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
2261	2025-05-08	Smart IoT-based snake trapping device for automated snake capture and identification 2025-Feb-10, Environmental monitoring and assessment IF:2.9Q3 DOI:10.1007/s10661-025-13722-2 PMID:39928180	research paper	介绍了一种基于物联网和人工智能的智能捕蛇设备，用于自动捕获和识别蛇类	结合IoT和AI技术，开发出非侵入式智能捕蛇设备，能实时分类蛇类并采取相应措施	识别准确率为91.3%，仍有提升空间	开发智能设备以减少蛇咬伤风险并研究蛇类生态	蛇类（毒蛇与非毒蛇）	物联网与人工智能应用	NA	深度学习、IoT技术	CNN	图像、传感器数据	使用蛇类图像训练模型
2262	2025-05-08	Identifying invasiveness to aid lung adenocarcinoma diagnosis using deep learning and pathomics 2025-Feb-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-87094-5 PMID:39929860	research paper	本研究探讨了结合深度学习和病理组学识别肺腺癌肿瘤侵袭性的可行性，并评估其在辅助初级和中级病理医师诊断中的潜在临床价值	首次将深度学习和病理组学结合用于肺腺癌肿瘤侵袭性的识别，并验证其对病理医师诊断准确性的提升效果	研究为回顾性分析，样本量相对有限（289例），且仅针对磨玻璃结节患者	提高肺腺癌亚型分类的临床实用性，辅助病理医师诊断	肺腺癌患者的肿瘤侵袭性	digital pathology	lung cancer	whole slide image (WSI) analysis	ResNet, Random Forest	image	289例手术切除的磨玻璃结节患者WSI数据
2263	2025-05-08	BO-CLAHE enhancing neonatal chest X-ray image quality for improved lesion classification 2025-Feb-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-88451-0 PMID:39929905	research paper	提出了一种名为BO-CLAHE的方法，通过贝叶斯优化自动选择最佳超参数，以提升新生儿胸部X光图像质量，从而改善病变分类效果	首次将贝叶斯优化应用于CLAHE超参数选择，实现了自动化优化过程，显著提升了图像增强效果	研究仅针对新生儿特定肺部疾病（如TTN）进行了验证，未涵盖其他可能疾病类型	提高新生儿（特别是早产儿和高危婴儿）胸部X光图像质量，以支持更准确的AI辅助诊断	早产和高危新生儿的胸部X光图像	digital pathology	lung disease	Bayesian Optimization, CLAHE	深度学习分类模型（未指定具体类型）	image	未明确提及具体样本数量
2264	2025-05-08	A robust deep learning framework for multiclass skin cancer classification 2025-Feb-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-89230-7 PMID:39930026	研究论文	提出了一种结合ConvNeXtV2块和可分离自注意力机制的混合深度学习模型，用于多类皮肤癌分类	创新性地结合ConvNeXtV2块和可分离自注意力机制，优化特征提取和分类性能	未提及具体局限性	提高皮肤癌早期和精确诊断的准确率	皮肤病变图像	计算机视觉	皮肤癌	深度学习	混合模型（ConvNeXtV2 + 可分离自注意力机制）	图像	ISIC 2019数据集中的八种皮肤病变类别
2265	2025-05-08	A deep learning-based system for automatic detection of emesis with high accuracy in Suncus murinus 2025-Feb-10, Communications biology IF:5.2Q1 DOI:10.1038/s42003-025-07479-0 PMID:39930110	research paper	开发了一种基于深度学习的自动检测系统，用于高精度检测Suncus murinus的呕吐行为	首次结合3D卷积神经网络和自注意力机制开发自动呕吐检测工具AED，在多种催吐剂测试中表现出高准确率	研究仅针对Suncus murinus这一特定动物模型，未验证在其他物种上的适用性	开发自动化工具以提高呕吐行为检测的效率和准确性	Suncus murinus（树鼩）的呕吐行为	computer vision	NA	深度学习视频分析	3D CNN + self-attention机制	video	使用运动诱导呕吐视频作为训练数据集，并测试了8种不同催吐剂（树脂毒素、尼古丁等）
