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
201	2025-05-31	Classification of Major Depressive Disorder Using Vertex-Wise Brain Sulcal Depth, Curvature, and Thickness with a Deep and a Shallow Learning Model 2025-Jan-24, ArXiv PMID:39975425	research paper	该研究利用深度学习模型和浅层学习模型，基于顶点级别的大脑沟深度、曲率和厚度特征，对重度抑郁症（MDD）进行分类	首次整合顶点级别的皮层形态特征，并比较DenseNet和SVM在MDD分类中的性能，同时应用ComBat协调工具消除多中心数据的潜在干扰效应	两种分类器在未见过的中心数据上表现接近随机水平，表明当前特征和分类器组合无法有效区分MDD和健康对照组	探索基于脑形态学特征的MDD自动诊断方法	重度抑郁症患者（MDD）和健康对照组（HC）	神经影像分析	重度抑郁症	脑形态学特征分析，ComBat数据协调	DenseNet, SVM	脑结构MRI数据	7,012名参与者（2,772名MDD患者和4,240名HC），来自30个中心
202	2025-05-31	An interpretable multi-scale convolutional attention residual neural network for glioma grading with Raman spectroscopy 2025-Jan-23, Analytical methods : advancing methods and applications IF:2.7Q1 DOI:10.1039/d4ay02068e PMID:39686848	研究论文	本文提出了一种多尺度卷积注意力残差网络（M-SCA ResNet），用于通过拉曼光谱对胶质瘤进行分级	结合多尺度通道和空间注意力机制以及残差结构，提升了模型的特征提取能力，并通过Grad-CAM增强了模型的可解释性	NA	提高胶质瘤分级的准确性和可解释性，辅助医生制定个性化手术方案	高级别胶质瘤（HGG）、低级别胶质瘤（LGG）和正常组织	数字病理	胶质瘤	拉曼光谱	M-SCA ResNet	光谱数据	NA
203	2025-05-31	Integrating pharmacogenomics and cheminformatics with diverse disease phenotypes for cell type-guided drug discovery 2025-Jan-20, Genome medicine IF:10.4Q1 DOI:10.1186/s13073-025-01431-x PMID:39833831	研究论文	提出了一种基于网络的统计方法Pathopticon，整合药物基因组学和化学信息学数据，用于细胞类型依赖的药物发现	开发了Pathopticon方法，结合细胞类型特异性基因-药物扰动网络与化学信息学数据，改进了药物发现的预测性能	方法依赖于现有数据库（如CMap、Enrichr、ChEMBL）的数据质量和覆盖范围	开发一种细胞类型特异性的药物发现和重新定位平台	药物基因组学和化学信息学数据，以及多种疾病表型	计算药物发现	血管疾病	QUIZ-C统计方法、qPCR实验	网络分析方法	基因表达数据、化学结构数据	569个疾病特征（来自Enrichr数据库）、73个基因集（来自MSigDB）
204	2025-05-31	Using artificial intelligence and statistics for managing peritoneal metastases from gastrointestinal cancers 2025-Jan-15, Briefings in functional genomics IF:2.5Q3 DOI:10.1093/bfgp/elae049 PMID:39736152	research paper	本研究探讨了人工智能和统计方法在分析和处理胃肠道癌症引起的腹膜转移中的应用	比较了AI方法与传统统计方法在腹膜转移管理中的表现，发现深度学习方法表现最佳	样本量是影响模型预测准确性的关键因素，但研究未涉及具体样本量数据	探索AI和统计方法在胃肠道癌症腹膜转移管理中的应用	腹膜转移（PM）由胃肠道癌症引起	machine learning	gastrointestinal cancers	conventional machine learning (ML), deep learning (DL), biostatistics, logistic models	ML, DL	NA	NA
205	2025-05-31	A hybrid machine learning approach for the personalized prognostication of aggressive skin cancers 2025-Jan-08, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-024-01329-9 PMID:39779875	research paper	该研究开发了一种名为'DeepMerkel'的基于网络的个性化预后工具，用于Merkel细胞癌（MCC）的个性化生存预测	结合深度学习特征选择和改进的XGBoost框架，开发了首个针对MCC的个性化预后工具，并通过国际临床队列验证了其预测性能优于现有基于人群的预后分期系统	未提及具体样本量或数据收集的限制	开发个性化机器学习预后工具，用于Merkel细胞癌（MCC）的生存预测	Merkel细胞癌（MCC）患者	machine learning	skin cancer	deep learning feature selection, XGBoost	XGBoost	clinical information	NA
