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
21	2025-05-23	Deep Trans-Omic Network Fusion for Molecular Mechanism of Alzheimer's Disease 2024, Journal of Alzheimer's disease : JAD DOI:10.3233/JAD-240098 PMID:38728189	研究论文	提出了一种新的深度学习模型MoFNet，用于研究阿尔茨海默病的分子机制及其上游遗传贡献	首次整合多组学数据与SNPs、基因和蛋白质之间的先验功能相互作用，并模拟从DNA到RNA和蛋白质的动态信息流	尽管在独立数据集中验证了大部分发现，但模型的普适性仍需进一步验证	通过多组学数据的新颖整合，发现功能上相连的多组学特征，以揭示阿尔茨海默病的分子机制	阿尔茨海默病的分子机制及其上游遗传贡献	机器学习	阿尔茨海默病	多组学数据整合	MoFNet	多组学数据（DNA、RNA、蛋白质）	ROS/MAP队列数据
22	2025-05-22	Digital profiling of cancer transcriptomes from histology images with grouped vision attention 2024-Jan-19, bioRxiv : the preprint server for biology DOI:10.1101/2023.09.28.560068 PMID:37808782	研究论文	开发了一种基于transformer的深度学习模型，用于从组织学图像中预测癌症转录组	首次将transformer架构应用于组织学图像分析，通过预训练和微调策略解决了小数据集和参数爆炸问题	模型在组织水平上训练，空间基因表达模式的预测能力仍需验证	开发一种从组织学图像预测癌症转录组的深度学习方法	癌症转录组和组织学图像	数字病理学	癌症（乳腺癌、肾癌、肺癌等）	深度学习、转录组分析	transformer	图像（全切片组织学图像）	预训练：1,802个正常组织样本；微调和评估：4,331个肿瘤样本（涵盖9种癌症类型）；验证：1,305个肿瘤样本
23	2025-05-22	A review of epilepsy detection and prediction methods based on EEG signal processing and deep learning 2024, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2024.1468967 PMID:39618710	综述	本文综述了基于脑电图（EEG）信号处理和深度学习的癫痫检测与预测方法	总结了公开可用的癫痫EEG数据集、预处理技术、特征提取方法和深度学习网络，并基于患者独立性对文献进行分类	公开数据集在癫痫类型上缺乏多样性，且采集条件受控，可能无法反映真实场景；信号预处理方法有限，可能无法完全代表实际条件	提出一种高效的癫痫检测和预测方法，以促进患者康复、减轻家庭负担并优化医疗流程	癫痫患者的EEG信号	数字病理学	癫痫	EEG信号处理	CNN, RNN	EEG信号	NA
24	2025-05-22	MLR-predictor: a versatile and efficient computational framework for multi-label requirements classification 2024, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2024.1481581 PMID:39664103	研究论文	提出了一种名为MLR-Predictor的多标签需求分类计算框架，通过创新的OkapiBM25模型将需求文本转化为统计向量，并利用逻辑回归分类器进行分类	使用OkapiBM25模型将需求文本转化为统计向量，并将多标签分类问题转化为多类分类问题，显著提升了分类性能	未提及具体局限性	开发一个高效且通用的多标签需求分类计算框架	软件需求文本	自然语言处理	NA	OkapiBM25模型，逻辑回归分类器	逻辑回归	文本	三个公共基准需求分类数据集，包括PROMISE、EHR-binary和EHR-multiclass数据集
25	2025-05-21	An explainable ensemble approach for advanced brain tumor classification applying Dual-GAN mechanism and feature extraction techniques over highly imbalanced data 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0310748 PMID:39331600	研究论文	本文提出了一种可解释的集成方法，用于高级脑肿瘤分类，结合了Dual-GAN机制和特征提取技术，针对高度不平衡的数据	提出了一种新颖的深度集成特征提取（DeepEFE）框架，结合Dual-GAN机制生成合成少数类样本，解决了类别不平衡问题，同时通过Grad-CAM增强了分类过程的透明度和可解释性	未提及具体的数据集大小或来源，可能影响方法的泛化能力	提高脑肿瘤分类的准确性和可解释性，以支持临床诊断和治疗计划	脑肿瘤的医学影像数据（如MRI扫描）	数字病理学	脑肿瘤	Dual-GAN, 特征提取技术	GAN, 深度集成模型	图像（MRI扫描）	未提及具体样本数量
26	2025-05-20	Percolation Images: Fractal Geometry Features for Brain Tumor Classification 2024, Advances in neurobiology DOI:10.1007/978-3-031-47606-8_29 PMID:38468053	research paper	提出了一种结合分形几何特征和深度学习的混合方法用于脑肿瘤分类	利用分形几何生成'渗透'图像以突出脑图像中的重要空间特性，并结合CNN进行肿瘤检测	未提及具体的数据集大小或模型在更广泛数据集上的泛化能力	提高脑肿瘤分类的准确性和效率	脑肿瘤图像	digital pathology	brain tumor	fractal geometry, deep learning	CNN	image	在一个知名基准数据集上进行实验，但未提及具体样本数量
