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
1	2025-06-03	Advancing bioinformatics with large language models: components, applications and perspectives 2025-Jan-31, ArXiv PMID:38259343	review	本文综述了大型语言模型（LLMs）在生物信息学中的组成部分、应用及前景	探讨了LLMs在解决生物信息学问题上的潜力，特别是在基因组学、转录组学、蛋白质组学、药物发现和单细胞分析等领域的应用	NA	概述LLMs在生物信息学中的关键组成部分及其应用，为LLMs用户和开发者提供实用指导	大型语言模型（LLMs）及其在生物信息学中的应用	生物信息学	NA	自监督或半监督学习	transformer模型	未标记的输入数据	NA
2	2025-06-03	GastroHUN an Endoscopy Dataset of Complete Systematic Screening Protocol for the Stomach 2025-Jan-17, Scientific data IF:5.8Q1 DOI:10.1038/s41597-025-04401-5 PMID:39824869	research paper	介绍了一个名为GastroHUN的开放数据集，用于胃部系统性筛查的内窥镜图像和视频序列	提供了一个基于系统性协议的胃部筛查数据集，包含丰富的标注和多个专家的验证	数据集的规模和多样性可能仍然有限，可能无法覆盖所有临床场景	为机器学习和AI模型开发提供高质量的胃部内窥镜图像和视频数据集	胃部的22个解剖学标志物和不合格图像	digital pathology	gastrointestinal disease	endoscopy	deep learning models	image, video	8,834张图像和4,729个标注视频序列，来自387名患者
3	2025-06-03	A Radiograph Dataset for the Classification, Localization, and Segmentation of Primary Bone Tumors 2025-Jan-16, Scientific data IF:5.8Q1 DOI:10.1038/s41597-024-04311-y PMID:39820508	research paper	该论文介绍了一个用于原发性骨肿瘤分类、定位和分割的X射线数据集BTXRD	建立了首个公开的原发性骨肿瘤X射线数据集BTXRD，包含临床信息和标注	数据集规模相对较小，仅包含3746张图像	促进基于深度学习的原发性骨肿瘤计算机辅助诊断算法开发	原发性骨肿瘤的X射线图像	digital pathology	bone tumor	X-ray imaging	deep learning	image	3746张骨图像（1879张正常，1867张肿瘤）
4	2025-06-03	LDCT image biomarkers that matter most for the deep learning classification of indeterminate pulmonary nodules 2025-Jan, Cancer biomarkers : section A of Disease markers IF:2.2Q3 DOI:10.3233/CBM-230444 PMID:38848168	research paper	本研究通过图像掩蔽和显著性激活图探索了CT图像中肺实质和肿瘤区域对不确定肺结节分类的贡献	结合图像掩蔽和显著性激活图系统性地分析了CT图像中不同区域对肺结节分类的影响	研究仅针对4-20毫米直径的实性肺结节，未考虑其他类型的结节	探索深度学习网络在CT图像中识别肺癌所依赖的放射学特征	来自国家肺癌筛查试验(NLST)的实性肺结节患者	digital pathology	lung cancer	CT扫描	deep neural networks	image	来自NLST的特定尺寸肺结节患者数据
5	2025-06-03	Machine Learning, Deep Learning, Artificial Intelligence and Aesthetic Plastic Surgery: A Qualitative Systematic Review 2025-Jan, Aesthetic plastic surgery IF:2.0Q2 DOI:10.1007/s00266-024-04421-3 PMID:39384606	系统综述	本文通过系统综述评估了机器学习、深度学习和人工智能在美容整形手术中的应用	首次系统性地总结了AI、ML和DL在美容整形手术中的多种应用及其潜力	可能产生不切实际的术后效果预期，需要谨慎使用这些工具	评估AI技术在美容整形手术领域的应用现状	美容整形手术中的AI应用研究	人工智能在医疗中的应用	整形外科	机器学习(ML)、深度学习(DL)、人工智能(AI)	NA	图像数据	41篇研究进行全文审查，最终纳入18篇研究
