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
2181	2025-05-21	ConsensuSV-ONT - a modern method for accurate structural variant calling 2024-Jul-26, bioRxiv : the preprint server for biology DOI:10.1101/2024.07.26.605267 PMID:39211254	research paper	提出了一种名为ConsensuSV-ONT的新方法，用于准确检测结构变异	结合六种独立的结构变异检测工具和CNN，提供高质量的结构变异检测	仅适用于Oxford Nanopore长读长测序数据	开发一种基于共识的结构变异检测工具，提高检测的准确性和可靠性	结构变异检测	machine learning	NA	Oxford Nanopore sequencing	CNN	sequencing data	NA
2182	2025-05-21	Marker Data Enhancement For Markerless Motion Capture 2024-Jul-17, bioRxiv : the preprint server for biology DOI:10.1101/2024.07.13.603382 PMID:39071421	research paper	该研究通过构建更大、更多样化的训练数据集，开发了一种更准确且泛化能力更强的标记增强器，用于改进无标记运动捕捉的准确性	创建了一个更大、更多样化的训练数据集，并开发了比OpenCap原有标记增强器更准确、泛化能力更强的模型	未明确提及具体局限性，但暗示模型性能可能仍受限于训练数据的覆盖范围	提高无标记运动捕捉中关节运动学的测量准确性	人体运动捕捉数据	计算机视觉	NA	深度学习	标记增强器（marker enhancer）	视频和运动捕捉数据	1176名受试者的标记运动捕捉数据，合成了1433小时的关键点和解剖标记数据
2183	2025-05-21	An explainable ensemble approach for advanced brain tumor classification applying Dual-GAN mechanism and feature extraction techniques over highly imbalanced data 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0310748 PMID:39331600	研究论文	本文提出了一种可解释的集成方法，用于高级脑肿瘤分类，结合了Dual-GAN机制和特征提取技术，针对高度不平衡的数据	提出了一种新颖的深度集成特征提取（DeepEFE）框架，结合Dual-GAN机制生成合成少数类样本，解决了类别不平衡问题，同时通过Grad-CAM增强了分类过程的透明度和可解释性	未提及具体的数据集大小或来源，可能影响方法的泛化能力	提高脑肿瘤分类的准确性和可解释性，以支持临床诊断和治疗计划	脑肿瘤的医学影像数据（如MRI扫描）	数字病理学	脑肿瘤	Dual-GAN, 特征提取技术	GAN, 深度集成模型	图像（MRI扫描）	未提及具体样本数量
2184	2025-05-21	Active learning of enhancer and silencer regulatory grammar in photoreceptors 2023-Aug-22, bioRxiv : the preprint server for biology DOI:10.1101/2023.08.21.554146 PMID:37662358	research paper	该研究使用主动机器学习方法训练深度学习模型，以预测光感受器中增强子和沉默子的调控语法	采用主动机器学习方法，通过迭代训练模型并选择最具信息量的合成DNA序列进行实验，显著减少了训练数据的需求	研究仅限于光感受器中的CRX转录因子结合位点，可能不适用于其他细胞类型或转录因子	开发能够从DNA序列准确预测调控元件活性的模型	光感受器中的调控元件（CREs）和Cone-rod homeobox（CRX）转录因子结合位点	machine learning	NA	active machine learning, deep learning	deep learning model	DNA sequence	使用比现有方法少一个数量级的训练数据
2185	2025-05-20	FADE: Forecasting for anomaly detection on ECG 2025-Jul, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108780 PMID:40300434	研究论文	提出了一种名为FADE的深度学习系统，用于正常ECG预测和异常检测，以减少对大量标记数据集和人工解释的需求	采用自监督学习方式和新型形态学启发的损失函数，通过预测正常ECG信号的未来值来检测异常，避免了传统方法需要标记异常ECG波形的需求	NA	提高心血管疾病的早期和准确检测，改善患者预后	ECG信号	机器学习	心血管疾病	深度学习	FADE	ECG信号	两个公开数据集：MIT-BIH NSR和MIT-BIH Arrythmia
