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
281	2025-05-17	High-precision lung cancer subtype diagnosis on imbalanced exosomal data via Exo-LCClassifier 2025, Frontiers in genetics IF:2.8Q2 DOI:10.3389/fgene.2025.1583081 PMID:40370696	research paper	提出了一种名为Exo-LCClassifier的创新深度学习方法，用于预测肺癌亚型，解决了基因表达数据高维度和不平衡的挑战	整合了特征选择、一维卷积神经网络(1D CNN)和改进的Wasserstein生成对抗网络(WGAN)，通过数据增强和分类提高诊断准确性	未提及在实际临床环境中的验证情况，可能影响其临床应用的可推广性	解决肺癌基因表达数据分析中的不平衡学习问题，提高肺癌亚型诊断的准确性	肺癌亚型的基因表达数据	digital pathology	lung cancer	DESeq2, WGAN, 1D CNN	1D CNN, WGAN	gene expression data	未明确提及具体样本数量，但使用了外部GEO肺癌数据集进行验证
282	2025-05-16	Letter to 'Automated CT image prescription of the gallbladder using deep learning: Development, evaluation, and health promotion' 2025 Jan-Dec, Acute medicine & surgery IF:1.5Q2 DOI:10.1002/ams2.70065 PMID:40370970	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
283	2025-05-17	Prediction of prognosis in acute ischemic stroke after mechanical thrombectomy based on multimodal MRI radiomics and deep learning 2025, Frontiers in neurology IF:2.7Q3 DOI:10.3389/fneur.2025.1587347 PMID:40371075	研究论文	本研究探讨了基于多模态MRI影像组学和深度学习的CRD模型在预测接受机械取栓治疗的急性缺血性卒中患者不良预后中的价值	首次结合临床数据、影像组学特征和深度学习模型构建了综合预测模型CRD，在预测急性缺血性卒中预后方面表现出色	回顾性研究设计可能导致选择偏倚，样本量相对有限(222例患者)	开发更准确的工具预测急性缺血性卒中患者机械取栓后的不良预后	接受机械取栓治疗的急性缺血性卒中患者	数字病理学	心血管疾病	多模态MRI	ResNet101与逻辑回归结合的CRD模型	医学影像	222例患者(训练组155例，验证组67例)
284	2025-05-17	Review of different convolutional neural networks used in segmentation of prostate during fusion biopsy 2025, Central European journal of urology IF:1.4Q3 DOI:10.5173/ceju.2024.0064 PMID:40371421	综述	本文综述了不同卷积神经网络在前列腺融合活检分割中的应用	强调了U-Net架构在高级医学图像分析中的主导地位，并指出所有算法在自动前列腺分割中均达到Dice相似系数74%以上的高精度	不同研究间评估分割结果的方法存在显著异质性，且需要更大样本量的未来研究来验证结果	探索深度学习算法在前列腺融合活检中加速前列腺轮廓勾画的潜力	前列腺癌患者的多参数磁共振成像（mpMRI）数据	数字病理学	前列腺癌	多参数磁共振成像（mpMRI）	CNN, U-Net	医学图像	NA
285	2025-05-17	Investigating the Key Trends in Applying Artificial Intelligence to Health Technologies: A Scoping Review 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0322197 PMID:40372995	综述	本文探讨了人工智能在医疗技术中的关键趋势及其在诊断和治疗中的变革潜力	系统总结了AI在医疗领域的应用趋势、优势及挑战，并探讨了其未来发展方向	未对AI在医疗中的具体风险进行量化分析，且伦理和隐私问题仅进行了初步讨论	研究人工智能在医疗健康技术中的应用现状及未来潜力	68篇从不同数据库检索的学术研究	人工智能	NA	深度学习方法和机器学习	NA	文献数据	68篇学术研究
