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
1841	2025-05-11	The long journey of artificial intelligence in medicine: an overview 2025-May, Clinical and experimental rheumatology IF:3.4Q2 DOI:10.55563/clinexprheumatol/oamfed PMID:40338059	综述	本文概述了人工智能在医学领域的漫长发展历程及其重要里程碑	全面回顾了AI从哲学和数学起源到现代医学应用的演变过程，突出了关键技术的发展节点	未具体说明当前AI在医学应用中面临的具体技术或伦理挑战细节	梳理人工智能技术在医学领域的发展历史和应用前景	人工智能技术的发展历程及其医学应用	人工智能	NA	机器学习、神经网络、深度学习、大语言模型	NA	健康大数据	NA
1842	2025-05-11	Rapid point-of-care pathogen sensing in the post-pandemic era 2025-May, Trends in biotechnology IF:14.3Q1 DOI:10.1016/j.tibtech.2024.10.003 PMID:39521626	review	本文综述了后疫情时代快速准确诊断病毒或细菌病原体的即时检测技术进展	重点介绍了利用表面增强拉曼散射(SERS)技术的生物传感器在病原体感染标志物快速敏感诊断中的革命性应用，以及深度学习在复杂信号快速解析中的整合	NA	探讨后疫情时代即时检测(POC)诊断技术的发展现状与趋势	病毒或细菌病原体的快速诊断技术	生物医学工程	传染病	表面增强拉曼散射(SERS), 深度学习	深度学习算法	生物标志物信号	NA
1843	2025-05-11	Current and future deep learning algorithms for tandem mass spectrometry (MS/MS)-based small molecule structure elucidation 2025-May, Rapid communications in mass spectrometry : RCM IF:1.8Q2 DOI:10.1002/rcm.9120 PMID:33955607	research paper	探讨当前和未来深度学习算法在基于串联质谱（MS/MS）的小分子结构解析中的应用	提出新的深度学习架构，通过多任务学习和特征工程解决现有方法在计算复杂性、数据预处理信息丢失和分子指纹覆盖不足方面的问题	深度学习框架的性能和普遍适用性需要与经典机器学习框架进行公平评估	开发强大的深度学习模型以实现从小分子串联质谱数据中自动解析结构	小分子结构解析	machine learning	NA	tandem mass spectrometry (MS/MS)	graph convolutional networks, multitask learning	mass spectral data	NA
1844	2025-05-11	Impact of CT reconstruction algorithms on pericoronary and epicardial adipose tissue attenuation 2025-Apr-23, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.112132 PMID:40344712	research paper	研究CT重建算法对心周脂肪组织和心外膜脂肪组织定量的影响，并探讨通过脂肪阈值调整校正这些影响的可行性	比较了不同强度的ASIR-V和DLIR算法对脂肪组织定量的影响，并提出了脂肪阈值调整的校正方法	研究为回顾性分析，样本量有限（134例患者），且仅基于特定时间段的数据	评估不同CT重建算法对心周脂肪组织和心外膜脂肪组织定量的影响，并探索校正方法	134例接受冠状动脉CT血管造影（CCTA）的患者	医学影像处理	心血管疾病	冠状动脉CT血管造影（CCTA），自适应统计迭代重建（ASIR-V），深度学习图像重建（DLIR）	NA	医学影像数据	134例患者
1845	2025-05-11	Radiomics for lung cancer diagnosis, management, and future prospects 2025-Apr-11, Clinical radiology IF:2.1Q2 DOI:10.1016/j.crad.2025.106926 PMID:40344812	综述	本文综述了放射组学在肺癌诊断和管理中的作用，探讨了从手工放射组学到深度学习技术的各种方法及其应用	强调了放射组学在提高诊断准确性、预测治疗反应和个性化患者护理方面的潜力，并探讨了未来发展方向，如大型语言模型、可解释AI和超分辨率成像技术的整合	未具体提及研究的局限性	探讨放射组学在肺癌诊断和管理中的应用及其未来前景	肺癌患者	数字病理学	肺癌	放射组学、深度学习	AI模型	医学影像	NA
1846	2025-05-11	Transfer learning and data augmentation for glucose concentration prediction from colorimetric biosensor images 2025-Apr-08, Mikrochimica acta DOI:10.1007/s00604-025-07136-7 PMID:40199789	研究论文	介绍了一种深度学习算法，用于通过比色纸传感器图像准确预测葡萄糖浓度	采用迁移学习和数据增强技术，简化了预测过程，无需单独的特征提取	需要大量训练数据，尽管数据增强技术试图缓解这一问题	开发一种基于深度学习的葡萄糖浓度预测方法	比色纸传感器图像	计算机视觉	NA	迁移学习, 数据增强	ResNet50, ResNet101, GoogLeNet, VGG-19	图像	五种不同葡萄糖浓度的比色纸传感器图像数据集
