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
241	2025-06-01	Do Sharpness-Based Optimizers Improve Generalization in Medical Image Analysis? 2025, IEEE access : practical innovations, open solutions IF:3.4Q2 DOI:10.1109/ACCESS.2025.3568641 PMID:40443707	research paper	本文评估了基于锐度的优化器在医学图像分析中提高深度学习模型泛化性能的效果	首次在医学图像数据集上全面评估了多种基于锐度的优化器，发现SAM是唯一能一致提升泛化性能的方法	仅评估了三种医学图像数据集，结果可能不适用于所有医学图像类型	评估基于锐度的优化器在医学图像分析中提高模型泛化性能的效果	医学图像数据集（乳腺超声、胸部X光和结肠组织病理学图像）	digital pathology	breast cancer, lung disease, colon disease	deep learning optimization	CNN, vision transformers	image	三种医学图像数据集
242	2025-06-01	Advances in Electrocardiogram-Based Artificial Intelligence Reveal Multisystem Biomarkers 2025, Journal of clinical & experimental cardiology PMID:40443717	review	本文讨论了基于心电图（ECG）的人工智能（AI）在临床心脏病学中的应用进展、局限性、未来方向及公平性考量	使用基于ECG的深度学习模型识别心脏壁运动异常，并超越人类专家解读	讨论了当前深度学习模型在ECG应用中的局限性及未来改进方向	探讨AI在临床心脏病学中的诊断、预后和治疗应用	心电图（ECG）数据	machine learning	cardiovascular disease	Deep Learning (DL)	DL	ECG数据	NA
243	2025-06-01	XLLC-Net: A lightweight and explainable CNN for accurate lung cancer classification using histopathological images 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0322488 PMID:40445896	research paper	介绍了一种轻量级且可解释的CNN模型XLLC-Net，用于从组织病理学图像中准确分类肺癌	提出了一种轻量级且可解释的CNN模型XLLC-Net，具有高效的训练速度和较高的分类准确率，同时集成了可解释AI技术以增强模型透明度	仅使用了LC25000数据集中的三类肺癌数据进行研究，未涵盖其他类型的肺癌或更广泛的数据集	开发一种轻量级且可解释的深度学习模型，用于肺癌的准确分类	肺癌的组织病理学图像	digital pathology	lung cancer	CNN	XLLC-Net	image	LC25000数据集中的三类肺癌数据
244	2025-06-01	EODA: A three-stage efficient outlier detection approach using Boruta-RF feature selection and enhanced KNN-based clustering algorithm 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0322738 PMID:40445940	研究论文	提出了一种名为EODA的三阶段高效异常值检测方法，结合Boruta-RF特征选择和增强的KNN聚类算法	通过Boruta-RF特征选择减少数据规模，改进KNN算法以提高聚类阶段的最近邻识别准确性，并高效识别聚类数据集中的显著异常值	未提及具体的数据规模限制或计算资源需求	提高异常值检测的准确性和效率	UCI机器学习库中的八个数据集	机器学习	NA	Boruta-RF特征选择，KNN聚类算法	Random Forest, KNN	结构化数据	八个UCI机器学习库数据集
245	2025-06-01	Deep learning reconstruction of free-breathing, diffusion-weighted imaging of the liver: A comparison with conventional free-breathing acquisition 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0320362 PMID:40445963	research paper	本研究比较了使用深度学习重建的自由呼吸扩散加权成像（FB-DL-DWI）与传统自由呼吸扩散加权成像（FB-C-DWI）在肝脏MRI中的图像质量和实体性肝脏局灶性病变（FLL）评估	首次将深度学习重建技术应用于自由呼吸扩散加权成像，显著提高了图像质量和病变检测率，同时缩短了扫描时间	FB-DL-DWI表现出比FB-C-DWI更强的伪影感觉	比较两种扩散加权成像技术在肝脏MRI中的表现	199名接受临床肝脏MRI检查的患者	digital pathology	liver disease	diffusion-weighted imaging (DWI), deep learning reconstruction	deep learning	MRI images	199名患者（其中110名患有慢性肝病），138个实体性肝脏局灶性病变
