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
1261	2025-04-17	Molecular endotypes and theratypes in osteoarthritis: transforming a concept into reality with deep learning and multiomics 2025-May, Annals of the rheumatic diseases IF:20.3Q1 DOI:10.1016/j.ard.2025.03.009 PMID:40234175	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1262	2025-05-06	Evaluation of minor labial salivary gland focus score in Sjögren's disease using deep learning: a tool for more efficient diagnosis and future tissue biomarker discovery 2025-May, Journal of autoimmunity IF:7.9Q1 DOI:10.1016/j.jaut.2025.103418 PMID:40262321	research paper	利用深度学习评估小唇唾液腺焦点评分，以提高干燥综合征的诊断效率和未来组织生物标志物的发现	采用基于注意力的深度学习二分类模型评估小唇唾液腺活检的阳性情况，克服了观察者内偏差和观察者间变异性	研究仅使用了H&E染色的小唇唾液腺活检样本，未涉及其他染色方法或更大规模的样本验证	提高干燥综合征的诊断效率和探索未来组织生物标志物	小唇唾液腺活检样本	digital pathology	Sjögren's disease	H&E染色	attention-based deep learning binary classification model	image	271个小唇唾液腺活检样本（153个FS < 1，118个FS ≥ 1）
1263	2025-05-06	Phytophagous, blood-suckers or predators? Automated identification of Chagas disease vectors and similar bugs using convolutional neural network algorithms 2025-May, Acta tropica IF:2.1Q2 DOI:10.1016/j.actatropica.2025.107621 PMID:40288198	research paper	该研究评估了三种卷积神经网络（AlexNet、MobileNetV2和ResNet-50）在识别按食性分类的昆虫（'吸血'、'植食性'和'捕食性'）方面的性能	首次使用深度学习技术自动识别恰加斯病媒介昆虫及其类似昆虫，并通过Grad-CAM可视化预测影响最大的图片区域	数据集规模相对较小（707张图片），且仅使用背部视角图片	开发一种自动识别恰加斯病媒介昆虫的可靠工具，以改善疾病监测和控制	按食性分类的昆虫（'吸血'、'植食性'和'捕食性'）	computer vision	Chagas disease	transfer learning, Grad-CAM	CNN (AlexNet, MobileNetV2, ResNet-50)	image	707张背部视角昆虫图片
1264	2025-05-06	Deep Learning Model of Primary Tumor and Metastatic Cervical Lymph Nodes From CT for Outcome Predictions in Oropharyngeal Cancer 2025-May-01, JAMA network open IF:10.5Q1 DOI:10.1001/jamanetworkopen.2025.8094 PMID:40310642	研究论文	开发并验证了一种基于CT的深度学习分类器，整合原发肿瘤和淋巴结特征，以预测p16+口咽鳞状细胞癌的预后	首次结合原发肿瘤和转移性颈部淋巴结的影像特征，开发了多区域成像风险评分（SwinScore），用于预测p16+口咽鳞状细胞癌的生存结果	研究为回顾性设计，可能受到选择偏倚的影响，且外部验证队列的时间跨度较长	预测p16+口咽鳞状细胞癌的预后，并识别可能从化疗中获益的I期患者	p16+口咽鳞状细胞癌患者	数字病理	口咽鳞状细胞癌	CT扫描	Swin Transformer	影像数据	811名p16+口咽鳞状细胞癌患者
