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
361	2025-03-21	Integrated convolutional neural network for skin cancer classification with hair and noise restoration 2025, Turkish journal of medical sciences IF:1.2Q2 DOI:10.55730/1300-0144.5954 PMID:40104314	研究论文	本研究探讨了皮肤病变图像中的毛发和噪声伪影对分类器性能的影响，并提出了集成卷积神经网络（CNN）用于去除这些伪影以提高诊断准确性	提出了集成毛发去除（IHR）和集成噪声去除（INR）的CNN模型，显著提高了去除毛发和噪声后的图像分类准确率	研究中使用了合成数据集，可能无法完全反映真实世界中的复杂情况	提高皮肤病变图像的自动诊断准确性	皮肤病变图像	计算机视觉	皮肤癌	深度学习	CNN, ResNet50, DenseNet121, ResNet152, VGG16, VGG19	图像	HAM10000基准数据集及合成数据集
362	2025-03-20	Federated Learning in Glaucoma: A Comprehensive Review and Future Perspectives 2025 Jan-Feb, Ophthalmology. Glaucoma DOI:10.1016/j.ogla.2024.08.004 PMID:39214457	综述	本文全面回顾了联邦学习在青光眼筛查中的应用，并探讨了其未来前景	提出了联邦学习作为一种解决数据共享和隐私保护问题的新方法，用于训练青光眼筛查的AI模型	缺乏对联邦学习在不同临床环境和数据集中的长期效果评估	探讨联邦学习在青光眼筛查AI模型开发中的应用及其潜力	青光眼筛查的AI模型	数字病理学	青光眼	联邦学习	深度学习	医学影像	NA
363	2025-03-20	SpaGraphCCI: Spatial cell-cell communication inference through GAT-based co-convolutional feature integration 2025 Jan-Dec, IET systems biology IF:1.9Q3 DOI:10.1049/syb2.70000 PMID:39846423	研究论文	本文提出了一种名为SpaGraphCCI的深度学习方法，通过共卷积特征整合来有效整合空间多模态数据，以推断空间细胞间相互作用	SpaGraphCCI通过将基因表达和图像特征投影到低维空间，有效整合了不同模态的空间转录组数据，显著提升了空间细胞间相互作用的推断性能	NA	开发一种能够有效整合空间多模态数据以推断细胞间相互作用的深度学习方法	空间转录组数据	数字病理学	乳腺癌	空间转录组技术	GAT-based co-convolutional feature integration	基因表达数据、图像数据	多个平台的数据集，包括单细胞分辨率数据集和点分辨率数据集
364	2025-03-20	A malware classification method based on directed API call relationships 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0299706 PMID:40096061	研究论文	本文提出了一种基于有向API调用关系的恶意软件分类方法，通过将API序列建模为有向图，并结合图卷积网络和卷积神经网络进行分类	提出了一种新的恶意软件分类方法，利用API序列中的有向关系，并引入一阶和二阶图卷积网络（FSGCN）来近似有向图卷积网络（DGCN）的操作	虽然方法在实验中表现良好，但仍需进一步验证其在更大规模和多样化数据集上的泛化能力	开发一种更有效的恶意软件分类方法，以应对日益复杂的网络威胁	恶意软件样本	机器学习	NA	图卷积网络（GCN）、卷积神经网络（CNN）、合成少数类过采样技术（SMOTE）	FSGCN、CNN	API序列数据、图像数据	两个真实世界的恶意软件数据集
365	2025-03-20	Deep learning imaging analysis to identify bacterial metabolic states associated with carcinogen production 2025, Discover imaging DOI:10.1007/s44352-025-00006-1 PMID:40098681	研究论文	本研究利用深度学习成像分析技术，识别与致癌物产生相关的细菌代谢状态	首次使用深度学习模型通过成像分析区分产生和不产生致癌物脱氧胆酸（DCA）的Clostridium scindens细胞	研究仅针对Clostridium scindens和两种Bacteroides物种，未涵盖其他可能影响CRC的细菌	探索成像方法是否能够区分产生和不产生DCA的C. scindens细胞	Clostridium scindens和两种Bacteroides物种	数字病理学	结直肠癌	光学显微镜成像	CNN, DenseNet, ResNet, nnU-Net	图像	四种培养条件下的Clostridium scindens图像
