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
11401	2025-04-24	Deep learning methods for protein function prediction 2025-Jan, Proteomics IF:3.4Q2 DOI:10.1002/pmic.202300471 PMID:38996351	review	本文深入回顾了近年来深度学习在蛋白质功能预测领域的最新发展	总结了该领域的重大进展，并指出了几个待解决的主要挑战及潜在探索方向	未提及具体实验验证或实际应用效果的局限性	推进蛋白质功能预测领域的发展	蛋白质功能预测	生物信息学	NA	深度学习	NA	蛋白质序列、结构、相互作用及其他相关信息	NA
11402	2025-04-24	Integrated Transcriptomic Landscape and Deep Learning Based Survival Prediction in Uterine Sarcomas 2025-Jan, Cancer research and treatment IF:4.1Q2 DOI:10.4143/crt.2024.343 PMID:38993092	研究论文	本研究通过RNA测序探索子宫肉瘤的基因组特征，并构建深度学习模型预测患者生存	发现新的基因融合位点MRPS18A-PDC-AS1作为潜在诊断标志物，开发了MMN-MIL深度学习模型用于生存预测	样本量相对较小（71例），且部分亚型样本数较少（如腺肉瘤仅3例）	阐明子宫肉瘤的基因组特征并开发生存预测模型	71例子宫肉瘤样本（包括ESS、uLMS等亚型）	数字病理学	子宫肉瘤	RNA测序	MMN-MIL（Max-Mean Non-Local多示例学习模型）	基因组数据	71例子宫肉瘤样本（47例ESS，18例uLMS等）
11403	2025-04-24	Molecular Classification of Breast Cancer Using Weakly Supervised Learning 2025-Jan, Cancer research and treatment IF:4.1Q2 DOI:10.4143/crt.2024.113 PMID:38938010	研究论文	该研究利用弱监督学习方法对乳腺癌进行分子分类	采用弱监督学习从全切片图像中开发深度学习模型，减少了对大量手动注释的需求	亚型之间存在不平衡，且两个数据集之间的差异导致了分子亚型比例的不同	乳腺癌的分子分类以提高治疗效果	乳腺癌病例	数字病理学	乳腺癌	弱监督学习	深度学习模型	全切片图像	来自韩国大学Guro医院(KG)和The Cancer Genomic Atlas数据集(TCGA)的两个数据集
11404	2025-04-24	Coati optimization algorithm for brain tumor identification based on MRI with utilizing phase-aware composite deep neural network 2025, Electromagnetic biology and medicine IF:1.6Q4 DOI:10.1080/15368378.2024.2401540 PMID:39835842	research paper	提出了一种基于MRI的脑肿瘤识别方法，使用相位感知复合深度神经网络和Coati优化算法	结合相位感知复合深度神经网络和Coati优化算法，提高了脑肿瘤识别的准确率、召回率和精确度	未提及具体的数据集来源和样本数量，可能影响方法的泛化能力	提高基于MRI的脑肿瘤识别准确率	脑肿瘤MRI图像	digital pathology	brain tumor	MRI, Multivariate Fast Iterative Filtering (MFIF), Self-Supervised Nonlinear Transform (SSNT)	Phase-aware Composite Deep Neural Network (PACDNN), Coati Optimized Algorithm (COA)	image	NA
11405	2025-04-24	Quad-tree Based Driver Classification using Deep Learning for Mild Cognitive Impairment Detection 2025, IEEE access : practical innovations, open solutions IF:3.4Q2 DOI:10.1109/access.2025.3558706 PMID:40256415	研究论文	提出一种基于四叉树的深度学习方法，用于通过GPS数据识别驾驶员是否患有轻度认知障碍	引入地理区域四叉树结构捕捉驾驶轨迹的空间层次结构，并提出新的驾驶特征表示方法用于CNN分类	NA	通过驾驶模式分析识别轻度认知障碍驾驶员	驾驶员的GPS轨迹数据	机器学习	老年疾病	GPS数据分析	CNN	GPS轨迹数据	真实世界数据集（具体数量未说明）
