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
221	2025-05-23	A Chemistry-Informed Generative Deep Learning Approach for Enhancing Voltammetric Neurochemical Sensing in Living Mouse Brain 2025-May-21, Journal of the American Chemical Society IF:14.4Q1 DOI:10.1021/jacs.5c05393 PMID:40358003	research paper	提出了一种基于化学信息的生成深度学习模型（CIGNN），用于增强活体小鼠脑中伏安法神经化学传感的定量准确性	开发了CIGNN模型，能够分离伏安电流中的法拉第和非法拉第成分，减少相互干扰并提高定量准确性	研究仅在小鼠模型中进行验证，尚未扩展到其他生物模型或临床环境	开发一种新方法来同时监测多种神经化学物质的动态变化，以研究神经功能和病理机制	活体小鼠脑中的神经化学物质（多巴胺、抗坏血酸和离子强度）	machine learning	神经炎症	伏安法神经化学传感	CIGNN（化学信息生成神经网络）	伏安电流数据	神经炎症模型小鼠和对照小鼠（具体数量未明确说明，但有浓度数据）
222	2025-05-23	Identifying Disinformation on the Extended Impacts of COVID-19: Methodological Investigation Using a Fuzzy Ranking Ensemble of Natural Language Processing Models 2025-May-21, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/73601 PMID:40397945	研究论文	本研究开发了一个结合预训练语言模型和模糊排序集成方法的深度学习框架，用于检测与COVID-19长期影响相关的虚假信息	采用模糊排序集成方法结合预训练语言模型，提出了一种新颖的预测方法，提高了检测准确性和可靠性	研究仅基于文本内容进行训练，可能忽略了其他可能影响检测准确性的因素	开发一个鲁棒且可推广的深度学习框架，用于检测与COVID-19长期影响相关的虚假信息	与COVID-19长期影响相关的虚假信息	自然语言处理	COVID-19	预训练语言模型（PLMs）、模糊排序集成方法	RoBERTa、DeBERTa、XLNet、HAN	文本	566个真实样本和2361个虚假样本
223	2025-05-23	Prediction of Spontaneous Breathing Trial Outcome in Critically Ill-Ventilated Patients Using Deep Learning: Development and Verification Study 2025-May-21, JMIR medical informatics IF:3.1Q2 DOI:10.2196/64592 PMID:40397953	研究论文	本研究开发了一种基于深度学习的模型，用于预测重症监护病房中机械通气患者的自主呼吸试验（SBT）结果	提出了一种新颖的混合CNN-MLP架构，通过交替CNN和MLP层进行特征学习和融合，提高了模型的灵活性和预测准确性	研究数据来自单一医疗中心，可能影响模型的泛化能力	开发人工智能预测模型，提高呼吸机脱机评估的准确性和效率	重症监护病房中机械通气的成年患者	数字病理学	呼吸系统疾病	深度学习	混合CNN-MLP	临床记录数据	3686名患者，6536份SBT前临床记录
224	2025-05-23	Unveiling Spectrum-Structure Correlation in Vibrational Spectroscopy: Task-Driven Deep Learning Classification Balancing Global Fusion and Local Extraction 2025-May-21, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.4c05842 PMID:40399767	研究论文	本文提出两种基于CNN的算法，分别针对光谱数据中的混合物分类和功能基团识别任务，通过多尺度卷积和注意力机制优化性能	针对光谱数据的全局和局部信息关注差异，设计了两种任务导向的CNN算法，分别优化混合物分类和功能基团识别	算法性能依赖于光谱数据的特征丰富度和数据量，可能在某些数据不足的场景下表现受限	提升光谱-结构关联分析的效能和准确性，实现更严谨的实验设计和实施	光谱数据中的混合物和功能基团	机器学习	NA	多尺度卷积、注意力机制	CNN、ResNet	光谱数据	NA
225	2025-05-23	Prediction of B/T Subtype and ETV6-RUNX1 Translocation in Pediatric Acute Lymphoblastic Leukemia by Deep Learning Analysis of Giemsa-Stained Whole Slide Images of Bone Marrow Aspirates 2025-May-21, Pediatric blood & cancer IF:2.4Q1 DOI:10.1002/pbc.31797 PMID:40399768	研究论文	开发了一种深度学习流程，用于分析吉姆萨染色的骨髓穿刺涂片，以预测儿童急性淋巴细胞白血病的B/T亚型和ETV6-RUNX1易位	首次使用深度学习分析吉姆萨染色涂片来预测B/T亚型和ETV6-RUNX1易位，为资源匮乏地区提供了替代诊断方案	外部验证队列的AUC值相对较低（B/T亚型分类0.72，ETV6-RUNX1预测0.69），模型性能有待进一步提高	开发一种基于深度学习的诊断工具，用于儿童急性淋巴细胞白血病的亚型分类和基因易位检测	儿童急性淋巴细胞白血病患者的骨髓穿刺涂片	数字病理学	急性淋巴细胞白血病	吉姆萨染色	CNN	图像	未明确说明样本数量，但包含交叉验证和外部验证队列
