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
2281	2025-05-18	Neurovision: A deep learning driven web application for brain tumour detection using weight-aware decision approach 2025 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076251333195 PMID:40376570	research paper	开发了一个基于深度学习的框架，用于从医学共振图像中分类潜在的脑肿瘤，并通过权重感知决策方法提高分类准确性	提出了一种新颖的权重感知决策机制，有效处理多类分类中的平局情况，优于传统的基于多数的方法	未提及具体的数据集来源和样本多样性，可能影响模型的泛化能力	提高脑肿瘤的自动检测和分类准确性	脑肿瘤的医学共振图像	digital pathology	brain tumour	deep learning	DenseNet169, VGG-19, Xception, EfficientNetV2B2	image	三个不同的数据集，具体样本数量未提及
2282	2025-05-18	The application of ultrasound artificial intelligence in the diagnosis of endometrial diseases: Current practice and future development 2025 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076241310060 PMID:40376569	综述	本文回顾了人工智能在子宫内膜疾病超声图像分析中的进展，重点关注其在诊断、决策支持和预后分析中的应用	介绍了人工智能如何通过机器学习和深度学习从超声数据中提取有价值的信息，提升超声诊断能力	总结了当前研究的挑战，但未提及具体的技术或数据限制	推进超声人工智能技术在子宫内膜疾病诊断中的应用，通过数字工具改善女性健康	子宫内膜疾病的超声图像	数字病理学	子宫内膜疾病	机器学习和深度学习	NA	超声图像	NA
2283	2025-05-18	YOLOv8 framework for COVID-19 and pneumonia detection using synthetic image augmentation 2025 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076251341092 PMID:40376574	研究论文	本研究开发了一个结合合成图像增强和深度学习模型的框架，用于COVID-19和肺炎的早期准确检测	整合了合成图像增强、YOLOv8模型和可解释AI技术（XAI），提高了诊断准确性和模型的可信度	未来研究需要进一步优化性能，开发临床可行的诊断工作流程	提高COVID-19和肺炎的医学影像检测准确性和可信度	COVID-19和肺炎的医学影像数据	计算机视觉	COVID-19和肺炎	合成图像增强、深度学习、可解释AI（XAI）	YOLOv8、InceptionV3、DenseNet、ResNet	医学影像	未明确提及具体样本数量
2284	2025-05-18	Exploring Schizophrenia Classification Through Multimodal MRI and Deep Graph Neural Networks: Unveiling Brain Region-Specific Weight Discrepancies and Their Association With Cell-Type Specific Transcriptomic Features 2024-12-20, Schizophrenia bulletin IF:5.3Q1 DOI:10.1093/schbul/sbae069 PMID:38754993	研究论文	本研究通过多模态MRI和深度图神经网络探索精神分裂症分类，揭示脑区特异性权重差异及其与细胞类型特异性转录组特征的关联	使用深度学习和图卷积将MRI数据表示为图，结合多模态MRI数据提升分类性能，并通过Grad-CAM和基因表达分析增强可解释性	样本来源仅限于7家医院，可能影响结果的广泛适用性	提升精神分裂症的诊断准确性，提供客观参考和生物标志物	683名精神分裂症患者和606名健康对照者	数字病理学	精神分裂症	结构MRI和功能MRI	图注意力网络（GAT）	图像	1289名参与者（683名患者和606名对照）
2285	2025-05-18	Interpretable deep learning for deconvolutional analysis of neural signals 2024-Dec-02, bioRxiv : the preprint server for biology DOI:10.1101/2024.01.05.574379 PMID:38260512	research paper	该论文提出了一种可解释的深度学习方法，用于神经信号的解卷积分析	应用算法展开方法设计稀疏解卷积神经网络架构，直接解释网络权重与刺激驱动的单神经元活动之间的关系	NA	通过可解释的深度学习获得对神经活动的机制性理解	多个脑区和记录模态中的单试验局部信号	machine learning	NA	algorithm unrolling	sparse deconvolutional neural networks	neural signals	multiple brain areas and recording modalities
