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
1921	2025-04-16	The Application of Deep Learning Tools on Medical Reports to Optimize the Input of an Atrial-Fibrillation-Recurrence Predictive Model 2025-Mar-27, Journal of clinical medicine IF:3.0Q1 DOI:10.3390/jcm14072297 PMID:40217746	研究论文	本研究利用深度学习和自然语言处理技术优化心房颤动复发预测模型的输入数据	提出了一种自动化系统，通过深度学习和自然语言处理技术处理医疗报告，提取关键预测变量并识别新的心房颤动病例，显著降低了识别错误率	NA	提高数据集可靠性，使未来预测模型能更准确地响应	电子健康记录和非结构化医疗报告	自然语言处理	心血管疾病	DL和NLP	前馈神经网络	文本	超过一百万份出院报告
1922	2025-04-16	Lung Segmentation with Lightweight Convolutional Attention Residual U-Net 2025-Mar-27, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15070854 PMID:40218203	research paper	提出了一种基于深度学习的轻量级卷积注意力残差U-Net模型，用于精确识别胸部X光图像中的肺部区域，以辅助放射科医生识别高风险肺部疾病的早期迹象	结合了卷积块注意力模块（CBAM）、空洞空间金字塔池化（ASPP）块和注意力模块的优势，仅包含324万个可训练参数，同时使用LeakyReLU激活函数和Dice损失函数提升了性能	未提及模型在临床环境中的实际应用效果或对不同类型肺部疾病的泛化能力	提升肺部图像分割的准确性和效率，以辅助早期肺部疾病识别	胸部X光图像（CXR）中的肺部区域	digital pathology	lung cancer	deep learning	Lightweight Residual U-Net with CBAM and ASPP	image	三个基准数据集：JSRT、SZ和MC
1923	2025-04-16	Integrating Deep Learning Models with Genome-Wide Association Study-Based Identification Enhanced Phenotype Predictions in Group A Streptococcus 2025-Mar-26, Journal of microbiology and biotechnology IF:2.5Q3 DOI:10.4014/jmb.2411.11010 PMID:40147921	research paper	该研究整合深度学习模型与全基因组关联研究，以预测A组链球菌的致病表型	首次将深度学习模型与全基因组关联研究（GWAS）衍生的遗传变异整合，用于预测A组链球菌的表型	模型在减少的175基因型数据集上表现不佳，表明数据维度对模型效果有显著影响	提高A组链球菌致病表型的预测准确性	A组链球菌（GAS）及其致病表型	machine learning	infectious disease	genome-wide association study (GWAS), deep learning	CNN, ResNet18, LSTM, ensemble model	genetic variant data	4722-genotype set and a reduced 175-genotype set
1924	2025-04-16	Transformer and Attention-Based Architectures for Segmentation of Coronary Arterial Walls in Intravascular Ultrasound: A Narrative Review 2025-Mar-26, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15070848 PMID:40218198	综述	本文探讨了基于Transformer和注意力机制的模型在冠状动脉壁分割中的应用，以提高IVUS扫描的诊断准确性	首次研究了与IVUS扫描壁分割相关的深度学习系统偏见，并将可解释AI（XAI）概念融入深度学习结构中	缺乏对采用XAI和剪枝AI（PAI）模型的激励，且没有UNet系统达到无偏见配置	探索Transformer模型在IVUS扫描壁分割中的应用，以评估其在人工智能系统中的固有偏见，从而提高诊断准确性	冠状动脉壁的分割和斑块量化	数字病理学	心血管疾病	IVUS扫描	Transformer, UNet	图像	NA
1925	2025-04-16	Artificial Intelligence Applications in Pediatric Craniofacial Surgery 2025-Mar-25, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15070829 PMID:40218180	综述	本文探讨了人工智能在儿科颅面外科中的应用，包括提高诊断准确性、手术精度和术后护理优化	利用机器学习和深度学习模型分析复杂的颅面影像，实现先天性异常的早期检测，并辅助术前规划和个性化治疗策略	未提及具体的技术实施细节或临床验证结果	探索人工智能在儿科颅面外科中的潜在应用及其对临床决策的影响	儿科颅面外科中的先天性异常，如颅缝早闭、唇腭裂等	数字病理	儿科颅面疾病	机器学习和深度学习	NA	影像数据	NA