2266	2025-05-08	Development of a deep learning system for predicting biochemical recurrence in prostate cancer 2025-Feb-10, BMC cancer IF:3.4Q2 DOI:10.1186/s12885-025-13628-9 PMID:39930342	research paper	开发了一个深度学习系统，用于预测前列腺癌患者的生化复发风险	利用深度学习系统预测前列腺癌的生化复发，超越了传统的Gleason分级系统，能够捕捉更细微的组织病理学特征	研究样本量相对较小（317名患者），且仅基于前列腺活检图像	预测前列腺癌患者在根治性前列腺切除术前的生化复发风险，以制定更有针对性的治疗方案	前列腺癌患者	digital pathology	prostate cancer	深度学习	Inception_v3, 多实例学习方法	image	1585张前列腺活检图像（来自317名患者，每人5张全切片图像）
2267	2025-05-08	Detection of dental caries under fixed dental prostheses by analyzing digital panoramic radiographs with artificial intelligence algorithms based on deep learning methods 2025-Feb-10, BMC oral health IF:2.6Q1 DOI:10.1186/s12903-025-05577-3 PMID:39930440	研究论文	本研究通过深度学习算法分析数字全景X光片，评估了在固定牙科修复体（FDPs）下检测龋齿的效果	使用基于YOLOv7的卷积神经网络模型和改进的YOLOv7+CBAM模型，首次在全景X光片上自动检测FDPs下的龋齿	研究样本量有限，仅包含1004名患者的影像数据，且未与其他检测方法进行对比	评估深度学习算法在检测固定牙科修复体下龋齿的准确性和效率	固定牙科修复体（FDPs）下的龋齿	计算机视觉	牙科疾病	深度学习	YOLOv7, YOLOv7+CBAM	图像	1004名患者的全景X光片，其中2467张裁剪图像用于第二阶段分析
2268	2025-05-08	Next-generation sequencing based deep learning model for prediction of HER2 status and response to HER2-targeted neoadjuvant chemotherapy 2025-Feb-09, Journal of cancer research and clinical oncology IF:2.7Q3 DOI:10.1007/s00432-025-06105-0 PMID:39923208	研究论文	本研究开发了一种基于深度学习的模型，通过结合NGS数据和IHC染色图像预测乳腺癌患者的HER2状态及其对新辅助化疗的反应	结合NGS数据和IHC染色图像，使用Vision Transformer (ViT)深度学习模型预测HER2扩增状态及新辅助治疗疗效	HER2在癌组织中的表达异质性可能导致识别错误	提高HER2扩增状态检测的准确性和效率，并预测新辅助治疗的疗效	606名乳腺癌患者的NGS数据和IHC染色图像	数字病理	乳腺癌	NGS, IHC染色	Vision Transformer (ViT)	图像, 基因测序数据	606名乳腺癌患者（训练集404，验证集101，测试集101），其中399名HER2阳性患者用于预测疗效
2269	2025-05-08	Flexible and cost-effective deep learning for accelerated multi-parametric relaxometry using phase-cycled bSSFP 2025-Feb-09, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-88579-z PMID:39924554	研究论文	本研究比较了基于前馈深度神经网络（DNN）和迭代拟合的框架，用于基于相位循环平衡稳态自由进动（pc-bSSFP）成像的多参数弛豫测量	引入了自监督物理信息深度神经网络（PINN）框架，该框架在训练过程中融入了物理知识，提高了推理的一致性和对训练数据分布的鲁棒性	研究主要针对健康受试者的脑组织，未涉及疾病状态下的验证	加速定量磁共振成像（qMRI）的临床应用，提高数据采集的灵活性和成本效益	健康受试者的脑组织	医学影像分析	NA	相位循环平衡稳态自由进动（pc-bSSFP）成像	深度神经网络（DNN）、自监督物理信息深度神经网络（PINN）	磁共振成像（MRI）数据	健康受试者的脑组织（具体样本数量未提及）
2270	2025-05-08	Precision and efficiency in skin cancer segmentation through a dual encoder deep learning model 2025-Feb-09, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-88753-3 PMID:39924555	research paper	提出了一种名为DuaSkinSeg的双编码器深度学习模型，用于提高皮肤癌病变分割的精确性和效率	结合了MobileNetV2的高效局部特征提取能力和ViT-CNN编码器-解码器架构的长距离依赖特征提取能力	未提及模型在临床环境中的实际应用效果和泛化能力	提高皮肤癌病变分割的准确性和效率	皮肤癌病变图像	computer vision	skin cancer	deep learning	Dual Skin Segmentation (DuaSkinSeg), MobileNetV2, ViT-CNN	image	三个公开基准数据集：ISIC 2016、ISIC 2017和ISIC 2018
