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
2241	2025-05-31	Application of deep learning convolutional neural networks to identify gastric squamous cell carcinoma in mice 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1587417 PMID:40432719	研究论文	本研究应用深度学习卷积神经网络（CNN）建立小鼠胃鳞状细胞癌（GSCC）的检测模型，以提高病理诊断的准确性和一致性	首次将五种不同的CNN模型（FCN、LR-ASPP、DeepLabv3+、U-Net和DenseNet）应用于小鼠GSCC的自动检测，并比较了它们的性能	研究样本量相对较小（93例GSCC和56例正常组织），且仅针对小鼠模型，未验证在人类样本中的适用性	开发基于深度学习的自动检测模型，提高药物非临床安全性评价中GSCC病理诊断的准确性和一致性	药物诱导的小鼠胃鳞状细胞癌（GSCC）和正常胃组织	数字病理学	胃癌	深度学习	CNN（包括FCN、LR-ASPP、DeepLabv3+、U-Net和DenseNet）	数字病理图像	149例（93例GSCC和56例正常组织）
2242	2025-05-31	Rice disease detection method based on multi-scale dynamic feature fusion 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1543986 PMID:40433155	research paper	提出了一种基于多尺度动态特征融合的水稻病害检测方法，旨在提高复杂农田环境中水稻叶片病害检测的准确性，并便于深度学习模型在移动终端上的部署以实现快速实时推理	引入了YOLOv11-MSDFF-RiceD网络，采用ParameterNet概念设计了FlexiC3k2Net模块和高效多尺度特征融合模块（EMFFM），优化了模型的性能并减少了计算复杂度和内存占用	在准确率提升方面仅有1.7%的改进，可能在某些高精度要求的场景下表现有限	提高水稻叶片病害检测的准确性，并优化模型以适应移动终端的部署	水稻叶片病害	computer vision	plant disease	deep learning	YOLOv11-MSDFF-RiceD	image	NA
2243	2025-05-31	Integration of smart sensors and phytoremediation for real-time pollution monitoring and ecological restoration in agricultural waste management 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1550302 PMID:40433163	研究论文	本文提出了一种结合生物地球化学模型和深度学习技术的Bio-DANN模型，用于提高农业废物管理和生态恢复中污染物监测和预测的准确性	结合生物地球化学模型和深度学习技术，提出Bio-DANN模型，实时处理多维环境数据，显著提高了污染物监测和生态恢复预测的准确性	未提及模型在极端环境条件下的表现或长期稳定性	开发一种高精度的污染物监测和生态恢复预测技术，以应对全球气候变化和生态退化问题	农业废物管理和生态恢复中的污染物监测与预测	环境科学与深度学习	NA	深度学习技术，包括DNN和注意力机制	Bio-DANN（结合生物地球化学模型和深度学习）	多维环境数据	基于Open Soil Data和NEON数据集进行实验
2244	2025-05-31	TS-Resformer: a model based on multimodal fusion for the classification of music signals 2025, Frontiers in neurorobotics IF:2.6Q3 DOI:10.3389/fnbot.2025.1568811 PMID:40433555	研究论文	提出了一种基于多模态融合的音乐信号分类模型TS-Resformer，用于解决音乐流派分类中的特征提取不足和时间序列信息丢失问题	融合残差网络与Transformer编码层的Res-Transformer模型，以及结合不同注意力机制的TS-Resformer模型，设计了时频注意力机制以充分提取音乐的低级特征	未提及模型在大规模数据集上的泛化能力及计算资源消耗情况	提高音乐流派分类的准确率和效率	音乐信号	机器学习	NA	短时傅里叶变换、Mel滤波器、对数压缩	Res-Transformer, TS-Resformer	音频信号	FMA-small数据集
2245	2025-05-31	A comprehensive review of machine learning for heart disease prediction: challenges, trends, ethical considerations, and future directions 2025, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2025.1583459 PMID:40433606	review	本文全面回顾了机器学习在心脏病预测中的应用，包括技术进展、挑战和未来前景	展示了机器学习方法从传统分类器到混合深度学习和联邦学习框架的进展，并讨论了伦理问题和模型透明度	讨论了数据集限制和模型透明度问题	开发人工智能驱动的临床适用心脏病预测系统	心脏病预测的机器学习应用	machine learning	cardiovascular disease	机器学习	CNN-LSTM, 混合深度学习, 联邦学习	医疗健康数据	NA