11406	2025-04-24	Interplay between noise-induced sensorineural hearing loss and hypertension: pathophysiological mechanisms and therapeutic prospects 2025, Frontiers in cellular neuroscience IF:4.2Q2 DOI:10.3389/fncel.2025.1523149 PMID:40260077	review	本文综述了噪声性听力损失(NIHL)的病理生理学、对血迷路屏障(BLB)的影响以及新兴治疗方法	探讨了神经调节和基于载体的方法在克服BLB等生物屏障方面的潜力，以及计算化学方法在药物开发中的应用	主要集中于NIHL的机制和潜在治疗方法，缺乏具体临床试验数据的支持	详细研究NIHL及其潜在机制、生理影响和前沿治疗策略	噪声性听力损失及其相关病理生理机制	NA	心血管疾病	分子对接、分子动力学模拟、QSAR/QSPR分析、网络药理学	machine/deep learning algorithms	NA	NA
11407	2025-04-23	EEG-based schizophrenia detection: integrating discrete wavelet transform and deep learning 2025-Dec, Cognitive neurodynamics IF:3.1Q2 DOI:10.1007/s11571-025-10248-8 PMID:40256687	研究论文	本文提出了一种结合离散小波变换和深度学习的脑电图（EEG）信号分析方法，用于精神分裂症（SZ）的自动检测	采用Daubechies（db4）小波进行7级分解，结合多层感知器神经网络（MLP），在SZ检测中实现了高准确率	研究使用的公开数据集样本量较小（DS1有81条记录，DS2有28条记录），可能影响模型的泛化能力	开发一种高精度的基于EEG信号的SZ自动检测方法，以辅助医生诊断	精神分裂症患者和健康对照者的EEG信号	数字病理学	精神分裂症	离散小波变换（DWT）	多层感知器神经网络（MLP）	EEG信号	两个公开数据集：DS1（81条记录，32健康对照和49SZ患者）和DS2（28条记录，14健康对照和14SZ患者）
11408	2025-04-23	Transcranial adaptive aberration correction using deep learning for phased-array ultrasound therapy 2025-Aug, Ultrasonics IF:3.8Q1 DOI:10.1016/j.ultras.2025.107641 PMID:40117699	研究论文	本研究探讨了使用深度学习方法校正颅骨引起的畸变，开发了一种用于安全超声治疗血脑屏障（BBB）开放的经颅自适应聚焦方法	提出了一种结合预分割、k-Wave模拟和基于3D U-net网络的方法，用于快速准确地预测相位校正，显著降低了计算成本和时间	研究仅基于模拟环境和小块颅骨样本，尚未在真实临床环境中验证	开发一种快速、精确且自适应的经颅畸变校正方法，用于通过超声治疗脑部疾病	256元相控阵、小块颅骨和水构成的非线性模拟环境	医学影像处理	脑部疾病	k-Wave模拟、3D U-net网络	3D U-net	模拟数据	NA
11409	2025-04-23	Deep Learning-Driven Glaucoma Medication Bottle Recognition: A Multilingual Clinical Validation Study in Patients with Impaired Vision 2025 Jul-Aug, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2025.100758 PMID:40256318	research paper	临床验证一款基于CNN的Android智能手机应用，用于识别青光眼患者的局部用药	开发并验证了一款多语言的CNN驱动应用，显著提高了视力受损患者的药物识别准确率	样本量较小（41名参与者），且非英语使用者的应用易用性评分较低	验证基于CNN的智能手机应用在青光眼患者药物识别中的效果	青光眼伴视力受损患者（包括英语和非英语使用者）	computer vision	glaucoma	CNN	CNN	image	41名患者（20名非英语使用者，21名英语使用者）
11410	2025-04-23	A semantic segmentation network for red tide detection based on enhanced spectral information using HY-1C/D CZI satellite data 2025-Jun, Marine pollution bulletin IF:5.3Q1 DOI:10.1016/j.marpolbul.2025.117813 PMID:40117936	研究论文	提出了一种基于增强光谱信息的语义分割网络SIC-RTNet，用于利用HY-1C/D CZI卫星数据检测赤潮	SIC-RTNet通过引入残差块、计算三个光谱信息通道和改进损失函数，提高了赤潮监测的准确性	传统遥感方法难以监测小规模赤潮事件和详细分布，且不适用于中高空间分辨率和低光谱分辨率的卫星传感器	提高赤潮监测的准确性，助力海洋生态灾害监测	赤潮	计算机视觉	NA	卫星遥感	Residual Neural Network (SIC-RTNet)	卫星图像	NA
11411	2025-04-23	High-level visual processing in the lateral geniculate nucleus revealed using goal-driven deep learning 2025-Jun, Journal of neuroscience methods IF:2.7Q3 DOI:10.1016/j.jneumeth.2025.110429 PMID:40122470	研究论文	本研究提出了一种利用目标驱动的深度学习方法来揭示侧膝状体核（LGN）在高级视觉处理中的作用	使用VGG16和ResNet50两种深度神经网络作为目标驱动模型，探索LGN在高级视觉特征（如数量感知）编码中的作用，挑战了关于LGN功能简单性的传统观点	研究仅针对小鼠LGN，结果是否适用于其他物种尚不明确	探索LGN在高级视觉处理中的功能	小鼠侧膝状体核（LGN）的神经活动	计算机视觉	NA	深度学习	VGG16, ResNet50	神经活动数据	NA