2271	2025-05-08	Polarity-JaM: an image analysis toolbox for cell polarity, junction and morphology quantification 2025-Feb-08, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-56643-x PMID:39922822	研究论文	介绍了一个名为Polarity-JaM的开源图像分析工具箱，用于量化细胞极性、连接和形态	开发了一个开源软件包，结合了深度学习和荧光显微镜技术，用于单细胞分割、特征提取和统计分析，支持多种细胞类型和成像模式	未明确提及具体限制，但可能依赖于荧光图像数据的质量	开发一个可重复的图像分析工作流程，以全面利用荧光显微镜和深度学习算法的新机会	内皮细胞及其集体行为	数字病理学	血管疾病	荧光显微镜	深度学习算法	图像	NA
2272	2025-05-08	Adaptive genetic algorithm based deep feature selector for cancer detection in lung histopathological images 2025-Feb-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-86362-8 PMID:39922836	research paper	提出了一种基于自适应遗传算法的深度特征选择器，用于肺癌组织病理学图像的癌症检测	使用通道注意力机制的深度学习模型作为特征提取器，结合自适应遗传算法进行特征选择，采用滤波器方法计算染色体适应度分数	仅在公开数据集LC25000上进行了测试，未说明在其他数据集上的泛化能力	提高肺癌检测的准确性和效率	肺癌组织病理学图像	digital pathology	lung cancer	deep learning, genetic algorithm	CNN, K-nearest neighbors	image	LC25000数据集中的肺癌组织病理学图像
2273	2025-05-08	Modeling and designing enhancers by introducing and harnessing transcription factor binding units 2025-Feb-08, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-56749-2 PMID:39922842	research paper	提出转录因子结合单元（TFBU）概念，并开发DeepTFBU工具包用于增强子设计	首次提出TFBU概念，通过深度学习量化TFBS周围序列的影响，并开发了高效的增强子设计工具DeepTFBU	未提及实验验证的具体细胞类型或生物过程的广泛性	研究增强子设计与调控基因表达的机制	转录因子结合位点（TFBS）及其周围序列	machine learning	NA	deep learning	深度学习模型	序列数据	NA
2274	2025-05-08	Looking outside the box with a pathology aware AI approach for analyzing OCT retinal images in Stargardt disease 2025-Feb-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-85213-w PMID:39922894	research paper	提出了一种结合病理感知损失函数的深度学习方法，用于分割STGD1患者OCT视网膜图像中的视网膜亚层	采用病理感知损失函数，针对相对未受影响的区域进行亚层分割，在严重受影响区域将整个视网膜作为单层分割以避免错误	主要针对STGD1疾病，可能不适用于其他视网膜疾病的分割	开发一种能够准确分割STGD1患者OCT视网膜图像的方法，以跟踪疾病进展和评估治疗效果	STGD1患者的OCT视网膜图像	digital pathology	Stargardt disease	OCT	deep learning	image	NA
2275	2025-05-08	Severe deviation in protein fold prediction by advanced AI: a case study 2025-Feb-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-89516-w PMID:39922965	研究论文	本文报告了高级AI在蛋白质折叠预测中的严重偏差案例	揭示了AI预测蛋白质结构时存在的严重偏差，特别是在多域蛋白质的相对取向方面	研究仅针对一个双域蛋白质案例，可能不具有普遍代表性	评估AI在蛋白质结构预测中的准确性	双域蛋白质的结构预测	机器学习	NA	蛋白质结构预测	AlphaFold	蛋白质序列和结构数据	一个双域蛋白质案例
