Mar, Environmental science and pollution research international DOI:10.1007/s11356-025-36062-7 PMID:39994118	研究论文	本研究开发了一种新型深度学习模型，结合双向LSTM网络和基于引导聚合的高级集成方法，用于预测河流系统中的关键水质参数	提出了结合双向LSTM和BA_AMT的混合模型，用于水质参数预测，并在Clackamas河上验证了其优越性能	虽然Bi-LSTM在整体精度上优于BA-AMT，但BA-AMT在捕捉极值方面表现更好，表明模型仍有优化空间	开发更精确的水质预测模型，以支持水资源管理和污染缓解规划	Clackamas河的水质参数（浊度和溶解氧）	机器学习	NA	深度学习、引导聚合、交替模型树	Bi-LSTM、BA_AMT	时间序列数据	NA
886	2025-05-11	Prognostic models for unplanned intensive care unit readmission risk prediction: A systematic review and meta-analysis based on HSROC model 2025-Mar, Nursing in critical care IF:3.0Q1 DOI:10.1111/nicc.13306 PMID:39995380	系统综述与荟萃分析	本文通过系统综述和荟萃分析评估了重症监护病房（ICU）非计划再入院风险预测模型的性能	比较了机器学习模型与评分系统的性能，并发现机器学习模型在敏感性上表现更优	所有研究存在高偏倚风险，且机器学习模型未考虑临床记录	评估ICU非计划再入院风险预测模型的性能与适用性	ICU非计划再入院风险预测模型	机器学习	重症监护	机器学习，评分系统	深度学习模型，HSROC模型	结构化临床数据	67项研究，涵盖335个模型和67个评分系统
887	2025-05-11	Of Pilots and Copilots: The Evolving Role of Artificial Intelligence in Clinical Neurophysiology 2025-Mar, The Neurodiagnostic journal DOI:10.1080/21646821.2025.2465089 PMID:39999187	review	本文探讨了人工智能在临床神经生理学中的应用及其演变	讨论了AI在EEG、EMG和PSG中的应用，以及从早期模仿方法到深度学习技术的演变	在EMG中面临数据集有限和临床背景考虑的挑战，PSG评分在分析癫痫活动和分类某些睡眠阶段方面仍有局限	探讨AI在临床神经生理学中的应用及其未来发展方向	EEG、EMG和PSG	clinical neurophysiology	NA	deep learning	NA	EEG, EMG, PSG数据	NA
888	2025-05-11	When the lung invades: a review of avian postcranial skeletal pneumaticity 2025-Feb-27, Philosophical transactions of the Royal Society of London. Series B, Biological sciences DOI:10.1098/rstb.2023.0427 PMID:40010393	综述	本文综述了鸟类颅后骨骼气腔现象（PSP）的功能和进化意义，结合解剖学、发育学、生物力学和古生物学文献	利用微计算机断层扫描和基于深度学习的分割技术，建立了绿头鸭颈部气腔的初步模型，为定量比较分析提供了新方法	气腔化的细胞机制和发育过程尚不清楚，需要未来研究	探讨鸟类颅后骨骼气腔现象的功能和进化意义	鸟类颅后骨骼气腔	生物力学	NA	微计算机断层扫描、深度学习	深度学习分割模型	图像	绿头鸭颈部样本
889	2025-05-11	Feature-Based Audiogram Value Estimator (FAVE): Estimating Numerical Thresholds from Scanned Images of Handwritten Audiograms 2025-Feb-27, Journal of medical systems IF:3.5Q2 DOI:10.1007/s10916-025-02146-7 PMID:40011323	research paper	开发了一种名为FAVE的机器学习模型，用于从手写听力图的扫描图像中估计数值阈值	首次提出基于滑动窗口和单类目标检测器的机器学习模型FAVE，用于从手写听力图图像中提取数值阈值	数值阈值的估计准确性有待提高，符号和轴刻度标签检测存在局限性	解决手写听力图图像中数值阈值难以自动提取的问题，以支持公共卫生研究	手写听力图图像	machine learning	geriatric disease	Aggregate Channel Features	sliding-window, single-class object detectors	image	556张来自年龄相关性听力损失纵向队列研究的手写听力图
