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
1981	2025-05-21	Fair ultrasound diagnosis via adversarial protected attribute aware perturbations on latent embeddings 2025-May-17, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-025-01641-y PMID:40382499	研究论文	提出了一种名为APPLE的新方法，通过在潜在空间中学习公平扰动来减少超声图像诊断中的不公平性	无需改变基础模型的参数，通过生成对抗网络在潜在空间中学习公平扰动，提高了不同敏感属性间的分割和诊断公平性	NA	减少超声图像诊断中的不公平性，促进更公平的医疗系统发展	超声图像中的病变分割	数字病理	NA	生成对抗网络(GAN)	GAN	图像	公开数据集和内部超声图像数据集
1982	2025-05-21	RP-DETR: end-to-end rice pests detection using a transformer 2025-May-17, Plant methods IF:4.7Q1 DOI:10.1186/s13007-025-01381-w PMID:40382633	research paper	该论文提出了一种基于Transformer架构的水稻害虫检测框架RP-DETR，通过改进模型结构和损失函数，提高了检测精度并减少了参数数量	引入自研的RepPConv-block减少特征提取中的信息冗余，集成Gold-YOLO neck增强多尺度特征融合能力，采用MPDIoU损失函数提升检测性能	未提及模型在复杂田间环境下的泛化能力及实时性表现	开发高效准确的水稻害虫自动检测方法以支持精准农业	水稻作物中的害虫	computer vision	NA	deep learning	Transformer (RP-DETR)	image	自建高质量水稻害虫数据集（具体数量未说明）
1983	2025-05-21	Adaptive debiasing learning for drug repositioning 2025-May-17, Journal of biomedical informatics IF:4.0Q2 DOI:10.1016/j.jbi.2025.104843 PMID:40389101	research paper	本文提出了一种名为DRDM的去偏学习框架，用于药物重定位任务，通过动态调整关联权重和双视图对比学习来减少数据偏差并增强模型鲁棒性	提出了一种针对药物重定位数据集中节点极化趋势的去偏学习框架DRDM，动态调整关联权重并采用双视图对比学习增强长尾实体表示	研究仅分析了三种常用数据集，可能不适用于其他类型的药物重定位数据	解决药物重定位任务中的数据偏差问题，提高模型对长尾实体的识别能力	药物重定位数据集中的节点（药物和疾病）	machine learning	NA	graph neural network, contrastive learning	GNN	graph data	三种药物重定位数据集
1984	2025-05-21	phyddle: software for exploring phylogenetic models with deep learning 2025-May-14, Systematic biology IF:6.1Q1 DOI:10.1093/sysbio/syaf036 PMID:40366771	research paper	介绍了一款名为phyddle的软件，该软件利用深度学习技术探索系统发育模型	phyddle通过无似然深度学习方法处理缺乏易处理似然函数的系统发育模型，填补了标准推断方法的不足	未提及具体局限性	开发一款软件工具，用于利用深度学习技术进行系统发育建模和分析	系统发育树和相关的进化模型	machine learning	NA	深度学习	NA	系统发育树数据	NA
1985	2025-05-21	scPrediXcan integrates deep learning methods and single-cell data into a cell-type-specific transcriptome-wide association study framework 2025-May-14, Cell genomics IF:11.1Q1 DOI:10.1016/j.xgen.2025.100875 PMID:40373737	研究论文	提出了一种名为scPrediXcan的方法，将深度学习方法与单细胞数据整合到细胞类型特异性转录组范围关联研究框架中	结合先进的深度学习方法和单细胞数据，提高了细胞类型特异性表达的预测准确度，并捕捉了线性模型忽略的复杂基因调控规则	未提及具体样本量或数据集的局限性	识别疾病致病基因并揭示其在细胞水平上的机制	2型糖尿病（T2D）和系统性红斑狼疮（SLE）	生物信息学	2型糖尿病, 系统性红斑狼疮	单细胞数据, 深度学习	ctPred (深度学习模型)	单细胞表达数据, DNA序列数据	NA
