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	2025-05-14	Deep Learning Radiopathomics Models Based on Contrast-enhanced MRI and Pathologic Imaging for Predicting Vessels Encapsulating Tumor Clusters and Prognosis in Hepatocellular Carcinoma 2025-Mar, Radiology. Imaging cancer DOI:10.1148/rycan.240213 PMID:40084948	研究论文	基于对比增强MRI和病理成像的深度学习放射病理组学模型预测肝细胞癌中血管包裹肿瘤簇(VETC)及预后	开发了结合放射组学和病理组学的深度学习模型，用于预测肝细胞癌中的VETC模式和生存预后	回顾性研究设计可能引入选择偏倚，且样本量相对有限	预测肝细胞癌中的VETC模式及评估患者预后	578例肝细胞癌患者	数字病理	肝细胞癌	对比增强MRI，病理成像	Swin Transformer	MRI图像，病理图像	578例患者(训练集317例，内部测试集137例，外部测试集124例)
202	2025-05-14	Current AI Applications and Challenges in Oral Pathology 2025-Mar, Oral (Basel, Switzerland) DOI:10.3390/oral5010002 PMID:40357025	review	本文综述了人工智能在口腔病理学中的当前应用与挑战	探讨了AI在口腔病理学中的变革潜力，包括提高口腔疾病检测准确性和简化诊断流程	数据质量、泛化能力、法律与伦理问题、财务限制以及实践模式转变的需求	探索人工智能在口腔病理学中的应用及其面临的挑战	口腔病理学中的AI应用	digital pathology	oral diseases	machine learning, deep learning, convolutional neural networks, natural language processing	CNNs, NLP	image, text	NA
203	2025-05-14	stAI: a deep learning-based model for missing gene imputation and cell-type annotation of spatial transcriptomics 2025-Feb-27, Nucleic acids research IF:16.6Q1 DOI:10.1093/nar/gkaf158 PMID:40057378	研究论文	介绍了一种基于深度学习的模型stAI，用于空间转录组学数据中的缺失基因插补和细胞类型注释	stAI模型通过联合嵌入scST和参考scRNA-seq数据，利用两个独立的编码器-解码器模块，在潜在空间中以监督方式同时进行基因插补和细胞类型注释	NA	解决单细胞空间转录组学(scST)应用中全转录组水平表征和细胞类型全面注释的两大挑战	单细胞空间转录组学(scST)数据	数字病理学	NA	空间转录组学技术, scRNA-seq	深度学习模型(编码器-解码器模块)	空间转录组学数据, scRNA-seq数据	NA
204	2025-05-14	Machine Learning Methods for Classifying Multiple Sclerosis and Alzheimer's Disease Using Genomic Data 2025-Feb-27, International journal of molecular sciences IF:4.9Q2 DOI:10.3390/ijms26052085 PMID:40076709	research paper	该研究利用机器学习方法分析英国生物银行的基因组数据，旨在预测多发性硬化症和阿尔茨海默病的基因组易感性	研究比较了逻辑回归、集成树方法和深度学习模型在预测复杂疾病基因组易感性方面的表现，并利用可解释性工具揭示了多发性硬化症的多基因性	深度学习模型表现存在较大变异性，可能影响预测的稳定性	预测多发性硬化症和阿尔茨海默病的基因组易感性	英国生物银行的基因组数据	machine learning	multiple sclerosis, Alzheimer's disease	genomic data analysis	logistic regression, ensemble tree methods, deep learning models	genomic data	NA
