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
81	2025-05-04	Canopy height and biomass distribution across the forests of Iberian Peninsula 2025-Apr-22, Scientific data IF:5.8Q1 DOI:10.1038/s41597-025-05021-9 PMID:40263468	research paper	该研究通过高分辨率遥感数据和深度学习框架，绘制了伊比利亚半岛森林的冠层高度和地上生物量分布图	结合Sentinel-1、Sentinel-2和LiDAR数据，开发了两种UNET模型，用于高分辨率冠层高度和生物量估算	冠层高度估算在树木覆盖区域的MAE为2-3米，生物量估算的MAE约为29 Mg/ha，可能存在一定误差	为森林监测、气候变化缓解和可持续林业提供高分辨率的植被冠层高度和生物量分布图	伊比利亚半岛的森林	remote sensing	NA	Sentinel-1、Sentinel-2、LiDAR、Airborne Laser Scanning (ALS)、Global Ecosystem Dynamics Investigation (GEDI)	UNET、Random Forest	遥感数据	6,308个西班牙国家森林调查(NFI)样地(2017-2019)
82	2025-05-04	Machine Learning and Deep Learning for Healthcare Data Processing and Analyzing: Towards Data-Driven Decision-Making and Precise Medicine 2025-Apr-21, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15081051 PMID:40310409	review	探讨机器学习和深度学习在医疗数据处理和分析中的应用，以实现数据驱动的决策和精准医疗	综述了AI在医疗数据处理中的最新进展，强调了数据驱动决策和精准医疗的重要性	未提及具体的技术实现细节或实验验证	探索AI技术在医疗数据处理和分析中的应用	医疗数据	machine learning	NA	NA	NA	医疗数据	NA
83	2025-05-04	Fractal-Based Architectures with Skip Connections and Attention Mechanism for Improved Segmentation of MS Lesions in Cervical Spinal Cord 2025-Apr-19, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15081041 PMID:40310404	research paper	提出两种基于分形架构的深度学习模型，用于自动检测和分割颈椎脊髓中的多发性硬化病变	在FractalSpiNet架构中引入注意力机制以改进对小结构和图像细节的检测，并在U-Net的跳跃连接结构中整合分形卷积块	未提及具体的数据集规模或外部验证结果	改进颈椎脊髓中多发性硬化病变的自动检测和分割	颈椎脊髓中的多发性硬化病变	digital pathology	multiple sclerosis	deep learning	U-Net, FractalSpiNet, Con-FractalU-Net, Att-FractalSpiNet	image	NA
84	2025-05-04	Large-Scale Deep Learning-Enabled Infodemiological Analysis of Substance Use Patterns on Social Media: Insights From the COVID-19 Pandemic 2025-Apr-17, JMIR infodemiology IF:3.5Q1 DOI:10.2196/59076 PMID:40244656	研究论文	该研究利用深度学习模型分析社交媒体数据，揭示COVID-19大流行期间物质使用模式的变化	使用RoBERTa模型和大规模社交媒体数据进行实时物质使用趋势检测，结合人机协作策略优化模型性能	研究仅基于Twitter数据，可能无法代表所有人群的物质使用情况	分析COVID-19大流行期间物质使用模式的变化，为公共卫生干预提供依据	2019年1月至2021年12月的11.3亿条Twitter帖子	自然语言处理	NA	RoBERTa模型、趋势分析、k-means聚类、主题建模和主题分析	RoBERTa	文本	11.3亿条Twitter帖子，其中识别出900万条物质使用相关帖子
85	2025-05-04	Improving TMJ Diagnosis: A Deep Learning Approach for Detecting Mandibular Condyle Bone Changes 2025-Apr-17, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15081022 PMID:40310446	research paper	评估深度学习在检测下颌髁突骨退化变化中的潜力	利用深度学习技术（特别是CNN）从全景X光片中准确高效地检测TMJ相关的下颌髁突骨变化	研究中包含骨赘和侵蚀的图像数量有限，且未使用横断面成像方法	提高下颌髁突骨变化的检测和诊断准确性	下颌髁突骨变化（如扁平化、骨赘、侵蚀）	digital pathology	TMJ-related condylar bone changes	deep learning, transfer learning	CNN, Dense Networks, Residual Networks, VGG Networks, Google Networks	image	3875张下颌髁突图像
