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
2581	2025-05-17	TractCloud-FOV: Deep Learning-Based Robust Tractography Parcellation in Diffusion MRI With Incomplete Field of View 2025-Apr-01, Human brain mapping IF:3.5Q1 DOI:10.1002/hbm.70201 PMID:40193105	research paper	本文介绍了一种名为TractCloud-FOV的深度学习框架，用于在不完整视野的扩散MRI中稳健地进行纤维束成像分割	提出了一种新的训练策略FOV-Cut Augmentation (FOV-CA)，通过合成切割纤维束成像来模拟现实世界中的不完整视野情况，从而增强模型的泛化能力	未提及具体局限性	解决在不完整视野的扩散MRI中进行纤维束成像分割的挑战	扩散MRI中的纤维束成像	digital pathology	NA	diffusion MRI	deep learning	image	两个真实数据集和合成切割的纤维束成像数据
2582	2025-05-17	Automated Detection of Oral Malignant Lesions Using Deep Learning: Scoping Review and Meta-Analysis 2025-Apr, Oral diseases IF:2.9Q1 DOI:10.1111/odi.15188 PMID:39489724	meta-analysis	本文通过范围综述和荟萃分析，概述了使用深度学习自动检测口腔恶性病变的进展和成就	首次对过去五年使用深度学习自动检测口腔病变的研究进行了系统性的范围综述和荟萃分析	仅纳入了14项研究，其中只有3项适合进行荟萃分析，样本量较小	评估深度学习在口腔恶性病变自动检测和分类中的应用效果	口腔恶性病变	digital pathology	oral cancer	deep learning	NA	clinical images	14项研究（其中3项用于荟萃分析）
2583	2025-05-17	Integrating deep learning with ECG, heart rate variability and demographic data for improved detection of atrial fibrillation 2025-Mar-31, Open heart IF:2.8Q2 DOI:10.1136/openhrt-2025-003185 PMID:40164487	research paper	本研究探讨了如何通过结合心电图（ECG）、心率变异性（HRV）和人口统计数据（年龄和性别）来提高心房颤动（AF）的检测效果	通过多模态方法（ECG、HRV和人口统计数据）提升AF检测性能，并验证了HRV数据对敏感性的显著改善	需要进一步的临床验证	提高心房颤动的检测准确率	35,634份12导联ECG记录	machine learning	cardiovascular disease	ECG, HRV	AlexNet, VGG-16, ResNet, transformers	ECG recordings, HRV, demographic data	35,634份12导联ECG记录
2584	2025-05-17	Clinical implications of deep learning based image analysis of whole radical prostatectomy specimens 2025-Mar-31, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-95267-5 PMID:40164701	研究论文	本研究评估了基于深度学习的图像分析（DLIA）算法在前列腺癌根治术（RP）标本中Gleason分级和肿瘤定量的临床应用和预后价值	首次将DLIA算法应用于全RP标本的Gleason分级和肿瘤定量，并评估其临床可行性和预后价值	研究样本量相对有限（992例患者），且DLIA算法与病理学家评估的一致性仅为中等水平（Cohen's kappa: 0.374）	提高前列腺癌诊断的准确性和临床决策支持	前列腺癌根治术标本	数字病理学	前列腺癌	深度学习图像分析	DLIA算法	H&E染色数字切片图像	992例患者的29,646张数字化H&E染色切片
2585	2025-05-17	Gd-EOB-DTPA-enhanced MRI radiomics and deep learning models to predict microvascular invasion in hepatocellular carcinoma: a multicenter study 2025-Mar-31, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-01646-9 PMID:40165094	研究论文	基于Gd-EOB-DTPA增强MRI图像的放射组学和深度学习模型预测肝细胞癌微血管侵犯的多中心研究	结合了双区域特征和两种机器学习算法（CR和DLR）的新型放射组学模型，用于术前预测MVI	所有模型之间的AUC无显著差异（P>0.005）	验证Gd-EOB-DTPA增强MRI图像的放射组学模型在术前预测肝细胞癌微血管侵犯（MVI）中的潜在价值	304名肝细胞癌患者（训练队列216名，测试队列88名）	数字病理	肝细胞癌	Gd-EOB-DTPA增强MRI	支持向量机（SVM）、3D ResNet-18	MRI图像	304名患者（216名训练，88名测试）
