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
1801	2025-05-27	Facial emotion based smartphone addiction detection and prevention using deep learning and video based learning 2025-May-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-99681-7 PMID:40410532	研究论文	本文提出了一种基于深度学习和视频学习的智能手机成瘾检测与预防方法，通过分析学生的面部情绪来识别和减少智能手机成瘾	结合心智理论（Theory of Mind）与视频建模（Video Modelling）框架，利用MnasNet-TLBO和CNN-CSO优化算法进行情绪识别，并通过动态调整激励视频来促进行为改变	研究仅针对750名行为参数较低的学生，样本范围可能有限	检测和预防学生的智能手机成瘾行为	学生	计算机视觉	NA	深度学习、视频建模、Fisher-Yates和Durstenfeld随机算法	MnasNet-TLBO、CNN-CSO	视频、面部情绪数据	750名行为参数较低的学生
1802	2025-05-27	A deep learning model integrating domain-specific features for enhanced glaucoma diagnosis 2025-May-23, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-025-02925-9 PMID:40410768	研究论文	提出了一种结合领域特定特征的深度学习模型，用于增强青光眼的诊断	结合非结构化和结构化特征，通过深度学习模型区分青光眼和生理性大杯	未提及样本来源的多样性及模型在临床环境中的实际应用效果	提高青光眼的早期诊断准确率	青光眼患者和生理性大杯患者的视网膜图像	数字病理学	青光眼	深度学习	CNN	图像	未明确提及具体样本数量
1803	2025-05-27	Deep Learning and Radiomic Signatures Associated with Tumor Immune Heterogeneity Predict Microvascular Invasion in Colon Cancer 2025-May-23, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.05.006 PMID:40413149	research paper	本研究旨在开发和验证一种结合放射组学和深度学习特征的深度学习放射组学特征（DLRS），用于无创预测结肠癌（CC）患者的微血管侵犯（MVI），并探索DLRS与肿瘤免疫异质性的潜在关联	开发了一种结合放射组学和深度学习特征的DLR融合模型，用于预测结肠癌患者的MVI，并首次探索了DLRS与肿瘤免疫异质性的关联	研究为回顾性多中心研究，可能存在选择偏倚，且外部验证队列样本量较小	开发非侵入性预测结肠癌患者微血管侵犯的工具，并探索其与肿瘤免疫微环境的关联	结肠癌患者	digital pathology	colon cancer	RNA-seq, 对比增强静脉期CT成像	DLR融合模型（结合放射组学和深度学习模型）	CT图像, RNA-seq数据	1007名结肠癌患者（来自三个医疗中心和TCGA-COAD数据库）
1804	2025-05-27	Renal Transplant Survival Prediction From Unsupervised Deep Learning-Based Radiomics on Early Dynamic Contrast-Enhanced MRI 2025-May-23, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.05.001 PMID:40413148	研究论文	本研究探讨了基于无监督深度学习的放射组学方法在早期动态对比增强MRI上预测肾移植存活率的潜力	首次将无监督对比学习应用于肾移植MRI数据，提取与移植物存活相关的放射组学特征	样本量较小(108例训练集，48例验证集)，需要进一步研究验证方法的稳健性	开发基于AI的肾移植存活预测方法	肾移植患者的动态对比增强MRI数据	数字病理学	终末期肾病	动态对比增强MRI	深度卷积神经网络(CNN)	医学影像	训练集108例患者(50±15岁，67名男性)，验证集48例患者(54±13岁，30名男性)