226	2025-05-23	Synthesizing [18F]PSMA-1007 PET bone images from CT images with GAN for early detection of prostate cancer bone metastases: a pilot validation study 2025-May-21, BMC cancer IF:3.4Q2 DOI:10.1186/s12885-025-14301-x PMID:40399853	研究论文	本研究探索使用深度学习技术从CT骨图像合成[18F]PSMA-1007 PET骨图像，用于早期检测前列腺癌骨转移	利用GAN模型从CT图像合成PET图像，减少额外PET/CT扫描的需求和患者负担	样本量较小（152例），且为回顾性研究	开发一种减少前列腺癌骨转移检测中PET/CT扫描次数的方法	前列腺癌患者和良性病变患者的全身[18F]PSMA-1007 PET/CT图像	数字病理	前列腺癌	PET/CT扫描	GAN（Pix2pix和Cycle GAN）	图像	152例患者（123例前列腺癌，29例良性病变）
227	2025-05-23	A simulated annealing-based Bayesian network structure optimization framework for late morbidity prediction with a large prospective dataset 2025-May-21, Medical physics IF:3.2Q1 DOI:10.1002/mp.17881 PMID:40400111	research paper	提出了一种基于模拟退火的贝叶斯网络结构优化框架，用于预测宫颈癌患者的晚期发病率	开发了一种结合信息理论度量、预测性能度量和复杂度度量的模拟退火优化方法，用于生成逻辑清晰且可解释的贝叶斯网络	研究仅针对宫颈癌患者的晚期发病率预测，可能不适用于其他疾病或场景	开发一个可定制的优化框架，用于自动生成逻辑清晰且可解释的贝叶斯网络，以预测宫颈癌患者的晚期发病率	宫颈癌患者的晚期中度至重度膀胱炎（CTCAEv.3）预测	machine learning	cervical cancer	simulated annealing	Bayesian network	clinical dataset	1153名宫颈癌患者（EMBRACE I数据集）
228	2025-05-23	A novel dose calculation system implemented in image domain 2025-May-21, Medical physics IF:3.2Q1 DOI:10.1002/mp.17903 PMID:40400114	研究论文	本文提出了一种名为DeepBEVdose的新型图像域剂量计算系统，用于从计算机断层扫描图像和辐射场注量图中自动计算剂量分布	引入了新颖的射束视角计算方案，替代了传统无法去除的射线追踪过程，并采用了通用的二维卷积神经网络进行精确剂量计算	仅在鼻咽和肺部两种肿瘤部位进行了验证，尚未在其他肿瘤类型中测试	开发一种准确高效的剂量计算算法，以支持和加速放射治疗计划优化过程	放射治疗中的剂量分布计算	医学影像分析	癌症	深度学习	CNN	医学影像	来自多个机构的数据集，包含鼻咽和肺部两种肿瘤部位
229	2025-05-23	Decoding cancer prognosis with deep learning: the ASD-cancer framework for tumor microenvironment analysis 2025-May-20, mSystems IF:5.0Q1 DOI:10.1128/msystems.01455-24 PMID:40237527	评论	本文探讨了ASD-cancer框架在肿瘤微环境分析中的方法创新和可扩展性	提出了基于自动编码器的半监督学习框架ASD-cancer，用于改进多组学数据分析，并通过迁移学习实现对新数据集的扩展处理	未提及具体局限性，但建议未来方向包括整合更多数据层和开发通过持续学习的自适应AI模型	提高癌症预后分析的准确性和可扩展性	肿瘤微环境	数字病理学	癌症	多组学数据分析	自动编码器	多组学数据	基于The Cancer Genome Atlas数据
230	2025-05-23	MMRNet: Ensemble deep learning models for predicting mismatch repair deficiency in endometrial cancer from histopathological images 2025-May-20, Cell reports. Medicine DOI:10.1016/j.xcrm.2025.102099 PMID:40306276	研究论文	介绍MMRNet，一种深度卷积神经网络，用于从H&E染色的全切片图像预测子宫内膜癌中的错配修复缺陷	提出了一种新的深度卷积神经网络MMRNet，用于预测子宫内膜癌中的错配修复缺陷，并通过人机融合方法显著提高了诊断准确性	内部交叉验证的敏感性较低（0.628），可能需要进一步优化以提高检测的敏感性	开发一种经济且易于使用的工具，用于确定子宫内膜癌患者的MMR状态	子宫内膜癌患者的全切片图像	数字病理学	子宫内膜癌	深度卷积神经网络	CNN	图像	内部交叉验证数据集和三个外部验证数据集
