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
1	2025-05-31	Application of Deep Neural Networks in the Manufacturing Process of Mesenchymal Stem Cells Therapeutics 2025-May-30, International journal of stem cells IF:2.5Q3 DOI:10.15283/ijsc24070 PMID:39322430	研究论文	本文应用深度神经网络监测间充质干细胞治疗制品的制造过程中的细胞融合度和状态	首次基于深度学习方法分析细胞图像，直接影响干细胞治疗制品的重要产品参数——产量和质量	多层堆叠培养仅在单层堆叠培养无异常细胞时进行，因此异常细胞只能在单层堆叠图像中检测到	提高干细胞治疗制品制造过程中细胞融合度和状态监测的准确性和一致性	间充质干细胞	数字病理学	NA	深度学习	深度神经网络	图像	多种培养容器中培养的间充质干细胞图像
2	2025-05-31	Mammogram mastery: Breast cancer image classification using an ensemble of deep learning with explainable artificial intelligence 2025-May-30, Medicine IF:1.3Q2 DOI:10.1097/MD.0000000000042242 PMID:40441211	research paper	该研究提出了一种基于深度学习和可解释人工智能的集成方法，用于乳腺X光图像的自动分类，以提高乳腺癌诊断的准确性和效率	结合了预训练的Inception V3架构和可解释AI技术，实现了99%的分类准确率和F1分数	未提及数据集的具体规模和多样性，可能影响模型的泛化能力	开发一种自动化的乳腺癌诊断系统，提高诊断的准确性和效率	乳腺X光图像	digital pathology	breast cancer	deep learning, explainable AI	Inception V3	image	NA
3	2025-05-31	Three-dimensional automated segmentation of adolescent idiopathic scoliosis on computed tomography driven by deep learning: A retrospective study 2025-May-30, Medicine IF:1.3Q2 DOI:10.1097/MD.0000000000042644 PMID:40441215	research paper	本研究探讨了深度学习在青少年特发性脊柱侧凸（AIS）患者CT图像中椎骨分割的应用	使用U-Net和Attention U-Net两种神经网络对AIS患者的CT图像进行椎骨分割，并评估其在复杂解剖结构中的性能	样本量较小（31例），且未在更广泛的脊柱疾病中进行验证	开发自动化椎骨分割方法以辅助AIS的现代外科技术	青少年特发性脊柱侧凸（AIS）患者的CT图像	digital pathology	adolescent idiopathic scoliosis	CT imaging	U-Net, Attention U-Net	3D CT images	31例AIS患者的CT图像样本
4	2025-05-31	Unified estimation of rice canopy leaf area index over multiple periods based on UAV multispectral imagery and deep learning 2025-May-30, Plant methods IF:4.7Q1 DOI:10.1186/s13007-025-01398-1 PMID:40442795	研究论文	本研究基于无人机多光谱影像和深度学习技术，实现了水稻冠层叶面积指数(LAI)的多时期统一估算	采用CNN模型处理原始多光谱图像数据，有效避免了植被指数饱和问题，相比传统MLP模型在不同生育期精度提升4.89%-10.96%	未来可通过优化模型结构进一步探索更多特征提取和变量筛选方法以提高模型精度和稳定性	开发高效准确的水稻叶面积指数估算方法，支持精准农业发展	水稻冠层	农业遥感	NA	无人机多光谱遥感	CNN, MLP	多光谱图像	NA
5	2025-05-31	The value of artificial intelligence in PSMA PET: a pathway to improved efficiency and results 2025-May-30, The quarterly journal of nuclear medicine and molecular imaging : official publication of the Italian Association of Nuclear Medicine (AIMN) [and] the International Association of Radiopharmacology (IAR), [and] Section of the Society of... DOI:10.23736/S1824-4785.25.03640-4 PMID:40444499	系统综述	本文探讨了人工智能在提高前列腺特异性膜抗原正电子发射断层扫描（PSMA PET）检测转移性前列腺癌准确性和效率方面的潜力	综述了AI在PSMA PET扫描分析中的应用，展示了其在提高诊断准确性、敏感性和标准化报告方面的潜力	AI性能存在显著变异性，部分算法的'黑箱'特性需要更大的前瞻性研究和改进模型可解释性	评估AI在PSMA PET扫描分析中的应用效果	转移性前列腺癌患者	数字病理学	前列腺癌	PSMA PET扫描	机器学习（ML）、深度学习（DL）、卷积神经网络（CNN）	医学影像	22项研究
