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
841	2025-06-17	A novel dataset for nuclei and tissue segmentation in melanoma with baseline nuclei segmentation and tissue segmentation benchmarks 2025-Jan-06, GigaScience IF:11.8Q1 DOI:10.1093/gigascience/giaf011 PMID:39970004	research paper	该研究创建了一个名为PUMA的数据集，用于开发黑色素瘤特异性细胞核和组织分割模型，并评估了几种最先进的深度学习模型的性能	PUMA数据集是首个可用于开发黑色素瘤特异性细胞核和组织分割模型的数据集，并展示了如何通过启发式后处理进一步提高模型性能	当前深度学习模型在公开可访问性或性能方面存在不足，且手动TIL评估易受观察者间变异性的影响	开发能够一致性地评估TILs和其他免疫细胞亚群的深度学习模型，以提高预后和预测价值	黑色素瘤组织中的细胞核和组织	digital pathology	melanoma	deep learning	Hover-NeXt	image	155个原发性和155个转移性黑色素瘤的H&E染色区域
842	2025-06-17	Automatic pituitary adenoma segmentation and identification of cavernous sinus invasion via multitask learning 2025-Jan, Clinical radiology IF:2.1Q2 DOI:10.1016/j.crad.2024.106756 PMID:39689622	research paper	本研究开发了一种多任务深度学习模型，用于垂体大腺瘤分割和海绵窦侵袭识别	提出了一种结合分割和分类任务的多任务多轴注意力UNet框架（MTMAU-Net），在分割和分类任务中均表现优于单任务模型和Knosp分级系统	研究样本主要来自两个机构，可能影响模型的泛化能力	开发一种深度学习模型，用于垂体大腺瘤分割和海绵窦侵袭识别	垂体大腺瘤患者	digital pathology	pituitary adenoma	deep learning	MTMAU-Net	image	926例垂体大腺瘤患者（816例来自机构1用于模型训练，110例来自机构2用于模型验证）
843	2025-06-17	[Evaluation of Low-contrast Detectability of Different Reconstruction Algorithms and Noise Reduction Intensities in the Upper Abdominal Pseudo-human Phantom] 2025, Nihon Hoshasen Gijutsu Gakkai zasshi DOI:10.6009/jjrt.25-1507 PMID:40518302	research paper	研究比较了不同重建算法和降噪强度在上腹部伪人体模中的低对比度检测性能	首次在腹部CT检查中比较了FBP、混合IR和基于深度学习的重建方法（DLR for body, DLR for body sharp）的低对比度检测性能	研究使用的是伪人体模而非真实患者数据，且仅评估了低频噪声抑制的局限性	评估重建算法和降噪强度对腹部CT低对比度检测性能的影响	上腹部伪人体模	医学影像	NA	CT扫描	DLR（基于深度学习的重建方法）	医学影像	四种辐射剂量条件和三种降噪强度下的伪人体模数据
844	2025-06-16	Same-model and cross-model variability in knee cartilage thickness measurements using 3D MRI systems 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0324912 PMID:40512695	research paper	本研究通过使用五个制造商的3T MRI系统，量化并比较了同一MRI系统重复扫描和不同MRI系统间膝关节软骨厚度测量的变异性	首次在五个不同制造商的MRI系统上量化并比较了膝关节软骨厚度测量的同一模型和跨模型变异性	研究仅使用了10名健康志愿者的样本，且仅针对特定3D体积分析软件的结果	评估多中心研究和纵向评估中使用不同MRI系统时膝关节软骨厚度测量的变异性	10名健康志愿者的右膝关节	医学影像分析	NA	3T MRI, 脂肪抑制扰相梯度回波序列, 质子密度加权序列	深度学习	MRI图像	10名健康志愿者（8男2女，年龄22-60岁）