205	2025-05-14	Multimodal depression detection based on an attention graph convolution and transformer 2025-Feb-27, Mathematical biosciences and engineering : MBE DOI:10.3934/mbe.2025024 PMID:40083285	研究论文	提出了一种基于EEG和语音信号的多模态抑郁症检测模型MHA-GCN_ViT，结合GCN和ViT技术提升检测准确率	首次将多模态EEG和语音信号结合，利用GCN和ViT技术进行特征提取和融合，显著提高了抑郁症检测的准确率	未提及模型在更大规模数据集上的泛化能力，以及在实际临床环境中的适用性	提高抑郁症检测的准确率，解决单模态检测的局限性	抑郁症患者	机器学习	抑郁症	离散小波变换(DWT), 短时傅里叶变换(STFT)	GCN, ViT	EEG信号, 语音信号	MODMA数据集上的五折交叉验证
206	2025-05-14	AI-driven health analysis for emerging respiratory diseases: A case study of Yemen patients using COVID-19 data 2025-Feb-24, Mathematical biosciences and engineering : MBE DOI:10.3934/mbe.2025021 PMID:40083282	研究论文	本文探讨了在资源有限的也门，利用AI驱动的预测模型和分类器，通过COVID-19数据预测呼吸系统疾病趋势，以优化医疗资源分配	结合自回归模型、移动平均模型、ARMA模型及多种机器学习和深度学习算法，预测呼吸系统疾病趋势并识别COVID-19严重性指标	研究样本仅基于也门数据，模型在其他地区的适用性未验证，且深度学习模型的准确率相对较低	提升资源有限地区对COVID-19与其他呼吸系统疾病的区分能力，优化医疗资源分配	也门COVID-19患者数据	数字病理	COVID-19	AR, MA, ARMA, 机器学习, 深度学习	ARMA, Decision Tree, Random Forest, SVM, 深度学习模型	医疗数据	80%训练数据，20%测试数据（具体样本数未提及）
207	2025-05-14	Uncertainty CNNs: A path to enhanced medical image classification performance 2025-Feb-20, Mathematical biosciences and engineering : MBE DOI:10.3934/mbe.2025020 PMID:40083281	研究论文	本文提出了一种低复杂度基于不确定性的CNN架构，用于医学图像分类，特别是肿瘤和心力衰竭检测	首次证明了测试集增强可以显著提高医学图像的分类性能，并引入了量化预测不确定性的方法	NA	提高医学图像分类的准确性和可靠性	肿瘤和心力衰竭的医学图像	数字病理	肿瘤和心血管疾病	深度学习	CNN	医学图像	三个数据集：脑部MRI、肺部CT扫描和心脏MRI
208	2025-05-14	Advancing bioinformatics with large language models: components, applications and perspectives 2025-Jan-31, ArXiv PMID:38259343	综述	本文全面概述了大型语言模型（LLMs）在生物信息学中的关键组成部分及其应用	探讨了LLMs在解决生物信息学问题方面的潜力，特别是在基因组学、转录组学、蛋白质组学、药物发现和单细胞分析等领域的应用	NA	推动生物信息学领域的发展，优化LLMs的使用并促进该领域的进一步创新	大型语言模型（LLMs）及其在生物信息学中的应用	生物信息学	NA	自监督学习、半监督学习	transformer	文本、基因组数据、转录组数据、蛋白质组数据、单细胞数据	NA
209	2025-05-14	An analysis of performance bottlenecks in MRI preprocessing 2025-Jan-06, GigaScience IF:11.8Q1 DOI:10.1093/gigascience/giae098 PMID:40072903	研究论文	本文分析了MRI预处理中的性能瓶颈，并提出了优化建议	使用Intel VTune分析工具对多个常用MRI预处理流程的性能瓶颈进行了详细分析，并发现了一些潜在问题	研究仅针对特定工具包（ANTs、FMRIB、FreeSurfer）的MRI预处理流程，可能不适用于其他工具或流程	提高MRI预处理流程的性能，以便更高效地进行大规模队列研究和临床应用	MRI预处理流程	医学影像处理	NA	Intel VTune分析工具	NA	MRI影像数据	NA
210	2025-05-14	Early pigment spot segmentation and classification from iris cellular image analysis with explainable deep learning and multiclass support vector machine 2025-01-01, Biochemistry and cell biology = Biochimie et biologie cellulaire DOI:10.1139/bcb-2023-0183 PMID:37906957	research paper	提出了一种结合可解释深度学习和多类支持向量机的方法，用于早期虹膜色素斑点的分割和分类	结合可解释深度学习和多类支持向量机进行虹膜色素斑点的早期分割和分类，优于现有方法	实验仅在三个基准数据集上进行，可能缺乏更广泛的验证	开发一种高效、准确的虹膜色素斑点分割和分类方法，以辅助早期视网膜疾病的诊断	虹膜细胞图像中的色素斑点	digital pathology	retinal disorders	deep learning, multiclass support vector machine	CNN, SVM	image	三个基准数据集（MILE、UPOL、Eyes SUB）
