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
2041	2025-04-24	Predicting Acute Exacerbation Phenotype in Chronic Obstructive Pulmonary Disease Patients Using VGG-16 Deep Learning 2025, Respiration; international review of thoracic diseases DOI:10.1159/000540383 PMID:39047695	研究论文	本研究利用VGG-16深度学习方法预测慢性阻塞性肺疾病(COPD)患者的急性加重表型	首次将VGG-16深度学习方法应用于COPD患者急性加重表型的预测，并结合临床特征、定量CT参数和深度学习特征构建了高性能预测模型	样本量相对较小(219例)，外部验证队列仅29例患者	开发基于深度学习特征的COPD患者急性加重预测模型	219例接受吸气和呼气HRCT扫描的COPD患者	数字病理学	慢性阻塞性肺疾病	HRCT扫描，VGG-16深度学习特征提取	VGG-16，逻辑回归	医学影像(HRCT扫描)	219例COPD患者(训练队列) + 29例外部验证患者
2042	2025-04-24	New Technologies for Monitoring Coastal Ecosystem Dynamics 2025-Jan, Annual review of marine science IF:14.3Q1 DOI:10.1146/annurev-marine-040523-020221 PMID:39059419	综述	本文综合了关于沿海生态系统监测新兴技术的最新文献	介绍了包括卫星监测、空中和水下无人机、原位传感器网络、光纤系统和社区科学观测站在内的新兴技术	尽管技术有所进步，但在全球变化加速期间，沿海生态系统监测仍存在重大空白	探讨沿海生态系统监测的新兴技术及其应用	沿海生态系统	环境监测	NA	卫星监测、无人机、传感器网络、光纤系统、社区科学观测站	深度学习	遥感数据、传感器数据	NA
2043	2025-04-24	Segmentation and Vascular Vectorization for Coronary Artery by Geometry-Based Cascaded Neural Network 2025-Jan, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3435714 PMID:39078771	研究论文	提出一种基于几何的级联神经网络方法，用于冠状动脉的分割和血管向量化	1) 设计了一个级联网络，结合几何变形网络，用于冠状动脉分割和结果向量化，生成的冠状动脉网格连续且准确 2) 不同于传统的基于体素标签的marching cube方法生成的网格注释，重建了具有规则化形态的更精细的向量化网格 3) 收集了一个包含200例冠状动脉疾病CCTA图像的数据集CCA-200	NA	解决冠状动脉分割中的碎片化问题，提高分割和向量化的准确性	冠状动脉	数字病理	心血管疾病	深度学习	级联神经网络	医学图像（CCTA）	200例CCTA图像（CCA-200数据集）和公开ASOCA数据集
2044	2025-04-24	Harmonic Wavelet Neural Network for Discovering Neuropathological Propagation Patterns in Alzheimer's Disease 2025-Jan, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3434394 PMID:39074003	研究论文	本文提出了一种谐波小波神经网络（HWNN），用于预测阿尔茨海默病的早期阶段并定位与疾病相关的重要小波，以表征神经病理事件在大脑网络中的传播路径	提出了一种新的谐波小波神经网络（HWNN），用于识别神经病理事件的传播模式，解决了现有图基深度学习方法在缺乏共同大脑网络参考基础和适当传播模式识别机制方面的不足	研究主要基于合成和真实数据集进行实验，可能在实际临床应用中需要进一步验证	通过计算模型确定神经病理事件的传播模式，以理解阿尔茨海默病的病理生理机制	阿尔茨海默病（AD）患者的大脑网络和神经病理事件	数字病理学	阿尔茨海默病	谐波小波神经网络（HWNN）	HWNN	图数据	合成和真实数据集
2045	2025-04-24	Generalizable Reconstruction for Accelerating MR Imaging via Federated Learning With Neural Architecture Search 2025-Jan, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3432388 PMID:39037877	research paper	提出了一种基于联邦学习和神经架构搜索的通用性磁共振成像加速重建框架GAutoMRI	结合自动神经架构搜索和公平性调整方法，提升模型在异构数据分布下的泛化能力和公平性	未明确说明模型在极端异构数据场景下的表现	解决异构数据下磁共振成像重建模型的泛化性和隐私保护问题	多中心磁共振成像数据	medical imaging	NA	federated learning, neural architecture search	GAutoMRI	magnetic resonance images	多中心数据（具体数量未说明）