6	2025-05-31	Evidential Deep Learning for Open-Set Active Domain Adaptation 2025-May-29, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2025.3571943 PMID:40440139	research paper	该论文提出了一种基于证据深度学习的开放集主动域适应方法（EOSADA），用于在包含新类别的未标记目标域中转移知识	利用证据深度学习（EDL）构建开放集分类器，并采用两轮选择策略平衡已知和新类别样本的选择，同时识别信息丰富的样本，无需修改模型结构且使用有限的标注预算	未明确提及具体局限性	提升开放集域适应（OSDA）场景下模型的性能	未标记目标域中的样本，包括已知和新类别	machine learning	NA	evidential deep learning (EDL), open-set active domain adaptation	分类神经网络（具体架构未提及）	未明确提及，推测为图像或文本数据	未明确提及具体样本数量
7	2025-05-31	Deep learning enables fast and accurate quantification of MRI-guided near-infrared spectral tomography for breast cancer diagnosis 2025-May-29, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3574727 PMID:40440147	研究论文	本文开发了一种基于深度学习的MRI引导近红外光谱断层扫描（NIRST）图像重建方法，用于乳腺癌诊断	提出了一种快速准确的深度学习模型（DL-MRg-NIRST），显著提高了NIRST图像重建的速度和诊断准确性	研究基于合成数据训练的网络，可能在实际临床应用中存在泛化性问题	提高乳腺癌诊断的特异性和敏感性	乳腺异常患者	数字病理	乳腺癌	MRI引导的近红外光谱断层扫描（NIRST）	深度学习模型	MRI图像和NIRST数据	38例乳腺异常患者的临床影像检查数据
8	2025-05-31	TTFNet: Temporal-Frequency Features Fusion Network for Speech based Automatic Depression Recognition and Assessment 2025-May-29, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3574864 PMID:40440151	research paper	提出了一种基于混合语音特征的自动抑郁症检测方法TTFNet，通过深度学习提取特征并进行抑郁症识别和评估	创新性地设计了四元数VisionLSTM来捕捉多维动态特征的协同效应，并设计了XConformer块用于跨序列交互，结合自注意力机制和卷积模块	NA	开发一种客观且便捷的早期抑郁症筛查方法	抑郁症患者的语音特征	自然语言处理	抑郁症	深度学习	TTFNet, quaternion VisionLSTM, sLSTM, wav2vec 2.0, XConformer	语音	AVEC 2013, AVEC 2014, DAIC-WOZ和E-DAIC数据集
9	2025-05-31	Glaucoformer: Dual-domain Global Transformer Network for Generalized Glaucoma Stage Classification 2025-May-29, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3574997 PMID:40440150	研究论文	提出了一种名为Glaucoformer的双域全局Transformer网络，用于青光眼阶段的分类	引入了双域全局Transformer层（DGTL），结合了双域通道注意力（DCA）和双域空间注意力（DSA），并采用傅里叶域特征分析器（FDFA）作为核心组件，以在空间和频率域中利用局部和全局上下文特征依赖	未明确提及具体限制，但可能包括对未见数据集的泛化能力仍需进一步验证	提高青光眼阶段分类的准确性和泛化能力	青光眼患者的眼底图像	计算机视觉	青光眼	深度学习	Transformer, CNN	图像	基准数据集和未见数据集，具体样本数量未提及
10	2025-05-31	ASight: Fine-tuning Auto-Scheduling Optimizations for Model Deployment via Visual Analytics 2025-May-29, IEEE transactions on visualization and computer graphics IF:4.7Q1 DOI:10.1109/TVCG.2025.3574194 PMID:40440148	research paper	介绍ASight，一个视觉分析系统，帮助工程师识别性能瓶颈、理解自动生成的低级代码并从自动调度优化中获取见解	提出ASight系统，开发子图匹配算法以识别中间表示中的图同构，并增强自动调度大搜索空间的可视化	未提及具体的技术限制或系统适用范围	优化深度学习模型在特定硬件上的部署性能，减少推理延迟	深度学习模型的自动调度优化	machine learning	NA	visual analytics, subgraph matching algorithm	NA	low-level code, profiling metrics	两个案例研究（本地机器和数据中心）和一个定量实验
