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
1061	2025-03-27	Construction and validation of a risk stratification model based on Lung-RADS® v2022 and CT features for predicting the invasive pure ground-glass pulmonary nodules in China 2025-Mar-23, Insights into imaging IF:4.1Q1 DOI:10.1186/s13244-025-01937-3 PMID:40121609	研究论文	基于Lung-RADS® v2022和CT特征构建并验证了一种用于预测中国纯磨玻璃肺结节侵袭性的风险分层模型	结合Lung-RADS® v2022框架和GGN-血管关系类型（GVR），建立了补充性cLung-RADS® v2022模型，显著提高了对纯磨玻璃结节侵袭性的预测性能	研究样本量相对有限（526例患者，572个肺结节），且仅在中国人群中进行验证	开发并验证一种改进的风险分层模型，用于预测纯磨玻璃肺结节的侵袭性	纯磨玻璃肺结节（pGGNs）	数字病理学	肺癌	CT成像	cLung-RADS® v2022	医学影像	526名患者（共572个肺结节），分为训练集（169例）和验证集（403例）
1062	2025-03-27	Prolonged water body types dataset of urban agglomeration in central China from 1990 to 2021 2025-Mar-22, Scientific data IF:5.8Q1 DOI:10.1038/s41597-025-04794-3 PMID:40121204	research paper	该研究利用Landsat卫星数据和弱监督深度学习技术，生成了1990-2021年间长江中游城市群多种内陆水体的年度地图	采用弱监督深度学习技术进行长期水体类型制图，并提供了高精度、长时间跨度的水体分类系统	NA	为水资源管理和湿地保护提供数据支持	长江中游城市群的内陆水体	machine learning	NA	弱监督深度学习	NA	卫星图像	14000个验证点
1063	2025-03-27	Predicting response to neoadjuvant chemotherapy in muscle-invasive bladder cancer via interpretable multimodal deep learning 2025-Mar-22, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-025-01560-y PMID:40121304	研究论文	开发了一种可解释的基于图的多模态晚期融合深度学习框架（GMLF），用于预测肌肉浸润性膀胱癌（MIBC）对新辅助化疗的反应	结合组织病理学、细胞类型数据和基因表达谱，发现了新的组织病理学、细胞和分子决定因素，包括TP63、CCL5和DCN等关键基因特征	研究基于特定临床试验（SWOG S1314-COXEN）的数据，可能限制了结果的普遍性	提高肌肉浸润性膀胱癌患者对新辅助化疗反应的预测准确性，优化治疗策略	肌肉浸润性膀胱癌（MIBC）患者	数字病理学	膀胱癌	RNA测序	GMLF（基于图的多模态晚期融合深度学习框架）	图像、基因表达数据	来自SWOG S1314-COXEN临床试验的数据（具体样本数量未提及）
1064	2025-03-27	Multi-modal deep representation learning accurately identifies and interprets drug-target interactions 2025-Mar-20, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3553217 PMID:40111772	研究论文	本文提出了一种名为UnitedDTA的新型可解释深度学习框架，用于整合多模态生物分子数据以提高药物-靶标结合亲和力的预测性能	通过对比学习和跨注意力机制实现多模态数据的自动统一判别表示学习，显著提升了预测性能并增强了模型的可解释性	未明确提及具体的数据规模限制或计算资源需求	改进药物-靶标相互作用预测的性能和泛化能力	药物-靶标相互作用	机器学习	NA	对比学习, 跨注意力机制	深度学习框架(UnitedDTA)	序列数据, 图数据, 三维结构数据	多个基准数据集(未明确具体数量)
1065	2025-03-27	High sensitivity photoacoustic imaging by learning from noisy data 2025-Mar-19, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3552692 PMID:40106247	research paper	提出一种自监督深度学习方法，仅使用噪声数据提高光声图像的信噪比	无需昂贵的地面真实数据训练，可轻松应用于不同光声成像系统获取的数据	未提及方法在极端噪声条件下的表现或计算效率	提高光声成像的信噪比和成像深度	光声图像	生物医学成像	肿瘤	自监督深度学习	深度学习	图像	未明确提及具体样本数量，但包含体内实验结果
