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
1421	2025-02-20	A multimodal deep learning model for cervical pre-cancers and cancers prediction: Development and internal validation study 2025-Mar, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109710 PMID:39847948	研究论文	本文开发并内部验证了一种结合临床数据和阴道镜图像的多模态深度学习模型，用于预测宫颈癌前病变和癌症	提出了一种结合临床数据和阴道镜图像的多模态深度学习模型，用于预测宫颈癌前病变和癌症，并展示了其在减少不必要锥切手术方面的潜力	需要外部验证研究以评估模型的普适性	开发一种深度学习模型，用于预测宫颈癌前病变和癌症，并评估其临床影响	6356例LEEP锥切/锥切活检病例（金标准诊断）	数字病理	宫颈癌	深度学习	多模态深度学习模型	临床数据和阴道镜图像	6356例LEEP锥切/锥切活检病例
1422	2025-02-20	Monkeypox diagnosis based on probabilistic K-nearest neighbors (PKNN) algorithm 2025-Mar, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109676 PMID:39855034	研究论文	本文提出了一种基于人工智能的猴痘诊断新方法，称为有效猴痘诊断策略（EMDS），通过预处理阶段和诊断阶段实现	本文的创新点在于：1）引入了一种基于四分位距（IQR）的新方法从输入图像数据集中拒绝异常值；2）提出了一种新的K-近邻分类器实例，称为概率K-近邻（PKNN）算法，结合了传统KNN的距离证据和朴素贝叶斯算法的概率定理	NA	开发一种基于人工智能的猴痘诊断方法，提高诊断准确性和效率	猴痘皮肤图像和病变数据集（MSID和MSLD）	计算机视觉	猴痘	深度学习	GoogleNet, PKNN	图像	两个公开的猴痘数据集（MSID和MSLD）
1423	2025-02-20	Enhanced brain tumor detection and segmentation using densely connected convolutional networks with stacking ensemble learning 2025-Mar, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109703 PMID:39862469	研究论文	本研究旨在通过实施先进的堆叠集成学习（SEL）方法，提高脑肿瘤（BT）检测和分割的准确性和分类效果	提出了一种名为SEL-DenseNet201的堆叠DenseNet201作为元模型，结合了六种不同的基础模型，以增强脑肿瘤MRI图像的分割性能	研究中未提及样本的具体数量，且未讨论模型在实际临床环境中的适用性和泛化能力	提高脑肿瘤检测和分割的准确性，以支持早期诊断和治疗规划	脑肿瘤的MRI图像	计算机视觉	脑肿瘤	MRI图像分析	DenseNet201, MobileNet-v3, 3D-CNN, VGG-16, VGG-19, ResNet50, AlexNet	图像	NA
1424	2025-02-20	NetSDR: Drug repurposing for cancers based on subtype-specific network modularization and perturbation analysis 2025-Mar, Biochimica et biophysica acta. Molecular basis of disease DOI:10.1016/j.bbadis.2025.167688 PMID:39862994	研究论文	本文提出了NetSDR，一种基于网络的亚型特异性药物重定位框架，用于优先考虑特定癌症亚型的重定位药物	NetSDR框架通过整合癌症亚型信息和网络扰动分析，结合深度学习构建加权药物响应网络，提出了一种新的药物重定位方法	NA	开发一种基于网络的亚型特异性药物重定位框架，以优先考虑特定癌症亚型的重定位药物	癌症亚型	系统生物学	癌症	网络医学方法、深度学习	深度学习	蛋白质组学数据	NA
1425	2025-02-20	A robust and generalized framework in diabetes classification across heterogeneous environments 2025-Mar, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109720 PMID:39864329	研究论文	本研究提出了一种鲁棒的机器学习框架，用于在不同人群中预测糖尿病，使用PIMA和BD两个不同的数据集进行验证	提出了一个跨异构环境的糖尿病分类框架，通过数据集内、数据集间和部分融合数据集验证技术，全面评估模型的泛化能力和性能	模型在跨数据集验证时性能下降，尤其是在BD数据集上训练并在PIMA数据集上测试时，准确率仅为74%	开发一个鲁棒的机器学习框架，以提高糖尿病预测在不同人群中的泛化能力和准确性	女性人群中的糖尿病预测	机器学习	糖尿病	机器学习	XGBoost, Random Forest, Gradient Boosting, 深度学习模型	结构化数据	PIMA和BD两个数据集