1986	2025-05-21	Differentiable Folding for Nearest Neighbor Model Optimization 2025-May-12, ArXiv PMID:40160447	research paper	本文提出了一种利用可微分折叠技术优化最近邻模型参数的方法，显著提升了RNA二级结构预测的准确性	利用可微分折叠技术直接计算RNA折叠算法的梯度，实现了高效、可扩展且灵活的参数优化方法	未明确提及具体局限性，但可能依赖于已知RNA结构和热力学实验数据的可用性	优化RNA二级结构形成的最近邻模型参数，提高预测准确性	RNA二级结构	computational biology	NA	differentiable folding	Nearest Neighbor model	RNA structures and thermodynamic experiments	≈13,000 thermodynamic parameters
1987	2025-05-21	Deep Learning-Assisted Computer-Aided Diagnosis System for Early Detection of Lung Cancer 2025-May, Journal of clinical ultrasound : JCU IF:1.2Q3 DOI:10.1002/jcu.23929 PMID:39887401	research paper	本文提出了一种深度学习辅助的计算机辅助诊断系统，用于早期检测肺癌	提出的模型在准确性和敏感性方面优于现有技术（99.53%的准确性和98.95%的敏感性）	NA	开发一种更有效的计算机辅助诊断系统以早期检测肺癌	肺癌的检测和分类	digital pathology	lung cancer	Binary Grasshopper Optimization Algorithm (BGOA), Fast nonlocal means filter (FNLM)	deep learning	image	NA
1988	2025-05-21	Prenatal Diagnostics Using Deep Learning: A Dual Approach to Plane Localization and Cerebellum Segmentation in Ultrasound Images 2025-May, Journal of clinical ultrasound : JCU IF:1.2Q3 DOI:10.1002/jcu.23924 PMID:39901589	research paper	本研究开发了两种深度学习技术，用于通过第五个月超声脑图像进行神经发育障碍的产前预测	提出了两种专门的CNN架构：用于平面定位的差分CNN和用于小脑分割的双CNN，这些架构针对特定任务设计，提高了诊断准确性	研究承认存在某些局限性和挑战	开发深度学习技术用于神经发育障碍的产前预测	第五个月超声脑图像	digital pathology	neurodevelopmental disorder	ultrasound imaging	CNN	image	标注的超声图像数据集
1989	2025-05-21	Combining Ultrasound Imaging and Molecular Testing in a Multimodal Deep Learning Model for Risk Stratification of Indeterminate Thyroid Nodules 2025-May, Thyroid : official journal of the American Thyroid Association IF:5.8Q1 DOI:10.1089/thy.2024.0584 PMID:40256961	研究论文	本研究提出了一种结合超声成像和分子检测的多模态深度学习模型，用于提高甲状腺结节的恶性风险分层	通过整合超声成像和分子检测数据，利用互补信息提升恶性风险分层的阳性预测值，同时保持高敏感性	研究受限于单中心数据集、缺乏外部验证以及使用二值化的分子检测输出而非细粒度的恶性风险概率	提高甲状腺结节的恶性风险分层准确性	333名不确定甲状腺结节患者（259例良性，74例恶性）	数字病理	甲状腺结节	下一代测序（NGS）	多模态深度学习模型	超声图像和分子检测数据	333名患者
1990	2025-05-21	Expert consensus document on artificial intelligence of the Italian Society of Cardiology 2025-May-01, Journal of cardiovascular medicine (Hagerstown, Md.) DOI:10.2459/JCM.0000000000001716 PMID:40331418	专家共识	意大利心脏病学会关于人工智能在心血管疾病管理中应用的专家共识文件	探讨了人工智能（AI）在心血管疾病诊断和预后中的新兴应用，包括机器学习和深度学习模型的使用	算法的外部有效性无法保证，结果的可解释性可能存在问题（即“黑箱”问题）	探索人工智能在心血管疾病管理中的潜力和应用	心血管疾病患者，包括高血压、缺血性心脏病和罕见的心肌病等	人工智能在医疗健康中的应用	心血管疾病	机器学习（ML）和深度学习（DL）	人工神经网络	医院数据集、心电图和超声心动图采集数据	NA