206	2025-05-31	HVSeeker: a deep-learning-based method for identification of host and viral DNA sequences 2025-Jan-06, GigaScience IF:11.8Q1 DOI:10.1093/gigascience/giaf037 PMID:40372723	research paper	HVSeeker是一种基于深度学习的方法，用于区分细菌和噬菌体序列	HVSeeker结合了两种独立的模型（DNA序列和蛋白质分析）以及三种预处理方法（填充、contigs组装和滑动窗口），在识别未知噬菌体基因组方面表现出色	NA	开发一种能够从混合宏基因组中准确识别宿主和病毒序列的方法	细菌和噬菌体序列	bioinformatics	NA	deep learning	HVSeeker（包含DNA序列和蛋白质分析两个独立模型）	DNA序列和蛋白质序列	测试数据来自NCBI和IMGVR数据库，序列长度范围200到1,500碱基对
207	2025-05-31	Foundation models in ophthalmology: opportunities and challenges 2025-Jan-01, Current opinion in ophthalmology IF:3.0Q1 DOI:10.1097/ICU.0000000000001091 PMID:39329204	review	本文探讨了眼科学中基础模型的机遇与挑战，特别是RETFound和大型语言模型（如GPT-4和Gemini）的应用	介绍了首个眼科学基础模型RETFound，并探讨了大型语言模型在眼科学任务中的表现	高质量眼科学数据集的缺乏以及训练多模态模型所需的巨大计算资源	探索眼科学中基础模型和大型语言模型的发展机遇与挑战	眼科学基础模型和大型语言模型	digital pathology	NA	NA	RETFound, GPT-4, Gemini	multimodal data	NA
208	2025-05-31	Enhancing chest X-ray datasets with privacy-preserving large language models and multi-type annotations: A data-driven approach for improved classification 2025-Jan, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103383 PMID:39546982	研究论文	本文提出了一种名为MAPLEZ的新方法，利用本地可执行的大型语言模型（LLM）从胸部X光报告中提取和增强发现标签，以提高分类质量	MAPLEZ不仅提取二元标签（表示发现的存在或缺失），还提取位置、严重程度和放射科医生对发现的不确定性，显著提高了标签质量和分类性能	方法仅在有限分辨率的胸部X光数据集上进行了验证，可能在其他类型或更高分辨率的数据上表现不同	提高胸部X光图像分析的标签质量和分类性能	胸部X光报告和图像	数字病理学	肺病	大型语言模型（LLM）	LLM	图像和文本	五个测试集中的八种异常情况
209	2025-05-31	Elastography-based AI model can predict axillary status after neoadjuvant chemotherapy in breast cancer with nodal involvement: a prospective, multicenter, diagnostic study 2025-Jan-01, International journal of surgery (London, England) DOI:10.1097/JS9.0000000000002105 PMID:39724577	research paper	开发了一种基于弹性成像和深度学习的模型，用于预测乳腺癌患者在化疗后腋窝淋巴结状态	结合剪切波弹性成像（SWE）和深度学习放射组学（DLR）模型，显著提高了预测准确性	研究仅基于术前超声图像，未考虑其他影像学或分子生物学数据	预测乳腺癌患者在接受新辅助化疗后腋窝淋巴结的状态	671名经活检证实有淋巴结转移的乳腺癌患者	digital pathology	breast cancer	shear wave elastography (SWE), B-mode ultrasound (BUS)	deep learning radiomics (DLR)	image	671名乳腺癌患者
