深度学习在生物医药领域的应用

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	算法框架	模型架构	性能指标	计算资源
481	2025-05-12	GAICN: Graph Attention Iterative Contraction Network for Bioluminescence Tomography 2025-Apr, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3510837 PMID:40030505	研究论文	提出了一种名为GAICN的新型网络，用于生物发光断层扫描（BLT），以提高重建性能、稳定性和泛化能力	结合图注意力机制和迭代收缩激活函数，实现非局部特征聚合和动态权重调整，增强网络的泛化性、稳定性和可解释性	未明确提及具体局限性	提高生物发光断层扫描的重建性能、稳定性和泛化能力	生物发光断层扫描（BLT）中的光源分布	数字病理	NA	深度学习	GAICN（Graph Attention Iterative Contraction Network）	三维肿瘤信息	仿真和体内实验	NA	NA	NA	NA
482	2025-05-12	Training-Free Image Style Alignment for Domain Shift on Handheld Ultrasound Devices 2025-Apr, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3522071 PMID:40030591	研究论文	提出了一种无需训练的图像风格对齐方法（TISA），用于解决手持超声设备数据与标准设备数据之间的领域偏移问题	TISA无需源数据，能够在测试时转换图像风格并保留空间上下文，且避免了预训练模型的持续更新	未提及具体的数据集规模或实验条件的限制	解决手持超声设备数据与标准设备数据之间的领域偏移问题，提升自动诊断的准确性和稳定性	手持超声设备数据	计算机视觉	NA	图像风格对齐	NA	图像	NA	NA	NA	NA	NA
483	2025-05-12	Enhanced DTCMR With Cascaded Alignment and Adaptive Diffusion 2025-Apr, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3523431 PMID:40030837	research paper	提出了一种结合张量信息的深度学习框架，用于群组可变形配准，有效校正DTCMR中的帧间运动	引入了级联配准分支和平行分支的新框架，结合精炼的损失函数和去噪技术，显著提高了DTCMR成像的准确性	未提及方法在极端运动情况下的表现，以及在不同设备或采集参数下的泛化能力	改进扩散张量心血管磁共振成像（DTCMR）的帧间运动校正，提高临床生物标志物张量估计的准确性	心肌微结构的可视化	digital pathology	cardiovascular disease	diffusion tensor cardiovascular magnetic resonance (DTCMR)	deep learning framework	image	超过900例病例数据（2012-2023年）	NA	NA	NA	NA
484	2025-05-12	Amyloid-β Deposition Prediction With Large Language Model Driven and Task-Oriented Learning of Brain Functional Networks 2025-Apr, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3525022 PMID:40030867	研究论文	该论文提出了一种基于大型语言模型和任务导向学习的大脑功能网络预测淀粉样蛋白沉积的新方法	1) 预训练的大型语言模型节点嵌入编码器，用于从fMRI信号中提取任务相关特征；2) 任务导向的分层功能连接网络学习模块，增强不同脑区复杂关联的表示；3) 任务特征一致性损失，促进预测与真实淀粉样蛋白值的相似性	NA	开发一种基于功能连接网络的淀粉样蛋白沉积预测方法，以替代昂贵且具有高放射性的正电子发射断层扫描	阿尔茨海默病患者的大脑功能连接网络	数字病理学	阿尔茨海默病	fMRI	大型语言模型	功能磁共振成像数据	NA	NA	NA	NA	NA
485	2025-05-12	CTUSurv: A Cell-Aware Transformer-Based Network With Uncertainty for Survival Prediction Using Whole Slide Images 2025-Apr, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3526848 PMID:40031069	研究论文	提出了一种基于细胞感知的Transformer网络CTUSurv，用于全切片图像的生存预测，并引入不确定性估计框架以提高预测的可靠性	首次结合细胞间及细胞与微环境相互作用建模，并开发区域级不确定性估计模块	未明确说明模型在临床环境中的实际部署可行性	提升全切片图像生存预测的准确性和可信度	全切片图像中的细胞及微环境特征	数字病理学	NA	深度学习	Transformer	全切片图像(WSI)	四个数据集（未明确样本数量）	NA	NA	NA	NA
