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
3081	2025-05-06	Graph-based prototype inverse-projection for identifying cortical sulcal pattern abnormalities in congenital heart disease 2025-May, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103538 PMID:40121807	研究论文	本研究开发了一种基于深度学习的脑沟模式分析方法，用于识别先天性心脏病患者的皮质脑沟模式异常	提出了一种基于原型图神经网络的脑沟模式分析方法，并引入了原型逆向投影以提高模型的可解释性	需要更多的验证研究来确认该方法在其他神经系统疾病中的适用性	开发一种敏感且可解释的工具用于脑沟模式分析	健康对照组(n=174)和先天性心脏病患者(n=345)的脑沟模式	数字病理学	先天性心脏病	深度学习	图神经网络(GNN)	脑沟模式图	519名受试者(174名健康对照和345名先天性心脏病患者)
3082	2025-04-17	Molecular endotypes and theratypes in osteoarthritis: transforming a concept into reality with deep learning and multiomics 2025-May, Annals of the rheumatic diseases IF:20.3Q1 DOI:10.1016/j.ard.2025.03.009 PMID:40234175	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
3083	2025-05-06	Evaluation of minor labial salivary gland focus score in Sjögren's disease using deep learning: a tool for more efficient diagnosis and future tissue biomarker discovery 2025-May, Journal of autoimmunity IF:7.9Q1 DOI:10.1016/j.jaut.2025.103418 PMID:40262321	research paper	利用深度学习评估小唇唾液腺焦点评分，以提高干燥综合征的诊断效率和未来组织生物标志物的发现	采用基于注意力的深度学习二分类模型评估小唇唾液腺活检的阳性情况，克服了观察者内偏差和观察者间变异性	研究仅使用了H&E染色的小唇唾液腺活检样本，未涉及其他染色方法或更大规模的样本验证	提高干燥综合征的诊断效率和探索未来组织生物标志物	小唇唾液腺活检样本	digital pathology	Sjögren's disease	H&E染色	attention-based deep learning binary classification model	image	271个小唇唾液腺活检样本（153个FS < 1，118个FS ≥ 1）
3084	2025-05-06	Phytophagous, blood-suckers or predators? Automated identification of Chagas disease vectors and similar bugs using convolutional neural network algorithms 2025-May, Acta tropica IF:2.1Q2 DOI:10.1016/j.actatropica.2025.107621 PMID:40288198	research paper	该研究评估了三种卷积神经网络（AlexNet、MobileNetV2和ResNet-50）在识别按食性分类的昆虫（'吸血'、'植食性'和'捕食性'）方面的性能	首次使用深度学习技术自动识别恰加斯病媒介昆虫及其类似昆虫，并通过Grad-CAM可视化预测影响最大的图片区域	数据集规模相对较小（707张图片），且仅使用背部视角图片	开发一种自动识别恰加斯病媒介昆虫的可靠工具，以改善疾病监测和控制	按食性分类的昆虫（'吸血'、'植食性'和'捕食性'）	computer vision	Chagas disease	transfer learning, Grad-CAM	CNN (AlexNet, MobileNetV2, ResNet-50)	image	707张背部视角昆虫图片
3085	2025-05-06	Deep Learning Model of Primary Tumor and Metastatic Cervical Lymph Nodes From CT for Outcome Predictions in Oropharyngeal Cancer 2025-May-01, JAMA network open IF:10.5Q1 DOI:10.1001/jamanetworkopen.2025.8094 PMID:40310642	研究论文	开发并验证了一种基于CT的深度学习分类器，整合原发肿瘤和淋巴结特征，以预测p16+口咽鳞状细胞癌的预后	首次结合原发肿瘤和转移性颈部淋巴结的影像特征，开发了多区域成像风险评分（SwinScore），用于预测p16+口咽鳞状细胞癌的生存结果	研究为回顾性设计，可能受到选择偏倚的影响，且外部验证队列的时间跨度较长	预测p16+口咽鳞状细胞癌的预后，并识别可能从化疗中获益的I期患者	p16+口咽鳞状细胞癌患者	数字病理	口咽鳞状细胞癌	CT扫描	Swin Transformer	影像数据	811名p16+口咽鳞状细胞癌患者
3086	2025-05-06	Digital Staining with Knowledge Distillation: A Unified Framework for Unpaired and Paired-But-Misaligned Data 2025-May-01, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3565329 PMID:40310741	research paper	提出了一种基于知识蒸馏的无监督深度学习框架，用于数字细胞染色，减少了对大量配对数据的需求	通过知识蒸馏和混合非参考损失，减少了配对数据的需求，并提出了针对未配对和配对但未对齐数据的两种训练方案	实验数据集可能有限，未提及在其他类型细胞或组织上的泛化能力	开发一种减少配对数据需求的数字细胞染色方法	细胞图像，特别是白细胞（WBC）数据集	digital pathology	NA	knowledge distillation, deep learning	teacher-student model	image	未明确提及具体样本数量，但使用了白细胞（WBC）数据集
