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
121	2025-05-12	Artificial intelligence in the detection and treatment of depressive disorders: a narrative review of literature 2025-Feb, International review of psychiatry (Abingdon, England) DOI:10.1080/09540261.2024.2384727 PMID:40035375	review	本文综述了人工智能在抑郁症检测和治疗中的应用	探讨了人工智能如何通过整合多种数据（如临床症状、神经影像、遗传学和生物标志物）来辅助抑郁症的筛查、诊断和预后预测	作为叙述性综述，可能未涵盖所有相关研究，且缺乏对方法学质量的系统评估	评估人工智能在抑郁症诊断和治疗中的潜在应用	抑郁症患者及其相关临床数据	natural language processing, machine learning, digital pathology	geriatric disease	Natural Language Processing, Machine Learning, Deep Learning	NA	text, neuroimaging data, genetics, biomarkers	NA
122	2025-05-12	DSANIB: Drug-Target Interaction Predictions With Dual-View Synergistic Attention Network and Information Bottleneck Strategy 2025-Feb, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3497591 PMID:40030194	research paper	提出了一种名为DSANIB的新方法，用于预测药物与靶标之间的潜在相互作用	DSANIB结合了双视图协同注意力网络和信息瓶颈策略，能够显式捕捉药物-靶标对的局部相互作用并学习其高阶子结构嵌入，同时过滤冗余信息以获得有效的嵌入表示	NA	改进药物-靶标相互作用（DTI）预测的准确性和效率	药物与靶标之间的相互作用	machine learning	NA	deep learning	Dual-View Synergistic Attention Network (DSAN), Information Bottleneck (IB)	molecular data	NA
123	2025-05-12	PFPRNet: A Phase-Wise Feature Pyramid With Retention Network for Polyp Segmentation 2025-Feb, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3500026 PMID:40030242	研究论文	提出了一种名为PFPRNet的新型网络结构，用于结肠息肉分割，通过结合预训练的Transformer编码器和定制的解码器模块，提高了分割性能	设计了Phase-wise Feature Pyramid with Retention Decoder和Enhance Perception模块，以及创新的Low-layer Retention模块，以更高效地进行全局注意力建模	需要大量标注数据进行训练，且息肉图像中的类似皱纹可能影响模型预测性能	提高结肠息肉分割的准确性和效率，以辅助结直肠癌的早期诊断和预防	结肠息肉图像	计算机视觉	结直肠癌	深度学习	PFPRNet（基于Transformer的编码器和定制解码器）	图像	多个广泛使用的息肉分割数据集（具体数量未提及）
124	2025-05-12	CT-Less Whole-Body Bone Segmentation of PET Images Using a Multimodal Deep Learning Network 2025-Feb, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3501386 PMID:40030243	研究论文	提出了一种新型多模态融合网络（MMF-Net），用于无需CT图像的PET图像全身骨分割	引入三种PET模态图像（示踪剂活性、衰减图和合成衰减图）到训练数据中，设计了多编码器结构和多模态融合模块，并采用了改进的卷积单元、SE归一化和深度监督以提高分割性能	研究仅基于130个全身PET图像数据集，样本量相对较小	开发一种无需CT图像的PET图像全身骨分割方法，以提高骨癌诊断的准确性和自动化水平	PET图像中的全身骨分割	数字病理学	骨癌	深度学习	MMF-Net	图像	130个全身PET图像数据集
125	2025-05-12	EDSRNet: An Enhanced Decoder Semantic Recovery Network for 2D Medical Image Segmentation 2025-Feb, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3504829 PMID:40030272	研究论文	提出了一种增强解码器语义恢复网络（EDSRNet），用于改善2D医学图像分割的性能	引入了多级语义融合（MLSF）模块、多尺度空间注意力（MSSA）和交叉卷积通道注意力（CCCA）模块，以及全局-局部语义恢复（GLSR）模块，以解决现有方法在语义信息补充和全局局部信息交互方面的不足	未提及具体的计算资源消耗或模型复杂度，也未讨论在不同类型医学图像上的泛化能力	提升2D医学图像分割的准确性和语义恢复效果	2D医学图像	数字病理	NA	深度学习	EDSRNet（基于encoder-decoder架构）	医学图像	公共数据集BUSI、CVC-ClinicDB和Kvasir-SEG（具体样本数量未提及）
