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
601	2025-04-24	Unsupervised stain augmentation enhanced glomerular instance segmentation on pathology images 2025-Feb, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-024-03154-7 PMID:38848032	研究论文	提出一种基于无监督染色增强的方法，用于病理图像中肾小球实例的分割	使用对比无配对翻译（CUT）实现不同染色方法之间的转换，提升训练集的染色多样性，并将mask R-CNN的主干网络替换为swin transformer以提高特征提取效率	未提及具体局限性	提升病理图像中肾小球实例分割的性能	病理图像中的肾小球结构	数字病理学	NA	对比无配对翻译（CUT）	mask R-CNN, swin transformer	病理图像	216张全切片图像（WSIs），包含PAS、MT和PASM三种染色
602	2025-04-24	Concomitant Prediction of the Ki67 and PIT-1 Expression in Pituitary Adenoma Using Different Radiomics Models 2025-Feb, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01121-x PMID:38750186	研究论文	本研究旨在通过三种不同的放射组学模型，术前同时预测垂体腺瘤中Ki67的高表达和垂体转录因子1（PIT-1）的阳性表达	首次同时预测Ki67和PIT-1的表达，并比较了经典机器学习、深度学习和深度学习放射组学模型的性能	研究为回顾性设计，样本量相对有限，且仅基于单一医疗中心的数据	术前预测垂体腺瘤中Ki67和PIT-1的表达状态	247名垂体腺瘤患者	数字病理	垂体腺瘤	放射组学分析	LR, SVM, MLP	MRI图像（T1CE, T1WI, T2WI）	247例患者（训练集198例，测试集49例）
603	2025-04-24	Deep Learning-Based Detect-Then-Track Pipeline for Treatment Outcome Assessments in Immunotherapy-Treated Liver Cancer 2025-Feb, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01132-8 PMID:38740661	research paper	开发了一种基于深度学习的检测-追踪流程，用于自动识别和追踪肝癌病变，以评估免疫治疗的治疗效果	提出了一种新的深度学习流程，能够自动识别3D CT扫描中的肝脏病变并纵向追踪目标病变，提高了RECIST治疗结果评估的准确性和一致性	研究样本量相对较小（173名患者），且仅针对肝癌，可能限制了结果的普遍适用性	提高免疫治疗肝癌患者的治疗效果评估的准确性和一致性	肝癌患者的3D CT扫描图像	digital pathology	liver cancer	3D CT扫描	deep learning-based pipeline	3D CT图像	173名多国患者（344次静脉期CT扫描）
604	2025-04-24	Automatic Segmentation of Quadriceps Femoris Cross-Sectional Area in Ultrasound Images: Development and Validation of Convolutional Neural Networks in People With Anterior Cruciate Ligament Injury and Surgery 2025-02, Ultrasound in medicine & biology DOI:10.1016/j.ultrasmedbio.2024.11.004 PMID:39581823	research paper	开发并验证了用于前交叉韧带(ACL)损伤患者股四头肌横截面积(CSA)自动分割的卷积神经网络(CNN)模型	针对ACL损伤患者肌肉大小和质量变化的特点，验证了DeepACSA CNN模型在这一特定人群中的有效性	模型在ACL-only VM模型中的错误预测率较高(20%)	验证CNN模型在ACL损伤患者股四头肌CSA自动分割中的有效性	ACL损伤患者的股四头肌(包括股外侧肌[VL]、股直肌[RF]和股内侧肌[VM])	computer vision	anterior cruciate ligament injury	ultrasound imaging	CNN	image	124名ACL损伤患者(年龄22.8±7.9岁，61名女性)的股四头肌全景CSA超声图像(VL n=430，RF n=349，VM n=723)，外加153名健康参与者的额外图像用于VL和RF组合模型
