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
11081	2025-02-23	A pelvis MR transformer-based deep learning model for predicting lung metastases risk in patients with rectal cancer 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1496820 PMID:39980546	研究论文	本研究开发并验证了一种基于骨盆MR图像和临床特征的transformer深度学习模型，用于预测直肠癌患者的肺转移风险	首次将transformer深度学习模型应用于直肠癌肺转移的预测，结合了骨盆MR图像和临床特征，展示了优于现有深度学习方法的预测性能	研究样本量相对有限，且仅基于单一医疗中心的数据，可能影响模型的泛化能力	开发并验证一种基于骨盆MR图像和临床特征的深度学习模型，用于预测直肠癌患者的肺转移风险	819名经组织学确认的直肠癌患者，这些患者接受了术前骨盆MRI和CEA测试	数字病理	直肠癌	磁共振成像（MRI）	transformer-based深度学习模型	图像（骨盆MR图像）	819名直肠癌患者
11082	2025-02-23	Machine learning-based myocardial infarction bibliometric analysis 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1477351 PMID:39981082	研究论文	本研究分析了2008年至2024年间机器学习在心肌梗死领域的研究趋势，旨在识别该领域的新兴趋势和热点，为未来的研究方向提供见解	首次对机器学习在心肌梗死领域的研究趋势进行全面的文献计量分析，揭示了深度学习在该领域的新兴研究方向	研究主要基于Web of Science数据库的出版物，可能未涵盖所有相关研究	分析机器学习在心肌梗死领域的研究趋势，识别新兴趋势和热点	心肌梗死（MI）和机器学习（ML）的研究文献	机器学习	心血管疾病	文献计量分析	神经网络	文献数据	1,036篇出版物
11083	2025-02-23	Development and validation of a deep learning-enhanced prediction model for the likelihood of pulmonary embolism 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1506363 PMID:39981086	研究论文	本研究开发并验证了一种基于深度学习的肺栓塞（PE）风险预测模型（PE-Mind），旨在克服现有临床工具的局限性，提供更精准的风险评估解决方案	使用卷积神经网络（CNN）并结合三个自定义模块，显著提升了预测性能，开发了实时操作的Web服务器PulmoRiskAI	未提及模型在更广泛人群中的适用性或外部验证结果	开发一种高效、精准的肺栓塞风险预测模型，以改进急性深静脉血栓（DVT）患者的风险评估	急性深静脉血栓（DVT）患者	机器学习	肺栓塞	深度学习	卷积神经网络（CNN）	临床数据	未明确提及样本数量
11084	2025-02-22	MicroRNA signature for early prediction of knee osteoarthritis structural progression using integrated machine and deep learning approaches 2025-Mar, Osteoarthritis and cartilage IF:7.2Q1 DOI:10.1016/j.joca.2024.11.008 PMID:39617204	研究论文	本研究旨在开发一种基于miRNA的预后模型，用于识别膝关节骨关节炎（OA）结构进展者/非进展者，采用集成机器学习和深度学习工具	引入了一种新的miRNA预后模型，用于预测膝关节OA结构进展，结合了机器学习和深度学习技术	模型验证样本量较小（30个样本），可能需要更大规模的研究来进一步验证其泛化能力	开发一种基于miRNA的预后模型，用于预测膝关节OA的结构进展	膝关节OA患者	机器学习	骨关节炎	miRNA测序	人工神经网络（ANN）	血清miRNA数据、磁共振成像（MRI）和X射线数据	152名OAI参与者（91名进展者，61名非进展者）用于模型开发，30名独立参与者（14名进展者，16名非进展者）用于模型验证
11085	2025-02-22	Actigraphy against 32-hour polysomnography in patients with suspected idiopathic hypersomnia 2025-Feb-20, Journal of sleep research IF:3.4Q2 DOI:10.1111/jsr.70007 PMID:39979124	研究论文	本研究旨在验证基于活动记录仪的睡眠-觉醒预测算法在疑似特发性嗜睡症患者中的有效性，并与商业算法进行比较	使用深度学习中的序列到序列长短期记忆网络（S2S）进行睡眠-觉醒参数预测，并发现其优于现有的商业算法	研究样本仅限于疑似特发性嗜睡症患者，且未探讨算法在其他类型睡眠障碍中的表现	验证活动记录仪在嗜睡症患者中的有效性，并开发更准确的睡眠-觉醒预测算法	疑似特发性嗜睡症患者	机器学习	嗜睡症	活动记录仪（Actigraphy）和多导睡眠图（Polysomnography）	序列到序列长短期记忆网络（S2S LSTM）	时间序列数据	206名嗜睡症患者，其中126名患者的数据被用于分析
