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
2761	2025-05-08	Diagnosis of clear cell renal cell carcinoma via a deep learning model with whole-slide images 2025 Jan-Dec, Therapeutic advances in urology IF:2.6Q2 DOI:10.1177/17562872251333865 PMID:40321674	research paper	本研究探讨了使用全切片图像（WSIs）建立深度学习模型诊断透明细胞肾细胞癌（ccRCC）的可行性	利用深度学习模型（CNN和随机森林）结合全切片图像进行ccRCC诊断，提高了诊断准确率和效率	研究样本量相对较小（95名患者），且为回顾性研究，可能存在选择偏差	探索基于深度学习的ccRCC诊断方法的可行性	透明细胞肾细胞癌（ccRCC）患者的病理切片	digital pathology	renal cell carcinoma	whole-slide imaging (WSI)	CNN, random forest	image	95名患者的663张病理切片（506张肿瘤切片和157张正常组织切片）
2762	2025-05-08	An adaptive convolution neural network model for tuberculosis detection and diagnosis using semantic segmentation 2025, Polish journal of radiology IF:0.9Q4 DOI:10.5114/pjr/200628 PMID:40321710	研究论文	本文提出了一种基于语义分割的自适应卷积神经网络模型，用于肺结核的检测和诊断	采用Res-UNet架构进行图像分割，并引入一种新颖的深度学习网络进行分类，以提高诊断的准确性和精确度	研究主要依赖于特定数据集，可能在其他数据集上的泛化能力有限	提高胸部X光图像中肺结核的检测准确性和精确度	胸部X光图像中的肺结核病例和正常对照	计算机视觉	肺结核	深度学习、语义分割、图像分类	Res-UNet、CNN	图像	704张胸部X光图像用于训练，1400张用于测试
2763	2025-05-08	Deep Learning-Based Multiclass Framework for Real-Time Melasma Severity Classification: Clinical Image Analysis and Model Interpretability Evaluation 2025, Clinical, cosmetic and investigational dermatology DOI:10.2147/CCID.S508580 PMID:40322508	研究论文	本研究开发了一种基于深度学习的实时黄褐斑严重程度分类框架，利用临床面部图像进行AI辅助诊断	首次将多种CNN架构应用于黄褐斑严重程度分类，并通过LRP技术增强模型可解释性	仅使用单模态（图像）数据，未整合其他临床指标	开发AI辅助的黄褐斑严重程度自动分类系统	临床诊断的黄褐斑患者面部图像	计算机视觉	黄褐斑	深度学习	CNN（包括GoogLeNet等6种架构）	图像	1368张匿名面部图像
2764	2025-05-08	Semisupervised adaptive learning models for IDH1 mutation status prediction 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0321404 PMID:40323991	research paper	提出了一种基于放射组学和粗糙集的半监督自适应深度学习模型，用于从MRI数据预测IDH1突变状态	使用粗糙集算法去除冗余医学图像特征，通过统计T检验为未标记数据添加伪标签，并采用SCSO算法优化伪标签数据权重，构建UCNet分类模型	未明确提及具体局限性	提高胶质瘤IDH1突变状态预测的准确性和医学影像数据利用率	316名胶质瘤患者的术前MRI数据	digital pathology	glioma	MRI, radiomics, rough sets	UCNet (U-Net + CRNN), SCSO	MRI图像	316名胶质瘤患者
2765	2025-05-08	TCN-QV: an attention-based deep learning method for long sequence time-series forecasting of gold prices 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0319776 PMID:40324013	research paper	提出了一种结合Temporal Convolutional Networks（TCN）与注意力机制的深度学习模型TCN-QV，用于提高黄金价格预测的准确性	结合TCN与Query和Keys注意力机制，自适应分配权重以提升预测精度	未明确提及具体局限性，但可能涉及模型在更广泛金融数据上的泛化能力	提高黄金价格时间序列预测的准确性	上海黄金价格时间序列数据	machine learning	NA	深度学习，注意力机制	TCN, CNN, RNN	时间序列数据	四个实验数据集，具体样本量未明确