2586	2025-05-17	Effectiveness and clinical impact of using deep learning for first-trimester fetal ultrasound image quality auditing 2025-Mar-31, BMC pregnancy and childbirth IF:2.8Q1 DOI:10.1186/s12884-025-07485-4 PMID:40165135	research paper	开发并验证了一种基于人工智能的超声图像质量审核系统（AI-IQA），用于自动审核妊娠早期扫描中的关键平面图像质量	首次将YOLOv7结构检测网络和多分支图像质量回归网络结合，用于妊娠早期超声图像的质量审核，并验证了其对不同经验水平放射科医生的辅助效果	研究仅基于多中心内部数据集进行验证，未涉及外部独立验证集	开发高效准确的妊娠早期超声图像质量自动审核系统	妊娠早期超声扫描的四个关键平面图像	digital pathology	NA	YOLOv7结构检测网络，多分支图像质量回归网络	CNN	image	567例由不同经验水平放射科医生扫描的病例（其中349例无AI-IQA反馈，218例有2-3轮AI-IQA反馈）
2587	2025-05-17	A novel network-level fused deep learning architecture with shallow neural network classifier for gastrointestinal cancer classification from wireless capsule endoscopy images 2025-Mar-31, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-025-02966-0 PMID:40165262	research paper	提出了一种新型深度学习框架，用于从无线胶囊内窥镜图像中分类和定位胃肠道疾病	融合了两种新型架构SC-DSAN和CNN-GRU，采用深度连接层进行网络级融合，避免了特征级融合的计算成本，并利用贝叶斯优化和熵控海洋捕食者算法进行动态超参数调优和特征选择	未来工作将探索其对其他数据集的适应性，并优化其计算复杂性以实现更广泛的部署	解决胃肠道疾病分类和定位中的挑战，如类间和类内相似性、类别不平衡和计算效率低下	无线胶囊内窥镜图像	computer vision	gastrointestinal cancer	deep learning	SC-DSAN, CNN-GRU, SWNN	image	Kvasir-V1和Kvasir-V2数据集
2588	2025-05-17	Ant-Inspired Ion Gel Sensor for Dual-Mode Detection of Force and Humidity via Magnetic Induction 2025-03-28, ACS sensors IF:8.2Q1 DOI:10.1021/acssensors.5c00032 PMID:40016092	research paper	介绍了一种受蚂蚁感官机制启发的双模式离子凝胶传感器，能够同时检测环境湿度和压力	采用磁感应技术开发的双模式传感器，结合了湿度传感器和压力传感器的高灵敏度和宽范围检测能力，并通过深度学习算法实现高精度物体识别	未明确提及传感器的长期稳定性测试或在极端环境下的性能表现	开发多功能、高灵敏度、宽范围和耐用的柔性传感器，用于智能传感领域	环境湿度和压力的检测，以及人体生理信号和物体识别	智能传感	NA	磁感应技术，深度学习算法	NA	湿度信号，压力信号，生理信号	未明确提及具体样本数量，但涉及人体生理信号测试和物体识别实验
2589	2025-05-17	Penalized factorial regression as a flexible and computationally attractive reaction norm model for prediction in the presence of GxE 2025-Mar-28, TAG. Theoretical and applied genetics. Theoretische und angewandte Genetik DOI:10.1007/s00122-025-04865-4 PMID:40155554	研究论文	本文提出了一种惩罚性因子回归方法，作为预测基因型与环境互作（GxE）的计算高效替代方案	该方法在预测精度上与基于核方法和深度学习的替代方法相当，但计算需求和耗时明显更低	仅在小麦和玉米两个代表性数据集上进行了验证，未在其他作物或更大规模数据上测试	解决植物育种和遗传学中长期存在的挑战，即在存在基因型与环境互作的情况下预测新环境中的产量	小麦和玉米的候选品种	植物育种与遗传学	NA	惩罚性因子回归	线性反应规范模型	基因型与环境互作数据	两个代表性数据集（小麦和玉米）