210	2025-05-31	LD-informed deep learning for Alzheimer's gene loci detection using WGS data 2025 Jan-Mar, Alzheimer's & dementia (New York, N. Y.) DOI:10.1002/trc2.70041 PMID:39822590	research paper	介绍了一种名为Deep-Block的多阶段深度学习框架，用于从大规模全基因组测序数据中识别与阿尔茨海默病相关的遗传位点	Deep-Block框架结合了生物学知识，采用三阶段方法（基于连锁不平衡模式进行基因组分割、使用稀疏注意力机制选择相关LD块、应用TabNet和随机森林算法量化SNP特征重要性）来识别阿尔茨海默病的遗传因素	研究仅针对非西班牙裔白人参与者，可能限制了结果的普适性	开发先进的分析工具以从大规模高通量测序数据中有效识别遗传位点，特别是与阿尔茨海默病相关的位点	阿尔茨海默病相关的遗传位点	machine learning	阿尔茨海默病	WGS	TabNet, Random Forest	genomic data	7416名非西班牙裔白人参与者（3150名认知正常的老年人，4266名阿尔茨海默病患者）
211	2025-05-31	Use of artificial intelligence for gestational age estimation: a systematic review and meta-analysis 2025, Frontiers in global women's health DOI:10.3389/fgwh.2025.1447579 PMID:39950139	meta-analysis	本文通过系统综述和荟萃分析评估了人工智能模型在利用超声图像估计孕龄方面的准确性	首次对AI模型在孕龄估计中的准确性进行了系统评价和荟萃分析，特别关注了不同孕期、AI模型类型和外部验证的影响	纳入研究数量有限（17篇综述，10篇荟萃分析），且部分研究存在偏倚风险	评估AI模型在孕龄估计中的准确性，并与作为金标准的超声检查进行对比	使用AI模型进行孕龄估计的研究	数字病理	妊娠相关疾病	超声成像	CNN, DNN	2D图像, 盲扫视频	17项研究（其中10项纳入荟萃分析），涉及高收入国家、中高收入国家和低收入国家的数据
212	2025-05-31	Advanced applications in chronic disease monitoring using IoT mobile sensing device data, machine learning algorithms and frame theory: a systematic review 2025, Frontiers in public health IF:3.0Q2 DOI:10.3389/fpubh.2025.1510456 PMID:40061474	系统综述	本文综述了物联网移动传感设备数据、机器学习算法和框架理论在慢性病监测中的高级应用	引入了基于深度学习、紧框架方法和实时监测系统的先进模型，填补了物联网和AI技术在特定慢性病管理中应用的文献空白	存在数据收集、算法选择和用户交互方面的潜在偏差和弱点	探索物联网和AI技术在慢性病管理中的应用及其效果	主要慢性病如心血管疾病、癌症、慢性呼吸系统疾病和糖尿病	机器学习	慢性病	物联网移动传感设备数据、机器学习算法（ANN、SVM、RF、深度学习模型）	ANN、SVM、RF、深度学习模型	传感器数据、医疗数据	NA
213	2025-05-31	Leveraging Extended Windows in End-to-End Deep Learning for Improved Continuous Myoelectric Locomotion Prediction 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.2025.3552530 PMID:40100693	研究论文	本研究探讨了利用扩展窗口长度在端到端深度学习中改进连续肌电运动预测的方法	通过扩展窗口长度（250 ms至1500 ms）结合端到端CNN处理原始sEMG信号，克服了传统方法在预测能力上的限制	研究未涉及不同个体间的泛化能力验证	改进连续肌电运动预测的准确性和实时性	表面肌电信号（sEMG）和连续运动模式	机器学习	NA	表面肌电信号（sEMG）采集	CNN	信号数据	涉及8种运动模式和16种过渡状态
214	2025-05-31	AADNet: Exploring EEG Spatiotemporal Information for Fast and Accurate Orientation and Timbre Detection of Auditory Attention Based on a Cue-Masked Paradigm 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.2025.3555542 PMID:40168202	research paper	该研究提出了一种基于EEG的快速准确解码听觉注意方向与音色的方法，并设计了一种新的实验范式以避免信息泄露	提出了一种新的线索掩蔽听觉注意范式，并开发了端到端深度学习模型AADNet，利用EEG信号的时空信息实现高精度低延迟解码	NA	开发快速准确的听觉注意解码技术，用于神经导向助听器等辅助听力设备的实际应用	EEG信号中的听觉注意方向(OA)和音色注意(TA)	脑机接口	NA	EEG信号分析	AADNet(端到端深度学习模型)	EEG信号	NA
215	2025-05-31	Derivative-Guided Dual-Attention Mechanisms in Patch Transformer for Efficient Automated Recognition of Auditory Brainstem Response Latency 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.2025.3558730 PMID:40198282	research paper	提出了一种名为Patch-DAT的新型深度学习模型，用于自动识别听觉脑干反应（ABR）波I、III和V的潜伏期	引入了导数引导的双注意力机制和重叠分块策略，以更好地捕捉局部时间模式和全局依赖关系	未来工作将集中于扩大数据集多样性和提高模型可解释性	开发一种轻量级且可泛化的深度学习模型，用于自动识别ABR波潜伏期	听觉脑干反应（ABR）波I、III和V的潜伏期	machine learning	NA	深度学习	Transformer	时间序列数据	来自两家医院的大规模多样化数据集