2286	2025-05-18	Ultrasensitive plasma-based monitoring of tumor burden using machine-learning-guided signal enrichment 2024-Jun, Nature medicine IF:58.7Q1 DOI:10.1038/s41591-024-03040-4 PMID:38877116	研究论文	介绍了一种名为MRD-EDGE的机器学习引导的WGS ctDNA检测平台，用于提高肿瘤负荷监测的灵敏度	MRD-EDGE通过深度学习和ctDNA特异性特征空间，将WGS中的SNV信噪比提高了约300倍，并将CNV检测所需的非整倍性程度从1 Gb降低到200 Mb	NA	提高循环肿瘤DNA（ctDNA）在低肿瘤分数（TF）环境中的检测灵敏度，用于微小残留病（MRD）评估和治疗反应监测	多种癌症类型中的ctDNA，包括肺癌、结直肠腺瘤和晚期黑色素瘤	机器学习	肺癌、结直肠癌、黑色素瘤	全基因组测序（WGS）	深度学习	DNA测序数据	NA
2287	2025-05-17	SagMSI: A graph convolutional network framework for precise spatial segmentation in mass spectrometry imaging 2025-Jul-08, Analytica chimica acta IF:5.7Q1 DOI:10.1016/j.aca.2025.344098 PMID:40374250	研究论文	提出了一种基于图卷积网络（GCN）的无监督分割策略SagMSI，用于质谱成像（MSI）数据的精确空间分割	结合了MSI数据的空间感知图构建与GCN模块，能够灵活、有效且精确地进行空间分割	未提及具体局限性	解决MSI数据在空间分割中的复杂性问题，提升分割精度	质谱成像（MSI）数据	数字病理	NA	质谱成像（MSI）	图卷积网络（GCN）	图像	模拟数据和多种MSI实验数据集
2288	2025-05-17	PursuitNet: A deep learning model for predicting competitive pursuit-like behavior in mice 2025-Jul-01, Brain research IF:2.7Q3 DOI:10.1016/j.brainres.2025.149634 PMID:40210144	research paper	介绍了一种名为PursuitNet的深度学习模型，用于预测小鼠在竞争性追逐行为中的实时动态	PursuitNet采用轻量级架构，结合图卷积网络（GCN）和时序卷积网络（TCN），显式建模动态交互和空间关系，融合速度和加速度数据以预测变化	该框架专注于快速变化的轨迹，可能不适用于其他类型的运动行为	研究捕食者-猎物动态，为交互式机器人和自主系统的设计提供信息	实验室小鼠追逐磁控机器人诱饵的行为	machine learning	NA	deep learning	Graph Convolutional Networks (GCN), Temporal Convolutional Networks (TCN)	trajectory data	Pursuit-Escape Confrontation (PEC) dataset
2289	2025-05-17	μGlia-Flow, an automatic workﬂow for microglia segmentation and classification 2025-Jul, Journal of neuroscience methods IF:2.7Q3 DOI:10.1016/j.jneumeth.2025.110446 PMID:40220906	research paper	提出了一种名为μGlia-Flow的自动工作流程，用于小胶质细胞的分割和分类	结合了Frangi滤波算法和边缘引导注意力TransUNet（EGA-Net）进行分割，并采用Vision Transformer（ViT）网络进行分类，显著提高了分割精度并解决了现有分类方法的参数依赖问题	NA	开发一种自动工作流程，用于小胶质细胞的分割和分类，以支持不同形态分析	小胶质细胞	digital pathology	brain diseases	Frangi filtering algorithm, edge-guided attention TransUNet (EGA-Net), Vision Transformer (ViT)	TransUNet, ViT	image	NA
2290	2025-05-17	TasteNet: A novel deep learning approach for EEG-based basic taste perception recognition using CEEMDAN domain entropy features 2025-Jul, Journal of neuroscience methods IF:2.7Q3 DOI:10.1016/j.jneumeth.2025.110463 PMID:40315923	研究论文	提出了一种名为TasteNet的新型深度学习框架，用于基于EEG信号的基本味觉感知识别	结合了CEEMDAN域熵特征、CNN模块、多头注意力模块和Att-BiPLSTM网络，显著提高了味觉感知分类的准确性	NA	开发一个深度学习框架，用于从EEG信号中有效识别基本味觉刺激	EEG信号	机器学习	NA	CEEMDAN, 熵特征提取	CNN, 多头注意力模块, Att-BiPLSTM	EEG信号	NA
