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
1441	2025-06-01	Evolutionary Dynamics and Functional Differences in Clinically Relevant Pen β-Lactamases from Burkholderia spp 2025-May-26, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c00271 PMID:40314617	研究论文	研究通过机器学习和分子动力学模拟探讨了四种Pen β-内酰胺酶的动态差异及其功能影响	结合机器学习、增强采样分子动力学模拟和卷积变分自编码器深度学习技术，揭示了Pen β-内酰胺酶的动态特征和进化适应性	研究仅针对四种Pen β-内酰胺酶，可能无法涵盖所有相关酶的多样性	探讨Pen β-内酰胺酶的动态差异及其对抗生素耐药性的影响	四种Pen β-内酰胺酶（PenA, PenI, PenL和PenP）	生物信息学与计算生物学	细菌感染	机器学习驱动的增强采样分子动力学模拟、Markov状态模型(MSMs)、卷积变分自编码器深度学习(CVAE)、BindSiteS-CNN模型	CNN, CVAE	分子动力学模拟数据	四种Pen β-内酰胺酶
1442	2025-06-01	Deep learning radiomics of left atrial appendage features for predicting atrial fibrillation recurrence 2025-May-26, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-01740-y PMID:40419973	research paper	本研究开发并验证了一种结合左心耳形态特征、深度学习放射组学和临床变量的预测模型，用于预测心房颤动消融术后的复发情况	首次结合深度学习放射组学和临床变量，开发出预测心房颤动消融术后复发的模型，并验证了左心耳形态和体积与消融结果的强相关性	研究为回顾性设计，样本量相对有限（480例患者），且仅基于三个三级医院的数据	预测心房颤动射频导管消融术后的复发概率	接受射频导管消融术的心房颤动患者	digital pathology	cardiovascular disease	CT angiography (CTA), deep learning radiomics	nnUNet, Cox proportional hazard regression	image, clinical variables	480例接受射频导管消融术的心房颤动患者
1443	2025-06-01	Detecting microcephaly and macrocephaly from ultrasound images using artificial intelligence 2025-May-26, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-01709-x PMID:40419983	研究论文	本研究利用深度学习技术开发了一种从超声图像中检测胎儿头部异常（小头畸形和大头畸形）的模型	首次在资源有限的埃塞俄比亚医疗设施中应用深度学习模型SegNet进行胎儿头部异常的自动分割、测量和分类	模型性能有待进一步优化，数据集需要扩展以提高泛化能力	开发一种能够在资源有限地区应用的胎儿头部异常自动检测系统	胎儿头部超声图像	数字病理	先天性异常	深度学习	SegNet, UNet, FCN, MobileNetV2, EfficientNet-B0	超声图像	来自埃塞俄比亚三家医疗机构的胎儿头部超声图像数据
1444	2025-06-01	Prediction of one-year recurrence among breast cancer patients undergone surgery using artificial intelligence-based algorithms: a retrospective study on prognostic factors 2025-May-26, BMC cancer IF:3.4Q2 DOI:10.1186/s12885-025-14369-5 PMID:40419997	研究论文	本研究利用人工智能算法预测乳腺癌术后患者一年内的复发情况	比较分析了多种机器学习和深度学习算法在预测乳腺癌一年复发中的表现，并利用SHAP图识别关键预后因素	研究为回顾性设计，且数据仅来自德黑兰市的三个临床中心，可能限制结果的普遍性	预测乳腺癌术后患者一年内的复发情况，以改善临床决策	1156名接受过手术的乳腺癌患者	机器学习	乳腺癌	机器学习、深度学习	随机森林	临床数据	1156名乳腺癌术后患者（445例复发，711例未复发）
1445	2025-06-01	ORAKLE: Optimal Risk prediction for mAke30 in patients with sepsis associated AKI using deep LEarning 2025-May-26, Critical care (London, England) DOI:10.1186/s13054-025-05457-w PMID:40420108	研究论文	本文介绍了一种名为ORAKLE的新型深度学习模型，用于预测脓毒症相关急性肾损伤（AKI）患者在30天内发生重大不良肾脏事件（MAKE30）的风险	ORAKLE模型利用动态时间序列数据进行预测，克服了现有静态预测模型的不足，能够更准确地捕捉肾脏损伤、治疗效果和患者轨迹的动态变化	研究基于回顾性数据，可能存在选择偏倚，且模型在临床实践中的实际效果尚需前瞻性研究验证	开发一个能够准确预测AKI患者30天内重大不良肾脏事件的深度学习模型	脓毒症相关急性肾损伤患者	机器学习	急性肾损伤	深度学习	Dynamic DeepHit框架	时间序列临床数据	开发队列（MIMIC-IV）16,671例患者，外部验证队列（SiCdb）2,665例患者和（eICU-CRD）11,447例患者
