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	2025-06-20	Predicting alveolar nerve injury and the difficulty level of extraction impacted third molars: a systematic review of deep learning approaches 2025, Frontiers in dental medicine IF:1.5Q3 DOI:10.3389/fdmed.2025.1534406 PMID:40463825	系统综述	本文系统评估了深度学习模型在预测第三磨牙拔除难度和下牙槽神经损伤风险方面的准确性和可靠性	首次系统综述深度学习在口腔全景X光片(PR)图像上预测第三磨牙拔除难度和神经损伤风险的应用	研究地理分布局限(主要来自韩国)，人口统计学数据报告不足，缺乏长期随访数据	评估深度学习模型在第三磨牙拔除术前评估中的预测性能	第三磨牙拔除手术和下牙槽神经损伤风险	数字病理	口腔疾病	深度学习	DL模型(未指定具体架构)	全景X光图像(PR图像)	6项研究共12,419张PR图像
82	2025-06-20	Transformer for Multitemporal Hyperspectral Image Unmixing 2025, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1 DOI:10.1109/TIP.2025.3577394 PMID:40504726	research paper	提出了一种名为MUFormer的端到端无监督深度学习模型，用于多时相高光谱图像解混	引入了全局感知模块(GAM)和变化增强模块(CEM)，有效捕捉多时相语义信息	NA	提高多时相高光谱图像解混的性能	多时相高光谱图像	computer vision	NA	深度学习	Transformer	hyperspectral image	一个真实数据集和两个合成数据集
83	2025-06-20	Research on learning achievement classification based on machine learning 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0325713 PMID:40531811	研究论文	本研究基于机器学习技术对学生学业成绩进行分类，以提高预测的准确性和鲁棒性	采用基于高斯分布的数据增强技术(GDO)结合多种深度学习和机器学习模型，提出新的教育数据分析方法和视角	未明确说明样本的具体规模和代表性，可能影响模型的泛化能力	提高学生学业成绩分类的准确性和鲁棒性，为教育政策制定提供数据支持	学生的个人信息、学业表现、出勤率、家庭背景和课外活动等多维特征	机器学习	NA	Gaussian Distribution based Data Augmentation (GDO), Deep Learning (DL), Machine Learning (ML)	RBFN, 多种DL和ML模型	结构化数据(学生特征数据)	NA
84	2025-06-20	DeepRice6mA: A convolutional neural network approach for 6mA site prediction in the rice Genome 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0325216 PMID:40531834	研究论文	本文提出了一种名为DeepRice6mA的卷积神经网络方法，用于预测水稻基因组中的6mA位点	结合了一热编码和3-kmer特征嵌入的集成策略，达到了当前最先进的预测效果	NA	提高水稻基因组中6mA位点预测的准确性和计算效率	水稻基因组中的6mA位点	机器学习	NA	深度学习	CNN	基因组数据	NA
85	2025-06-20	Study on the quantitative analysis of Tilianin based on Raman spectroscopy combined with deep learning 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0325530 PMID:40531836	研究论文	本文提出了一种基于拉曼光谱和深度学习的残差自注意力机制模型，用于定量分析6种不同浓度的田蓟素	结合拉曼光谱与深度学习，提出残差自注意力机制模型（RSAQN），用于田蓟素的非破坏性定量分析	仅针对田蓟素-甲醇溶液的6种浓度进行分析，样本量较小（120个光谱样本）	开发一种非破坏性方法以改进田蓟素的定量分析，助力药品质量控制和临床应用	田蓟素（Tilianin）的甲醇溶液	机器学习	肝癌、肺癌、胃癌	拉曼光谱	残差自注意力机制模型（RSAQN）、CNN、VAE、随机森林、KNN、人工神经网络	光谱数据	120个田蓟素-甲醇溶液的光谱样本
