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
1161	2025-03-09	Development and validation of automated three-dimensional convolutional neural network model for acute appendicitis diagnosis 2025-Mar-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-84348-6 PMID:40044743	研究论文	本研究开发了一种全自动诊断框架，使用3D卷积神经网络（CNN）从腹痛患者的增强腹部盆腔计算机断层扫描图像中识别阑尾炎和临床信息	开发了一种名为IA的深度学习模型，自动提取与阑尾解剖位置对应的感兴趣区域（VOI），并采用两阶段二元算法进行预测	模型的准确率、敏感性和特异性仍有提升空间，且样本量和多样性可能影响模型的泛化能力	开发并验证一种自动化3D卷积神经网络模型，用于急性阑尾炎的快速准确诊断	腹痛患者的增强腹部盆腔计算机断层扫描图像	计算机视觉	阑尾炎	3D卷积神经网络（CNN）	ResNet, DenseNet, EfficientNet	图像	NA
1162	2025-03-09	Deep learning for hepatocellular carcinoma recurrence before and after liver transplantation: a multicenter cohort study 2025-Mar-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-91728-z PMID:40044774	研究论文	本研究开发了一种用于肝细胞癌（HCC）患者在肝移植（LT）前后复发的预测系统	使用深度学习方法（DeepSurv）开发了术前和术后模型，显著提高了肿瘤复发的预测准确性，并超越了米兰标准	研究为回顾性设计，可能存在选择偏差，且样本量相对较小	开发并验证一种用于HCC患者在LT前后复发的预测系统	接受肝移植的HCC患者	机器学习	肝细胞癌	支持向量机、随机森林、逻辑回归、DeepSurv	LR、stacking、DeepSurv	临床病理数据	466名患者
1163	2025-03-09	Rethinking model prototyping through the MedMNIST+ dataset collection 2025-Mar-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-92156-9 PMID:40044786	研究论文	本文介绍了MedMNIST+数据集集合，旨在通过多样化的评估环境重新评估常用的卷积神经网络（CNN）和视觉Transformer（ViT）架构，以验证和优化现有模型的有效性和开发假设	提出了一个全面的MedMNIST+数据集集合基准，通过多样化的评估环境重新评估常用模型，发现计算效率高的训练方案和现代基础模型是可行的替代方案，且高分辨率图像并不总是提高性能	研究主要基于MedMNIST+数据集集合，可能无法完全代表所有医疗数据集的情况	通过多样化的评估环境重新评估常用模型，以验证和优化现有模型的有效性和开发假设	卷积神经网络（CNN）和视觉Transformer（ViT）架构	计算机视觉	NA	NA	CNN, ViT	图像	多个医疗数据集
1164	2025-03-09	Attention dual transformer with adaptive temporal convolutional for diabetic retinopathy detection 2025-Mar-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-92510-x PMID:40044820	研究论文	本文提出了一种注意力双变压器与自适应时间卷积（ADT-ATC）模型，用于从视网膜眼底图像中增强糖尿病视网膜病变（DR）的检测	该模型通过双空间变压器网络处理多尺度空间特征，并通过自适应时间卷积单元捕捉时间依赖性，同时引入分层交叉注意力模块融合空间和时间特征	未提及具体局限性	提高糖尿病视网膜病变的检测精度	视网膜眼底图像	计算机视觉	糖尿病视网膜病变	深度学习	ADT-ATC（注意力双变压器与自适应时间卷积模型）	图像	使用DRIVE和糖尿病视网膜病变数据集进行实验
1165	2025-03-09	A visual SLAM loop closure detection method based on lightweight siamese capsule network 2025-Mar-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-90511-4 PMID:40038350	研究论文	本文提出了一种基于轻量级Siamese胶囊网络的视觉SLAM闭环检测方法，旨在解决传统方法在光照和视角变化下的敏感性问题	设计了一种新的胶囊网络特征提取器，并通过剪枝进一步减少参数数量，提高了算法的准确性和鲁棒性	未提及具体的数据集规模限制或计算资源需求	改进视觉SLAM系统中的闭环检测模块，减少机器人运动中的累积误差	视觉SLAM系统	计算机视觉	NA	深度学习	Siamese胶囊神经网络	图像	CityCentre数据集、New College数据集、KITTI数据集