231	2025-05-23	Pancreas segmentation in CT scans: A novel MOMUNet based workflow 2025-May-20, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110346 PMID:40398261	研究论文	提出了一种基于MOMUNet的新型工作流程，用于提高CT扫描中胰腺分割的准确性和计算效率	引入外部轮廓裁剪(ECC)和尺寸比例(SR)技术，开发了超轻量级分割模型MOMUNet，显著提升了小腹部器官的分割准确性	未提及在更广泛器官或更大数据集上的泛化能力测试	提高CT扫描中胰腺分割的准确性和计算效率	CT扫描中的胰腺和小腹部器官	数字病理	胰腺癌	深度学习	MOMUNet	CT图像	NIH-Pancreas数据集和MSD-Pancreas数据集
232	2025-05-23	Streaks on martian slopes are dry 2025-May-19, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-59395-w PMID:40389425	research paper	该研究利用深度学习技术创建了首个包含50万个火星斜坡条纹的全球目录，并分析了这些条纹的形成机制及其对火星尘埃循环的影响	首次使用深度学习创建全球性的火星斜坡条纹目录，并挑战了湿条纹形成模型，支持干条纹形成机制	研究主要基于遥感数据，缺乏实地验证	探究火星斜坡条纹的形成机制及其对火星尘埃循环的影响	火星斜坡条纹	行星科学	NA	深度学习	NA	遥感图像	50万个火星斜坡条纹
233	2025-05-23	Enhancing hand-drawn diagram recognition through the integration of machine learning and deep learning techniques 2025-May-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-01823-4 PMID:40389485	研究论文	本文提出了一种结合机器学习和深度学习技术的方法，以提高手绘图的识别性能	整合多种机器学习方法的最佳特性，并引入深度学习技术以处理复杂和可变的手绘图数据	实验仅限于特定类型的手绘图数据集（如流程图、有限自动机和业务过程模型），可能无法涵盖所有手绘图类型	提高手绘图的自动识别和理解能力	手绘图（如流程图、有限自动机、业务过程模型）	计算机视觉	NA	Fossum Soergel k-means聚类、形态学Canny Bessel径向基轮廓形状因子、Fisher核k最近邻、sing-scurve模糊规则生成、wide context faster regional卷积神经网络	CNN	图像	基准数据集中的手绘图样本
234	2025-05-23	Harnessing optimization with deep learning approach on intelligent transportation system for anomaly detection in pedestrian walkways 2025-May-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-99940-7 PMID:40389534	研究论文	该研究提出了一种结合深度学习和优化技术的智能交通系统方法，用于行人通道的异常检测	提出了HODLAITS-ADPW方法，结合了改进的YOLOv7目标检测器、变色龙群算法和注意力金字塔卷积神经网络，用于行人异常检测	NA	提升城市环境中行人通道的安全性和效率	行人通道中的异常行为和活动	计算机视觉	NA	计算机视觉和深度学习	改进的YOLOv7、注意力金字塔CNN	图像	行人数据集（具体数量未提及）
235	2025-05-23	Enhancing feature learning of hyperspectral imaging using shallow autoencoder by adding parallel paths encoding 2025-May-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-01758-w PMID:40389536	research paper	本文提出了一种双路径自编码器（D-Path-AE）模型，用于增强高光谱成像（HSI）的非线性特征学习，并通过并行编码路径和降采样策略减少对多数类特征的偏倚	提出D-Path-AE模型，通过并行编码路径增强非线性特征学习，并采用降采样策略减少数据集不平衡带来的偏倚	模型性能依赖于数据集的平衡性，且未探讨在更大规模或更复杂数据集上的泛化能力	提高高光谱成像数据的特征提取效率和分类准确性	高光谱成像数据	computer vision	NA	HSI, PCA, ICA	Autoencoder (AE), Dual-Path AE (D-Path-AE), Decision Tree, SVM, KNN	image	Pavia Center, Salinas, Kennedy Space Center数据集