1446	2025-06-01	Characterization of immune features and discovery of potential biomarkers for ankylosing spondylitis using deep plasma proteomics 2025-May-26, Journal of advanced research IF:11.4Q1 DOI:10.1016/j.jare.2025.05.052 PMID:40436140	research paper	通过深度血浆蛋白质组学和深度学习策略，研究强直性脊柱炎的免疫特征并发现潜在生物标志物	整合随机森林和正交偏最小二乘判别分析构建机器学习模型，识别出与强直性脊柱炎相关的关键蛋白质	样本量相对较小，且仅针对血浆蛋白质组进行分析，未涉及其他生物样本	优化强直性脊柱炎的临床管理和预后评估	强直性脊柱炎患者和健康对照者的血浆样本	machine learning	强直性脊柱炎	深度定量蛋白质组学，ELISA	RF, OPLS-DA	蛋白质组数据	104名参与者（AS患者和健康对照者），独立队列79名参与者用于ELISA验证
1447	2025-06-01	ICD code mapping model based on clinical text tree structure 2025-May-26, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103163 PMID:40446588	研究论文	提出了一种基于临床文本树结构的ICD编码模型TRIC，用于提高电子病历ICD编码的质量和效率	结合了选区树模型和transformer模型提取临床记录的结构和特征，使用Tree-lstm模型丰富特征，并通过bioBERT预训练模型突出关键ICD编码的作用	未明确提及具体局限性	解决电子病历ICD编码问题，提高编码质量和效率	非结构化的临床记录	自然语言处理	NA	深度学习	TRIC（结合Transformer、Tree-lstm和bioBERT）	文本	广泛使用的MIMIC-III完整数据集和样本数据集
1448	2025-06-01	Deep learning model for malignancy prediction of TI-RADS 4 thyroid nodules with high-risk characteristics using multimodal ultrasound: A multicentre study 2025-May-26, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2025.102576 PMID:40446583	research paper	本研究开发了一个深度学习模型，利用多模态超声图像预测具有高风险特征的TI-RADS 4甲状腺结节的恶性概率	结合B型超声和应变弹性成像图像的高维卷积，采用自适应粒子群优化和对比度受限自适应直方图均衡化算法提升图像质量，并通过深度学习技术融合多模态特征进行分类	研究主要针对TI-RADS 4类甲状腺结节，未涵盖其他类别结节	提高甲状腺结节恶性预测的准确性，减少漏诊和误诊	具有高风险特征的TI-RADS 4甲状腺结节	digital pathology	thyroid cancer	B-mode ultrasound, strain elastography	deep learning	image	多中心研究，具体样本量未在摘要中提及
1449	2025-06-01	Auxiliary Teaching and Student Evaluation Methods Based on Facial Expression Recognition in Medical Education 2025-May-22, JMIR human factors IF:2.6Q3 DOI:10.2196/72838 PMID:40402552	research paper	提出了一种基于面部表情识别技术的医学教育辅助教学和学生评估方法	利用先进的面部表情识别技术改进传统医学教育中的教学和评估方式	面临技术准确性、设备依赖性和隐私保护等挑战	提升医学教育的教学效果和学生个性化学习体验	医学教育中的学生和教师	computer vision	NA	facial expression recognition	deep learning	image	NA
1450	2025-06-01	A Scoping Review of AI-Driven Digital Interventions in Mental Health Care: Mapping Applications Across Screening, Support, Monitoring, Prevention, and Clinical Education 2025-May-21, Healthcare (Basel, Switzerland) DOI:10.3390/healthcare13101205 PMID:40428041	review	本文是一篇范围综述，探讨了AI驱动的数字干预在心理健康护理中的应用，涵盖了筛查、支持、监测、预防和临床教育五个阶段	引入了一个四支柱框架，全面概述了AI增强心理健康护理的当前应用和未来方向	存在算法偏见、数据隐私风险和工作流程整合障碍等挑战	指导研究人员、临床医生和政策制定者开发安全、有效和公平的数字心理健康干预措施	AI驱动的数字工具在心理健康护理中的应用	natural language processing	mental health	large language models (LLMs), machine learning (ML) models, and conversational agents	chatbots, NLP tools, ML and DL models, LLM-based agents	text	36 empirical studies