86	2025-05-04	Integrating Machine Learning and Deep Learning for Predicting Non-Surgical Root Canal Treatment Outcomes Using Two-Dimensional Periapical Radiographs 2025-Apr-16, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15081009 PMID:40310439	research paper	本研究评估了深度学习在利用二维根尖周X光片预测非手术根管治疗结果中的效果，并与机器学习模型进行了比较	结合深度学习和机器学习方法，利用二维根尖周X光片预测非手术根管治疗结果，并展示了深度学习模型在预测能力上的优势	研究未详细讨论深度学习模型的可解释性及其在临床实践中的具体应用挑战	评估和比较深度学习与机器学习模型在预测非手术根管治疗结果中的效能	非手术根管治疗的结果预测	machine learning	apical periodontitis	deep learning, machine learning	CNN, logistic regression, random forest	image	NA
87	2025-05-04	Assessment of AI-accelerated T2-weighted brain MRI, based on clinical ratings and image quality evaluation 2025-Apr-16, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.112123 PMID:40315626	research paper	比较基于深度学习的MRI重建方法与传统T2加权脑MRI在临床评分和图像质量上的差异	首次评估了商业化深度学习MRI重建方法在临床环境中的表现，并与传统方法进行对比	研究样本量相对较小(100例)，且仅在单一型号的MRI扫描仪上进行测试	评估AI加速的T2加权脑MRI在临床应用中的可行性	100名患有各种神经系统疾病的患者	digital pathology	neurological conditions	Deep Learning-based MRI reconstruction	NA	MRI图像	100名患者
88	2025-05-04	Geometric deep learning framework for de novo genome assembly 2025-Apr-14, Genome research IF:6.2Q1 DOI:10.1101/gr.279307.124 PMID:39472021	研究论文	介绍了一种基于几何深度学习的框架GNNome，用于从PacBio HiFi reads中重建基因组序列	利用几何深度学习技术，不依赖现有组装策略，直接从组装图中训练模型，解决了重复区域导致的复杂图纠缠问题	目前主要适用于单倍体基因组的组装，对于复杂基因组（如多倍体和非整倍体）的适用性有待进一步验证	开发一种新的基因组组装方法，提高基因组序列重建的连续性和质量	基因组组装图	机器学习	NA	PacBio HiFi测序	GNN	基因组序列数据	多个物种的基因组数据
89	2025-05-04	A Multimodal Deep Learning Model for the Classification of Breast Cancer Subtypes 2025-Apr-14, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15080995 PMID:40310373	research paper	提出了一种多模态深度学习模型，结合乳腺X线摄影图像和临床元数据对乳腺癌亚型进行分类	通过整合乳腺X线摄影图像和临床元数据，显著提高了乳腺癌亚型分类的准确性	研究依赖于公开数据库，可能无法涵盖所有乳腺癌亚型的多样性	优化乳腺癌亚型的非侵入性分类方法，以提高诊断精度和个性化治疗策略	乳腺癌病变，分为良性、luminal A、luminal B、HER2-enriched和三阴性五类	digital pathology	breast cancer	Deep Learning	multimodal DL model	image, clinical metadata	4056张图像来自1775名患者