1166	2025-03-09	Modifying the severity and appearance of psoriasis using deep learning to simulate anticipated improvements during treatment 2025-Mar-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-91238-y PMID:40032873	研究论文	本文利用深度学习技术生成模拟银屑病斑块严重程度和外观变化的合成图像，以预测治疗效果	通过识别两个潜在w空间向量，分别调整银屑病的严重程度和斑块大小，展示了减轻训练数据偏见的潜力	需要更多适当的训练数据来验证和优化模型在临床环境中的应用	开发一种方法，使患者能够观察不同治疗和时间段后皮肤状况的预测外观，从而做出数据驱动的治疗决策	银屑病患者的皮肤图像	计算机视觉	银屑病	深度学习	神经网络	图像	375张临床环境下的银屑病患者照片
1167	2025-03-09	An intelligent framework for skin cancer detection and classification using fusion of Squeeze-Excitation-DenseNet with Metaheuristic-driven ensemble deep learning models 2025-Mar-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-92293-1 PMID:40033075	研究论文	本文提出了一种基于深度学习和元启发式算法的皮肤癌检测与分类智能框架	结合了SE-DenseNet特征提取、集成深度学习模型和灰狼优化算法，提高了皮肤癌分类的准确性	未提及模型在临床环境中的实际应用效果和泛化能力	开发一种自动化的皮肤癌检测与分类模型，以辅助医生进行早期诊断	皮肤癌的医学影像	计算机视觉	皮肤癌	深度学习	SE-DenseNet, LSTM, ELM, SSDA, GWO	图像	HAM10000和ISIC数据集
1168	2025-03-09	Precise Sizing and Collision Detection of Functional Nanoparticles by Deep Learning Empowered Plasmonic Microscopy 2025-Mar, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202407432 PMID:39792780	研究论文	本文介绍了一种利用深度学习增强的等离子体显微镜技术（Deep-SM），用于精确测量功能性化学和生物纳米颗粒的尺寸及碰撞检测	通过利用等离子体显微镜图像序列中独特的信号和噪声特征的时空相关性，Deep-SM能够增强信号检测并抑制噪声，从而实现对小至10纳米的生物纳米颗粒的动态成像和金属纳米颗粒电化学及量子耦合的碰撞检测	NA	开发一种高灵敏度且简单的方法，用于纳米颗粒分析，以应用于生物学、材料和能源等多个科学领域	功能性化学和生物纳米颗粒	计算机视觉	NA	等离子体显微镜	深度学习	图像序列	NA
1169	2025-03-09	MMFuncPhos: A Multi-Modal Learning Framework for Identifying Functional Phosphorylation Sites and Their Regulatory Types 2025-Mar, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202410981 PMID:39804866	研究论文	本文介绍了一个基于多模态深度学习框架的深度学习模型MMFuncPhos，用于预测功能性磷酸化位点，并开发了EFuncType来预测磷酸化是否上调或下调酶活性	首次开发了基于迁移学习的EFuncType模型，用于预测磷酸化是否上调或下调酶活性	NA	预测功能性磷酸化位点及其调控类型，以理解磷酸化的功能调控机制	蛋白质磷酸化位点	机器学习	NA	深度学习	多模态深度学习框架	蛋白质序列数据	NA
1170	2025-03-09	De novo designed proteins neutralize lethal snake venom toxins 2025-Mar, Nature IF:50.5Q1 DOI:10.1038/s41586-024-08393-x PMID:39814879	研究论文	本文利用深度学习方法从头设计蛋白质，以中和致命的蛇毒毒素	使用深度学习方法从头设计蛋白质，成功中和了蛇毒中的三种三指毒素亚家族，并在体外和小鼠实验中表现出显著的稳定性和结合亲和力	实验筛选的范围有限，可能未覆盖所有毒素类型	开发新一代抗蛇毒疗法，以应对蛇咬伤这一被忽视的热带疾病	蛇毒中的三指毒素（3FTx）家族，包括短链和长链α-神经毒素及细胞毒素	机器学习	蛇咬伤	深度学习	NA	蛋白质序列	小鼠实验
