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
881	2025-04-06	Age-sex-specific burden of urological cancers attributable to risk factors in China and its provinces, 1990-2021, and forecasts with scenarios simulation: a systematic analysis for the Global Burden of Disease Study 2021 2025-Mar, The Lancet regional health. Western Pacific DOI:10.1016/j.lanwpc.2025.101517 PMID:40177596	research paper	该研究分析了1990-2021年中国及其各省份泌尿系统癌症的年龄性别特异性负担，并预测了未来情景模拟下的疾病负担	首次采用多注意力深度学习管道(iTransformer)建模泌尿系统癌症的时空模式，并提供年龄-性别-地区特异性长期预测	研究依赖于GBD数据库的准确性，且预测模型可能无法完全捕捉未来社会经济变化的影响	监测中国泌尿系统癌症的分布和决定因素，模拟健康干预措施的效果	中国34个省份的泌尿系统癌症患者	digital pathology	prostate cancer, bladder cancer, kidney cancer, testicular cancer	iTransformer深度学习模型	iTransformer	流行病学数据	全国范围1990-2021年数据，2021年新发病例266,887例，现患病例159,506,067例
882	2025-04-05	Global trends in artificial intelligence applications in liver disease over seventeen years 2025-Mar-27, World journal of hepatology IF:2.5Q2 DOI:10.4254/wjh.v17.i3.101721 PMID:40177211	review	本文分析了17年来人工智能在肝病领域的应用趋势，总结了当前研究状况并识别了热点	通过文献计量学方法全面梳理了AI在肝病领域的研究热点和发展趋势	仅基于Web of Science数据库，可能遗漏其他重要文献	分析AI在肝病领域的研究现状和发展趋势	4051篇关于肝病和AI的研究文章	digital pathology	liver disease	文献计量分析	machine learning, deep learning, CNN	文献数据	4051篇研究文章
883	2025-04-05	MEF2C controls segment-specific gene regulatory networks that direct heart tube morphogenesis 2025-Mar-27, bioRxiv : the preprint server for biology DOI:10.1101/2024.11.01.621613 PMID:39554149	研究论文	本研究探讨了转录因子MEF2C在早期心脏形成中控制的基因调控网络（GRNs）及其对心脏管形态发生的影响	通过单核RNA和ATAC测序时间序列分析，揭示了MEF2C缺失导致的‘后化’心脏基因特征和染色质景观，并利用深度学习模型构建了心脏各段的发育轨迹	研究主要基于小鼠胚胎模型，结果在其他物种中的普适性需要进一步验证	解析早期心脏管形成过程中谱系特异性基因调控网络	野生型和MEF2C缺失胚胎的心脏发育过程	发育生物学	心脏发育异常	单核RNA测序（snRNA-seq）、ATAC测序、深度学习	深度学习模型	基因组数据、表观基因组数据	野生型和MEF2C缺失胚胎（具体数量未明确说明）
884	2025-04-05	AGPred: An End-to-End Deep Learning Model to Predicting Drug Approvals in Clinical Trials Based on Molecular Features 2025-Mar-06, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3547315 PMID:40048330	research paper	提出了一种基于深度学习的端到端模型AGPred，用于预测药物在临床试验中的批准率	采用基于注意力的图神经网络(GNN)自动学习药物分子表示，并结合交叉注意力融合模块学习分子指纹特征，整合药物的理化性质	未提及具体的数据集规模限制或模型泛化能力的局限性	提高药物临床试验批准率的预测准确性	药物分子	machine learning	NA	deep learning, GNN	attention-based GNN	molecular graphs, molecular fingerprints, physicochemical properties	未明确提及具体样本数量
885	2025-04-05	Weakly Supervised Deep Learning Can Analyze Focal Liver Lesions in Contrast-Enhanced Ultrasound 2025-Mar-06, Digestion IF:3.0Q2 DOI:10.1159/000545098 PMID:40049151	研究论文	本研究评估了弱监督深度学习模型在分类肝脏局灶性病变良恶性方面的性能	使用弱监督注意力机制的多实例学习算法，无需手动标注，仅使用病例标签进行训练	研究为回顾性研究，样本来自单一医疗机构	开发辅助诊断肝脏局灶性病变良恶性的AI算法	肝脏局灶性病变(FLLs)患者	数字病理	肝脏疾病	对比增强超声(CEUS)	注意力机制的多实例学习算法	图像	370名患者，共955,938张CEUS图像