216	2025-05-31	SMANet: A Model Combining SincNet, Multi-Branch Spatial-Temporal CNN, and Attention Mechanism for Motor Imagery BCI 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.2025.3560993 PMID:40232894	研究论文	提出了一种结合SincNet、多分支时空CNN和注意力机制的深度学习模型SMANet，用于运动想象脑机接口分类	首次将SincNet、多分支时空CNN和注意力机制结合用于EEG信号解码，通过多目标优化方案增强判别特征	未提及模型在不同EEG设备或噪声环境下的泛化能力	提高运动想象脑机接口的分类准确率	EEG信号	脑机接口	NA	深度学习	SincNet + MBSTCNN + ECA	EEG信号	三个公开数据集（BCI Competition IV 2a四分类、2b二分类和OpenBMI二分类）
217	2025-05-31	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	research paper	该研究提出了一种多模态方法，通过结合眼动和语音数据，使用融合网络早期识别轻度认知障碍和阿尔茨海默病	开发了一种基于深度学习的融合神经网络模型，整合了眼动和语音特征，显著提高了MCI和AD的分类准确率	样本量相对较小（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）	digital pathology	geriatric disease	eye-tracking, speech analysis	Fusion Neural Network	multimodal (gaze + speech)	78 participants (37 controls, 20 MCI, 21 AD)
218	2025-05-31	An Interventional Brain-Computer Interface for Long-Term EEG Collection and Motion Classification of a Quadruped Mammal 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.2025.3562922 PMID:40257874	研究论文	提出了一种新型介入式脑机接口（BCI），用于长期收集四足哺乳动物的脑电图（EEG）信号并进行运动分类	通过静脉植入电极采集颅内EEG信号，无需开颅手术，解决了传统非侵入式BCI使用环境受限和侵入式BCI永久性神经损伤的问题	研究仅在绵羊中进行，尚未在人类身上验证	开发一种能够长期有效采集EEG信号的介入式BCI，用于解决中风患者术后运动功能障碍	绵羊	脑机接口	中风	EEG信号采集，功率谱密度（PSD）分析	深度学习模型	EEG信号	绵羊，数据收集持续五个月（前三个月用于训练，第四个月用于验证）
219	2025-05-31	Continuous Joint Kinematics Prediction Using GAT-LSTM Framework Based on Muscle Synergy and Sparse sEMG 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.2025.3565305 PMID:40299730	研究论文	提出了一种基于肌肉协同和稀疏sEMG的GAT-LSTM框架，用于连续关节运动预测	结合肌肉协同理论和图注意力网络，有效补偿稀疏sEMG设置的局限性，显著提高预测精度	NA	提高基于sEMG的连续运动预测的准确性和可靠性	sEMG信号和关节运动	机器学习	NA	sEMG	GAT-LSTM	sEMG信号	公共数据集Ninapro DB2和自收集数据集
220	2025-05-31	Optimizing gene selection and module identification via ontology-based scoring and deep learning 2025, Bioinformatics advances IF:2.4Q2 DOI:10.1093/bioadv/vbaf034 PMID:40365108	research paper	提出了一种结合统计方法和深度学习的集成框架，用于优化基因选择和模块识别	结合了基于基因本体论（GO）的新型统计算法和深度神经网络模型，提高了基因选择的准确性和生物相关性	未提及具体样本量或实验验证的局限性	优化基因选择并识别基因相互作用模块，以更好地理解复杂疾病机制	基因表达数据和基因相互作用	computational biology	NA	gene ontology (GO) scoring, deep learning	deep neural network, feed-forward architecture	omics data, gene expression data	NA