605	2025-04-24	Development of a Deep Learning Model for Classification of Hepatic Steatosis from Clinical Standard Ultrasound 2025-02, Ultrasound in medicine & biology DOI:10.1016/j.ultrasmedbio.2024.09.020 PMID:39537545	研究论文	开发了一种深度学习模型，用于从临床标准超声图像中分类肝脂肪变性	利用深度学习技术从标准灰度超声图像中分类肝脂肪变性，提供高敏感性和准确性	单中心回顾性研究，样本量相对较小（403例患者）	开发一种深度学习程序，用于从标准超声图像中分类肝脂肪变性	肝脂肪变性患者	数字病理学	肝脂肪变性	深度学习	深度学习多实例程序	图像	403例患者的403次超声检查
606	2025-04-24	Applications of deep learning in trauma radiology: A narrative review 2025-Feb, Biomedical journal IF:4.1Q2 DOI:10.1016/j.bj.2024.100743 PMID:38679199	综述	本文综述了深度学习在创伤放射学中的应用及其当前进展	概述了深度学习在创伤影像中各模态的应用现状及未来发展方向	商业AI产品在创伤领域的临床应用仍有限，需多学科团队合作开发实用解决方案	探讨深度学习在创伤放射学中的应用潜力	创伤影像中的各类损伤检测	数字病理	创伤	深度学习	NA	医学影像（超声、X射线、CT）	NA
607	2025-04-24	ECG-surv: A deep learning-based model to predict time to 1-year mortality from 12-lead electrocardiogram 2025-Feb, Biomedical journal IF:4.1Q2 DOI:10.1016/j.bj.2024.100732 PMID:38697480	研究论文	本研究提出了一种名为ECG-surv的深度学习模型，用于从12导联心电图中预测患者1年内的死亡率	ECG-surv模型能够同时处理删失数据和非结构化心电图数据，通过特征提取神经网络和时间到事件分析神经网络，显著提高了预测1年全因死亡率和心血管死亡的准确性	研究依赖于特定设备采集的心电图数据，可能在不同设备间的泛化能力有限	开发一种深度学习模型，利用心电图数据预测患者1年内的死亡率	心电图数据和患者生存数据	机器学习	心血管疾病	深度学习	深度神经网络	心电图数据	独立测试集和外部测试集
608	2025-04-24	The Future of Artificial Intelligence Using Images and Clinical Assessment for Difficult Airway Management 2025-Feb-01, Anesthesia and analgesia IF:4.6Q1 DOI:10.1213/ANE.0000000000006969 PMID:38557728	review	本文综述了人工智能（AI）特别是深度学习在利用影像和临床评估进行困难气道管理中的应用及其优势	探讨了AI模型如何影响临床实践，并讨论了使用机器学习进行困难喉镜预测的未来方法及智能插管设备的前景	NA	探索AI在困难气道管理中的应用及其对临床实践的影响	困难气道管理	machine learning	NA	deep learning, machine-learning	deep-learning models	imaging data	NA
609	2025-04-23	Discovering effect of intuitionistic fuzzy transformation in multi-layer perceptron for heart disease prediction: a study 2025-Feb, Computer methods in biomechanics and biomedical engineering IF:1.7Q3 DOI:10.1080/10255842.2023.2284095 PMID:38013456	research paper	该研究探讨了直觉模糊变换在多感知层神经网络（MLP）中对心脏病预测的影响	论文的创新点在于从特征转换到深度学习的整个过程，特别是使用直觉模糊集（IFS）考虑成员度和非成员度两种不确定性	NA	减少心脏病的风险，通过先进的深度学习算法帮助医生早期诊断	心脏病预测	machine learning	cardiovascular disease	直觉模糊变换和模糊参数转换	MLP	临床参数	NA
610	2025-04-23	Enhancing drug discovery in schizophrenia: a deep learning approach for accurate drug-target interaction prediction - DrugSchizoNet 2025-Feb, Computer methods in biomechanics and biomedical engineering IF:1.7Q3 DOI:10.1080/10255842.2023.2282951 PMID:38375638	研究论文	本文提出了一种基于深度学习的模型DrugSchizoNet，用于精神分裂症药物靶点相互作用的准确预测	采用LSTM层捕捉药物相互作用的序列特性，并结合OB-MOA优化进行超参数调优，显著提高了预测准确率至98.70%	模型性能依赖于DrugBank和repoDB数据库的数据质量，可能受限于数据覆盖范围	提升精神分裂症药物发现的效率和准确性	药物靶点相互作用数据	机器学习	精神分裂症	深度学习	LSTM	药物相关数据	来自DrugBank和repoDB数据库的药物数据
