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	2025-05-08	Comparison of Multimodal Deep Learning Approaches for Predicting Clinical Deterioration in Ward Patients 2025-Mar-07, medRxiv : the preprint server for health sciences DOI:10.1101/2025.03.06.25322855 PMID:40093217	research paper	比较多模态深度学习方法在预测病房患者临床恶化方面的效果	比较了结合结构化数据与临床笔记信息的不同参数化方法在预测临床恶化中的表现	添加临床笔记信息并未显著提升模型性能	评估多模态深度学习模型在预测病房患者临床恶化中的效果	病房患者	machine learning	geriatric disease	deep recurrent neural networks	RNN	structured and unstructured data	506,076名病房患者
2582	2025-05-08	APNet, an explainable sparse deep learning model to discover differentially active drivers of severe COVID-19 2025-Mar-04, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaf063 PMID:39921901	research paper	介绍APNet，一种可解释的稀疏深度学习模型，用于发现严重COVID-19的差异活性驱动因素	结合SJARACNe共表达网络的差异活性分析和PASNet（一种生物学信息稀疏深度学习模型），进行COVID-19严重程度的可解释预测	当前方法可能忽略了非线性蛋白质组动态，如翻译后修饰，且特征排序之外的生物学解释性有限	通过计算分析揭示导致COVID-19不良临床结果的分子、细胞表型和信号模式	COVID-19患者	machine learning	COVID-19	SJARACNe co-expression networks, PASNet	sparse deep learning model	proteomic data	三个COVID-19蛋白质组数据集
2583	2025-05-08	ChatExosome: An Artificial Intelligence (AI) Agent Based on Deep Learning of Exosomes Spectroscopy for Hepatocellular Carcinoma (HCC) Diagnosis 2025-Mar-04, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.4c06677 PMID:39932366	研究论文	开发了一个基于深度学习和大型语言模型的人工智能代理ChatExosome，用于肝细胞癌（HCC）的诊断	首次开发了一个专注于外泌体光谱和诊断的AI代理，结合了深度学习和大型语言模型，提高了分类结果的可解释性	NA	通过人工智能技术优化肝细胞癌的诊断过程	肝细胞癌（HCC）患者的外泌体拉曼光谱	数字病理学	肝细胞癌	拉曼光谱	FFT（特征融合变换器）和LLM（大型语言模型）	光谱数据	165个临床样本
2584	2025-05-08	Deep learning-assisted identification and localization of ductal carcinoma from bulk tissue in-silico models generated through polarized Monte Carlo simulations 2025-Mar-04, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/adb495 PMID:39933195	研究论文	本研究利用偏振蒙特卡洛模拟和卷积神经网络（CNN）对乳腺导管癌进行识别和定位	结合偏振蒙特卡洛模拟和深度学习技术，实现了对乳腺导管癌的高精度识别和定位，分类准确率达到96%	研究主要针对组织表面的肿瘤区域，可能不适用于深层肿瘤的检测	展示通过卷积神经网络在偏振蒙特卡洛模拟生成的去极化指数图像上同时检测肿瘤存在和位置的能力	乳腺导管癌	数字病理学	乳腺癌	偏振蒙特卡洛模拟	CNN	图像	体外组织模型图像和模拟生成的图像
2585	2025-05-08	Deep learning-based pelvimetry in pelvic MRI volumes for pre-operative difficulty assessment of total mesorectal excision 2025-03, Surgical endoscopy DOI:10.1007/s00464-024-11485-4 PMID:39753930	研究论文	提出了一种基于深度学习的自动化骨盆测量方法，用于术前评估全直肠系膜切除术的难度	首次使用深度学习自动化MRI骨盆测量，提高术前评估的准确性和效率	虽然自动化测量准确度高，但与人工标注相比仍存在一定的误差	开发自动化骨盆测量方法，以辅助术前全直肠系膜切除术的难度评估	骨盆MRI影像	数字病理学	直肠癌	MRI	3D U-Net	影像	来自8个TME中心的1707名患者的MRI影像