2186	2025-05-20	A multi-task neural network for full waveform ultrasonic bone imaging 2025-Jul, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108807 PMID:40311439	研究论文	本文提出了一种名为CEDD-Unet的新型网络，用于实现基于深度学习的全波形反演方法进行高分辨率骨超声成像	采用双解码器架构，结合ConvLSTM模块和EMA模块，有效捕捉超声射频信号的多尺度时空特征，提高了重建精度	NA	实现高分辨率骨超声成像	人类骨骼和小鼠骨骼	医学影像处理	骨科疾病	全波形反演(FWI)	CEDD-Unet, ConvLSTM	超声射频(RF)信号	人类骨骼数据集(Dataset1)和小鼠骨骼数据集(Dataset2)
2187	2025-05-20	TransAnno-Net: A Deep Learning Framework for Accurate Cell Type Annotation of Mouse Lung Tissue Using Self-supervised Pretraining 2025-Jul, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108809 PMID:40315689	research paper	提出了一种基于自监督预训练的深度学习框架TransAnno-Net，用于小鼠肺组织单细胞RNA测序数据的细胞类型注释	采用自监督预训练策略减少标注成本，结合Transformer架构提升模型效率和可迁移性	需要在小规模标注数据集上进行微调，且针对细胞类型不平衡问题采用了随机过采样技术	开发高效准确的单细胞RNA测序数据细胞类型注释方法	小鼠肺组织的单细胞RNA测序数据	digital pathology	lung cancer	scRNA-seq	Transformer	gene expression data	约100,000个细胞的scRNA-seq肺数据
2188	2025-05-20	Deep learning modelling to forecast emergency department visits using calendar, meteorological, internet search data and stock market price 2025-Jul, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108808 PMID:40315688	研究论文	本研究利用深度学习模型，结合日历、气象、互联网搜索数据和股票市场价格，预测急诊科患者访问量	首次将股票市场价格与互联网搜索数据结合日历和气象数据，用于深度学习预测急诊科患者访问量，并比较了不同混合深度学习架构的预测效果	研究仅基于2010-2012年新加坡总医院的数据，可能不具有普遍适用性	提高急诊科患者访问量的预测准确性，优化资源分配	急诊科患者访问量	机器学习	NA	深度学习	LSTM, 1D CNN, CNN-LSTM混合模型	时间序列数据（日历、气象、互联网搜索、股票市场数据）	2010-2012年新加坡总医院的每日急诊科患者访问量数据
2189	2025-05-20	A method for evaluating the degree of Adipogenic differentiation of porcine cells cultured in suspension based on deep learning 2025-Jul, Food research international (Ottawa, Ont.) DOI:10.1016/j.foodres.2025.116324 PMID:40382025	研究论文	提出了一种基于深度学习的悬浮培养猪细胞脂肪生成分化程度评估方法	结合高通量技术和深度学习，开发了一种快速、直观且准确的脂肪生成分化评估技术	NA	评估猪悬浮脂肪细胞分化程度，以提高细胞培养肉的生产效率	猪悬浮脂肪细胞	深度学习	NA	高通量成像技术	深度学习模型	图像	96孔板中的12个孔
2190	2025-05-20	A review of multimodal fusion-based deep learning for Alzheimer's disease 2025-Jun-07, Neuroscience IF:2.9Q2 DOI:10.1016/j.neuroscience.2025.04.035 PMID:40286904	review	本文综述了基于深度学习的多模态融合在阿尔茨海默病研究中的最新进展	系统总结了MRI和PET多模态数据融合的深度学习方法及其在阿尔茨海默病研究中的应用	面临数据稀缺和不平衡、机构间数据异质性等关键挑战	推动阿尔茨海默病早期诊断和干预策略的发展	阿尔茨海默病相关的MRI和PET多模态影像数据	digital pathology	geriatric disease	MRI, PET	deep learning models	image	NA