1265	2025-05-06	Ge-SAND: an explainable deep learning-driven framework for disease risk prediction by uncovering complex genetic interactions in parallel 2025-May-01, BMC genomics IF:3.5Q2 DOI:10.1186/s12864-025-11588-9 PMID:40312319	研究论文	开发了一个可解释的深度学习框架Ge-SAND，用于通过揭示复杂的遗传相互作用来预测疾病风险	Ge-SAND能够并行处理超过10^6规模的遗传相互作用，提供对疾病机制的全面理解，相比主流方法AUC-ROC提高了20%	在处理大规模遗传组合时可能面临维度灾难问题，特别是在样本量有限的情况下	提高疾病风险预测的准确性并理解复杂疾病的遗传机制	克罗恩病、精神分裂症和阿尔茨海默病的遗传数据	基因组学	克罗恩病、精神分裂症、阿尔茨海默病	深度学习	自注意力神经网络	基因型和基因组位置信息	UK Biobank队列数据
1266	2025-05-06	A hybrid approach for binary and multi-class classification of voice disorders using a pre-trained model and ensemble classifiers 2025-May-01, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-025-02978-w PMID:40312383	研究论文	提出一种结合预训练模型和集成分类器的混合方法，用于声音障碍的二元和多类分类	采用两阶段框架结合深度学习特征和多种强大分类器，在多类分类任务中达到最先进准确率	仅在Saarbruecken语音数据库的子集上进行实验，样本量有限	提高声音障碍分类性能，特别是多类分类准确率	声音障碍分类	自然语言处理	声音障碍	VGGish模型、SVM、LR、MLP、集成分类器	VGGish、SVM、LR、MLP、EC	音频	Saarbruecken语音数据库的子集（男性、女性和混合说话者）
1267	2025-05-06	A human pose estimation network based on YOLOv8 framework with efficient multi-scale receptive field and expanded feature pyramid network 2025-May-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-00259-0 PMID:40312474	research paper	提出了一种基于YOLOv8框架的人体姿态估计网络EE-YOLOv8，通过集成高效多尺度感受野（EMRF）和扩展特征金字塔网络（EFPN）来提升性能	EE-YOLOv8通过EMRF增强特征表示能力，EFPN优化跨层信息交换，并使用Wise-IoU提升检测精度	未提及具体局限性	提升多人体姿态估计的准确性和效率	图像或视频中的人体姿态	computer vision	NA	deep learning	YOLOv8, EMRF, EFPN	image	MS COCO 2017数据集
1268	2025-05-06	Deep learning HRNet FCN for blood vessel identification in laparoscopic pancreatic surgery 2025-May-01, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-025-01663-6 PMID:40312536	research paper	评估HRNet-FCN模型在腹腔镜胰腺手术中识别血管轮廓的能力以提高手术安全性	首次将HRNet-FCN模型应用于腹腔镜胰腺手术中的血管识别，并展示了其在多种手术情境中的强泛化能力和实时处理速度	研究仅基于特定手术（LDP和Whipple手术）的图像数据，可能无法涵盖所有胰腺手术的血管变异情况	提高腹腔镜胰腺手术中血管识别的准确性和手术安全性	腹腔镜胰腺手术中的血管结构	digital pathology	pancreatic disease	deep learning	HRNet-FCN	image	12,694张图像来自126个腹腔镜远端胰腺切除术视频和35,986张图像来自138个Whipple手术视频
1269	2025-05-06	Assessing english Language teachers' pedagogical effectiveness using convolutional neural networks optimized by modified virus colony search algorithm 2025-May-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-98033-9 PMID:40312557	research paper	本研究提出了一种结合深度学习和元启发式算法的新方法，用于评估英语作为外语（EFL）教学的课堂质量	使用改进的病毒群体搜索（VCS）算法优化的卷积神经网络（CNN）来分析课堂互动的音频和视频记录，提高了评估的准确性、鲁棒性、灵活性和效率	NA	开发一个可靠且高效的教师评估框架，以提供及时反馈、识别教师优缺点，并为专业发展提供依据	英语作为外语（EFL）教学的课堂质量	natural language processing	NA	CNN, VCS	CNN	audio and video recordings	NA