86	2025-06-20	Advancing breast cancer prediction: Comparative analysis of ML models and deep learning-based multi-model ensembles on original and synthetic datasets 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0326221 PMID:40531928	研究论文	本研究通过比较多种机器学习和深度学习模型在原始和合成数据集上的表现，旨在提升乳腺癌诊断的准确性和效率	结合传统机器学习模型、AutoML和深度学习技术，并利用合成数据生成方法（如Gaussian Copula和TVAE）来提高预测性能	未提及具体的数据集规模或样本多样性，可能影响模型的泛化能力	提升乳腺癌诊断的准确性和效率	乳腺癌诊断	机器学习	乳腺癌	KNN, SVM, ANN, RF, XGBoost, AutoML, 深度学习	KNN, SVM, ANN, RF, XGBoost, AutoML, 深度学习模型	原始数据和合成数据	NA
87	2025-06-20	Generative AI - Assisted Adaptive Cancer Therapy 2025 Jan-Dec, Cancer control : journal of the Moffitt Cancer Center IF:2.5Q3 DOI:10.1177/10732748251349919 PMID:40532181	综述	本文探讨了利用生成式AI（GenAI）提升适应性癌症治疗的预测和治疗推荐能力	整合非线性系统识别、控制理论和深度学习，提出GenAI增强的适应性癌症治疗框架	临床数据获取困难、深度学习模型的不透明性以及临床验证是主要挑战	提高适应性联合治疗的预测准确性和可靠性，并开发临床可行的治疗模型	癌症适应性治疗	机器学习	癌症	深度学习	GenAI	多模态数据	NA
88	2025-06-20	An Enhanced Hybrid Model Combining CNN, BiLSTM, and Attention Mechanism for ECG Segment Classification 2025, Biomedical engineering and computational biology IF:2.3Q3 DOI:10.1177/11795972251341051 PMID:40534643	research paper	提出了一种结合CNN、BiLSTM和注意力机制的增强混合模型，用于ECG信号分类	整合了CNN、CBAM和BiLSTM层，自动提取特征并分类ECG信号，同时使用SMOTE处理类别不平衡问题	未提及模型在真实临床环境中的泛化能力	提高ECG信号分类的准确性，减轻临床医生的工作负担	ECG信号	digital pathology	cardiovascular disease	SMOTE	CNN, BiLSTM, Attention Mechanism	ECG信号数据	MIT-BIH心律失常数据库
89	2025-06-20	AI improves consistency in regional brain volumes measured in ultra-low-field MRI and 3T MRI 2025, Frontiers in neuroimaging DOI:10.3389/fnimg.2025.1588487 PMID:40534653	research paper	本研究比较了使用不同磁共振成像（MRI）模态和深度学习模型（特别是3T MRI、64mT超低场（ULF）MRI以及使用SynthSR和HiLoResGAN增强的ULF MRI）测量大脑各区域体积的一致性	利用深度学习模型SynthSR和LoHiResGAN减少超低场MRI与3T MRI在脑体积测量上的系统性差异	未提及样本的具体数量或多样性，可能影响结果的普遍性	评估不同场强MRI及AI增强后MRI在脑体积测量上的一致性和偏差	大脑各区域的体积测量	医学影像分析	NA	MRI, 深度学习	SynthSR, HiLoResGAN	MRI图像	NA
90	2025-06-20	Development of deep learning models for high-resolution exposome mapping and health impact assessment 2025, Frontiers in public health IF:3.0Q2 DOI:10.3389/fpubh.2025.1565471 PMID:40535428	research paper	开发深度学习模型用于高分辨率暴露组图谱绘制和健康影响评估	提出了自适应多尺度暴露网络（AMSEN）和自适应暴露优化策略（AEOS），通过多模态数据融合和不确定性量化，提高了暴露组研究的精度和效率	未提及具体样本量或数据来源的局限性	解决传统暴露组图谱绘制方法在时空分辨率、多模态数据整合和暴露量化不确定性处理方面的不足	环境暴露与人类健康之间的复杂相互作用	machine learning	NA	深度学习、卫星影像、可穿戴传感器、地理空间分析	AMSEN（自适应多尺度暴露网络）	多模态数据（卫星影像、传感器数据、地理空间数据）	NA