286	2025-05-17	Apple varieties, diseases, and distinguishing between fresh and rotten through deep learning approaches 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0322586 PMID:40373081	research paper	该论文通过深度学习技术区分苹果品种、新鲜与腐烂状态以及疾病，并提出了一个优化的苹果果园模型（OAOM）	提出了三个新的数据集（AFVC、AFQC、ADEC）和一个优化的苹果果园模型（OAOM），并引入新的损失函数MFCE以提高模型效率	未提及模型在不同环境或光照条件下的泛化能力，以及数据集的多样性和代表性是否足够	提高苹果品种识别、新鲜与腐烂状态区分以及疾病识别的自动化系统效率	苹果品种、新鲜与腐烂状态、苹果疾病	computer vision	NA	deep learning	OAOM (Optimized Apple Orchard Model)	image	AFVC: 29,750张图片（85类）；AFQC: 2,320张图片；ADEC: 2,976张图片（7类）
287	2025-05-17	An Explainable Deep Learning Framework for Predicting Postoperative Radiotherapy-Induced Vaginal Stenosis in Surgically Treated Cervical Cancer Patients 2025, Annali italiani di chirurgia IF:0.9Q3 DOI:10.62713/aic.4011 PMID:40375370	研究论文	开发并验证了一个可解释的深度学习框架，用于预测宫颈癌患者术后放疗引起的阴道狭窄风险	结合Squeeze-and-Excitation网络和Grad-CAM可视化，提高了模型的准确性和可解释性	研究样本量较小（140例患者），且为回顾性研究	预测宫颈癌患者术后放疗引起的阴道狭窄风险，以实现早期个性化干预	接受根治性子宫切除术及放疗的宫颈癌患者	数字病理	宫颈癌	CT成像	SE-Inception, ResNet50, Random Forest	图像	140例患者（51例发生阴道狭窄）
288	2025-05-17	Comprehensive analysis of SQOR involvement in ferroptosis resistance of pancreatic ductal adenocarcinoma in hypoxic environments 2025, Frontiers in immunology IF:5.7Q1 DOI:10.3389/fimmu.2025.1513589 PMID:40375994	研究论文	本研究构建了一个深度学习模型来评估胰腺导管腺癌（PDAC）的缺氧特征，并探讨了硫化物醌氧化还原酶（SQOR）在缺氧介导的铁死亡抵抗中的作用	建立了基于全切片图像（WSIs）的PDAC缺氧检测模型，揭示了SQOR在缺氧环境下介导铁死亡抵抗的新机制	未明确说明深度学习模型的具体架构和性能指标	评估PDAC的缺氧特征并探讨SQOR在缺氧介导的铁死亡抵抗中的作用	胰腺导管腺癌（PDAC）	数字病理学	胰腺癌	多组学数据分析、深度学习模型构建、体外缺氧细胞模型、裸鼠异种移植模型	深度学习模型	全切片图像（WSIs）	未明确说明具体样本数量
289	2025-05-17	Deep learning techniques for detecting freezing of gait episodes in Parkinson's disease using wearable sensors 2025, Frontiers in physiology IF:3.2Q2 DOI:10.3389/fphys.2025.1581699 PMID:40376117	研究论文	本文提出了一种新型混合深度学习框架，用于通过可穿戴传感器检测帕金森病患者的冻结步态（FoG）发作	结合CNN进行空间特征提取、BiLSTM网络进行时间建模以及注意力机制增强可解释性，并关注关键步态特征	未明确提及具体局限性，但可能涉及模型在更广泛人群中的泛化能力验证	开发一种能够实时检测帕金森病患者冻结步态（FoG）发作的深度学习模型	帕金森病患者的冻结步态（FoG）发作	机器学习	帕金森病	深度学习	CNN, BiLSTM, 注意力机制	可穿戴传感器数据	多模态数据集（tDCS FOG, DeFOG, Daily Living, Hantao's Multimodal）
290	2025-05-17	Providing a Prostate Cancer Detection and Prevention Method With Developed Deep Learning Approach 2025, Prostate cancer IF:2.3Q3 DOI:10.1155/proc/2019841 PMID:40376132	research paper	提出了一种基于深度学习的前列腺癌检测和预防方法	结合Tile和Grad-CAM特性，开发了一种基于流形模型的深度学习方法，用于前列腺癌的诊断和预防研究	研究样本仅来自一个治疗中心，可能缺乏多样性	开发前列腺癌的诊断和预防方法	前列腺癌患者	digital pathology	prostate cancer	deep learning	manifold model	histopathology images	来自一个治疗中心的前列腺癌组织病理学图像