2590	2025-05-17	[Research progress in mutation effect prediction based on protein language models] 2025-Mar-25, Sheng wu gong cheng xue bao = Chinese journal of biotechnology DOI:10.13345/j.cjb.240683 PMID:40170306	综述	本文综述了基于蛋白质语言模型（PLMs）的蛋白质突变效应预测的研究进展	总结了PLMs在预测蛋白质突变效应中的应用，包括序列模型、结构模型及序列与结构结合模型，并分析了无监督和监督学习在模型训练中的应用	当前面临的主要挑战包括高质量数据集的获取和数据噪声的处理	推动蛋白质突变效应预测的进一步发展	蛋白质突变效应预测	生物信息学	NA	蛋白质语言模型（PLMs）	序列模型、结构模型、序列与结构结合模型	蛋白质序列和结构数据	NA
2591	2025-05-17	[Intelligent mining, engineering, and de novo design of proteins] 2025-Mar-25, Sheng wu gong cheng xue bao = Chinese journal of biotechnology DOI:10.13345/j.cjb.240629 PMID:40170309	综述	本文综述了人工智能在蛋白质发现、评估、工程和设计方面的最新研究进展	探讨了人工智能在蛋白质工程和设计中的应用及其对生物制造的潜在影响	未提及具体的技术限制或数据局限性	探索和改造酶以适应特定的生物制造过程	蛋白质，特别是酶	机器学习	NA	机器学习和深度学习算法	NA	生物信息学数据	NA
2592	2025-05-17	Development and validation of automated three-dimensional convolutional neural network model for acute appendicitis diagnosis 2025-Mar-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-84348-6 PMID:40044743	研究论文	开发并验证了一种基于3D卷积神经网络（CNN）的自动化诊断框架，用于急性阑尾炎的诊断	提出了一个全自动的诊断框架IA模型，能够自动提取阑尾解剖位置的感兴趣区域（VOI），并使用两阶段二元算法进行预测	模型在第二阶段区分简单和复杂阑尾炎的准确率为76.1%，仍有提升空间	开发一种快速、准确的术前影像诊断工具，以辅助急诊护理中的手术决策	腹痛患者的增强腹部盆腔CT图像	计算机视觉	阑尾炎	3D卷积神经网络（CNN）	ResNet, DenseNet, EfficientNet	图像	NA
2593	2025-05-17	Inferring gene regulatory networks from time-series scRNA-seq data via GRANGER causal recurrent autoencoders 2025-Mar-04, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf089 PMID:40062616	研究论文	提出了一种名为GRANGER的无监督深度学习方法，用于从时间序列单细胞RNA测序数据中推断基因调控网络	整合了循环变分自编码器、GRANGER因果性、稀疏性诱导惩罚和基于负二项式的损失函数，显著提高了处理时间序列scRNA-seq数据的能力	NA	从时间序列单细胞RNA测序数据中准确推断基因调控网络	小鼠全脑scRNA-seq数据中的五个转录调节因子（E2f7, Gbx1, Sox10, Prox1, Onecut2）	生物信息学	NA	scRNA-seq	循环变分自编码器	时间序列单细胞RNA测序数据	多个流行基准数据集和小鼠全脑scRNA-seq数据
2594	2025-05-17	Kolmogorov-Arnold networks for genomic tasks 2025-Mar-04, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf129 PMID:40163820	research paper	本文研究了Kolmogorov-Arnold网络（KANs）在基因组任务中替代多层感知机（MLPs）的潜力	首次将KANs整合到基因组任务的深度学习模型中，并测试了线性KANs（LKANs）和卷积KANs（CKANs）的性能	CKANs在参数规模较大时表现不佳，且KANs在不同深度学习架构中的潜力需要进一步研究	探索KANs在基因组任务中的性能表现	基因组序列的分类与生成	machine learning	NA	deep learning	Kolmogorov-Arnold networks (KANs), linear KANs (LKANs), convolutional KANs (CKANs)	genomic sequences	三个基因组基准数据集：Genomic Benchmarks, Genome Understanding Evaluation, Flipon Benchmark
2595	2025-05-17	DOMSCNet: a deep learning model for the classification of stomach cancer using multi-layer omics data 2025-Mar-04, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf115 PMID:40178281	研究论文	提出了一种名为DOMSCNet的深度学习模型，用于利用多层组学数据对胃癌进行分类	提出了一种混合特征选择（HFS）技术和基于深度循环神经网络的DOMSCNet模型，能够处理多层组学数据并有效提取信息特征	未明确提及具体局限性	改进胃癌的分类方法，支持癌症的分子过程理解和临床诊断	胃癌的多层组学数据	机器学习	胃癌	NGS	深度循环神经网络（DOMSCNet）	多层组学数据	使用了八个外部数据集进行验证