11086	2025-02-22	A New Method Using Deep Learning to Predict the Response to Cardiac Resynchronization Therapy 2025-Feb-20, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01380-8 PMID:39979759	研究论文	本研究提出了一种结合临床变量、心电图特征和心脏功能评估参数与门控SPECT MPI极坐标图的深度学习方法，用于预测心脏再同步化治疗（CRT）的响应	通过结合预训练的VGG16模型和多层感知器，利用SPECT MPI极坐标图和临床特征、心电图参数、SPECT-MPI衍生参数等表格数据，提高了CRT响应预测的准确性	研究样本量较小（218例患者），且仅基于单一中心的患者数据，可能影响模型的泛化能力	提高心脏再同步化治疗（CRT）响应预测的准确性	218例接受CRT植入的患者	机器学习	心血管疾病	门控单光子发射计算机断层扫描心肌灌注成像（SPECT MPI）	VGG16模型和多层感知器	图像和表格数据	218例患者
11087	2025-02-22	Discovery of anticancer peptides from natural and generated sequences using deep learning 2025-Feb, International journal of biological macromolecules IF:7.7Q1 DOI:10.1016/j.ijbiomac.2024.138880 PMID:39706427	研究论文	本研究提出了一种基于三通道深度学习架构的CNBT-ACPred模型，用于预测抗癌肽（ACPs），并通过大量体外和体内实验验证其有效性	CNBT-ACPred模型在准确性和MCC指标上显著优于现有模型，并通过实验验证了其预测的候选肽的抗癌活性	尽管模型表现优异，但缺乏更多湿实验验证可能限制了其进一步应用	开发一种高效的抗癌肽预测模型，并验证其预测结果的有效性	抗癌肽（ACPs）及其在癌症治疗中的应用	机器学习	癌症	深度学习	CNN	序列数据	超过3.8百万条Uniprot序列和10万条生成序列，最终验证了41条候选肽中的37条
11088	2025-02-21	Severity grading of hypertensive retinopathy using hybrid deep learning architecture 2025-Apr, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108585 PMID:39862474	研究论文	本文提出了一种混合深度学习架构，用于高血压视网膜病变（HR）的严重程度分级	引入了一种结合预训练ResNet-50和修改后的Vision Transformer（ViT）架构的混合模型，通过全局和局部自注意力机制增强模型性能，并提出了基于解耦表示和分类器（DRC）的训练方法以解决类别不平衡问题	缺乏公开可用的HR分级数据集，且存在高类别不平衡问题	开发一种准确的高血压视网膜病变严重程度分级方法	高血压视网膜病变（HR）的严重程度分级	计算机视觉	高血压视网膜病变	深度学习	混合模型（ResNet-50 + 修改后的Vision Transformer）	图像	NA
11089	2025-02-21	Towards practical and privacy-preserving CNN inference service for cloud-based medical imaging analysis: A homomorphic encryption-based approach 2025-Apr, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108599 PMID:39874935	研究论文	本文提出了一种基于同态加密的实用且保护隐私的CNN推理框架PPCNN，用于云端医学影像分析	PPCNN框架结合了低扩展同态加密方案和基于噪声的掩码方法，通过优化计算成本、引入系数感知打包方法和数据掩码技术，显著提高了响应时间和降低了使用成本	现有隐私保护解决方案因卷积层内积操作的计算复杂性和非线性激活函数评估的高通信成本而存在显著的延迟问题，使得当前解决方案在实际应用中不切实际	解决移动云端医学影像分析中的隐私保护问题，确保用户在使用云端CNN模型分类私人放射影像时的数据隐私	私人身体相关的放射影像	数字病理	NA	同态加密	CNN	图像	三个真实世界的放射影像数据集
11090	2025-02-21	A bio-lattice deep learning framework for modeling discrete biological materials 2025-Apr, Journal of the mechanical behavior of biomedical materials IF:3.3Q3 DOI:10.1016/j.jmbbm.2025.106900 PMID:39891961	研究论文	本文提出了一种基于机器学习的多尺度框架，结合深度神经网络（DNNs）、有限元方法（FEM）和受晶格弹簧模型（LSM）启发的微观结构描述，用于研究离散、空间异质材料的行为	提出了一种新颖的机器学习多尺度框架，结合DNNs、FEM和LSM，用于研究离散、空间异质材料的行为，并开发了一个无假设的晶格框架	未明确提及具体局限性	研究离散、空间异质材料的力学行为	生物组织的微观结构和宏观材料行为	机器学习	NA	深度神经网络（DNNs）、有限元方法（FEM）、晶格弹簧模型（LSM）	深度神经网络（DNNs）	微观结构数据	NA