366	2025-03-20	Predicting the risk of relapsed or refractory in patients with diffuse large B-cell lymphoma via deep learning 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1480645 PMID:40098696	研究论文	本研究通过深度学习预测弥漫性大B细胞淋巴瘤患者的复发或难治性风险	结合临床特征和组织病理学图像，利用随机森林算法和弱监督学习方法CLAM构建预测模型，并进一步融合图像特征和临床信息以提高预测性能	样本量相对较小，仅来自单一医疗机构，可能影响模型的泛化能力	早期预测弥漫性大B细胞淋巴瘤患者的复发或难治性风险，以调整治疗方案并改善患者预后	227名2015年至2018年在徐州医科大学附属医院确诊的弥漫性大B细胞淋巴瘤患者	数字病理学	弥漫性大B细胞淋巴瘤	深度学习，随机森林算法，弱监督学习	随机森林，CLAM	临床信息，H&E图像	227名患者
367	2025-03-20	Identification of biomarkers and target drugs for melanoma: a topological and deep learning approach 2025, Frontiers in genetics IF:2.8Q2 DOI:10.3389/fgene.2025.1471037 PMID:40098976	研究论文	本研究通过拓扑和深度学习方法，系统探索了黑色素瘤进展中的免疫基因调控动态，并预测了潜在的药物靶点	开发了双向、加权、有符号和有方向的拓扑免疫基因调控网络，结合深度学习模型预测药物-靶点相互作用，填补了当前单基因分析方法的不足	未来研究需要在临床前模型中验证这些靶点，并探索基于网络的早期检测生物标志物	系统探索黑色素瘤进展中的免疫基因调控动态，并预测潜在的药物靶点	良性黑色素细胞痣和皮肤黑色素瘤的转录组景观	机器学习	黑色素瘤	下一代测序（NGS）	深度学习模型	基因表达数据	NA
368	2025-03-20	Multi-view united transformer block of graph attention network based autism spectrum disorder recognition 2025, Frontiers in psychiatry IF:3.2Q2 DOI:10.3389/fpsyt.2025.1485286 PMID:40099145	研究论文	本文提出了一种名为多视图统一Transformer图注意力网络（MVUT_GAT）的新模型，用于通过分析神经影像数据来识别自闭症谱系障碍（ASD）	MVUT_GAT结合了多视图学习和注意力机制的优势，能够从物理和功能性MRI数据中提取精细特征，提高了ASD识别的准确性	NA	提高自闭症谱系障碍（ASD）的早期识别准确性	自闭症谱系障碍（ASD）患者	计算机视觉	自闭症谱系障碍	功能性MRI	Transformer, 图注意力网络（GAT）	神经影像数据	使用ABIDE数据集进行实验
369	2025-03-20	Statistical Evaluation of Smartphone-Based Automated Grading System for Ocular Redness Associated with Dry Eye Disease and Implications for Clinical Trials 2025, Clinical ophthalmology (Auckland, N.Z.) DOI:10.2147/OPTH.S506519 PMID:40099234	研究论文	本研究介绍了一种基于深度学习的全自动方法，用于选择结膜作为大规模、多中心临床试验的兴趣区域（ROI），旨在通过精确、客观的评分系统减少评分者间和评分者内的变异性	引入了'水平性'参数到评分系统中，评估了该方法在提高评分精度、减少样本量和提高临床试验效率方面的潜力	NA	评估自动化评分系统在干眼病相关眼红症状中的应用及其对临床试验的影响	450名受试者的29,640张图像	计算机视觉	干眼病	深度学习	DeepLabV3	图像	450名受试者的29,640张图像
370	2025-03-20	Machine learning-based risk predictive models for diabetic kidney disease in type 2 diabetes mellitus patients: a systematic review and meta-analysis 2025, Frontiers in endocrinology IF:3.9Q2 DOI:10.3389/fendo.2025.1495306 PMID:40099258	系统综述与荟萃分析	本文通过系统综述和荟萃分析，评估了机器学习模型在预测2型糖尿病患者糖尿病肾病风险中的性能和临床适用性	首次对机器学习模型在预测2型糖尿病患者糖尿病肾病风险中的性能进行了系统综述和荟萃分析，并识别了关键研究空白	模型开发和验证过程中存在的数据偏差问题仍需解决，未来研究应增强数据透明度和标准化，并通过多中心研究验证模型的泛化能力	评估机器学习模型在预测2型糖尿病患者糖尿病肾病风险中的性能和临床适用性	2型糖尿病患者	机器学习	糖尿病肾病	机器学习算法	随机森林（RF）	临床数据	26项研究，共94个机器学习模型