2586	2025-05-08	Practical X-ray gastric cancer diagnostic support using refined stochastic data augmentation and hard boundary box training 2025-Mar, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103075 PMID:39919469	研究论文	提出了一种基于深度学习的胃癌X射线诊断支持系统，结合两种新技术以提高诊断效率和准确性	引入了精炼概率胃图像增强（R-sGAIA）和硬边界框训练（HBBT）两种新技术，提高了模型的性能和实用性	未提及具体的数据集规模或多样性限制，可能影响模型的泛化能力	开发一种实用的胃癌X射线诊断支持系统，以扩大胃癌筛查的覆盖范围	胃癌X射线图像	计算机视觉	胃癌	深度学习	目标检测模型	图像	未提及具体样本数量
2587	2025-05-08	QMaxViT-Unet+: A query-based MaxViT-Unet with edge enhancement for scribble-supervised segmentation of medical images 2025-Mar, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109762 PMID:39919665	research paper	提出了一种基于查询的MaxViT-Unet框架，用于医学图像的涂鸦监督分割，通过边缘增强模块提升边界信息	结合Multi-Axis Vision Transformer (MaxViT)块和查询式Transformer解码器，增强局部和全局特征学习，并引入边缘增强模块补偿涂鸦标签的边界信息不足	在部分数据集（如BUSI）上的性能仍有提升空间，涂鸦监督的泛化能力需进一步验证	解决医学图像分割中高质量标注数据稀缺的问题，开发弱监督学习方法	心脏结构、结直肠息肉和乳腺癌的医学图像	digital pathology	cardiovascular disease, colorectal polyps, breast cancer	弱监督学习	QMaxViT-Unet+（基于MaxViT的U-Net变体）	医学图像	四个公共数据集（ACDC、MS-CMRSeg、SUN-SEG、BUSI）
2588	2025-05-08	The Role of Artificial Intelligence in Obesity Medicine 2025-Mar, Endocrinology and metabolism clinics of North America IF:4.8Q1 DOI:10.1016/j.ecl.2024.10.008 PMID:39919876	review	本文综述了人工智能在肥胖医学中的变革性作用	展示了机器学习、深度学习、自然语言处理和大语言模型等技术如何改善肥胖管理	整合人工智能在肥胖医学中面临数据隐私、算法偏见、人工智能幻觉、透明度和实施障碍等挑战和伦理考虑	探讨人工智能在肥胖预防、诊断、治疗和长期管理中的潜在应用	肥胖医学领域	natural language processing, machine learning	obesity	machine learning, deep learning, natural language processing, large language models	NA	extensive datasets	NA
2589	2025-05-08	Deep Learning Enhances Precision of Citrullination Identification in Human and Plant Tissue Proteomes 2025-Mar, Molecular & cellular proteomics : MCP IF:6.1Q1 DOI:10.1016/j.mcpro.2025.100924 PMID:39921205	研究论文	本文介绍了一种结合深度学习模型Prosit-Cit的新型数据分析流程，用于提高瓜氨酸化位点识别的敏感性和精确度	提出了结合深度学习模型Prosit-Cit的数据分析流程，显著提高了瓜氨酸化位点识别的精确度和敏感性，并在植物组织蛋白质组中首次实现了大规模瓜氨酸化位点定位	需要依赖已有的质谱数据库搜索工作流程，且模型训练数据主要来自合成肽段	提高瓜氨酸化位点识别的精确度和敏感性，促进对蛋白质瓜氨酸化在健康和疾病中作用的理解	人类和植物（拟南芥）组织蛋白质组中的瓜氨酸化位点	蛋白质组学	NA	质谱分析，深度学习	Prosit-Cit（基于Prosit模型的扩展）	质谱数据	约53,000个光谱来自约2,500个合成瓜氨酸化肽段，以及拟南芥30个组织中的169个蛋白质的约200个瓜氨酸化位点
2590	2025-05-08	DeepCERES: A deep learning method for cerebellar lobule segmentation using ultra-high resolution multimodal MRI 2025-Mar, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2025.121063 PMID:39922330	research paper	提出了一种新型的多模态高分辨率人脑小脑小叶分割方法DeepCERES	使用多模态和超高分辨率（0.125 mm）训练数据集改进小脑小叶分割，探索了传统U-Net模型之外的替代架构，并结合了深度学习与经典机器学习方法	NA	改进小脑小叶的分割精度和效率	人脑小脑小叶	digital pathology	NA	ultra-high resolution MRI	ensemble of deep networks	MRI images	NA