1991	2025-05-21	Enhancing perihematomal edema segmentation: integrating prior knowledge with deep learning for enhanced accuracy and interpretability 2025-May-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-24-2404 PMID:40384678	research paper	该研究提出了一种结合先验知识与深度学习的网络PESE-Net，用于提高颅内血肿周围水肿（PHE）分割的准确性和可解释性	提出PESE-Net网络，通过结合PHE的先验知识与深度学习方法，采用新的特征加权策略协同融合PHE的整体变化特征和空间信息	未提及具体的数据集规模或外部验证结果	提高PHE分割的准确性以增强临床诊断效率和可靠性	自发性颅内出血图像中的PHE区域	digital pathology	cardiovascular disease	deep learning	PESE-Net	image	NA
1992	2025-05-21	Free-breathing pediatric cardiac dark-blood imaging with reverse double inversion-recovery and single-shot deep learning reconstruction 2025-May-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-24-1933 PMID:40384682	research paper	该研究结合反向双反转恢复（RDIR）和基于人工智能辅助压缩感知（ACS）重建的单次激发暗血快速自旋回波（SS-RDIR）技术，实现了自由呼吸下儿童心脏高分辨率运动鲁棒性水肿评估	结合RDIR和ACS重建的SS-RDIR技术显著缩短扫描时间并提高图像质量，优于传统多激发技术	研究样本量较小（20名健康儿童和47名儿科患者），且未提及长期临床效果验证	开发一种自由呼吸下儿童心脏高分辨率运动鲁棒性水肿评估方法	健康儿童和儿科患者的心脏成像	数字病理	心血管疾病	暗血T2加权快速自旋回波（DB-FSE）、反向双反转恢复（RDIR）、人工智能辅助压缩感知（ACS）重建	AI-assisted compressed sensing (ACS)	医学影像	67名受试者（20名健康儿童和47名儿科患者）
1993	2025-05-21	MHAU-Net: a multi-scale hybrid attention U-shaped network for the segmentation of MRI breast tumors 2025-May-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-24-1515 PMID:40384695	research paper	提出了一种名为MHAU-Net的多尺度混合注意力U型网络，用于MRI乳腺肿瘤的分割	使用四组不同扩张率的空洞卷积提取多尺度上下文信息，并结合通道和空间注意力块提取混合注意力特征，提高了对不同大小和形状肿瘤的适应性	未提及具体的局限性	实现MRI扫描中乳腺肿瘤的准确自动分割	MRI乳腺肿瘤图像	digital pathology	breast cancer	MRI	MHAU-Net (基于3D U-Net的改进)	3D图像	906张3D乳腺MRI图像
1994	2025-05-21	Detection-guided deep learning-based model with spatial regularization for lung nodule segmentation 2025-May-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-2024-2511 PMID:40384696	研究论文	提出了一种结合检测引导和空间正则化的深度学习模型，用于肺部结节的分割	整合了基于U-Net的分割和基于ResNet的分类过程，并应用特征组合块和空间正则化技术以提高精度	训练数据集有限，可能影响模型的泛化能力	开发一种准确可靠的肺部结节分割方法，以辅助放射科医生提高诊断准确性	肺部结节	计算机视觉	肺癌	深度学习	U-Net, ResNet	CT图像	NA
1995	2025-05-21	Lightweight attention network for guidewire segmentation and localization in clinical fluoroscopic images of vascular interventional surgery 2025-May-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-2024-2926 PMID:40384703	research paper	本研究提出了一种轻量级注意力网络，用于血管介入手术临床荧光图像中导丝的分割与定位	引入了双边特征融合（BGA）模块和轻量级门控注意力（SDA）模块，提高了导丝分割的精确度	研究中使用的数据集仅来自38名受试者，样本量相对较小	提升经导管动脉化疗栓塞术（TACE）中导丝输送的精确性和实用性	临床荧光图像中的导丝	computer vision	cardiovascular disease	深度学习	CNN	image	2,839张X射线图像，来自38名受试者