845	2025-06-16	3D-MRI brain glioma intelligent segmentation based on improved 3D U-net network 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0325534 PMID:40512721	research paper	提出了一种基于改进3D U-net网络的3D-MRI脑胶质瘤智能分割方法，旨在提升胶质瘤分割的准确性和泛化能力	引入了空间金字塔池化模块增强网络对不同尺度特征的感知能力，提出多尺度融合注意力机制以关注胶质瘤细节并抑制无关背景信息，结合Dice和Focal损失函数解决类别不平衡问题	NA	提升胶质瘤分割的准确性，为医学诊断、分级和治疗策略选择提供指导	脑胶质瘤	digital pathology	brain glioma	3D-MRI	improved 3D U-net	3D-MRI images	BraTS2023公共数据集中的胶质瘤病例数据
846	2025-06-16	A method for feature division of Soccer Foul actions based on salience image semantics 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0322889 PMID:40512805	研究论文	本研究提出了一种基于深度学习的显著图像语义的足球犯规动作特征划分方法，旨在实现足球比赛中犯规的自动识别与分类	结合改进的DeepPlaBV 3+架构进行显著区域检测、图卷积网络(GCN)进行特征提取和深度神经网络(DNN)进行分类，减少了传统图像处理技术和手动特征提取的依赖	NA	提高足球比赛中犯规行为的自动识别和分类准确率	足球比赛中的犯规动作	计算机视觉	NA	深度学习	DeepPlaBV 3+, GCN, DNN	视频	多个视频运动识别数据集
847	2025-06-15	Optimising deep learning models for ophthalmological disorder classification 2025-01-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-75867-3 PMID:39856068	研究论文	本文利用深度学习模型对眼科疾病进行分类，采用基于迁移学习的CNN方法	使用MobileNet模型结合Adam优化器，在眼科疾病分类中取得了89.64%的测试准确率	仅使用了ODIR数据库中的数据进行实验，可能在其他数据集上表现不同	优化深度学习模型以提高眼科疾病分类的准确性	眼科疾病（如高血压、青光眼、糖尿病视网膜病变）	计算机视觉	眼科疾病	fundus imaging	CNN, MobileNet	image	ODIR数据库中的眼底图像（患者左右眼）
848	2025-06-15	Detection of cervical cell based on multi-scale spatial information 2025-01-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-87165-7 PMID:39856153	研究论文	提出了一种基于多尺度空间信息的宫颈细胞检测方法，以提高宫颈癌筛查和诊断的效率	设计了多尺度空间信息增强模块（MSA）和通道注意力增强模块（CAE），有效捕捉和整合不同尺度的空间信息，并动态优化关键特征	未提及具体的数据集规模或多样性限制，也未讨论模型在其他数据集上的泛化能力	提高宫颈癌筛查和诊断的效率和准确性	宫颈细胞	数字病理学	宫颈癌	深度学习	Sparse R-CNN	图像	NA
849	2025-06-15	Phyla: Towards a foundation model for phylogenetic inference 2025-Jan-22, bioRxiv : the preprint server for biology DOI:10.1101/2025.01.17.633626 PMID:39896621	研究论文	本文介绍了Phyla，一种专为系统发育推理设计的混合状态空间变换器架构，旨在通过树损失函数实现序列推理和系统发育树重建的最新性能	Phyla采用了一种新颖的混合状态空间变换器架构和树损失函数，专注于序列间的推理能力，而非传统的单个序列学习	NA	开发一个用于系统发育推理的基础模型，提升计算生物学中序列分析和系统发育推理的性能	蛋白质序列和系统发育树	计算生物学	NA	深度学习	混合状态空间变换器	蛋白质序列数据	NA
850	2025-06-15	Interpretable machine learning model for outcome prediction in patients with aneurysmatic subarachnoid hemorrhage 2025-Jan-20, Critical care (London, England) DOI:10.1186/s13054-024-05245-y PMID:39833976	研究论文	开发了一种可解释的深度学习模型，用于预测动脉瘤性蛛网膜下腔出血患者的功能结果	结合SHAP方法增强模型的可解释性，并通过多中心数据验证模型的稳健性	研究仅基于日本五家医院的数据，可能限制了模型的泛化能力	优化动脉瘤性蛛网膜下腔出血患者的早期康复策略	718名动脉瘤性蛛网膜下腔出血患者	机器学习	脑血管疾病	深度学习	深度学习模型	临床数据	718名患者
