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	2025-05-08	Practical X-ray gastric cancer diagnostic support using refined stochastic data augmentation and hard boundary box training 2025-Mar, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103075 PMID:39919469	研究论文	提出了一种基于深度学习的胃癌X射线诊断支持系统，结合两种新技术以提高诊断效率和准确性	引入了精炼概率胃图像增强（R-sGAIA）和硬边界框训练（HBBT）两种新技术，提高了模型的性能和实用性	未提及具体的数据集规模或多样性限制，可能影响模型的泛化能力	开发一种实用的胃癌X射线诊断支持系统，以扩大胃癌筛查的覆盖范围	胃癌X射线图像	计算机视觉	胃癌	深度学习	目标检测模型	图像	未提及具体样本数量
182	2025-05-08	QMaxViT-Unet+: A query-based MaxViT-Unet with edge enhancement for scribble-supervised segmentation of medical images 2025-Mar, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109762 PMID:39919665	research paper	提出了一种基于查询的MaxViT-Unet框架，用于医学图像的涂鸦监督分割，通过边缘增强模块提升边界信息	结合Multi-Axis Vision Transformer (MaxViT)块和查询式Transformer解码器，增强局部和全局特征学习，并引入边缘增强模块补偿涂鸦标签的边界信息不足	在部分数据集（如BUSI）上的性能仍有提升空间，涂鸦监督的泛化能力需进一步验证	解决医学图像分割中高质量标注数据稀缺的问题，开发弱监督学习方法	心脏结构、结直肠息肉和乳腺癌的医学图像	digital pathology	cardiovascular disease, colorectal polyps, breast cancer	弱监督学习	QMaxViT-Unet+（基于MaxViT的U-Net变体）	医学图像	四个公共数据集（ACDC、MS-CMRSeg、SUN-SEG、BUSI）
183	2025-05-08	The Role of Artificial Intelligence in Obesity Medicine 2025-Mar, Endocrinology and metabolism clinics of North America IF:4.8Q1 DOI:10.1016/j.ecl.2024.10.008 PMID:39919876	review	本文综述了人工智能在肥胖医学中的变革性作用	展示了机器学习、深度学习、自然语言处理和大语言模型等技术如何改善肥胖管理	整合人工智能在肥胖医学中面临数据隐私、算法偏见、人工智能幻觉、透明度和实施障碍等挑战和伦理考虑	探讨人工智能在肥胖预防、诊断、治疗和长期管理中的潜在应用	肥胖医学领域	natural language processing, machine learning	obesity	machine learning, deep learning, natural language processing, large language models	NA	extensive datasets	NA
184	2025-05-08	Deep Learning Enhances Precision of Citrullination Identification in Human and Plant Tissue Proteomes 2025-Mar, Molecular & cellular proteomics : MCP IF:6.1Q1 DOI:10.1016/j.mcpro.2025.100924 PMID:39921205	研究论文	本文介绍了一种结合深度学习模型Prosit-Cit的新型数据分析流程，用于提高瓜氨酸化位点识别的敏感性和精确度	提出了结合深度学习模型Prosit-Cit的数据分析流程，显著提高了瓜氨酸化位点识别的精确度和敏感性，并在植物组织蛋白质组中首次实现了大规模瓜氨酸化位点定位	需要依赖已有的质谱数据库搜索工作流程，且模型训练数据主要来自合成肽段	提高瓜氨酸化位点识别的精确度和敏感性，促进对蛋白质瓜氨酸化在健康和疾病中作用的理解	人类和植物（拟南芥）组织蛋白质组中的瓜氨酸化位点	蛋白质组学	NA	质谱分析，深度学习	Prosit-Cit（基于Prosit模型的扩展）	质谱数据	约53,000个光谱来自约2,500个合成瓜氨酸化肽段，以及拟南芥30个组织中的169个蛋白质的约200个瓜氨酸化位点
185	2025-05-08	DeepCERES: A deep learning method for cerebellar lobule segmentation using ultra-high resolution multimodal MRI 2025-Mar, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2025.121063 PMID:39922330	research paper	提出了一种新型的多模态高分辨率人脑小脑小叶分割方法DeepCERES	使用多模态和超高分辨率（0.125 mm）训练数据集改进小脑小叶分割，探索了传统U-Net模型之外的替代架构，并结合了深度学习与经典机器学习方法	NA	改进小脑小叶的分割精度和效率	人脑小脑小叶	digital pathology	NA	ultra-high resolution MRI	ensemble of deep networks	MRI images	NA