1847	2025-05-11	Leveraging Radiomics and Hybrid Quantum-Classical Convolutional Networks for Non-Invasive Detection of Microsatellite Instability in Colorectal Cancer 2025-Apr, Molecular imaging and biology IF:3.0Q2 DOI:10.1007/s11307-025-01990-w PMID:39979579	研究论文	本研究提出了一种结合放射组学和混合量子-经典卷积神经网络的新框架，用于无创检测结直肠癌的微卫星不稳定性状态	采用自注意力对抗性染色标准化、Slimmable Transformer进行肿瘤轮廓描绘以及混合量子-经典神经网络提取放射组学特征，显著提高了MSI状态检测的准确性	NA	提升结直肠癌微卫星不稳定性状态的检测准确性，改善临床决策和患者预后	结直肠癌组织病理学切片图像	数字病理学	结直肠癌	放射组学分析、混合量子-经典神经网络	混合量子-经典卷积网络、Slimmable Transformer	组织病理学图像	来自NCT-CRC-HE-100K和PAIP 2020数据库的样本
1848	2025-05-11	AI-MET: A deep learning-based clinical decision support system for distinguishing multisystem inflammatory syndrome in children from endemic typhus 2025-Apr, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109815 PMID:39987695	research paper	本文介绍了一种基于深度学习的临床决策支持系统AI-MET，用于区分儿童多系统炎症综合征（MIS-C）和地方性斑疹伤寒	AI-MET系统利用临床和实验室特征，在患者就诊前六小时内即可及时区分MIS-C和地方性斑疹伤寒，且在训练和测试数据集上的五个评估指标均达到100%	研究样本量相对较小，仅包括87例地方性斑疹伤寒患者和133例MIS-C患者	开发一种能够准确区分MIS-C和地方性斑疹伤寒的临床决策支持系统，以改善这两种疾病的早期诊断	儿童多系统炎症综合征（MIS-C）和地方性斑疹伤寒患者	digital pathology	multisystem inflammatory syndrome in children, endemic typhus	deep learning	NA	clinical and laboratory features	87例地方性斑疹伤寒患者和133例MIS-C患者（训练和测试数据集），111例MIS-C患者（验证数据集）
1849	2025-05-11	Missing-modality enabled multi-modal fusion architecture for medical data 2025-Apr, Journal of biomedical informatics IF:4.0Q2 DOI:10.1016/j.jbi.2025.104796 PMID:39988001	研究论文	本研究提出了一种能够处理缺失模态的多模态融合架构，用于提升医学数据的深度学习模型性能	开发了一种基于Transformer的双模态融合模块，并将其组合成三模态融合框架，同时引入了多元损失函数以提高模型对缺失模态的鲁棒性	虽然对缺失模态具有鲁棒性，但在模态不完整数据上的性能仍略有下降	开发一种对缺失模态具有鲁棒性的多模态融合架构，以提升临床任务的性能	胸部X光片（图像模态）、放射学报告（文本模态）和结构化数值数据（表格数据模态）	数字病理	NA	Transformer	基于Transformer的双模态融合模块和三模态融合框架	图像、文本、表格数据	MIMIC-IV和MIMIC-CXR数据集
1850	2025-05-11	Artificial Intelligence non-invasive methods for neonatal jaundice detection: A review 2025-Apr, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103088 PMID:39988547	review	本文综述了人工智能在新生儿黄疸非侵入性检测方法中的应用	探讨了多种AI驱动技术（如机器学习和深度学习）在提高新生儿黄疸诊断准确性方面的潜力，并指出AI模型在检测黄疸方面达到超过90%的准确率	讨论了在临床实践中整合这些技术的伦理和实际影响，并建议未来研究方向，如开发新的成像技术和可穿戴传感器	评估AI解决方案在减少新生儿发病率和死亡率方面的潜在影响，重点关注早期黄疸诊断	新生儿黄疸	digital pathology	geriatric disease	Machine Learning (ML), Deep Learning (DL)	neural networks	image	NA