486	2025-05-12	Use of deep learning model for paediatric elbow radiograph binomial classification: initial experience, performance and lessons learnt 2025-04-01, Singapore medical journal IF:1.7Q2 DOI:10.4103/singaporemedj.SMJ-2022-078 PMID:40258236	research paper	本研究比较了基于卷积神经网络（CNN）的深度学习模型与儿科急诊医生在儿童肘部X光片二分类任务上的表现	使用EfficientNet B1网络架构训练AI模型，首次在儿童肘部X光片二分类任务中与医生表现进行对比	样本量相对较小（1314张X光片），医生间一致性仅为一般水平（fair inter-rater agreement）	评估深度学习模型在儿童肘部X光片异常检测中的性能	儿童肘部侧位X光片（正常与异常）	digital pathology	NA	deep learning	CNN (EfficientNet B1)	image (radiographs)	1314张儿科肘部X光片（平均年龄8.2岁），分为开发集（993张）、调优集（209张）和测试集（112张）	NA	NA	NA	NA
487	2025-05-12	Transformer-based deep learning enables improved B-cell epitope prediction in parasitic pathogens: A proof-of-concept study on Fasciola hepatica 2025-Apr, PLoS neglected tropical diseases IF:3.4Q1 DOI:10.1371/journal.pntd.0012985 PMID:40300022	研究论文	本文介绍了一种基于Transformer的深度学习模型deepBCE-Parasite，用于预测寄生虫病原体中的B细胞表位	利用最先进的自注意力机制，模型在预测线性B细胞表位方面表现出色，准确率约为81%，AUC为0.90	研究仅针对Fasciola hepatica进行了案例验证，未在其他寄生虫病原体上广泛测试	提高B细胞表位的预测准确性，推动基于表位的疫苗设计、治疗性抗体开发和诊断应用	寄生虫病原体中的B细胞表位，特别是Fasciola hepatica的亮氨酸氨基肽酶（LAP）蛋白	机器学习	寄生虫病	深度学习	Transformer	肽序列	Fasciola hepatica的蛋白质组数据	NA	NA	NA	NA
488	2025-05-12	Technical note: Impact of tissue section thickness on accuracy of cell classification with a deep learning network 2025-Apr, Journal of pathology informatics DOI:10.1016/j.jpi.2025.100440 PMID:40343112	研究论文	研究组织切片厚度对深度学习网络细胞分类准确性的影响	确定了用于细胞分类系统的最佳组织切片厚度，并详细描述了不同厚度引入的形态学差异	研究仅针对肝脏组织，未涉及其他组织类型	优化深度学习网络在常规组织病理学中的细胞分类准确性	肝脏组织中的肝细胞和非肝细胞	数字病理学	NA	HE染色、深度学习	ResNet、随机森林	图像	手动切割的5种厚度肝脏切片和自动切片机(DS)切割的切片	NA	NA	NA	NA
489	2025-05-11	Transfer learning and data augmentation for glucose concentration prediction from colorimetric biosensor images 2025-Apr-08, Mikrochimica acta DOI:10.1007/s00604-025-07136-7 PMID:40199789	研究论文	介绍了一种深度学习算法，用于通过比色纸传感器图像准确预测葡萄糖浓度	采用迁移学习和数据增强技术，简化了预测过程，无需单独的特征提取	需要大量训练数据，尽管数据增强技术试图缓解这一问题	开发一种基于深度学习的葡萄糖浓度预测方法	比色纸传感器图像	计算机视觉	NA	迁移学习, 数据增强	ResNet50, ResNet101, GoogLeNet, VGG-19	图像	五种不同葡萄糖浓度的比色纸传感器图像数据集	NA	NA	NA	NA
490	2025-10-07	Deep Learning Technology for Classification of Thyroid Nodules Using Multi-View Ultrasound Images: Potential Benefits and Challenges in Clinical Application 2025-Apr, Endocrinology and metabolism (Seoul, Korea) DOI:10.3803/EnM.2024.2058 PMID:39805576	研究论文	本研究评估深度学习技术在甲状腺超声图像结节分类中的应用价值	采用孪生神经网络实现横纵切面超声图像的多视角分析，并比较多种CNN架构性能	模型性能受不同医师和设备采集的图像质量影响，存在临床适用性差异	评估深度学习技术对甲状腺结节良恶性分类的临床应用潜力	甲状腺结节患者的超声图像	计算机视觉	甲状腺癌	超声成像	CNN	图像	943名患者的1048个甲状腺结节（其中306个为恶性）	NA	ResNet50, DenseNet201, EfficientNetv2_s	准确率, 灵敏度	NA
