深度学习在生物医药领域的应用

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	算法框架	模型架构	性能指标	计算资源
19601	2025-10-07	Assessing the Influence of B-US, CDFI, SE, and Patient Age on Predicting Molecular Subtypes in Breast Lesions Using Deep Learning Algorithms 2024-Aug, Journal of ultrasound in medicine : official journal of the American Institute of Ultrasound in Medicine IF:2.1Q2 DOI:10.1002/jum.16460 PMID:38581195	研究论文	本研究利用深度学习算法评估B超、彩色多普勒血流成像、应变弹性成像和患者年龄对乳腺病变分子亚型预测的影响	首次结合多种超声成像模态和患者年龄因素，使用深度学习预测乳腺病变分子亚型	样本量相对有限（198名患者），未与其他深度学习模型进行对比	评估多模态超声成像在预测乳腺病变分子亚型中的价值	乳腺病变患者	计算机视觉	乳腺癌	B超成像、彩色多普勒血流成像、应变弹性成像	CNN	医学图像	198名患者的2272张多模态超声图像	NA	ResNet-18	准确率, 精确率, 召回率, F1分数, 混淆矩阵	NA
19602	2025-10-07	Methodological evaluation of systematic reviews based on the use of artificial intelligence systems in chest radiography 2024 Jul-Aug, Radiologia IF:1.1Q3 DOI:10.1016/j.rxeng.2023.01.015 PMID:39089793	方法学评估	评估基于人工智能系统的胸部X光系统评价的方法学质量	首次对胸部X光AI诊断系统相关系统评价进行方法学质量评估	仅纳入7篇系统评价，样本量有限	评估使用AI进行胸部病理诊断的系统评价的方法学质量	使用AI系统自动解读胸部X光的系统评价	医学影像分析	胸部疾病	深度学习	深度学习系统	胸部X光图像	7篇系统评价（平均每篇包含36项研究）	NA	NA	PRISMA-DTA, AMSTAR-2	NA
19603	2025-10-07	Generative AI in glioma: Ensuring diversity in training image phenotypes to improve diagnostic performance for IDH mutation prediction 2024-06-03, Neuro-oncology IF:16.4Q1 DOI:10.1093/neuonc/noae012 PMID:38253989	研究论文	本研究评估生成式AI数据增强在胶质瘤IDH突变预测中的诊断性能提升	使用基于分数的扩散模型生成多样化的影像表型，首次系统比较生成式AI增强与神经放射科医生的诊断性能	样本主要来自三级医院和公开数据库，可能限制泛化性；仅评估了两种MRI序列	提高胶质瘤IDH突变类型的深度学习分类性能	胶质瘤患者MRI影像数据	医学影像分析	胶质瘤	MRI（对比增强T1和FLAIR序列）	扩散模型, CNN	医学影像	565例患者（开发集），119例内部测试集，108例外部测试集	NA	ResNet50	AUC, Turing测试通过率	NA
19604	2025-10-07	UTILIZATION OF ARTIFICIAL INTELLIGENCE FOR PREDICTIVE MODELING IN DENTAL IMPLANTOLOGY 2024-May, Georgian medical news PMID:39089263	综述	本文综述了人工智能在牙科种植学中预测模型的应用研究现状	系统评估了AI在牙科种植成功率预测中的多种算法应用，包括决策树、随机森林、人工神经网络和深度学习	由于缺乏具体研究结果和足够数量的可比研究，无法进行定量分析	探讨人工智能在牙科种植预测模型中的应用研究	牙科种植患者数据（X光片、病史记录）	医疗人工智能	牙科疾病	AI预测建模	决策树, 随机森林, ANN, 深度学习	医学影像, 文本数据	NA	NA	NA	NA	NA
19605	2025-10-07	ROBUST OUTER VOLUME SUBTRACTION WITH DEEP LEARNING GHOSTING DETECTION FOR HIGHLY-ACCELERATED REAL-TIME DYNAMIC MRI 2024-May, Proceedings. IEEE International Symposium on Biomedical Imaging DOI:10.1109/isbi56570.2024.10635530 PMID:39834646	研究论文	提出一种结合深度学习鬼影检测的外容积信号估计方法，用于提升实时动态MRI的加速成像质量	利用运动器官产生的伪周期性鬼影伪影特性，通过深度学习改进外容积信号估计，结合物理驱动的深度学习方法实现个体时间帧重建	未明确说明方法在非周期性运动场景下的适用性	提升实时动态MRI在高加速率下的图像质量	心脏成像中的动态MRI数据	医学影像分析	心血管疾病	动态MRI, 时间交错欠采样	深度学习	MRI时间序列图像	NA	NA	NA	图像质量	NA
