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
2201	2025-05-16	sEMG-based gesture recognition using multi-stream adaptive CNNs with integrated residual modules 2025, Frontiers in bioengineering and biotechnology IF:4.3Q2 DOI:10.3389/fbioe.2025.1487020 PMID:40365011	research paper	该研究提出了一种基于多流自适应卷积神经网络与残差模块（MSACNN-RM）的表面肌电信号手势识别方法，以提高特征提取和学习能力	结合多流卷积神经网络、自适应卷积神经网络和残差模块，增强了模型对复杂数据模式的提取和理解能力	未考虑个体间肌电信号差异，未来需开发通用多手势识别算法并优化网络以减少计算负担	提高表面肌电信号手势识别的准确性和多手势识别性能	表面肌电信号（sEMG）手势识别	machine learning	NA	surface electromyography (sEMG)	multi-stream adaptive convolutional neural networks with residual modules (MSACNN-RM)	sEMG信号数据	Ninapro DB1、Ninapro DB2和Ninapro DB4数据集
2202	2025-05-16	A predictive nomogram of thyroid nodules based on deep learning ultrasound image analysis 2025, Frontiers in endocrinology IF:3.9Q2 DOI:10.3389/fendo.2025.1504412 PMID:40365227	research paper	本研究通过深度学习超声图像分析，建立了一个预测甲状腺结节良恶性的列线图模型	结合深度学习和患者临床超声特征，构建的列线图模型比单独使用C-TIRADS或深度学习模型具有更高的准确性	研究为回顾性研究，可能存在选择偏倚	提高甲状腺结节良恶性的预测性能	甲状腺结节	digital pathology	thyroid disease	deep learning ultrasound image analysis	deep learning model, nomogram model	ultrasound image	2247个甲状腺结节（1573个用于训练和测试，674个用于验证）
2203	2025-05-16	Deep learning and radiomics-driven algorithm for automated identification of May-Thurner syndrome in Iliac CTV imaging 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1526144 PMID:40365495	research paper	本研究旨在通过深度学习和放射组学技术，开发一种自动化识别髂静脉CTV成像中May-Thurner综合征（MTS）的算法	结合深度学习和放射组学技术，首次开发了针对MTS的自动化分割模型和诊断放射组学特征	研究样本量相对有限（490例），且未提及外部验证数据集的独立验证结果	开发自动化MTS检测系统，提高诊断效率和准确性	髂静脉CTV扫描图像	digital pathology	cardiovascular disease	CTV成像	UPerNet	image	490例（201例MTS阳性，289例阴性）
2204	2025-05-16	Cryptographic key generation using deep learning with biometric face and finger vein data 2025, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2025.1545946 PMID:40365578	研究论文	提出了一种利用深度学习和多模态生物特征（人脸和手指静脉）生成加密密钥的新方法	结合FaceNet和VGG19预训练模型进行特征提取，使用Siamese Neural Network (SNN) 和模糊提取器，实现了安全且可复现的加密密钥生成	NA	提高生物特征加密的准确性和鲁棒性，探索抗量子攻击的可扩展系统	人脸和手指静脉的生物特征数据	机器学习	NA	深度学习	FaceNet, VGG19, Siamese Neural Network (SNN)	图像	NA
2205	2025-05-16	An Ensemble Deep Learning Algorithm for Structural Heart Disease Screening Using Electrocardiographic Images: PRESENT SHD 2024-Dec-27, medRxiv : the preprint server for health sciences DOI:10.1101/2024.10.06.24314939 PMID:39417095	研究论文	开发并验证了一种名为PRESENT-SHD的集成深度学习算法，用于通过12导联心电图图像自动检测和预测多种结构性心脏病	利用集成深度学习方法从心电图图像中自动检测多种结构性心脏病，并在多个医院和人群研究中验证其性能	研究主要依赖于特定医院和人群的数据，可能在其他人群中的泛化能力有待进一步验证	开发一种自动化工具，用于结构性心脏病的早期筛查和风险分层	结构性心脏病患者和普通人群	数字病理学	心血管疾病	深度学习	CNN, XGBoost	图像	261,228份心电图来自93,693名患者，并在11,023名个体中进行了验证
