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
181	2025-07-08	Hybrid strategy of coronary atherosclerosis characterization with T1-weighted MRI and CT angiography to non-invasively predict periprocedural myocardial injury 2025-Jun-30, European heart journal. Cardiovascular Imaging DOI:10.1093/ehjci/jeaf116 PMID:40241659	研究论文	本研究探讨了结合T1加权MRI和CT血管造影的混合策略在非侵入性预测围手术期心肌损伤中的应用	首次提出将MRI与CCTA结合的混合策略，显著提高了PMI的预测准确性	样本量相对较小（120名患者），且仅针对特定患者群体（计划进行择期PCI的患者）	探索结合MRI和CCTA的混合策略在预测围手术期心肌损伤中的效果	120名计划进行择期PCI的患者（共132个病变）	数字病理学	心血管疾病	T1加权MRI、CT血管造影（CCTA）	深度学习	医学影像	120名患者（132个病变）
182	2025-07-08	Deep learning models for predicting hearing thresholds based on joint stimulus-frequency otoacoustic emissions and distortion-product otoacoustic emissions 2025-Jun-29, Hearing research IF:2.5Q1 DOI:10.1016/j.heares.2025.109349 PMID:40618463	研究论文	本研究开发了一种结合刺激频率耳声发射(SFOAEs)和畸变产物耳声发射(DPOAEs)的深度学习模型，用于定量预测听力阈值	首次探索了SFOAEs和DPOAEs联合应用在听力阈值预测中的潜力，并开发了效率优化的双源OAE深度学习模型	研究样本量相对有限(94只正常听力耳和401只感音神经性听力损失耳)，且仅在特定频率范围(0.5-8 kHz)进行了验证	开发一种准确高效的客观听力损失诊断工具	人耳听力阈值预测	机器学习	听力损失	深度学习	CNN和RNN	生物信号数据(耳声发射)	495只人耳(94只正常听力，401只听力损失)
183	2025-07-08	A comparative study of robustness to noise and interpretability in U-Net-based denoising of Raman spectra 2025-Jun-27, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2025.126577 PMID:40618630	研究论文	本研究比较了基于U-Net的拉曼光谱去噪模型在不同噪声条件下的鲁棒性和可解释性	通过使用不同积分时间获取的噪声水平不同的光谱进行训练，提高了模型的泛化能力，并应用可解释性技术揭示了模型处理光谱数据的机制	仅比较了单一条件和多条件两种训练策略，未探索更多训练策略的可能性	研究不同训练策略对U-Net模型在拉曼光谱去噪中的泛化能力和可解释性的影响	拉曼光谱数据	机器学习	NA	拉曼光谱	U-Net	光谱数据	NA
184	2025-07-08	Epicardial adipose tissue, myocardial remodelling and adverse outcomes in asymptomatic aortic stenosis: a post hoc analysis of a randomised controlled trial 2025-Jun-26, Heart (British Cardiac Society) DOI:10.1136/heartjnl-2024-324925 PMID:40050004	研究论文	本研究通过事后分析探讨了心外膜脂肪组织与无症状主动脉瓣狭窄严重程度、进展、心肌重构及死亡率的关系	首次使用全自动深度学习软件量化心外膜脂肪组织，并探讨其与主动脉瓣狭窄患者预后的关联	样本量较小（124例患者），且为事后分析研究	探究心外膜脂肪组织在主动脉瓣狭窄中的作用	无症状轻度至重度主动脉瓣狭窄患者	数字病理学	心血管疾病	CT血管造影	深度学习	医学影像	124例无症状主动脉瓣狭窄患者
185	2025-07-08	Attention-based deep learning for analysis of pathology images and gene expression data in lung squamous premalignant lesions 2025-Jun-12, medRxiv : the preprint server for health sciences DOI:10.1101/2025.06.06.25328492 PMID:40585088	研究论文	提出一种基于transformer的框架，结合转录组学和组织学模式，区分支气管发育不良或更严重的病变与正常、增生和化生	首次提出一种灵活利用转录组学和组织学模式的transformer框架，用于区分支气管发育不良或更严重的病变	模型训练基于二元标签，可能无法完全捕捉病变的连续谱系	开发一种能够区分支气管发育不良或更严重病变的深度学习框架	支气管前恶性病变	数字病理学	肺癌	RNA-seq	transformer	图像和基因表达数据	来自4项研究的数据，包括高风险肺癌患者的支气管活检H&E全切片图像和批量基因表达数据