2766	2025-05-08	Introducing TEC-LncMir for prediction of lncRNA-miRNA interactions through deep learning of RNA sequences 2024-Nov-22, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf046 PMID:39927859	研究论文	介绍了一种名为TEC-LncMir的新方法，通过深度学习和Transformer Encoder结合CNN来预测lncRNA-miRNA的相互作用	使用Transformer Encoder和CNN结合的方法，将lncRNA和miRNA序列视为自然语言，并通过接触张量进行特征提取，显著提高了预测性能	未明确提及具体局限性	提高lncRNA-miRNA相互作用预测的性能	lncRNA和miRNA的相互作用	自然语言处理	阿尔茨海默病	深度学习和序列分析	Transformer Encoder和CNN	RNA序列	NA
2767	2025-05-08	G-Protein Signaling in Alzheimer's Disease: Spatial Expression Validation of Semi-supervised Deep Learning-Based Computational Framework 2024-Nov-06, The Journal of neuroscience : the official journal of the Society for Neuroscience DOI:10.1523/JNEUROSCI.0587-24.2024 PMID:39327003	研究论文	本文开发了一种半监督深度学习计算框架digID，用于预测与阿尔茨海默病相关的基因，并通过蛋白质-蛋白质相互作用网络分析优先考虑这些基因的重要性	提出了一种新的半监督深度学习计算框架digID，用于预测AD相关基因并揭示新的分子机制和治疗靶点	需要进一步的生物学验证来确认计算预测的基因簇作为AD治疗靶点的潜力	研究阿尔茨海默病的致病途径和相关基因，以识别新的治疗靶点	阿尔茨海默病相关基因及其在脑部的表达模式	计算生物学	阿尔茨海默病	半监督深度学习、蛋白质-蛋白质相互作用网络分析、STORM超分辨率显微镜	半监督深度学习分类器	多组学数据、mRNA表达数据、图像数据	转基因小鼠模型（两性）
2768	2025-05-08	Massive experimental quantification of amyloid nucleation allows interpretable deep learning of protein aggregation 2024-Oct-01, bioRxiv : the preprint server for biology DOI:10.1101/2024.07.13.603366 PMID:39071305	研究论文	通过大规模实验量化淀粉样蛋白成核作用，训练可解释的深度学习模型预测蛋白质聚集	利用超过10万条蛋白质序列的实验数据训练卷积-注意力混合神经网络CANYA，显著提高了淀粉样蛋白成核预测的准确性，并提供了模型决策过程的解释	NA	开发能够准确预测蛋白质聚集的计算方法	蛋白质序列及其淀粉样蛋白成核特性	机器学习	NA	深度学习	卷积-注意力混合神经网络（CANYA）	蛋白质序列数据	超过10万条蛋白质序列
2769	2025-05-08	Development of Machine Learning-Based Mpox Surveillance Models in a Learning Health System 2024-Sep-27, medRxiv : the preprint server for health sciences DOI:10.1101/2024.09.25.24314318 PMID:39399027	research paper	开发机器学习和深度学习模型以从临床记录中识别猴痘病例	使用Lasso回归模型在减少假阳性方面表现优于深度学习模型	未提及模型在其他数据集上的泛化能力	开发用于猴痘病例监测的机器学习模型	临床记录中的猴痘病例	machine learning	猴痘	machine learning, deep learning	Lasso regression, deep learning models	text	NA
2770	2025-05-08	A systematic evaluation of Euclidean alignment with deep learning for EEG decoding 2024-06-11, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/ad4f18 PMID:38776898	研究论文	系统评估了欧几里得对齐与深度学习在脑电图解码中的效果	首次系统评估欧几里得对齐（EA）对共享和个体深度学习模型训练性能的影响，并展示了其在提高解码准确性和减少收敛时间方面的优势	未探讨EA在其他类型脑机接口任务中的适用性，且实验样本量未明确说明	评估欧几里得对齐技术结合深度学习在脑机接口信号解码中的效果	脑电图信号	脑机接口	NA	欧几里得对齐（EA）	深度学习模型	脑电图信号	NA