186	2025-05-08	Response surface methodology for predicting optimal conditions in very low-dose chest CT imaging 2025-Mar, Physica medica : PM : an international journal devoted to the applications of physics to medicine and biology : official journal of the Italian Association of Biomedical Physics (AIFB) DOI:10.1016/j.ejmp.2025.104916 PMID:39923359	研究论文	本研究探讨了在极低剂量胸部CT成像中使用实验设计方法来预测最优条件的可行性	提出了使用实验设计方法（Doehlert矩阵）来优化CT协议，结合了迭代重建和深度学习重建技术，并验证了模型观察者与人类观察者之间的一致性	研究仅使用了特定型号的CT扫描仪和胸部体模，结果可能无法直接推广到其他设备或实际临床环境	优化极低剂量胸部CT成像的协议，确保诊断质量同时减少辐射剂量	128层CT扫描仪和带有5毫米直径病变的胸部体模	医学影像	NA	迭代重建（ASIR-V）和深度学习重建（DLIR）	自监督学习模型观察者	CT图像	6名人类观察者和2个模型观察者
187	2025-05-08	Point-annotation supervision for robust 3D pulmonary infection segmentation by CT-based cascading deep learning 2025-Mar, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109760 PMID:39923589	research paper	提出了一种基于级联深度学习的CT点标注监督方法，用于鲁棒的3D肺部感染分割	通过比较标注点和未标注体素的表示以及建立全局不确定性，开发了两种正则化策略，在稀疏标注下约束网络对病变模式的理解，并包含增强模块以提高全局解剖感知和对空间各向异性的适应性	未明确提及具体限制，但可能包括对新型感染类型的泛化能力仍需进一步验证	开发一种弱监督学习方法，用于肺部感染的3D分割，以减少标注工作量并提高性能	肺部感染的CT图像	digital pathology	pulmonary infection	cascading deep learning	CNN	3D CT volumes	1,072 CT volumes
188	2025-05-08	Automated detection of early-stage osteonecrosis of the femoral head in adult using YOLOv10: Multi-institutional validation 2025-Mar, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.111983 PMID:39923593	研究论文	开发基于YOLOv10的深度学习模型，用于通过X光片检测成人早期股骨头坏死	使用YOLOv10模型在X光片上自动检测早期股骨头坏死，并在多机构验证中表现优于放射科医生	研究为回顾性设计，可能受到数据选择偏差的影响	开发自动化工具以提高早期股骨头坏死的诊断准确性	成人早期股骨头坏死患者	数字病理	股骨头坏死	YOLOv10深度学习模型	YOLOv10	X光图像	2321名患者（平均年龄51±14岁，961名女性）的3970张单侧髋关节X光片
189	2025-05-08	Explainable AI-driven scalogram analysis and optimized transfer learning for sleep apnea detection with single-lead electrocardiograms 2025-Mar, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109769 PMID:39923592	研究论文	本研究提出了一种利用单导联心电图信号和深度学习技术检测睡眠呼吸暂停的新方法	采用连续小波变换将心电图信号转换为时频域标量图，并优化预训练的GoogLeNet架构作为迁移学习模型，提高了分类性能	研究依赖于特定数据集，可能在其他数据集上的泛化能力有限	开发一种高效、准确的睡眠呼吸暂停检测方法	睡眠呼吸暂停患者的心电图信号	数字病理学	睡眠呼吸暂停	连续小波变换	GoogLeNet	心电图信号	PhysioNet Apnea ECG数据集、UCDDB数据集和MIT-BIH多导睡眠图数据集
190	2025-05-08	Improving entity recognition using ensembles of deep learning and fine-tuned large language models: A case study on adverse event extraction from VAERS and social media 2025-Mar, Journal of biomedical informatics IF:4.0Q2 DOI:10.1016/j.jbi.2025.104789 PMID:39923968	研究论文	本研究评估了大型语言模型（LLMs）与传统深度学习模型在不良事件（AE）提取中的效果，并通过集成方法提升了性能	通过集成微调的传统深度学习模型和LLMs，提升了不良事件提取的性能，为生物医学领域的自然语言处理提供了新方法	研究样本量相对较小，且未涵盖所有可能的社交媒体平台	评估LLMs和传统深度学习模型在不良事件提取中的效果，并探索集成方法对性能的影响	疫苗不良事件报告系统（VAERS）、Twitter和Reddit的文本数据	自然语言处理	COVID-19	深度学习、大型语言模型（LLMs）	RNN、BioBERT、GPT-2、GPT-3.5、GPT-4、Llama-2 7b、Llama-2 13b	文本	VAERS报告230份、Twitter帖子3,383条、Reddit帖子49条