91	2025-06-20	A hybrid Bi-LSTM model for data-driven maintenance planning 2025, Autonomous intelligent systems DOI:10.1007/s43684-025-00099-9 PMID:40535477	研究论文	本文开发了一种混合Bi-LSTM模型，用于数据驱动的维护规划，通过蒙特卡洛dropout生成剩余使用寿命预测，并用于优化选择性维护问题	提出了一种结合蒙特卡洛dropout的混合DL模型，用于生成RUL预测并构建经验系统可靠性函数，优化选择性维护问题，适用于大规模复杂场景	研究中使用的系统配置较为简单，模型的可扩展性有待验证	开发一种数据驱动的维护规划方法，优化选择性维护问题	面向任务的串联k-out-of-n:G系统	机器学习	NA	深度学习，蒙特卡洛dropout	Bi-LSTM	传感器数据	NA
92	2025-06-20	The multikinetic fusion feature of PPG was combined with MCNN_vision_transformer for diabetes detection 2025, American journal of translational research IF:1.7Q4 DOI:10.62347/ZRMW1346 PMID:40535639	研究论文	提出了一种基于PPG信号多动力学融合特征和MCNN_Vision Transformer的糖尿病自动检测模型	结合了PPG信号的动态融合特征提取和Vision Transformer模型，用于捕捉全局上下文语义特征，显著提高了糖尿病检测性能	研究为回顾性病例对照研究，可能存在样本选择偏差	利用深度学习算法进行糖尿病的早期预防和筛查	血糖正常人群、糖尿病控制不佳人群和糖尿病控制良好人群	机器学习	糖尿病	SGR空间编码算法、MCNN、Vision Transformer	MCNN、Vision Transformer (ViT)	PPG信号	自收集的医疗数据集，包含三组人群
93	2025-06-20	Pretreatment Multi-sequence Contrast-Enhanced MRI to Predict Response to Immunotherapy in Unresectable Hepatocellular Carcinoma Using Transformer: A Multicenter Study 2025, Journal of Cancer IF:3.3Q2 DOI:10.7150/jca.111026 PMID:40535816	研究论文	本研究开发了一个基于Transformer的放射组学模型，用于预测不可切除肝细胞癌患者对联合免疫治疗的客观反应	结合ResNet50和Transformer的深度学习框架，首次用于预测不可切除肝细胞癌患者对靶向联合免疫治疗的疗效	研究为回顾性多中心研究，可能存在选择偏倚	预测不可切除肝细胞癌患者对靶向联合免疫治疗的客观反应	264名接受免疫治疗前进行增强MRI扫描的不可切除肝细胞癌患者	数字病理	肝癌	对比增强MRI	Transformer, ResNet50	MRI图像	264名患者（训练组180名，验证组84名）
94	2025-06-20	Deep learning-based text generation for plant phenotyping and precision agriculture 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1564394 PMID:40535926	research paper	本文提出了一种结合深度学习文本生成与领域特定知识的计算框架，用于植物表型分析	提出了一种混合生成模型、生物约束优化策略和环境感知模块的新型框架，提高了预测准确性和可解释性	未明确提及具体局限性	提升植物表型分析的准确性和可解释性，以支持精准农业	植物表型数据	machine learning	NA	deep learning-based text generation	hybrid generative model	imaging data	NA
95	2025-06-20	Predicting patients' sentiments about medications using artificial intelligence techniques 2024-12-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-83222-9 PMID:39738528	研究论文	本研究利用人工智能技术预测患者对药物的情感倾向	首次采用技术解释结果以提高可解释性和可理解性，并开发了深度集成模型DL_ENS	未提及具体样本量及数据集的局限性	开发AI模型以预测患者对药物的情感倾向，辅助临床医生开药	药物相关文本数据	自然语言处理	NA	Word2Vec算法、预训练词嵌入	ML和DL模型（包括CNN、LSTM等）及集成学习模型	文本	NA