890	2025-05-11	Enhanced glioma tumor detection and segmentation using modified deep learning with edge fusion and frequency features 2025-Feb-26, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-84661-0 PMID:40011472	研究论文	提出了一种结合边缘融合和频率特征的改进深度学习模型，用于增强胶质瘤肿瘤的检测和分割	提出了边缘融合算法(EIF)和Gabor变换(GaT)结合的方法，优化了深度学习架构(MDL)以提高检测精度和速度	未提及模型在其他类型脑肿瘤上的泛化能力	提高胶质瘤检测和分割的准确性，特别是在增强滞后的临床数据上	脑部MRI图像中的胶质瘤肿瘤	数字病理	胶质瘤	Gabor变换	改进的深度学习架构(MDL)	MRI图像	PLCO和NU数据集
891	2025-05-11	Modelling of pome fruit pollen performance using machine learning 2025-Feb-26, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-91286-4 PMID:40011508	研究论文	本研究旨在开发一个机器学习模型，用于预测梨果类水果的花粉萌发率	首次将人工神经网络和深度学习技术应用于花粉萌发率的预测，并取得了较高的准确度（R²=0.89）	研究仅针对四种梨果类水果的花粉，可能无法推广到其他水果种类	开发预测花粉萌发率的机器学习模型，以评估温度波动对果树开花期的影响	四种梨果类水果的花粉	机器学习	NA	体外花粉萌发测试	人工神经网络	实验数据	四种梨果类水果的花粉，在七种不同温度、三种不同培养基和四种不同培养时间下的测试
892	2025-05-11	A labeled medical records corpus for the timely detection of rare diseases using machine learning approaches 2025-Feb-26, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-90450-0 PMID:40011510	研究论文	本文提出了一种基于机器学习的标记医疗记录语料库，用于罕见疾病的早期检测	利用MIMIC-III数据库和其他来源的医疗记录，构建了一个标记数据集，并验证了多种机器学习方法在罕见疾病早期检测中的有效性	研究依赖于现有数据库和医疗记录，可能无法涵盖所有罕见疾病类型	通过机器学习方法改善罕见疾病的早期检测和诊断	罕见疾病患者	机器学习	罕见疾病	监督学习	逻辑回归、决策树、SVM、LSTM、CNN、BERT	文本（医疗记录）	基于MIMIC-III数据库和其他来源的医疗记录
893	2025-05-11	Early attention-deficit/hyperactivity disorder (ADHD) with NeuroDCT-ICA and rhinofish optimization (RFO) algorithm based optimized ADHD-AttentionNet 2025-Feb-26, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-90649-1 PMID:40011599	research paper	该研究提出了一种基于NeuroDCT-ICA和Rhinofish优化算法的ADHD检测方法，通过深度学习框架提高检测准确性和计算效率	引入了新的NeuroDCT-ICA模块预处理EEG数据，并开发了Rhinofish优化算法进行特征选择，提高了数据处理能力和系统稳定性	未提及具体样本量或数据来源的局限性	提高ADHD检测的准确性和效率	ADHD患者的行为、认知或生理数据（如EEG、眼动追踪或调查）	machine learning	ADHD	EEG, eye-tracking, surveys	ADHD-AttentionNet (深度学习模型)	EEG数据、眼动追踪数据、调查数据	NA
894	2025-05-11	Supervised and unsupervised deep learning-based approaches for studying DNA replication spatiotemporal dynamics 2025-Feb-26, Communications biology IF:5.2Q1 DOI:10.1038/s42003-025-07744-2 PMID:40011665	研究论文	本研究采用监督和非监督深度学习方法研究DNA复制的时空动态	开发了一种非监督方法用于大规模检测异常的S期细胞，无需基于预定义类别进行分类	监督学习方法受限于分类方法的约束，非监督方法虽然能自主检测差异，但可能缺乏明确的生物学解释	研究DNA复制的时空动态及其在病理过程中的作用	野生型和Rif1缺陷型小鼠胚胎干细胞(mESCs)以及诱导性失调的起始点激发的细胞模型	机器学习	NA	EdU和PCNA分析	深度学习	图像	小鼠胚胎干细胞(mESCs)和细胞模型
895	2025-05-11	Using deep learning to differentiate among histology renal tumor types in computed tomography scans 2025-Feb-26, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-01606-3 PMID:40011809	research paper	本研究使用卷积神经网络（CNN）分析计算机断层扫描（CT）图像，以区分不同组织学亚型的肾肿瘤	利用深度学习模型（Inception V3和Resnet50）对肾肿瘤亚型进行分类，展示了其在医学影像分析中的潜力	尽管模型显示出良好的准确性，但需要进一步开发以提高其临床适用性	通过深度学习技术提高肾肿瘤亚型的分类准确性	肾肿瘤患者，包括血管平滑肌脂肪瘤（AML）、嗜酸细胞瘤、透明细胞肾细胞癌（ccRCC）、嫌色细胞肾细胞癌（chRCC）和乳头状肾细胞癌（pRCC）	digital pathology	renal tumor	contrast-enhanced CT	CNN, Inception V3, Resnet50	image	554名患者，共4238张CT图像