1805	2025-05-27	Advancements in Structure-based Drug Design Using Geometric Deep Learning 2025-May-23, Current medicinal chemistry IF:3.5Q2 DOI:10.2174/0109298673388739250516071228 PMID:40417758	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1806	2025-05-27	Machine learning models in the prediction of chronic or shunt-dependent hydrocephalus following subarachnoid hemorrhage: A systematic review and meta-analysis 2025-May-22, The neuroradiology journal DOI:10.1177/19714009251345104 PMID:40405362	meta-analysis	该论文通过系统综述和荟萃分析评估了机器学习模型在预测蛛网膜下腔出血后慢性或分流依赖性脑积水的性能	首次通过荟萃分析方法综合评估机器学习模型在预测特定类型脑积水中的表现	仅纳入表现最佳的模型数据，可能忽略其他有价值的信息	评估机器学习模型预测蛛网膜下腔出血后慢性或分流依赖性脑积水的准确性	蛛网膜下腔出血患者	machine learning	心血管疾病	机器学习	ML/DL	临床数据	6项研究中的2096名个体
1807	2025-05-27	Deep Learning for Automated Prediction of Sphenoid Sinus Pneumatization in Computed Tomography 2025-May-22, Current medical imaging IF:1.1Q3 DOI:10.2174/0115734056363158250429101521 PMID:40415313	研究论文	开发了一个用于自动预测CT扫描中蝶窦气化模式的CNN模型	首次使用深度学习技术自动识别蝶窦气化模式，特别是在类型IV上表现出色，这对内窥镜鼻窦手术至关重要	初始数据集较小且不平衡，尽管通过数据增强进行了改善，但样本量仍有限	提高经蝶窦手术的安全性，通过自动识别蝶窦气化模式来辅助放射科医生和外科医生	蝶窦气化模式	计算机视觉	鼻窦疾病	CT扫描	CNN	图像	249张CT图像（训练集174张，测试集75张），增强后训练集增至378张
1808	2025-05-27	Unraveling the neural dynamics of mathematical interference in english reading: A novel approach with deep learning and fNIRS data 2025-May-21, Brain research bulletin IF:3.5Q2 DOI:10.1016/j.brainresbull.2025.111398 PMID:40409600	研究论文	本研究通过结合fNIRS、深度学习和数据挖掘技术，探讨英语学习中的数学认知干扰	提出了一种名为AC-LSTM的新型深度学习模型，结合了Transformer和LSTM架构，用于识别英语学习过程中的数学认知残留	NA	探究英语学习与数学认知之间的神经机制	英语学习过程中的数学干扰	教育神经科学	NA	fNIRS, 深度学习, 数据挖掘	AC-LSTM (结合Transformer和LSTM)	fNIRS数据	NA
1809	2025-05-27	Integration of metabolomics and machine learning for precise management and prevention of cardiometabolic risk in Asians 2025-May-20, Clinical nutrition (Edinburgh, Scotland) DOI:10.1016/j.clnu.2025.05.011 PMID:40414052	research paper	该研究结合代谢组学和机器学习技术，旨在精确管理和预防亚洲人群的心血管代谢风险	通过整合代谢组学和机器学习，揭示隐藏的代谢模式和通路，为亚洲人群提供个性化干预措施	代谢组学在跨种族群体结果解释、研究设计限制、分析平台变异性和数据处理方法不一致方面存在挑战	开发针对亚洲人群的心血管代谢疾病（CMDs）的精准管理和预防策略	亚洲人群的心血管代谢风险	machine learning	cardiovascular disease	metabolomics, deep learning, network analysis	deep learning	metabolomic data	NA
1810	2025-05-27	ProtoECGNet: Case-Based Interpretable Deep Learning for Multi-Label ECG Classification with Contrastive Learning 2025-May-17, ArXiv PMID:40395940	research paper	本文提出了一种基于原型学习的深度学习模型ProtoECGNet，用于可解释的多标签心电图分类	ProtoECGNet结合了1D CNN和2D CNN，使用原型损失和对比学习来提高分类性能并提供基于案例的解释	模型在PTB-XL数据集上进行评估，但未在其他数据集上验证其泛化能力	开发一种可解释的深度学习模型，用于多标签心电图分类	心电图数据	machine learning	心血管疾病	深度学习	CNN	时间序列数据	PTB-XL数据集中的71个诊断标签
