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	2025-05-02	Artificial intelligence entering the pathology arena in oncology: current applications and future perspectives 2025-Apr-28, Annals of oncology : official journal of the European Society for Medical Oncology IF:56.7Q1 DOI:10.1016/j.annonc.2025.03.006 PMID:40307127	综述	本文综述了人工智能在病理学和肿瘤学领域的当前应用及未来前景	系统性地总结了AI在肿瘤诊断、分子生物标志物检测和癌症预后评估中的应用，并探讨了未来发展方向	目前尚无基于AI的预后或预测性生物标志物获得IA或IB级证据支持，数据可用性、可解释性和监管问题仍是主要障碍	探讨人工智能在肿瘤病理学中的应用现状和未来发展方向	肿瘤病理学中的AI应用	数字病理学	肿瘤	AI算法（包括基础模型、通用模型和基于transformer的深度学习）	深度学习模型	多组学数据	NA
82	2025-05-02	MMRNet: Ensemble deep learning models for predicting mismatch repair deficiency in endometrial cancer from histopathological images 2025-Apr-27, Cell reports. Medicine DOI:10.1016/j.xcrm.2025.102099 PMID:40306276	研究论文	本文介绍了一种名为MMRNet的深度卷积神经网络，用于从H&E染色的全切片图像中预测子宫内膜癌的错配修复缺陷	提出了一种新的深度学习方法MMRNet，用于预测子宫内膜癌中的错配修复缺陷，并结合人机融合方法显著提高了诊断准确性	未提及具体的数据集大小和多样性限制	开发一种经济实惠且易于使用的工具，用于确定子宫内膜癌患者的错配修复状态	子宫内膜癌患者的组织病理学图像	数字病理学	子宫内膜癌	H&E染色	深度卷积神经网络（CNN）	图像	NA
83	2025-05-02	Deep Learning-driven Microfluidic-SERS to Characterize the Heterogeneity in Exosomes for Classifying Non-Small Cell Lung Cancer Subtypes 2025-Apr-25, ACS sensors IF:8.2Q1 DOI:10.1021/acssensors.4c03621 PMID:40167999	研究论文	本文提出了一种结合深度学习、微流控芯片和表面增强拉曼散射（SERS）的方法，用于非小细胞肺癌（NSCLC）的早期诊断和分子亚型分类	创新性地将深度学习、微流控技术和SERS结合，实现了对肺癌外泌体的高效捕获、检测和分析，并展示了高准确率的亚型分类能力	未提及该方法在临床样本中的验证情况以及与其他现有技术的比较	开发一种非侵入性方法用于肺癌的早期诊断和精确分型	非小细胞肺癌（NSCLC）的外泌体	数字病理学	肺癌	微流控技术、表面增强拉曼散射（SERS）	深度学习	光学信号	三种不同的NSCLC细胞系和正常细胞系
84	2025-05-02	Prediction of significant congenital heart disease in infants and children using continuous wavelet transform and deep convolutional neural network with 12-lead electrocardiogram 2025-Apr-24, BMC pediatrics IF:2.0Q2 DOI:10.1186/s12887-025-05628-2 PMID:40275174	研究论文	本研究开发了一种基于连续小波变换和深度卷积神经网络的AI模型，用于预测五岁以下儿童中的显著先天性心脏病	使用真实世界的心电图数据训练AI模型，特别针对五岁以下儿童，显著提高了对血流动力学显著先天性心脏病的检测能力	研究数据来自单一中心，且未涵盖所有先天性心脏病亚型	开发一种AI辅助的心电图分析方法，用于早期检测儿童先天性心脏病	五岁以下儿童的心电图数据	数字病理学	心血管疾病	连续小波变换	ResNet-18, InceptionResNet-V2, NasNetMobile	心电图信号	1,035名五岁以下患者
85	2025-05-02	A review of multimodal fusion-based deep learning for Alzheimer's disease 2025-Apr-24, Neuroscience IF:2.9Q2 DOI:10.1016/j.neuroscience.2025.04.035 PMID:40286904	review	本文综述了基于深度学习的MRI和PET多模态融合在阿尔茨海默病研究中的最新进展	系统总结了深度学习在多模态MRI和PET图像融合中的应用及其变体，并分析了当前领域的关键挑战和潜在解决方案	数据稀缺和不平衡、机构间数据异质性等问题尚未完全解决	推动阿尔茨海默病早期诊断和干预策略的发展	阿尔茨海默病相关的MRI和PET多模态数据	digital pathology	geriatric disease	MRI, PET	deep learning models及其变体	image	NA
86	2025-05-02	DTC-m6Am: A Framework for Recognizing N6,2'-O-dimethyladenosine Sites in Unbalanced Classification Patterns Based on DenseNet and Attention Mechanisms 2025-Apr-24, Frontiers in bioscience (Landmark edition) DOI:10.31083/FBL36603 PMID:40302345	研究论文	提出了一种基于DenseNet和注意力机制的深度学习模型DTC-m6Am，用于识别RNA中的N6,2'-O-二甲基腺苷（m6Am）位点	结合DenseNet和TCN模块提取局部和全局特征，并引入CBAM注意力机制优化特征提取，使用焦点损失函数解决数据不平衡问题	未明确说明模型在更广泛RNA序列上的泛化能力	开发高效的计算工具预测m6Am位点，以研究其在转录和转录后水平的功能机制	RNA中的m6Am修饰位点	生物信息学	NA	One-Hot编码，深度学习	DenseNet, TCN, CBAM	RNA序列数据	未明确说明样本数量