2046	2025-04-24	Unsupervised Domain Adaptation for EM Image Denoising With Invertible Networks 2025-Jan, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3431192 PMID:39028599	研究论文	提出了一种基于可逆网络的无监督域自适应方法，用于电子显微镜(EM)图像去噪	首次提出无监督域自适应EM图像去噪方法，通过域对齐建立共享的域无关内容空间，并引入域正则化确保精确对齐	方法依赖于EM图像内容特征的相似性假设，可能不适用于内容差异较大的图像	解决电子显微镜图像去噪中存在的域偏移问题	电子显微镜(EM)图像	计算机视觉	NA	无监督域自适应	可逆网络	图像	合成和真实EM数据集
2047	2025-04-24	Deep Learning for the Accurate Prediction of Triggered Drug Delivery 2025-Jan, IEEE transactions on nanobioscience IF:3.7Q3 DOI:10.1109/TNB.2024.3426291 PMID:39018211	研究论文	本研究利用深度学习技术准确预测触发药物释放行为，探索纳米载体在癌症治疗中的应用	结合实验测量与深度学习技术开发预测模型，显著优于线性预测方法	未提及模型在临床环境中的验证情况	提高化疗药物递送的精确性和有效性	脂质体和金属有机框架纳米载体	机器学习	癌症	深度学习	深度学习模型	实验测量数据	NA
2048	2025-04-24	Deep learning methods for protein function prediction 2025-Jan, Proteomics IF:3.4Q2 DOI:10.1002/pmic.202300471 PMID:38996351	review	本文深入回顾了近年来深度学习在蛋白质功能预测领域的最新发展	总结了该领域的重大进展，并指出了几个待解决的主要挑战及潜在探索方向	未提及具体实验验证或实际应用效果的局限性	推进蛋白质功能预测领域的发展	蛋白质功能预测	生物信息学	NA	深度学习	NA	蛋白质序列、结构、相互作用及其他相关信息	NA
2049	2025-04-24	Integrated Transcriptomic Landscape and Deep Learning Based Survival Prediction in Uterine Sarcomas 2025-Jan, Cancer research and treatment IF:4.1Q2 DOI:10.4143/crt.2024.343 PMID:38993092	研究论文	本研究通过RNA测序探索子宫肉瘤的基因组特征，并构建深度学习模型预测患者生存	发现新的基因融合位点MRPS18A-PDC-AS1作为潜在诊断标志物，开发了MMN-MIL深度学习模型用于生存预测	样本量相对较小（71例），且部分亚型样本数较少（如腺肉瘤仅3例）	阐明子宫肉瘤的基因组特征并开发生存预测模型	71例子宫肉瘤样本（包括ESS、uLMS等亚型）	数字病理学	子宫肉瘤	RNA测序	MMN-MIL（Max-Mean Non-Local多示例学习模型）	基因组数据	71例子宫肉瘤样本（47例ESS，18例uLMS等）
2050	2025-04-24	High-Risk Sequence Prediction Model in DNA Storage: The LQSF Method 2025-Jan, IEEE transactions on nanobioscience IF:3.7Q3 DOI:10.1109/TNB.2024.3424576 PMID:38976468	research paper	本文介绍了一种名为LQSF的创新方法，利用深度学习模型预测DNA存储中的高风险序列，以提高存储效率和减少错误	LQSF方法首次在DNA存储技术中引入了主动序列过滤机制，通过深度学习模型在编码阶段预测和过滤低质量序列	NA	提高DNA存储技术的效率和准确性，减少合成和测序过程中的错误	DNA存储中的高风险序列	machine learning	NA	深度学习	Alexnet, VGG16, VGG19	DNA序列数据	多种神经网络和测试集
2051	2025-04-24	Molecular Classification of Breast Cancer Using Weakly Supervised Learning 2025-Jan, Cancer research and treatment IF:4.1Q2 DOI:10.4143/crt.2024.113 PMID:38938010	研究论文	该研究利用弱监督学习方法对乳腺癌进行分子分类	采用弱监督学习从全切片图像中开发深度学习模型，减少了对大量手动注释的需求	亚型之间存在不平衡，且两个数据集之间的差异导致了分子亚型比例的不同	乳腺癌的分子分类以提高治疗效果	乳腺癌病例	数字病理学	乳腺癌	弱监督学习	深度学习模型	全切片图像	来自韩国大学Guro医院(KG)和The Cancer Genomic Atlas数据集(TCGA)的两个数据集