491	2025-10-07	Leveraging Radiomics and Hybrid Quantum-Classical Convolutional Networks for Non-Invasive Detection of Microsatellite Instability in Colorectal Cancer 2025-Apr, Molecular imaging and biology IF:3.0Q2 DOI:10.1007/s11307-025-01990-w PMID:39979579	研究论文	本研究开发了一种结合影像组学和混合量子-经典卷积网络的新框架，用于结直肠癌微卫星不稳定性的无创检测	首次将混合量子-经典神经网络应用于结直肠癌MSI状态识别，并采用自注意力对抗染色标准化和可瘦身Transformer进行肿瘤分割	NA	开发新型框架识别结直肠癌MSI状态，以改善临床决策和患者预后	结直肠癌患者	数字病理学	结直肠癌	影像组学分析	混合量子-经典卷积网络, Transformer	组织病理学切片图像	来自NCT-CRC-HE-100K和PAIP 2020数据库的病理图像	NA	Slimmable Transformer, 混合量子-经典神经网络	准确率	NA
492	2025-10-07	Missing-modality enabled multi-modal fusion architecture for medical data 2025-Apr, Journal of biomedical informatics IF:4.0Q2 DOI:10.1016/j.jbi.2025.104796 PMID:39988001	研究论文	提出一种能够处理缺失模态的医学多模态融合架构，用于疾病诊断和死亡率预测	开发了基于Transformer的双模态融合模块，构建三模态融合框架，并引入多变量损失函数提高对缺失模态的鲁棒性	仅在MIMIC-IV和MIMIC-CXR数据集上进行验证，需要进一步扩展到更多模态和数据集	开发对缺失模态具有鲁棒性的医学多模态融合架构，提升临床任务性能	胸部X光片、放射学报告和结构化数值数据	医学人工智能	胸部疾病	多模态融合	Transformer	图像, 文本, 表格数据	MIMIC-IV和MIMIC-CXR数据集	NA	Transformer-based双模态融合模块	AUROC, AUPRC	NA
493	2025-10-07	Prediction and detection of terminal diseases using Internet of Medical Things: A review 2025-Apr, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109835 PMID:39999492	综述	本文综述了人工智能与医疗物联网在预测和检测终末期疾病中的应用，分析当前挑战与解决方案	系统评估了联邦学习、迁移学习和区块链等先进策略在提升AI-IoMT系统鲁棒性、数据安全性和互操作性方面的有效性	作为综述文章，未进行原始实验验证，主要基于现有文献分析	评估AI-IoMT技术在预测慢性病和终末期疾病中的有效性，并探讨相关挑战	心血管疾病、阿尔茨海默病和各类癌症等终末期疾病	医疗物联网	心血管疾病,阿尔茨海默病,癌症	NA	XGBoost,Random Forest,CNN,LSTM	医疗物联网数据	NA	NA	NA	NA	NA
494	2025-10-07	Prediction of school PM2.5 by an attention-based deep learning approach informed with data from nearby air quality monitoring stations 2025-Apr, Chemosphere IF:8.1Q1 DOI:10.1016/j.chemosphere.2025.144241 PMID:39999669	研究论文	提出基于注意力深度卷积自编码器的深度学习软传感器，利用附近监测站数据预测学校室内外PM2.5浓度	完全无需学校现场传感器，通过注意力机制深度学习模型利用周边监测站数据实现PM2.5浓度预测	NA	开发无需现场传感器的学校PM2.5浓度预测方法，保障健康学习环境	学校室内（教室）和室外（操场）的PM2.5浓度	机器学习	NA	软传感器技术	注意力深度卷积自编码器（ADCAE）	空气质量监测数据	多所学校（小学、初中、高中）	NA	注意力深度卷积自编码器	决定系数（R）、均方误差、平均绝对误差	NA
495	2025-10-07	Deep learning-based LDL-C level prediction and explainable AI interpretation 2025-Apr, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109905 PMID:40010176	研究论文	本研究利用深度学习模型预测低密度脂蛋白胆固醇水平，并与传统方法和公式进行比较	首次将CNN、RNN和LSTM等深度学习模型应用于LDL-C预测，并使用LIME方法提供模型解释	深度学习模型需要更多计算资源来解释决策过程	开发更准确的LDL-C预测方法以评估心血管疾病风险	低密度脂蛋白胆固醇水平预测	机器学习	心血管疾病	临床血液检测	CNN, RNN, LSTM	临床检测数据	NA	NA	CNN, RNN, LSTM	准确率	NA