11412	2025-04-23	Neurocounter - A deep learning framework for high-fidelity spatial localization of neurons 2025-Jun, Journal of neuroscience methods IF:2.7Q3 DOI:10.1016/j.jneumeth.2025.110444 PMID:40187538	研究论文	介绍了一种名为Neurocounter的深度学习框架，用于高保真空间定位神经元	Neurocounter通过自学习能力减少了对完整注释的需求，并在不同脑区实现了高精度的神经元定位	需要进一步验证其在更广泛数据集上的性能	开发一个能够精确检测和定位神经元的深度学习网络	神经元	计算机视觉	NA	深度学习	encoder-decoder with attention module	图像	包含不完全注释神经元的图像和控制图像
11413	2025-04-23	AI-driven approaches for air pollution modelling: A comprehensive systematic review 2025-May-15, Environmental pollution (Barking, Essex : 1987) DOI:10.1016/j.envpol.2025.125937 PMID:40058557	综述	本文对利用机器学习和深度学习技术预测空气污染的现有研究进行了系统性回顾	不仅比较了不同模型和方法，还分析了外部特征（如气象数据、交通信息和土地利用）对污染物水平和模型预测准确性的影响	探讨了机器学习和深度学习方法的性能和局限性，但未提出新的模型或方法	比较和评估不同方法在预测空气污染物浓度水平方面的效果	空气污染预测模型	机器学习	NA	机器学习和深度学习技术	时间模型和时空模型	气象数据、交通信息、土地利用等多源数据	NA
11414	2025-04-23	Comparative analysis of retinal microvascular parameters in healthy individuals with or without carotid artery stenosis or plaque 2025-May, European journal of ophthalmology IF:1.4Q3 DOI:10.1177/11206721241291224 PMID:39410788	研究论文	通过眼底摄影评估视网膜微血管变化与颈动脉狭窄（CAS）伴或不伴斑块的相关性	使用基于深度学习算法的眼底摄影技术分析视网膜微血管参数，为CAS筛查提供新方法	回顾性观察研究设计可能引入选择偏倚	评估视网膜微血管参数与颈动脉狭窄的相关性	健康个体及颈动脉狭窄伴或不伴斑块的患者	数字病理	心血管疾病	眼底摄影	深度学习算法	图像	715名参与者（313名CAS患者，402名对照）
11415	2025-04-23	Development and Validation of Multiparametric MRI-based Interpretable Deep Learning Radiomics Fusion Model for Predicting Lymph Node Metastasis and Prognosis in Rectal Cancer: A Two-center Study 2025-May, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.11.045 PMID:39638641	研究论文	开发并验证了基于多参数MRI的可解释深度学习放射组学融合模型，用于预测直肠癌淋巴结转移和预后	结合深度学习和放射组学特征构建预测模型，并利用SHAP工具提高模型可解释性，同时验证模型对放射科医生诊断性能的提升	研究为回顾性设计，样本量相对有限（共352例患者），且仅来自两个中心	预测直肠癌术前淋巴结转移及患者预后	直肠癌患者	数字病理	直肠癌	多参数MRI（T2WI和DWI序列）	MobileNet-V3-large, Inception-V3, ResNet50, VGG16	医学影像	352例患者（286例训练集，66例外部测试集）
11416	2025-04-23	SMART: Development and Application of a Multimodal Multi-organ Trauma Screening Model for Abdominal Injuries in Emergency Settings 2025-May, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.11.056 PMID:39690074	研究论文	本研究开发了一个多模态多器官创伤筛查模型SMART，用于急诊环境下腹部损伤的快速诊断	结合非对比CT扫描和非结构化文本数据，利用深度学习构建多模态诊断模型，提高了实体器官评估的速度和准确性	研究仅基于2638名患者的数据，可能需要更大样本量验证模型的泛化能力	提高急诊环境下腹部创伤诊断的效率和准确性	腹部创伤患者	数字病理	腹部创伤	非对比CT扫描，GPT-4嵌入API，nnU-Net和DenseNet121	SMART_GPT（基于文本），SMART_Image（基于图像），集成模型	非结构化文本数据，非对比CT扫描图像	2638名患者（459例阳性，2179例阴性腹部创伤病例），测试集包含1006名患者的1632个连续数据点