2191	2025-05-20	Prognostic models for predicting oncological outcomes after surgical resection of a nonmetastatic renal cancer: A critical review of current literature 2025-Jun, Urologic oncology DOI:10.1016/j.urolonc.2024.08.014 PMID:39304391	综述	本文全面评估并批判性地评价了当前用于非转移性肾细胞癌（nmRCC）肾切除术后预后预测的模型	讨论了人工智能（AI）尤其是机器学习和深度学习算法在生存预测模型中的应用	AI模型的广泛应用受到外部验证有限、成本效益分析缺乏和临床效用未确认的限制	评估和批判当前用于nmRCC肾切除术后预后预测的模型	非转移性肾细胞癌（nmRCC）患者	数字病理学	肾癌	机器学习和深度学习算法	NA	临床、病理、基因组和分子数据	NA
2192	2025-05-20	Comprehensive Morphometric Analysis to Identify Key Neuroimaging Biomarkers for the Diagnosis of Adult Hydrocephalus Using Artificial Intelligence 2025-Jun-01, Neurosurgery IF:3.9Q1 DOI:10.1227/neu.0000000000003248 PMID:39508594	研究论文	本研究通过人工智能技术识别用于诊断成人脑积水的关键神经影像生物标志物，旨在开发实用且准确的诊断工具	利用SHAP特征重要性分析确定了关键的一维形态测量生物标志物，这些标志物易于测量且能提供与体积测量相似的分类性能	研究样本量较小，且仅针对非正常压力脑积水患者和健康受试者	开发实用且准确的诊断工具，帮助神经外科医生早期和准确诊断脑积水	成人非正常压力脑积水患者和健康受试者	数字病理	脑积水	人工图像处理，机器学习分类器	Gradient Boosting, 机器学习和深度学习分类器	神经影像数据	未明确提及具体样本数量，仅提到涉及非正常压力脑积水患者和健康受试者
2193	2025-05-20	AI model using CT-based imaging biomarkers to predict hepatocellular carcinoma in patients with chronic hepatitis B 2025-Jun, Journal of hepatology IF:26.8Q1 DOI:10.1016/j.jhep.2024.12.029 PMID:39710148	研究论文	开发了一种基于AI的预测模型，结合腹部CT图像生物标志物和临床变量，用于预测慢性乙型肝炎患者的肝细胞癌风险	首次将深度学习自动分割CT图像技术与梯度提升机算法结合，显著提高了预测模型的准确性	需要进一步验证模型在其他人群中的适用性	开发更准确的肝细胞癌预测模型	慢性乙型肝炎患者	数字病理学	肝细胞癌	CT成像	梯度提升机	医学影像	推导队列5,585例患者，外部验证队列2,883例患者
2194	2025-05-20	A Dual-Energy Computed Tomography Guided Intelligent Radiation Therapy Platform 2025-Jun-01, International journal of radiation oncology, biology, physics DOI:10.1016/j.ijrobp.2025.01.028 PMID:39921109	research paper	介绍了一种新型的双能计算机断层扫描（DECT）引导的智能放射治疗（DEIT）平台，旨在优化放射治疗流程	结合DECT、新型双层多叶准直器、深度学习算法进行自动分割，以及自动规划和质量保证功能	未提及具体样本量的限制或系统在特定条件下的性能限制	优化放射治疗流程，提高治疗的精确性和适应性	放射治疗系统及其在癌症治疗中的应用	digital pathology	cancer	DECT, deep learning algorithms	deep learning	image	5 cases for each of the 99 organs at risk
2195	2025-05-20	A deep learning and statistical shape modeling-based method for assessing intercondylar notch volume in anterior cruciate ligament reconstruction 2025-Jun, The Knee DOI:10.1016/j.knee.2025.02.009 PMID:40022961	研究论文	本研究利用深度学习和统计形状建模（SSM）技术，开发了一种评估前交叉韧带重建中髁间窝体积的方法	结合深度学习和SSM技术，实现了髁间窝的快速3D建模，并分析了其体积和形状的变异性	研究仅针对ACL损伤患者，未涉及健康对照组	提高对髁间窝复杂3D解剖结构的理解，以优化前交叉韧带重建手术	前交叉韧带（ACL）损伤患者的髁间窝	数字病理	运动损伤	深度学习，统计形状建模（SSM）	SegResNet	3D图像	ACL损伤患者样本（具体数量未提及）