27	2025-05-17	Scoping Review of Deep Learning Techniques for Diagnosis, Drug Discovery, and Vaccine Development in Leishmaniasis 2024, Transboundary and emerging diseases IF:3.5Q1 DOI:10.1155/2024/6621199 PMID:40303156	综述	本文对深度学习技术在利什曼病的诊断、药物发现和疫苗开发中的应用进行了范围综述	首次对深度学习在利什曼病领域的应用进行全面综述，填补了该领域的研究空白	仅对现有文献进行了分析，未进行新的实验验证	探讨深度学习技术在利什曼病领域的应用现状和未来发展方向	利什曼病的诊断、药物发现和疫苗开发	机器学习	利什曼病	深度学习	NA	NA	NA
28	2025-05-14	Lossless compression-based detection of osteoporosis using bone X-ray imaging 2024, Journal of X-ray science and technology IF:1.7Q3 DOI:10.3233/XST-230238 PMID:38393881	research paper	该研究提出了一种基于深度学习的无损压缩方法，用于通过骨X射线图像检测骨质疏松症	提出了一种新的图像处理方法，通过分离感兴趣区域(ROI)和非ROI来减少数据冗余，并结合SVM分类器提高诊断准确性	未提及样本多样性和外部验证结果	提高骨质疏松症的诊断准确性	骨X射线图像	digital pathology	骨质疏松症	深度学习，X射线成像	SVM	image	NA
29	2025-05-08	Automated Detection of Abnormal Optical Coherence Tomography B-scans Using a Deep Learning Artificial Intelligence Neural Network Platform 2024-Jan-01, International ophthalmology clinics DOI:10.1097/IIO.0000000000000519 PMID:38146885	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
30	2025-05-07	Use of a novel magnetically actuated compression system to study the temporal dynamics of axial and lateral strain in human osteochondral plugs 2024-01, Journal of biomechanics IF:2.4Q3 DOI:10.1016/j.jbiomech.2023.111887 PMID:38128469	研究论文	本文介绍了一种新型磁驱动压缩系统'MagnaSquish'，用于研究人类骨软骨栓在循环加载过程中轴向和侧向应变的时间动态	开发了磁驱动装置，实现加载周期之间的完全提升，解决了传统系统因持续接触可能影响组织再水化的问题	研究仅使用了尸体人类骨软骨栓样本，可能无法完全反映活体组织的动态特性	研究循环加载过程中软骨组织应变积累的机制	人类骨软骨栓	生物力学	骨关节疾病	磁驱动压缩系统	UNet	图像	人类尸体骨软骨栓样本，进行了750次加载循环
31	2025-05-04	Lesion classification and diabetic retinopathy grading by integrating softmax and pooling operators into vision transformer 2024, Frontiers in public health IF:3.0Q2 DOI:10.3389/fpubh.2024.1442114 PMID:39835306	research paper	该研究提出了一种结合softmax和池化操作的视觉Transformer模型，用于病灶分类和糖尿病视网膜病变分级	引入了集成自注意力机制，结合softmax和线性模块，以提高效率和表达能力，同时通过代理令牌减少计算复杂度	未提及具体的数据集规模或模型在更大规模数据集上的泛化能力	开发一种高效的自动化糖尿病视网膜病变分级方法	糖尿病视网膜病变的医学图像	digital pathology	diabetic retinopathy	vision transformer	Transformer	image	NA
32	2025-05-04	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（包括三种深度学习和四种传统机器学习模型）在利用时间序列数据评估PICC-RVT风险方面的有效性，并确定了关键预测因素	首次将深度学习模型应用于PICC-RVT风险评估，并比较了深度学习与传统机器学习模型的性能差异	研究为回顾性多中心队列研究，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置管的患者	机器学习	静脉血栓	机器学习	DeepSurv, Cox-Time等	时间序列数据	5,272名患者
33	2025-05-04	Multimodal data deep learning method for predicting symptomatic pneumonitis caused by lung cancer radiotherapy combined with immunotherapy 2024, Frontiers in immunology IF:5.7Q1 DOI:10.3389/fimmu.2024.1492399 PMID:39845959	研究论文	本研究开发了一种基于深度学习的多模态融合模型，用于预测肺癌患者在接受放疗联合免疫治疗时出现的症状性肺炎	结合深度图像特征、放射组学特征和临床数据，构建了一个性能优于传统放射组学模型的深度学习模型	研究基于回顾性数据，样本量相对有限（261例患者）	开发能够准确预测肺癌患者放疗和免疫治疗相关肺炎的模型	接受胸部放疗联合免疫治疗的肺癌患者	数字病理	肺癌	CT扫描、放射组学分析	ResNet34、DNN	CT图像、临床数据	261例肺癌患者