1171	2025-03-09	Enhancement of phonocardiogram segmentation using convolutional neural networks with Fourier transform module 2025-Mar, Biomedical engineering letters IF:3.2Q2 DOI:10.1007/s13534-025-00458-8 PMID:40026887	研究论文	本研究提出了一种基于卷积傅里叶变换模块的深度学习分割方法，用于增强心音图（PCG）信号中第一和第二心音（S1和S2）的自动识别	引入了卷积傅里叶变换（CF）模块，能够区分心音和背景噪声，提高了心音分割的准确性和鲁棒性	未提及具体局限性	提高心音图信号中S1和S2心音的自动识别准确性，以支持心脏瓣膜疾病的检测	心音图（PCG）信号	数字病理学	心血管疾病	卷积傅里叶变换（CF）模块	CNN	信号数据	内部数据集、PhysioNet 2016数据集、PhysioNet 2022数据集和Asan Medical Center（AMC）数据集
1172	2025-03-09	Syn-Net: A Synchronous Frequency-Perception Fusion Network for Breast Tumor Segmentation in Ultrasound Images 2025-Mar, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3514134 PMID:40030423	研究论文	本文提出了一种同步频率感知融合网络（Syn-Net），用于在复杂超声图像中精确分割乳腺肿瘤	设计了同步双分支编码器以同时提取局部和全局特征信息，并引入了频率感知交叉特征融合块（FrCFusion Block）来学习全频特征并有效融合局部和全局特征，同时开发了全尺度深度监督方法以减少斑点噪声的影响	未提及具体局限性	实现复杂超声图像中乳腺肿瘤的精确分割	乳腺肿瘤	计算机视觉	乳腺癌	离散余弦变换（DCT）	同步频率感知融合网络（Syn-Net）	超声图像	三个公开的超声乳腺肿瘤数据集
1173	2025-03-09	LymoNet: An Advanced Neck Lymph Node Detection Network for Ultrasound Images 2025-Mar, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3515995 PMID:40030474	研究论文	本文提出了一种基于YOLOv8的颈部淋巴结检测网络LymoNet，用于从超声图像中检测和分类正常、炎症和转移性颈部淋巴结	LymoNet引入了先进的注意力机制模块（如Coordinate Attention和Multi-Head Self-Attention）以及医学知识嵌入，显著提升了模型的检测和分类性能	尽管LymoNet在mAP@.5上超越了基准模型YOLOv8 6.6%，但其在临床环境中的实际应用效果仍需进一步验证	提高颈部淋巴结检测的自动化水平，以辅助癌症转移的早期检测和治疗	颈部淋巴结的超声图像	计算机视觉	癌症	深度学习	YOLOv8	图像	未明确提及具体样本数量
1174	2025-03-09	Automatic Brain Segmentation for PET/MR Dual-Modal Images Through a Cross-Fusion Mechanism 2025-Mar, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3516012 PMID:40030515	研究论文	本文提出了一种新颖的3D全脑分割网络，通过交叉融合机制处理PET/MR双模态图像，以实现45个脑区的精确分割	引入了交叉融合机制，同时处理PET和MR图像，采用UX-Net和交叉融合块进行特征提取和融合	未来工作将把该方法应用于临床实践，以辅助医生准确诊断和治疗脑部疾病	实现脑部不同区域和组织的精确分割，以辅助神经疾病的检测和诊断	PET/MR双模态图像	计算机视觉	神经疾病	深度学习	UX-Net, 3DUXNET, SwinUNETR, UNETR, nnFormer, UNet3D, NestedUNet, ResUNet, VNet	图像	未提及具体样本数量
1175	2025-03-09	RTGN: Robust Traditional Chinese Medicine Graph Networks for Patient Similarity Learning 2025-Mar, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3510884 PMID:40030577	研究论文	本文提出了一种新的深度学习框架RTGN，用于在中医背景下进行患者相似性学习	开发了结合自注意力和自监督策略的Siamese网络架构，增强了患者检索的鲁棒性，并设计了一种结合中医和西医方法的患者相似性度量	中医依赖医生的生理感官判断可能导致患者评估的非标准化描述和干扰	解决中医背景下患者相似性度量的设计问题，支持精准中医患者检索和下游任务	中医胃肠道恶性肿瘤患者	机器学习	胃肠道恶性肿瘤	深度学习	Siamese网络	图结构数据	719名患者，包含406种多维信息