886	2025-04-05	Epicardial adipose tissue, myocardial remodelling and adverse outcomes in asymptomatic aortic stenosis: a post hoc analysis of a randomised controlled trial 2025-Mar-06, Heart (British Cardiac Society) DOI:10.1136/heartjnl-2024-324925 PMID:40050004	研究论文	本研究探讨了心外膜脂肪组织与无症状主动脉瓣狭窄患者的疾病严重程度、进展、心肌重塑和功能以及死亡率之间的关系	首次在心外膜脂肪组织与无症状主动脉瓣狭窄患者的疾病严重程度、进展及死亡率之间建立关联，并发现其与心肌健康受损的生物标志物相关	样本量较小（124例患者），且为事后分析，可能影响结果的普遍性	研究心外膜脂肪组织在主动脉瓣狭窄中的作用	无症状的轻度至重度主动脉瓣狭窄患者	心血管疾病	主动脉瓣狭窄	CT血管造影和深度学习软件	深度学习	医学影像和生物标志物数据	124例无症状主动脉瓣狭窄患者
887	2025-04-05	Conditioning generative latent optimization for sparse-view computed tomography image reconstruction 2025-Mar, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.12.2.024004 PMID:40177097	research paper	提出一种无需训练数据的稀疏视图CT图像重建方法，通过条件生成潜在优化（cGLO）提高重建质量	无需训练数据，独立于实验设置，可从小型无监督数据集中初始化以提高重建效果	未提及具体在低剂量CT或其他成像任务中的表现	解决稀疏视图CT图像重建问题，提高重建质量	稀疏视图CT图像	digital pathology	NA	条件生成潜在优化（cGLO）	generative model	CT图像	未明确提及具体样本数量
888	2025-04-04	Generating synthetic brain PET images of synaptic density based on MR T1 images using deep learning 2025-Mar-31, EJNMMI physics IF:3.0Q2 DOI:10.1186/s40658-025-00744-5 PMID:40163154	研究论文	本研究利用深度学习技术基于MRI T1图像生成合成的大脑突触密度PET图像	首次使用卷积基础的3D编码器-解码器模型从MRI生成[11C]UCB-J SV2A PET合成图像，解决了SV2A示踪剂在实际应用中的可获得性问题	研究样本量相对有限（160名参与者），且未明确说明模型在不同疾病群体间的泛化能力	开发一种通过MRI生成合成[11C]UCB-J PET图像的方法，以解决SV2A示踪剂在实际应用中的限制	160名同时接受MRI和[11C]UCB-J PET成像的参与者，包括精神分裂症、大麻使用障碍和阿尔茨海默病患者	数字病理学	神经系统疾病	深度学习	3D CNN编码器-解码器	医学影像（MRI和PET图像）	160名参与者
889	2025-04-04	Partial discharge defect recognition method of switchgear based on cloud-edge collaborative deep learning 2025-Mar-31, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-81478-9 PMID:40164608	研究论文	提出了一种基于边缘计算和深度学习的开关柜局部放电联合识别方法	构建了终端设备侧、终端采集侧、边缘计算侧和云计算侧的边缘协同缺陷识别架构，并基于DBN提出了开关柜局部放电缺陷识别方法	验证使用的是实验室模拟的局部放电样本，实际应用中的效果可能需要进一步验证	解决传统局部放电检测方法在实时监测、快速评估、样本融合和联合分析方面的不足	开关柜的局部放电信号	机器学习	NA	UHF传感器和宽带脉冲电流传感器	DBN	信号数据	实验室模拟的局部放电样本
890	2025-04-04	Well log data generation and imputation using sequence based generative adversarial networks 2025-Mar-31, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-95709-0 PMID:40164658	研究论文	本研究提出了一种基于序列生成对抗网络（GANs）的新框架，用于测井数据的生成和缺失数据填补	采用两种序列GAN模型（TSGAN和SeqGAN）分别进行合成数据生成和缺失数据填补，在北海荷兰地区数据集上验证了其优越性	实验仅使用了特定区域（北海荷兰地区）的数据集，未验证在其他地质区域的泛化能力	解决测井数据中的缺失和不准确定问题，提高储层评估的可靠性	测井数据	机器学习	NA	生成对抗网络（GANs）	TSGAN, SeqGAN	时间序列数据	5、10和50个数据点的不同区段