291	2025-05-17	Neurovision: A deep learning driven web application for brain tumour detection using weight-aware decision approach 2025 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076251333195 PMID:40376570	研究论文	开发了一个基于深度学习的框架，用于从医学共振图像中分类潜在的脑肿瘤	提出了一种新颖的权重感知决策机制，有效处理多类分类中的平局情况	NA	提高脑肿瘤的准确诊断	医学共振图像中的脑肿瘤	数字病理	脑肿瘤	深度学习	DenseNet169, VGG-19, Xception, EfficientNetV2B2	图像	三个不同的数据集
292	2025-05-17	The application of ultrasound artificial intelligence in the diagnosis of endometrial diseases: Current practice and future development 2025 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076241310060 PMID:40376569	综述	本文综述了人工智能在子宫内膜疾病超声图像分析中的进展，重点关注其在诊断、决策支持和预后分析中的应用	介绍了人工智能如何通过机器学习和深度学习从超声数据集中提取有价值的信息，提升超声诊断能力	总结了当前研究中存在的挑战，但未具体说明这些挑战的细节	推进超声人工智能技术在子宫内膜疾病诊断中的应用，通过数字工具改善女性健康	子宫内膜疾病的超声图像	数字病理学	子宫内膜疾病	机器学习和深度学习	NA	图像	NA
293	2025-05-17	YOLOv8 framework for COVID-19 and pneumonia detection using synthetic image augmentation 2025 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076251341092 PMID:40376574	研究论文	本研究开发了一个结合合成图像增强和深度学习模型的框架，用于COVID-19和肺炎的早期准确检测	整合了合成图像增强、先进深度学习模型和可解释AI技术，显著提高了诊断准确性和模型可信度	未来研究需要开发临床可行的人机协同诊断工作流程	提高COVID-19和肺炎的医学影像诊断准确性和可信度	COVID-19和肺炎的医学影像	计算机视觉	COVID-19, 肺炎	合成图像增强, 可解释AI(XAI), 迁移学习	YOLOv8, InceptionV3, DenseNet, ResNet	医学影像	NA
294	2025-05-17	Applicability of Deep Learning to Dynamically Identify the Different Organs of the Pelvic Floor in the Midsagittal Plane 2024-Dec, International urogynecology journal IF:1.8Q3 DOI:10.1007/s00192-024-05841-0 PMID:38913129	研究论文	本研究旨在创建并验证一种卷积神经网络(CNN)，用于通过动态超声识别骨盆底中矢状面的不同器官	首次应用深度学习技术，特别是CNN模型，动态识别骨盆底中矢状面的不同器官	膀胱和子宫的识别准确度相对较低，DSI分别为0.71和0.70	验证CNN在骨盆底器官动态识别中的适用性	骨盆底的不同器官（膀胱、子宫、肛门、耻骨直肠肌等）	计算机视觉	骨盆底疾病	动态超声	CNN（包括UNet、FPN和LinkNet架构）	视频	110名患者（86名用于训练，24名用于测试）
295	2025-05-17	Protein engineering using variational free energy approximation 2024-12-01, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-54814-w PMID:39617781	研究论文	本文提出了一种名为PREVENT的模型，通过变分自由能近似方法生成稳定且功能性的蛋白质变体	PREVENT模型通过学习蛋白质的序列和热力学景观，生成热力学稳定的功能性蛋白质变体，相比传统方法具有更高的效率和成功率	研究仅针对E. coli磷酸转移酶N-乙酰-L-谷氨酸激酶(EcNAGK)的40种变体进行了评估，需要更多样本来验证模型的普适性	加速蛋白质工程过程，生成稳定且功能性的蛋白质变体	E. coli磷酸转移酶N-乙酰-L-谷氨酸激酶(EcNAGK)	蛋白质工程	NA	变分自由能近似	PREVENT	蛋白质序列和结构数据	40种EcNAGK变体