11	2025-05-31	Predicting expression-altering promoter mutations with deep learning 2025-May-29, Science (New York, N.Y.) DOI:10.1126/science.ads7373 PMID:40440429	研究论文	该论文介绍了PromoterAI，一种深度神经网络，用于准确识别非编码启动子变异，这些变异会失调基因表达	开发了PromoterAI深度神经网络，能够识别影响基因表达的非编码启动子变异，并验证了这些变异在罕见疾病患者中的临床相关性	仅关注启动子区域的变异，可能忽略了其他非编码区域的致病变异	预测和识别影响基因表达的非编码启动子变异，以解释罕见疾病的遗传负担	非编码启动子变异及其对基因表达的影响	机器学习	罕见遗传病	深度神经网络	深度神经网络	基因组序列数据	数千名个体的RNA和蛋白质水平数据
12	2025-05-31	Application of the Bidirectional Encoder Representations from Transformers Model for Predicting the Abbreviated Injury Scale in Patients with Trauma: Algorithm Development and Validation Study 2025-May-29, JMIR formative research IF:2.0Q4 DOI:10.2196/67311 PMID:40440586	研究论文	本研究开发并验证了一种基于BERT模型的AIS评分预测方法，用于创伤患者的伤情评估	首次将BERT模型应用于AIS评分预测，相比现有方法准确率提升10%	外部验证数据集规模较小(n=244)，可能影响模型泛化能力的全面评估	通过深度学习技术提高创伤患者AIS评分的预测准确性	创伤患者(n=26,810)的临床诊断信息	自然语言处理	创伤	BERT预训练方法	BERT	文本(诊断记录)	26,810例主要数据集+244例外部验证数据
13	2025-05-31	Modeling Active-State Conformations of G-Protein-Coupled Receptors Using AlphaFold2 via Template Bias and Explicit Protein Constrains 2025-May-29, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c00489 PMID:40440630	研究论文	本研究探讨了利用AlphaFold2通过模板偏差和显式蛋白质约束来建模G蛋白偶联受体的活性态构象	扩展了AlphaFold2的应用，通过引入模板偏差和显式蛋白质约束来建模G蛋白偶联受体的活性态构象，揭示了深度学习工具在建模蛋白质复合物中的潜力与局限	在建模变构效应方面存在局限，特别是在受体细胞外位点的预测准确性降低，可能影响其在基于结构的药物设计中的应用	探索深度学习工具在建模G蛋白偶联受体不同构象状态中的应用	G蛋白偶联受体的活性态构象	机器学习	NA	AlphaFold2	深度学习	蛋白质结构	NA
14	2025-05-31	Machine Learning and Deep Learning Techniques for Prediction and Diagnosis of Leptospirosis: Systematic Literature Review 2025-May-29, JMIR medical informatics IF:3.1Q2 DOI:10.2196/67859 PMID:40440642	系统综述	本文系统评估了机器学习和深度学习技术在钩端螺旋体病预测和诊断中的应用	首次全面综述了ML和DL在钩端螺旋体病领域的应用，并分析了常用算法、验证方法和性能指标	纳入研究数量有限(17篇)，且大多数使用私有数据集(65%)，缺乏公开数据验证	评估ML和DL技术在钩端螺旋体病预测和诊断中的应用效果	钩端螺旋体病的预测和诊断	机器学习	钩端螺旋体病	机器学习(ML)和深度学习(DL)	支持向量机、人工神经网络、决策树、CNN(包括U-Net)	临床记录、医院数据、区域监测系统数据	17项研究(从374篇筛选而来)
15	2025-05-31	Detecting Human Frequency-Following Responses Using an Artificial Neural Network 2025-May-29, Perceptual and motor skills IF:1.4Q4 DOI:10.1177/00315125251347006 PMID:40440687	研究论文	本研究探讨了三层人工神经网络（ANN）在检测由英语元音/i/的上升语调引发的频率跟随响应（FFRs）中的有效性	首次在FFR研究中探索深度学习模型的潜力，特别是使用ANN进行FFR检测	研究仅针对英语元音/i/的上升语调引发的FFRs，未涵盖其他语音特征或语调	评估ANN在FFR检测中的效能，为听觉处理评估和临床诊断提供基础	由英语元音/i/的上升语调引发的频率跟随响应（FFRs）	机器学习	NA	人工神经网络（ANN）	ANN	神经信号（FFR recordings）	NA
16	2025-05-31	Predicting NSCLC surgical outcomes using deep learning on histopathological images: development and multi-omics validation of Sr-PPS model 2025-May-29, International journal of surgery (London, England) DOI:10.1097/JS9.0000000000002526 PMID:40440686	研究论文	开发并验证了一种基于深度学习的模型Sr-PPS，用于预测非小细胞肺癌（NSCLC）患者术后结果	利用先进的Res2Net深度学习架构开发了新型手术预后预测评分系统Sr-PPS，并揭示了其与肿瘤免疫微环境和关键致癌驱动基因突变的关联	研究样本量相对有限，且验证队列来自TCGA数据库，可能存在选择偏倚	开发可靠的预测工具以准确预测NSCLC患者术后结果	非小细胞肺癌（NSCLC）患者	数字病理学	肺癌	深度学习	Res2Net	图像	337例局部NSCLC患者用于模型开发，554例来自TCGA数据库的NSCLC患者用于验证