186	2025-07-08	GAN Inversion for Data Augmentation to Improve Colonoscopy Lesion Classification 2025-Jun, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3397611 PMID:38713568	research paper	本研究探讨了使用GAN反转生成的合成图像进行数据增强，以解决结肠镜检查病变分类中标注数据不足的问题	通过GAN反转在语义丰富且解耦的潜在空间中操作图像对，生成保持相同标签的合成图像，并进行图像模态转换和病变形状插值，提高了结肠息肉分类性能	未明确提及具体样本量限制或模型泛化能力的详细评估	提高结肠镜检查中病变分类的深度学习模型性能	结肠镜检查图像中的息肉病变	digital pathology	colon cancer	GAN inversion, style transfer, image interpolation	GAN	image	NA
187	2025-07-07	SimIntestine: A synthetic dataset from virtual capsule endoscope 2025-Jun-28, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103706 PMID:40617135	research paper	开发了一种生成带有位置注释的虚拟肠道图像数据集的方法，用于改进内窥镜视频分析	结合虚拟胶囊内窥镜生成具有真实解剖特征和纹理特性的合成数据集，提供相机位置、方向和深度信息	NA	改进内窥镜视频分析，特别是在姿态估计和同时定位与映射领域	人类胃肠道的小肠和大肠	digital pathology	NA	虚拟胶囊内窥镜技术	Endo-SfMLearner, Monodepth2	image	NA
188	2025-07-07	ChatGPT-Assisted Deep Learning Models for Influenza-Like Illness Prediction in Mainland China: Time Series Analysis 2025-Jun-27, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/74423 PMID:40577658	研究论文	本研究评估了多种深度学习模型在中国大陆流感样疾病(ILI)阳性率预测中的表现，并探索了ChatGPT在模型开发中的辅助作用	首次将ChatGPT辅助开发应用于流感预测领域，比较了5种不同深度学习架构在ILI预测中的表现	在北方地区的预测误差仍然较高(MAPE>400%)，部分模型在北方地区表现不稳定	评估深度学习模型在流感预测中的性能并探索ChatGPT的辅助作用	中国大陆2014-2024年的ILI阳性率数据	机器学习	流感	时间序列分析	LSTM, N-BEATS, Transformer, TFT, TiDE	时间序列数据	2014-2024年中国国家流感中心数据库的ILI数据(2014-2023年训练，2024年1-39周测试)
189	2025-07-07	Deep Learning for Detecting Dental Plaque and Gingivitis From Oral Photographs: A Systematic Review 2025-Jun-26, Community dentistry and oral epidemiology IF:1.8Q3 DOI:10.1111/cdoe.70001 PMID:40571994	系统综述	本文系统评估了深度学习模型在利用口腔内RGB照片检测牙菌斑和牙龈炎方面的性能	深度学习模型在牙菌斑检测任务中表现优于牙医，尤其是在未使用显色剂的情况下	缺乏外部测试、多中心研究和报告一致性，影响了模型在现实世界中的适用性	评估深度学习模型在口腔疾病检测中的应用效果	牙菌斑和牙龈炎	数字病理学	牙周病	深度学习	DL	图像	23项符合纳入标准的研究
190	2025-07-07	Uncovering the genetic basis of glioblastoma heterogeneity through multimodal analysis of whole slide images and RNA sequencing data 2025-Jun-26, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103191 PMID:40617061	研究论文	通过多模态深度学习分析全切片图像和RNA测序数据，揭示胶质母细胞瘤异质性的遗传基础	结合全切片图像和RNA测序数据，引入新方法编码RNA测序数据，识别与胶质母细胞瘤进展模式相关的特定遗传特征	NA	研究胶质母细胞瘤异质性的遗传机制	胶质母细胞瘤	数字病理学	胶质母细胞瘤	RNA-seq	多模态深度学习	图像、RNA测序数据	NA