2291	2025-05-17	A novel method for online sex sorting of silkworm pupae (Bombyx mori) using computer vision combined with deep learning 2025-Jun, Journal of the science of food and agriculture IF:3.3Q2 DOI:10.1002/jsfa.14177 PMID:39936219	研究论文	提出了一种基于计算机视觉和深度学习的蚕蛹性别在线分选新方法	开发了结合级联空间通道注意力(CSCA)和G-GhostNet的新型实时性别识别模型，并提出了新的损失函数以减少模型复杂度和避免过拟合	NA	提高蚕蛹性别分选的效率和生产力	蚕蛹(家蚕)	计算机视觉	NA	深度学习	CSCA, G-GhostNet	图像	NA
2292	2025-05-17	Predicting 5-Year EDSS in Multiple Sclerosis with LSTM Networks: A Deep Learning Approach to Disease Progression 2025-Jun, Journal of clinical neuroscience : official journal of the Neurosurgical Society of Australasia IF:1.9Q4 DOI:10.1016/j.jocn.2025.111218 PMID:40174549	research paper	该研究利用LSTM网络预测多发性硬化症患者5年后的EDSS评分，以评估疾病进展	与现有研究不同，该方法整合了多发性硬化症患者的静态和动态数据，实现了EDSS评分从0到10的准确预测，且预测误差最小	研究仅基于两个中心的1000名患者数据，可能限制了模型的泛化能力	预测多发性硬化症患者5年后的残疾状态评分（EDSS）	多发性硬化症患者	machine learning	多发性硬化症	LSTM	LSTM	临床和人口统计学数据	1000名多发性硬化症患者
2293	2025-05-17	Developing the Artificial Intelligence Method and System for "Multiple Diseases Holistic Differentiation" in Traditional Chinese Medicine and Its Interpretability to Clinical Decision 2025-Jun, Journal of evidence-based medicine DOI:10.1111/jebm.70016 PMID:40176367	研究论文	本研究开发了一种结合先验规则和深度学习的中医人工智能方法及系统，用于提升中医多病整体辨证的临床决策透明度和可解释性	提出了TCM-SEI-RD方法和TCM-MDHD系统，融合BERT与CNN模型捕捉特征相关序列，并通过分层模块预测多种中医证候	未明确提及具体样本量及外部验证结果	开发可解释性强的中医AI临床决策支持系统	中医多病整体辨证（MDHD）的证候要素	自然语言处理	中医多病种	深度学习	BERT-CNN混合模型	文本（专家知识数据集）	NA
2294	2025-05-17	A comprehensive image dataset for accurate diagnosis of betel leaf diseases using artificial intelligence in plant pathology 2025-Jun, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2025.111564 PMID:40371167	research paper	该研究旨在开发一个全面的槟榔叶病害图像数据集，以支持基于人工智能的植物病理学研究	首次提供了一个全面的槟榔叶病害图像数据集，填补了该领域的数据空白	数据集仅包含两种常见病害（叶腐病和叶斑病），可能无法覆盖所有槟榔叶病害类型	开发可靠的槟榔叶病害诊断工具，支持农业可持续发展	槟榔叶及其病害（叶腐病和叶斑病）	digital pathology	plant disease	image augmentation (flipping, brightness factor, contrast factor, rotation)	deep learning	image	初始采集2,037张图像，通过数据增强扩展到10,185张图像
2295	2025-05-17	New approaches to lesion assessment in multiple sclerosis 2025-May-19, Current opinion in neurology IF:4.1Q2 DOI:10.1097/WCO.0000000000001378 PMID:40377692	review	总结人工智能驱动的病灶分割和新型神经影像技术在多发性硬化症(MS)病灶识别和表征方面的最新进展	深度学习技术革新了MS病灶评估和分割，提高了准确性、可重复性和效率，并能自动检测特定病灶亚型	NA	改善MS的诊断、监测和治疗反应评估	多发性硬化症(MS)病灶	digital pathology	multiple sclerosis	quantitative susceptibility mapping (QSM), χ-separation imaging, soma and neurite density imaging (SANDI), PET	deep learning	neuroimaging	NA