1851	2025-05-11	A comprehensive validation study on the influencing factors of cough-based COVID-19 detection through multi-center data with abundant metadata 2025-Apr, Journal of biomedical informatics IF:4.0Q2 DOI:10.1016/j.jbi.2025.104798 PMID:39993588	研究论文	本研究通过多中心数据和丰富的元数据，全面验证了基于咳嗽的COVID-19检测模型的影响因素	首次结合自监督学习和多源数据，验证了咳嗽类型、症状和感染阶段等因素对检测性能的影响，并观察了预测概率与临床指标的相关性	在康复个体和开源数据集上检测性能较差，显示了现有基于咳嗽的检测模型的局限性	评估基于咳嗽的COVID-19检测模型在实际应用中的可行性	临床和大规模众包的咳嗽音频数据	机器学习	COVID-19	自监督学习	深度学习模型	音频	多中心临床数据和众包数据
1852	2025-05-11	Prediction and detection of terminal diseases using Internet of Medical Things: A review 2025-Apr, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109835 PMID:39999492	综述	本文综述了人工智能（AI）与医疗物联网（IoMT）结合在预测和检测慢性及终末期疾病中的应用及面临的挑战	探讨了AI-IoMT技术在疾病预测中的创新方法，包括联邦学习、迁移学习和区块链技术，以提高模型的鲁棒性、数据安全性和互操作性	面临数据异质性、隐私问题和模型泛化能力等挑战	评估AI-IoMT技术在预测和检测慢性及终末期疾病中的有效性	心血管疾病、阿尔茨海默病和癌症等慢性及终末期疾病	医疗物联网	心血管疾病、阿尔茨海默病、癌症	联邦学习、迁移学习、区块链	XGBoost、Random Forest、CNN、LSTM	医疗数据	NA
1853	2025-05-11	Prediction of school PM2.5 by an attention-based deep learning approach informed with data from nearby air quality monitoring stations 2025-Apr, Chemosphere IF:8.1Q1 DOI:10.1016/j.chemosphere.2025.144241 PMID:39999669	研究论文	本研究提出了一种基于注意力机制的深度学习方法来预测学校室内外PM2.5浓度，利用附近空气质量监测站的数据，无需学校现场传感器	提出了一种基于注意力深度卷积自编码器（ADCAE）的软传感器，完全消除了学校现场传感器的需求，降低了安装、操作和维护的财务和技术成本	NA	预测学校室内外PM2.5浓度，确保健康的学习环境	学校环境（教室和操场）的PM2.5浓度	机器学习	NA	深度学习	ADCAE（注意力深度卷积自编码器）	空气质量数据	多所学校（小学、初中和高中）
1854	2025-05-11	Deep learning-based LDL-C level prediction and explainable AI interpretation 2025-Apr, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109905 PMID:40010176	研究论文	本研究探讨了使用深度学习模型预测低密度脂蛋白胆固醇（LDL-C）水平的方法	采用深度学习模型（如CNN、RNN和LSTM）预测LDL-C水平，并通过LIME方法解释模型预测结果，相比传统方法和公式具有更高准确性	深度学习模型需要更多的计算资源来解释其决策过程	预测低密度脂蛋白胆固醇（LDL-C）水平，以评估心血管疾病风险并规划治疗方案	低密度脂蛋白胆固醇（LDL-C）水平	机器学习	心血管疾病	深度学习	CNN, RNN, LSTM	临床数据（包括甘油三酯、总胆固醇和高密度脂蛋白胆固醇）	来自纽约-长老会医院/威尔康奈尔医学中心的数据集（具体样本量未提及）
1855	2025-05-11	Automated vertebral compression fracture detection and quantification on opportunistic CT scans: a performance evaluation 2025-Apr, Clinical radiology IF:2.1Q2 DOI:10.1016/j.crad.2025.106831 PMID:40010260	研究论文	开发了一种基于深度学习的算法，用于在机会性CT扫描中自动检测和量化椎体压缩性骨折	使用2D/3D U-Nets卷积神经网络开发了一种自动化工具，用于在非专门针对椎体压缩性骨折的CT扫描中进行机会性筛查	研究样本量相对较小（100名患者），且为回顾性研究	评估基于深度学习的算法在机会性CT扫描中检测和量化椎体压缩性骨折的性能	椎体压缩性骨折（VCF）患者	数字病理学	骨质疏松症	CT扫描	2D/3D U-Nets	医学影像	100名患者（平均年龄76.6岁，72%为女性）