191	2025-07-07	AML diagnostics in the 21st century: Use of AI 2025-Jun-16, Seminars in hematology IF:5.0Q1 DOI:10.1053/j.seminhematol.2025.06.002 PMID:40617702	review	本文综述了人工智能（AI）在21世纪急性髓系白血病（AML）诊断中的关键作用，探讨了其进展、挑战及未来前景	AI技术如深度学习（DL）和机器学习（ML）正在革新复杂诊断数据的解读，包括使用DL分类器或自动核型分析等工具，以及大型语言模型（LLM）在高效数据处理和临床决策中的应用	AI驱动诊断需要透明度和可解释性，同时面临监管障碍、数据隐私问题及系统间互操作性等挑战	探讨AI在AML诊断中的应用及其潜力	急性髓系白血病（AML）的诊断方法	数字病理学	白血病	深度学习（DL）、机器学习（ML）、大型语言模型（LLM）	DL、ML、LLM	诊断数据	NA
192	2025-03-11	A Need for Multi-Institutional Collaboration for Deep Learning-Driven Assessment of Osteosarcoma Treatment Response 2025-Jun, The American journal of pathology DOI:10.1016/j.ajpath.2025.02.002 PMID:40056973	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
193	2025-07-06	GC-PGE: A novel deep learning model for tumor drug resistance prediction and core resistance gene extraction based on graph and signaling pathways 2025-Jun-30, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2025.108578 PMID:40614480	研究论文	提出了一种名为GC-PGE的新型深度学习模型，用于预测肿瘤耐药性并提取核心耐药基因	整合了多维组学数据和通路级信息，利用图神经网络构建基因关联网络，并通过贝叶斯学习方法将耐药基因预测和肿瘤样本分类任务统一到一个网络架构中	未提及具体的数据集大小或模型在不同类型肿瘤上的泛化能力	预测肿瘤耐药性并识别核心耐药基因，以推进个性化癌症治疗和新治疗靶点的发现	肝癌、卵巢癌和黑色素瘤的肿瘤样本	机器学习	肝癌、卵巢癌、黑色素瘤	图神经网络、贝叶斯学习	GC-PGE（Gene Correlation and Pathway Graph Encoder Network）	多维组学数据（如蛋白质相互作用、基因同源性、信号通路数据）	NA
194	2025-07-06	Classifying kidney disease using a dense layers deep learning model 2025-Jun-28, SLAS technology IF:2.5Q3 DOI:10.1016/j.slast.2025.100324 PMID:40588036	research paper	该研究提出了一种基于密集层深度学习模型的肾脏疾病分类方法	使用优化的密集层深度神经网络架构，实现了99%的高准确率	研究使用了公开数据集，可能无法完全代表所有临床场景	开发高准确率的肾脏疾病自动诊断系统	慢性肾脏疾病(CKD)患者	machine learning	kidney disease	deep learning	dense-layered deep neural networks	structured data	公开数据集，包含24个独立字段的样本
195	2025-07-06	Automatic prostate volume estimation in transabdominal ultrasound images 2025-Jun-28, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.112274 PMID:40614658	research paper	本研究提出了一种基于深度学习的框架，用于在经腹超声图像中自动估计前列腺体积，旨在改进非侵入性前列腺癌风险分层	利用深度学习模型在经腹超声图像中自动进行前列腺分割和体积估计，为非侵入性前列腺癌风险评估提供新方法	经腹超声图像质量较低且依赖操作者，可能影响分割和体积估计的准确性	改进非侵入性前列腺癌风险分层方法	前列腺体积估计	digital pathology	prostate cancer	deep learning	CNN	image	100名患者（中位年龄67岁，95%范围55-81.2岁）的经腹超声视频