2052	2025-04-24	Automated Radiology Report Generation: A Review of Recent Advances 2025, IEEE reviews in biomedical engineering IF:17.2Q1 DOI:10.1109/RBME.2024.3408456 PMID:38829752	review	本文对自动放射学报告生成（ARRG）的最新进展进行了方法学回顾	综述了当代ARRG方法，包括数据集评估、深度学习训练方法、最先进的模型架构、临床知识整合技术以及模型评估技术	未提及具体研究中的样本限制或数据偏差问题	评估和总结自动放射学报告生成领域的最新研究进展	自动放射学报告生成（ARRG）的相关研究	natural language processing	NA	对比学习、强化学习	CNN、transformer models	text、multimodal inputs	NA
2053	2025-04-24	FDDSeg: Unleashing the Power of Scribble Annotation for Cardiac MRI Images Through Feature Decomposition Distillation 2025-Jan, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3404884 PMID:38787661	research paper	提出了一种名为FDDSeg的特征分解蒸馏深度学习方法，用于基于涂鸦标注的心脏MRI图像分割	FDDSeg采用涂鸦标注重用策略和特征分解蒸馏技术，以更少的模型参数实现更精确的分割	方法仅在ACDC和MSCMR两个公开数据集上进行了验证，需要更多数据集的测试	开发一种计算成本低且仅需涂鸦标注的心脏MRI图像精确分割方法	心脏MRI图像	digital pathology	cardiovascular disease	MRI	FDDSeg	image	ACDC和MSCMR两个公开心脏MRI数据集
2054	2025-04-24	Coati optimization algorithm for brain tumor identification based on MRI with utilizing phase-aware composite deep neural network 2025, Electromagnetic biology and medicine IF:1.6Q4 DOI:10.1080/15368378.2024.2401540 PMID:39835842	research paper	提出了一种基于MRI的脑肿瘤识别方法，使用相位感知复合深度神经网络和Coati优化算法	结合相位感知复合深度神经网络和Coati优化算法，提高了脑肿瘤识别的准确率、召回率和精确度	未提及具体的数据集来源和样本数量，可能影响方法的泛化能力	提高基于MRI的脑肿瘤识别准确率	脑肿瘤MRI图像	digital pathology	brain tumor	MRI, Multivariate Fast Iterative Filtering (MFIF), Self-Supervised Nonlinear Transform (SSNT)	Phase-aware Composite Deep Neural Network (PACDNN), Coati Optimized Algorithm (COA)	image	NA
2055	2025-04-24	Deep Drug Synergy Prediction Network Using Modified Triangular Mutation-Based Differential Evolution 2025-Jan, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3377631 PMID:38498748	研究论文	提出了一种名为EDNet的深度药物协同预测网络，利用改进的基于三角突变的差分进化算法来优化网络权重和架构，以提高药物协同预测的准确性	采用改进的基于三角突变的差分进化算法优化深度双向混合密度网络的初始连接权重和架构相关属性，解决了梯度消失、过拟合和参数调优等问题	未提及具体的数据集局限性或模型在其他类型癌症中的泛化能力	提高药物协同预测的准确性，优化癌症治疗中的药物组合效果	药物组合协同效应	机器学习	癌症	改进的基于三角突变的差分进化算法	深度双向混合密度网络（EDNet）	药物协同数据	两个知名药物协同数据集：NCI-ALMANAC和deep-synergy