2206	2025-05-16	RNA language models predict mutations that improve RNA function 2024-12-05, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-54812-y PMID:39638800	研究论文	本文介绍了一个名为GARNET的新数据库，用于RNA结构和功能分析，并利用该数据库开发了序列和结构感知的RNA生成模型	提出了GARNET数据库，结合GTDB参考生物的实验和预测最佳生长温度，开发了序列和结构感知的RNA生成模型，并成功预测了提高大肠杆菌核糖体热稳定性的突变	RNA结构预测仍受限于高质量参考数据的缺乏	探索RNA序列、结构和功能之间的联系	RNA序列和结构	自然语言处理	NA	GPT-like模型	GPT	RNA序列数据	GTDB参考生物的RNA序列
2207	2025-05-16	Development and validation of a deep learning model for predicting gastric cancer recurrence based on CT imaging: a multicenter study 2024-Dec-01, International journal of surgery (London, England) DOI:10.1097/JS9.0000000000001627 PMID:38896865	research paper	开发和验证了一种基于CT影像的深度学习模型，用于预测胃癌术后复发	提出了一种结合深度学习特征和临床特征的融合模型（DLFS），用于准确预测胃癌术后复发风险	研究为回顾性设计，可能存在选择偏倚	预测胃癌患者的术后复发风险	2813名接受根治性手术的胃癌患者	digital pathology	gastric cancer	CT imaging	Resnet50	image	2813名患者
2208	2025-05-16	RNA language models predict mutations that improve RNA function 2024-Sep-16, bioRxiv : the preprint server for biology DOI:10.1101/2024.04.05.588317 PMID:38617247	研究论文	该研究创建了一个名为GARNET的新数据库，用于RNA结构和功能分析，并开发了一种类似GPT的RNA语言模型，以预测提高RNA功能的突变	创建GARNET数据库，结合GTDB基因组数据与生物生长温度信息，开发了重叠三连体标记化的RNA生成模型，用于预测增强RNA功能的突变	RNA结构预测目前仍缺乏充足的高质量参考数据	理解RNA序列、结构与功能之间的联系	RNA序列及其功能	自然语言处理	NA	深度学习，RNA生成模型	GPT-like语言模型	RNA序列数据	GTDB基因组数据中的RNA序列
2209	2025-05-16	Evaluating cell type deconvolution in FFPE breast tissue: application to benign breast disease 2024-Sep, NAR genomics and bioinformatics IF:4.0Q1 DOI:10.1093/nargab/lqae098 PMID:40162103	research paper	评估FFPE乳腺组织中细胞类型去卷积方法的应用，特别是在良性乳腺疾病中的表现	构建了乳腺组织的单细胞RNA-seq参考数据，测试了多种去卷积方法，并发现深度学习为基础的Scaden方法在FFPE伪影影响下表现最优	FFPE伪影显著影响了去卷积方法的性能，RMSE在0.04至0.17之间波动	优化从FFPE样本中定义单个细胞类型组成的策略	乳腺组织，特别是良性乳腺疾病样本	digital pathology	breast cancer	RNA-seq, single-cell RNA-seq	deep learning (Scaden)	RNA-seq data	62个良性乳腺疾病RNA-seq样本
2210	2025-05-16	Comparing Artificial Intelligence-Based Versus Conventional Endotracheal Tube Monitoring Systems in Clinical Practice 2024-07-24, Studies in health technology and informatics DOI:10.3233/SHTI240230 PMID:39049336	研究论文	本研究开发了一种基于深度学习和人工智能的气管插管监测系统，并与传统方法进行了比较评估	提出了一种新型的AI监测系统，用于实时检测气管插管移位或脱落，相比传统方法具有更高的及时性和准确性	研究尚未完成，实际效果需要通过后续随机交叉实验验证	评估AI监测系统在气管插管管理中的有效性，促进医疗护理领域的创新应用	气管插管患者	医疗人工智能	NA	深度学习	深度学习模型（未指定具体类型）	临床监测数据	NA（研究尚未完成）