2596	2025-05-17	Data imbalance in drug response prediction: multi-objective optimization approach in deep learning setting 2025-Mar-04, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf134 PMID:40178282	research paper	该研究提出了一种多目标优化方法，用于解决药物反应预测中的数据集不平衡问题，以提高深度学习模型的泛化能力	通过构建多目标优化损失函数（Multi-Objective Optimization Regularized by Loss Entropy）并将其应用于深度学习模型，解决了药物反应预测中的数据集不平衡问题	数据深度仍然不足，与计算机视觉或自然语言处理等领域相比，限制了当前的学习能力	提高药物反应预测模型的泛化能力	药物反应预测模型	machine learning	NA	deep learning	Deep Learning	genomic data, drug screening data	NA
2597	2025-05-17	Clinical applications of deep learning in neuroinflammatory diseases: A scoping review 2025-Mar, Revue neurologique IF:2.8Q2 DOI:10.1016/j.neurol.2024.04.004 PMID:38772806	综述	本文综述了深度学习在神经炎症性疾病中的临床应用，探讨了该技术的潜力及其在医疗领域的应用现状	首次对深度学习在神经炎症性疾病中的临床应用进行全面综述，揭示了该领域的研究热点和未来方向	仅涵盖2018至2024年间发表的148篇文章和5种商业算法，可能未完全反映该领域的最新进展	评估深度学习技术在神经炎症性疾病临床应用中的现状和发展趋势	神经炎症性疾病	数字病理学	神经炎症性疾病	深度学习	多种深度学习模型	图像、文本、时间序列信号	148篇文献和5种商业算法
2598	2025-05-17	Association between deep learning radiomics based on placental MRI and preeclampsia with fetal growth restriction: A multicenter study 2025-Mar, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.111985 PMID:39946812	研究论文	本研究开发了一种基于胎盘MRI的深度学习放射组学模型，用于识别先兆子痫（PE）妊娠及其严重程度	首次利用半监督方法实现胎盘MRI的自动分割，并构建深度学习放射组学（DLR）模型来识别PE妊娠及预测胎儿生长受限（FGR）	研究为回顾性多中心设计，可能存在选择偏倚；样本量相对较小，尤其是PE合并FGR的病例	开发自动定量模型识别先兆子痫妊娠及疾病严重程度	420名孕妇（140例PE患者和280例正常血压妊娠）	数字病理	先兆子痫	MRI，深度学习放射组学（DLR）	深度学习模型	MRI图像	420名孕妇（140例PE，280例对照）
2599	2025-05-17	The Multimodal MRI Features of Deteriorative MCI Patients-A 2-Year Follow-up Study 2025-Mar-01, Neurology India IF:0.9Q4 DOI:10.4103/NI.Neurol-India-D-23-00014 PMID:40176222	研究论文	本研究通过多模态MRI技术探索了轻度认知障碍（MCI）患者在两年随访期间的影像特征	首次利用多模态MRI序列和深度学习算法，识别出MCI恶化组的FA值降低和ADC值升高的特征性脑区变化	样本量相对较小（105例），且仅进行了2年随访	探索MCI患者认知功能恶化的MRI预警特征	105名MCI患者	数字病理学	老年性疾病	多模态MRI（包括ADC、FA、CBF测量）	深度学习算法	MRI影像数据	105名MCI患者（2019和2021年两次扫描）
2600	2025-05-17	Early Colon Cancer Prediction from Histopathological Images Using Enhanced Deep Learning with Confidence Scoring 2025-Mar, Cancer investigation IF:1.8Q3 DOI:10.1080/07357907.2025.2483302 PMID:40178023	研究论文	本研究提出了一种名为NalexNet的混合深度学习分类器，用于提高结肠癌组织病理学图像的分类准确性和计算效率	结合Vahadane染色归一化、Watershed分割和Teamwork优化算法进行特征选择，构建了具有卷积层和正常/缩减细胞的NalexNet模型	未提及模型在外部验证集上的表现或临床实际应用中的潜在挑战	开发自动化的结肠癌早期诊断系统	结肠癌组织病理学图像	数字病理学	结肠癌	深度学习	CNN（NalexNet）	图像	NA