6	2025-06-03	Blip-up blip-down circular EPI (BUDA-cEPI) for distortion-free dMRI with rapid unrolled deep learning reconstruction 2025-Jan, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2024.110277 PMID:39566835	研究论文	本文开发了一种名为BUDA-cEPI RUN-UP的快速重建管道，用于实现高质量、高分辨率的扩散磁共振成像（dMRI），并通过深度学习重建技术显著缩短重建时间	提出了基于机器学习的展开重建方法，引入了虚拟线圈概念，并设计了模仿S-LORAKS正则化的网络架构，显著提高了重建速度	虽然重建速度大幅提升，但该方法仍依赖于额外的非扩散图像（b值=0 s/mm2）以获得最佳效果	开发快速重建管道，促进BUDA-cEPI在常规临床和神经科学应用中的部署	扩散磁共振成像（dMRI）数据	医学影像处理	NA	扩散磁共振成像（dMRI），深度学习重建	U-Net	医学影像	NA
7	2025-06-03	Do Sharpness-Based Optimizers Improve Generalization in Medical Image Analysis? 2025, IEEE access : practical innovations, open solutions IF:3.4Q2 DOI:10.1109/ACCESS.2025.3568641 PMID:40443707	research paper	本文评估了基于锐度的优化器在医学图像分析中提高深度学习模型泛化能力的有效性	首次系统评估了多种基于锐度的优化器在医学图像数据集上的表现，发现SAM是唯一能一致提升泛化性能的方法	研究仅使用了三种医学图像数据集，可能无法代表所有医学图像场景	评估基于锐度的优化器在医学图像分析中提高模型泛化能力的有效性	医学图像数据集（乳腺超声、胸部X光和结肠组织病理学图像）	digital pathology	breast cancer, lung disease, colon disease	deep learning optimization	CNN, vision transformers	image	三种医学图像数据集
8	2025-06-03	Advances in Electrocardiogram-Based Artificial Intelligence Reveal Multisystem Biomarkers 2025, Journal of clinical & experimental cardiology PMID:40443717	review	本文讨论了基于心电图的人工智能在临床心脏病学中的进展、局限性和未来方向	利用基于心电图的深度学习模型识别心脏壁运动异常，并超越人类专家解释	讨论了深度学习模型在基于心电图的人工智能应用中的局限性和公平性考虑	探讨人工智能在临床心脏病学中的应用，提供创新的诊断、预后和治疗解决方案	心电图数据	machine learning	cardiovascular disease	Deep Learning	DL	ECG数据	NA
9	2025-06-03	XLLC-Net: A lightweight and explainable CNN for accurate lung cancer classification using histopathological images 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0322488 PMID:40445896	研究论文	该研究介绍了一种轻量级且可解释的CNN模型XLLC-Net，用于从组织病理学图像中准确分类肺癌	XLLC-Net是一种轻量级CNN模型，仅包含300万个参数，显著降低了计算资源需求，同时集成了可解释AI技术（如Saliency Map和GRAD-CAM）以增强模型的可解释性	研究仅关注了LC25000数据集中的三类肺癌，未包含其他类型的癌症或更广泛的数据集	开发一种轻量级且可解释的深度学习模型，用于肺癌的准确分类	组织病理学图像中的三类肺癌	数字病理学	肺癌	深度学习	CNN	图像	LC25000数据集中的三类肺癌样本
10	2025-06-03	Deep learning reconstruction of free-breathing, diffusion-weighted imaging of the liver: A comparison with conventional free-breathing acquisition 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0320362 PMID:40445963	研究论文	本研究比较了自由呼吸下使用深度学习重建的扩散加权成像（FB-DL-DWI）与传统扩散加权成像（FB-C-DWI）在肝脏MRI中的图像质量和实体性肝脏局灶性病变（FLL）评估	首次在自由呼吸条件下应用深度学习重建技术进行肝脏扩散加权成像，并与传统方法进行对比	FB-DL-DWI表现出比FB-C-DWI更强的人工感觉（P<0.001）	比较两种扩散加权成像技术在肝脏MRI中的表现	199名接受临床肝脏MRI检查的患者	医学影像分析	肝脏疾病	扩散加权成像（DWI），深度学习重建	深度学习模型（具体类型未说明）	医学影像数据	199名患者（其中110名患有慢性肝病），138个实体性肝脏局灶性病变