2246	2025-05-31	Deep learning classification of drainage crossings based on high-resolution DEM-derived geomorphological information 2025, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2025.1561281 PMID:40433605	研究论文	本研究利用高分辨率数字高程模型（HRDEM）衍生的地貌信息，开发了先进的CNN模型EfficientNetV2，用于排水交叉分类	首次将HRDEM衍生的地貌特征（如POS、几何曲率和TPI）与先进的CNN模型结合，用于排水交叉分类，并通过XAI技术解释关键图像片段	研究未明确说明样本量大小，且仅测试了特定类型的HRDEM数据层	提高排水交叉分类的准确性	排水交叉	计算机视觉	NA	LiDAR, InSAR	CNN, EfficientNetV2	图像	NA
2247	2025-05-31	Performance of deep learning models for automatic histopathological grading of meningiomas: a systematic review and meta-analysis 2025, Frontiers in neurology IF:2.7Q3 DOI:10.3389/fneur.2025.1536751 PMID:40433621	系统综述和荟萃分析	本文通过系统综述和荟萃分析评估深度学习模型在脑膜瘤自动病理分级中的诊断性能	首次全面评估深度学习模型在脑膜瘤分级中的表现，并提供了高精度的诊断性能数据	研究中存在中等到高度的异质性（I2 = 79.7%）	评估深度学习模型在脑膜瘤自动病理分级中的诊断性能	脑膜瘤患者的影像数据	数字病理	脑膜瘤	深度学习	DL	影像数据	27项研究，涉及13,130名患者
2248	2025-05-31	Boltz-1 Democratizing Biomolecular Interaction Modeling 2024-Dec-27, bioRxiv : the preprint server for biology DOI:10.1101/2024.11.19.624167 PMID:39605745	research paper	介绍了一个名为Boltz-1的开源深度学习模型，用于预测生物分子复合物的3D结构	Boltz-1在模型架构、速度优化和数据处理方面进行了创新，达到了AlphaFold3级别的预测精度	NA	推动生物分子相互作用建模的民主化，促进全球合作和加速发现	生物分子复合物的3D结构	machine learning	NA	deep learning	Boltz-1	3D结构数据	NA
2249	2025-05-31	Autoencoder-based phenotyping of ophthalmic images highlights genetic loci influencing retinal morphology and provides informative biomarkers 2024-Dec-26, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btae732 PMID:39657956	研究论文	本研究利用自编码器对来自UK Biobank的31,135名参与者的视网膜光学相干断层扫描（OCT）图像进行分析，以探索遗传变异与视网膜形态之间的关系	使用自编码器检测视网膜图像中更细微的变异模式，并发现了118个与视网膜结构特征显著相关的遗传位点	研究依赖于UK Biobank的数据，可能无法完全代表其他人群	探索深度学习在识别视网膜图像变异模式中的应用，并发现影响视网膜形态的遗传因素	31,135名UK Biobank参与者的视网膜OCT图像	数字病理学	眼科疾病	OCT	自编码器	图像	31,135名参与者
2250	2025-05-31	LD-informed deep learning for Alzheimer's gene loci detection using WGS data 2024-Dec-12, medRxiv : the preprint server for health sciences DOI:10.1101/2024.09.19.24313993 PMID:39371140	research paper	本研究提出了一种名为Deep-Block的多阶段深度学习框架，用于从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框架将生物学知识融入AI架构，采用三阶段方法（基于连锁不平衡模式的基因组分割、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AD风险遗传因素	研究主要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有效识别大规模高通量测序数据中与阿尔茨海默病相关的遗传位点	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	7,416名非西班牙裔白人参与者（3,150名认知正常老年人，4,266名AD患者）