17	2025-05-31	ADC-MambaNet: A Lightweight U-Shaped Architecture with Mamba and Multi-Dimensional Priority Attention for Medical Image Segmentation 2025-May-29, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/adde66 PMID:40441168	研究论文	提出了一种轻量级U型架构ADC-MambaNet，结合Mamba算法和多维优先级注意力机制，用于医学图像分割	结合Depthwise Convolutional层与Mamba算法降低计算复杂度，设计了Harmonious Mamba-Convolution (HMC)块和Multi-Dimensional Priority Attention (MDPA)块增强特征提取，并引入Balanced Normalized Cross Entropy损失函数	未提及具体限制	开发一种轻量级且计算高效的医学图像分割模型	医学图像	数字病理	NA	深度学习	ADC-MambaNet (结合CNN与Mamba算法)	医学图像	五个公共医学图像数据集（ISIC 2018 Lesion Segmentation, PH2, Data Science Bowl 2018, GlaS, Lung X-ray）
18	2025-05-31	Decoding the Structure-Activity Relationship of the Dopamine D3 Receptor-Selective Ligands Using Machine and Deep Learning Approaches 2025-May-29, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c00575 PMID:40442044	研究论文	本文利用机器学习和深度学习方法解码多巴胺D3受体选择性配体的结构-活性关系	采用新型超参数优化协议的深度神经网络（DNN）模型，以及通过整合多种算法的共识度量提高了预测准确性和鲁棒性	未提及具体样本量或数据集的详细描述	促进选择性配体的发现，以阐明受体特异性功能并开发靶向治疗药物	多巴胺D2和D3受体及其配体	机器学习	神经精神疾病（如帕金森病、精神分裂症和物质使用障碍）	定量结构-活性关系（QSAR）建模	eXtreme Gradient Boosting、随机森林、深度神经网络（DNN）	化学配体数据	NA
19	2025-05-31	Evaluation of machine learning and deep learning algorithms for fire prediction in Southeast Asia 2025-May-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-00628-9 PMID:40442135	研究论文	评估机器学习和深度学习算法在东南亚火灾预测中的效果	比较了多种ML和DL模型在东南亚不同地区的火灾预测性能，发现CNN在空间依赖性强的地区表现最佳，而ConvLSTM在时空动态复杂的地区表现更优	简单模型如Simple Persistence和MLP在捕捉动态模式和时间依赖性方面存在局限性	提高东南亚地区火灾预测的准确性以支持及时干预和火灾控制	东南亚地区的植被火灾	机器学习	NA	Visible Infrared Imaging Radiometer Suite (VIIRS)卫星数据	Multi-Layer Perceptron (MLP), Convolutional Neural Network (CNN), Long Short-Term Memory (LSTM), CNN-LSTM, ConvLSTM	卫星图像数据	东南亚多个国家（文莱、印尼、马来西亚、菲律宾、东帝汶、泰国、老挝、缅甸、越南、柬埔寨）的火灾数据
20	2025-05-31	An efficient dual-branch framework via implicit self-texture enhancement for arbitrary-scale histopathology image super-resolution 2025-May-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-02503-z PMID:40442141	research paper	提出了一种基于隐式自纹理增强的双分支框架（ISTE），用于任意比例的组织病理学图像超分辨率重建	ISTE框架通过特征聚合分支和纹理学习分支，结合两阶段纹理增强策略，有效提升了组织病理学图像超分辨率的性能	未提及具体计算资源消耗或模型训练时间等实际应用限制	解决组织病理学图像在任意比例下的超分辨率重建问题	组织病理学图像	digital pathology	lung cancer	deep learning-based single-image super-resolution (SISR)	dual-branch framework (ISTE)	image	公开数据集（TMA、HistoSR和TCGA肺癌数据集）