126	2025-05-12	WaveSleepNet: An Interpretable Network for Expert-Like Sleep Staging 2025-Feb, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3498871 PMID:40030379	研究论文	提出了一种名为WaveSleepNet的可解释神经网络，用于模拟临床专家的睡眠分期方法	利用潜在空间表示识别不同睡眠阶段的特征波原型，并通过量化这些原型的接近度来进行睡眠分期，提高了模型的可解释性	虽然模型性能与现有最先进模型相当，但未提及在更大规模或多样化数据集上的泛化能力	开发一种可解释的深度学习模型，用于自动睡眠分期，以促进临床采用	睡眠信号数据	机器学习	NA	深度学习	WaveSleepNet（基于潜在空间表示和原型学习的神经网络）	信号数据	三个公共数据集（未提及具体样本数量）
127	2025-05-11	Feature-Based Audiogram Value Estimator (FAVE): Estimating Numerical Thresholds from Scanned Images of Handwritten Audiograms 2025-Feb-27, Journal of medical systems IF:3.5Q2 DOI:10.1007/s10916-025-02146-7 PMID:40011323	research paper	开发了一种名为FAVE的机器学习模型，用于从手写听力图的扫描图像中估计数值阈值	首次提出基于滑动窗口和单类目标检测器的机器学习模型FAVE，用于从手写听力图图像中提取数值阈值	数值阈值的估计准确性有待提高，符号和轴刻度标签检测存在局限性	解决手写听力图图像中数值阈值难以自动提取的问题，以支持公共卫生研究	手写听力图图像	machine learning	geriatric disease	Aggregate Channel Features	sliding-window, single-class object detectors	image	556张来自年龄相关性听力损失纵向队列研究的手写听力图
128	2025-05-11	Enhanced glioma tumor detection and segmentation using modified deep learning with edge fusion and frequency features 2025-Feb-26, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-84661-0 PMID:40011472	研究论文	提出了一种结合边缘融合和频率特征的改进深度学习模型，用于增强胶质瘤肿瘤的检测和分割	提出了边缘融合算法(EIF)和Gabor变换(GaT)结合的方法，优化了深度学习架构(MDL)以提高检测精度和速度	未提及模型在其他类型脑肿瘤上的泛化能力	提高胶质瘤检测和分割的准确性，特别是在增强滞后的临床数据上	脑部MRI图像中的胶质瘤肿瘤	数字病理	胶质瘤	Gabor变换	改进的深度学习架构(MDL)	MRI图像	PLCO和NU数据集
129	2025-05-11	Modelling of pome fruit pollen performance using machine learning 2025-Feb-26, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-91286-4 PMID:40011508	研究论文	本研究旨在开发一个机器学习模型，用于预测梨果类水果的花粉萌发率	首次将人工神经网络和深度学习技术应用于花粉萌发率的预测，并取得了较高的准确度（R²=0.89）	研究仅针对四种梨果类水果的花粉，可能无法推广到其他水果种类	开发预测花粉萌发率的机器学习模型，以评估温度波动对果树开花期的影响	四种梨果类水果的花粉	机器学习	NA	体外花粉萌发测试	人工神经网络	实验数据	四种梨果类水果的花粉，在七种不同温度、三种不同培养基和四种不同培养时间下的测试
130	2025-05-11	A labeled medical records corpus for the timely detection of rare diseases using machine learning approaches 2025-Feb-26, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-90450-0 PMID:40011510	研究论文	本文提出了一种基于机器学习的标记医疗记录语料库，用于罕见疾病的早期检测	利用MIMIC-III数据库和其他来源的医疗记录，构建了一个标记数据集，并验证了多种机器学习方法在罕见疾病早期检测中的有效性	研究依赖于现有数据库和医疗记录，可能无法涵盖所有罕见疾病类型	通过机器学习方法改善罕见疾病的早期检测和诊断	罕见疾病患者	机器学习	罕见疾病	监督学习	逻辑回归、决策树、SVM、LSTM、CNN、BERT	文本（医疗记录）	基于MIMIC-III数据库和其他来源的医疗记录