1811	2025-05-27	Machine Learning in nanoarchitectonics 2025-May-13, Advances in colloid and interface science IF:15.9Q1 DOI:10.1016/j.cis.2025.103546 PMID:40412155	综述	本文回顾了人工智能、机器学习和深度学习在纳米结构学中的发现、预测、优化、表征和成像方面的应用	探讨了可解释人工智能（XAI）在纳米结构学中的应用，通过分析可解释性、时间、准确性和参数（ITAP）矩阵来理解机器决策	未明确提及具体的研究局限性	分析机器学习和人工智能在纳米结构学中的应用及其潜在影响	纳米结构学中的原子和分子科学、胶体和纳米薄膜技术、微宏观技术	机器学习	NA	机器学习、深度学习、可解释人工智能（XAI）	NA	NA	NA
1812	2025-05-27	The Potential Role of AI- and Machine Learning Models in the Early Detection of Oral Cancer and Oral Potentially Malignant Disorders 2025-05-12, Studies in health technology and informatics DOI:10.3233/SHTI250257 PMID:40357619	review	本文评估了人工智能在口腔癌及口腔潜在恶性病变早期检测中的应用进展	探讨了AI和深度学习模型在提高口腔癌及口腔潜在恶性病变早期检测准确性方面的潜力	存在解释性有限和伦理问题等挑战，需解决以全面整合到临床实践中	评估AI在口腔癌及口腔潜在恶性病变早期检测中的应用	口腔癌及口腔潜在恶性病变	digital pathology	oral cancer	AI-modalities, machine learning	deep learning models	NA	八项研究（2015-2024年间发表）
1813	2025-05-27	Interpretable MRI-Based Deep Learning for Alzheimer's Risk and Progression 2025-May-07, medRxiv : the preprint server for health sciences DOI:10.1101/2025.05.06.25326606 PMID:40385384	research paper	该研究应用基于MRI的深度学习模型于中国SILCODE队列，用于阿尔茨海默病（AD）的早期检测和风险评估	模型在未经重新训练或微调的情况下，展示了强大的跨种族泛化能力，并成功识别出高风险个体及AD脑亚型	研究主要基于MRI数据，未涉及其他类型的生物标志物或影像数据	开发可解释的基于MRI的深度学习模型，用于AD的早期检测和风险评估	722名参与者，1,105次脑部MRI扫描	digital pathology	geriatric disease	MRI	deep learning	image	722名参与者，1,105次脑部MRI扫描
1814	2025-05-27	Surrogate modeling of Cellular-Potts Agent-Based Models as a segmentation task using the U-Net neural network architecture 2025-May-05, ArXiv PMID:40386573	research paper	该研究开发了一种基于U-Net架构的卷积神经网络（CNN）代理模型，用于加速Cellular-Potts模型（CPM）的模拟评估	利用U-Net神经网络架构作为CPM的代理模型，显著提高了模拟评估速度（加速590倍），并有效捕捉了原始CPM的涌现行为	未明确提及具体限制，但可能包括模型泛化能力和对不同生物过程的适应性	开发高效的深度学习代理模型，以加速计算密集型的Cellular-Potts模型模拟	Cellular-Potts模型（CPM）及其在血管生成研究中的应用	machine learning	NA	卷积神经网络（CNN），U-Net架构	U-Net	模拟数据	NA
1815	2025-05-27	Development and validation of a user-friendly prediction tool for preoperative T-Staging in gallbladder Cancer: A multicenter study using contrast-enhanced CT-Based fusion models 2025-May-02, European journal of surgical oncology : the journal of the European Society of Surgical Oncology and the British Association of Surgical Oncology DOI:10.1016/j.ejso.2025.110117 PMID:40412011	研究论文	开发并验证了一种基于对比增强CT的融合模型，用于胆囊癌术前T分期的用户友好预测工具	结合了放射组学和深度学习特征，开发了加权GBCT模型（wGBCT），并通过用户友好工具实现高预测准确性	研究为回顾性设计，样本量相对较小（189例患者）	提高胆囊癌术前T分期的准确性，以支持手术规划	胆囊癌患者	数字病理	胆囊癌	对比增强CT、放射组学、深度学习	融合模型（Rad+DL）、加权GBCT模型（wGBCT）	医学影像（CT）、临床数据	189例胆囊癌患者（111例训练集，48例内部验证集，30例时间验证集）