1926	2025-04-16	Multiphase Computed Tomography Scan Findings for Artificial Intelligence Training in the Differentiation of Hepatocellular Carcinoma and Intrahepatic Cholangiocarcinoma Based on Interobserver Agreement of Expert Abdominal Radiologists 2025-Mar-24, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15070821 PMID:40218171	研究论文	本研究通过多期计算机断层扫描（CT）图像分析，探讨了区分肝细胞癌（HCC）和肝内胆管癌（ICC）的潜在CT特征，并评估了放射科专家间的一致性	利用AI、ML和DL技术在放射学领域的应用，探索HCC和ICC的CT特征差异，并计算专家间的一致性，为未来AI训练算法提供辅助特征	研究样本量较小（74例患者），且为回顾性研究，可能存在选择偏差	确定用于区分肝细胞癌和肝内胆管癌的潜在CT特征	经放射学和病理学确诊的HCC和ICC患者	数字病理学	肝癌	多期CT扫描	NA	图像	74例患者（48例HCC，26例ICC）
1927	2025-04-16	Deep Learning-Based Glaucoma Detection Using Clinical Notes: A Comparative Study of Long Short-Term Memory and Convolutional Neural Network Models 2025-Mar-22, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15070807 PMID:40218157	研究论文	本研究探讨了深度学习模型利用临床笔记检测青光眼的能力，并比较了LSTM、CNN及基于transformer的模型的表现	首次利用临床笔记而非视网膜图像进行青光眼检测，并比较了不同深度学习模型的表现及在不同种族群体中的公平性	研究仅基于单一数据集，且模型在不同种族群体中仍存在性能差异	探索深度学习模型在利用临床笔记检测青光眼方面的能力及公平性	青光眼患者	自然语言处理	青光眼	深度学习	LSTM, CNN, BERT, BioBERT	文本	10,000名患者
1928	2025-04-16	Harnessing Artificial Intelligence, Machine Learning and Deep Learning for Sustainable Forestry Management and Conservation: Transformative Potential and Future Perspectives 2025-Mar-22, Plants (Basel, Switzerland) DOI:10.3390/plants14070998 PMID:40219066	综述	本文探讨了人工智能、机器学习和深度学习在可持续森林管理和保护中的变革潜力及未来前景	总结了AI、ML和DL在可持续森林管理中的当前研究和应用，包括预测分析和建模技术	讨论了AI、ML和DL在可持续森林管理中面临的挑战及可能的解决方案	探讨AI、ML和DL技术在可持续森林管理中的应用和潜力	森林植物和森林系统	机器学习	NA	预测分析、建模技术	深度学习(DL)	图像、视频	NA
1929	2025-04-16	Diagnostic Accuracy of Deep Learning Models in Predicting Glioma Molecular Markers: A Systematic Review and Meta-Analysis 2025-Mar-21, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15070797 PMID:40218147	meta-analysis	该研究通过系统回顾和荟萃分析评估了深度学习模型在预测胶质瘤分子标志物方面的诊断准确性	首次通过系统回顾和荟萃分析评估深度学习模型在预测多种胶质瘤分子标志物方面的综合表现	研究设置存在较大异质性，临床转化存在困难	评估深度学习模型基于MRI预测胶质瘤分子标志物的诊断准确性	胶质瘤分子标志物（MGMT甲基化、ATRX和TERT突变等）	digital pathology	glioma	MRI	DL	image	43项研究进行定性分析，30项纳入荟萃分析
1930	2025-04-16	Enhanced Superpixel-Guided ResNet Framework with Optimized Deep-Weighted Averaging-Based Feature Fusion for Lung Cancer Detection in Histopathological Images 2025-Mar-21, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15070805 PMID:40218155	研究论文	该研究提出了一种基于深度学习的特征提取、融合、优化和分类框架，用于提高肺癌症病理图像检测的准确性和效率	结合超像素引导的ResNet框架和深度加权平均特征融合技术，以及粒子群优化和红鹿优化算法进行特征选择，显著提升了分类准确率	未来工作可能需要进一步优化和探索混合模型	提高肺癌症病理图像诊断的准确性和效率	肺癌症病理图像	数字病理	肺癌	SLIC算法、PSO、RDO	ResNet-50、ResNet-101、ResNet-152、SVM、DT、RF、KNN、SDC、BLDC、MLP	图像	NA