246	2025-06-01	Prediction of drug-target interactions based on substructure subsequences and cross-public attention mechanism 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0324146 PMID:40445972	研究论文	提出了一种基于子结构序列和交叉公共注意力机制的药物-靶标相互作用预测模型SSCPA-DTI	采用多特征信息挖掘模块(MIMM)提取药物和蛋白质的原始和子结构特征，并利用交叉公共注意力模块(CPA)整合特征和提取相互作用信息，提高了预测准确性和可解释性	仅在三个公共数据集上进行了实验，可能需要更多数据验证模型的泛化能力	提高药物-靶标相互作用预测的准确性和可解释性	药物和蛋白质的相互作用	机器学习	NA	深度学习	SSCPA-DTI	序列数据(药物SMILES序列和蛋白质序列)	三个公共数据集
247	2025-06-01	Enhancing the dataset of CycleGAN-M and YOLOv8s-KEF for identifying apple leaf diseases 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0321770 PMID:40445983	研究论文	本研究提出了一种基于深度学习的方法，通过增强CycleGAN-M网络和改进YOLOv8s-KEF模型，提高苹果叶病害识别的准确性和鲁棒性	使用多尺度注意力机制增强CycleGAN-M网络生成合成样本，改进YOLOv8s-KEF模型的特征提取能力，特别是针对小病灶和复杂纹理的识别	模型大小增加了6MB，可能会影响在资源受限设备上的部署	提高苹果叶病害识别的准确性和鲁棒性，解决数据集有限、样本量小和识别精度低的问题	苹果叶病害	计算机视觉	植物病害	深度学习	CycleGAN-M, YOLOv8s-KEF	图像	NA
248	2025-06-01	ArsenicNet: An efficient way of arsenic skin disease detection using enriched fusion Xception model 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0322405 PMID:40446004	research paper	本研究提出了一种名为ArsenicNet的深度学习模型，用于高效检测砷皮肤疾病	结合Xception模型和Inception模块的融合方法，命名为ArsenicNet，在砷皮肤疾病检测中表现出色	数据集仅包含1287个样本，且基于孟加拉国人群，可能限制模型的泛化能力	开发一种高效准确的砷皮肤疾病检测方法，以应对饮用水砷污染带来的健康风险	砷皮肤疾病患者	digital pathology	砷中毒	深度学习	Xception与Inception模块融合的ArsenicNet	image	1287个样本（来自孟加拉国人群）
249	2025-06-01	Segmentation-based deep 2D-3D multibranch learning approach for effective hyperspectral image classification 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0321559 PMID:40446012	research paper	提出了一种基于分割的深度2D-3D多分支学习方法，用于高光谱图像分类	结合了Segmented Principal Component Analysis (SPCA)和minimum-Redundancy-Maximum-Relevance (mRMR)技术，提出了一种新颖的多层多分支2D-3D CNN模型	未明确提及具体限制	解决高光谱图像分类中的数据冗余、计算成本高、样本量不足和维度诅咒等问题	高光谱图像(HSIs)	computer vision	NA	Segmented Principal Component Analysis (SPCA), minimum-Redundancy-Maximum-Relevance (mRMR)	2D-3D CNN	hyperspectral image	Salinas Scene, University of Pavia, and Indian Pines hyperspectral image datasets