1426	2025-02-20	Enhancing cardiovascular disease classification in ECG spectrograms by using multi-branch CNN 2025-Mar, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109737 PMID:39864336	研究论文	本文提出并比较了一维（1D）、二维（2D）卷积神经网络（CNN）和多分支卷积神经网络（MB-CNN）在从一维（1D）心电图（ECG）记录的频谱图中分类各种心血管疾病（CVD）的性能	提出了一种多分支卷积神经网络（MB-CNN），能够捕捉不同层次的抽象特征，从而提高了心血管疾病的分类精度	NA	提高从心电图频谱图中分类心血管疾病的准确性	心血管疾病（包括扩张型心肌病、肥厚型心肌病、心肌梗死和冠状动脉疾病）	计算机视觉	心血管疾病	连续小波变换（CWT）	1D CNN, 2D CNN, MB-CNN	图像（ECG频谱图）	MIT-BIH数据库中的5类ECG记录
1427	2025-02-20	OCDet: A comprehensive ovarian cell detection model with channel attention on immunohistochemical and morphological pathology images 2025-Mar, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109713 PMID:39864335	研究论文	本文提出了一种名为OCDet的卵巢细胞检测模型，该模型结合了通道注意力机制，能够在免疫组化和形态学病理图像上全面检测多种卵巢癌细胞	OCDet模型首次结合了通道注意力机制，能够高效提取病理特征，并在多种卵巢癌细胞的检测上表现出色	虽然OCDet在卵巢癌细胞检测上表现出色，但其在其他癌症类型上的应用潜力尚未完全验证	开发一种高效的深度学习框架，用于卵巢癌病理诊断中的多种细胞检测	卵巢癌相关的多种细胞，包括CD3、CD8、CD20阳性淋巴细胞、中性粒细胞和多倍体巨癌细胞	数字病理	卵巢癌	深度学习	CSPDarkNet结合Efficient Channel Attention模块	图像	未明确提及具体样本数量
1428	2025-02-20	A deep architecture based on attention mechanisms for effective end-to-end detection of early and mature malaria parasites in a realistic scenario 2025-Mar, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109704 PMID:39869986	研究论文	本文提出了一种基于深度学习和注意力机制的计算机辅助检测框架，用于有效检测和分类疟疾寄生虫的所有感染阶段，并支持多物种识别	该研究扩展了YOLO-SPAM和YOLO-PAM模型，结合注意力机制，提高了疟疾寄生虫检测的准确性和诊断实用性	NA	开发一种自动化疟疾检测解决方案，以支持病理学家并增强现实世界中的诊断实践	疟疾寄生虫	计算机视觉	疟疾	深度学习	YOLO-SPAM, YOLO-PAM	图像	三个公开可用的数据集
1429	2025-02-20	Detecting IDH and TERTp mutations in diffuse gliomas using 1H-MRS with attention deep-shallow networks 2025-Mar, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109736 PMID:39874812	研究论文	本研究开发了深度学习分类器，利用质子磁共振波谱（1H-MRS）和一维卷积神经网络（1D-CNN）架构来识别胶质瘤中的IDH和TERTp突变	使用注意力机制的深浅网络（ADSN）进行突变检测，并利用Grad-CAM技术解释模型的决策过程	样本量相对较小，仅包括225名患者	开发非侵入性方法，用于术前检测胶质瘤中的IDH和TERTp突变，以帮助预后和治疗计划	225名成人半球弥漫性胶质瘤患者的1H-MRS数据	数字病理学	胶质瘤	1H-MRS, 深度学习	1D-CNN, 注意力深浅网络（ADSN）	光谱数据	225名患者（117名IDH突变，108名IDH野生型；99名TERTp突变，100名TERTp野生型）
1430	2025-02-20	Multilabel segmentation and analysis of skeletal muscle and adipose tissue in routine abdominal CT scans 2025-Mar, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109622 PMID:39778239	研究论文	本文提出了一种基于深度学习的多标签分割网络，用于在第三腰椎CT切片中提取三种脂肪组织和五种不同肌肉组织，并改进了肌间脂肪的分割	提出了一种改进的Unet结构，用于多标签分割，并展示了在肌间脂肪分割上的改进效果	数据集仅包含130名患者，样本量相对较小	提高腹部CT扫描中骨骼肌和脂肪组织的多标签分割精度	第三腰椎CT切片中的肌肉和脂肪组织	计算机视觉	NA	深度学习	Unet	CT图像	130名患者