891	2025-04-04	The clinical implications and interpretability of computational medical imaging (radiomics) in brain tumors 2025-Mar-30, Insights into imaging IF:4.1Q1 DOI:10.1186/s13244-025-01950-6 PMID:40159380	review	本文综述了影像组学在脑肿瘤研究中的应用及其可解释性问题	整合脑肿瘤生物学领域知识与可解释性方法，提升传统手工特征影像组学和深度学习影像组学的可解释性	深度学习模型缺乏生物学机制基础	探讨影像组学在脑肿瘤研究中的应用及其临床转化潜力	脑肿瘤影像组学	digital pathology	brain tumors	radiomics	deep learning-based models	medical imaging	NA
892	2025-04-04	Dual discriminator GAN-based synthetic crop disease image generation for precise crop disease identification 2025-Mar-30, Plant methods IF:4.7Q1 DOI:10.1186/s13007-025-01361-0 PMID:40159478	研究论文	本文提出了一种基于双判别器GAN的合成作物病害图像生成方法，用于提高作物病害识别的精确度	设计了具有双判别器结构的频域和小波图像增强网络（FHWD），结合小波损失和快速傅里叶变换损失函数，提升生成图像的视觉质量和真实性	实验仅在PlantVillage数据集的十种作物病害上进行，未验证在其他作物病害上的泛化能力	解决作物病害图像稀缺问题，提升深度学习模型的病害识别准确率和泛化能力	作物病害图像	计算机视觉	作物病害	GAN	双判别器GAN	图像	PlantVillage数据集中的十种作物病害
893	2025-04-04	Deep learning-based mobile application for efficient eyelid tumor recognition in clinical images 2025-Mar-30, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-025-01539-9 PMID:40159516	research paper	本研究验证了一种基于深度学习的移动应用程序，用于自我诊断眼睑肿瘤，以改善患者的健康支持系统	开发了一种基于YOLOv5和Efficient-Net v2-B架构的移动应用，用于眼睑肿瘤的自我诊断，其准确率高于普通医生、住院医生和眼科专家	研究仅基于1195张预处理临床眼部照片和活检结果，样本量可能不足以覆盖所有眼睑肿瘤类型	开发一种高效的移动应用程序，用于眼睑肿瘤的早期检测和监测	眼睑肿瘤患者	computer vision	眼睑肿瘤	深度学习	YOLOv5, Efficient-Net v2-B	image	1195张预处理临床眼部照片和活检结果
894	2025-04-04	An integration of ensemble deep learning with hybrid optimization approaches for effective underwater object detection and classification model 2025-Mar-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-95596-5 PMID:40158003	research paper	该研究提出了一种结合集成深度学习和混合优化算法的水下物体检测与分类模型（UODC-EDLHOA）	采用集成深度学习方法（DNN、DBN、LSTM）和混合优化算法（STSC）进行水下物体检测与分类，提高了检测精度	未提及模型在实时性、计算资源消耗或实际部署中的表现	提升水下物体检测与分类的准确性和鲁棒性	水下物体	computer vision	NA	deep learning, hybrid optimization algorithms	EfficientNetB7, YOLOv9, DNN, DBN, LSTM	image	UOD数据集（未提及具体数量）
895	2025-04-04	Quantitative analysis and visualization of chemical compositions during shrimp flesh deterioration using hyperspectral imaging: A comparative study of machine learning and deep learning models 2025-Mar-29, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2025.143997 PMID:40174377	研究论文	利用高光谱成像技术定量分析虾肉变质过程中的化学成分变化，并比较机器学习和深度学习模型的性能	结合低层数据融合和预测模型，比较了传统化学计量学方法和深度学习方法在虾肉变质分析中的表现，并生成了化学成分变化的空间分布图	未来研究需要优化模型以适应不同条件，并探索将高光谱成像方法与其他传感器技术结合	快速、无损地预测虾肉变质过程中的化学成分变化，监控冷链物流中的虾肉质量	虾肉	计算机视觉	NA	高光谱成像(HSI)	PLS, CNN, LSTM, CNN-LSTM	图像	NA