11091	2025-02-21	ViroNia: LSTM based proteomics model for precise prediction of HCV 2025-Mar, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109573 PMID:39733555	研究论文	本文介绍了ViroNia，一种基于LSTM的蛋白质组学模型，用于高精度预测HCV病毒蛋白分类	ViroNia利用LSTM架构进行病毒蛋白分类，展示了其在分类任务中的高效性，并优于其他深度学习架构如Simple RNN、GRU、1d CNN和双向LSTM	尽管ViroNia在分类任务中表现出色，但其在更广泛数据集上的泛化能力尚未验证	开发高精度的病毒蛋白分类模型，以支持病毒研究和干预设计	HCV病毒蛋白	自然语言处理	NA	LSTM	LSTM	蛋白质序列	2250个蛋白质序列
11092	2025-02-21	Improved early detection accuracy for breast cancer using a deep learning framework in medical imaging 2025-Mar, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109751 PMID:39884057	研究论文	本文提出了一种新的深度学习框架，用于提高乳腺癌早期检测的准确性	结合卷积神经网络（CNN）与特征选择和融合方法，自动从图像中学习并找到相关特征，从而超越现有方法	未提及具体的数据集大小或多样性限制	提高乳腺癌早期检测的准确性	乳腺癌的医学影像	计算机视觉	乳腺癌	深度学习	CNN	图像	NA
11093	2025-02-21	Deep learning image registration for cardiac motion estimation in adult and fetal echocardiography via a focus on anatomic plausibility and texture quality of warped image 2025-Mar, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109719 PMID:39884059	研究论文	本文提出了一种深度学习图像配准方法，用于成人和胎儿超声心动图中的心脏运动估计，重点关注变形图像的解剖合理性和纹理质量	提出了一种新的深度学习图像配准框架，通过引入解剖形状编码约束和数据驱动的纹理约束，提高了变形图像的解剖合理性和纹理质量	尽管方法在成人和胎儿超声心动图中表现出色，但未提及在其他类型医学图像上的适用性	提高超声心动图中心脏运动估计的准确性和一致性	成人和胎儿超声心动图	计算机视觉	心血管疾病	深度学习图像配准（DLIR）	深度学习模型	图像	多人口胎儿数据集和公共CAMUS成人数据集
11094	2025-02-21	A comparative study of statistical, radiomics, and deep learning feature extraction techniques for medical image classification in optical and radiological modalities 2025-Mar, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109768 PMID:39891957	研究论文	本文比较了统计、放射组学和深度学习特征提取技术在医学图像分类中的应用效果	通过对比不同特征提取技术在多种医学影像模态下的表现，揭示了深度学习技术在准确性和速度上的优势	研究仅针对二分类问题，未涉及多分类或更复杂的医学图像分析任务	评估不同特征提取技术对医学图像分类模型性能的影响	H&E染色图像、胸部X光片和视网膜OCT图像	计算机视觉	NA	统计特征提取、放射组学特征提取、深度学习特征提取	PCA-LDA, ResNet50, DenseNet121	图像	NA
11095	2025-02-21	Atomic force microscopy combined with microfluidics for label-free sorting and automated nanomechanics of circulating tumor cells in liquid biopsy 2025-Feb-20, Nanoscale IF:5.8Q1 DOI:10.1039/d4nr04033c PMID:39865849	研究论文	本文介绍了一种结合原子力显微镜（AFM）和微流控技术的无标记分选和自动化纳米力学测量方法，用于液体活检中的循环肿瘤细胞（CTCs）研究	创新点在于结合AFM和微流控技术，实现了CTCs的无标记分选和自动化纳米力学测量，为临床提供了新的可能性	研究仍处于概念验证阶段，样本量有限，需要进一步验证和优化	研究目的是开发一种高效测量液体活检中CTCs机械性能的方法，以推动癌症管理	研究对象为液体活检中的循环肿瘤细胞（CTCs）	数字病理学	癌症	原子力显微镜（AFM）、微流控技术、深度学习光学图像识别模型	深度学习模型	图像、力学数据	三个实验样本系统，包括不同大小的混合微球、不同类型癌细胞的混合物以及癌细胞和血细胞的混合物