371	2025-03-19	A differentiable Gillespie algorithm for simulating chemical kinetics, parameter estimation, and designing synthetic biological circuits 2025-Jan-21, bioRxiv : the preprint server for biology DOI:10.1101/2024.07.07.602397 PMID:39026759	研究论文	本文开发了一种完全可微的Gillespie算法（DGA），用于模拟化学动力学、参数估计和设计合成生物电路	利用深度学习的最新突破，开发了一种完全可微的Gillespie算法，通过平滑函数近似不连续操作，允许使用反向传播计算梯度	NA	开发一种可微的Gillespie算法，用于快速准确地学习动力学参数并设计具有所需特性的生化网络	化学动力学模型和基因启动子的随机模型	机器学习	NA	深度学习	可微Gillespie算法（DGA）	实验测量的mRNA表达水平	两个不同的启动子
372	2025-03-19	The Pfam protein families database: embracing AI/ML 2025-Jan-06, Nucleic acids research IF:16.6Q1 DOI:10.1093/nar/gkae997 PMID:39540428	研究论文	本文介绍了Pfam蛋白质家族数据库的最新发展，包括与InterPro的整合、ECOD结构分类的协调、以及利用AlphaFold结构预测优化域边界和识别新域	利用AlphaFold结构预测优化域边界和识别新域，开发了Pfam-N，通过深度学习扩展家族覆盖范围，使UniProtKB覆盖范围增加了8.8%	尽管有最新进展，仍有许多蛋白质家族未被分类，Pfam仍在努力实现蛋白质宇宙的全面覆盖	更新和扩展Pfam蛋白质家族数据库，提高蛋白质域和家族的注释和分析能力	蛋白质域和家族	生物信息学	NA	深度学习，AlphaFold结构预测	深度学习模型	蛋白质序列和结构数据	NA
373	2025-03-19	Preoperative Prediction of Axillary Lymph Node Metastasis in Patients With Breast Cancer Through Multimodal Deep Learning Based on Ultrasound and Magnetic Resonance Imaging Images 2025-01, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.07.029 PMID:39107188	研究论文	本文通过结合超声和磁共振成像图像的多模态深度学习模型，预测乳腺癌患者的腋窝淋巴结转移	创新点在于结合了超声和磁共振成像图像的多模态深度学习模型，并整合了临床参数，提高了预测的准确性	研究样本来自两家医院，可能存在样本选择偏差，且为回顾性研究，未来需要前瞻性研究验证	研究目的是通过多模态深度学习模型预测乳腺癌患者的腋窝淋巴结转移	研究对象为经组织学确诊的乳腺癌患者	数字病理学	乳腺癌	深度学习	卷积神经网络（CNN）	图像（超声和磁共振成像）	588名乳腺癌患者（主队列465名，外部验证队列123名）
374	2025-03-19	A Deep Learning-Based Framework for Predicting Intracerebral Hematoma Expansion Using Head Non-contrast CT Scan 2025-01, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.07.039 PMID:39107191	研究论文	本文提出了一种基于深度学习的全自动框架，用于仅使用临床非对比CT扫描预测脑内血肿扩张	开发了一种两阶段深度学习框架，能够在入院时通过非对比CT扫描自动识别高风险脑内血肿扩张患者，其预测准确性优于常用的BAT评分	研究依赖于回顾性和前瞻性数据集，可能存在数据偏差，且未涉及其他可能影响血肿扩张的因素	开发一种自动化工具，用于预测脑内出血患者的血肿扩张	脑内出血患者	数字病理学	脑内出血	深度学习	两阶段深度学习框架	非对比CT扫描图像	回顾性数据集2484例，前瞻性数据集500例
375	2025-03-19	Comparative Analysis of the Diagnostic Value of S-Detect Technology in Different Planes Versus the BI-RADS Classification for Breast Lesions 2025-01, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.08.005 PMID:39138111	研究论文	本研究比较了S-Detect技术在不同平面与BI-RADS分类对乳腺病变的诊断价值	首次评估了S-Detect在不同成像平面中的诊断性能，并识别了导致诊断不一致的因素	研究为回顾性队列研究，可能存在选择偏差	评估S-Detect在不同平面中的诊断性能，并识别导致诊断不一致的因素	711名患者的756个乳腺病变	计算机视觉	乳腺癌	深度学习	S-Detect	超声图像	711名患者的756个乳腺病变