2296	2025-05-17	RadField3D: a data generator and data format for deep learning in radiation-protection dosimetry for medical applications 2025-May-16, Journal of radiological protection : official journal of the Society for Radiological Protection IF:1.4Q3 DOI:10.1088/1361-6498/add53d PMID:40334671	research paper	介绍了一个基于Geant4的开源蒙特卡洛模拟应用RadField3D，用于生成三维辐射场数据集，并提出了一个快速、机器可解释的数据格式RadFiled3D，便于神经网络研究集成	开发了开源工具RadField3D和配套的数据格式，旨在利用深度学习研究替代辐射模拟方法	未提及具体的数据集规模或应用场景的局限性	研究替代辐射模拟方法，特别是利用深度学习技术	三维辐射场数据集	machine learning	NA	Monte-Carlo simulation, deep learning	NA	three-dimensional radiation field datasets	NA
2297	2025-05-17	Patient-specific uncertainty calibration of deep learning-based autosegmentation networks for adaptive MRI-guided lung radiotherapy 2025-May-16, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/add640 PMID:40340988	research paper	该研究提出了一种针对自适应MRI引导的肺癌放射治疗中深度学习自动分割网络的患者特异性不确定性校准方法	提出了一种患者特异性训练后不确定性校准方法，显著提高了深度学习自动分割模型的不确定性校准精度	研究样本量相对较小（122例肺癌患者），且GTV分割性能在基线模型中表现较差	提高自适应放射治疗中深度学习自动分割模型的不确定性校准精度	肺癌患者和其器官风险区域（OARs）及大体肿瘤体积（GTVs）	digital pathology	lung cancer	Monte Carlo Dropout (MCD)	3D-U-Net	MRI图像	122例肺癌患者（80例训练集，19例验证集，23例测试集）
2298	2025-05-17	Exploiting network optimization stability for enhanced PET image denoising using deep image prior 2025-May-16, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/add63f PMID:40341245	研究论文	提出一种利用网络优化稳定性增强PET图像去噪的方法，基于条件深度图像先验（DIP）	在条件DIP的优化过程中引入稳定性映射，通过多个中间输出来识别网络优化轨迹中的不稳定区域，从而提高去噪的可靠性和定量准确性	方法仅在脑部[F]FDG PET图像上进行了验证，未涉及其他类型PET数据或更广泛的临床应用场景	提高PET图像去噪的可靠性和定量准确性	PET图像	数字病理	NA	深度图像先验（DIP）	条件DIP	图像	8个高分辨率脑部PET数据集
2299	2025-05-17	Construction of Sonosensitizer-Drug Co-Assembly Based on Deep Learning Method 2025-May-16, Small (Weinheim an der Bergstrasse, Germany) DOI:10.1002/smll.202502328 PMID:40376918	研究论文	本文介绍了一种基于深度学习的声敏剂-药物相互作用（SDI）模型，用于预测药物混合物的粒径	设计了多尺度交叉注意力机制来整合两种药物不同尺度子结构的特征表示，提高了预测准确性并允许分析分子结构对预测的影响	未明确说明模型在其他类型药物组合上的泛化能力	开发一种预测药物共组装粒径的深度学习方法	声敏剂和化疗药物的共组装纳米药物	机器学习	肝癌	深度学习	图神经网络	分子结构数据	NA
2300	2025-05-17	ASOptimizer: optimizing chemical diversity of antisense oligonucleotides through deep learning 2025-May-16, Nucleic acids research IF:16.6Q1 DOI:10.1093/nar/gkaf392 PMID:40377084	research paper	介绍了一个基于深度学习的计算框架ASOptimizer，用于优化反义寡核苷酸（ASO）的序列和化学修饰	开发了一个用户友好的网络服务器，使研究人员无需深度学习专业知识即可轻松优化ASO序列和化学修饰	未提及具体性能指标或与其他方法的比较	优化反义寡核苷酸的化学多样性以提高基因治疗效果	反义寡核苷酸（ASO）	machine learning	NA	deep learning	NA	sequence data	NA