1431	2025-02-20	Post-Training Network Compression for 3D Medical Image Segmentation: Reducing Computational Efforts via Tucker Decomposition 2025-Mar, Radiology. Artificial intelligence DOI:10.1148/ryai.240353 PMID:39812583	研究论文	本文研究了通过Tucker分解减少基于3D CT的多器官分割模型TotalSegmentator的计算负担	提出了一种基于Tucker分解的网络压缩方法，显著减少了模型参数和浮点运算，同时保持了分割精度	不同GPU架构上的实际加速效果存在差异，尤其是在性能较低的硬件上	减少医学图像分割模型的计算需求	TotalSegmentator模型	计算机视觉	NA	Tucker分解	nnU-Net	3D CT图像	1228个分割CT扫描（训练集）和89个CT扫描（测试集）
1432	2025-02-20	Hybrid deep learning for computational precision in cardiac MRI segmentation: Integrating Autoencoders, CNNs, and RNNs for enhanced structural analysis 2025-Mar, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109597 PMID:39967188	研究论文	本研究探讨了混合深度学习方法在心脏MRI分割中的应用，结合了自编码器、卷积神经网络和循环神经网络，以提高图像分析的精确度和准确性	结合自编码器、卷积神经网络和循环神经网络的混合深度学习框架，显著提高了心脏MRI分割的准确性和图像质量	研究主要依赖于过去五年内的学术数据库和出版物，可能未涵盖最新的技术进展	提高心脏MRI分割的精确度和准确性，以支持早期诊断和患者护理	心脏MRI图像	计算机视觉	心血管疾病	深度学习	自编码器、CNN、RNN	图像	NA
1433	2025-02-19	Deep learning and digital pathology powers prediction of HCC development in steatotic liver disease 2025-Mar-01, Hepatology (Baltimore, Md.) DOI:10.1097/HEP.0000000000000904 PMID:38768142	研究论文	本文提出了一种深度学习模型，用于预测脂肪性肝病患者发展为肝细胞癌（HCC）的风险	使用深度学习模型从H&E染色的全切片图像中预测HCC发展，能够捕捉到纤维化阶段之外的细微病理特征	样本量相对较小，尤其是HCC类患者仅有46例	预测脂肪性肝病患者发展为HCC的风险	脂肪性肝病患者	数字病理学	肝细胞癌	深度学习	深度卷积神经网络（CNN）	图像	639名未发展为HCC的患者和46名发展为HCC的患者
1434	2025-02-19	ABTrans: A Transformer-based Model for Predicting Interaction between Anti-Aβ Antibodies and Peptides 2025-Mar, Interdisciplinary sciences, computational life sciences DOI:10.1007/s12539-024-00664-5 PMID:39466358	研究论文	本文介绍了一种基于Transformer的深度学习模型ABTrans，用于预测抗Aβ抗体与多肽之间的相互作用	创新点在于使用Transformer模型预测抗Aβ抗体与多肽的结合能力，并系统筛选了抗Aβ抗体与人类蛋白质的潜在脱靶候选物	未提及具体局限性	研究目的是开发一种预测抗Aβ抗体与多肽相互作用的方法，以帮助开发更有效的阿尔茨海默病治疗方法	研究对象是抗Aβ抗体与多肽的相互作用	自然语言处理	阿尔茨海默病	深度学习	Transformer	序列数据	NA
1435	2025-02-19	EfficientNet-resDDSC: A Hybrid Deep Learning Model Integrating Residual Blocks and Dilated Convolutions for Inferring Gene Causality in Single-Cell Data 2025-Mar, Interdisciplinary sciences, computational life sciences DOI:10.1007/s12539-024-00667-2 PMID:39578307	研究论文	本文提出了一种名为EfficientNet-resDDSC的混合深度学习模型，用于推断单细胞数据中的基因因果关系	该模型结合了EfficientNet-B0的基本结构、残差块和扩张卷积，增强了模型在初级阶段的低层次特征提取能力，并通过深度可分离卷积和扩张卷积在不增加计算量的情况下扩大了模型的感受野	NA	构建基因调控网络（GRNs）以揭示基因之间的因果关系，特别是在乳腺癌研究中	单细胞RNA测序（scRNA-seq）数据	机器学习	乳腺癌	单细胞RNA测序（scRNA-seq）	EfficientNet-resDDSC（结合残差块和扩张卷积的深度学习模型）	单细胞RNA测序数据	四个数据集