90	2025-05-04	Retrospective Clinical Trial to Evaluate the Effectiveness of a New Tanner-Whitehouse-Based Bone Age Assessment Algorithm Trained with a Deep Neural Network System 2025-Apr-14, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15080993 PMID:40310372	研究论文	开发了一种基于深度学习的自动骨龄预测模型，并评估其与儿科放射科医生性能的对比	使用Tanner-Whitehouse (TW3)方法和深度神经网络系统开发自动骨龄预测模型	模型在6岁以下和13岁以上参与者中的表现与放射科医生存在显著差异	评估自动深度学习骨龄评估模型的可行性和有效性	560名韩国儿童和青少年（280名女性，280名男性，平均年龄9.43 ± 2.92岁）的手腕X光片	数字病理	NA	深度学习	Rotated Single Shot MultiBox Detector (SSD) 和 EfficientNet-B0	图像	560名儿童和青少年
91	2025-05-04	FCN-PD: An Advanced Deep Learning Framework for Parkinson's Disease Diagnosis Using MRI Data 2025-Apr-14, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15080992 PMID:40310386	research paper	提出了一种名为FCN-PD的深度学习框架，用于通过MRI数据准确诊断帕金森病	结合了EfficientNet和注意力机制的混合特征提取阶段，以及全连接网络（FCN）进行最终分类，有效处理高维MRI数据并减少过拟合和特征冗余	仅使用了公开可用的MRI数据集，未涉及其他类型的数据或更大规模的临床验证	提高帕金森病的早期和准确诊断	帕金森病患者	digital pathology	geriatric disease	MRI	FCN, EfficientNet	image	三个公开可用的MRI数据集（PPMI、OASIS、MIRIAD）
92	2025-05-04	Advances in Artificial Intelligence and Machine Learning for Precision Medicine in Necrotizing Enterocolitis and Neonatal Sepsis: A State-of-the-Art Review 2025-Apr-13, Children (Basel, Switzerland) DOI:10.3390/children12040498 PMID:40310141	review	本文综述了人工智能和机器学习在坏死性小肠结肠炎及新生儿败血症精准医学中的最新进展	AI和ML模型在NEC风险分层、早期诊断及治疗策略优化方面展现出比传统临床方法更高的准确性，并发现了与疾病发作和严重程度相关的新生物标志物	数据异质性、模型可解释性以及需要大规模验证研究等挑战仍然存在	探索AI和ML在NEC预测、早期诊断和管理中的应用	坏死性小肠结肠炎（NEC）及新生儿败血症	machine learning	necrotizing enterocolitis, neonatal sepsis	AI, ML, deep learning	NA	medical imaging, clinical data	NA
93	2025-05-04	Deep Learning Approaches to Forecast Physical and Mental Deterioration During Chemotherapy in Patients with Cancer 2025-Apr-09, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15080956 PMID:40310358	研究论文	本研究使用深度学习模型预测癌症患者化疗期间12种自我报告症状的恶化情况，分为身体症状和心理症状两类	将症状分类为身体和心理两组进行预测，并比较了CNN、LSTM和GRU模型在不同时间间隔下的表现	较长间隔时间下预测性能下降，由于时间分辨率降低和训练样本减少	预测癌症患者化疗期间症状恶化情况，以便及时干预	接受化疗的癌症患者	机器学习	癌症	深度学习	CNN, LSTM, GRU	文本（自我报告症状日志）	NA
94	2025-05-04	Comparative Evaluation of Machine Learning-Based Radiomics and Deep Learning for Breast Lesion Classification in Mammography 2025-Apr-09, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15080953 PMID:40310389	研究论文	比较基于机器学习的放射组学与深度学习方法在乳腺病变分类中的性能	比较了传统机器学习（LDA）与深度学习（EfficientNetB6）在乳腺病变分类中的表现，发现深度学习具有更高的诊断准确性	机器学习方法在乳腺病变分类中的表现不如深度学习方法	提高乳腺病变分类的准确性和效率，支持临床医生改善患者管理	乳腺病变（微钙化和肿块）	计算机视觉	乳腺癌	放射组学特征提取	LDA, EfficientNetB6	图像	1219例患者（CBIS-DDSM公共数据库），外加222例外部验证图像