611	2025-04-23	DeepCompoundNet: enhancing compound-protein interaction prediction with multimodal convolutional neural networks 2025-Feb, Journal of biomolecular structure & dynamics IF:2.7Q2 DOI:10.1080/07391102.2023.2291829 PMID:38084744	研究论文	本文提出了一种名为DeepCompoundNet的多模态卷积神经网络模型，用于增强化合物-蛋白质相互作用的预测	整合了蛋白质特征、药物属性和多种相互作用数据，超越了仅依赖氨基酸序列同源性和化学结构相似性的现有方法	未提及具体的数据集规模限制或模型泛化能力的详细评估	提升化合物-蛋白质相互作用的预测准确率	化合物与蛋白质的相互作用	机器学习	NA	多模态卷积神经网络	CNN	分子结构数据、相互作用网络数据	未明确提及具体样本数量
612	2025-04-23	A fine-tuning deep residual convolutional neural network for emotion recognition based on frequency-channel matrices representation of one-dimensional electroencephalography 2025-Feb, Computer methods in biomechanics and biomedical engineering IF:1.7Q3 DOI:10.1080/10255842.2023.2286918 PMID:38017703	研究论文	本研究提出了一种基于一维脑电图（EEG）信号的频率-通道矩阵（FCM）表示的深度残差卷积神经网络模型，用于情感识别（ER）	结合预训练的深度残差卷积神经网络和迁移学习技术，利用二维数据的FCM表示来自动学习多通道EEG数据的潜在内在特征	未提及具体的数据集局限性或模型泛化能力的讨论	提高基于EEG信号的情感识别系统的自动化和准确性	多通道EEG数据	机器学习	NA	Welch功率谱密度估计，t-SNE策略	深度残差卷积神经网络（ResNet）	一维EEG信号	DEAP数据集上的5折交叉验证
613	2025-04-23	Neurosurgery inpatient outcome prediction for discharge planning with deep learning and transfer learning 2025-Feb, British journal of neurosurgery IF:1.0Q3 DOI:10.1080/02688697.2022.2151565 PMID:36458628	research paper	本研究探讨了深度学习和迁移学习在预测神经外科住院患者出院时间和出院目的地等住院结果中的应用	使用迁移学习和人工神经网络对自由文本医疗数据进行预测，提高了预测准确性	研究仅基于15个月的数据，样本量相对有限	预测神经外科住院患者的住院结果以辅助出院规划	神经外科住院患者	machine learning	neurosurgery	deep learning, transfer learning	artificial neural network	text	1341例住院患者
614	2025-04-20	Training deep learning models on personalized genomic sequences improves variant effect prediction 2025-Feb-15, bioRxiv : the preprint server for biology DOI:10.1101/2024.10.15.618510 PMID:39463940	research paper	该研究展示了在匹配的个人基因组上训练深度学习模型可以提高其在变异效应预测中的性能	通过使用匹配的个人基因组数据进行训练，提高了序列到功能模型在变异效应预测中的性能	未提及具体的模型性能提升幅度或与其他方法的比较	提高序列到功能模型在变异效应预测中的性能	个人基因组数据	machine learning	NA	deep learning	sequence-to-function models	genomic sequences	NA
615	2025-04-20	Leveraging deep learning to detect stance in Spanish tweets on COVID-19 vaccination 2025-Feb, JAMIA open IF:2.5Q3 DOI:10.1093/jamiaopen/ooaf007 PMID:40008184	研究论文	本研究利用深度学习技术检测西班牙语推文中关于COVID-19疫苗接种的立场	开发了针对西班牙语社交媒体帖子的立场检测模型，填补了非英语语料研究的空白	语言特定嵌入模型未超越多语言嵌入或TF-IDF特征，可能由于BERT或RoBERTa嵌入不熟悉Twitter常用俚语和疫情期间的特殊语境	开发西班牙语社交媒体帖子的立场检测模型，以支持公共卫生应用	关于COVID-19疫苗接种的西班牙语推文	自然语言处理	COVID-19	深度学习	BERT-Multi+BiLSTM, BETO+BiLSTM, RoBERTa BNE-LSTM, TF-IDF+SVM	文本	6170条推文（2020年3月1日至2022年1月4日期间发布）