1436	2025-02-19	Deep Learning Based Detection of Large Vessel Occlusions in Acute Ischemic Stroke Using High-Resolution Photon Counting Computed Tomography and Conventional Multidetector Computed Tomography 2025-Mar, Clinical neuroradiology IF:2.4Q2 DOI:10.1007/s00062-024-01471-7 PMID:39585389	研究论文	本研究探讨了使用深度学习技术检测急性缺血性卒中中的大血管闭塞，并比较了光子计数计算机断层扫描（PCCT）与传统多探测器计算机断层扫描（MDCT）在图像质量上的影响	研究首次评估了PCCT图像质量对深度学习算法检测大血管闭塞性能的影响，并展示了PCCT在检测M2段闭塞上的潜在优势	研究的一个局限性是无法排除灌注缺损的存在，因为缺乏CT灌注（CTP）成像数据	评估PCCT与传统CT在深度学习算法检测急性缺血性卒中大血管闭塞中的性能差异	443例接受CTA检查的急性缺血性卒中患者	数字病理学	心血管疾病	深度学习	CNN	图像	443例患者（PCCT扫描150例，传统CT扫描293例）
1437	2025-02-19	Prediction of Visual Acuity After Cataract Surgery by Deep Learning Methods Using Clinical Information and Color Fundus Photography 2025-Mar, Current eye research IF:1.7Q3 DOI:10.1080/02713683.2024.2430212 PMID:39651583	研究论文	本研究探讨了使用术前临床信息和彩色眼底摄影（CFP）通过深度学习方法预测白内障手术后视力的性能	结合了彩色眼底摄影和临床信息的多模态模型，用于预测白内障手术后的视力	多模态输入对预测性能的改善效果不明显，未来研究需要进一步明确多模态输入的影响	预测白内障手术后的视力	接受白内障手术的患者	计算机视觉	白内障	深度学习	Xception和下游神经网络	图像和临床数据	446名患者的673张眼底图像
1438	2025-02-19	DeepPD: A Deep Learning Method for Predicting Peptide Detectability Based on Multi-feature Representation and Information Bottleneck 2025-Mar, Interdisciplinary sciences, computational life sciences DOI:10.1007/s12539-024-00665-4 PMID:39661307	研究论文	本文介绍了一种名为DeepPD的深度学习框架，用于基于多特征表示和信息瓶颈原则预测肽的可检测性	DeepPD结合了多特征表示和信息瓶颈原则，通过进化尺度建模2（ESM-2）提取肽的语义信息，并整合序列和进化信息构建特征空间，有效减少了特征空间的冗余	NA	预测肽的可检测性，以改进蛋白质组学中的基本任务	肽	机器学习	NA	进化尺度建模2（ESM-2）	深度学习	序列数据	多个数据集
1439	2025-02-19	Structural and functional alterations in hypothalamic subregions in male patients with alcohol use disorder 2025-Mar-01, Drug and alcohol dependence IF:3.9Q1 DOI:10.1016/j.drugalcdep.2025.112554 PMID:39848134	研究论文	本研究探讨了酒精使用障碍（AUD）男性患者下丘脑亚区的结构和功能变化	首次使用深度学习算法对下丘脑进行细分，并比较AUD患者与健康对照组在下丘脑亚区体积和功能连接性上的差异	样本量较小，仅包括男性患者，且未考虑其他可能影响下丘脑结构的因素	研究酒精使用障碍对下丘脑亚区结构和功能的影响	24名男性AUD患者和24名健康男性对照	神经影像学	酒精使用障碍	深度学习算法，静息态功能磁共振成像	NA	脑结构图像，功能磁共振成像数据	48名男性（24名AUD患者，24名健康对照）
1440	2025-02-19	Deep learning: Cracking the metabolic code 2025-Mar-01, Hepatology (Baltimore, Md.) DOI:10.1097/HEP.0000000000001220 PMID:39960202	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA