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
581	2025-05-30	Construction of a deep learning model and identification of the pivotal characteristics of FGF7- and MGST1- positive fibroblasts in heart failure post-myocardial infarction 2025-May, International journal of biological macromolecules IF:7.7Q1 DOI:10.1016/j.ijbiomac.2025.143171 PMID:40258553	研究论文	该研究通过构建深度学习模型并识别FGF7-和MGST1-阳性成纤维细胞在心梗后心力衰竭中的关键特征，揭示了这些细胞在疾病发展中的作用	首次发现FGF7MGST1成纤维细胞在心梗后心力衰竭中的下调现象，并通过单细胞RNA测序和深度学习模型揭示了其关键基因特征和预测价值	研究主要基于小鼠模型和生物信息学分析，需要进一步的人类样本验证	探究成纤维细胞异质性在心梗后心力衰竭中的作用机制	FGF7-和MGST1-阳性成纤维细胞	数字病理学	心血管疾病	scRNA-seq, qRT-PCR, 孟德尔随机化分析	深度学习模型	单细胞RNA测序数据	未明确说明样本数量，使用小鼠模型和生物信息学数据
582	2025-05-30	The prediction of RNA-small molecule binding sites in RNA structures based on geometric deep learning 2025-May, International journal of biological macromolecules IF:7.7Q1 DOI:10.1016/j.ijbiomac.2025.143308 PMID:40268011	研究论文	该论文提出了一种基于几何深度学习的计算方法RLBSIF，用于预测RNA结构中RNA与小分子配体的结合位点	利用表面几何特征和化学特征结合MaSIF-based表面相互作用指纹全面表征RNA-配体相互作用，并采用ResNet18网络分析这些指纹以识别配体结合口袋	训练数据仅包含440个结合口袋，可能限制了模型的泛化能力	准确预测RNA结构中配体的结合位点，以指导药物设计和医学领域的研究	RNA与小分子配体的结合位点	机器学习和计算生物学	NA	几何深度学习	ResNet18	RNA结构数据	440个结合口袋
583	2025-05-30	Predicting transmission loss in underwater acoustics using continual learning with range-dependent conditional convolutional neural networks 2025-May-01, The Journal of the Acoustical Society of America IF:2.1Q1 DOI:10.1121/10.0036773 PMID:40439448	研究论文	本文提出了一种基于持续学习和范围依赖条件卷积神经网络的方法，用于预测水下声学传输损失，以提高远场场景下的预测准确性	引入了一种范围依赖条件卷积神经网络，通过直接对输入地形进行条件化，单步预测传输损失场，并采用基于回放的持续学习策略，实现跨连续地形变化的泛化	模型在远场波预测方面可能存在局限性，且依赖于输入地形的准确性	提高深度学习模型在远场场景下预测水下辐射噪声的准确性	水下声学传输损失	机器学习	NA	持续学习，卷积神经网络	CNN	地形数据，声学数据	多个测试案例和涉及Dickins Seamount的基准场景
584	2025-05-29	DeepMBEnzy: An AI-Driven Database of Mycotoxin Biotransformation Enzymes 2025-May-28, Journal of agricultural and food chemistry IF:5.7Q1 DOI:10.1021/acs.jafc.5c02477 PMID:40378051	研究论文	开发了一个名为DeepMBEnzy的AI驱动数据库，用于预测和存档霉菌毒素生物转化酶	通过微调预训练模型并使用冷蛋白数据分割方法，开发了EPP-MB模型，用于预测霉菌毒素生物转化酶，并构建了DeepMBEnzy数据库	目前仅识别了少数霉菌毒素生物转化酶，且模型的验证准确率为79%，仍有提升空间	促进霉菌毒素解毒研究和应用中的酶候选物的探索和利用	霉菌毒素及其生物转化酶	机器学习	NA	深度学习	预训练模型微调	蛋白质数据	超过4000种霉菌毒素
585	2025-05-29	Data augmentation using masked principal component representation for deep learning-based SSVEP-BCIs 2025-May-28, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/add9d1 PMID:40378852	研究论文	本研究提出了一种基于主成分表示掩码的数据增强方法（MPCR），用于提升基于稳态视觉诱发电位的脑机接口（BCI）中深度学习模型的分类准确率	提出了一种新的组件级数据增强方法MPCR，通过主成分表示和随机掩码策略引入随机扰动，同时保留EEG信号的主要内在结构	未明确提及具体局限性，但暗示当前信号级数据增强方法可能导致EEG信号显著失真	提升基于稳态视觉诱发电位（SSVEP）的脑机接口（BCI）中深度学习模型的分类准确率	稳态视觉诱发电位（SSVEP）和脑电图（EEG）信号	脑机接口（BCI）	NA	主成分分析（PCA）和随机掩码策略	深度学习模型（未指定具体类型）	脑电图（EEG）信号	两个广泛使用的公共数据集（未明确样本数量）
586	2025-05-29	Human and Deep Learning Predictions of Peripheral Lung Cancer Using a 1.3 mm Video Endoscopic Probe 2025-May-28, Respirology (Carlton, Vic.) DOI:10.1111/resp.70057 PMID:40433758	研究论文	本研究评估了不同经验水平的医生和人工智能在Iriscope外周内窥镜检查中预测小外周肺结节恶性性质的能力	首次结合1.3毫米视频内窥探头Iriscope与深度学习模型，比较人类医生与AI对小外周肺结节的诊断能力	样本量较小（61例患者），且深度学习模型的表现未超越资深医生	评估Iriscope外周内窥镜技术结合AI在诊断小外周肺结节恶性性质中的应用价值	外周肺结节（PPNs）患者	数字病理学	肺癌	r-EBUS支气管镜检查结合Iriscope视频内窥镜技术	深度学习模型（未指定具体类型）	内窥镜视频图像	61例患有小外周肺结节（中位大小15毫米）的患者
587	2025-05-29	Soft Bioelectronic Interfaces for Continuous Peripheral Neural Signal Recording and Robust Cross-Subject Decoding 2025-May-28, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202414732 PMID:40433949	研究论文	本研究开发了一种低阻抗、柔软的导电聚合物电极，用于连续可靠地记录外周神经信号，并结合手工和深度学习特征改进了解码模型的泛化能力	引入低阻抗柔软导电聚合物电极，结合手工和深度学习特征以及参数共享和适应训练策略，显著提高了解码模型的跨主体泛化能力	研究仅在小动物模型中进行，尚未在人类身上验证	推进神经科学研究，开发神经系统疾病的治疗方法，创建可靠的人机接口	外周神经组织和神经活动信号	生物电子接口	神经系统疾病	神经信号记录和解码技术	神经网络模型	神经生理信号	清醒动物模型
588	2025-05-29	Brain stimulation outcome prediction in Major Depressive Disorder by deep learning models using EEG representations 2025-May-28, Computer methods in biomechanics and biomedical engineering IF:1.7Q3 DOI:10.1080/10255842.2025.2511222 PMID:40434017	research paper	该研究利用深度学习模型基于脑电图（EEG）表征预测重度抑郁症（MDD）患者对重复经颅磁刺激（rTMS）治疗的反应	开发了一种基于三种预训练卷积神经网络（DenseNet121、EfficientNetB0和Xception）的深度混合神经网络，用于从三种EEG表征中预测治疗效果，其中使用原始EEG图像序列的分类准确率最高达到94.7%	研究样本量较小（83名患者），且未提及模型在其他独立数据集上的验证情况	开发个体化治疗选择框架，以节省MDD患者的治疗时间和成本，并避免可能的副作用	83名接受rTMS治疗的MDD患者	digital pathology	geriatric disease	EEG, rTMS	CNN (DenseNet121, EfficientNetB0, Xception)	EEG信号（包括小波变换图像、电极间连接矩阵和原始EEG信号）	83名MDD患者
589	2025-05-29	TRG-Net: An Interpretable and Controllable Rain Generator 2025-May-27, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2025.3565726 PMID:40424114	research paper	提出了一种基于深度学习的可解释和可控的雨生成器TRG-Net，用于增强配对数据以简化雨天图像处理模型的训练	TRG-Net不仅精细设计了雨的基本要素以模拟预期雨水，还能适应复杂多样的实际雨天图像，且无需雨要素标签即可从数据中学习这些要素的分布	未明确提及具体限制，但可能受限于训练数据的多样性和数量	探索和建模雨生成机制，以增强配对数据，简化雨天图像处理模型的训练	雨天图像	computer vision	NA	深度学习	TRG-Net	image	未明确提及具体样本数量
590	2025-05-29	Frontalis Only Contracts in One Direction: AI-Quantum Elasticity and Resistance Gradient Reveals True Nature of Forehead Muscle Movement 2025-May-27, Aesthetic plastic surgery IF:2.0Q2 DOI:10.1007/s00266-025-04924-7 PMID:40425886	research paper	本研究通过AI驱动的生物力学模型和量子弹性与阻力梯度（QERG）模型，揭示了额肌收缩的单向性及其与皮肤相互作用的机制	引入了量子弹性与阻力梯度（QERG）模型，挑战了传统的双向收缩理论，并通过AI模型高精度预测皮肤行为	研究样本虽多样化，但可能未涵盖所有可能的种族和年龄组，且证据等级为III级，需进一步验证	探究额肌收缩的生物力学特性及其与皮肤相互作用的真实机制	额肌收缩及其对皮肤的动态影响	生物力学	NA	深度学习框架（TensorFlow, PyTorch）、有限元分析、随机森林、深度神经网络	AI-driven biomechanical model, QERG model	3D面部扫描数据	600名不同种族、性别和年龄的受试者
591	2025-05-29	Development of a No-Reference CT Image Quality Assessment Method Using RadImageNet Pre-trained Deep Learning Models 2025-May-27, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01542-2 PMID:40425960	研究论文	提出了一种基于RadImageNet预训练深度学习模型的无参考CT图像质量评估方法	利用结合噪声和模糊两种退化因素的数据集训练CNN模型，并采用RadImageNet预训练模型增强对真实世界退化的适应性	仅考虑了噪声和模糊两种退化因素，可能未涵盖所有实际临床中的退化类型	开发一种无需参考图像即可准确评估CT图像质量的方法	CT图像	计算机视觉	NA	深度学习	CNN（ResNet50, DenseNet121, InceptionV3, InceptionResNetV2）	图像	人工退化图像数据集和真实临床图像数据集
592	2025-05-29	Deep Learning Auto-segmentation of Diffuse Midline Glioma on Multimodal Magnetic Resonance Images 2025-May-27, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01557-9 PMID:40425959	研究论文	开发了一种基于改进CNN的3D-Unet工具，用于自动准确分割弥漫性中线胶质瘤（DMG）在磁共振（MR）图像中的区域	首次针对DMG开发了自动分割工具，采用改进的3D U-Net架构，结合多种MR图像序列，实现了高精度的肿瘤分割	样本量相对较小（52名患者，70张图像），且仅针对特定类型的儿科脑干癌	提高DMG肿瘤分割的自动化水平和准确性，以支持诊断和预测模型的开发	弥漫性中线胶质瘤（DMG）H3 K27M突变型患者的MR图像	数字病理学	脑癌	磁共振成像（MRI）	3D U-Net with residual blocks	图像	52名DMG患者，70张MR图像（包含T1W、T2W和FLAIR序列）
593	2025-05-29	PlaNet-S: an Automatic Semantic Segmentation Model for Placenta Using U-Net and SegNeXt 2025-May-27, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01549-9 PMID:40425958	研究论文	本研究开发了一个名为PlaNet-S的自动胎盘语义分割模型，结合了U-Net和SegNeXt架构	通过集成学习结合U-Net和SegNeXt架构，提出了一种新的胎盘自动分割模型PlaNet-S，显著提高了分割精度	与U-Net++的性能差异无统计学意义，且样本量相对有限	开发一个全自动的胎盘语义分割模型，以解决医生辅助手动分割耗时的问题	218名疑似胎盘异常的孕妇的MRI图像	数字病理学	胎盘异常	MRI	U-Net, SegNeXt, 集成学习	图像	218名孕妇的1090张标注图像
594	2025-05-29	EnsembleEdgeFusion: advancing semantic segmentation in microvascular decompression imaging with innovative ensemble techniques 2025-May-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-02470-5 PMID:40410312	research paper	该研究提出了一种创新的集成技术EnsembleEdgeFusion，用于提升微血管减压影像中的语义分割性能	引入了集成技术（如堆叠和装袋）来提升分割性能，特别是装袋与朴素贝叶斯方法结合表现出显著改进	公开可用的数据集稀缺，且专家标注要求高	提升微血管减压影像中的语义分割性能	2003张RGB微血管减压影像及其标注掩码	digital pathology	NA	语义分割	DeepLabv3+, U-Net, DilatedFastFCN with JPU, DANet, Vanilla architecture	image	2003张RGB微血管减压影像
595	2025-05-29	Multicenter development of a deep learning radiomics and dosiomics nomogram to predict radiation pneumonia risk in non-small cell lung cancer 2025-May-16, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-02045-4 PMID:40379764	研究论文	本研究旨在开发一个结合放射组学、剂量组学和深度学习的模型，以预测非小细胞肺癌患者放疗后肺炎的风险	结合放射组学、剂量组学和深度学习特征，构建多维度预测模型，提高预测准确性	研究为回顾性设计，样本量相对较小（245例患者）	提高非小细胞肺癌患者放疗后肺炎风险的预测能力	非小细胞肺癌患者	数字病理	肺癌	放射组学、剂量组学、深度学习	深度学习放射组学和剂量组学列线图（DLRDN）	CT图像、剂量测定图像	245例非小细胞肺癌患者（来自三家医院）
