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
2741	2025-05-16	Artificial intelligence, machine learning, and deep learning in liver transplantation 2023-06, Journal of hepatology IF:26.8Q1 DOI:10.1016/j.jhep.2023.01.006 PMID:37208107	review	本文综述了人工智能、机器学习和深度学习在肝移植中的应用及其潜力	探讨了AI在肝移植前后管理中的应用，如优化移植候选决策和供受体匹配，以及预测患者和移植物生存	数据集不平衡、数据隐私问题以及缺乏实际应用中模型性能的基准研究实践	评估AI在肝移植临床决策中的潜在应用	肝移植患者的管理	machine learning	liver disease	AI, machine learning, deep learning	NA	demographic, clinical, laboratory, pathology, imaging, and omics data	NA
2742	2025-05-16	Deep learning can predict microsatellite instability directly from histology in gastrointestinal cancer 2019-07, Nature medicine IF:58.7Q1 DOI:10.1038/s41591-019-0462-y PMID:31160815	研究论文	该研究展示了深度学习可以直接从H&E组织学中预测胃肠道癌症的微卫星不稳定性（MSI）	利用深度残差学习直接从普遍可得的H&E组织学切片预测MSI，避免了额外的基因或免疫组化检测	未提及样本量或模型在广泛临床实践中的验证情况	预测胃肠道癌症患者的微卫星不稳定性以指导免疫治疗	胃肠道癌症患者的H&E组织学切片	数字病理学	胃肠道癌症	深度残差学习	深度残差网络	图像	NA
2743	2025-05-15	Fingerprinting of Boletus bainiugan: FT-NIR spectroscopy combined with machine learning a new workflow for storage period identification 2025-Aug, Food microbiology IF:4.5Q1 DOI:10.1016/j.fm.2025.104743 PMID:40086983	研究论文	本研究通过FT-NIR光谱结合机器学习方法，开发了一种用于鉴定牛肝菌储存期的新工作流程	结合FT-NIR光谱与机器学习（特别是CNN和BPNN模型）来鉴定牛肝菌的储存时间，并首次应用DD-SIMCA模型完全区分新旧样品	研究仅分析了储存0、1和2年的样品，未涵盖更长的储存期	开发一种低成本、用户友好的方法，实时确定供应链中牛肝菌的储存期	牛肝菌（Boletus bainiugan）	机器学习	NA	高效液相色谱（HPLC）、傅里叶变换近红外光谱（FT-NIR）	CNN、BPNN、DD-SIMCA、PLSR	光谱数据	831份牛肝菌样品（储存0、1和2年）
2744	2025-05-15	Convolutional neural network-based method for the real-time detection of reflex syncope during head-up tilt test 2025-Jun, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108622 PMID:40068530	研究论文	提出一种基于卷积神经网络的实时反射性晕厥检测方法，用于头高位倾斜试验中	采用端到端架构结合残差和挤压-激励块，无需手动提取特征，直接从原始血压信号中量化反射性晕厥发生概率	仅使用血压信号进行检测，可能忽略了其他生理信号提供的有用信息	开发一种实时反射性晕厥风险监测系统，提高医疗效率和患者便利性	反射性晕厥患者	数字病理学	心血管疾病	深度学习	CNN	生理信号数据	1348名患者（1291名正常，57名反射性晕厥患者）
2745	2025-05-15	MCNEL: A multi-scale convolutional network and ensemble learning for Alzheimer's disease diagnosis 2025-Jun, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108703 PMID:40081198	research paper	提出了一种多尺度卷积网络和集成学习框架（MCNEL），用于阿尔茨海默病的早期和准确诊断	采用增强版的EfficientNet-B0和MobileNetV2模型，并与DenseNet121模型集成，开发了基于SimAM的特征融合方法，以及使用自适应权重调整策略的集成学习分类器	未提及具体的数据集局限性或模型泛化能力的详细分析	提高阿尔茨海默病的早期诊断准确率	阿尔茨海默病患者及认知障碍不同阶段的患者	digital pathology	geriatric disease	MRI	CNN, Ensemble Learning (EfficientNet-B0, MobileNetV2, DenseNet121)	image	ADNI数据集（ADNI-1和ADNI-2）
