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
341	2025-05-14	TongueNet: a multi-modal fusion and multi-label classification model for traditional Chinese Medicine tongue diagnosis 2025, Frontiers in physiology IF:3.2Q2 DOI:10.3389/fphys.2025.1527751 PMID:40352152	research paper	提出了一种名为TongueNet的多模态融合和多标签分类模型，用于中医舌诊	结合舌图像数据和文本特征，采用分层聚合网络和特征空间投影模块进行特征提取与融合，引入一致性和互补性约束优化多模态信息融合，并利用多尺度注意力机制和Kolmogorov-Arnold网络提升特征权重多样性和准确性	数据稀缺问题仍未完全解决，且模型性能依赖于专家标注质量	解决中医舌诊领域数据稀缺和多模态诊断模型缺乏的问题，提升疾病性质和部位分类的准确性	中医舌诊中的舌图像和文本特征	digital pathology	geriatric disease	deep learning	HAN, KAN	image, text	三个公开舌图像数据集（具体数量未提及）
342	2025-05-14	A deep learning pipeline for morphological and viability assessment of 3D cancer cell spheroids 2025, Biology methods & protocols IF:2.5Q3 DOI:10.1093/biomethods/bpaf030 PMID:40352793	研究论文	提出了一种用于3D癌细胞球体形态和活力评估的深度学习流程	开发了一个可扩展的两阶段深度学习流程，整合了U-Net模型和CNN回归混合方法，用于3D球体的精确分割和活力评估	未提及具体的数据集规模或多样性限制	提高3D癌细胞球体形态特征和细胞活力的高通量分析效率	3D癌细胞球体	数字病理学	癌症	深度学习	U-Net, CNN Regression Hybrid	显微图像	NA
343	2025-05-13	Deep learning and genome-wide association meta-analyses of bone marrow adiposity in the UK Biobank 2025-01-02, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-55422-4 PMID:39747859	研究论文	使用深度学习和全基因组关联分析研究英国生物银行中骨髓脂肪组织的遗传决定因素	首次使用深度学习测量骨髓脂肪含量，并进行全基因组关联分析，发现了多个与骨髓脂肪相关的基因位点	研究主要基于英国生物银行数据，样本多样性有限，非白人参与者数量较少	探究骨髓脂肪组织的遗传决定因素及其与人类健康和疾病的关系	英国生物银行中约47,000名参与者的MRI扫描数据	机器学习	骨骼疾病	深度学习，全基因组关联分析(GWAS)	深度学习模型	MRI图像，基因组数据	约47,000名参与者(41,000名白人，6,300名非白人)
344	2025-05-13	Artificial intelligence in the diagnosis of uveal melanoma: advances and applications 2025, Experimental biology and medicine (Maywood, N.J.) DOI:10.3389/ebm.2025.10444 PMID:40046904	review	本文综述了机器学习和深度学习在葡萄膜黑色素瘤诊断中的进展与应用	深度学习模型，特别是CNN，能够自动分析医学图像，识别复杂模式，并提高诊断精度，相较于传统机器学习方法具有显著优势	研究中的关键限制包括数据集规模小、外部验证有限以及对单一成像模式的依赖，这些都限制了模型在临床环境中的泛化能力	评估机器学习和深度学习在葡萄膜黑色素瘤分类中的应用，并探讨其临床整合潜力	葡萄膜黑色素瘤及其相关医学影像	digital pathology	uveal melanoma	fundus photography, OCT, ultrasound	CNN	image	NA
345	2025-05-13	Advances in analytical approaches for background parenchymal enhancement in predicting breast tumor response to neoadjuvant chemotherapy: A systematic review 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0317240 PMID:40053513	系统综述	本文系统综述了背景实质增强（BPE）分析在预测乳腺癌新辅助化疗（NAC）反应中的最新进展	从单时间点BPE分析转向纵向BPE分析，并探讨了人工智能（AI）在改进BPE分析中的潜在应用	现有纵向BPE分析方法存在数据缺失、手动分割乳房区域以及过度依赖传统统计方法等问题	评估BPE分析方法的可靠性及有效性，以预测乳腺癌对NAC的反应	乳腺癌患者	数字病理学	乳腺癌	动态对比增强磁共振成像（DCE-MRI）	逻辑回归，深度学习	医学影像	13项研究（来自78篇符合条件的文献）