11	2025-06-03	Prediction of drug-target interactions based on substructure subsequences and cross-public attention mechanism 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0324146 PMID:40445972	研究论文	提出了一种基于子结构子序列和交叉公共注意力机制的药物-靶点相互作用预测模型SSCPA-DTI	采用多特征信息挖掘模块(MIMM)提取药物和蛋白质的原始及子结构特征，并利用交叉公共注意力模块(CPA)整合特征及提取相互作用信息，提高了预测准确性和可解释性	仅在三个公共数据集上进行了实验，未在其他数据集上验证模型的泛化能力	提高药物-靶点相互作用预测的准确性和可解释性	药物和蛋白质的相互作用	机器学习	NA	深度学习	SSCPA-DTI (基于注意力机制的模型)	序列数据(SMILES序列和蛋白质序列)	三个公共数据集
12	2025-06-03	Enhancing the dataset of CycleGAN-M and YOLOv8s-KEF for identifying apple leaf diseases 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0321770 PMID:40445983	研究论文	本研究提出了一种基于深度学习的方法，通过改进CycleGAN-M和YOLOv8s-KEF模型来提高苹果叶病害的识别准确率	使用多尺度注意力机制增强CycleGAN-M网络生成合成样本，改进YOLOv8s-KEF模型的特征提取能力，特别是针对小病变和复杂纹理	模型大小增加了6MB，可能影响部署效率	提高苹果叶病害的识别准确率，解决数据集有限、样本量小和识别精度低的问题	苹果叶病害	计算机视觉	植物病害	深度学习	CycleGAN-M, YOLOv8s-KEF	图像	NA
13	2025-06-03	ArsenicNet: An efficient way of arsenic skin disease detection using enriched fusion Xception model 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0322405 PMID:40446004	研究论文	提出了一种名为ArsenicNet的融合Xception模型，用于高效检测砷污染引起的皮肤疾病	结合Xception模型与Inception模块的深度学习架构，在砷皮肤疾病检测中表现出优越性能	数据集样本量较小（仅1287个样本），且仅基于孟加拉国人群	开发高效准确的砷皮肤疾病检测方法	砷污染引起的皮肤疾病	计算机视觉	皮肤疾病	深度学习	Xception与Inception模块融合的CNN	图像	1287张基于孟加拉国人群的皮肤图像
14	2025-06-03	Segmentation-based deep 2D-3D multibranch learning approach for effective hyperspectral image classification 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0321559 PMID:40446012	研究论文	本文提出了一种基于分割的深度2D-3D多分支学习方法，用于高效的高光谱图像分类	提出了一种新颖的多层多分支2D-3D CNN模型，结合了SPCA和mRMR技术，能够分层处理不同重要性的特征	未明确提及具体局限性，但可能涉及计算复杂性和模型泛化能力	解决高光谱图像分类中的数据冗余、计算成本高、样本不足和维度诅咒等问题	高光谱图像中的土地覆盖物体分类	计算机视觉	NA	Segmented Principal Component Analysis (SPCA), minimum-Redundancy-Maximum-Relevance (mRMR)	2D-3D CNN	高光谱图像	Salinas Scene、University of Pavia和Indian Pines高光谱图像数据集
15	2025-06-03	Artificial intelligence in ophthalmology: opportunities, challenges, and ethical considerations 2025, Medical hypothesis, discovery & innovation ophthalmology journal DOI:10.51329/mehdiophthal1517 PMID:40453785	综述	本文探讨了人工智能在眼科领域的应用机会、挑战及伦理考量	全面综述了AI在眼科各亚专科（如角膜疾病、白内障、糖尿病视网膜病变等）中的诊断性能突破，并系统分析了临床转化面临的独特挑战	纳入文献时间范围有限（2005-2025），且未说明文献筛选的具体数量和方法学质量评估标准	评估AI在眼科诊疗中的转化应用价值及实施障碍	眼科疾病患者（包括角膜疾病、白内障、视网膜病变等）的医学影像数据	数字病理	眼科疾病	深度学习	CNN	医学影像（Scheimpflug断层扫描、眼底照相、OCT等）	未明确总样本量（包含多项研究的汇总数据）