211	2025-05-14	A systematic review of automated hyperpartisan news detection 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0316989 PMID:39982955	综述	本文系统回顾了自动化检测超党派新闻的不同方法，整理了2015年至2024年间81篇相关文章的方法和数据集	首次系统性地综述了超党派新闻检测领域的研究，为未来研究奠定了坚实基础	计算机科学领域对超党派尚无明确定义，且大多数数据集为英文，缺乏少数语言的数据集，大型语言模型(LLMs)在该领域的研究有限	自动化检测超党派新闻以应对其导致的社会两极分化和民主稳定性威胁	超党派新闻文章	自然语言处理	NA	机器学习、深度学习	传统机器学习模型、深度学习模型、LLMs	文本	81篇相关文章
212	2025-05-14	Chinese medical named entity recognition utilizing entity association and gate context awareness 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0319056 PMID:39999103	研究论文	本文提出了一种结合实体关联和门控上下文感知的中文医学命名实体识别方法	使用RoBERTa-wwm-ext模型提取上下文特征，结合RNN和多头注意力机制捕捉实体间依赖关系，提高了识别准确率	未提及模型在更大规模数据集上的泛化能力	提高中文医学文本中命名实体识别的效率和准确性	中文医学文本中的命名实体	自然语言处理	NA	RoBERTa-wwm-ext, RNN, 多头注意力机制, 条件随机场	RoBERTa-wwm-ext, RNN	文本	MCSCSet和CMeEE数据集
213	2025-05-14	Virtual Monochromatic Imaging of Half-Iodine-Load, Contrast-Enhanced Computed Tomography with Deep Learning Image Reconstruction in Patients with Renal Insufficiency: A Clinical Pilot Study 2025, Journal of Nippon Medical School = Nippon Ika Daigaku zasshi DOI:10.1272/jnms.JNMS.2025_92-112 PMID:40058838	research paper	本研究探讨了深度学习图像重建（DLIR）在半碘负荷对比增强CT（CECT）虚拟单色成像（VMI）中的图像质量（IQ）	首次将DLIR应用于半碘负荷CECT的VMI，以优化图像质量	样本量较小（28例患者），且为回顾性研究	评估DLIR在半碘负荷CECT VMI中的图像质量	28例中重度肾功能不全的肿瘤患者	医学影像	肾功能不全	双能CT（DECT）和深度学习图像重建（DLIR）	DLIR	CT图像	28例患者
214	2025-05-14	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	通过引入基于深度学习的先进模型、紧框架方法和实时监测系统，展示了方法学上的创新	存在与数据收集、算法选择和用户交互相关的潜在偏见和弱点	探讨物联网和人工智能技术在特定慢性病管理中的应用	心血管疾病、癌症、慢性呼吸系统疾病和糖尿病等主要慢性病	机器学习	慢性病	物联网移动传感设备、机器学习算法（ANN、SVM、RF和深度学习模型）	深度学习模型	传感器数据	NA
215	2025-05-14	Deep learning-based prediction of atrial fibrillation from polar transformed time-frequency electrocardiogram 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0317630 PMID:40063554	research paper	本研究提出了一种基于极坐标变换的短时傅里叶变换谱图可视化ECG信号的新方法，并评估了深度卷积神经网络在预测心房颤动方面的性能	使用极坐标变换的短时傅里叶变换谱图进行ECG信号可视化，并利用深度CNN进行心房颤动预测	NA	开发一种基于深度学习的ECG信号分析方法，用于预测心房颤动	ECG信号	machine learning	心血管疾病	短时傅里叶变换(STFT)	CNN	image	PhysioNet/CinC Challenge 2017数据集中的ECG数据，分为四类：正常窦性心律、心房颤动、其他心律和噪声