191	2025-05-08	Computational advances in biosynthetic gene cluster discovery and prediction 2025 Mar-Apr, Biotechnology advances IF:12.1Q1 DOI:10.1016/j.biotechadv.2025.108532 PMID:39924008	review	本文综述了生物合成基因簇（BGCs）的计算发现和预测方面的最新进展	强调了人工智能，尤其是机器学习和深度学习算法在BGC挖掘中的速度和精度的显著提升	总结了计算方法在该领域面临的挑战	促进新型代谢物的发现和药物开发	细菌、真菌以及部分植物和动物中的生物合成基因簇（BGCs）	machine learning	NA	genome mining	machine learning, deep learning	genomic data	NA
192	2025-05-08	AtSubP-2.0: An integrated web server for the annotation of Arabidopsis proteome subcellular localization using deep learning 2025-Mar, The plant genome DOI:10.1002/tpg2.20536 PMID:39924294	research paper	介绍AtSubP-2.0，一个基于深度学习的网络服务器，用于注释拟南芥蛋白质组的亚细胞定位	AtSubP-2.0是AtSubP v1.0的扩展版本，采用四阶段策略进行精确的蛋白质亚细胞定位预测，具有高准确性和高马修斯相关系数	NA	提高对拟南芥蛋白质亚细胞定位的理解，以应用于作物改良和生物技术	拟南芥蛋白质组	machine learning	NA	deep learning	NA	protein sequences	NA
193	2025-05-08	HybProm: An attention-assisted hybrid CNN-BiLSTM model for the interpretable prediction of DNA promoter 2025-Mar, Methods (San Diego, Calif.) DOI:10.1016/j.ymeth.2025.02.001 PMID:39929298	research paper	提出了一种名为HybProm的注意力辅助混合CNN-BiLSTM模型，用于可解释的DNA启动子预测	结合DNA2Vec将DNA序列转化为低维向量，并采用CNN-BiLSTM-Attention架构提取特征，提高了预测准确性并增强了模型的可解释性	NA	提高DNA启动子预测的准确性并增强模型的可解释性	DNA启动子	machine learning	NA	DNA2Vec, CNN-BiLSTM-Attention	CNN-BiLSTM	DNA序列	跨物种数据（包括大肠杆菌、人类、小鼠和植物）
194	2025-05-08	DeepReducer: A linear transformer-based model for MEG denoising 2025-Mar, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2025.121080 PMID:39929407	research paper	介绍了一种基于线性Transformer的深度学习模型DeepReducer，用于高效去噪MEG中的事件相关磁场信号	提出了一种新型的线性Transformer模型DeepReducer，能够显著减少MEG信号去噪所需的试验次数，优化数据采集过程	未提及模型在极端噪声条件下的表现或对不同类型MEG数据的泛化能力	提高MEG中事件相关磁场信号的去噪效率，减少数据采集时间	MEG中的事件相关磁场信号	machine learning	NA	MEG	linear transformer	MEG信号数据	半合成和实验性任务相关的MEG数据
195	2025-05-08	Does Deep Learning Reconstruction Improve Ureteral Stone Detection and Subjective Image Quality in the CT Images of Patients with Metal Hardware? 2025-Mar, Journal of endourology IF:2.9Q1 DOI:10.1089/end.2024.0666 PMID:39932744	研究论文	本研究比较了在金属髋关节假体存在下，低剂量和常规剂量CT扫描结合或不结合深度学习重建（DLR）和金属伪影减少（MAR）技术对输尿管结石检测和图像质量的影响	首次在尸体模型中评估了DLR和MAR技术对低剂量CT扫描在金属假体存在下输尿管结石检测和图像质量的改善效果	研究样本量较小（仅10个泌尿系统组合），且仅在尸体模型中进行	评估DLR和MAR技术是否能改善金属假体患者低剂量CT扫描的输尿管结石检测和图像质量	植入输尿管结石的尸体模型（含双侧髋关节假体）	医学影像	泌尿系统疾病	CT扫描（常规剂量和超低剂量），深度学习重建（DLR），金属伪影减少（MAR）	深度学习	CT图像	10个植入4-6mm输尿管结石的泌尿系统组合（尸体模型）