236	2025-05-23	Efficient black-box attack with surrogate models and multiple universal adversarial perturbations 2025-May-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-87529-z PMID:40389546	研究论文	本文提出了一种名为SMPack的分阶段黑盒对抗样本生成算法，通过结合多重通用对抗扰动（MUAPs）和代理模型，有效克服黑盒限制并提高对抗样本生成效率	提出SMPack算法，整合MUAPs、代理模型和遗传算法（GA）优化，显著提高黑盒攻击的成功率和查询效率	实验仅在MNIST、SVHN、CIFAR-10和ImageNet四个公开数据集上进行，可能在其他数据集上的泛化能力未验证	研究黑盒设置下对抗样本生成的有效性和效率	深度学习模型	机器学习	NA	遗传算法（GA）	深度学习模型	图像	每个数据集500个随机正确分类的样本
237	2025-05-23	Translational approach for dementia subtype classification using convolutional neural network based on EEG connectome dynamics 2025-May-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-02018-7 PMID:40389648	研究论文	本研究利用基于EEG连接组动力学的卷积神经网络进行痴呆亚型分类的转化方法	通过动态EEG功能连接特征识别痴呆亚型（如阿尔茨海默病和额颞叶痴呆）的特征模式，并评估其作为生物标志物的潜力	未提及样本来源的多样性或潜在的过拟合问题	早期筛查和诊断痴呆谱系障碍，改善患者预后和生活质量	阿尔茨海默病（AD）、额颞叶痴呆（FD）患者及健康对照组	数字病理学	老年病	静息态脑电图（EEG）功能连接分析	CNN	EEG信号	AD、FD患者及健康对照组（具体数量未提及）
238	2025-05-23	IoT driven smart health monitoring for heart disease prediction using quantum kernel enhanced sardine diffusion and CNN 2025-May-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-99990-x PMID:40389708	研究论文	提出了一种基于物联网的量子核增强沙丁鱼扩散注意力网络(Qua-KSar-DCK-ArNet)，用于实时预测心脏病	结合量子计算和经典深度学习方法，开发了Qua-KSar-DCK-ArNet模型，显著提高了心脏疾病预测的准确性和速度	未提及模型在多样化人群中的泛化能力以及实际部署中的技术挑战	通过物联网和量子增强深度学习技术改进心脏疾病的实时预测	心脏相关数据（如心电图和心率）	机器学习	心血管疾病	量子聚类与k-Means、Z-score Min-Max标准化、快速点变换	Qua-KSar-DCK-ArNet（结合量子核与CNN）	传感器时序数据（ECG/心率）	NA
239	2025-05-23	Multiple deep learning models based on MRI images in discriminating glioblastoma from solitary brain metastases: a multicentre study 2025-May-19, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-01703-3 PMID:40389875	research paper	本研究开发了一种基于多中心、多序列MRI图像的深度学习模型，用于术前准确区分胶质母细胞瘤和孤立性脑转移瘤，并比较了不同深度学习模型的性能	结合多序列MRI图像和多种深度学习模型（3D ResNet-18、3D Vision Transformer、3D DenseNet和3D VGG）进行肿瘤识别，并通过外部测试集验证模型的泛化能力	样本量相对较小（236例训练集和48例外部队测试集），且仅来自两个医疗中心	开发高效的术前肿瘤鉴别方法	胶质母细胞瘤和孤立性脑转移瘤患者	digital pathology	brain tumor	MRI	3D ResNet-18, 3D Vision Transformer, 3D DenseNet, 3D VGG	image	236例（训练集197例，测试集39例）加48例外部队测试集
240	2025-05-23	Deep learning models based on multiparametric magnetic resonance imaging and clinical parameters for identifying synchronous liver metastases from rectal cancer 2025-May-19, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-01692-3 PMID:40389920	research paper	该研究基于多参数磁共振成像和临床参数建立并验证了深度学习模型，用于预测直肠癌患者的同步肝转移	结合多参数MRI和临床数据构建的深度学习模型在预测同步肝转移方面表现出最佳性能	样本量相对较小，外部验证队列仅有31例患者	预测直肠癌患者的同步肝转移风险	直肠癌患者	digital pathology	rectal cancer	multiparametric MRI	Residual Network	image and clinical data	176例主要研究队列患者和31例外部队列患者