2771	2025-05-08	Tailored Intraoperative MRI Strategies in High-Grade Glioma Surgery: A Machine Learning-Based Radiomics Model Highlights Selective Benefits 2024-Jun-01, Operative neurosurgery (Hagerstown, Md.) DOI:10.1227/ons.0000000000001023 PMID:38289331	research paper	该研究探讨了在高等级胶质瘤手术中，结合机器学习的放射组学模型预测5-ALA单独使用效果不佳的情况，并强调了iMRI在特定复杂病例中的辅助价值	开发了一种基于U2-Net深度学习算法的放射组学模型，能够准确预测5-ALA在HGG手术中的效果不佳情况，为个性化手术策略提供依据	样本量较小（73例患者），且iMRI与5-ALA联合使用的效果提升未达到统计学显著性	评估在高等级胶质瘤手术中iMRI的辅助价值，并开发预测模型以优化手术策略	73例高等级胶质瘤患者	digital pathology	high-grade glioma	intraoperative MRI (iMRI), 5-aminolevulinic acid (5-ALA), radiomics	U2-Net, binary logistic regression	MRI图像	73例高等级胶质瘤患者
2772	2025-05-08	PyHFO: lightweight deep learning-powered end-to-end high-frequency oscillations analysis application 2024-05-28, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/ad4916 PMID:38722308	研究论文	开发并验证了一个名为PyHFO的端到端软件平台，用于简化深度学习在癫痫研究中检测神经生理生物标志物的应用	PyHFO整合了深度学习模型，用于伪影和高频振荡（HFO）与尖峰分类，设计为在标准计算机硬件上高效运行，速度比传统HFO检测应用快50倍	未提及具体限制	开发一个用户友好且计算高效的平台，以促进高级EEG数据分析工具在临床实践中的广泛应用	EEG记录中的神经生理生物标志物	数字病理	癫痫	深度学习	DL模型	EEG记录	三个独立数据集：第一个仅包含网格/带状电极，第二个是网格/带状和深度电极的组合，第三个来自啮齿动物研究，使用深度电极采样新皮层和海马体
2773	2025-05-08	Deep learning-based auditory attention decoding in listeners with hearing impairment 2024-05-22, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/ad49d7 PMID:38729132	研究论文	本研究开发了一种基于深度学习的快速听觉注意力解码方法，用于听力受损者的脑电图分析	使用深度卷积神经网络模型处理听力受损者的脑电图数据，实现了三种分类任务，并探讨了数据分割策略对结果的影响	研究仅针对听力受损人群，且样本量有限（31名参与者）	探索听力技术如何影响听力受损人群的听觉处理过程	听力受损者的脑电图数据	机器学习	听力障碍	EEG	DCNN	脑电图数据	31名听力受损参与者
2774	2025-05-08	FetchEEG: a hybrid approach combining feature extraction and temporal-channel joint attention for EEG-based emotion classification 2024-05-15, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/ad4743 PMID:38701773	研究论文	提出了一种结合特征提取和时间-通道联合注意力的混合方法FetchEEG，用于基于EEG的情绪分类	结合传统特征提取和深度学习的优势，采用多头自注意力机制同时提取不同时间点和通道的表示	未明确提及具体局限性	提高基于EEG的情绪分类的准确性和泛化能力	EEG数据和情绪分类	神经工程	NA	EEG分析	Transformer	EEG信号	自建数据集和两个公共数据集
2775	2025-05-08	EEGminer: discovering interpretable features of brain activity with learnable filters 2024-05-13, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/ad44d7 PMID:38684154	研究论文	提出了一种名为EEGminer的系统，用于从多通道EEG记录中学习信息丰富的潜在表示	引入了可学习滤波器，通过广义高斯函数参数化，提供平滑导数以实现稳定的端到端模型训练，并允许学习可解释的特征	NA	设计一个系统，用于从持续EEG活动的多通道记录中学习信息丰富的潜在表示	脑电活动模式	机器学习	NA	EEG信号处理	可学习滤波器和预定义特征提取模块	EEG信号	721名受试者的新EEG数据集，以及SEED数据集和同时任务EEG工作负荷数据集