1996	2025-05-21	Deep learning-based key point detection algorithm assisting vessel centerline extraction 2025-May-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-24-1949 PMID:40384705	research paper	提出一种基于深度学习的关键点检测算法，用于辅助血管中心线提取，以提升斑块定量分析的准确性	针对迂曲血管中心线提取误差大的问题，提出关键点检测算法，显著提升检测精度和效率	研究为回顾性设计，且仅针对脑血管疾病患者，可能限制结果的普适性	提升血管中心线提取精度以辅助斑块定量评估	539名接受3.0-T MRI扫描的脑血管疾病患者	digital pathology	cerebrovascular disease	3.0-T MRI	deep learning	medical image	539例多中心脑血管疾病患者MRI影像
1997	2025-05-21	Bibliometric analysis of the application of artificial intelligence in orthopedic imaging 2025-May-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-24-1384 PMID:40384704	研究论文	通过文献计量分析总结了基于AI的骨科影像学知识结构，并探讨了其潜在研究趋势和焦点	首次通过文献计量学方法系统分析AI在骨科影像学中的应用，揭示了研究热点和未来趋势	仅基于WoSCC数据库，可能遗漏其他数据库的重要文献	总结AI在骨科影像学领域的知识结构并探索研究趋势	2007-2024年间WoSCC数据库中关于AI在骨科影像学应用的文献	医学影像分析	骨科疾病	文献计量分析	CNN	文献数据	3,147篇出版物
1998	2025-05-21	Value of deep learning model for predicting Breast Imaging Reporting and Data System 3 and 4A lesions on mammography 2025-May-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-24-1523 PMID:40384713	研究论文	评估基于乳腺X线摄影的深度学习模型在区分BI-RADS 3和4A病变中的诊断价值及其对放射科医生决策的影响	深度学习模型显著提高了初级放射科医生对BI-RADS 3和4A病变的诊断性能，有效减少漏诊和不必要的活检	研究为回顾性多中心研究，可能受到选择偏倚的影响，且深度学习模型的性能仍逊于资深放射科医生	评估深度学习模型在乳腺X线摄影中区分BI-RADS 3和4A病变的诊断价值	824名患者的846个乳腺X线摄影检测到的乳腺病变（BI-RADS 3和4A）	数字病理	乳腺癌	深度学习	DL模型	图像	846个乳腺病变（来自824名患者）
1999	2025-05-21	Light Bladder Net: Non-invasive Bladder Cancer Prediction by Weighted Deep Learning Approaches and Graphical Data Transformation 2025-May, Anticancer research IF:1.6Q4 DOI:10.21873/anticanres.17572 PMID:40295062	research paper	该研究开发了一种轻量级深度学习模型Light-Bladder-Net (LBN)，用于通过常规尿液数据非侵入性预测膀胱癌	通过数据转换、添加均匀噪声、特征选择方法及加权投票策略，提高了模型的泛化能力和分类准确性	未提及模型在更大规模或多样化数据集上的验证情况	开发一种快速、轻量级的非侵入性膀胱癌检测方法	膀胱癌患者的常规尿液数据	digital pathology	bladder cancer	deep learning, feature selection methods (mRMR, PCA, SVD, t-SNE)	Light-Bladder-Net (LBN)	urine data	NA
2000	2025-05-21	Surface-Enhanced Raman Scattering Nanotags: Design Strategies, Biomedical Applications, and Integration of Machine Learning 2025 May-Jun, Wiley interdisciplinary reviews. Nanomedicine and nanobiotechnology DOI:10.1002/wnan.70015 PMID:40391396	综述	本文综述了表面增强拉曼散射（SERS）纳米标签的设计策略、生物医学应用及其与机器学习的整合	强调了SERS纳米标签在生物成像、治疗诊断和液体活检中的最新应用，以及机器学习在提升SERS纳米标签效能中的作用	讨论了SERS纳米标签在临床转化中面临的挑战	探讨SERS纳米标签在生物医学领域的应用及其与机器学习的整合	SERS纳米标签及其在生物医学中的应用	生物医学工程	癌症、SARS-CoV-2	表面增强拉曼散射（SERS）	机器学习（ML）、深度学习	光谱数据、图像数据	NA