1816	2025-05-27	Recent topics in musculoskeletal imaging focused on clinical applications of AI: How should radiologists approach and use AI? 2025-May, La Radiologia medica DOI:10.1007/s11547-024-01947-z PMID:39992330	综述	本文讨论了人工智能在肌肉骨骼成像领域的临床应用，包括图像生成和自动化诊断支持	聚焦于深度学习重建和基于MRI的皮质骨成像的临床应用，以及AI在罕见疾病诊断和预防医学中的角色	未提及具体的技术限制或研究样本量的限制	探讨人工智能在肌肉骨骼成像领域的应用及其对放射科医生的影响	肌肉骨骼成像和AI技术在放射学中的应用	数字病理	肌肉骨骼疾病	MRI, 深度学习	深度学习	图像	NA
1817	2025-05-27	Hybrid Electromagnetic-Triboelectric Hip Energy Harvester for Wearables and AI-Assisted Motion Monitoring 2025-May, Small (Weinheim an der Bergstrasse, Germany) DOI:10.1002/smll.202500643 PMID:40190045	研究论文	本文介绍了一种AI辅助的可穿戴髋关节能量采集器（HJEH），用于将髋关节运动的机械能转化为电能并监测人体运动	结合电磁发电机（EMG）和独立式摩擦电纳米发电机（FS-TENG）实现能量采集与运动监测，并采用深度学习算法处理摩擦电信号	NA	开发一种可穿戴设备，用于能量采集和人体运动监测	人体髋关节运动	可穿戴技术	老年疾病	电磁发电技术、摩擦电纳米发电技术、深度学习算法	深度学习模型	运动信号	NA
1818	2025-05-27	SCOPE-MRI: Bankart Lesion Detection as a Case Study in Data Curation and Deep Learning for Challenging Diagnoses 2025-Apr-29, ArXiv PMID:40395941	research paper	该研究介绍了ScopeMRI，首个公开的专家标注肩部病理数据集，并提出了一个深度学习框架用于在标准MRI和MRA上检测Bankart病变	首次公开专家标注的肩部病理数据集ScopeMRI，开发了结合CNN和transformer的深度学习模型，在标准MRI上达到与放射科医生相当的诊断性能	虽然在外院数据上进行了初步验证，但模型在不同成像协议下的泛化能力仍需进一步研究	开发深度学习模型以提高Bankart病变在标准MRI上的诊断准确性，减少对侵入性MRA的依赖	肩部MRI图像中的Bankart病变检测	digital pathology	musculoskeletal disease	MRI	CNN, transformer	3D medical imaging	586 shoulder MRIs (335 standard, 251 MRAs) from 558 patients
1819	2025-05-27	Deep Learning Auto-Segmentation of Organs at Risk in a Real-World Head and Neck Cancer Proton Beam Radiotherapy Planning 2025-Apr-23, Clinical oncology (Royal College of Radiologists (Great Britain)) DOI:10.1016/j.clon.2025.103849 PMID:40414067	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1820	2025-05-27	Hybrid AI models for predicting heat distribution in complex tissue structures with bioheat transfer simulation 2025-Apr, Journal of thermal biology IF:2.9Q1 DOI:10.1016/j.jtherbio.2025.104122 PMID:40311397	研究论文	本文提出了一种结合深度学习与分数阶Legendre小波方法的生物热传递模型，用于精确预测工程组织构建中的热效应	该模型整合了分数阶Legendre小波方法，实现了比传统方法快15%的热预测速度，并在多种组织类型中保持预测误差低于0.4°C	实验验证仅针对5厘米组织构建体进行，未涉及更复杂或更大规模的组织结构	提高生物组织热行为的预测精度，以支持热疗、热消融和组织工程等医疗应用	工程组织构建体（包括皮肤、肌肉、脂肪和骨骼等多种组织类型）	生物医学工程	NA	深度学习增强的生物热传递模拟	深度学习与分数阶Legendre小波混合模型	热分布数据	5厘米组织构建体，暴露于15W热源120分钟