19606	2025-10-07	Utilization of Artificial Intelligence for the automated recognition of fine arts 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0312739 PMID:39585839	研究论文	本文提出了一种基于人工智能和深度学习的自动化美术作品识别方法	将先进特征提取技术与定制化CNN架构相结合，显著提升了美术作品分类的准确性和效率	NA	提升自动化美术作品识别的性能	美术作品	计算机视觉	NA	深度学习，特征提取技术	CNN	图像	基准数据集	NA	定制化CNN架构	准确率	NA
19607	2025-10-07	Integrating deep learning in public health: a novel approach to PICC-RVT risk assessment 2024, Frontiers in public health IF:3.0Q2 DOI:10.3389/fpubh.2024.1445425 PMID:39839389	研究论文	本研究评估了七种机器学习算法在预测经外周置入中心静脉导管相关静脉血栓风险中的表现，并识别了关键预测因素	首次将时间序列数据整合到PICC-RVT风险评估中，比较了深度学习和传统机器学习模型的性能	回顾性多中心研究设计，可能存在选择偏倚	评估机器学习算法在PICC-RVT风险评估中的有效性并识别关键预测因素	接受PICC置管的5,272名患者	机器学习	静脉血栓	机器学习	深度学习, 传统机器学习	时间序列数据，包括人口统计学、临床病理学和治疗数据	5,272名患者	NA	DeepSurv, Cox-Time	一致性指数, Brier评分, 组内相关系数	NA
19608	2025-01-24	Deep learning captures the effect of epistasis in multifactorial diseases 2024, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2024.1479717 PMID:39839630	研究论文	本研究探讨了非线性和深度学习模型在预测多因素疾病风险中的应用，特别是考虑基因上位效应的影响	首次系统地比较了线性回归模型与非线性机器学习模型（包括深度学习）在模拟和真实遗传数据中捕捉基因上位效应的能力	研究主要基于模拟数据和特定疾病类型的真实数据，可能无法推广到所有多因素疾病	探索非线性和深度学习模型在预测多因素疾病风险中的有效性，特别是考虑基因上位效应	模拟数据和真实遗传数据，涉及肥胖、1型糖尿病和银屑病等疾病	机器学习	多因素疾病（如阿尔茨海默病、糖尿病、心血管疾病、癌症等）	GAMETES模拟数据生成，PyTOXO包生成渗透表	多层感知器（MLP）、卷积神经网络（CNN）、循环神经网络（RNN）、Lasso回归、随机森林、梯度提升模型	遗传数据	模拟数据和真实遗传数据，具体样本数量未明确	NA	NA	NA	NA
19609	2025-01-24	AI predicting recurrence in non-muscle-invasive bladder cancer: systematic review with study strengths and weaknesses 2024, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2024.1509362 PMID:39839785	综述	本文系统回顾了基于机器学习的非肌层浸润性膀胱癌（NMIBC）复发预测框架，分析了其统计稳健性和算法效能	通过多模态数据集和多种机器学习模型（如神经网络、深度学习、随机森林）的结合，显著提高了预测准确性，并探讨了增强模型解释性的方法（如SHAP）	由于数据集较小，模型的泛化能力有限，且高级模型的“黑箱”性质仍是一个挑战	提高非肌层浸润性膀胱癌（NMIBC）复发的预测精度，推动AI在肿瘤学中的应用	非肌层浸润性膀胱癌（NMIBC）患者	机器学习	膀胱癌	机器学习（ML）和人工智能（AI）	神经网络、深度学习、随机森林、支持向量机	放射组学、临床、组织病理学、基因组数据	NA	NA	NA	NA	NA
19610	2025-01-24	Artificial intelligence in breast cancer survival prediction: a comprehensive systematic review and meta-analysis 2024, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2024.1420328 PMID:39839787	系统综述与元分析	本文通过系统综述和元分析，评估了人工智能和机器学习算法在乳腺癌生存预测中的应用及其效果	本文首次全面评估了多种机器学习算法在乳腺癌生存预测中的表现，并强调了混合模型和深度学习（特别是卷积神经网络）的优势	大多数研究依赖内部验证，缺乏外部验证，可能影响模型的普适性和鲁棒性	评估人工智能和机器学习算法在乳腺癌生存预测中的准确性和应用潜力	乳腺癌患者的临床数据	机器学习	乳腺癌	机器学习算法	混合模型、卷积神经网络（CNN）	临床数据	32篇符合条件的文章，涉及140篇初步筛选的文章	NA	NA	NA	NA