1451	2025-06-01	Brain Tumour Segmentation and Grading Using Local and Global Context-Aggregated Attention Network Architecture 2025-May-21, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12050552 PMID:40428171	research paper	该研究开发了一种名为LGCNet的智能模型，用于脑肿瘤的分割和分级，结合了局部和全局上下文注意力网络架构	提出了一种结合局部和全局上下文注意力网络的聚合架构LGCNet，用于更有效地检测和分级脑肿瘤	研究范围仅限于BraTS2019数据集，未来需要扩展到不同的临床和影像环境	设计和开发一个智能模型，以更有效地检测和分级脑肿瘤	脑肿瘤的分割和分级	digital pathology	brain tumor	deep learning	LGCNet (Local and Global Context-Aggregated Attention Network)	medical images	BraTS2019数据集
1452	2025-06-01	RDW-YOLO: A Deep Learning Framework for Scalable Agricultural Pest Monitoring and Control 2025-May-21, Insects IF:2.7Q1 DOI:10.3390/insects16050545 PMID:40429258	research paper	本文介绍了一种基于YOLO11改进的害虫检测算法RDW-YOLO，用于农业害虫监测与控制	提出了三个关键创新点：Reparameterized Dilated Fusion Block (RDFBlock)增强特征提取，DualPathDown (DPDown)模块提升多尺度适应性，以及改进的Wise-Wasserstein IoU (WWIoU)损失函数优化边界框回归	NA	提高农业害虫监测的准确性和效率	农业害虫	computer vision	NA	deep learning	YOLO	image	enhanced IP102 dataset
1453	2025-06-01	Improved YOLOv8 Network of Aircraft Target Recognition Based on Synthetic Aperture Radar Imaging Feature 2025-May-21, Sensors (Basel, Switzerland) DOI:10.3390/s25103231 PMID:40432024	研究论文	本文提出了一种基于合成孔径雷达（SAR）成像特征的改进YOLOv8网络，用于飞机目标识别	采用了Shi-Tomasi角点检测算法和Enhanced Lee滤波算法将灰度图像转换为RGB图像，增强了YOLOv8模型的多维特征提取能力，并集成了Swin Transformer机制以更好地捕捉特征图中的长距离依赖关系	NA	提高SAR图像中飞机目标的识别准确率和效率	SAR图像中的飞机目标	计算机视觉	NA	Shi-Tomasi角点检测算法、Enhanced Lee滤波算法、Swin Transformer机制	YOLOv8	图像	两个数据集：ISPRS-SAR-aircraft数据集和SAR-Aircraft-1.0数据集
1454	2025-06-01	Optimizing Backbone Networks Through Hybrid-Modal Fusion: A New Strategy for Waste Classification 2025-May-21, Sensors (Basel, Switzerland) DOI:10.3390/s25103241 PMID:40432034	研究论文	提出了一种高效的混合模态融合方法HFWC-Net，用于精确的垃圾图像分类	HFWC-Net结合了CNN和Transformer的层次结构，通过Agent Attention机制和LionBatch优化策略，提高了分类准确性并显著减少了分类时间	在复杂环境和多样化垃圾类型中仍可能存在识别准确性和泛化能力的挑战	优化垃圾分类的自动化方法，提高分类效率和准确性	垃圾图像	计算机视觉	NA	混合模态融合方法	HFWC-Net（结合CNN和Transformer）	图像	公共数据集Garbage Classification、TrashNet和自建MixTrash数据集