616	2025-04-18	Spatially resolved transcriptomics and graph-based deep learning improve accuracy of routine CNS tumor diagnostics 2025-02, Nature cancer IF:23.5Q1 DOI:10.1038/s43018-024-00904-z PMID:39880907	research paper	该研究开发了一种名为NePSTA的方法，结合空间转录组学和图神经网络，用于中枢神经系统肿瘤的自动组织学和分子评估	NePSTA方法首次将空间转录组学与图神经网络结合，用于中枢神经系统肿瘤的诊断，能够在单一切片上实现高精度的组织学和分子评估	该方法虽然降低了DNA质量和数量的要求，但仍需进一步验证其在更广泛样本中的适用性	提高中枢神经系统肿瘤的诊断准确性和效率	中枢神经系统肿瘤患者和健康捐赠者的组织样本	digital pathology	CNS tumor	spatial transcriptomics, NGS, DNA methylation profiling	graph neural networks	spatial transcriptomic data, histological images	130名参与者的样本，包括CNS恶性肿瘤患者和健康捐赠者，来自四个医疗中心
617	2025-04-17	Depression diagnosis: EEG-based cognitive biomarkers and machine learning 2025-02-26, Behavioural brain research IF:2.6Q3 DOI:10.1016/j.bbr.2024.115325 PMID:39515528	综述	本文综述了抑郁症诊断中的EEG认知生物标志物及机器学习应用	探讨了EEG生物标志物在抑郁症诊断中的潜力，并整合了机器学习和深度学习模型以提高诊断准确性	未提及具体实验数据或样本量，可能缺乏实证支持	研究抑郁症诊断的新方法及其神经生理学基础	抑郁症患者及其EEG数据	机器学习	抑郁症	EEG数据分析	机器学习和深度学习模型	EEG数据	NA
618	2025-04-16	Schizophrenia recognition based on three-dimensional adaptive graph convolutional neural network 2025-02-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-84497-8 PMID:39900572	research paper	提出了一种基于三维自适应图卷积神经网络的精神分裂症分类模型，利用EEG信号的三维空间特性和动态学习节点间交互	首次将三维自适应图卷积神经网络应用于精神分裂症识别，动态学习EEG信号的空间、特征和频带维度交互	未提及模型在其他精神疾病或更大规模数据集上的泛化能力	提高精神分裂症的早期诊断和识别准确率	首次发作精神分裂症患者的EEG数据	digital pathology	精神分裂症	EEG信号分析	3D-AGCN (GAT + GCN)	EEG信号	未明确说明样本数量，使用不同分段长度和频带的EEG数据
619	2025-04-15	A Deep Learning Approach to Multi-Fiber Parameter Estimation and Uncertainty Quantification in Diffusion MRI 2025-Feb-28, ArXiv PMID:40061116	research paper	本文提出了一种基于深度学习的多纤维参数估计和不确定性量化方法，用于扩散MRI中的脑微结构研究	引入了一种新颖的序列方法，将多纤维参数推断任务分解为一系列可管理的子问题，并使用针对特定问题和对称性设计的深度神经网络进行求解	未明确提及具体局限性	开发可靠且计算高效的扩散MRI生物物理模型参数推断方法	脑白质纤维微结构	medical imaging	NA	diffusion MRI (dMRI)	deep neural networks	MRI imaging data	Human Connectome Project (HCP) 数据
620	2025-04-14	Deep learning-driven automated high-content dSTORM imaging with a scalable open-source toolkit 2025-Feb-28, Biophysical reports IF:2.4Q3 DOI:10.1016/j.bpr.2025.100201 PMID:40023500	研究论文	介绍了一个开源工具包，利用深度学习自动进行dSTORM超分辨率显微镜成像	开发了一个自动化、用户独立的工作流程，通过深度学习实现分割和对象检测，提高了超分辨率显微镜的效率和易用性	未提及具体的技术限制或样本类型的局限性	提高超分辨率显微镜的自动化程度和易用性，扩展其在生物医学中的应用	生物医学图像，如细胞培养中的微管和神经纤维中的βII-血影蛋白	数字病理	NA	dSTORM超分辨率显微镜	深度学习	图像	未提及具体样本数量