376	2025-03-19	Ultrasound-Based Deep Learning Radiomics Nomogram for Tumor and Axillary Lymph Node Status Prediction After Neoadjuvant Chemotherapy 2025-01, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.07.036 PMID:39183131	研究论文	本研究探讨了基于超声的深度学习放射组学列线图（DLRN）在预测乳腺癌患者新辅助化疗（NAC）后肿瘤状态和腋窝淋巴结转移（ALNM）的可行性，并通过Cox回归模型进行生存分析以验证融合算法的有效性	首次将深度学习放射组学列线图（DLRN）应用于乳腺癌患者新辅助化疗后的肿瘤状态和腋窝淋巴结转移预测，并结合Cox回归模型进行生存分析	研究为回顾性分析，样本量相对较小（243例患者），且仅基于单一机构的超声图像数据	探索深度学习放射组学列线图在乳腺癌患者新辅助化疗后肿瘤状态和腋窝淋巴结转移预测中的临床应用价值	乳腺癌患者	数字病理	乳腺癌	深度学习放射组学列线图（DLRN），Cox回归模型	深度学习模型	超声图像	243例乳腺癌患者
377	2025-03-19	Diagnostic Value of Magnetic Resonance Imaging Radiomics and Machine-learning in Grading Soft Tissue Sarcoma: A Mini-review on the Current State 2025-01, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.08.035 PMID:39261231	综述	本文综述了利用磁共振成像（MRI）放射组学和机器学习在软组织肉瘤（STS）分级中的诊断价值	结合语义成像特征、放射组学特征和深度学习特征，展示了在机器学习模型中预测STS恶性分级的优越性能	NA	探讨通过放射组学、机器学习和深度学习预测软组织肉瘤恶性分级的现状	软组织肉瘤（STS）	医学影像分析	软组织肉瘤	MRI, 机器学习, 深度学习	随机森林, 支持向量机, LASSO, SMOTE	MRI图像	NA
378	2025-03-19	Deep Learning-Based Denoising Enables High-Quality, Fully Diagnostic Neuroradiological Trauma CT at 25% Radiation Dose 2025-01, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.08.018 PMID:39294053	研究论文	本文评估了一种基于深度学习的去噪算法在创伤性神经放射学急诊CT扫描中的剂量减少能力	该研究首次展示了深度学习去噪算法在25%辐射剂量下仍能提供高质量、完全诊断的CT扫描	研究为单中心回顾性研究，样本量有限，且仅针对神经放射学创伤	评估深度学习去噪算法在减少CT扫描辐射剂量方面的能力	100名神经放射学创伤患者的CT扫描数据	数字病理	神经放射学创伤	深度学习去噪算法	深度学习	CT图像	100名患者
379	2025-03-19	Deep Learning Model for Pathological Grading and Prognostic Assessment of Lung Cancer Using CT Imaging: A Study on NLST and External Validation Cohorts 2025-01, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.08.028 PMID:39294054	研究论文	本研究开发并验证了一种基于CT影像的深度学习模型，用于肺癌的自动化病理分级和预后评估	利用MobileNetV3架构构建深度学习模型，首次在NLST队列和外部验证队列中实现了肺癌病理分级的自动化评估	样本量相对有限，且外部验证队列的多样性可能不足	开发一种非侵入性工具，帮助外科医生进行手术规划	肺癌患者	数字病理	肺癌	CT成像	MobileNetV3	影像	572例来自NLST队列，224例来自Cancer Imaging Archive
380	2025-03-19	Comparison of 3D and 2D area measurement of acute burn wounds with LiDAR technique and deep learning model 2025, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2025.1510905 PMID:40083475	研究论文	本文比较了使用LiDAR技术和深度学习模型进行急性烧伤伤口3D和2D面积测量的差异	开发了结合深度学习模型和LiDAR技术的应用B.E.N.，用于烧伤伤口的3D和2D测量，并验证了3D分割结果与实际烧伤伤口大小的匹配度	研究中未明确提及样本的具体数量，且仅针对烧伤伤口进行了研究，未涉及其他类型的伤口	比较3D和2D测量烧伤伤口面积的准确性，并探讨肢体曲率对3D/2D面积比的影响	烧伤伤口	计算机视觉	烧伤	LiDAR技术	深度学习模型	图像	NA