1455	2025-06-01	Multiclassification of Colorectal Polyps from Colonoscopy Images Using AI for Early Diagnosis 2025-May-20, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15101285 PMID:40428278	研究论文	本研究利用多种深度学习架构对结肠镜图像中的结直肠息肉进行多分类，以实现早期诊断	开发了自定义的CRP-ViT模型，在捕捉复杂特征方面表现出色，并在实时图像上取得了高准确率	NA	提高结直肠癌筛查的准确性和减少诊断变异性	结肠镜图像中的结直肠息肉	计算机视觉	结直肠癌	深度学习	VGG16, VGG19, ResNet50, DenseNet121, EfficientNetV2, InceptionNetV3, Vision Transformer (ViT), CRP-ViT	图像	公开数据集和实时图像（具体数量未提及）
1456	2025-06-01	Artificial Intelligence and Novel Technologies for the Diagnosis of Upper Tract Urothelial Carcinoma 2025-May-20, Medicina (Kaunas, Lithuania) DOI:10.3390/medicina61050923 PMID:40428881	综述	本文综述了人工智能和新技术在上尿路尿路上皮癌(UTUC)诊断中的应用	探讨了人工智能在提高尿液细胞学、CT尿路造影和输尿管镜可视化诊断准确性方面的创新应用	ChatGPT在诊断和治疗信息提供方面尚未成熟	研究人工智能和新技术在UTUC早期诊断中的应用	上尿路尿路上皮癌(UTUC)	数字病理学	尿路上皮癌	计算机断层扫描尿路造影(CT Urograms)、尿液细胞学、输尿管镜检查	随机森林(Random forest)、深度学习(deep learning)、计算机视觉模型	图像、文本	12篇文献纳入综述
1457	2025-06-01	Computational methods for modeling protein-protein interactions in the AI era: Current status and future directions 2025-May-19, Drug discovery today IF:6.5Q1 DOI:10.1016/j.drudis.2025.104382 PMID:40398752	综述	本文综述了人工智能时代下蛋白质-蛋白质相互作用（PPIs）建模的计算方法现状及未来发展方向	重点介绍了AI驱动方法的最新进展，包括改进采样多样性、整合实验数据和增强鲁棒性等创新点	面临蛋白质灵活性、对共进化信号的依赖、大型复合体建模以及涉及内在无序区域（IDRs）相互作用等关键挑战	探讨蛋白质复合物结构预测的计算方法	蛋白质-蛋白质相互作用（PPIs）	结构生物学	NA	深度学习、端到端框架（如AlphaFold及其衍生工具）	AlphaFold及其衍生模型	蛋白质结构数据	NA
1458	2025-06-01	A Smartphone-Based Non-Destructive Multimodal Deep Learning Approach Using pH-Sensitive Pitaya Peel Films for Real-Time Fish Freshness Detection 2025-May-19, Foods (Basel, Switzerland) DOI:10.3390/foods14101805 PMID:40428585	研究论文	本研究提出了一种基于智能手机的非破坏性多模态深度学习方法，用于实时检测鱼类新鲜度	结合火龙果皮pH智能指示膜和多模态深度学习，设计了FreshFusionNet方法，实现了高精度实时检测	方法仅在特定智能手机(小米14)上测试，未验证在其他设备上的性能	开发一种低成本、便携式的鱼类新鲜度实时检测方法	鱼类新鲜度	计算机视觉	NA	多模态深度学习	MobileNetV2, TCN	图像, 化学指标数据	3600张指示膜图像
1459	2025-06-01	Automated Stuttering Detection Using Deep Learning Techniques 2025-May-19, Journal of clinical medicine IF:3.0Q1 DOI:10.3390/jcm14103552 PMID:40429548	research paper	本研究提出了一种利用深度学习技术自动检测口吃的创新系统	使用CNN和ConvLSTM模型自动检测口吃，提高了检测准确性和效率	未提及系统在实时检测或不同语言环境下的表现	开发一种自动检测口吃的系统，以替代耗时且主观的手动测量方法	口吃患者	natural language processing	NA	deep learning	CNN, ConvLSTM	audio	FluencyBank和SEP-28K两个基准数据集
1460	2025-06-01	NeuroDetect: Deep Learning-Based Signal Detection in Phase-Modulated Systems with Low-Resolution Quantization 2025-May-19, Sensors (Basel, Switzerland) DOI:10.3390/s25103192 PMID:40431983	研究论文	本文介绍了NeuroDetect，一种基于深度学习的无模型信号检测框架，专为具有低分辨率模数转换器（ADC）的相位调制无线系统设计	NeuroDetect无需显式信道状态信息，直接通过神经网络架构从数据中学习量化接收信号与发送符号之间的非线性关系，并在最坏情况下与假设完美信道知识的最大似然检测器相比性能差距不超过12%	NA	开发适用于低分辨率ADC相位调制无线系统的信号检测框架	相位调制无线系统中的信号检测	机器学习	NA	深度学习	神经网络	信号数据	NA