1066	2025-03-27	Characterizing multivariate regional hubs for schizophrenia classification, sex differences, and brain age estimation using explainable AI 2025-Mar-04, medRxiv : the preprint server for health sciences DOI:10.1101/2025.02.28.25323105 PMID:40093221	research paper	该研究利用结构MRI、人口统计学和可解释人工智能（AI）技术，探索精神分裂症分类、性别差异和脑年龄的多变量区域模式	结合深度学习模型与SHAP方法，识别与精神分裂症分类、性别差异及脑年龄预测相关的个性化多变量脑区模式	未提及样本量是否足够大以覆盖不同亚组人群，以及模型在其他独立数据集上的验证情况	研究精神分裂症分类、性别差异和脑年龄预测的神经生物学机制	精神分裂症患者和健康对照者的脑结构MRI数据	digital pathology	schizophrenia	structural MRI, explainable AI	SVC, KNN, DL, LR, RR, SVR	image, demographics	NA
1067	2025-03-27	AgeNet-SHAP: An explainable AI approach for optimally mapping multivariate regional brain age and clinical severity patterns in Alzheimer's disease 2025-Mar-04, medRxiv : the preprint server for health sciences DOI:10.1101/2025.02.28.25323097 PMID:40093264	研究论文	本文提出了一种名为AgeNet-SHAP的可解释AI方法，用于优化映射阿尔茨海默病中多变量区域脑年龄和临床严重程度模式	首次将深度学习模型AgeNet与SHAP特征重要性技术结合，用于识别脑年龄预测中的关键多变量脑区域	研究样本量相对有限（n=668），且仅基于MRI数据	开发一种可解释的AI方法，以更好地理解阿尔茨海默病的脑年龄模式和临床严重程度	轻度认知障碍（MCI）和阿尔茨海默病（AD）患者的脑部MRI数据	数字病理学	阿尔茨海默病	MRI	AgeNet（深度学习模型）与SHAP结合	图像（MRI）	668名参与者
1068	2025-03-27	Applying Conformal Prediction to a Deep Learning Model for Intracranial Hemorrhage Detection to Improve Trustworthiness 2025-Mar, Radiology. Artificial intelligence DOI:10.1148/ryai.240032 PMID:39601654	research paper	该研究应用共形预测方法于深度学习模型，以提高颅内出血检测的可信度	使用Mondrian共形预测（MCP）方法增强深度学习模型的不确定性感知能力，提高对挑战性病例的识别准确率	研究为回顾性研究，样本量相对较小（491例CT扫描）	提高深度学习模型在颅内出血检测中的可信度和准确性	非对比头部CT扫描图像	digital pathology	intracranial hemorrhage	deep learning	CNN	CT图像	491例非对比头部CT扫描（来自CQ500数据集）
1069	2025-03-27	An integrative nomogram based on MRI radiomics and clinical characteristics for prognosis prediction in cervical spinal cord Injury 2025-Mar, European spine journal : official publication of the European Spine Society, the European Spinal Deformity Society, and the European Section of the Cervical Spine Research Society IF:2.6Q1 DOI:10.1007/s00586-024-08609-8 PMID:39672993	研究论文	基于MRI影像组学和临床特征构建预测颈脊髓损伤患者预后的列线图模型	结合手动定义的影像组学特征和通过深度学习迁移学习方法提取的特征，构建了一个综合预测模型	样本量相对较小（168例患者），且仅使用了T1WI和T2WI两种MRI序列	预测颈脊髓损伤患者的预后	168名颈脊髓损伤患者	数字病理学	颈脊髓损伤	MRI影像组学分析，深度学习迁移学习	Lasso回归，深度学习模型	MRI图像（T1WI和T2WI），临床数据	168名颈脊髓损伤患者