3087	2025-05-06	LLM-guided Decoupled Probabilistic Prompt for Continual Learning in Medical Image Diagnosis 2025-May-01, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3566105 PMID:40310742	研究论文	提出了一种基于LLM引导的解耦概率提示方法（LDPP），用于医学图像诊断中的持续学习	引入了专家知识生成模块（EKG）和解耦概率提示池（DePP），通过LLM获取专家知识并构建共享的概率提示池，动态提供多样化和灵活的输入图像描述	未明确提及具体限制，但可能涉及LLM生成知识的准确性和提示池的动态调整效率	解决动态临床环境中新疾病出现时的持续学习问题，提升医学图像诊断模型的性能	医学图像诊断模型	数字病理	NA	持续学习（CL）、提示调优（PT）	LLM-guided Decoupled Probabilistic Prompt (LDPP)	医学图像	未明确提及具体样本量
3088	2025-05-06	Ge-SAND: an explainable deep learning-driven framework for disease risk prediction by uncovering complex genetic interactions in parallel 2025-May-01, BMC genomics IF:3.5Q2 DOI:10.1186/s12864-025-11588-9 PMID:40312319	研究论文	开发了一个可解释的深度学习框架Ge-SAND，用于通过揭示复杂的遗传相互作用来预测疾病风险	Ge-SAND能够并行处理超过10^6规模的遗传相互作用，提供对疾病机制的全面理解，相比主流方法AUC-ROC提高了20%	在处理大规模遗传组合时可能面临维度灾难问题，特别是在样本量有限的情况下	提高疾病风险预测的准确性并理解复杂疾病的遗传机制	克罗恩病、精神分裂症和阿尔茨海默病的遗传数据	基因组学	克罗恩病、精神分裂症、阿尔茨海默病	深度学习	自注意力神经网络	基因型和基因组位置信息	UK Biobank队列数据
3089	2025-05-06	A hybrid approach for binary and multi-class classification of voice disorders using a pre-trained model and ensemble classifiers 2025-May-01, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-025-02978-w PMID:40312383	研究论文	提出一种结合预训练模型和集成分类器的混合方法，用于声音障碍的二元和多类分类	采用两阶段框架结合深度学习特征和多种强大分类器，在多类分类任务中达到最先进准确率	仅在Saarbruecken语音数据库的子集上进行实验，样本量有限	提高声音障碍分类性能，特别是多类分类准确率	声音障碍分类	自然语言处理	声音障碍	VGGish模型、SVM、LR、MLP、集成分类器	VGGish、SVM、LR、MLP、EC	音频	Saarbruecken语音数据库的子集（男性、女性和混合说话者）
3090	2025-05-06	A human pose estimation network based on YOLOv8 framework with efficient multi-scale receptive field and expanded feature pyramid network 2025-May-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-00259-0 PMID:40312474	research paper	提出了一种基于YOLOv8框架的人体姿态估计网络EE-YOLOv8，通过集成高效多尺度感受野（EMRF）和扩展特征金字塔网络（EFPN）来提升性能	EE-YOLOv8通过EMRF增强特征表示能力，EFPN优化跨层信息交换，并使用Wise-IoU提升检测精度	未提及具体局限性	提升多人体姿态估计的准确性和效率	图像或视频中的人体姿态	computer vision	NA	deep learning	YOLOv8, EMRF, EFPN	image	MS COCO 2017数据集
3091	2025-05-06	Deep learning HRNet FCN for blood vessel identification in laparoscopic pancreatic surgery 2025-May-01, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-025-01663-6 PMID:40312536	research paper	评估HRNet-FCN模型在腹腔镜胰腺手术中识别血管轮廓的能力以提高手术安全性	首次将HRNet-FCN模型应用于腹腔镜胰腺手术中的血管识别，并展示了其在多种手术情境中的强泛化能力和实时处理速度	研究仅基于特定手术（LDP和Whipple手术）的图像数据，可能无法涵盖所有胰腺手术的血管变异情况	提高腹腔镜胰腺手术中血管识别的准确性和手术安全性	腹腔镜胰腺手术中的血管结构	digital pathology	pancreatic disease	deep learning	HRNet-FCN	image	12,694张图像来自126个腹腔镜远端胰腺切除术视频和35,986张图像来自138个Whipple手术视频
3092	2025-05-06	Assessing english Language teachers' pedagogical effectiveness using convolutional neural networks optimized by modified virus colony search algorithm 2025-May-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-98033-9 PMID:40312557	research paper	本研究提出了一种结合深度学习和元启发式算法的新方法，用于评估英语作为外语（EFL）教学的课堂质量	使用改进的病毒群体搜索（VCS）算法优化的卷积神经网络（CNN）来分析课堂互动的音频和视频记录，提高了评估的准确性、鲁棒性、灵活性和效率	NA	开发一个可靠且高效的教师评估框架，以提供及时反馈、识别教师优缺点，并为专业发展提供依据	英语作为外语（EFL）教学的课堂质量	natural language processing	NA	CNN, VCS	CNN	audio and video recordings	NA