19611	2025-01-24	Application of MRI image segmentation algorithm for brain tumors based on improved YOLO 2024, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2024.1510175 PMID:39840016	研究论文	本研究探讨了将改进的YOLOv5s深度学习算法模型应用于脑肿瘤磁共振图像分割的可行性，并在此基础上进行了优化和升级	在YOLOv5算法中引入了ASPP、CBAM和CA等结构改进，提出了多个优化版本，显著提升了脑肿瘤磁共振图像的分割能力	研究仅使用了两个公开数据集，样本量相对有限，可能影响模型的泛化能力	辅助临床快速识别脑肿瘤类型并实现分割检测	脑肿瘤磁共振图像	计算机视觉	脑肿瘤	深度学习	YOLOv5s, YOLOv8s	图像	3,223张图像（数据集1）和216张图像（数据集2）	NA	NA	NA	NA
19612	2025-01-24	Artificial intelligence-driven identification and mechanistic exploration of synergistic anti-breast cancer compound combinations from Prunella vulgaris L.-Taraxacum mongolicum Hand.-Mazz. herb pair 2024, Frontiers in pharmacology IF:4.4Q1 DOI:10.3389/fphar.2024.1522787 PMID:39840098	研究论文	本研究利用人工智能和大规模生物医学数据，识别并验证了夏枯草-蒲公英草药对中具有协同抗乳腺癌作用的化合物组合及其作用机制	首次应用深度学习模型DeepMDS预测夏枯草-蒲公英草药对中的协同抗乳腺癌多化合物组合，并通过实验验证其效果	研究主要基于体外细胞实验，缺乏体内实验验证	识别和验证夏枯草-蒲公英草药对中的协同抗乳腺癌化合物组合及其作用机制	夏枯草（Prunella vulgaris L.）和蒲公英（Taraxacum mongolicum Hand.-Mazz.）的提取物及其化合物	生物医学	乳腺癌	液相色谱-质谱分析（LC-MS）、深度学习模型（DeepMDS）	深度学习模型（DeepMDS）	化学化合物数据、生物医学数据	夏枯草和蒲公英的50%乙醇提取物，分别鉴定出27和21种化合物	NA	NA	NA	NA
19613	2025-01-24	A customized convolutional neural network-based approach for weeds identification in cotton crops 2024, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2024.1435301 PMID:39840351	研究论文	本文提出了一种基于定制卷积神经网络（CNN）的方法，用于棉花作物中的杂草识别	提出了一种新的基于深度CNN的架构，用于高效识别和分类棉花作物中的杂草，并在准确率上优于现有的VGG-16、ResNet、DenseNet和Xception模型	未提及具体的数据集规模或实验环境限制	开发一种高效的杂草识别和分类方法，以提高棉花作物的产量	棉花作物中的杂草	计算机视觉	NA	卷积神经网络（CNN）	CNN, VGG-16, ResNet, DenseNet, Xception	图像	未提及具体样本数量	NA	NA	NA	NA
19614	2025-10-07	Deep Learning Models for Predicting Left Heart Abnormalities From Single-Lead Electrocardiogram for the Development of Wearable Devices 2023-12-25, Circulation journal : official journal of the Japanese Circulation Society IF:3.1Q2 DOI:10.1253/circj.CJ-23-0216 PMID:37967949	研究论文	开发基于单导联心电图的深度学习模型用于预测左心异常	首次使用单导联（Lead I）心电图数据开发能够检测多种左心异常的深度学习模型，并在多中心数据集上验证其性能优于或等同于心脏病专家对12导联心电图的判读	研究仅基于特定医疗设施的数据，模型在更广泛人群中的泛化能力需要进一步验证	开发适用于可穿戴设备的左心异常检测算法	左心异常患者的心电图数据	机器学习	心血管疾病	心电图	深度学习	心电图信号	229,439组心电图和超声心动图配对数据，来自8个医疗设施	NA	NA	AUC, 准确率	NA
19615	2025-01-23	HybNet: A hybrid deep models for medicinal plant species identification 2025-Jun, MethodsX IF:1.6Q2 DOI:10.1016/j.mex.2024.103126 PMID:39830878	研究论文	本文介绍了三种创新的混合模型，用于在非约束环境下实时识别药用植物物种，通过结合卷积神经网络的优势来提高识别准确率	本文的创新点在于提出了三种混合模型，结合了VGG16、MobileNet、ResNet50和Squeeze and Excitation (SE)层的优势，显著提高了药用植物物种识别的准确率，特别是在特征增强和特征缩放方面	深度学习模型在小型数据集上训练和测试，尽管取得了较高的准确率，但数据集的规模可能限制了模型的泛化能力	研究目的是通过混合深度学习模型提高药用植物物种识别的准确率，特别是在复杂环境下的实时识别	研究对象为药用植物物种的图像数据	计算机视觉	NA	深度学习	CNN (VGG16, MobileNet, ResNet50), KNN, Squeeze and Excitation (SE)层	图像	自建的药用植物数据集，具体样本数量未提及	NA	NA	NA	NA