851	2025-06-15	Artificial intelligence: the human response to approach the complexity of big data in biology 2025-Jan-06, GigaScience IF:11.8Q1 DOI:10.1093/gigascience/giaf057 PMID:40504538	综述	本文探讨了人工智能在生命科学中的应用，特别是在处理高通量组学数据时的作用	强调了基于组学的预测分析在系统生物学中的作用，以及创新的AI分析方法在理解复杂生物系统中的价值	未具体提及研究的局限性	探讨人工智能在生命科学中的应用及其对组学数据分析的影响	植物科学、动物科学和微生物学中的生物过程和生态系统动态	机器学习	NA	高通量组学数据分析	深度学习	组学数据	NA
852	2025-06-15	Improving lung cancer diagnosis and survival prediction with deep learning and CT imaging 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0323174 PMID:40498724	研究论文	该论文提出了一种结合深度学习和CT影像的方法，用于改善肺癌的诊断和生存预测	使用卷积神经网络建模肺癌风险与肺部形态之间的非线性关系，并提出了结合小批量损失和二元交叉熵的方法来预测肺癌发生和死亡风险	未提及具体的数据集局限性或模型泛化能力问题	提高肺癌的诊断准确性和生存预测效果	肺癌患者	计算机视觉	肺癌	CT成像	3D CNN	医学影像	国家肺癌筛查试验数据集
853	2025-06-15	An ensemble-based 3D residual network for the classification of Alzheimer's disease 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0324520 PMID:40498744	研究论文	本研究提出了一种基于深度学习的集成方法，用于阿尔茨海默病的分类	采用加权概率的集成方法整合3D残差网络的结果，并引入CBAM注意力机制增强模型性能	数据量有限，需通过数据增强技术来提升准确率	早期诊断轻度认知障碍（MCI）以延缓阿尔茨海默病（AD）的进展	阿尔茨海默病（AD）及其前驱阶段轻度认知障碍（MCI）患者	数字病理学	老年病	深度学习	3D ResNet-18, 3D ResNet-34, 3D ResNet-50	图像	NA
854	2025-06-15	In-depth exploration of software defects and self-admitted technical debt through cutting-edge deep learning techniques 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0324847 PMID:40498858	研究论文	提出了一种利用深度学习技术同时识别和分类自承认技术债务（SATD）及软件缺陷的创新方法	首次结合深度学习技术同时处理SATD和软件缺陷的识别与分类，并采用Transformer模型如GPT-3提升性能	未明确提及模型在小规模或特定领域软件项目中的泛化能力	提升软件质量评估与维护的全面性，优化技术债务与缺陷的认知及维护资源分配	软件注释中的自承认技术债务（SATD）及相关缺陷	自然语言处理	NA	深度学习架构（LSTM, BI-LSTM, GRU, BI-GRU）及Transformer模型（BERT, GPT-3）	LSTM, GRU, BERT, GPT-3	文本（软件注释）	来自Apache、Mozilla Firefox和Eclipse等仓库的多样化项目数据，含SATD示例和缺陷实例
855	2025-06-15	Interpretable deep learning for gastric cancer detection: a fusion of AI architectures and explainability analysis 2025, Frontiers in immunology IF:5.7Q1 DOI:10.3389/fimmu.2025.1596085 PMID:40510366	研究论文	本文提出了一种结合多种深度学习架构和可解释性分析的胃癌检测方法	融合了VGG16、RESNET50和MobileNetV2三种深度学习架构，并采用LIME技术提高模型决策的可解释性	未提及具体的数据集来源和样本多样性问题	开发高精度且可解释的胃癌检测系统以支持临床决策	胃癌的医学影像检测	数字病理学	胃癌	深度学习融合架构、LIME可解释性分析	VGG16、RESNET50、MobileNetV2融合模型	医学影像	NA