896	2025-04-04	Evaluating a large language model's accuracy in chest X-ray interpretation for acute thoracic conditions 2025-Mar-27, The American journal of emergency medicine DOI:10.1016/j.ajem.2025.03.060 PMID:40174466	研究论文	评估大型语言模型在急诊胸部X光片解读中对急性胸部疾病的准确性	探索大型语言模型（如ChatGPT）在急诊放射学中的应用潜力，特别是在胸部X光片解读方面的表现	模型对某些细微病变（如肺不张和肺气肿）的诊断准确性较低，需要进一步改进	评估ChatGPT在急诊胸部X光片解读中的可行性和准确性	急诊胸部X光片中的急性胸部疾病	自然语言处理	胸部疾病	大型语言模型（ChatGPT 4.0）	LLM	图像	1400张来自NIH Chest X-ray数据集的图像，涵盖7种病理类别
897	2025-04-04	Cropformer: An interpretable deep learning framework for crop genomic prediction 2025-Mar-10, Plant communications IF:9.4Q1 DOI:10.1016/j.xplc.2024.101223 PMID:39690739	research paper	介绍了一个名为Cropformer的可解释深度学习框架，用于作物基因组预测和表型预测	结合了卷积神经网络和多种自注意力机制，提高了预测精度和模型的可解释性	未提及具体的局限性	加速优良基因型的识别和育种周期的缩短	五种主要作物：玉米、水稻、小麦、谷子和番茄	machine learning	NA	genomic selection (GS)	CNN与自注意力机制结合的深度学习框架	基因组数据	超过20个性状的五种主要作物数据
898	2025-04-04	A deep-learning model to predict the completeness of cytoreductive surgery in colorectal cancer with peritoneal metastasis☆ 2025-Mar-10, European journal of surgical oncology : the journal of the European Society of Surgical Oncology and the British Association of Surgical Oncology DOI:10.1016/j.ejso.2025.109760 PMID:40174333	研究论文	开发了一种名为DeAF的深度学习模型，用于预测结直肠癌腹膜转移患者细胞减灭术的完整性	提出了一种新型AI框架DeAF，通过解耦特征对齐和融合来辅助选择适合CRS的患者并预测手术完整性	研究样本量有限（186例患者），且所有数据来自三级医院，可能影响模型的普遍适用性	改善结直肠癌腹膜转移患者细胞减灭术的患者选择和手术完整性预测	结直肠癌伴腹膜转移患者	数字病理学	结直肠癌	深度学习	DeAF框架（基于Simsiam算法）	CT图像和临床病理参数	186例来自4家三级医院的结直肠癌伴腹膜转移患者
899	2025-04-04	Introduction to Artificial Intelligence for General Surgeons: A Narrative Review 2025-Mar, Cureus DOI:10.7759/cureus.79871 PMID:40171361	review	本文是一篇叙述性综述，旨在向普通外科医生介绍人工智能（AI）的基础知识及其在胸腹部创伤中的应用	综述了AI在创伤护理中的潜在应用，特别是在诊断、风险预测和决策支持方面，并讨论了将AI整合到澳大利亚医疗系统中的意义	当前AI在临床实践中的应用仍有限，需要未来进行前瞻性和本地验证的研究	教育普通外科医生了解AI的基础知识及其在创伤护理中的应用	普通外科医生及AI在胸腹部创伤中的应用	machine learning	trauma	machine learning, deep learning, natural language processing, computer vision	NA	NA	NA
900	2025-04-03	Deep graph learning of multimodal brain networks defines treatment-predictive signatures in major depression 2025-Mar-31, Molecular psychiatry IF:9.6Q1 DOI:10.1038/s41380-025-02974-6 PMID:40164695	研究论文	本研究利用深度图学习方法分析多模态脑网络数据，以预测重度抑郁症患者对抗抑郁药物的治疗反应	开发了一个基于图神经网络的深度学习框架，整合了fMRI和EEG数据，揭示了与治疗反应相关的多模态脑网络特征	样本量相对有限（265名患者），且仅针对特定抗抑郁药物（舍曲林）进行了研究	预测重度抑郁症患者对抗抑郁药物的个体化治疗反应	265名重度抑郁症患者（130名接受舍曲林治疗，135名接受安慰剂）	数字病理学	抑郁症	fMRI, EEG, 图神经网络	GNN	神经影像数据	265名患者（来自EMBARC研究）