2746	2025-05-15	Light scattering imaging modal expansion cytometry for label-free single-cell analysis with deep learning 2025-Jun, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108726 PMID:40112688	研究论文	本研究开发了一种基于深度学习的模态扩展细胞术，用于无标记单细胞分析	提出了一种新的网络优化方法，结合对抗损失、L1距离损失和VGG感知损失，将单模光散射图像扩展为多模态图像	实验验证仅限于模拟图像、标准球体和特定细胞类型（如宫颈癌细胞和白血病细胞）	开发一种无标记单细胞分析方法，用于药物开发、疾病诊断和个性化医疗	宫颈癌细胞和白血病细胞	数字病理学	宫颈癌、白血病	光散射成像	深度学习	图像	模拟图像、标准球体和多种细胞类型（如宫颈癌细胞和白血病细胞）
2747	2025-05-15	The impact of training image quality with a novel protocol on artificial intelligence-based LGE-MRI image segmentation for potential atrial fibrillation management 2025-Jun, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108722 PMID:40112687	研究论文	本研究开发了一种基于深度学习的自动化分割流程，通过标准化标记协议提高LGE-MRI图像分割的准确性和效率，以支持心房颤动患者的消融治疗	采用标准化标记协议和预训练的RIFE模型，显著提高了神经网络在心房LGE-MRI图像分割中的性能	研究结果依赖于手动标记的数据，可能存在主观误差，且样本量未明确说明	开发高效的自动化深度学习分割流程，以改善心房颤动患者的消融治疗效果	心房颤动患者的LGE-MRI图像	数字病理学	心血管疾病	LGE-MRI	nnU-Net, smpU-Net++, RIFE	图像	NA
2748	2025-05-15	Domain-generalized Deep Learning for Improved Subject-independent Emotion Recognition Based on Electroencephalography 2025-May-14, Experimental neurobiology IF:1.8Q4 DOI:10.5607/en25011 PMID:40364497	研究论文	本研究通过结合四种领域泛化技术和三种深度学习架构，系统评估了十二种方法，以提高基于脑电图（EEG）的主体独立情绪识别的性能	首次系统评估了四种领域泛化技术与三种深度学习架构的组合在主体独立EEG情绪识别中的应用，并展示了这些方法在提高分类准确性方面的潜力	研究仅使用了两个情绪EEG数据集，可能限制了结果的广泛适用性	提高基于EEG的主体独立情绪识别的模型泛化能力	情绪识别	机器学习	NA	EEG	Deep CORAL, GroupDRO, VREx, DANN, ShallowFBCSPNet, EEGNet, TSception	EEG信号	两个情绪EEG数据集
2749	2025-05-15	The state of modelling face processing in humans with deep learning 2025-May-14, British journal of psychology (London, England : 1953) DOI:10.1111/bjop.12794 PMID:40364689	review	本文比较了深度学习模型与人类面部处理系统的心理学模型，探讨了深度学习在面部识别和面部代码编码方面的表现	揭示了深度学习模型在面部识别任务中不仅超越人类表现，还能模拟人类面部处理的某些定性方面，如身份识别网络中也编码表情信息	未提及具体的技术限制或数据限制	比较深度学习模型与人类面部处理系统的心理学模型，探讨面部代码的编码方式	人类面部处理系统和深度学习模型	computer vision	NA	深度学习	深度学习模型	面部图像	NA
2750	2025-05-15	Detection of Hypertrophic Cardiomyopathy on Electrocardiogram Using Artificial Intelligence 2025-May-14, Circulation. Heart failure DOI:10.1161/CIRCHEARTFAILURE.124.012667 PMID:40365710	研究论文	本研究评估了一种基于人工智能的设备（viz HCM）在12导联心电图中检测肥厚型心肌病（HCM）的准确性	开发了一种基于深度学习的AI设备，用于从心电图中检测HCM，具有较高的特异性和曲线下面积	敏感性为68.4%，阳性预测值较低（13.7%），在人群中的实际应用可能存在限制	提高肥厚型心肌病的筛查和早期诊断能力	肥厚型心肌病患者和非患者的心电图数据	机器学习	心血管疾病	深度学习	NA	心电图数据	293例HCM阳性和2912例HCM阴性病例