2776	2025-05-08	Automated Detection of Abnormal Optical Coherence Tomography B-scans Using a Deep Learning Artificial Intelligence Neural Network Platform 2024-Jan-01, International ophthalmology clinics DOI:10.1097/IIO.0000000000000519 PMID:38146885	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
2777	2025-05-08	Genome-wide association analysis of left ventricular imaging-derived phenotypes identifies 72 risk loci and yields genetic insights into hypertrophic cardiomyopathy 2023-11-30, Nature communications IF:14.7Q1 DOI:10.1038/s41467-023-43771-5 PMID:38036550	研究论文	通过全基因组关联分析左心室成像衍生表型，识别了72个风险位点，并为肥厚型心肌病的遗传基础提供了新见解	开发了一种新的深度学习算法来准确计算左心室区域壁厚，并首次在全基因组范围内鉴定了72个与左心室区域壁厚相关的遗传位点	研究样本主要来自UK Biobank，可能限制了结果的普遍性	识别影响左心室区域壁厚的特定遗传因素，并探索其与肥厚型心肌病的因果关系	42,194名来自UK Biobank的个体	基因组学	心血管疾病	心脏磁共振成像(CMR), 深度学习, 全基因组关联研究(GWAS), 孟德尔随机化分析	深度学习算法	影像数据	42,194名个体
2778	2025-05-08	TransformEHR: transformer-based encoder-decoder generative model to enhance prediction of disease outcomes using electronic health records 2023-11-29, Nature communications IF:14.7Q1 DOI:10.1038/s41467-023-43715-z PMID:38030638	研究论文	提出了一种基于transformer的编码器-解码器生成模型TransformEHR，用于增强电子健康记录（EHRs）中疾病结果的预测	采用新的预训练目标——预测患者未来就诊的所有疾病和结果，结合编码器-解码器框架，实现了在多个临床预测任务上的最新性能	NA	提升电子健康记录中疾病结果的预测性能	电子健康记录（EHRs）	自然语言处理	胰腺癌、创伤后应激障碍	transformer-based encoder-decoder generative model	transformer	电子健康记录（EHRs）	NA
2779	2025-05-08	Label-free identification of protein aggregates using deep learning 2023-11-28, Nature communications IF:14.7Q1 DOI:10.1038/s41467-023-43440-7 PMID:38016971	research paper	提出了一种无需荧光标记的蛋白质聚集体识别方法LINA，利用深度学习从透射光图像中检测未标记的Httex1聚集体	首次实现了无需荧光标记的蛋白质聚集体动态识别，并能够测量其干质量和面积变化	目前仅针对Httex1蛋白聚集体进行了验证，尚未扩展到其他蛋白质聚集体	开发一种无需荧光标记的蛋白质聚集体识别方法，以更准确地研究蛋白质聚集动力学	Huntington病相关Httex1蛋白聚集体	digital pathology	neurodegenerative diseases	deep learning	CNN	image	未明确说明样本数量，研究对象为活细胞中的Httex1聚集体
2780	2025-05-08	Coding infant engagement in the Face-to-Face Still-Face paradigm using deep neural networks 2023-05, Infant behavior & development IF:1.9Q3 DOI:10.1016/j.infbeh.2023.101827 PMID:36806017	研究论文	本研究使用深度神经网络（DNNs）对婴儿在面对面静止面孔（FFSF）任务中的参与度进行编码	首次将深度神经网络应用于FFSF任务中婴儿参与度的自动编码，并验证其高准确度	研究继承了原始数据集的样本限制，样本量较小且主要为白人群体	测试深度神经网络在FFSF任务中编码婴儿参与度的准确性	68对母婴组合在三个时间点完成的FFSF任务数据	计算机视觉	NA	深度神经网络图像分类	DNN	视频图像	68对母婴组合在三个时间点的FFSF任务视频数据，包含40,000张图像