346	2025-05-13	Thoracic Aortic Three-Dimensional Geometry 2025 Jan-Dec, Pulse (Basel, Switzerland) DOI:10.1159/000543613 PMID:40330437	research paper	该研究通过深度学习架构和形态学图像操作，量化了胸主动脉的三维几何参数，并在两个大型生物银行中应用	首次在大型人群中全面表征胸主动脉的三维几何结构，并开发了全自动量化方法	研究依赖于影像扫描数据，可能受限于图像质量和分辨率	量化胸主动脉的三维几何结构，以研究其与心血管健康和疾病的关系	胸主动脉的三维几何参数	digital pathology	cardiovascular disease	deep learning, morphological image operations	deep learning architecture	imaging scans	54,241 participants from UK Biobank and 8,456 participants from Penn Medicine Biobank
347	2025-05-13	A novel deep learning technique for multi classify Alzheimer disease: hyperparameter optimization technique 2025, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2025.1558725 PMID:40342359	research paper	提出一种基于深度学习和超参数优化的新方法，用于更准确地分类阿尔茨海默病的不同阶段	使用新提出的超参数优化方法来识别ResNet152V2模型的超参数，以解决有限数据和计算资源的问题	未提及具体的数据集大小和计算资源限制的详细情况	早期诊断和检测阿尔茨海默病，以实施可能减缓疾病进展的治疗方法	阿尔茨海默病的不同阶段	machine learning	geriatric disease	deep learning, hyperparameter optimization	ResNet152V2	NA	NA
348	2025-05-13	Using artificial intelligence to develop a measure of orthopaedic treatment success from clinical notes 2025, Frontiers in digital health IF:3.2Q2 DOI:10.3389/fdgth.2025.1523953 PMID:40343216	research paper	该研究利用人工智能技术从临床记录中开发了一种衡量骨科治疗成功的方法	首次使用AI方法从临床记录中提取治疗成功或失败的短语，并开发了一种骨科治疗成功的指标	研究仅针对急性肩部损伤患者，样本量有限（868份临床记录），且仅在一个地区医疗系统内进行	开发一种反映骨科治疗成功的可用结果测量方法	急性肩部损伤患者的临床记录	自然语言处理	骨科疾病	机器学习和深度学习算法	Bio-ClinicalBERT	文本	868份临床记录，来自123名医生和35个科室
349	2025-05-12	Advanced deep learning algorithms in oral cancer detection: Techniques and applications 2025, Journal of environmental science and health. Part C, Toxicology and carcinogenesis DOI:10.1080/26896583.2024.2445957 PMID:39819195	研究论文	本文探讨了深度学习算法在口腔癌检测中的技术和应用	提供了对最新基于AI的口腔癌检测方法的全面分析，包括使用卷积神经网络的深度学习和机器学习算法	NA	推进口腔癌的早期诊断，改善患者预后并减轻医疗系统负担	口腔癌	数字病理学	口腔癌	深度学习、机器学习、图像预处理和分割	CNN	图像	NA
350	2025-05-12	Injecting structure-aware insights for the learning of RNA sequence representations to identify m6A modification sites 2025, PeerJ IF:2.3Q2 DOI:10.7717/peerj.18878 PMID:40017651	研究论文	提出了一种名为M6A-SAI的新型预测器，用于识别RNA中的m6A修饰位点，通过整合结构感知的见解来增强序列表示学习	M6A-SAI通过Transformer编码器学习RNA序列表示，构建相似性图捕捉序列相关性，并通过结构感知优化块和图卷积框架整合结构信息，显著提高了m6A修饰位点的识别精度	未提及具体的数据集规模或实验中的潜在偏差	准确识别RNA序列中的m6A修饰位点	RNA序列中的m6A修饰位点	自然语言处理	NA	Transformer, 图卷积, SVM	Transformer, 图卷积网络, SVM	RNA序列数据	NA