2751	2025-05-15	DEMO-EMol: modeling protein-nucleic acid complex structures from cryo-EM maps by coupling chain assembly with map segmentation 2025-May-14, Nucleic acids research IF:16.6Q1 DOI:10.1093/nar/gkaf416 PMID:40366028	research paper	本文介绍了一种名为DEMO-EMol的改进服务器，通过结合深度学习图像分割和链拟合技术，从冷冻电镜密度图中准确组装蛋白质-核酸复合物结构	DEMO-EMol整合了深度学习图像分割和链拟合技术，显著提高了蛋白质-核酸复合物结构建模的准确性	NA	提高从冷冻电镜密度图中组装蛋白质-核酸复合物结构的准确性和效率	蛋白质-核酸复合物结构	computational biology	NA	cryo-EM, deep learning	deep learning-based model	cryo-EM density maps	综合基准测试集，分辨率范围1.96至12.77 Å
2752	2025-05-15	Artificial Intelligence in Sincalide-Stimulated Cholescintigraphy: A Pilot Study 2025-May-13, Clinical nuclear medicine IF:9.6Q1 DOI:10.1097/RLU.0000000000005967 PMID:40359029	研究论文	本研究探索了基于AI的实时胆囊放射性追踪方法在胆囊排空分数计算中的应用	首次在核医学实践中探索了整合实时图像处理和器官功能计算的AI驱动工作流程	AI在患者移动或低计数活动情况下容易出错，且样本量较小(仅20例)	开发AI驱动的实时胆囊追踪和功能评估系统	胆囊放射性追踪和胆囊排空分数(GBEF)计算	数字病理	胆囊功能障碍	胆囊闪烁扫描术(SSC)	U-Net	医学影像	20例胆囊闪烁扫描检查(10例简单病例和10例挑战性病例)
2753	2025-05-15	Artificial intelligence for chronic total occlusion percutaneous coronary interventions 2025-May-13, The Journal of invasive cardiology IF:1.6Q3 DOI:10.25270/jic/25.00089 PMID:40359582	review	本文回顾了人工智能在慢性完全闭塞（CTO）诊断和经皮冠状动脉介入治疗（PCI）成功率预测中的最新进展	探讨了AI在CTO PCI中的创新应用，特别是在诊断和治疗决策支持方面的潜力	未提及具体的研究样本量或模型性能的详细比较	评估AI在CTO PCI领域的应用效果和前景	慢性完全闭塞（CTO）和经皮冠状动脉介入治疗（PCI）	machine learning	cardiovascular disease	NA	neural networks, deep learning	clinical parameters, imaging	NA
2754	2025-05-15	Learning-Based Classification of B- and T-Cell Lymphoma on Histopathological Images: A Multicenter Study 2025-May-13, European journal of haematology IF:2.3Q2 DOI:10.1111/ejh.14433 PMID:40360162	research paper	该研究首次探讨了在组织病理学图像上使用深度学习模型对B细胞和T细胞淋巴瘤进行分类的可行性	首次在组织病理学图像上部署深度学习模型进行B细胞和T细胞淋巴瘤分类，并整合了卷积块注意力模块（CBAMs）提升模型性能	研究样本量相对有限（1510张切片），且仅针对B细胞和T细胞淋巴瘤两种类型	提高淋巴瘤诊断的精确性并减少对人工染色和解释的依赖	B细胞和T细胞淋巴瘤的组织病理学图像	digital pathology	lymphoma	深度学习	CNN (Xception, NASNetL, ResNet50, EfficientNet)	image	1510张H&E染色切片（750张B细胞，760张T细胞）
2755	2025-05-15	Deep Learning-accelerated MRI in Body and Chest 2025-May-13, Journal of computer assisted tomography IF:1.0Q4 DOI:10.1097/RCT.0000000000001762 PMID:40360272	research paper	本文探讨了深度学习重建（DLR）在加速MRI扫描并保持图像质量方面的应用，特别是在身体和胸部成像中	DLR技术在保持图像质量的同时显著减少了MRI扫描时间，并提供了去噪、减少伪影、提高分辨率和信噪比（SNR）及对比噪声比（CNR）的潜力	DLR面临的挑战包括轻微降低的病变检测率、心脏运动相关的信号丢失、区域SNR变化以及不同器官系统中ADC测量的变异性	研究DLR技术在MRI加速中的应用及其对图像质量和诊断准确性的影响	腹部、骨盆和胸部的MRI图像，特别是肝脏和前列腺	医学影像	NA	深度学习重建（DLR）	监督深度学习模型，包括变分网络	MRI图像	NA