2211	2025-05-16	Deep Learning for Predicting Phlebitis in Patients with Intravenous Catheters 2024-07-24, Studies in health technology and informatics DOI:10.3233/SHTI240231 PMID:39049337	research paper	该研究提出了一种深度学习模型，用于预测外周静脉导管（PIVC）插入患者的静脉炎	利用深度学习模型预测静脉炎，并在大规模电子健康记录数据上验证其性能，准确率和AUC均表现优异	研究数据仅来自韩国首尔的一家医院，可能缺乏普遍性	开发一种有效的工具，用于早期检测静脉炎，以改善患者预后和医疗效率	接受外周静脉导管（PIVC）插入的患者	machine learning	静脉炎	电子健康记录数据分析	深度学习模型	电子健康记录数据	27,532次住院记录和70,293次PIVC事件
2212	2025-05-16	ASPTF: A computational tool to predict abiotic stress-responsive transcription factors in plants by employing machine learning algorithms 2024-06, Biochimica et biophysica acta. General subjects DOI:10.1016/j.bbagen.2024.130597 PMID:38490467	研究论文	开发了一个名为ASPTF的计算工具，通过机器学习算法预测植物中响应非生物胁迫的转录因子	结合了浅层学习和深度学习算法，并采用特征选择技术提高预测准确性	未提及模型在跨物种应用中的泛化能力	识别与植物非生物胁迫响应相关的转录因子，以培育抗逆作物品种	植物转录因子	机器学习	NA	机器学习算法（包括浅层学习和深度学习）	LGBM（Light-Gradient Boosting Machine）	序列数据	未明确提及具体样本数量
2213	2025-05-16	Protocol for assessing neighborhood physical disorder using the YOLOv8 deep learning model 2024-03-15, STAR protocols IF:1.3Q4 DOI:10.1016/j.xpro.2023.102778 PMID:38104313	研究论文	提出了一种使用YOLOv8深度学习模型定量评估邻里物理紊乱(PD)的协议	利用YOLOv8深度学习模型构建检测模型，为不同国家和地区评估PD提供方法学基础	未提及具体样本量或数据收集范围	开发定量评估邻里物理紊乱(PD)的方法	邻里物理紊乱(PD)	计算机视觉	NA	YOLOv8深度学习模型	YOLOv8	街景图像	NA
2214	2025-05-16	Protocol to investigate the neural basis for copulation posture of Drosophila using a closed-loop real-time optogenetic system 2023-12-15, STAR protocols IF:1.3Q4 DOI:10.1016/j.xpro.2023.102623 PMID:37788165	研究论文	本文提出了一种利用闭环实时光遗传系统研究果蝇交配姿势神经基础的协议	使用深度学习分析实现高效的光遗传学操作，仅在交配期间调控神经活动	协议的具体执行细节需参考Yamanouchi等人的研究	探究果蝇交配姿势的神经基础	果蝇	神经科学	NA	光遗传学	深度学习	行为数据	NA
2215	2025-05-16	Chromatin accessibility in the Drosophila embryo is determined by transcription factor pioneering and enhancer activation 2023-10-09, Developmental cell IF:10.7Q1 DOI:10.1016/j.devcel.2023.07.007 PMID:37557175	research paper	该研究通过深度学习模型分析果蝇胚胎中的转录因子结合和染色质可及性数据，揭示了染色质可及性的两层次机制	利用可解释的深度学习模型解析了先驱转录因子Zelda与轴模式转录因子在染色质可及性中的层级关系	研究仅基于果蝇胚胎数据，在其他生物系统中的普适性有待验证	探究染色质可及性在转录因子识别顺式调控DNA序列中的作用机制	果蝇胚胎中的转录因子结合和染色质可及性	computational biology	NA	deep learning, high-resolution TF binding and chromatin accessibility analysis	interpretable deep learning model	genomic sequencing data	果蝇胚胎数据（具体数量未说明）