131	2025-05-11	Early attention-deficit/hyperactivity disorder (ADHD) with NeuroDCT-ICA and rhinofish optimization (RFO) algorithm based optimized ADHD-AttentionNet 2025-Feb-26, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-90649-1 PMID:40011599	research paper	该研究提出了一种基于NeuroDCT-ICA和Rhinofish优化算法的ADHD检测方法，通过深度学习框架提高检测准确性和计算效率	引入了新的NeuroDCT-ICA模块预处理EEG数据，并开发了Rhinofish优化算法进行特征选择，提高了数据处理能力和系统稳定性	未提及具体样本量或数据来源的局限性	提高ADHD检测的准确性和效率	ADHD患者的行为、认知或生理数据（如EEG、眼动追踪或调查）	machine learning	ADHD	EEG, eye-tracking, surveys	ADHD-AttentionNet (深度学习模型)	EEG数据、眼动追踪数据、调查数据	NA
132	2025-05-11	Supervised and unsupervised deep learning-based approaches for studying DNA replication spatiotemporal dynamics 2025-Feb-26, Communications biology IF:5.2Q1 DOI:10.1038/s42003-025-07744-2 PMID:40011665	研究论文	本研究采用监督和非监督深度学习方法研究DNA复制的时空动态	开发了一种非监督方法用于大规模检测异常的S期细胞，无需基于预定义类别进行分类	监督学习方法受限于分类方法的约束，非监督方法虽然能自主检测差异，但可能缺乏明确的生物学解释	研究DNA复制的时空动态及其在病理过程中的作用	野生型和Rif1缺陷型小鼠胚胎干细胞(mESCs)以及诱导性失调的起始点激发的细胞模型	机器学习	NA	EdU和PCNA分析	深度学习	图像	小鼠胚胎干细胞(mESCs)和细胞模型
133	2025-05-11	Using deep learning to differentiate among histology renal tumor types in computed tomography scans 2025-Feb-26, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-01606-3 PMID:40011809	research paper	本研究使用卷积神经网络（CNN）分析计算机断层扫描（CT）图像，以区分不同组织学亚型的肾肿瘤	利用深度学习模型（Inception V3和Resnet50）对肾肿瘤亚型进行分类，展示了其在医学影像分析中的潜力	尽管模型显示出良好的准确性，但需要进一步开发以提高其临床适用性	通过深度学习技术提高肾肿瘤亚型的分类准确性	肾肿瘤患者，包括血管平滑肌脂肪瘤（AML）、嗜酸细胞瘤、透明细胞肾细胞癌（ccRCC）、嫌色细胞肾细胞癌（chRCC）和乳头状肾细胞癌（pRCC）	digital pathology	renal tumor	contrast-enhanced CT	CNN, Inception V3, Resnet50	image	554名患者，共4238张CT图像
134	2025-05-11	CSEPC: a deep learning framework for classifying small-sample multimodal medical image data in Alzheimer's disease 2025-Feb-26, BMC geriatrics IF:3.4Q2 DOI:10.1186/s12877-025-05771-6 PMID:40011826	研究论文	提出了一种名为CSEPC的深度学习框架，用于小样本多模态医学图像数据在阿尔茨海默病中的分类	结合尺度平衡理论和模态耦合特性，通过跨尺度金字塔模块和对比学习机制有效整合多模态和多尺度特征，显著减少学习参数数量	仅在小样本环境下验证，未在大规模数据集上测试	提高阿尔茨海默病阶段的分类准确性，优化诊断和治疗策略	阿尔茨海默病患者的多模态医学影像数据	数字病理学	阿尔茨海默病	结构MRI (sMRI) 和功能MRI (fMRI)	CSEPC (跨尺度平衡金字塔耦合)	医学影像	ADNI数据集中的小样本数据
135	2025-05-11	scFTAT: a novel cell annotation method integrating FFT and transformer 2025-Feb-25, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-025-06061-z PMID:39994539	研究论文	提出了一种名为scFTAT的新型细胞注释方法，整合了FFT和Transformer技术，用于单细胞RNA测序数据的自动注释	整合FFT和增强型Transformer进行自动特征学习，解决了单细胞数据高稀疏性和手动注释繁琐的挑战	未提及具体局限性	开发高效的单细胞RNA测序数据自动注释方法	人类和小鼠组织的单细胞RNA测序数据	生物信息学	NA	单细胞RNA测序(scRNA-seq)	Transformer	基因表达数据	六个典型数据集（包括人类肾脏数据）