250	2025-06-01	High resolution kinematic approach for quantifying impaired mobility of dystrophic zebrafish larvae 2024-Dec-09, bioRxiv : the preprint server for biology DOI:10.1101/2024.12.05.627004 PMID:39713379	research paper	该研究开发了一种高分辨率运动学方法来量化营养不良斑马鱼幼虫的运动障碍	使用高速摄像技术和基于深度学习的无标记运动捕捉技术，开发了幼虫逃逸反应游泳的链接段模型	NA	评估营养不良斑马鱼幼虫的运动障碍，为早期治疗开发提供精确的生物标志物	营养不良斑马鱼幼虫	digital pathology	Duchenne muscular dystrophy	high speed videography, deep learning-based markerless motion capture	random forest, support vector machine	video	NA
251	2025-06-01	Uncertainty Quantification for Conditional Treatment Effect Estimation under Dynamic Treatment Regimes 2024-Dec, Proceedings of machine learning research PMID:40443560	research paper	本文提出了一种在动态治疗方案下估计条件治疗效果时量化深度学习模型不确定性的方法	首次提出并比较了在机器学习模型中量化g-computation不确定性的多种方法，以改进动态治疗方案下的条件治疗效果估计	方法在真实世界数据集上的验证仅限于脓毒症数据集，需要更多临床场景的验证	改进动态治疗方案下条件治疗效果估计中的不确定性量化	动态治疗方案下的治疗效果估计	machine learning	sepsis	variational dropout, deep ensembles	深度学习模型	临床数据	两个模拟数据集和一个真实世界脓毒症数据集
252	2025-06-01	sChemNET: a deep learning framework for predicting small molecules targeting microRNA function 2024-10-23, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-49813-w PMID:39443444	研究论文	本文介绍了一个名为sChemNET的深度学习框架，用于预测影响miRNA生物活性的小分子	sChemNET通过一个目标函数克服了稀疏化学信息的限制，使神经网络能够从大量未知影响miRNA的化学结构中学习化学空间	小分子-miRNA数据集规模较小	预测与miRNA相关的小分子，以调节与疾病相关的失调细胞过程	小分子和miRNA	机器学习	癌症	深度学习	神经网络	化学结构和序列信息	实验验证了针对miR-451或其靶点的小分子，并在斑马鱼胚胎发生期间测试了它们在红细胞成熟中的作用
253	2025-06-01	Putting proteins in context 2024-Oct-16, Cell systems IF:9.0Q1 DOI:10.1016/j.cels.2024.09.009 PMID:39418999	研究论文	本文介绍了一种名为PINNACLE的几何深度学习方法，用于生成蛋白质的上下文表示	通过结合蛋白质相互作用和多器官单细胞转录组学分析，生成具有生物或环境背景的蛋白质表示	NA	解决蛋白质表示缺乏生物或环境背景的问题	蛋白质	机器学习	NA	单细胞转录组学	几何深度学习	蛋白质相互作用数据和单细胞转录组数据	NA
254	2025-06-01	Integrating Deep Learning and Synthetic Biology: A Co-Design Approach for Enhancing Gene Expression via N-Terminal Coding Sequences 2024-09-20, ACS synthetic biology IF:3.7Q1 DOI:10.1021/acssynbio.4c00371 PMID:39229974	research paper	该论文介绍了一种结合深度学习和合成生物学的共设计方法，用于通过N端编码序列（NCS）优化基因表达	提出了一种深度学习和合成生物学共设计的少样本训练工作流程，显著提高了基因表达优化效率	需要进一步验证该方法在其他基因表达优化中的普适性	优化N端编码序列（NCS）以最大化基因表达	绿色荧光蛋白（GFP）和N-乙酰神经氨酸	synthetic biology	NA	deep learning, word2vec, attention mechanisms, time-series network	time-series network	genetic sequence data	六次迭代实验