1931	2025-04-16	NucleoSeeker-precision filtering of RNA databases to curate high-quality datasets 2025-03, NAR genomics and bioinformatics IF:4.0Q1 DOI:10.1093/nargab/lqaf021 PMID:40104673	研究论文	介绍了一种名为NucleoSeeker的工具，用于从蛋白质数据库(PDB)中筛选高质量、定制化的RNA结构数据集	NucleoSeeker是一个统一框架，结合多种工具简化了数据筛选的复杂过程，提供了结构、序列和注释层面的多重过滤，使研究人员能够完全控制数据筛选	未明确提及具体局限性	解决RNA结构预测中高质量注释数据稀缺的问题	RNA结构数据	生物信息学	NA	数据筛选工具	NA	RNA结构数据	NA
1932	2025-04-16	Reconstructing 3D chromosome structures from single-cell Hi-C data with SO(3)-equivariant graph neural networks 2025-03, NAR genomics and bioinformatics IF:4.0Q1 DOI:10.1093/nargab/lqaf027 PMID:40124711	research paper	提出了一种基于SO(3)-等变图神经网络(HiCEGNN)的机器学习方法，用于从单细胞Hi-C数据中重建染色体的3D结构	首次将SO(3)-等变图神经网络应用于单细胞Hi-C数据的3D染色体结构重建，相比传统优化方法和现有深度学习方法表现更优	未提及具体的数据集规模限制或计算资源需求	开发新方法以解决单细胞Hi-C数据稀疏性导致的3D染色体结构重建难题	单细胞染色体的3D空间构象	computational biology	NA	single-cell Hi-C (ScHi-C)	SO(3)-equivariant graph neural network (HiCEGNN)	chromosomal contact data	diverse cells (未提具体数量)
1933	2025-04-16	OVision A raspberry Pi powered portable low cost medical device framework for cancer diagnosis 2025-Feb-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-91914-z PMID:40021723	research paper	介绍OVision，一种基于树莓派的低成本便携式医疗设备框架，用于癌症诊断	利用树莓派开发低成本、便携式深度学习框架，无需互联网连接和高性能基础设施，显著降低成本同时保持诊断准确性	目前仅作为概念验证，仅在卵巢癌亚型检测中进行了测试	解决资源有限地区癌症诊断技术获取不平等的问题	卵巢癌亚型	digital pathology	ovarian cancer	deep learning	NA	image	NA
1934	2025-04-16	Schizophrenia recognition based on three-dimensional adaptive graph convolutional neural network 2025-02-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-84497-8 PMID:39900572	research paper	提出了一种基于三维自适应图卷积神经网络的精神分裂症分类模型，利用EEG信号的三维空间特性和动态学习节点间交互	首次将三维自适应图卷积神经网络应用于精神分裂症识别，动态学习EEG信号的空间、特征和频带维度交互	未提及模型在其他精神疾病或更大规模数据集上的泛化能力	提高精神分裂症的早期诊断和识别准确率	首次发作精神分裂症患者的EEG数据	digital pathology	精神分裂症	EEG信号分析	3D-AGCN (GAT + GCN)	EEG信号	未明确说明样本数量，使用不同分段长度和频带的EEG数据
1935	2025-04-16	AI-based prediction of androgen receptor expression and its prognostic significance in prostate cancer 2025-02-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-88199-7 PMID:39893198	research paper	本研究开发了一种基于AI的预后模型，利用深度学习从全切片图像中提取雄激素受体区域特征，用于预测前列腺癌的生化复发	结合雄激素受体区域特征和深度学习技术，提高了前列腺癌生化复发预测的准确性	研究仅基于两个中心的545名患者数据，可能需要更大规模的数据验证	开发高准确性的前列腺癌预后预测模型	前列腺癌患者	digital pathology	prostate cancer	deep learning	CNN	image	545名患者