296	2025-05-17	ANALYSIS OF CHALLENGES AND POSSIBILITIES OF USING ARTIFICIAL INTELLIGENCE IN MEDICAL DIAGNOSTICS 2024-Dec, Georgian medical news PMID:40007388	review	本文分析了人工智能在医学诊断中的挑战与可能性	系统性地分析了不同类型AI在医学诊断中的应用及其面临的挑战，并提出了未来发展趋势	研究仅基于2019-2024年的24项研究，可能存在样本量不足的问题	评估人工智能在医疗诊断中的应用效果及其潜在机会	人工智能在医学诊断中的各类应用	machine learning	NA	multi-modal AI, deep learning, machine learning	NA	multi-modal data	24项研究
297	2025-05-17	[Development of a Deep Learning-Based System for Supporting Medical Decision-Making in PI-RADS Score Determination] 2024-Dec, Urologiia (Moscow, Russia : 1999) PMID:40377545	研究论文	开发基于深度学习的计算机辅助诊断系统，用于支持PI-RADS评分确定中的医疗决策	使用3D U-Net架构处理多种MRI图像，旨在减少PI-RADS分级中的人为错误	灵敏度和分割准确性有待提高，需要更大数据集和更先进的深度学习技术	开发支持临床决策的计算机辅助诊断系统，提高前列腺癌诊断准确性	前列腺癌患者（PI-RADS评分4-5）和良性病变患者（PI-RADS评分1-2）	数字病理	前列腺癌	MRI（T2W、DWI、DCE）	3D U-Net	医学影像	136名患者（108例前列腺癌，28例良性病变）
298	2025-05-17	Synthetic augmentation of cancer cell line multi-omic datasets using unsupervised deep learning 2024-11-29, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-54771-4 PMID:39614072	研究论文	本文介绍了一种名为MOSA的无监督深度学习模型，用于整合和增强癌症依赖图谱（DepMap）的多组学数据	MOSA模型通过整合多组学信息，成功生成了分子和表型特征，增加了32.7%的多组学特征数量，并生成了1523个癌细胞系的完整DepMap	NA	整合和增强癌症依赖图谱的多组学数据，以提高统计能力并揭示与耐药性相关的机制	癌细胞系的多组学数据集	机器学习	癌症	无监督深度学习	MOSA	多组学数据	1523个癌细胞系
299	2025-05-17	Integrative Network Analysis Reveals Novel Moderators of Aβ-Tau Interaction in Alzheimer's Disease 2024-Oct-28, bioRxiv : the preprint server for biology DOI:10.1101/2024.06.14.599092 PMID:39554095	研究论文	本研究利用深度学习整合蛋白质组学和蛋白质相互作用数据，探索淀粉样蛋白-τ蛋白相互作用在阿尔茨海默病中的调节因素	首次应用深度学习网络整合方法BIONIC分析AD中Aβ-tau相互作用的调节因素，发现GPNMB+小胶质细胞的新作用	研究主要基于ROSMAP队列数据，样本来源相对单一	揭示阿尔茨海默病中淀粉样蛋白和tau蛋白相互作用的调节机制	淀粉样蛋白(Aβ)、tau蛋白及其相互作用调节因素	数字病理学	阿尔茨海默病	深度学习、蛋白质组学分析、蛋白质相互作用网络分析	BIONIC(深度学习网络整合模型)	蛋白质组数据、蛋白质相互作用数据、基因表达数据	ROSMAP队列数据(具体数量未明确说明)
300	2025-05-17	Evaluating the Quality of Brain MRI Generators 2024-Oct, Medical image computing and computer-assisted intervention : MICCAI ... International Conference on Medical Image Computing and Computer-Assisted Intervention DOI:10.1007/978-3-031-72117-5_28 PMID:40364898	research paper	本文提出了一种评估生成脑部MRI质量的框架，旨在解决现有评估方法在解剖合理性方面的不足	提出了一个标准化评估框架，通过自动分割生成的MRI图像并量化解剖结构的合理性，弥补了现有自然图像评估指标在脑部MRI上的不足	仅评估了6种生成模型，样本量相对有限（3000多张MRI），且框架的可靠性依赖于分割的准确性	评估和比较不同深度学习模型生成的脑部MRI图像的质量，特别是解剖结构的合理性	6种最先进的生成模型及其生成的脑部MRI图像	digital pathology	NA	MRI图像生成与分割	生成模型（具体未说明，可能包括GAN等）	image	3000多张脑部MRI图像