136	2025-05-11	Deep learning-based Intraoperative MRI reconstruction 2025-Feb-25, European radiology experimental IF:3.7Q1 DOI:10.1186/s41747-024-00548-9 PMID:39998750	research paper	评估深度学习在脑肿瘤手术中加速术中MRI重建的质量	使用深度学习模型重建加速术中MRI，与传统压缩感知方法相比，显示出更高的图像质量	深度学习重建存在条纹伪影和信号减少的缺点，且神经外科医生在所有指标上更偏好传统方法	评估深度学习在术中MRI重建中的应用效果	40名接受脑肿瘤切除术并进行术中MRI扫描的患者	digital pathology	brain tumor	deep learning, MRI	DL	MRI images	40 patients imaged from Nov 1, 2021, to June 1, 2023
137	2025-05-11	Real-World Insights Into Dementia Diagnosis Trajectory and Clinical Practice Patterns Unveiled by Natural Language Processing: Development and Usability Study 2025-Feb-25, JMIR aging IF:5.0Q1 DOI:10.2196/65221 PMID:39999185	研究论文	本研究利用自然语言处理技术分析门诊电子健康记录，揭示了痴呆症诊断轨迹和临床实践模式	开发了基于深度学习的NLP流程，用于从EHR数据中提取临床信息，并首次量化了从首次记忆丧失主诉到痴呆诊断的时间间隔	研究数据仅来自单一医疗中心，可能限制结果的普遍性	了解痴呆症疾病轨迹和门诊临床实践模式，以改善患者管理和决策	581名门诊患者及其电子健康记录	自然语言处理	老年痴呆症	自然语言处理(NLP)	深度学习	文本(EHR数据)	581名门诊患者(2010-2018年数据)
138	2025-05-11	[Research on arrhythmia classification algorithm based on adaptive multi-feature fusion network] 2025-Feb-25, Sheng wu yi xue gong cheng xue za zhi = Journal of biomedical engineering = Shengwu yixue gongchengxue zazhi DOI:10.7507/1001-5515.202406069 PMID:40000175	研究论文	提出了一种基于自适应多特征融合网络的心律失常分类算法	采用自适应多特征融合网络，结合RR间期特征、时域深度特征和频域深度特征，提高心律失常分类的准确性	在有限的异常样本监督下进行特征选择，可能影响算法的泛化能力	开发一种高效的心律失常自动分类算法，用于早期筛查	心电图(ECG)数据	机器学习	心血管疾病	1D-CNN, 2D-CNN, MFCC	自适应多特征融合网络	ECG信号	MIT-BIH心律失常数据库
139	2025-05-11	[Prediction method of paroxysmal atrial fibrillation based on multimodal feature fusion] 2025-Feb-25, Sheng wu yi xue gong cheng xue za zhi = Journal of biomedical engineering = Shengwu yixue gongchengxue zazhi DOI:10.7507/1001-5515.202403039 PMID:40000174	research paper	提出了一种基于多模态特征融合的阵发性心房颤动（PAF）风险预测方法	结合机器学习特征工程和深度学习端到端建模的优势，提出多模态特征融合方法，并通过四种特征选择方法和Pearson相关分析确定最优特征集	未提及具体的数据集规模和多中心数据集的具体数量	阵发性心房颤动（PAF）的风险预测	阵发性心房颤动（PAF）患者	biomedical engineering	cardiovascular disease	machine learning feature engineering, deep learning end-to-end modeling	random forest	multimodal data	公共数据集和临床数据集（具体数量未提及）
140	2025-05-11	[Research on intelligent fetal heart monitoring model based on deep active learning] 2025-Feb-25, Sheng wu yi xue gong cheng xue za zhi = Journal of biomedical engineering = Shengwu yixue gongchengxue zazhi DOI:10.7507/1001-5515.202402012 PMID:40000176	研究论文	本文提出了一种基于三支决策理论和多目标优化主动学习的TWD-MOAL深度主动学习算法，用于智能胎儿心率监测	结合三支决策理论和多目标优化主动学习，提出TWD-MOAL算法，显著减少标注时间和成本，有效解决CTG信号数据不平衡问题	NA	开发智能胎儿心率监测模型，辅助产科医生解读CTG信号，实现智能化胎儿监测	胎儿心率监测	机器学习	产科疾病	深度主动学习	CNN	CTG记录	16355份产前CTG记录