95	2025-05-04	Manifold Topological Deep Learning for Biomedical Data 2025-Apr-07, Research square DOI:10.21203/rs.3.rs-6149503/v1 PMID:40297704	研究论文	本文首次提出流形拓扑深度学习(MTDL)，将代数拓扑与深度神经网络结合，用于处理可微分流形上的数据，包括图像	首次将拓扑深度学习扩展到可微分流形数据，提出基于Hodge理论的流形拓扑深度学习框架	未明确提及具体局限性	开发适用于可微分流形数据的拓扑深度学习方法	可微分流形上的数据（包括图像）	机器学习	NA	Hodge理论	CNN	图像	717,287张生物医学图像（来自11个2D和6个3D数据集）
96	2025-05-04	Self-Supervised Learning with Adaptive Frequency-Time Attention Transformer for Seizure Prediction and Classification 2025-Apr-07, Brain sciences IF:2.7Q3 DOI:10.3390/brainsci15040382 PMID:40309845	研究论文	提出了一种结合自适应频率-时间注意力Transformer的自监督学习方法，用于癫痫发作预测和分类	引入了自适应频率-时间注意力机制（AFTA）来增强Transformer网络的特征提取能力，特别是在处理EEG数据中的噪声和信号退化方面	未明确提及具体限制，但可能依赖于EEG数据的质量和多样性	提高癫痫发作预测和分类的准确性	脑电图（EEG）数据	机器学习	癫痫	自监督学习，Transformer网络	Transformer	EEG信号	TUSZ、TUAB和TUEV数据集
97	2025-05-04	Deep-Learning-Based AI-Model for Predicting Dental Plaque in the Young Permanent Teeth of Children Aged 8-13 Years 2025-Apr-07, Children (Basel, Switzerland) DOI:10.3390/children12040475 PMID:40310101	研究论文	开发一种基于深度学习的AI模型，用于预测8-13岁儿童年轻恒牙中的牙菌斑	使用U-Net Transformer模型在牙菌斑检测和分割中表现出优于经验丰富的儿科牙医的临床性能	样本量较小，仅包含31名患者的506张牙科图像	提高儿童牙科中牙菌斑检测的准确性和可靠性	8-13岁儿童的年轻恒牙	计算机视觉	口腔疾病	深度学习	U-Net Transformer	图像	31名患者的506张牙科图像
98	2025-05-04	MCTASmRNA: A deep learning framework for alternative splicing events classification 2025-Apr, International journal of biological macromolecules IF:7.7Q1 DOI:10.1016/j.ijbiomac.2025.139941 PMID:39842565	研究论文	提出了一种基于多尺度卷积和Transformer的深度学习框架MCTASmRNA，用于mRNA序列中的可变剪接事件分类	开发了结合高效通道注意力机制和新联合损失函数的模型，提高了分类准确性和跨物种泛化能力	未来需要进一步优化和扩展模型以探索可变剪接的复杂机制	解决现有可变剪接事件识别方法的效率低下、处理时间长和RNA序列复杂性捕捉不足等问题	mRNA序列中的可变剪接事件	自然语言处理	NA	rMATS	多尺度卷积和Transformer混合模型	RNA序列数据	NA
99	2025-05-04	Polysaccharide degradation in an Antarctic bacterium: Discovery of glycoside hydrolases from remote regions of the sequence space 2025-Apr, International journal of biological macromolecules IF:7.7Q1 DOI:10.1016/j.ijbiomac.2025.140113 PMID:39842586	研究论文	该研究通过计算和生化方法发现并鉴定了南极细菌中的两种新型糖苷水解酶	发现了位于序列空间远端区域的两种新型糖苷水解酶亚家族，并开发了一种结合深度学习和分子动力学模拟的计算方法来预测其底物特异性	研究仅针对两种糖苷水解酶，可能无法代表所有远端序列空间区域的酶特性	探索南极细菌中新型糖苷水解酶的结构和功能特性	南极细菌Pseudomonas sp. ef1中的Ps_GH5和Ps_GH50糖苷水解酶	生物信息学	NA	深度学习动态对接、AlphaFold 3D建模、分子动力学模拟	深度学习	蛋白质序列、3D结构模型	两种糖苷水解酶(Ps_GH5和Ps_GH50)
100	2025-05-04	Applications of Artificial Intelligence in Dental Medicine: A Critical Review 2025-Apr, International dental journal IF:3.2Q1 DOI:10.1016/j.identj.2024.11.009 PMID:39843259	综述	本文批判性地评估了人工智能在牙科医学中的当前应用，识别了关键观点、挑战和限制	提出了改进AI研究的标准化方法和伦理指南，强调数据收集的透明性、隐私和问责制	数据质量不一致、偏见风险、缺乏透明度和有限的临床验证	评估AI在牙科医学中的应用，探讨其挑战和限制	牙科医学中的AI应用	人工智能	NA	机器学习、深度学习	NA	NA	NA