196	2025-05-08	Functional near-infrared spectroscopy (fNIRS) in patients with major depressive disorder, generalized anxiety disorder and their comorbidity: Comparison with healthy controls 2025-Mar, Asian journal of psychiatry IF:3.8Q1 DOI:10.1016/j.ajp.2025.104382 PMID:39933260	研究论文	本研究使用fNIRS-VFT任务比较了广泛性焦虑障碍(GAD)、重度抑郁症(MDD)及其共病(CMG)患者与健康对照组的前额叶功能差异，并评估了fNIRS设备作为认知任务诊断工具的可靠性	结合全连接层和Dropout层的深度学习模型对fNIRS数据进行分类，探索了不同脑区激活模式在精神障碍诊断中的价值	样本量相对有限，未考虑其他可能的混杂因素	评估fNIRS在精神障碍诊断中的应用价值	GAD、MDD、CMG患者及健康对照组	数字病理	精神疾病	fNIRS	全连接层与Dropout层结合的深度学习模型	脑血流动力学数据	296人(75 GAD, 75 MDD, 71 CMG, 75 HC)
197	2025-05-08	Single-cell transcriptome-wide Mendelian randomization and colocalization reveals immune-mediated regulatory mechanisms and drug targets for COVID-19 2025-Mar, EBioMedicine IF:9.7Q1 DOI:10.1016/j.ebiom.2025.105596 PMID:39933264	研究论文	通过单细胞转录组孟德尔随机化和共定位分析，揭示了COVID-19的免疫介导调控机制和潜在药物靶点	首次在14种外周血免疫细胞中鉴定了132个与COVID-19相关的推定因果基因，其中58个为先前未报道的新基因，并开发了分层系统优先考虑37个药物靶点	研究依赖于孟德尔随机化假设，可能受到多效性和连锁不平衡的影响	揭示COVID-19的免疫介导调控机制并识别潜在药物靶点	14种外周血免疫细胞中的16,597个基因	生物信息学	COVID-19	单细胞表达数量性状位点（sc-eQTL）分析、孟德尔随机化（MR）、共定位分析、深度学习模型	深度学习模型	单细胞转录组数据、GWAS数据	26,597个单细胞表达数量性状位点（sc-eQTL）
198	2025-05-08	Multi-modality medical image classification with ResoMergeNet for cataract, lung cancer, and breast cancer diagnosis 2025-Mar, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109791 PMID:39933267	研究论文	提出ResoMergeNet (RMN)模型用于多模态医学图像分类，以提升白内障、肺癌和乳腺癌的诊断效果	整合迁移学习、ResBoost框架和ConvMergeNet技术，有效提取可见光眼图像和组织病理学图像的特征，提升跨模态分类性能	未提及模型在更大规模或更多模态数据集上的泛化能力	解决多模态医学图像分类中的模态差异问题，提升白内障、肺癌和乳腺癌的诊断准确性	白内障、肺癌和乳腺癌的医学图像	数字病理学	白内障、肺癌、乳腺癌	迁移学习、ResBoost框架、ConvMergeNet	ResoMergeNet (RMN)	图像	白内障数据集（二分类）、肺癌数据集（三分类）、BreakHis数据集（八分类，100×和200×放大倍数）
199	2025-05-08	Carbon source dosage intelligent determination using a multi-feature sensitive back propagation neural network model 2025-Mar, Journal of environmental management IF:8.0Q1 DOI:10.1016/j.jenvman.2025.124341 PMID:39933376	研究论文	本文提出了一种基于SHAP和敏感性分析的多特征敏感反向传播神经网络模型（MFS-BPNN-SSA），用于预测污水处理厂（WWTP）中的碳源投加量，以解决短期和有限数据的问题	结合SHAP和敏感性分析的多特征敏感BPNN模型，以及引入理论公式和反馈调节机制以提高预测准确性和处理异常数据	模型需要结合理论公式和反馈调节，可能增加实现复杂度	开发一种智能方法以优化污水处理厂中的碳源投加量，实现低碳和可持续运行	污水处理厂（WWTP）中的碳源投加量预测	机器学习	NA	反向传播神经网络（BPNN）、SHAP、敏感性分析	MFS-BPNN-SSA	污水处理厂运行数据	模型已在污水处理厂安全运行超过两年
200	2025-05-08	Deep learning-driven behavioral analysis reveals adaptive responses in Drosophila offspring after long-term parental microplastic exposure 2025-Mar, Journal of environmental management IF:8.0Q1 DOI:10.1016/j.jenvman.2025.124502 PMID:39933380	研究论文	利用深度学习技术分析果蝇幼虫行为，研究长期暴露于微塑料的亲代对子代的跨代影响	首次结合深度学习技术研究微塑料对陆地生物果蝇的跨代行为影响，揭示了长期暴露下子代运动能力的适应性增强	仅研究了聚苯乙烯微塑料(PS-MPs)对果蝇的影响，未涉及其他类型微塑料	探究微塑料对陆地生物的跨代影响	黑腹果蝇(Drosophila melanogaster)及其幼虫	行为分析	NA	深度学习行为追踪分析	深度学习模型(未明确说明具体类型)	行为视频数据	不同时间点(第2天、第8天、第14天)收集的果蝇幼虫样本