2251	2025-05-31	Using deep learning to classify developmental differences in reaching and placing movements in children with and without autism spectrum disorder 2024-12-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-81652-z PMID:39632922	研究论文	本研究利用深度学习技术分析自闭症谱系障碍（ASD）儿童与正常发育儿童在伸手和放置动作中的运动学差异，探索潜在的生物标志物	结合上肢运动学和深度学习方法，首次提出利用运动学特征和MLP模型对ASD儿童进行分类，准确率达78.1%	样本量较小（41名学龄儿童），且需要在更年幼儿童群体中进一步验证特异性	探索可用于ASD诊断的客观生物标志物，改善ASD的早期识别	学龄儿童（ASD组26名，典型发育组15名）	机器学习	自闭症谱系障碍	惯性测量单元（IMU）	MLP（多层感知器）	运动学数据	41名学龄儿童（ASD组26名，典型发育组15名）
2252	2025-05-31	Non-coding genetic variants underlying higher prostate cancer risk in men of African ancestry 2024-Dec-05, Research square DOI:10.21203/rs.3.rs-5485172/v1 PMID:39678351	research paper	该研究探讨了非洲裔美国男性前列腺癌风险较高的非编码遗传变异机制	使用基于序列的深度学习模型识别影响增强子功能的SNPs，揭示了非洲裔男性前列腺癌风险增加的两种互补机制	未明确说明样本量及具体实验验证的细节	探索非洲裔男性前列腺癌风险较高的遗传机制	非洲裔美国男性前列腺癌患者	machine learning	prostate cancer	deep learning	sequence-based deep learning model	genetic data	NA
2253	2025-05-31	PLMC: Language Model of Protein Sequences Enhances Protein Crystallization Prediction 2024-Dec, Interdisciplinary sciences, computational life sciences DOI:10.1007/s12539-024-00639-6 PMID:39155325	研究论文	提出了一种名为PLMC的新型深度学习框架，通过利用预训练的蛋白质语言模型，改进了多阶段蛋白质结晶倾向的预测	PLMC框架整合了蛋白质语言嵌入和手工制作的特征集，显著提高了蛋白质结晶倾向的预测准确性	未明确提及研究的局限性	改进蛋白质结晶倾向的预测，以指导实验设计	蛋白质序列及其结晶倾向	机器学习	NA	深度学习，蛋白质语言模型	PLMC	蛋白质序列数据	未明确提及具体样本数量
2254	2025-05-31	Addressing Class Imbalance with Latent Diffusion-based Data Augmentation for Improving Disease Classification in Pediatric Chest X-rays 2024-Dec, Proceedings. IEEE International Conference on Bioinformatics and Biomedicine DOI:10.1109/bibm62325.2024.10822172 PMID:40134830	研究论文	本研究探讨了使用潜在扩散模型（LDM）进行数据增强以解决儿科胸部X光片疾病分类中的类别不平衡问题	首次将文本引导的图像到图像LDM应用于合成疾病阳性的胸部X光片，并通过数据增强显著改善了分类性能	研究仅针对两种特定的肺部疾病（肺炎和支气管肺炎）进行了验证，未涵盖更广泛的疾病谱	解决医学图像分类中的类别不平衡问题，提高深度学习模型的泛化能力	儿科胸部X光片（CXRs）	数字病理	肺炎和支气管肺炎	潜在扩散模型（LDM）	Inception-V3和LDM	图像	未明确提及具体样本数量，但涉及类别不平衡的数据集
2255	2025-05-31	Predicting cell type-specific epigenomic profiles accounting for distal genetic effects 2024-11-16, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-54441-5 PMID:39550354	研究论文	介绍了一种名为Enformer Celltyping的深度学习模型，用于预测未见细胞类型的表观遗传信号，并考虑了DNA的远端遗传效应	该模型能够整合DNA远端相互作用（长达100,000个碱基对）的影响，预测未见细胞类型的表观遗传信号，并在表观遗传插补方面优于当前最佳方法	在基因组深度学习模型中，遗传变异效应预测的评估框架揭示了当前模型的局限性	理解遗传变异如何影响表观基因组，以解释GWAS结果	细胞类型特异性表观遗传谱	机器学习	NA	深度学习	Enformer Celltyping	DNA和染色质可及性数据	NA