19616	2025-10-07	A novel particle size distribution correction method based on image processing and deep learning for coal quality analysis using NIRS-XRF 2025-Apr-01, Talanta IF:5.6Q1 DOI:10.1016/j.talanta.2024.127427 PMID:39709828	研究论文	提出一种结合图像处理和深度学习的颗粒尺寸分布校正方法，用于改善NIRS-XRF煤质分析中的预测精度	首次将Segment Anything Model和Spatial Transformer Network应用于煤样颗粒尺寸分布的校正，建立了颗粒尺寸分布与灰分测量误差的关联模型	仅使用56个煤样本进行验证，样本规模相对较小；校正范围限定在0∼1mm颗粒尺寸	解决颗粒尺寸分布变化对NIRS-XRF煤质分析精度的影响	煤炭样本	计算机视觉, 机器学习	NA	近红外光谱, X射线荧光光谱, 图像处理	CNN, STN, SAM	图像, 光谱数据	56个煤样本（48个0.2mm标准样本，8个0∼1mm校正样本）	NA	Segment Anything Model, Spatial Transformer Network, Convolutional Neural Network	标准偏差, 平均绝对误差, 均方根预测误差	NA
19617	2025-10-07	A hybrid deep learning model based on signal decomposition and dynamic feature selection for forecasting the influent parameters of wastewater treatment plants 2025-Feb-01, Environmental research IF:7.7Q1 DOI:10.1016/j.envres.2024.120615 PMID:39674247	研究论文	提出一种结合信号分解和动态特征选择的混合深度学习模型，用于预测污水处理厂的进水参数	引入动态特征选择机制实时优化特征选择，结合信号分解技术提高预测精度	NA	提高污水处理厂进水参数（COD和BOD）的预测精度	污水处理厂的进水参数（化学需氧量和五日生化需氧量）	机器学习	NA	信号分解，动态特征选择	深度学习	时间序列数据	两个污水处理厂的数据	NA	混合模型	R值，RMSE，MAE	NA
19618	2025-01-23	Mfgnn: Multi-Scale Feature-Attentive Graph Neural Networks for Molecular Property Prediction 2025-Jan-30, Journal of computational chemistry IF:3.4Q2 DOI:10.1002/jcc.70011 PMID:39840745	研究论文	本文提出了一种多尺度特征注意力图神经网络（MfGNN），用于分子属性预测，通过结合片段级表示来增强传统的基于原子的分子图表示	MfGNN不仅有效捕捉分子结构和功能基团特征，还特别关注片段之间的潜在关系，探索它们如何共同影响分子属性	NA	提高分子属性预测的准确性，特别是在药物发现领域	分子结构和功能基团	机器学习	NA	图神经网络（GNN）	MfGNN	分子图数据	NA	NA	NA	NA	NA
19619	2025-10-07	Two-Dimensional Transition Metal Dichalcogenides: A Theory and Simulation Perspective 2025-Jan-22, Chemical reviews IF:51.4Q1 DOI:10.1021/acs.chemrev.4c00628 PMID:39746214	综述	本文从理论和模拟的角度综述了二维过渡金属二硫化物（2D TMDs）的研究进展	系统总结了理论和模拟在理解扭曲莫尔TMDs特性、预测量子相、阐明合成过程及设计新型器件方面的关键贡献	未涉及实验验证的具体细节，主要聚焦理论方法的局限性和未来挑战	探讨理论和模拟方法在推动2D TMDs基础研究和应用开发中的作用	二维过渡金属二硫化物材料	材料科学	NA	深度学习, 分子动力学, 高通量计算, 多尺度方法	NA	模拟数据	NA	NA	NA	NA	NA
19620	2025-01-23	Gait patterns in unstable older patients related with vestibular hypofunction. Preliminary results in assessment with time-frequency analysis 2025-Jan-22, Acta oto-laryngologica IF:1.2Q3 DOI:10.1080/00016489.2025.2450221 PMID:39840938	研究论文	本文通过单传感器收集的数据图像表示，寻找老年人与前庭功能减退相关的步态不稳定模式	使用连续小波变换生成步态信号的图像表示，并通过灰度共生矩阵度量作为特征进行分析，利用支持向量机（SVM）算法进行受试者分类	样本量较小，仅包含13名老年人和19名成年人，且为初步结果，需要更大样本和深度学习方法的进一步探索	寻找老年人步态不稳定的模式，以早期诊断步态障碍	13名71-85岁的前庭功能减退导致不稳定的老年人和19名21-75岁无不稳定且前庭功能正常的成年人	数字病理学	老年疾病	连续小波变换，灰度共生矩阵度量	支持向量机（SVM）	图像	32名受试者（13名老年人和19名成年人）	NA	NA	NA	NA