2276	2025-05-08	Genome data based deep learning identified new genes predicting pharmacological treatment response of attention deficit hyperactivity disorder 2025-Feb-07, Translational psychiatry IF:5.8Q1 DOI:10.1038/s41398-025-03250-5 PMID:39920114	研究论文	本研究结合全基因组关联分析(GWAS)和深度学习(DL)方法，揭示了注意力缺陷多动障碍(ADHD)药物治疗反应的遗传基础	首次整合GWAS和深度学习方法来识别ADHD药物治疗反应的新基因，并构建了预测模型	独立测试数据集的模型特异性较低(0.26)，表明模型在阴性样本识别上存在不足	探索ADHD药物治疗反应的遗传预测因子，实现个性化治疗	未接受过药物治疗的ADHD患者	机器学习	注意力缺陷多动障碍(ADHD)	GWAS, 深度学习	CNN	基因型数据	接受12周药物治疗的ADHD患者队列
2277	2025-05-08	A deep learning approach for automatic 3D segmentation of hip cartilage and labrum from direct hip MR arthrography 2025-Feb-07, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-86727-z PMID:39920175	研究论文	使用卷积神经网络（CNN）基于3D MRI自动分割髋关节软骨和唇缘	开发了一种基于U-Net架构的全自动分割模型，用于从MRI中分割髋关节软骨和唇缘，并在外部数据集上验证了其性能	研究为回顾性单中心研究，外部数据集仅包含40名患者	开发一种自动分割髋关节软骨和唇缘的深度学习模型，以提供快速准确的3D MRI模型	髋关节软骨和唇缘	数字病理	髋关节疾病	3D MRI	U-Net	3D MRI图像	100名有症状患者（训练集80髋，测试集20髋）和外部数据集40名患者
2278	2025-05-08	Deep learning-based prediction of autoimmune diseases 2025-Feb-07, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-88477-4 PMID:39920178	研究论文	本研究提出两种深度学习模型（AutoY和LSTMY）用于预测由T细胞介导的自身免疫性疾病	首次将卷积神经网络（AutoY）和带注意力机制的双向LSTM（LSTMY）应用于T细胞受体介导的自身免疫疾病预测	研究仅针对四种自身免疫疾病进行验证，未涵盖更广泛的自身免疫疾病谱	开发基于T细胞受体数据的自身免疫疾病预测模型	T细胞受体（TCR）与四种自身免疫疾病的关联	机器学习	自身免疫疾病（1型糖尿病、多发性硬化症等）	深度学习	CNN（AutoY）和双向LSTM带注意力机制（LSTMY）	T细胞受体序列数据	未明确说明样本数量（涉及四种疾病数据）
2279	2025-05-08	A comprehensive analysis of deep learning and transfer learning techniques for skin cancer classification 2025-Feb-07, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-82241-w PMID:39920179	research paper	该研究通过深度学习与迁移学习技术对皮肤癌图像进行分类，提出了一种有效的诊断方法	结合多种预训练网络与机器学习分类器，提出了一种新的皮肤癌分类方法，并达到了92.87%的最高准确率	研究仅基于ISIC 2018数据集，样本量有限，且未涉及其他类型的皮肤病变	解决皮肤癌早期诊断的挑战，提高分类准确率	皮肤癌图像，特别是黑色素瘤	computer vision	skin cancer	deep learning, transfer learning	VGG19, ResNet18, MobileNet_V2, SVM, DT, Naïve Bayes, KNN	image	3300张皮肤疾病图像（来自ISIC 2018数据集）
2280	2025-05-08	Advanced AI-driven detection of interproximal caries in bitewing radiographs using YOLOv8 2025-Feb-07, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-84737-x PMID:39920198	研究论文	本研究开发了一种基于YOLOv8算法的深度学习AI模型，用于提高咬翼X光片中邻面龋齿的检测准确率	使用YOLOv8算法进行邻面龋齿检测，提高了诊断准确率并减少了假阴性	研究为回顾性研究，可能受到数据质量和标注一致性的影响	提高邻面龋齿的诊断准确率，改善临床结果	咬翼X光片中的邻面龋齿	计算机视觉	龋齿	深度学习	YOLOv8	图像	552张X光片，共1,506张标注图像