2056	2025-04-24	Predicting Blood Pressures for Pregnant Women by PPG and Personalized Deep Learning 2025-Jan, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3386707 PMID:38598377	research paper	该研究通过光电容积描记术（PPG）数据和个性化深度学习模型预测孕妇血压，为子痫前期提供有效预警	提出了一种三阶段建模方法（基线模型建立、孕妇数据微调、个性化迁移学习），结合1D-CNN、CBAMs、双向GRU和注意力机制，实现了连续无袖带血压监测	样本量有限（仅40名孕妇），未说明模型在多样化人群中的泛化能力	开发适用于孕妇的连续无创血压监测系统	孕妇血压预测	machine learning	geriatric disease	PPG	1D-CNN with CBAMs + bi-directional GRUs + attention layers	PPG信号	194名受试者（154名正常人+40名孕妇）
2057	2025-04-24	A Multimodal Approach for Early Identification of Mild Cognitive Impairment and Alzheimer's Disease With Fusion Network Using Eye Movements and Speech 2025, IEEE transactions on neural systems and rehabilitation engineering : a publication of the IEEE Engineering in Medicine and Biology Society IF:4.8Q1 DOI:10.1109/TNSRE.2025.3561043 PMID:40232896	研究论文	本研究提出了一种多模态方法，通过融合眼动和语音数据的神经网络，早期识别轻度认知障碍和阿尔茨海默病	开发了一种融合神经网络，整合了眼动和语音特征，显著提高了MCI和AD的分类准确率	样本量较小（78名参与者），可能影响模型的泛化能力	早期识别轻度认知障碍和阿尔茨海默病	78名参与者（37名健康对照，20名MCI患者，21名AD患者）	数字病理学	老年病	眼动追踪和语音分析	融合神经网络	多模态数据（眼动和语音）	78名参与者（37名健康对照，20名MCI患者，21名AD患者）
2058	2025-04-24	Quad-tree Based Driver Classification using Deep Learning for Mild Cognitive Impairment Detection 2025, IEEE access : practical innovations, open solutions IF:3.4Q2 DOI:10.1109/access.2025.3558706 PMID:40256415	研究论文	提出一种基于四叉树的深度学习方法，用于通过GPS数据识别驾驶员是否患有轻度认知障碍	引入地理区域四叉树结构捕捉驾驶轨迹的空间层次结构，并提出新的驾驶特征表示方法用于CNN分类	NA	通过驾驶模式分析识别轻度认知障碍驾驶员	驾驶员的GPS轨迹数据	机器学习	老年疾病	GPS数据分析	CNN	GPS轨迹数据	真实世界数据集（具体数量未说明）
2059	2025-04-24	Interplay between noise-induced sensorineural hearing loss and hypertension: pathophysiological mechanisms and therapeutic prospects 2025, Frontiers in cellular neuroscience IF:4.2Q2 DOI:10.3389/fncel.2025.1523149 PMID:40260077	review	本文综述了噪声性听力损失(NIHL)的病理生理学、对血迷路屏障(BLB)的影响以及新兴治疗方法	探讨了神经调节和基于载体的方法在克服BLB等生物屏障方面的潜力，以及计算化学方法在药物开发中的应用	主要集中于NIHL的机制和潜在治疗方法，缺乏具体临床试验数据的支持	详细研究NIHL及其潜在机制、生理影响和前沿治疗策略	噪声性听力损失及其相关病理生理机制	NA	心血管疾病	分子对接、分子动力学模拟、QSAR/QSPR分析、网络药理学	machine/deep learning algorithms	NA	NA
2060	2025-04-24	Mitigating Aberration-Induced Noise: A Deep Learning-Based Aberration-to- Aberration Approach 2024-Dec, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3422027 PMID:38959140	研究论文	本文提出了一种基于深度学习的无需真实数据的相位像差校正方法	首次提出无需真实数据即可校正相位像差的深度学习方法，并设计了自适应混合损失函数以提高性能	未明确说明方法在复杂临床环境中的泛化能力	解决超声成像中相位像差导致的图像质量下降问题	超声成像中的相位像差	医学影像处理	NA	深度学习	CNN	超声射频数据(RF data)和B模式图像	超过180,000张带有相位像差的单平面波图像(RF数据)