1936	2025-04-16	Localization and detection of deepfake videos based on self-blending method 2025-01-31, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-88523-1 PMID:39890891	research paper	本文提出了一种基于自混合方法的深度伪造视频定位与检测技术	提出了一种无需伪造样本的空间训练方法，通过多部分局部位移变形和融合技术生成更多样化的深度伪造特征数据，并利用Swin-Unet模型结合多种损失函数提高定位和检测精度	在训练数据集之外的伪造视频检测性能可能有限，且缺乏细粒度标注的数据集可能影响定位精度	提高深度伪造视频的检测准确性和被篡改区域的定位精度	深度伪造视频	computer vision	NA	多部分局部位移变形和融合技术	Swin-Unet	video	FF++、Celeb-DF和DFDC等数据集
1937	2025-04-16	Automated strabismus detection and classification using deep learning analysis of facial images 2025-01-31, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-88154-6 PMID:39890897	研究论文	本文提出了一种基于深度学习的自动检测和分类斜视的新方法	利用CNN在面部图像上实现高精度的斜视检测和分类，包括二分类和多分类任务	数据集规模有限，尤其是多分类任务的数据量较少	开发一种自动化的斜视检测和分类方法，以辅助医疗专业人员进行早期诊断和治疗规划	面部图像	计算机视觉	斜视	深度学习	CNN	图像	二分类任务包含4,257张面部图像（1,599例正常，2,658例斜视），多分类任务包含622张图像（480例斜视，142例非斜视）
1938	2025-04-16	An interpretable machine learning model for seasonal precipitation forecasting 2025, Communications earth & environment IF:8.1Q1 DOI:10.1038/s43247-025-02207-2 PMID:40125292	研究论文	介绍了一种名为TelNet的可解释机器学习模型，用于短至中期季节性降水预测	TelNet模型采用简单的编码器-解码器-头部架构，能够在数据有限的情况下进行训练，并通过变量选择权重实现实例和提前时间的预测解释	模型在数据量有限的情况下训练，可能影响其泛化能力	开发一种高准确性和可解释性的季节性降水预测模型	季节性降水预测	机器学习	NA	序列到序列机器学习	TelNet（编码器-解码器-头部架构）	季节性降水值和气候指数	多次重采样的训练、验证和测试集
1939	2025-04-16	AADNet: Exploring EEG Spatiotemporal Information for Fast and Accurate Orientation and Timbre Detection of Auditory Attention Based on a Cue-Masked Paradigm 2025, IEEE transactions on neural systems and rehabilitation engineering : a publication of the IEEE Engineering in Medicine and Biology Society IF:4.8Q1 DOI:10.1109/TNSRE.2025.3555542 PMID:40168202	research paper	该研究提出了一种基于EEG的快速准确解码听觉注意方向与音色的方法，并开发了一个名为AADNet的端到端深度学习模型	提出了一种避免信息泄露的线索掩蔽听觉注意范式，并开发了AADNet模型以利用EEG信号的时空信息实现高精度低延迟解码	未明确提及具体局限性，但可能包括样本多样性或实际环境噪声的复杂性	开发快速准确的听觉注意解码技术，用于神经导向助听器等辅助听力设备	EEG信号中的听觉注意方向（OA）与音色注意（TA）	脑机接口	NA	EEG信号分析	AADNet（端到端深度学习模型）	EEG信号	未明确提及具体样本数量
1940	2025-04-16	Practical implementation and impact of the 4R principles in ethnopharmacology: Pursuing a more humane approach to research 2025, Frontiers in pharmacology IF:4.4Q1 DOI:10.3389/fphar.2025.1543316 PMID:40223937	research paper	本文探讨了在民族药理学研究中实施4R原则（减少、优化、替代和责任）的实际方法和影响，以追求更人道的研究方法	引入了4R原则中的'责任'原则，强调研究人员在实验过程中对动物福利的伦理义务，扩展了传统的3R原则	未具体说明实施4R原则在实际研究中的具体挑战或障碍	提升民族药理学研究中动物实验的伦理标准，推动更人道的科学研究方法	民族药理学研究中的动物实验	民族药理学	NA	3D器官样体、深度学习技术	NA	NA	NA