2756	2025-05-15	Predicting gene expression from DNA sequence using deep learning models 2025-May-13, Nature reviews. Genetics DOI:10.1038/s41576-025-00841-2 PMID:40360798	研究论文	本文探讨了利用深度学习模型从DNA序列预测基因表达的方法	应用深度学习技术处理表观基因组图谱和高通量报告基因检测数据，显著提高了预测基因活性的准确性	不同方法存在各自的优缺点，且模型的复杂性可能限制其广泛应用	构建能够从DNA序列预测基因活性的计算模型	基因表达的调控机制，特别是启动子和增强子等DNA元件	机器学习	NA	表观基因组图谱和高通量报告基因检测	深度学习	DNA序列数据	NA
2757	2025-05-15	Advanced digital image forensics: A hybrid framework for copy-move forgery detection in multimedia security 2025-May-13, Journal of forensic sciences IF:1.5Q2 DOI:10.1111/1556-4029.70076 PMID:40361265	research paper	提出了一种混合框架，用于检测多媒体安全中的复制-移动伪造	结合了FFT、SIFT、ORB、MobilenetV2和VGG16模型以及注意力机制，提高了检测的准确性	传统方法在处理多样化的图像修改时可能存在困难	保证数字图像完整性并识别图像篡改	数字图像	computer vision	NA	FFT、SIFT、ORB、MobilenetV2、VGG16、DBSCAN	MobilenetV2、VGG16	image	五个基准复制-移动伪造数据集
2758	2025-05-15	Application of Hyperspectral Imaging and Machine Learning for Differential Diagnosis of Hashimoto's Thyroiditis and Papillary Thyroid Carcinoma 2025-May-13, Journal of biophotonics IF:2.0Q3 DOI:10.1002/jbio.202500123 PMID:40364460	研究论文	本研究利用高光谱成像和深度学习模型区分桥本甲状腺炎和甲状腺乳头状癌的光谱特征	首次应用高光谱成像和自适应光谱特征选择网络模型来区分HT和PTC的光谱特征	未提及样本量的具体数目，且模型准确率为88.36%，仍有提升空间	区分桥本甲状腺炎和甲状腺乳头状癌的光谱特征，提高甲状腺疾病的诊断准确性	桥本甲状腺炎和甲状腺乳头状癌的样本	数字病理	甲状腺疾病	高光谱成像（HSI）	自适应光谱特征选择网络模型	高光谱图像	NA
2759	2025-05-15	Development of 3D Intelligent Quantitative Phase Microscope for Sickle Cells Screening 2025-May-13, Journal of biophotonics IF:2.0Q3 DOI:10.1002/jbio.202400512 PMID:40364484	研究论文	本文介绍了一种用于镰状细胞病(SCD)自动筛查的智能显微镜系统	结合干涉法捕获高分辨率3D相位图像与基于UNET模型的深度学习技术，实现镰状细胞和健康细胞的语义分割	系统鲁棒性有待提高，需要进一步的临床验证	开发一种快速可靠的SCD诊断工具	镰状细胞和健康红细胞(RBCs)	数字病理学	镰状细胞病	干涉法成像	UNET, 梯度提升模型	3D相位图像	NA
2760	2025-05-15	A Scalable Deep Attention Mechanism of Instance Segmentation for the Investigation of Chromosome 2025-May-11, SLAS technology IF:2.5Q3 DOI:10.1016/j.slast.2025.100306 PMID:40360085	research paper	提出了一种用于染色体实例分割的可扩展深度注意力机制框架，整合了自动标注流程和增强的深度学习架构	引入了包含24种染色体类别的COCO格式新数据集，采用基于特征的图像配准技术自动生成高质量标注，并提出了增强的Mask R-CNN模型（包含AttFPN、空间注意力机制和LastLevelMaxPool块）	虽然在小中型染色体分割上表现优异，但未明确说明对大型染色体的处理效果	解决细胞遗传学和基因组学中染色体分割的挑战	中期分裂相图像中的染色体	digital pathology	NA	SIFT特征匹配和单应性变换	改进的Mask R-CNN（包含AttFPN和空间注意力机制）	图像（中期分裂相图像和对应核型图）	包含24种染色体类别的COCO格式标注数据集（具体样本量未说明）