596	2025-05-29	Deep Learning-Based Retinoblastoma Protein Subtyping of Pulmonary Large-Cell Neuroendocrine Carcinoma on Small Hematoxylin and Eosin-Stained Specimens 2025-May-08, Laboratory investigation; a journal of technical methods and pathology DOI:10.1016/j.labinv.2025.104192 PMID:40345665	研究论文	本研究探讨了深度学习在基于小苏木精和伊红染色样本的肺大细胞神经内分泌癌中视网膜母细胞瘤蛋白亚型分型的应用	开发了一种定制的卷积神经网络，用于预测小样本中pRb的二元表达，显著优于病理学家的传统分类方法	样本量相对较小，仅包含143个切除标本和21例患者的活检样本	探索深度学习在肺大细胞神经内分泌癌分子亚型分型中的应用潜力	肺大细胞神经内分泌癌(LCNEC)组织样本	数字病理学	肺癌	深度学习	CNN	图像	143个切除标本和21例患者的活检样本
597	2025-05-29	Deep learning in 3D cardiac reconstruction: a systematic review of methodologies and dataset 2025-May, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-024-03273-y PMID:39753994	系统性综述	本文提出了一种结合深度学习模型和计算技术的先进方法，用于3D心脏重建，解决了心脏建模和分割中的关键挑战	结合统计形状建模(SSM)、图卷积网络(GCNs)和渐进式GANs进行3D心脏重建，特别是利用渐进式GANs生成合成数据以增强罕见心脏病的建模	未明确提及具体局限性，但可能涉及数据集的多样性和模型泛化能力	开发一种自动化的高分辨率3D心脏重建方法，适用于临床和研究环境	心脏的3D重建，特别是先天性心脏病等复杂心脏状况	计算机视觉	心血管疾病	统计形状建模(SSM)、图卷积网络(GCNs)、渐进式GANs	GCNs, GANs	3D图像	包括UK Biobank、MICCAI MM-WHS挑战赛和先天性心脏病的临床数据集
598	2025-05-29	Large blood vessel segmentation in quantitative DCE-MRI of brain tumors: A Swin UNETR approach 2025-May, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2025.110342 PMID:39892479	研究论文	本研究提出了一种基于深度学习的自动大血管分割方法，用于定量DCE-MRI中的脑肿瘤分级	采用Swin UNETR架构进行大血管自动分割，并与U-Net和Attention U-Net架构进行比较，展示了优越性能	研究未提及模型在小样本或罕见肿瘤类型上的泛化能力	提高脑肿瘤自动分级的准确性及治疗计划的支持	脑肿瘤患者的大血管分割	数字病理学	脑肿瘤	定量动态对比增强磁共振成像（DCE-MRI）	Swin UNETR, U-Net, Attention U-Net	MRI图像	187名脑肿瘤患者的MRI数据，来自两个中心、两个厂商和两种场强的磁共振扫描仪
599	2025-05-29	Deterministic Autoencoder using Wasserstein loss for tabular data generation 2025-May, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.107208 PMID:39893805	研究论文	本文提出了一种基于Wasserstein损失函数的确定性自编码器（TWAE），用于表格数据生成，解决了变分自编码器在表格数据合成中的局限性	利用Wasserstein自编码器的确定性编码机制，实现了输入到潜在代码的确定性映射，增强了潜在空间的稳定性和表达能力，并实现了与浅层插值机制（如SMOTE）的无缝集成	NA	解决表格数据生成中的复杂性和局限性，提供一种更稳定和高效的合成方法	表格数据	机器学习	NA	Wasserstein自编码器，SMOTE	Autoencoder	表格数据	NA
600	2025-05-29	Patient- and fraction-specific magnetic resonance volume reconstruction from orthogonal images with generative adversarial networks 2025-May, Medical physics IF:3.2Q1 DOI:10.1002/mp.17668 PMID:39904621	研究论文	开发了一种基于条件生成对抗网络（GAN）的个性化微调工作流程，用于从正交2D MR图像重建合成3D MR体积，以实现在线剂量适应	采用患者和分次特定的微调方法，克服了深度学习模型在小数据集上的性能限制	研究样本量相对较小，仅包含43名患者的数据	提高从2D MR图像重建3D MR体积的准确性和效率，支持在线剂量适应	MR图像和3D MR体积	医学影像处理	前列腺癌	MR成像	条件GAN	图像	43名患者的2473个3D MR体积