11417	2025-04-23	Interpretable Deep-learning Model Based on Superb Microvascular Imaging for Noninvasive Diagnosis of Interstitial Fibrosis in Chronic Kidney Disease 2025-May, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.11.067 PMID:39690075	research paper	开发一种基于超微血管成像(SMI)的可解释深度学习模型，用于无创诊断慢性肾病(CKD)间质纤维化(IF)程度	提出了一种基于SMI的可解释深度学习模型(XDL)，用于无创诊断CKD患者的IF程度，并通过SHAP方法提供模型解释性	研究样本量相对有限(365名患者)，且仅基于单中心数据	开发无创诊断慢性肾病间质纤维化程度的方法	慢性肾病(CKD)患者	digital pathology	chronic kidney disease	superb microvascular imaging (SMI), ultrasound radiomics, color doppler ultrasonography (CDUS)	XDL (interpretable deep learning model)	medical imaging	365名CKD患者
11418	2025-04-23	Multimodal Deep Learning Fusing Clinical and Radiomics Scores for Prediction of Early-Stage Lung Adenocarcinoma Lymph Node Metastasis 2025-May, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.12.018 PMID:39730249	research paper	开发并验证了一种基于CT图像和临床知识的多模态深度学习模型，用于预测早期肺腺癌淋巴结转移	提出了一种基于InceptionResNetV2架构的多模态特征融合深度学习网络，有效整合图像和临床知识预测淋巴结转移	研究为回顾性设计，样本来自两个中心，可能存在选择偏倚	预测早期肺腺癌淋巴结转移	724例经病理证实的早期浸润性肺腺癌患者	digital pathology	lung cancer	CT影像分析，深度学习	InceptionResNetV2	image, clinical data	724例患者（中心1：524例，中心2：200例）
11419	2025-04-23	Multi-Energy Evaluation of Image Quality in Spectral CT Pulmonary Angiography Using Different Strength Deep Learning Spectral Reconstructions 2025-May, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.11.049 PMID:39732618	research paper	该研究评估并比较了使用标准与强深度学习的双能CT肺动脉造影（DECT-PA）在不同能量水平下的虚拟单色图像（VMIs）质量	比较了标准与强深度学习的双能CT肺动脉造影（DECT-PA）在不同能量水平下的虚拟单色图像（VMIs）质量，发现强深度学习谱重建（DLSR）显著提高了图像质量	研究样本量较小（70例患者），且为回顾性研究	评估不同能量水平的虚拟单色图像（VMIs）在标准与强深度学习谱重建（DLSR）下的图像质量	70例接受DECT-PA扫描的患者（15例有肺栓塞，55例无肺栓塞）	digital pathology	cardiovascular disease	双能CT肺动脉造影（DECT-PA）	deep learning spectral reconstruction (DLSR)	image	70例患者（15例有肺栓塞，55例无肺栓塞）
11420	2025-04-23	Radiomics and Deep Learning Model for Benign and Malignant Soft Tissue Tumors Differentiation of Extremities and Trunk 2025-May, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.12.026 PMID:39753479	research paper	开发基于脂肪抑制T2加权成像的放射组学和深度学习模型，用于术前区分良恶性软组织肿瘤	结合放射组学和深度学习特征，构建DLR模型，提高了良恶性软组织肿瘤的术前诊断准确性	样本量相对较小，且外部验证集仅来自一个中心，可能影响模型的泛化能力	开发非侵入性、低成本的术前诊断方法，用于区分良恶性软组织肿瘤	良性和恶性软组织肿瘤患者	digital pathology	soft tissue tumors	fat saturation T2-weighted imaging (FS-T2WI)	3D ResNet	image	115例患者作为训练集，70例患者作为外部验证集