255	2025-06-01	Automated deep learning segmentation of neuritic plaques and neurofibrillary tangles in Alzheimer disease brain sections using a proprietary software 2024-Sep-01, Journal of neuropathology and experimental neurology IF:3.2Q2 DOI:10.1093/jnen/nlae048 PMID:38812098	研究论文	开发了一种深度学习工作流程，用于自动注释和分割阿尔茨海默病脑切片中的神经炎性斑块和神经纤维缠结	利用专有图像分析软件（Visiopharm）进行自动深度学习分割，显著提高了复杂神经病理特征的注释质量	研究仅分析了15张全切片图像，样本量较小	提高阿尔茨海默病神经病理特征的自动注释和分割精度	阿尔茨海默病脑切片中的神经炎性斑块和神经纤维缠结	数字病理学	阿尔茨海默病	深度学习	U-Net卷积神经网络	图像	15张全切片图像，来自4个生物库
256	2025-06-01	Deep learning in the diagnosis for cystic lesions of the jaws: a review of recent progress 2024-06-28, Dento maxillo facial radiology DOI:10.1093/dmfr/twae022 PMID:38814810	综述	本文回顾了深度学习在颌骨囊性病变诊断中的最新进展	总结了深度学习在颌骨囊性病变诊断中的应用及其优于临床医生的判别性能	模型可解释性不足、缺乏多中心数据验证等问题限制了其临床应用	研究深度学习在颌骨囊性病变诊断中的性能	颌骨囊性病变	数字病理学	颌骨囊性病变	深度学习	DL	牙科放射影像	44项研究（初始搜索1862篇）
257	2025-06-01	Deep learning with noisy labels in medical prediction problems: a scoping review 2024-Jun-20, Journal of the American Medical Informatics Association : JAMIA IF:4.7Q1 DOI:10.1093/jamia/ocae108 PMID:38814164	scoping review	本文对深度学习在医学预测问题中处理噪声标签的研究进行了全面的范围综述	全面综述了医学预测问题中噪声标签的管理方法，包括噪声检测、处理及评估	仅涵盖了2016年至2023年的60篇论文，可能未完全覆盖所有相关研究	探讨医学研究中噪声标签的来源、影响、检测及处理方法	医学预测问题中的噪声标签	machine learning	NA	深度学习	NA	NA	60篇论文
258	2025-06-01	Deep learning-based target decomposition for markerless lung tumor tracking in radiotherapy 2024-Jun, Medical physics IF:3.2Q1 DOI:10.1002/mp.17039 PMID:38507259	research paper	本文提出了一种基于深度学习的无标记肺部肿瘤实时跟踪方法，用于放射治疗中的肿瘤定位	利用条件生成对抗网络（cGAN）生成合成分解目标图像（sDTI），增强kV投影图像中的肿瘤可见性	需要进一步开发3D肺部肿瘤跟踪技术	开发一种无标记kV图像肺部肿瘤实时跟踪方法	肺部肿瘤	digital pathology	lung cancer	deep learning, cGAN	Pix2Pix (cGAN)	image	9名患者的植入信标数据
259	2025-06-01	Disentangling developmental effects of play aspects in rat rough-and-tumble play 2024-05, Biology letters IF:2.8Q2 DOI:10.1098/rsbl.2024.0037 PMID:38808945	research paper	本研究探讨了大鼠粗野游戏中运动和社交方面对发育的不同影响	通过选择性减少大鼠粗野游戏中的运动或社交方面，揭示了不同游戏方面对发育影响的特异性	研究仅针对雄性大鼠，结果可能不适用于雌性或其他物种	理解动物游戏中不同方面对发育的具体贡献	发育中的雄性大鼠	动物行为学	NA	深度学习框架	NA	超声波发声(USVs)	NA
260	2025-06-01	Segment anything with inception module for automated segmentation of endometrium in ultrasound images 2024-May, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.11.3.034504 PMID:38827779	research paper	该论文提出了一种名为SAIM的模型，专门用于超声图像中子宫内膜结构的自动分割	SAIM模型是对segment anything模型的专门改进，通过增强图像编码器结构和集成点提示来引导分割过程	NA	提高超声图像中子宫内膜分割的准确性和效率，以支持妇科诊断和治疗计划	超声图像中的子宫内膜结构	computer vision	妇科疾病	深度学习	SAIM (Segment Anything with Inception Module)	超声图像	接受宫腔镜手术的妇科患者的超声图像