11096	2025-02-21	Improved Assessment of Juxtacortical Lesions in Multiple Sclerosis Using Highly-accelerated High-resolution Double Inversion Recovery MR Imaging with Deep Learning-based Reconstruction 2025-Feb-20, Magnetic resonance in medical sciences : MRMS : an official journal of Japan Society of Magnetic Resonance in Medicine IF:2.5Q2 DOI:10.2463/mrms.mp.2024-0126 PMID:39971311	研究论文	本研究旨在使用深度学习重建技术（DLS）实现高分辨率双反转恢复（DIR）成像，并比较其在检测多发性硬化症（MS）皮质旁病变中的诊断性能与传统DIR（C-DIR）的差异	开发了一种新的基于深度学习的重建技术（DLS），用于重建高度欠采样的MR数据，并在检测MS皮质旁病变中表现出优于压缩感知的性能	研究样本量较小，仅包括25名MS患者	比较DLS-DIR和C-DIR在检测MS皮质旁病变中的诊断性能	25名多发性硬化症患者的MRI数据	医学影像	多发性硬化症	深度学习重建技术（DLS）	深度学习	MRI图像	25名多发性硬化症患者
11097	2025-02-21	EBHOA-EMobileNetV2: a hybrid system based on efficient feature selection and classification for cardiovascular disease diagnosis 2025-Feb-19, Computer methods in biomechanics and biomedical engineering IF:1.7Q3 DOI:10.1080/10255842.2025.2466081 PMID:39970065	研究论文	本文提出了一种基于深度学习的智能医疗框架，用于心血管疾病的诊断，结合了有效的特征选择和分类技术	结合了增强的二进制蝗虫优化算法（EBHOA）和增强的MobileNetV2模型（EMobileNetV2），以提高心血管疾病预测的准确性和一致性	未提及模型在其他数据集上的泛化能力，以及在实际临床环境中的应用效果	提高心血管疾病预测的准确性，以改善临床实践和患者护理	心血管疾病（CVD）患者	机器学习	心血管疾病	增强的二进制蝗虫优化算法（EBHOA）、增强的MobileNetV2模型（EMobileNetV2）	EMobileNetV2	结构化数据	UCI Heart Disease和Framingham Heart Study数据集
11098	2025-02-21	Mental Health Screening Using the Heart Rate Variability and Frontal Electroencephalography Features: A Machine Learning-Based Approach 2025-Feb-19, JMIR mental health IF:4.8Q1 DOI:10.2196/72803 PMID:39971280	研究论文	本研究探讨了使用心率和前额脑电图特征进行心理健康筛查的机器学习方法	结合心率和前额脑电图特征进行心理健康筛查，展示了可能的协同效应	需要进一步研究以预测治疗反应并基于基线生理标志物提出优选治疗方案	探讨心率和前额脑电图特征在机器学习算法中对精神病患者和健康对照者的分类准确性	182名参与者（87名精神病患者和95名健康对照者）	机器学习	精神疾病	支持向量机（SVM）	SVM	生理信号（心率和脑电图）	182名参与者（87名精神病患者和95名健康对照者）
11099	2025-02-21	Enhancing Chest X-ray Diagnosis with a Multimodal Deep Learning Network by Integrating Clinical History to Refine Attention 2025-Feb-19, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01446-1 PMID:39971817	研究论文	本研究介绍了一种多模态胸部X光网络（MCX-Net），通过整合胸部X光图像和临床病史文本进行多标签疾病诊断	MCX-Net通过结合预训练的文本编码器、图像编码器和图像-文本跨模态编码器，显著提升了胸部X光的多标签疾病诊断性能	模型训练面临标签不平衡和某些疾病样本稀缺的挑战	提升胸部X光的多标签疾病诊断准确性	胸部X光图像和临床病史文本	医学影像分析	肺部疾病	深度学习	MCX-Net（结合预训练的文本编码器、图像编码器和图像-文本跨模态编码器）	图像和文本	基于公开的MIMIC-CXR-JPG数据集进行训练和测试
11100	2025-02-21	NMTNet: A Multi-task Deep Learning Network for Joint Segmentation and Classification of Breast Tumors 2025-Feb-19, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01440-7 PMID:39971818	研究论文	本文提出了一种新型多任务深度学习网络（NMTNet），用于联合分割和分类乳腺肿瘤，基于卷积神经网络（CNN）和U形架构	NMTNet结合了共享编码器、多尺度融合通道细化（MFCR）模块、分割分支和分类分支，通过病变区域增强（LRE）模块和细粒度分类器提高了分割和分类的准确性	NA	提高乳腺肿瘤的分割和分类准确性，以辅助乳腺癌诊断	乳腺肿瘤	计算机视觉	乳腺癌	深度学习	CNN, U-shaped architecture	超声图像, 磁共振成像	NA