1270	2025-05-06	Artifact estimation network for MR images: effectiveness of batch normalization and dropout layers 2025-May-01, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-01663-8 PMID:40312665	研究论文	本研究开发了一种基于U-Net的回归网络，用于去除磁共振图像中的运动伪影，并探讨了批量归一化和dropout层组合策略的影响	首次研究了批量归一化和dropout层组合策略在U-Net网络中用于去除运动伪影的效果	研究仅限于幻影图像，未在更复杂的真实医学图像上验证	提高磁共振图像中运动伪影去除的准确性	磁共振图像中的运动伪影	数字病理	NA	深度学习	U-Net, Transformer	图像	1200张图像（含/不含运动伪影）
1271	2025-05-06	A deep learning algorithm for automated adrenal gland segmentation on non-contrast CT images 2025-May-01, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-01682-5 PMID:40312690	研究论文	开发一种深度学习模型用于非对比CT图像上的肾上腺自动分割，并进行肾上腺体积随年龄变化的初步大规模研究	首次提出使用深度学习模型进行肾上腺自动分割，并利用模型输出值进行肾上腺体积随年龄变化的大规模研究	研究仅基于非对比CT图像，未考虑其他成像方式的影响	开发肾上腺自动分割的深度学习模型，并研究正常肾上腺体积随年龄的变化	非对比CT图像上的肾上腺	数字病理学	NA	非对比CT成像	nnU-Net	CT图像	开发数据集包含1301例CT检查，大规模正常肾上腺数据集包含2000例CT检查
1272	2025-05-04	Metal Suppression Magnetic Resonance Imaging Techniques in Orthopaedic and Spine Surgery 2025-May-15, The Journal of the American Academy of Orthopaedic Surgeons IF:2.6Q1 DOI:10.5435/JAAOS-D-24-01057 PMID:40063737	review	本文综述了骨科和脊柱手术中金属抑制磁共振成像技术的应用和发展	探讨了最新的金属伪影抑制成像技术及未来方向，如深度学习和人工智能	未提及具体实验数据或样本量的支持	评估骨科和脊柱手术后金属植入物周围软组织的病理情况	骨科和脊柱手术中的金属植入物及其周围软组织	医学影像	骨科和脊柱疾病	磁共振成像（MRI）	NA	医学影像	NA
1273	2025-05-04	Enhancing privacy in biosecurity with watermarked protein design 2025-May-02, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaf141 PMID:40315154	研究论文	提出了一种在蛋白质序列中添加水印的通用框架，以增强生物安全性和数据隐私	相比现有监管程序，该框架不仅确保生物安全的可追溯性，还通过本地验证保护设计序列的隐私，并显著提高了水印检测效率	未提及具体性能指标或与其他方法的详细对比	解决基于深度学习的蛋白质设计中的生物安全和数据隐私问题	由自回归深度学习模型设计的蛋白质序列	生物信息学	NA	蛋白质水印技术	自回归深度学习模型	蛋白质序列	NA
1274	2025-05-04	On-Device Deep Learning: Survey on Techniques Improving Energy Efficiency of DNNs 2025-May, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3430028 PMID:39046860	综述	本文综述了提高深度神经网络（DNNs）能源效率的流行技术	提出了方法的分类，并讨论了不同类别的比较，同时概述了能源测量技术	研究中发现的局限性以及一些有趣的方向，如神经形态和储备池计算（RC）	提高神经网络的能源效率，特别是在训练和推理阶段	深度神经网络（DNNs）	机器学习	NA	NA	DNNs	NA	NA
1275	2025-05-04	Role Exchange-Based Self-Training Semi-Supervision Framework for Complex Medical Image Segmentation 2025-May, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3432877 PMID:39093682	research paper	提出了一种基于角色交换的自训练半监督框架，用于复杂医学图像分割	创新性地提出了双向自训练范式，通过模型级可靠性估计动态交换教师和学生的角色，并引入非对称监督策略和分层双学生结构以防止网络崩溃	未明确提及具体的数据集规模限制或计算资源需求	解决复杂医学图像分割中标注数据不足的问题	血管网络和肺气管网络等复杂医学图像	digital pathology	NA	半监督学习	双向自训练模型	3-D医学图像	两个公共数据集和一个私有数据集