2256	2025-05-31	Deep learning for 3D vascular segmentation in hierarchical phase contrast tomography: a case study on kidney 2024-11-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-77582-5 PMID:39516256	research paper	本文提出了一种基于深度学习的3D血管分割方法，应用于分层相位对比断层扫描（HiP-CT）成像技术，以肾脏为例进行研究	利用HiP-CT这一新型成像技术，创建了一个经过双标注验证的血管数据集，并使用nnU-Net框架在高分辨率器官成像中评估模型性能	Dice相似系数（DSC）作为主要评估指标存在局限性，无法全面反映血管特征；大血管由于缺乏静水压力（HiP-CT为离体技术）而塌陷，导致分割效果不佳；细血管连通性降低和血管边界分割错误	为血管分割建立一个稳健的基线模型，并评估其在HiP-CT成像数据上的性能	肾脏血管	digital pathology	NA	HiP-CT	nnU-Net	3D image	三个肾脏的血管数据
2257	2025-05-31	Boosting Cardiac Color Doppler Frame Rates With Deep Learning 2024-11, IEEE transactions on ultrasonics, ferroelectrics, and frequency control DOI:10.1109/TUFFC.2024.3424549 PMID:38976463	研究论文	本文探讨了使用深度学习模型从减少的滤波I/Q信号中估计心内多普勒速度，以提高心脏彩色多普勒成像的帧率	提出使用深度学习模型（如U-Net和ConvNeXt）从减少的滤波I/Q信号中估计多普勒速度，有效减轻混叠和噪声，优于现有的自相关器方法	未观察到实数与复数数据之间的显著差异，且仅在体外和体内实验中验证了模型	提高心脏彩色多普勒成像的帧率，以更全面地分析心室充盈	心脏彩色多普勒成像中的血流速度	数字病理	心血管疾病	深度学习	CNN, U-Net, ConvNeXt	图像	模拟患者心脏彩色多普勒采集数据，并通过数据增强策略扩大训练数据集
2258	2025-05-31	A Comparison of CT-Based Pancreatic Segmentation Deep Learning Models 2024-11, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.06.015 PMID:38944630	research paper	该研究比较了五种基于CT的胰腺分割深度学习模型在不同扫描和患者/胰腺特征下的性能	首次对五种高性能胰腺分割模型在多指标下进行分层比较，并分析了影响分割性能的扫描和患者特征	研究为回顾性设计，部分患者特征数据缺失	评估不同胰腺分割模型在多种临床特征下的性能差异	胰腺CT图像分割	digital pathology	pancreatic pathologies	CT imaging	CNN, transformer network (AAUNet, AASwin, TS, nnUNetv1, DM-UNet)	CT scans	352例CT扫描（8448例训练集用于AAUNet/AASwin，1204例用于TS，282例用于MSD-nnUNet，427例用于DM-UNet）
2259	2025-05-31	Artificial Intelligence to Facilitate Clinical Trial Recruitment in Age-Related Macular Degeneration 2024 Nov-Dec, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2024.100566 PMID:39139546	研究论文	本研究探讨了人工智能在年龄相关性黄斑变性（AMD）临床试验招募中的应用，特别是针对地理萎缩（GA）患者	利用深度学习模型分析OCT扫描图像，自动筛选符合临床试验条件的GA患者，相比传统电子健康记录（EHR）搜索方法提高了筛选效率和准确性	研究依赖于单一医疗中心的数据，可能影响结果的普遍性	评估人工智能在GA临床试验患者招募中的效果	年龄相关性黄斑变性（AMD）患者，特别是地理萎缩（GA）阶段患者	数字病理	年龄相关性黄斑变性	OCT成像，深度学习	深度学习模型	图像	306651名患者（602826只眼睛）的回顾性数据集
2260	2025-05-31	Deep Learning-Based Clustering of OCT Images for Biomarker Discovery in Age-Related Macular Degeneration (PINNACLE Study Report 4) 2024 Nov-Dec, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2024.100543 PMID:39139544	research paper	介绍了一种基于深度学习的生物标志物提案系统，用于加速年龄相关性黄斑变性(AMD)的生物标志物发现	使用自监督对比学习训练神经网络，无需临床注释即可发现AMD相关特征，并提出新的生物标志物候选	研究依赖于视网膜专家的半结构化访谈来解读聚类结果，可能存在主观性	加速AMD生物标志物的发现	视网膜OCT图像	digital pathology	geriatric disease	OCT	CNN	image	3456名51-102岁成年人的46496张视网膜OCT图像