351	2025-05-12	Deep-learning tool for early identification of non-traumatic intracranial hemorrhage etiology and application in clinical diagnostics based on computed tomography (CT) scans 2025, PeerJ IF:2.3Q2 DOI:10.7717/peerj.18850 PMID:40028214	研究论文	开发了一种基于深度学习的人工智能系统，用于早期识别非创伤性颅内出血的病因，并在临床诊断中应用	该系统能够基于非对比计算机断层扫描（NCCT）准确识别多种颅内出血病因，并在临床诊断中显著提升医生的诊断性能	模型在Moyamoya病（MMD）和其他病因上的AUC值相对较低，可能影响其在这些病因上的诊断准确性	开发一种能够准确识别非创伤性颅内出血病因的人工智能系统，并评估其在临床诊断中的应用价值	非创伤性颅内出血患者	数字病理学	颅内出血	深度学习	深度学习模型	CT扫描图像	1,868例NCCT扫描（训练集），TT200和SD98两个独立测试集
352	2025-05-12	Optimizing Stroke Detection Using Evidential Networks and Uncertainty-Based Refinement 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.2025.3531768 PMID:40031143	研究论文	本研究利用证据网络和基于不确定性的优化方法，提高中风后神经损伤的检测灵敏度	采用证据网络和不确定性估计方法，显著提高了对轻微中风损伤和短暂性脑缺血发作（TIA）的检测准确性	研究样本量有限，且仅针对Kinarm系统采集的运动学数据进行分析	优化中风后神经损伤的检测方法，提高临床评估的准确性和灵敏度	337名中风患者和368名健康对照者	机器学习	心血管疾病	深度学习	证据网络	运动学数据	705人（337名中风患者和368名健康对照者）
353	2025-05-12	High-Density EMG Grip Force Estimation During Muscle Fatigue via Domain Adaptation 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.2025.3541227 PMID:40031585	研究论文	提出一种基于域适应的高密度EMG握力估计方法，以改善肌肉疲劳状态下的握力估计精度	结合对抗训练策略和端到端深度学习模型，对齐非疲劳和疲劳状态下的EMG特征分布	研究仅涉及8名受试者，样本量较小	提高肌电接口在肌肉疲劳状态下解码用户意图的准确性	肌电信号（EMG）和握力估计	机器学习	NA	高密度EMG	深度学习模型	EMG信号	8名受试者
354	2025-05-12	The More, the Better? Evaluating the Role of EEG Preprocessing for Deep Learning Applications 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.2025.3547616 PMID:40031716	research paper	该研究首次全面评估了EEG预处理对深度学习应用的影响，并提出了未来研究的指导原则	首次系统性地研究了不同EEG预处理水平对深度学习模型性能的影响，并提出了预处理指南	研究仅针对特定的六种分类任务和四种EEG架构，结果可能不具备普遍性	评估EEG预处理在深度学习应用中的作用，确定最优预处理策略	EEG数据及其预处理方法	machine learning	Parkinson's, Alzheimer's disease, 精神疾病	EEG	深度学习模型	EEG信号数据	4800个训练模型
355	2025-05-12	Emotion-RGC net: A novel approach for emotion recognition in social media using RoBERTa and Graph Neural Networks 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0318524 PMID:40029933	研究论文	提出了一种名为Emotion-RGC Net的新方法，用于社交媒体中的情感识别，结合了RoBERTa、图神经网络和条件随机场	整合RoBERTa、GNN和CRF，提高了情感分类的准确性和鲁棒性	模型依赖大量标记数据，计算效率有待提高，未考虑情感演化的时间动态	提高社交媒体中情感识别的准确性和鲁棒性	社交媒体用户生成的内容	自然语言处理	NA	RoBERTa, GNN, CRF	Emotion-RGC Net	文本	Sentiment140和Emotion两个数据集