16	2025-06-03	Integrating support vector machines and deep learning features for oral cancer histopathology analysis 2025, Biology methods & protocols IF:2.5Q3 DOI:10.1093/biomethods/bpaf034 PMID:40454251	研究论文	本研究提出了一种结合支持向量机(SVM)和深度学习特征的方法，用于口腔癌组织病理学图像分类以检测异常增生	通过融合InceptionResNet-v2和视觉变换器(ViT)模型提取的深度学习特征训练的SVM分类器，有效解决了类别不平衡问题	NA	提高口腔癌异常增生的分类性能	口腔癌组织病理学图像	数字病理学	口腔癌	深度学习特征提取	SVM, InceptionResNet-v2, ViT	图像	NA
17	2025-06-02	Is a single model enough? The systematic comparison of computational approaches for detecting populist radical right content 2025, Quality & quantity DOI:10.1007/s11135-024-02034-1 PMID:40343105	研究论文	本文系统比较了检测文本数据中民粹主义激进右翼(PRR)内容的不同计算方法	首次系统比较了66种词典方法、经典监督机器学习和深度学习模型在PRR内容检测任务上的表现，并评估了不同文本预处理方式对模型性能的影响	在噪声较大的数据集上，深度学习模型的表现仍然不够理想	比较不同计算方法在检测PRR内容方面的表现	德语测试数据集中的PRR内容	自然语言处理	NA	词典方法、监督机器学习、深度学习	DL模型、集成模型	文本	三个德语测试数据集
18	2025-06-02	Advanced predictive modeling for enhanced mortality prediction in ICU stroke patients using clinical data 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0323441 PMID:40435317	研究论文	该研究开发了一种深度学习模型，用于预测ICU中缺血性卒中患者的死亡率，通过优化的特征选择和数据清理提高了预测准确性	结合XGBoost进行特征选择和深度学习模型，显著减少了特征数量（从1095降至30），并在AUROC上实现了13%的提升	研究依赖于MIMIC-IV数据库的数据，可能无法完全代表所有ICU卒中患者的情况	优化ICU中缺血性卒中患者的死亡率预测，以改善治疗策略和资源分配	ICU中的缺血性卒中患者	机器学习	心血管疾病	SMOTE（合成少数类过采样技术）	XGB-DL（结合XGBoost和深度学习）	临床数据（包括诊断、生命体征、实验室测试、药物、程序、治疗和临床记录）	3,646名ICU患者（训练集2,441名，测试集523名，验证集523名）
19	2025-06-02	Advancing malware imagery classification with explainable deep learning: A state-of-the-art approach using SHAP, LIME and Grad-CAM 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0318542 PMID:40435333	research paper	该研究通过使用SHAP、LIME和Grad-CAM等可解释性技术，对集成深度神经网络（DNNW）进行对比分析，以提高恶意软件图像分类的可解释性和准确性	结合多种可解释性技术（SHAP、LIME、Grad-CAM）分析恶意软件图像数据，提升模型透明度和可信度	研究主要集中在恶意软件图像数据上，对其他类型恶意软件的适用性未明确说明	开发可解释且强大的AI模型，以提高恶意软件检测的可靠性和信任度	恶意软件图像数据	machine learning	NA	SHAP, LIME, Grad-CAM	DNNW, RUSBoost, Random Forest, Subspace, AdaBoost, BagTree	image	NA
20	2025-06-02	A deep learning-based algorithm for the detection of personal protective equipment 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0322115 PMID:40440260	研究论文	提出了一种基于YOLOv8n改进的深度学习算法，用于检测建筑工地上的个人防护装备（PPE）	设计了多尺度组卷积模块（MSGP）和多尺度特征扩散金字塔网络（MFDPN），并引入了自定义任务对齐模块和DCNV2模块，提高了检测精度和适应性	未提及具体的数据集规模或实际部署中的性能表现	提高建筑工地个人防护装备的检测精度和效率	建筑工地上的个人防护装备（PPE）	计算机视觉	NA	深度学习	YOLOv8n改进模型（MFD-YOLO）	图像	未提及具体样本数量