856	2025-06-15	Deep learning-based action recognition for analyzing drug-induced bone remodeling mechanisms 2025, Frontiers in pharmacology IF:4.4Q1 DOI:10.3389/fphar.2025.1564157 PMID:40510423	research paper	提出了一种基于深度学习的动作识别框架，用于分析药物诱导的骨重塑机制	结合图神经网络（GNNs）和动态信号传播模型，识别驱动骨重塑的关键分子相互作用，并集成预测药理学相互作用模型以量化药物-靶点相互作用	未提及具体实验样本量或数据来源的局限性	优化治疗干预并减少骨健康管理中的不良反应	药物诱导的骨重塑机制	machine learning	geriatric disease	graph neural networks (GNNs), dynamic signal propagation model	GNN	multi-scale biological data	NA
857	2025-06-15	Graph convolutional neural networks improved target-specific scoring functions for cGAS and kRAS in virtual screening 2025, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2025.05.023 PMID:40510763	研究论文	本研究通过结合分子图和卷积神经网络，提高了针对cGAS和kRAS蛋白的靶向特异性评分函数在虚拟筛选中的外推能力和准确性	首次将图卷积神经网络应用于靶向特异性评分函数的开发，显著提升了虚拟筛选的准确性和外推性能	研究仅针对cGAS和kRAS两种蛋白进行验证，需要更多靶点验证其普适性	提高虚拟筛选中靶向特异性评分函数的准确性和外推能力	cGAS和kRAS蛋白	机器学习	NA	分子对接、虚拟筛选	图卷积神经网络(GCN)、传统机器学习模型	分子图数据	NA
858	2025-06-15	Random splicing assisted deep learning for breast cancer cell line classification via Raman spectroscopy 2025, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2025.05.051 PMID:40510766	研究论文	本文开发了一种名为随机拼接-卷积神经网络（RS-CNN）的深度学习框架，用于通过拉曼光谱对乳腺癌细胞系进行分类	通过随机拼接同一细胞系的拉曼光谱，RS-CNN增强了特征光谱特征，同时扩大了数据集规模并改善了信号质量	NA	开发一种深度学习框架以提高拉曼光谱在癌症识别中的准确性和效率	六种乳腺癌细胞系	数字病理学	乳腺癌	拉曼光谱	RS-CNN（随机拼接-卷积神经网络）	光谱数据	每种细胞系450个光谱，数据有限条件下为100个光谱/细胞系
859	2025-06-14	Real-time detection and monitoring of public littering behavior using deep learning for a sustainable environment 2025-01-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-77118-x PMID:39848984	research paper	利用深度学习实时检测和监控公共乱扔垃圾行为，以促进可持续环境	结合MoViNet视频分类模型和YOLOv8目标检测模型，通过面部识别和车牌识别技术识别乱扔垃圾的个体	数据收集困难，需通过模拟真实场景获取数据	通过技术手段减少公共乱扔垃圾行为，保护环境和人类健康	车辆和行人的乱扔垃圾行为	computer vision	NA	深度学习、计算机视觉	MoViNet, YOLOv8, LRCN, CNN-RNN	视频	模拟真实场景收集的数据集
860	2025-06-14	Investigating the intrinsic top-down dynamics of deep generative models 2025-01-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-85055-y PMID:39843473	research paper	本研究探讨了深度生成模型（特别是迭代深度信念网络iDBN）的内在自上而下动态，及其在生成多样数据原型和持续学习中的应用	通过引入'嵌合体状态'初始化采样过程，增强了模型生成多样化数据原型的能力，并展示了iDBN相比浅层生成模型更丰富的自上而下动态	模型无法在单次生成轨迹中过渡到所有潜在目标状态	研究分层生成模型的自上而下动态特性及其与神经认知发展的关系	迭代深度信念网络（iDBN）的生成动态	machine learning	NA	无监督学习、Hebbian-like学习机制	Deep Belief Networks (DBNs), iterative DBN (iDBN), Restricted Boltzmann Machine	image	基于手写数字和人脸图片的知名数据集（具体数量未说明）