2216	2025-05-16	Artificial intelligence, machine learning, and deep learning in liver transplantation 2023-06, Journal of hepatology IF:26.8Q1 DOI:10.1016/j.jhep.2023.01.006 PMID:37208107	review	本文综述了人工智能、机器学习和深度学习在肝移植中的应用及其潜力	探讨了AI在肝移植前后管理中的应用，如优化移植候选决策和供受体匹配，以及预测患者和移植物生存	数据集不平衡、数据隐私问题以及缺乏实际应用中模型性能的基准研究实践	评估AI在肝移植临床决策中的潜在应用	肝移植患者的管理	machine learning	liver disease	AI, machine learning, deep learning	NA	demographic, clinical, laboratory, pathology, imaging, and omics data	NA
2217	2025-05-16	Deep learning can predict microsatellite instability directly from histology in gastrointestinal cancer 2019-07, Nature medicine IF:58.7Q1 DOI:10.1038/s41591-019-0462-y PMID:31160815	研究论文	该研究展示了深度学习可以直接从H&E组织学中预测胃肠道癌症的微卫星不稳定性（MSI）	利用深度残差学习直接从普遍可得的H&E组织学切片预测MSI，避免了额外的基因或免疫组化检测	未提及样本量或模型在广泛临床实践中的验证情况	预测胃肠道癌症患者的微卫星不稳定性以指导免疫治疗	胃肠道癌症患者的H&E组织学切片	数字病理学	胃肠道癌症	深度残差学习	深度残差网络	图像	NA
2218	2025-05-15	Fingerprinting of Boletus bainiugan: FT-NIR spectroscopy combined with machine learning a new workflow for storage period identification 2025-Aug, Food microbiology IF:4.5Q1 DOI:10.1016/j.fm.2025.104743 PMID:40086983	研究论文	本研究通过FT-NIR光谱结合机器学习方法，开发了一种用于鉴定牛肝菌储存期的新工作流程	结合FT-NIR光谱与机器学习（特别是CNN和BPNN模型）来鉴定牛肝菌的储存时间，并首次应用DD-SIMCA模型完全区分新旧样品	研究仅分析了储存0、1和2年的样品，未涵盖更长的储存期	开发一种低成本、用户友好的方法，实时确定供应链中牛肝菌的储存期	牛肝菌（Boletus bainiugan）	机器学习	NA	高效液相色谱（HPLC）、傅里叶变换近红外光谱（FT-NIR）	CNN、BPNN、DD-SIMCA、PLSR	光谱数据	831份牛肝菌样品（储存0、1和2年）
2219	2025-05-15	Convolutional neural network-based method for the real-time detection of reflex syncope during head-up tilt test 2025-Jun, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108622 PMID:40068530	研究论文	提出一种基于卷积神经网络的实时反射性晕厥检测方法，用于头高位倾斜试验中	采用端到端架构结合残差和挤压-激励块，无需手动提取特征，直接从原始血压信号中量化反射性晕厥发生概率	仅使用血压信号进行检测，可能忽略了其他生理信号提供的有用信息	开发一种实时反射性晕厥风险监测系统，提高医疗效率和患者便利性	反射性晕厥患者	数字病理学	心血管疾病	深度学习	CNN	生理信号数据	1348名患者（1291名正常，57名反射性晕厥患者）
2220	2025-05-15	MCNEL: A multi-scale convolutional network and ensemble learning for Alzheimer's disease diagnosis 2025-Jun, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108703 PMID:40081198	research paper	提出了一种多尺度卷积网络和集成学习框架（MCNEL），用于阿尔茨海默病的早期和准确诊断	采用增强版的EfficientNet-B0和MobileNetV2模型，并与DenseNet121模型集成，开发了基于SimAM的特征融合方法，以及使用自适应权重调整策略的集成学习分类器	未提及具体的数据集局限性或模型泛化能力的详细分析	提高阿尔茨海默病的早期诊断准确率	阿尔茨海默病患者及认知障碍不同阶段的患者	digital pathology	geriatric disease	MRI	CNN, Ensemble Learning (EfficientNet-B0, MobileNetV2, DenseNet121)	image	ADNI数据集（ADNI-1和ADNI-2）