2591	2025-05-08	Response surface methodology for predicting optimal conditions in very low-dose chest CT imaging 2025-Mar, Physica medica : PM : an international journal devoted to the applications of physics to medicine and biology : official journal of the Italian Association of Biomedical Physics (AIFB) DOI:10.1016/j.ejmp.2025.104916 PMID:39923359	研究论文	本研究探讨了在极低剂量胸部CT成像中使用实验设计方法来预测最优条件的可行性	提出了使用实验设计方法（Doehlert矩阵）来优化CT协议，结合了迭代重建和深度学习重建技术，并验证了模型观察者与人类观察者之间的一致性	研究仅使用了特定型号的CT扫描仪和胸部体模，结果可能无法直接推广到其他设备或实际临床环境	优化极低剂量胸部CT成像的协议，确保诊断质量同时减少辐射剂量	128层CT扫描仪和带有5毫米直径病变的胸部体模	医学影像	NA	迭代重建（ASIR-V）和深度学习重建（DLIR）	自监督学习模型观察者	CT图像	6名人类观察者和2个模型观察者
2592	2025-05-08	Point-annotation supervision for robust 3D pulmonary infection segmentation by CT-based cascading deep learning 2025-Mar, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109760 PMID:39923589	research paper	提出了一种基于级联深度学习的CT点标注监督方法，用于鲁棒的3D肺部感染分割	通过比较标注点和未标注体素的表示以及建立全局不确定性，开发了两种正则化策略，在稀疏标注下约束网络对病变模式的理解，并包含增强模块以提高全局解剖感知和对空间各向异性的适应性	未明确提及具体限制，但可能包括对新型感染类型的泛化能力仍需进一步验证	开发一种弱监督学习方法，用于肺部感染的3D分割，以减少标注工作量并提高性能	肺部感染的CT图像	digital pathology	pulmonary infection	cascading deep learning	CNN	3D CT volumes	1,072 CT volumes
2593	2025-05-08	Explainable AI-driven scalogram analysis and optimized transfer learning for sleep apnea detection with single-lead electrocardiograms 2025-Mar, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109769 PMID:39923592	研究论文	本研究提出了一种利用单导联心电图信号和深度学习技术检测睡眠呼吸暂停的新方法	采用连续小波变换将心电图信号转换为时频域标量图，并优化预训练的GoogLeNet架构作为迁移学习模型，提高了分类性能	研究依赖于特定数据集，可能在其他数据集上的泛化能力有限	开发一种高效、准确的睡眠呼吸暂停检测方法	睡眠呼吸暂停患者的心电图信号	数字病理学	睡眠呼吸暂停	连续小波变换	GoogLeNet	心电图信号	PhysioNet Apnea ECG数据集、UCDDB数据集和MIT-BIH多导睡眠图数据集
2594	2025-05-08	Improving entity recognition using ensembles of deep learning and fine-tuned large language models: A case study on adverse event extraction from VAERS and social media 2025-Mar, Journal of biomedical informatics IF:4.0Q2 DOI:10.1016/j.jbi.2025.104789 PMID:39923968	研究论文	本研究评估了大型语言模型（LLMs）与传统深度学习模型在不良事件（AE）提取中的效果，并通过集成方法提升了性能	通过集成微调的传统深度学习模型和LLMs，提升了不良事件提取的性能，为生物医学领域的自然语言处理提供了新方法	研究样本量相对较小，且未涵盖所有可能的社交媒体平台	评估LLMs和传统深度学习模型在不良事件提取中的效果，并探索集成方法对性能的影响	疫苗不良事件报告系统（VAERS）、Twitter和Reddit的文本数据	自然语言处理	COVID-19	深度学习、大型语言模型（LLMs）	RNN、BioBERT、GPT-2、GPT-3.5、GPT-4、Llama-2 7b、Llama-2 13b	文本	VAERS报告230份、Twitter帖子3,383条、Reddit帖子49条
2595	2025-05-08	Computational advances in biosynthetic gene cluster discovery and prediction 2025 Mar-Apr, Biotechnology advances IF:12.1Q1 DOI:10.1016/j.biotechadv.2025.108532 PMID:39924008	review	本文综述了生物合成基因簇（BGCs）的计算发现和预测方面的最新进展	强调了人工智能，尤其是机器学习和深度学习算法在BGC挖掘中的速度和精度的显著提升	总结了计算方法在该领域面临的挑战	促进新型代谢物的发现和药物开发	细菌、真菌以及部分植物和动物中的生物合成基因簇（BGCs）	machine learning	NA	genome mining	machine learning, deep learning	genomic data	NA