1070	2025-03-27	Deep learning model for automated detection of fresh and old vertebral fractures on thoracolumbar CT 2025-Mar, European spine journal : official publication of the European Spine Society, the European Spinal Deformity Society, and the European Section of the Cervical Spine Research Society IF:2.6Q1 DOI:10.1007/s00586-024-08623-w PMID:39708132	研究论文	开发了一种深度学习系统，用于在胸腰椎CT上自动分割压缩性骨折椎体并区分新鲜和陈旧性骨折	使用3D V-Net进行图像分割，结合ResNet和DenseNet模型进行分类，能够自动且准确地识别和分类椎体骨折	样本量相对较小，外部验证和前瞻性验证的样本数量有限	开发一种自动化系统，辅助临床医生识别和分类胸腰椎压缩性骨折	胸腰椎骨折患者	计算机视觉	骨科疾病	CT成像	3D V-Net, ResNet, DenseNet	医学影像	训练数据集238个椎体，内部验证59个，外部验证34个，前瞻性验证48个
1071	2025-01-30	Correction: Deep learning model for automated detection of fresh and old vertebral fractures on thoracolumbar CT 2025-Mar, European spine journal : official publication of the European Spine Society, the European Spinal Deformity Society, and the European Section of the Cervical Spine Research Society IF:2.6Q1 DOI:10.1007/s00586-024-08636-5 PMID:39875623	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1072	2025-03-27	Comparative Analysis of MaxEnt and Deep Learning Approaches for Modeling Humpback Whale Distribution in North Iceland 2025-Mar, Ecology and evolution IF:2.3Q2 DOI:10.1002/ece3.71099 PMID:40109551	research paper	本研究比较了MaxEnt和深度学习方法在冰岛北部座头鲸分布建模中的应用	首次比较了传统MaxEnt与深度学习方法在座头鲸分布建模中的表现，并展示了深度学习在预测未来分布中的优势	输入数据分辨率低、存在空间偏差、无法完全捕捉自然过程的复杂性	比较不同建模方法在海洋哺乳动物分布预测中的效果	冰岛北部Skjálfandi湾的座头鲸	machine learning	NA	卫星遥感数据采集	MaxEnt, 深度学习	物种出现数据、环境数据	2018年至2021年的月度观测数据
1073	2025-03-27	Ensemble approach to deep learning seabed classification using multichannel ship noisea) 2025-Mar-01, The Journal of the Acoustical Society of America IF:2.1Q1 DOI:10.1121/10.0036221 PMID:40135961	研究论文	本研究利用合成数据训练神经网络，通过多通道水听器声谱图预测海底类型，并应用于实际测量数据	采用集成建模和多通道数据处理技术提高预测性能，并量化多通道数据对神经网络训练的影响	实验中水声速仅轻微向上折射，预期在更复杂声速剖面下多通道的优势会更明显	开发一种基于深度学习的海底分类方法	海底类型	机器学习	NA	多通道水听器声谱图分析	ResNet-18	声谱图	SBCEX 2017实验测量数据
1074	2025-03-26	Deep-Learning-Assisted Understanding of the Self-Assembly of Miktoarm Star Block Copolymers 2025-Mar-25, ACS nano IF:15.8Q1 DOI:10.1021/acsnano.5c00811 PMID:40074545	research paper	该研究应用深度学习技术解析了AB型星形嵌段共聚物PEO-PS在蒸发诱导自组装系统中的相行为	首次将深度学习技术应用于复杂拓扑结构嵌段共聚物的自组装行为研究，成功预测了三维合成场图并揭示了参数与结构之间的关联	研究仅针对特定类型的星形嵌段共聚物(PEO-PS)，结论可能不适用于其他拓扑结构的共聚物	探索复杂拓扑结构嵌段共聚物的自组装行为规律	AB型星形嵌段共聚物PEO-PS	soft matter science	NA	deep learning	neural network	experimental data	包含两种聚合物特性和三种合成条件参数的数据集
1075	2025-03-26	From 1-D to 3-D: LIBS Pseudohyperspectral Data Cube Deep Learning Mechanism Used in Nuclear Metal Materials Classification 2025-Mar-25, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.4c05707 PMID:40085530	研究论文	提出一种名为LIBS伪高光谱数据立方体的新光谱数据机制，将1-D LIBS光谱转化为3-D数据立方体，以提高核金属材料分类的准确性	引入两个额外维度捕捉光谱变化信息，使LIBS系统在处理不稳定光谱时更加稳健，并充分利用深度学习算法	未明确提及具体局限性	提高核电站中不稳定光谱的分类准确性	核金属材料	机器学习	NA	LIBS（激光诱导击穿光谱）	深度学习算法（含注意力机制）	光谱数据	NA
1076	2025-03-26	Leveraging Deep Learning for Urban Health Insights: Transforming Street-Level Imagery into Cardiovascular Risk Indicators 2025-Mar-25, European journal of preventive cardiology IF:8.4Q1 DOI:10.1093/eurjpc/zwaf148 PMID:40130376	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1077	2025-03-26	Quantification and classification of lumbar disc herniation on axial magnetic resonance images using deep learning models 2025-Mar-24, La Radiologia medica DOI:10.1007/s11547-025-01996-y PMID:40126796	研究论文	使用深度学习模型对腰椎间盘突出症（LDH）在轴向T2加权MRI图像上进行快速准确的自动量化和分类	应用YOLOv8系列模型（包括目标检测、分割和关键点检测）进行LDH的自动识别和分类，实现了高精度的量化与分类	研究仅基于回顾性数据，未涉及前瞻性验证	开发一个自动化辅助诊断模型，用于腰椎间盘突出症的检测和分类	腰椎间盘突出症（LDH）患者	数字病理	腰椎间盘突出症	深度学习	YOLOv8（包括目标检测、分割和关键点检测模型）	MRI图像	2500名患者（训练集2120名患者，25554张图像；内部测试集80名患者，784张图像；外部测试集300名患者，3285张图像）
1078	2025-03-26	DASNet: A Convolutional Neural Network with SE Attention Mechanism for ccRCC Tumor Grading 2025-Mar-24, Interdisciplinary sciences, computational life sciences DOI:10.1007/s12539-025-00693-8 PMID:40126867	research paper	该研究提出了一种名为DASNet的卷积神经网络，结合SE注意力机制，用于通过CT图像对透明细胞肾细胞癌（ccRCC）进行分级	引入了Domain Adaptive Squeeze-and-Excitation Network (DASNet)，结合SE注意力机制和域对抗神经网络（DANNs）来提高分类准确性和模型的泛化能力	未提及具体的数据集规模或潜在的过拟合问题	开发一种非侵入性且高效的ccRCC分级方法，以促进早期检测和治疗干预	透明细胞肾细胞癌（ccRCC）的CT图像	digital pathology	renal cell carcinoma	Computed Tomography (CT), deep learning, machine learning	CNN, EfficientNet, RegNet, DANN	image	NA
1079	2025-03-26	Ensemble Denoising Autoencoders Based on Broad Learning System for Time-Series Anomaly Detection 2025-Mar-24, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2025.3548941 PMID:40126953	研究论文	提出了一种基于广泛学习系统的集成去噪自编码器方法，用于时间序列异常检测	创新性地利用广泛学习系统(BLS)构建了DBLS-AE和PddBLS-AE模型，通过序列-图像策略和人工异常数据对增强异常知识认知，并采用渐进多样性策略提升模型鲁棒性	未明确提及具体的数据集规模限制或实际应用场景的局限性	解决无监督时间序列异常检测中异常模式识别不足和实时性要求高的挑战	时间序列数据中的异常模式	机器学习	NA	广泛学习系统(BLS)，去噪自编码器	DBLS-AE, PddBLS-AE	时间序列数据	NA
1080	2025-03-26	Effectiveness Evaluation for Clinical Depression Detection Using Deep Learning Based Synthetic House-Tree-Person Test 2025-Mar-24, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3553502 PMID:40126963	研究论文	本文介绍了一种基于深度学习的合成屋树人测试（S-HTP）的抑郁症检测方法DeHTP，旨在减少诊断过程中的主观影响	提出了一种无需人际互动的灵活便捷的抑郁症检测方法DeHTP，其性能优于传统的人工S-HTP分析，并揭示了22个与抑郁症相关的绘图特征	方法的有效性可能受到分析师专业能力的限制	开发一种基于深度学习的抑郁症检测方法，以减少诊断过程中的主观影响	抑郁症患者	数字病理学	抑郁症	深度学习	DeHTP	图像	基于先前研究中与抑郁症相关的50个结论的指南