196	2025-07-06	MSC-transformer-based 3D-attention with knowledge distillation for multi-action classification of separate lower limbs 2025-Jun-25, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.107806 PMID:40614457	研究论文	提出了一种基于MSC-transformer的三维注意力模型，结合知识蒸馏技术，用于下肢分离动作的多动作分类	首次将多尺度可分离卷积与Transformer结合，并引入知识蒸馏技术，提高了模型的计算效率和分类性能	模型在真实运动（RM）和运动观察（MO）分类方面的探索仍然有限	改进基于EEG的运动想象（MI）分类方法，特别是针对下肢分离动作的分类	下肢分离动作的EEG信号	机器学习	NA	知识蒸馏（KD）	MSC-T3AM（基于Transformer的三维注意力模型）	EEG信号	NA
197	2025-07-06	Sequence and Structure-based Prediction of Allosteric Sites 2025-Jun-24, Journal of molecular biology IF:4.7Q1 DOI:10.1016/j.jmb.2025.169305 PMID:40571274	综述	本文综述了基于蛋白质序列和结构的变构位点预测方法，并讨论了计算机辅助变构药物设计的挑战和未来方向	强调了多模态数据整合和可解释深度学习模型在改进变构位点预测和合理变构药物设计中的潜力	临床应用中变构药物的存在仍然有限	促进对变构机制的理解并促进变构药物设计	蛋白质序列、结构和变构调控	生物信息学	NA	计算机辅助药物设计	深度学习模型	蛋白质序列和结构数据	NA
198	2025-07-06	Predicting and explaining high dead-on-arrival outcomes in meat-type ducks using deep learning: A path to improved welfare management 2025-Jun-13, Poultry science IF:3.8Q1 DOI:10.1016/j.psj.2025.105439 PMID:40541105	研究论文	本研究利用深度学习模型预测和解释肉鸭高到货死亡率(DOA)的结果，旨在改善福利管理	首次将可解释的深度学习模型应用于肉鸭DOA预测，结合SHAP分析提高模型透明度和实用性	研究数据仅来自2022-2023年的8220车次记录，可能无法涵盖所有潜在影响因素	开发可解释的深度学习模型来预测肉鸭高DOA结果，以优化屠宰前管理	肉鸭的屠宰前管理和环境数据	数字病理	NA	深度学习, SHAP分析	深度学习模型	屠宰前管理和环境数据	8220车次肉鸭运输记录(2022-2023年)
199	2025-07-06	An Integrated Framework for Automated Image Segmentation and Personalized Wall Stress Estimation of Abdominal Aortic Aneurysms 2025-Jun-12, Research square DOI:10.21203/rs.3.rs-6630234/v1 PMID:40585219	研究论文	提出一个集成框架，用于自动分割腹部主动脉瘤（AAA）图像并个性化估计壁应力	结合基于块的扩张改进U-Net模型、非线性弹性膜分析（NEMA）和非均匀有理B样条（NURBS）来精确分割和估计AAA壁应力	未提及样本量或具体临床验证结果	开发自动化方法以改进腹部主动脉瘤的监测和手术规划	腹部主动脉瘤（AAA）患者	数字病理学	心血管疾病	CT血管造影（CTA）	改进的U-Net模型	图像	NA
200	2025-07-06	Multicenter Histology Image Integration and Multiscale Deep Learning for Machine Learning-Enabled Pediatric Sarcoma Classification 2025-Jun-11, medRxiv : the preprint server for health sciences DOI:10.1101/2025.06.10.25328700 PMID:40585079	研究论文	本研究开发了一种基于深度学习的计算流程，用于从数字化组织学切片中准确分类儿科肉瘤亚型	采用先进的ViT基础模型（UNI、CONCH）和多尺度特征提升分类准确性，同时优化了轻量级SAMPLER分类器	研究依赖于有限的数据集（867张全切片图像），且仅针对特定儿科肉瘤亚型	开发一种计算流程以准确分类儿科肉瘤亚型，减少诊断中的观察者间变异	儿科肉瘤的数字化组织学切片	数字病理学	儿科肉瘤	深度学习	CNN, ViT, SAMPLER	图像	867张全切片图像（来自三个医疗中心和儿童肿瘤学组）