896	2025-05-11	CSEPC: a deep learning framework for classifying small-sample multimodal medical image data in Alzheimer's disease 2025-Feb-26, BMC geriatrics IF:3.4Q2 DOI:10.1186/s12877-025-05771-6 PMID:40011826	研究论文	提出了一种名为CSEPC的深度学习框架，用于小样本多模态医学图像数据在阿尔茨海默病中的分类	结合尺度平衡理论和模态耦合特性，通过跨尺度金字塔模块和对比学习机制有效整合多模态和多尺度特征，显著减少学习参数数量	仅在小样本环境下验证，未在大规模数据集上测试	提高阿尔茨海默病阶段的分类准确性，优化诊断和治疗策略	阿尔茨海默病患者的多模态医学影像数据	数字病理学	阿尔茨海默病	结构MRI (sMRI) 和功能MRI (fMRI)	CSEPC (跨尺度平衡金字塔耦合)	医学影像	ADNI数据集中的小样本数据
897	2025-05-11	scFTAT: a novel cell annotation method integrating FFT and transformer 2025-Feb-25, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-025-06061-z PMID:39994539	研究论文	提出了一种名为scFTAT的新型细胞注释方法，整合了FFT和Transformer技术，用于单细胞RNA测序数据的自动注释	整合FFT和增强型Transformer进行自动特征学习，解决了单细胞数据高稀疏性和手动注释繁琐的挑战	未提及具体局限性	开发高效的单细胞RNA测序数据自动注释方法	人类和小鼠组织的单细胞RNA测序数据	生物信息学	NA	单细胞RNA测序(scRNA-seq)	Transformer	基因表达数据	六个典型数据集（包括人类肾脏数据）
898	2025-05-11	Deep learning-based Intraoperative MRI reconstruction 2025-Feb-25, European radiology experimental IF:3.7Q1 DOI:10.1186/s41747-024-00548-9 PMID:39998750	research paper	评估深度学习在脑肿瘤手术中加速术中MRI重建的质量	使用深度学习模型重建加速术中MRI，与传统压缩感知方法相比，显示出更高的图像质量	深度学习重建存在条纹伪影和信号减少的缺点，且神经外科医生在所有指标上更偏好传统方法	评估深度学习在术中MRI重建中的应用效果	40名接受脑肿瘤切除术并进行术中MRI扫描的患者	digital pathology	brain tumor	deep learning, MRI	DL	MRI images	40 patients imaged from Nov 1, 2021, to June 1, 2023
899	2025-05-11	Real-World Insights Into Dementia Diagnosis Trajectory and Clinical Practice Patterns Unveiled by Natural Language Processing: Development and Usability Study 2025-Feb-25, JMIR aging IF:5.0Q1 DOI:10.2196/65221 PMID:39999185	研究论文	本研究利用自然语言处理技术分析门诊电子健康记录，揭示了痴呆症诊断轨迹和临床实践模式	开发了基于深度学习的NLP流程，用于从EHR数据中提取临床信息，并首次量化了从首次记忆丧失主诉到痴呆诊断的时间间隔	研究数据仅来自单一医疗中心，可能限制结果的普遍性	了解痴呆症疾病轨迹和门诊临床实践模式，以改善患者管理和决策	581名门诊患者及其电子健康记录	自然语言处理	老年痴呆症	自然语言处理(NLP)	深度学习	文本(EHR数据)	581名门诊患者(2010-2018年数据)
900	2025-05-11	[Research on arrhythmia classification algorithm based on adaptive multi-feature fusion network] 2025-Feb-25, Sheng wu yi xue gong cheng xue za zhi = Journal of biomedical engineering = Shengwu yixue gongchengxue zazhi DOI:10.7507/1001-5515.202406069 PMID:40000175	研究论文	提出了一种基于自适应多特征融合网络的心律失常分类算法	采用自适应多特征融合网络，结合RR间期特征、时域深度特征和频域深度特征，提高心律失常分类的准确性	在有限的异常样本监督下进行特征选择，可能影响算法的泛化能力	开发一种高效的心律失常自动分类算法，用于早期筛查	心电图(ECG)数据	机器学习	心血管疾病	1D-CNN, 2D-CNN, MFCC	自适应多特征融合网络	ECG信号	MIT-BIH心律失常数据库