496	2025-05-11	Automated segmentation by SCA-UNet can be directly used for radiomics diagnosis of thymic epithelial tumors 2025-Apr, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.112004 PMID:40014944	研究论文	本研究开发了一种名为SCA-UNet的深度学习网络，用于自动分割胸腺病变，并应用于胸腺上皮肿瘤（TETs）的放射组学诊断和风险评估	提出了结合空间通道注意力的SCA-UNet模型，增强了全局上下文感知能力，提高了分割精度和泛化性能	研究仅基于单一医疗中心的数据，可能影响模型的泛化能力	开发自动分割胸腺病变的深度学习模型，并探索其在TETs诊断和风险评估中的应用	712例纵隔病变患者的术前CT图像	数字病理	胸腺上皮肿瘤	CT成像	SCA-UNet（基于UNet改进的深度学习网络）	医学影像（CT图像）	712例患者	NA	NA	NA	NA
497	2025-10-07	Breast cancer detection and classification with digital breast tomosynthesis: a two-stage deep learning approach 2025-04-28, Diagnostic and interventional radiology (Ankara, Turkey) DOI:10.4274/dir.2024.242923 PMID:39648903	研究论文	提出一种结合改进VGG19分类和YOLOv5-CBAM检测的两阶段深度学习系统，用于乳腺断层摄影图像的乳腺癌检测与分类	提出两阶段深度学习架构：改进的VGG19（增加8个新层）用于图像分类，YOLOv5-CBAM用于肿瘤检测和良恶性区分	NA	开发计算机辅助诊断系统以提高乳腺癌筛查和诊断的准确性、效率和可靠性	数字乳腺断层摄影（DBT）图像	计算机视觉	乳腺癌	数字乳腺断层摄影	CNN, YOLO	医学图像	5,060名患者的22,032次DBT检查	NA	VGG19, YOLOv5	准确率, 训练损失, 训练准确率	NA
498	2025-05-10	Exploring Molecular and Genetic Differences in Angelica biserrata Roots Under Environmental Changes 2025-Apr-20, International journal of molecular sciences IF:4.9Q2 DOI:10.3390/ijms26083894 PMID:40332784	研究论文	该研究通过代谢组学和转录组学方法，结合机器学习和贝叶斯优化的深度学习模型，探索了环境变化对当归根部香豆素生物合成的影响	整合多组学数据与机器学习模型，揭示了环境因素对香豆素生物合成的调控机制，并预测了最佳栽培条件	研究仅关注了特定环境因素对香豆素含量的影响，未考虑其他可能的生物或化学因素	阐明不同生境下当归根部的生物学特性及差异调控机制，为理解代谢变化的分子机制提供理论框架	当归根部	生物信息学	NA	代谢组学, 转录组学, 机器学习, 深度学习	贝叶斯优化的深度学习模型	分子数据, 环境数据	NA	NA	NA	NA	NA
499	2025-05-10	Genome-Wide Identification and Expression Analysis of TONNEAU1 Recruited Motif (TRM) Gene Family in Tomato 2025-Apr-13, International journal of molecular sciences IF:4.9Q2 DOI:10.3390/ijms26083676 PMID:40332175	研究论文	本研究通过生物信息学方法鉴定了番茄中的28个SlTRM基因家族成员，并分析了它们的蛋白结构、理化性质、共线性、基因结构、保守基序和启动子顺式作用元件	首次利用DeepMind开发的AlphaFold3深度学习架构对28个SlTRM基因进行了三维结构预测，并提出了SlTRM基因家族在番茄侧枝发育中的潜在作用	对SlTRM基因家族成员的具体功能理解仍有限，实验验证不足	研究番茄中TRM基因家族的成员及其在植物器官形态调控中的作用	番茄(Solanum lycopersicum)中的SlTRM基因家族	生物信息学	NA	RNA-seq, qRT-PCR, AlphaFold3	深度学习	基因组数据、转录组数据	28个SlTRM基因家族成员	NA	NA	NA	NA
500	2025-05-10	Design of Novel Auxetic Bi-Materials Using Convolutional Neural Networks 2025-Apr-13, Materials (Basel, Switzerland) DOI:10.3390/ma18081772 PMID:40333386	研究论文	利用卷积神经网络（CNN）预测双材料系统代表体积元素（RVEs）的泊松比，并通过贪婪优化算法识别具有拉胀行为的微结构	使用CNN快速推断微结构的有效泊松比，替代传统的有限元模拟，为高级超材料设计提供计算高效的工具	未提及具体的数据集规模或CNN模型的泛化能力	设计具有定制机械性能的拉胀双材料	由软硬相组成的双材料系统的代表体积元素（RVEs）	机器学习	NA	CNN	CNN	二进制微结构配置图像	NA	NA	NA	NA	NA