1176	2025-03-09	Human Activity Recognition Using Deep Residual Convolutional Network Based on Wearable Sensors 2025-Mar, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3510860 PMID:40030576	研究论文	本文提出了一种基于深度学习模型DKInception的人类活动识别方法，利用穿戴式传感器数据进行活动识别	DKInception模型结合了深度卷积残差网络和注意力机制，利用多尺度卷积核有效提取时间特征，扩展了Inception ResNet架构的能力，具有快速收敛和鲁棒扩展性	NA	提高人类活动识别的准确性，以监测日常活动和健康行为，帮助管理慢性病和促进健康生活方式	穿戴式传感器数据	机器学习	NA	深度学习	DKInception（基于Inception ResNet架构）	传感器数据	四个基准HAR数据集：UCI-HAR、Opportunity、Daphnet和PAMAP2
1177	2025-03-09	EViT: An Eagle Vision Transformer With Bi-Fovea Self-Attention 2025-Mar, IEEE transactions on cybernetics IF:9.4Q1 DOI:10.1109/TCYB.2025.3532282 PMID:40031751	研究论文	本文提出了一种结合鹰眼视觉特性的视觉Transformer模型EViT，通过引入双焦点自注意力机制和双焦点前馈网络，模仿生物视觉皮层的层次和平行信息处理方式，以提高计算机视觉任务的性能	结合鹰眼的生理和视觉特性，提出双焦点视觉交互结构、双焦点自注意力机制和双焦点前馈网络，模仿生物视觉皮层的处理方式，显著提升了模型的计算效率和可扩展性	未提及具体的数据集或任务限制，可能在实际应用中存在泛化性问题	解决视觉Transformer在计算复杂性和缺乏理想归纳偏差方面的挑战，提升计算机视觉任务的性能	视觉Transformer模型及其在计算机视觉任务中的应用	计算机视觉	NA	双焦点自注意力机制（BFSA）、双焦点前馈网络（BFFN）	Transformer	图像	未提及具体样本数量
1178	2025-03-09	TrGPCR: GPCR-Ligand Binding Affinity Prediction Based on Dynamic Deep Transfer Learning 2025-Mar, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3307928 PMID:37610904	研究论文	本文提出了一种基于动态深度迁移学习的GPCR-配体结合亲和力预测方法TrGPCR	使用动态迁移学习解决GPCR数据不足的问题，并引入蛋白质二级结构（口袋）作为特征来预测结合亲和力	已知GPCR数量有限，可能影响模型的泛化能力	预测G蛋白偶联受体（GPCR）与配体的结合亲和力，以辅助药物开发	GPCR与配体的结合亲和力	机器学习	NA	动态深度迁移学习	TrGPCR	蛋白质序列和二级结构数据	数千个已知GPCR数据
1179	2025-03-09	Multi-Omics Deep-Learning Prediction of Homologous Recombination Deficiency-Like Phenotype Improved Risk Stratification and Guided Therapeutic Decisions in Gynecological Cancers 2025-Mar, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3308440 PMID:37616142	研究论文	本文提出了一种名为MODeepHRD的多组学深度学习框架，用于预测妇科癌症中的同源重组缺陷（HRD）表型，以改善风险分层并指导治疗决策	MODeepHRD利用卷积注意力自编码器有效整合了组学特异性和跨组学互补知识学习，显著提高了HRD表型预测的准确性	虽然MODeepHRD在多个数据集中表现良好，但其在更广泛临床环境中的适用性仍需进一步验证	研究旨在通过深度学习技术准确预测妇科癌症患者的HRD表型，以指导临床治疗决策	卵巢癌、乳腺癌和子宫内膜癌患者	机器学习	妇科癌症	转录组学、DNA甲基化和突变数据分析	卷积注意力自编码器	多组学数据	351名卵巢癌患者用于训练，2133个卵巢癌样本用于验证
1180	2025-03-09	HiSIF-DTA: A Hierarchical Semantic Information Fusion Framework for Drug-Target Affinity Prediction 2025-Mar, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3334239 PMID:37983161	研究论文	本文提出了一种名为HiSIF-DTA的分层语义信息融合框架，用于药物-靶点亲和力预测	该框架不仅包含低阶结构语义的接触图，还包括高阶功能语义的蛋白质-蛋白质相互作用网络，设计了两种分层融合策略（自上而下和自下而上）来整合不同的蛋白质语义	NA	提高药物-靶点亲和力预测的准确性	药物-靶点亲和力	机器学习	NA	深度学习	分层语义信息融合框架	蛋白质序列和结构数据	NA