87	2025-05-02	Detecting the authenticity of two monofloral honeys based on the Canny-GoogLeNet deep learning network combined with three-dimensional fluorescence spectroscopy 2025-Apr-24, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2025.144509 PMID:40306056	研究论文	基于Canny-GoogLeNet深度学习网络结合三维荧光光谱技术检测两种单花蜜的真实性	结合Canny边缘检测算法和优化的GoogLeNet架构，提出了一种新的蜂蜜真实性检测方法	样本量较小，测试集仅包含12个样本	检测蜂蜜的真实性	油菜蜜和枸杞蜜两种单花蜜及其掺假样品	计算机视觉	NA	三维荧光光谱	CNN（GoogLeNet）	光谱数据	训练集133个样本，验证集33个样本，测试集12个样本
88	2025-05-02	Comparison of machine learning models with conventional statistical methods for prediction of percutaneous coronary intervention outcomes: a systematic review and meta-analysis 2025-Apr-23, BMC cardiovascular disorders IF:2.0Q3 DOI:10.1186/s12872-025-04746-0 PMID:40269704	meta-analysis	比较机器学习模型与传统统计方法在预测经皮冠状动脉介入治疗（PCI）结果中的性能	首次系统比较机器学习模型与逻辑回归模型在预测PCI后多种结果中的表现，并进行荟萃分析	大多数研究存在高偏倚风险，机器学习模型解释复杂可能影响临床应用的适应性	评估机器学习模型相比传统统计方法在预测PCI后结果中的优势	经皮冠状动脉介入治疗（PCI）后的死亡率、主要不良心脏事件（MACE）、院内出血和急性肾损伤（AKI）	machine learning	cardiovascular disease	NA	ML vs. logistic regression	clinical data	59项研究
89	2025-05-02	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	research paper	探讨机器学习和深度学习在医疗数据处理与分析中的应用，以实现数据驱动的决策和精准医疗	结合AI技术优化医疗数据处理，推动精准医疗发展	未具体说明技术实施中的挑战或数据隐私问题	利用AI技术提升医疗数据分析和决策制定的效率与精确性	医疗数据	machine learning	NA	machine learning, deep learning	NA	医疗数据	NA
90	2025-05-02	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	研究论文	本研究提出了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架构中集成了注意力机制以提高对小结构和图像细节的检测，同时在U-Net架构的跳跃连接结构中引入了分形卷积块	NA	改进多发性硬化病变在颈椎脊髓中的自动检测和分割	颈椎脊髓中的多发性硬化病变	数字病理学	多发性硬化	深度学习	U-Net, FractalSpiNet, Con-FractalU-Net, Att-FractalSpiNet	图像	NA
91	2025-05-02	Stain Normalization of Histopathological Images Based on Deep Learning: A Review 2025-Apr-18, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15081032 PMID:40310413	review	本文综述了基于深度学习的组织病理学图像染色归一化方法的最新进展	总结了深度学习在染色归一化中的应用，包括监督、无监督和自监督方法，并分析了它们的贡献和局限性	未提及具体方法的性能比较或实验验证的不足	标准化不同来源图像的色彩分布，以提高下游算法在分类、分割和检测等任务中的性能	H&E染色的组织病理学图像	digital pathology	cancer	deep learning	NA	image	115篇出版物
92	2025-05-02	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	本文评估了深度学习在检测下颌髁突退行性骨变化中的潜力	使用深度学习技术（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，且未来可能需要使用横断面成像方法提高成功率	通过深度学习方法检测和诊断下颌髁突退化	下颌髁突的骨变化（如扁平化、骨赘和侵蚀）	digital pathology	geriatric disease	deep learning	CNN, Dense Networks, Residual Networks, VGG Networks, Google Networks	image	3875张髁突图像