34	2025-05-04	Detecting anomalies in smart wearables for hypertension: a deep learning mechanism 2024, Frontiers in public health IF:3.0Q2 DOI:10.3389/fpubh.2024.1426168 PMID:39850864	research paper	本研究提出了一种结合ResNet和LSTM的新型神经网络架构ResNet-LSTM，用于从生理信号中预测血压，以改善远程医疗中的健康监测	提出ResNet-LSTM混合模型，结合ResNet的特征提取能力和LSTM的序列数据处理能力，提高了血压预测的准确性	计算成本较高（约4,375 FLOPs），未来需要优化云基础设施以实现实时分析	开发一种非侵入式血压预测方法，以改善心血管疾病的远程健康监测	通过智能可穿戴设备收集的生理信号（ECG和PPG）	machine learning	cardiovascular disease	deep learning	ResNet-LSTM	physiological signals (ECG, PPG)	NA
35	2025-05-03	Bioinformatic analysis reveals the association between bacterial morphology and antibiotic resistance using light microscopy with deep learning 2024, Frontiers in microbiology IF:4.0Q2 DOI:10.3389/fmicb.2024.1450804 PMID:39364166	研究论文	通过生物信息学分析结合深度学习方法，研究细菌形态与抗生素抗性之间的关联	首次在无抗生素条件下研究抗性细菌的形态特征，并开发新的深度学习单细胞分类方法	仅研究了10种抗生素抗性菌株，样本量有限	探索细菌形态特征与抗生素抗性之间的关联	10种抗生素抗性细菌菌株	生物信息学	细菌感染	光学显微镜、深度学习	深度学习	图像	10种抗生素抗性细菌菌株
36	2025-05-03	ReIU: an efficient preliminary framework for Alzheimer patients based on multi-model data 2024, Frontiers in public health IF:3.0Q2 DOI:10.3389/fpubh.2024.1449798 PMID:39830185	research paper	提出了一种基于多模态数据的高效阿尔茨海默病初步筛查框架ReIU	结合U-Net和迭代配准学习技术，从OCT-A设备中提取视网膜血管图，用于阿尔茨海默病的早期筛查	在HRF数据集上的分割准确率相对较低（68.3%）	开发一种经济、非侵入性的阿尔茨海默病早期筛查工具	阿尔茨海默病患者和健康受试者的多模态数据集	digital pathology	geriatric disease	OCT angiography (OCT-A)	U-Net	image	包含健康受试者和AD患者的多模态数据集（具体数量未明确说明）
37	2025-05-02	Functional Near-Infrared Spectroscopy-Based Computer-Aided Diagnosis of Major Depressive Disorder Using Convolutional Neural Network with a New Channel Embedding Layer Considering Inter-Hemispheric Asymmetry in Prefrontal Hemodynamic Responses 2024, Depression and anxiety IF:4.7Q1 DOI:10.1155/2024/4459867 PMID:40226684	research paper	该研究提出了一种基于卷积神经网络（CNN）的新型深度学习框架，用于利用功能性近红外光谱（fNIRS）进行重度抑郁症（MDD）的计算机辅助诊断（CAD）	提出了一种新的CNN模型架构，包含三个1D深度卷积层，专门设计用于反映MDD患者和健康对照组（HCs）之间血流动力学反应的半球间不对称性	样本量相对较小（48名MDD患者和68名HCs），且仅基于Stroop任务的数据	开发一种高精度的fNIRS-based CAD系统，用于MDD的诊断	MDD患者和健康对照组	digital pathology	major depressive disorder	fNIRS	CNN	hemodynamic responses	48名MDD患者和68名HCs
38	2025-04-18	Using interactive deep learning to track cells: A report on a 3-day hands-on training program at IUPAB 2024 2024, Biophysics and physicobiology IF:1.6Q4 DOI:10.2142/biophysico.bppb-v21.e2010 PMID:40241783	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
39	2025-05-02	Advanced computational tools, artificial intelligence and machine-learning approaches in gut microbiota and biomarker identification 2024, Frontiers in medical technology IF:2.7Q3 DOI:10.3389/fmedt.2024.1434799 PMID:40303946	综述	本文综述了先进计算工具、人工智能和机器学习方法在肠道微生物群和生物标志物识别中的应用	整合多组学数据和先进AI技术，探索微生物组与宿主健康的复杂关系，推动个性化治疗策略的发展	未提及具体技术实施细节或临床验证结果	探索计算工具和AI在肠道微生物组研究中的应用，以识别疾病诊断和治疗的生物标志物	肠道微生物群及其与宿主健康的相互作用	机器学习	NA	多组学数据整合（宏基因组学、宏蛋白质组学、代谢组学）	深度学习、基于网络的方法	多组学数据	NA
40	2025-05-01	Utilisation of ChatGPT and other Artificial Intelligence tools among medical faculty in Uganda: a cross-sectional study 2024, MedEdPublish (2016) DOI:10.12688/mep.20554.2 PMID:39911314	研究论文	评估乌干达医学院教师对ChatGPT及其他AI工具的使用情况	首次在乌干达医学院教师中调查AI工具的使用情况，并分析了不同年龄段教师的使用差异	样本仅来自四所公立大学，可能无法代表所有医学院教师	了解AI工具在医学教育中的应用现状	乌干达四所公立大学的医学院教师	自然语言处理	NA	问卷调查	NA	问卷调查数据	224名医学院教师