2596	2025-05-08	AtSubP-2.0: An integrated web server for the annotation of Arabidopsis proteome subcellular localization using deep learning 2025-Mar, The plant genome DOI:10.1002/tpg2.20536 PMID:39924294	research paper	介绍AtSubP-2.0，一个基于深度学习的网络服务器，用于注释拟南芥蛋白质组的亚细胞定位	AtSubP-2.0是AtSubP v1.0的扩展版本，采用四阶段策略进行精确的蛋白质亚细胞定位预测，具有高准确性和高马修斯相关系数	NA	提高对拟南芥蛋白质亚细胞定位的理解，以应用于作物改良和生物技术	拟南芥蛋白质组	machine learning	NA	deep learning	NA	protein sequences	NA
2597	2025-05-08	HybProm: An attention-assisted hybrid CNN-BiLSTM model for the interpretable prediction of DNA promoter 2025-Mar, Methods (San Diego, Calif.) DOI:10.1016/j.ymeth.2025.02.001 PMID:39929298	research paper	提出了一种名为HybProm的注意力辅助混合CNN-BiLSTM模型，用于可解释的DNA启动子预测	结合DNA2Vec将DNA序列转化为低维向量，并采用CNN-BiLSTM-Attention架构提取特征，提高了预测准确性并增强了模型的可解释性	NA	提高DNA启动子预测的准确性并增强模型的可解释性	DNA启动子	machine learning	NA	DNA2Vec, CNN-BiLSTM-Attention	CNN-BiLSTM	DNA序列	跨物种数据（包括大肠杆菌、人类、小鼠和植物）
2598	2025-05-08	DeepReducer: A linear transformer-based model for MEG denoising 2025-Mar, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2025.121080 PMID:39929407	research paper	介绍了一种基于线性Transformer的深度学习模型DeepReducer，用于高效去噪MEG中的事件相关磁场信号	提出了一种新型的线性Transformer模型DeepReducer，能够显著减少MEG信号去噪所需的试验次数，优化数据采集过程	未提及模型在极端噪声条件下的表现或对不同类型MEG数据的泛化能力	提高MEG中事件相关磁场信号的去噪效率，减少数据采集时间	MEG中的事件相关磁场信号	machine learning	NA	MEG	linear transformer	MEG信号数据	半合成和实验性任务相关的MEG数据
2599	2025-05-08	Does Deep Learning Reconstruction Improve Ureteral Stone Detection and Subjective Image Quality in the CT Images of Patients with Metal Hardware? 2025-Mar, Journal of endourology IF:2.9Q1 DOI:10.1089/end.2024.0666 PMID:39932744	研究论文	本研究比较了在金属髋关节假体存在下，低剂量和常规剂量CT扫描结合或不结合深度学习重建（DLR）和金属伪影减少（MAR）技术对输尿管结石检测和图像质量的影响	首次在尸体模型中评估了DLR和MAR技术对低剂量CT扫描在金属假体存在下输尿管结石检测和图像质量的改善效果	研究样本量较小（仅10个泌尿系统组合），且仅在尸体模型中进行	评估DLR和MAR技术是否能改善金属假体患者低剂量CT扫描的输尿管结石检测和图像质量	植入输尿管结石的尸体模型（含双侧髋关节假体）	医学影像	泌尿系统疾病	CT扫描（常规剂量和超低剂量），深度学习重建（DLR），金属伪影减少（MAR）	深度学习	CT图像	10个植入4-6mm输尿管结石的泌尿系统组合（尸体模型）
2600	2025-05-08	Functional near-infrared spectroscopy (fNIRS) in patients with major depressive disorder, generalized anxiety disorder and their comorbidity: Comparison with healthy controls 2025-Mar, Asian journal of psychiatry IF:3.8Q1 DOI:10.1016/j.ajp.2025.104382 PMID:39933260	研究论文	本研究使用fNIRS-VFT任务比较了广泛性焦虑障碍(GAD)、重度抑郁症(MDD)及其共病(CMG)患者与健康对照组的前额叶功能差异，并评估了fNIRS设备作为认知任务诊断工具的可靠性	结合全连接层和Dropout层的深度学习模型对fNIRS数据进行分类，探索了不同脑区激活模式在精神障碍诊断中的价值	样本量相对有限，未考虑其他可能的混杂因素	评估fNIRS在精神障碍诊断中的应用价值	GAD、MDD、CMG患者及健康对照组	数字病理	精神疾病	fNIRS	全连接层与Dropout层结合的深度学习模型	脑血流动力学数据	296人(75 GAD, 75 MDD, 71 CMG, 75 HC)