93	2025-05-02	Diabetes: Non-Invasive Blood Glucose Monitoring Using Federated Learning with Biosensor Signals 2025-Apr-16, Biosensors DOI:10.3390/bios15040255 PMID:40277568	研究论文	该研究提出了一种基于联邦学习的非侵入性血糖监测方法，利用PPG信号和深度学习技术	采用联邦学习技术，允许多个医疗机构协作训练全局模型而不共享原始患者数据，同时结合CWT、ACBS和PSO优化信号处理和特征选择	研究数据主要来自手术和麻醉期间收集的PPG信号，可能无法完全代表日常生活中的血糖变化	开发一种准确、非侵入性且保护隐私的血糖监测方法	糖尿病患者	机器学习	糖尿病	PPG、CWT、ACBS、PSO	DNN、FL	PPG信号	来自VitalDB和MUST数据集的数据
94	2025-05-02	Optimizing Immunotherapy: The Synergy of Immune Checkpoint Inhibitors with Artificial Intelligence in Melanoma Treatment 2025-Apr-16, Biomolecules IF:4.8Q1 DOI:10.3390/biom15040589 PMID:40305346	review	本文综述了人工智能（AI）在优化黑色素瘤免疫检查点抑制剂（ICIs）治疗中的潜力，重点关注预测模型、生物标志物识别和治疗反应预测	AI与RNAseq分析结合开发个性化ICI治疗，以及机器学习模型通过电子健康记录（EHR）数据预测免疫相关不良事件（irAEs）的风险-收益比	临床验证和实施挑战仍然存在	优化黑色素瘤的免疫治疗	黑色素瘤患者	digital pathology	melanoma	RNAseq, CT imaging, laboratory data	machine learning, deep learning	EHR, RNAseq data, CT images	NA
95	2025-05-02	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	首次将深度学习模型与机器学习算法结合，用于预测非手术根管治疗结果，并证明了基于图像的人工智能模型优于仅依赖分类数据的模型和临床医生的预后判断	未发现模型间的统计显著差异（如RF vs DL-LR、RF vs DL或DL vs DL-LR）	预测非手术根管治疗（NSRCT）的结果	根尖周炎（AP）患者的非手术根管治疗结果	machine learning	apical periodontitis	deep learning, machine learning	CNN, logistic regression, random forest	image	NA
96	2025-05-02	A Multimodal Deep Learning Model for the Classification of Breast Cancer Subtypes 2025-Apr-14, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15080995 PMID:40310373	研究论文	本文提出了一种多模态深度学习模型，结合乳腺X光影像和临床元数据对乳腺癌亚型进行分类	采用多模态方法整合影像和临床数据，显著提高了分类性能	研究仅使用了公开数据库的数据，未进行外部验证	开发非侵入性乳腺癌亚型分类方法	乳腺癌病变	数字病理学	乳腺癌	深度学习	多模态DL模型	影像和临床元数据	1775名患者的4056张图像
97	2025-05-02	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	开发一种基于深度学习的自动化骨龄预测模型，并评估其与儿科放射科医生相比的可行性	使用Tanner-Whitehouse (TW3)方法和深度神经网络系统开发新型骨龄评估算法	对于年龄小于6岁或大于13岁的参与者，模型表现存在显著差异	评估自动化深度学习骨龄评估模型的临床有效性	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	TW3方法	Rotated Single Shot MultiBox Detector (SSD)和EfficientNet-B0	图像	560名儿童和青少年
98	2025-05-02	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方法，有效捕获局部和全局特征	研究仅基于公开数据集，未涉及实际临床环境中的验证	提高帕金森病的诊断准确性和效率	帕金森病患者	digital pathology	geriatric disease	MRI	FCN, EfficientNet	image	三个公开MRI数据集（PPMI、OASIS、MIRIAD）
99	2025-05-02	Artificial Intelligence Advancements in Oncology: A Review of Current Trends and Future Directions 2025-Apr-13, Biomedicines IF:3.9Q1 DOI:10.3390/biomedicines13040951 PMID:40299653	review	本文回顾了人工智能在肿瘤学中的最新进展，包括早期检测、个性化治疗策略和药物发现	综述了AI在肿瘤学中的应用，包括与纳米医学和免疫治疗的整合，以及AI模型与传统诊断方法的比较	数据质量、算法偏见和临床验证等挑战限制了广泛应用	探讨人工智能在肿瘤学中的应用及其未来发展方向	癌症的诊断、治疗和管理	digital pathology	lung cancer, prostate cancer, ...	deep learning	NA	NA	NA
100	2025-05-02	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和新生儿败血症精准医疗中的最新进展	AI和ML模型在NEC风险分层、早期诊断和治疗策略优化方面展现出比传统临床方法更高的准确性，并识别出与疾病发作和严重性相关的新型生物标志物	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在预测NEC风险、早期诊断和优化治疗策略中的应用	坏死性小肠结肠炎（NEC）和新生儿败血症	machine learning	necrotizing enterocolitis, neonatal sepsis	AI, ML, deep learning	NA	medical imaging, clinical data	NA