2196	2025-05-20	Deep Learning for Ocean Forecasting: A Comprehensive Review of Methods, Applications, and Datasets 2025-Jun, IEEE transactions on cybernetics IF:9.4Q1 DOI:10.1109/TCYB.2025.3539990 PMID:40168238	综述	本文全面回顾了基于深度学习的海洋预报研究，包括模型架构、时空多尺度及可解释性，并探讨了结合理论驱动与数据驱动模型的混合架构的可行性	展示了深度学习在挖掘海洋学时空数据中的模式和深度洞察方面的潜力，为海洋预报领域的革新提供了新的可能性	讨论了当前研究的局限性，并展望了未来趋势	探索深度学习在海洋预报中的应用，以补充传统数值海洋预报的不足	海洋预报	机器学习	NA	深度学习	NA	时空数据	NA
2197	2025-05-20	Deep-learning-assisted medium optimization improves hyaluronic acid production by Streptococcus zooepidemicus 2025-Jun, Journal of bioscience and bioengineering IF:2.3Q3 DOI:10.1016/j.jbiosc.2025.03.001 PMID:40189954	research paper	利用深度学习算法优化培养基，提高兽疫链球菌生产透明质酸的效率	采用深度学习算法优化培养基成分，显著提高了透明质酸的生产效率	未提及实验的重复性或模型的泛化能力	提高兽疫链球菌生产透明质酸的效率	兽疫链球菌及其生产的透明质酸	machine learning	NA	深度学习	DL	实验数据	初始训练数据集OA01-18和54种候选优化培养基OM01-54
2198	2025-05-20	Histological tumor necrosis predicts decreased survival after neoadjuvant chemotherapy in head and neck squamous cell carcinoma 2025-Jun, Oral oncology IF:4.0Q2 DOI:10.1016/j.oraloncology.2025.107287 PMID:40245786	研究论文	本研究探讨了新辅助放疗或放化疗对头颈部鳞状细胞癌（HNSCC）肿瘤免疫景观及患者生存的影响，并发现肿瘤坏死是预测不良预后的有用生物标志物	首次发现肿瘤坏死可作为预测HNSCC患者新辅助治疗反应的生物标志物，并成功开发了基于AI的深度学习方法用于识别组织病理学标本中的肿瘤坏死	研究样本量相对较小（n=53），且为回顾性研究，可能存在选择偏倚	研究新辅助放疗或放化疗对HNSCC肿瘤免疫景观及患者生存的影响，并寻找预测治疗反应的生物标志物	头颈部鳞状细胞癌（HNSCC）患者	数字病理学	头颈部鳞状细胞癌	免疫组织化学染色，AI深度学习	深度学习	组织病理学图像	53例接受新辅助治疗的HNSCC患者，171例未接受新辅助治疗的HNSCC患者作为验证集
2199	2025-05-20	Exploring the Limitations of Virtual Contrast Prediction in Brain Tumor Imaging: A Study of Generalization Across Tumor Types and Patient Populations 2025-Jun, NMR in biomedicine IF:2.7Q1 DOI:10.1002/nbm.70062 PMID:40386872	research paper	本研究探讨了深度学习模型在脑肿瘤影像中预测虚拟对比增强的局限性，特别是在不同肿瘤类型和患者群体中的泛化能力	首次系统研究了深度学习模型在预测脑肿瘤影像对比增强时的泛化能力，揭示了跨肿瘤类型和患者群体的挑战	模型在特定肿瘤类型和数据集上表现良好，但在其他肿瘤类型和多样化患者群体中泛化能力有限	评估深度学习模型在脑肿瘤影像中预测虚拟对比增强的泛化能力	脑肿瘤患者	digital pathology	brain tumor	MRI	neural network	image	NA
2200	2025-05-20	Transformer model based on Sonazoid contrast-enhanced ultrasound for microvascular invasion prediction in hepatocellular carcinoma 2025-May-19, Medical physics IF:3.2Q1 DOI:10.1002/mp.17895 PMID:40384312	research paper	本研究评估了基于Sonazoid对比增强超声的Transformer模型在肝细胞癌微血管侵犯术前预测中的价值	首次将Transformer模型应用于Sonazoid对比增强超声图像，用于预测肝细胞癌的微血管侵犯	研究为回顾性设计，样本量相对较小（164例患者）	开发有效的术前预测肝细胞癌微血管侵犯的方法	肝细胞癌患者	digital pathology	hepatocellular carcinoma	Sonazoid contrast-enhanced ultrasound (CEUS)	Transformer	ultrasound images	164例HCC患者