1276	2025-05-04	Neurosymbolic AI for Reasoning Over Knowledge Graphs: A Survey 2025-May, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3420218 PMID:39024082	综述	本文综述了神经符号人工智能（AI）在知识图谱（KGs）推理任务中的应用方法，并提出了一种新的分类法	提出了一种新的分类法，将神经符号推理方法分为三大类：逻辑信息嵌入方法、带逻辑约束的嵌入方法和规则学习方法	讨论了这些方法的独特特性和局限性，并提出了未来研究方向	探讨神经符号AI在知识图谱推理任务中的应用和发展	知识图谱（KGs）	自然语言处理	NA	神经符号人工智能	NA	图结构数据	NA
1277	2025-05-04	Unsupervised Domain Adaptation for Low-Dose CT Reconstruction via Bayesian Uncertainty Alignment 2025-May, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3409573 PMID:38985555	research paper	提出一种基于贝叶斯不确定性对齐的无监督域自适应方法，用于低剂量CT图像重建	利用概率重建框架在潜在空间和图像空间进行联合差异最小化，提出贝叶斯不确定性对齐和锐度感知分布对齐方法	仅针对低剂量CT图像重建问题，未考虑其他医学影像模态	解决低剂量CT图像重建中由于训练数据和测试数据分布不一致导致的性能下降问题	低剂量CT图像	digital pathology	NA	deep learning	probabilistic reconstruction framework	CT images	两个模拟数据集和一个临床低剂量成像数据集
1278	2025-05-04	ProFun-SOM: Protein Function Prediction for Specific Ontology Based on Multiple Sequence Alignment Reconstruction 2025-May, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3419250 PMID:38980781	研究论文	提出了一种基于多序列比对重建的蛋白质功能预测方法ProFun-SOM，用于准确注释基因本体	ProFun-SOM通过重建多序列比对并整合到深度学习架构中，解决了混合本体问题带来的标签依赖性和数据稀疏性瓶颈	未提及具体的数据集规模限制或模型在其他类型蛋白质数据上的泛化能力	开发一种能够准确预测蛋白质功能的计算方法，解决基因本体注释中的混合本体问题	蛋白质功能预测，特别是基因本体（GO）注释	生物信息学	NA	多序列比对（MSAs），深度学习	深度学习架构	蛋白质序列数据	三个数据集（CAFA3、SwissProt和NetGO2）
1279	2025-05-04	Mask-Guided Vision Transformer for Few-Shot Learning 2025-May, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3418527 PMID:38976473	研究论文	提出了一种名为MG-ViT的掩码引导视觉变换器方法，用于有效和高效的小样本学习	通过应用掩码操作筛选出与任务无关的图像块，引导ViT专注于任务相关和区分性强的图像块，同时引入主动学习样本选择方法提升泛化能力	未提及具体的数据集限制或计算资源需求	提高视觉变换器在小样本学习中的性能和效率	图像分类、目标检测和分割任务	计算机视觉	NA	Grad-CAM	ViT, MG-ViT, ResNet	图像	小样本（具体数量未提及）
1280	2025-05-04	Semi-Supervised Multimodal Representation Learning Through a Global Workspace 2025-May, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3416701 PMID:38954575	研究论文	本文提出了一种受认知'全局工作空间'启发的神经网络架构，用于多模态表示学习，能够在少量匹配数据的情况下实现模态间的对齐和转换	采用全局工作空间(GW)的共享表示和自监督的循环一致性训练，显著减少了对匹配数据的需求（比全监督方法少4-7倍）	未明确说明模型在大规模跨模态任务中的泛化能力	探索在稀疏匹配数据下进行多模态表示学习的方法	视觉-语言多模态数据	机器学习	NA	自监督学习	全局工作空间(GW)架构	多模态数据（图像和文本）	两个不同复杂度的数据集（未明确样本数量）