356	2025-05-12	Deep learning based semantic segmentation of leukemia effected white blood cell 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0320596 PMID:40338981	research paper	该论文提出了一种基于深度学习的白血病影响的白细胞语义分割方法	结合UNet++、标记分水岭算法和神经常微分方程（ODE）进行白细胞分割，提高了分割的准确性和鲁棒性	计算复杂度和内存空间有待优化，以便在低资源设备上部署	提高白细胞分割的准确性，以支持自动化血细胞分析、诊断成像和疾病监测	白血病影响的白细胞	digital pathology	leukemia	UNet++, 标记分水岭算法, 神经常微分方程（ODE）	UNet++, Neural ODE	image	ALL_IDB1和ALL_IDB2数据集中的血涂片图像
357	2025-05-12	Deep learning in assisting dermatologists in classifying basal cell carcinoma from seborrheic keratosis 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1507322 PMID:40342818	research paper	评估深度学习模型在辅助皮肤科医生分类基底细胞癌（BCC）和脂溢性角化病（SK）中的有效性	使用基于CLIP ViT-B/16架构的深度学习模型，结合注意力机制（如Grad-CAM）增强模型决策的可解释性	模型在验证队列中的AUC为0.71，表现略低于训练和测试队列	评估AI辅助诊断是否能提高分类准确性、减少误诊并改善临床结果	基底细胞癌（BCC）和脂溢性角化病（SK）患者	digital pathology	skin cancer	deep learning, Grad-CAM	CLIP ViT-B/16	image	707名患者（内部数据集）和5572名患者（ISIC公共数据集）
358	2025-05-12	A review of lightweight convolutional neural networks for ultrasound signal classification 2025, Frontiers in physiology IF:3.2Q2 DOI:10.3389/fphys.2025.1536542 PMID:40342856	综述	本文综述了轻量级卷积神经网络在超声信号分类中的应用	结合超声信号特点，从模型压缩和操作优化两个角度详细回顾了轻量级算法	未提及具体实验验证或实际应用效果	探索轻量级卷积神经网络在超声信号处理领域的应用	超声信号	医学图像分析	NA	深度学习	轻量级CNN	超声信号	基于ImageNet数据集的经典模型实验结果
359	2025-05-12	Automatic segmentation and quantitative analysis of brain CT volume in 2-year-olds using deep learning model 2025, Frontiers in neurology IF:2.7Q3 DOI:10.3389/fneur.2025.1573060 PMID:40343184	研究论文	本研究开发了一种使用ResU-Net深度学习模型自动分割2岁儿童脑部CT图像的方法，并量化特定脑区体积，建立临床和研究应用的参考数据库	首次在2岁儿童脑CT图像中应用ResU-Net模型进行自动分割和体积量化，建立了该年龄段的标准参考数据库	研究仅纳入放射学表现正常的儿童样本，未涵盖异常或疾病状态	开发儿童脑CT图像的自动分割方法并建立标准体积参考值	2岁健康儿童的脑部CT图像	数字病理	NA	CT成像	ResU-Net, 3D U-Net	医学影像	1,487例2岁儿童头部CT扫描（训练集1,041例，测试集446例）
360	2025-05-12	High-yield spidroin mimics for bioinspired fibers via computational design 2025, Frontiers in bioengineering and biotechnology IF:4.3Q2 DOI:10.3389/fbioe.2025.1587546 PMID:40343205	研究论文	通过计算设计高产的蜘蛛丝蛋白模拟物，用于仿生纤维的生产	结合深度学习和生物工程技术，设计出适合原核表达的水溶性、富含β-折叠的蜘蛛丝蛋白模拟物，克服了传统表达系统的瓶颈	NA	解决蜘蛛丝蛋白在大规模生产中的表达难题，推动高性能仿生纤维的应用	蜘蛛丝蛋白模拟物	生物工程	NA	深度学习、生物工程、静电纺丝、粗粒化分子动力学模拟	NA	NA	设计了五种功能性蜘蛛丝蛋白，并在原核系统中表达，产量高达0.99克/升