216	2025-05-14	Color correction methods for underwater image enhancement: A systematic literature review 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0317306 PMID:40063649	系统文献综述	本文系统综述了水下图像增强中的色彩校正方法的最新进展	对67项相关研究进行了全面分析，提出了13种水下图像增强方法，并将其分为物理模型、非物理模型和基于深度学习的方法三类	存在算法局限性、数据依赖性、计算复杂性和不同水下环境性能差异等挑战	识别并批判性分析现有的水下图像色彩校正方法，强调其优势、局限性和未来研究方向	水下图像	计算机视觉	NA	NA	物理模型、非物理模型、深度学习	图像	67项研究（2010-2024年）
217	2025-05-14	LLM-FMS: A fine-grained dataset for functional movement screen action quality assessment 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0313707 PMID:40067873	research paper	该研究开发了一个细粒度的功能运动筛查（FMS）数据集LLM-FMS，并提出了一种基于大语言模型（LLM）的动作质量评估框架，以提高FMS评估的可解释性	LLM-FMS是首个用于动作评估任务的细粒度健身动作数据集，并提出了结合专家规则和LLM的新型动作质量评估框架	当前自动化的FMS评估仅限于等级评分，缺乏细粒度的反馈建议且可解释性差	提高功能运动筛查（FMS）动作质量评估的准确性和可解释性	功能运动筛查（FMS）动作	computer vision	NA	RTMPose, LLM	LLM	video, image	1812个动作关键帧图像，来自45名受试者
218	2025-05-14	Multi-omics and single-cell analysis reveals machine learning-based pyrimidine metabolism-related signature in the prognosis of patients with lung adenocarcinoma 2025, International journal of medical sciences IF:3.2Q1 DOI:10.7150/ijms.107694 PMID:40084259	研究论文	本研究通过多组学和单细胞分析，开发了基于机器学习的嘧啶代谢相关特征（PMRS），用于肺腺癌（LUAD）患者的预后评估	首次整合多种机器学习和深度学习算法构建PMRS模型，并通过实验验证了关键因子LYPD3在LUAD细胞系中的生物学功能	研究结果需要进一步在更大规模的临床样本中进行验证	评估嘧啶代谢在肺腺癌患者预后和治疗中的意义	肺腺癌（LUAD）患者	数字病理学	肺癌	多组学分析、单细胞分析	随机生存森林（random survival forest）	基因组数据、单细胞数据	NA
219	2025-05-14	PreCM: The Padding-Based Rotation Equivariant Convolution Mode for Semantic Segmentation 2025, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1 DOI:10.1109/TIP.2025.3558425 PMID:40249694	研究论文	本文提出了一种基于填充的旋转等变卷积模式（PreCM），用于提升语义分割任务中网络对任意旋转角度的鲁棒性	构建了通用的卷积-群框架以充分利用方向信息，并设计了PreCM模式，该模式可替代多种卷积类型，同时提出了新的评估指标旋转差异（RD）	未明确说明模型在极端旋转角度或复杂背景下的性能表现	解决语义分割网络中因缺乏旋转等变性导致的特征提取效率低下问题	多尺度图像和卷积核	计算机视觉	NA	深度学习	CNN	图像	三个数据集（卫星水体图像、DRIVE、Floodnet）
220	2025-05-14	Decalcify cardiac CT: unveiling clearer images with deep convolutional neural networks 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1475362 PMID:40351458	研究论文	本研究提出了一种名为HMDC的混合模型，用于通过有效的去钙化技术提高心脏CT图像的清晰度	提出了一种结合深度学习和传统图像处理方法的混合模型HMDC，用于心脏CT图像的去钙化，准确率高达97.22%	未提及具体的数据集大小或多样性限制	提高心脏CT图像的清晰度和诊断准确性	心脏CT图像中的钙化区域	医学影像	心血管疾病	深度学习与传统图像处理技术结合	CNN	图像	NA