1856	2025-05-11	Comprehensive analysis of human dendritic spine morphology and density 2025-Apr-01, Journal of neurophysiology IF:2.1Q3 DOI:10.1152/jn.00622.2024 PMID:40013734	研究论文	本文通过对27名患者的人脑组织进行综合研究，分析了树突棘的形态和密度，并利用深度学习模型实现了自动化的树突棘分割和三维重建	首次使用人脑组织进行树突棘的深入分析，结合深度学习与传统方法，实现了高效的自动化处理	样本量相对较小（27名患者），且仅来自肿瘤或癫痫手术患者，可能影响结果的普遍性	研究人脑树突棘的形态和密度差异，探索其与神经和精神疾病的潜在联系	27名患者（8名女性，19名男性，年龄18-71岁）的脑组织样本	神经科学	神经疾病	三维重建、深度学习	深度学习模型	图像	27名患者的脑组织样本，近4000个形态重建的树突棘
1857	2025-05-11	Automated segmentation by SCA-UNet can be directly used for radiomics diagnosis of thymic epithelial tumors 2025-Apr, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.112004 PMID:40014944	研究论文	本研究开发了一种名为SCA-UNet的深度学习网络，用于自动分割胸腺病变，并应用于胸腺上皮肿瘤（TETs）的放射组学诊断和风险评估	提出了结合空间通道注意力的SCA-UNet模型，增强了全局上下文感知能力，提高了分割精度和泛化性能	研究仅基于单一医疗中心的数据，可能影响模型的泛化能力	开发自动分割胸腺病变的深度学习模型，并探索其在TETs诊断和风险评估中的应用	712例纵隔病变患者的术前CT图像	数字病理	胸腺上皮肿瘤	CT成像	SCA-UNet（基于UNet改进的深度学习网络）	医学影像（CT图像）	712例患者
1858	2025-05-11	A multi-stage multi-modal learning algorithm with adaptive multimodal fusion for improving multi-label skin lesion classification 2025-Apr, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103091 PMID:40015211	research paper	本文提出了一种基于不确定性的混合融合策略的多模态学习算法，用于提高多标签皮肤病变分类的准确性	引入了一种新颖的基于不确定性的混合融合策略，结合了临床图像、皮肤镜图像和元数据三种不同模态，通过中间融合策略和不确定性机制自适应地整合多模态信息	未提及具体的数据集规模限制或算法在特定条件下的性能局限	提高皮肤癌诊断的准确性和临床适用性	皮肤病变图像（临床图像和皮肤镜图像）及相关元数据	digital pathology	skin cancer	multi-modal learning, uncertainty mechanism	deep learning-based multi-modal fusion algorithm	image, metadata	使用了一个流行的公开皮肤疾病诊断数据集（具体数量未提及）
1859	2025-05-11	Optimizing visible retinal area in pediatric ultra-widefield fundus imaging: The effectiveness of mydriasis and eyelid lifting 2025-Apr, Photodiagnosis and photodynamic therapy IF:3.1Q2 DOI:10.1016/j.pdpdt.2025.104532 PMID:40015615	研究论文	本研究探讨了在儿童超广角眼底成像中，通过散瞳和眼睑提升来最大化可见视网膜区域（VRA）的效果	结合散瞳和手动眼睑提升显著增加了超广角眼底成像中的可见视网膜区域，有效减少了由睫毛和眼睑引起的伪影影响	研究样本量较小（53名儿童，106只眼睛），且仅在单一医院进行，可能影响结果的普遍性	最大化儿童超广角眼底成像中的可见视网膜区域，以提高周边视网膜病变的检测率	53名儿童（106只眼睛）的超广角眼底图像	数字病理学	视网膜病变	超广角Optos成像系统（Daytona P200T）和基于深度学习的图像分割工具	深度学习	图像	53名儿童（106只眼睛）
1860	2025-05-11	Noninvasive Artificial Intelligence System for Early Predicting Residual Cancer Burden During Neoadjuvant Chemotherapy in Breast Cancer 2025-Apr-01, Annals of surgery IF:7.5Q1 DOI:10.1097/SLA.0000000000006279 PMID:38557792	research paper	开发一种人工智能系统，用于在乳腺癌新辅助化疗期间早期预测残留癌症负担	提出了一种多任务AI系统，能够在乳腺癌新辅助化疗期间早期预测残留癌症负担，填补了早期检测方法的空白	研究仅基于4个机构的1048名患者，可能存在样本选择偏差	开发一种非侵入性工具，用于早期预测乳腺癌新辅助化疗期间的残留癌症负担	乳腺癌患者	digital pathology	breast cancer	radiomics and deep learning	multitask AI system	magnetic resonance images	1048名乳腺癌患者（335名主要队列，713名外部验证队列）