96	2025-06-20	Descriptive overview of AI applications in x-ray imaging and radiotherapy 2024-12-27, Journal of radiological protection : official journal of the Society for Radiological Protection IF:1.4Q3 DOI:10.1088/1361-6498/ad9f71 PMID:39681008	综述	本文综述了人工智能在X射线成像和放射治疗中的应用及其对患者预后的改善	探讨了AI在优化放射剂量、提高放射治疗效果方面的创新方法，包括深度学习在CT重建和实时剂量估计中的应用	部分AI方法尚未准备好用于常规临床使用，主要由于验证挑战，如确保在不同患者群体和临床环境中的可靠性	研究人工智能在医学放射应用中的潜力和挑战	X射线成像和放射治疗中的AI应用	数字病理学	NA	深度学习	DL模型	图像	NA
97	2025-06-20	Cultivation strategies of English thinking ability in the environment of Internet of Things 2024-Dec-15, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e39515 PMID:39687130	研究论文	本研究旨在通过物联网环境和深度学习视角，设计LSNN推荐模型以解决英语思维培养不足的问题	在CNN基础上增加调整层设计LSNN模型，有效缓解数据稀疏性问题	实验数据稀疏性范围较窄（0.7-0.9），未测试更广泛场景	拓宽英语学习者视野并加强英语思维能力的培养	英语学习者	自然语言处理	NA	深度学习	LSNN（基于CNN改进）	文本数据	未明确说明样本数量
98	2025-06-20	Vocal Call Locator Benchmark (VCL) for localizing rodent vocalizations from multi-channel audio 2024-Sep-21, bioRxiv : the preprint server for biology DOI:10.1101/2024.09.20.613758 PMID:39345431	research paper	本文介绍了Vocal Call Locator Benchmark (VCL)，这是一个用于从多通道音频中定位啮齿动物发声的首个大规模数据集	提出了首个用于生物声学领域的大规模数据集和基准测试，填补了该领域公开模型、数据集和基准测试的空白	现有方法在标准实验室环境中定位动物产生声音的能力有限	理解社会互动中的行为和神经动力学，特别是动物如何处理声学信息	啮齿动物的社会发声	bioacoustics	NA	deep learning methods for SSL	NA	multi-channel audio recordings	767,295 sounds across 9 conditions
99	2025-06-20	Emerging research trends in artificial intelligence for cancer diagnostic systems: A comprehensive review 2024-Sep-15, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e36743 PMID:39263113	综述	本文全面分析了机器学习在癌症诊断系统中的应用现状及发展趋势	重点介绍了可解释人工智能（XAI）在癌症诊断中的新兴应用，包括交互式模型决策可视化和特征重要性分析等技术	讨论了数据集限制、模型可解释性、多组学整合和伦理问题等挑战	评估现代机器学习技术在癌症诊断中的应用，并指导研究人员、临床医生和政策制定者开发高效且可解释的基于机器学习的癌症诊断系统	癌症诊断系统	人工智能	癌症	机器学习、深度学习、联邦学习	监督学习、无监督学习、深度学习模型	影像数据、基因组数据、临床记录	NA
100	2025-06-20	Modelling protein complexes with crosslinking mass spectrometry and deep learning 2024-09-09, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-51771-2 PMID:39251624	research paper	该研究通过将交联质谱（MS）实验距离约束整合到AlphaFold-Multimer中，扩展了AlphaLink以应用于蛋白质复合物，从而改善了结构建模性能	将交联质谱数据整合到AlphaFold-Multimer中，显著提高了对具有挑战性目标的建模性能，包括界面识别、采样聚焦和模型选择改进	NA	提高蛋白质复合物结构建模的准确性	蛋白质复合物	machine learning	NA	crosslinking mass spectrometry (MS), deep learning	AlphaFold-Multimer, AlphaLink	protein complex data	NA