3093	2025-05-06	Artifact estimation network for MR images: effectiveness of batch normalization and dropout layers 2025-May-01, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-01663-8 PMID:40312665	研究论文	本研究开发了一种基于U-Net的回归网络，用于去除磁共振图像中的运动伪影，并探讨了批量归一化和dropout层组合策略的影响	首次研究了批量归一化和dropout层组合策略在U-Net网络中用于去除运动伪影的效果	研究仅限于幻影图像，未在更复杂的真实医学图像上验证	提高磁共振图像中运动伪影去除的准确性	磁共振图像中的运动伪影	数字病理	NA	深度学习	U-Net, Transformer	图像	1200张图像（含/不含运动伪影）
3094	2025-05-06	A deep learning algorithm for automated adrenal gland segmentation on non-contrast CT images 2025-May-01, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-01682-5 PMID:40312690	研究论文	开发一种深度学习模型用于非对比CT图像上的肾上腺自动分割，并进行肾上腺体积随年龄变化的初步大规模研究	首次提出使用深度学习模型进行肾上腺自动分割，并利用模型输出值进行肾上腺体积随年龄变化的大规模研究	研究仅基于非对比CT图像，未考虑其他成像方式的影响	开发肾上腺自动分割的深度学习模型，并研究正常肾上腺体积随年龄的变化	非对比CT图像上的肾上腺	数字病理学	NA	非对比CT成像	nnU-Net	CT图像	开发数据集包含1301例CT检查，大规模正常肾上腺数据集包含2000例CT检查
3095	2025-05-06	DeepRNA-Twist: language-model-guided RNA torsion angle prediction with attention-inception network 2025-May-01, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf199 PMID:40315431	研究论文	介绍了一种名为DeepRNA-Twist的新型深度学习框架，用于直接从序列预测RNA的扭转角和伪扭转角	结合了RNA语言模型嵌入和2A3IDC模块（注意力增强的Inception内部Inception与扩张CNN），能够同时捕获局部和全局结构特征	未提及具体的局限性	提高RNA扭转角和伪扭转角的预测准确性	RNA分子的扭转角和伪扭转角	自然语言处理	NA	深度学习	注意力增强的Inception网络与扩张CNN	RNA序列	包括RNA-Puzzles、CASP-RNA和SPOT-RNA-1D等基准数据集
3096	2025-05-06	Deep scSTAR: leveraging deep learning for the extraction and enhancement of phenotype-associated features from single-cell RNA sequencing and spatial transcriptomics data 2025-May-01, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf160 PMID:40315434	research paper	介绍了一种名为Deep scSTAR的深度学习工具，用于从单细胞RNA测序和空间转录组数据中提取和增强表型相关特征	开发了Deep scSTAR工具，能够识别与疾病表型相关的细胞特征，并在多种癌症类型中验证了其应用价值	未提及具体的技术限制或数据处理的挑战	提高从单细胞和空间转录组数据中提取表型相关特征的准确性和效率	单细胞RNA测序数据和空间转录组数据	digital pathology	non-small cell lung cancer, renal cell carcinoma, hepatocellular carcinoma	single-cell RNA sequencing, spatial transcriptomics	deep learning	RNA sequencing data, spatial transcriptomics data	NA
3097	2025-05-06	Deep Rib Fracture Instance Segmentation and Classification from CT on the RibFrac Challenge 2025-Apr-30, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3565514 PMID:40305244	research paper	该论文介绍了RibFrac挑战赛，旨在通过深度学习算法解决CT扫描中肋骨骨折的检测和分类问题	提供了大规模标注数据集和评估基准，推动了深度学习算法在肋骨骨折检测和分类领域的发展	当前的肋骨骨折分类解决方案在临床上尚不适用	开发和验证用于肋骨骨折检测和分类的深度学习算法	肋骨骨折	digital pathology	NA	CT扫描	深度学习算法	image	660 CT扫描，包含超过5,000个肋骨骨折实例
3098	2025-05-06	Heterogeneous Riemannian Few-Shot Learning Network 2025-Apr-30, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2025.3561930 PMID:40305249	research paper	提出了一种基于异构黎曼流形的少样本学习网络HRFL-Net，用于从少量样本中学习和准确区分新概念	首次在异构黎曼流形上进行端到端深度学习的少样本学习方法，设计了基于神经网络的黎曼度量学习方法	未明确提及具体限制	解决人工智能中从少量样本学习和区分新概念的问题	图像数据	machine learning	NA	异构黎曼流形投影、黎曼核函数映射、度量学习	HRFL-Net	image	四个公共数据集
3099	2025-05-06	A simple yet effective approach for predicting disease spread using mathematically-inspired diffusion-informed neural networks 2025-Apr-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-98398-x PMID:40301427	research paper	提出了一种结合传统数学建模和深度学习的模型，用于预测疾病传播	整合了人工神经网络和图卷积神经网络，简化参数估计同时保持数学框架的可解释性	仅应用于西班牙的COVID-19数据，未在其他地区或疾病上验证	提高疾病传播预测的准确性和参数估计的简化	COVID-19在西班牙的传播情况	machine learning	COVID-19	deep learning	ANN, GCN	graph-structured data	西班牙的COVID-19发病率数据
3100	2025-05-06	Challenges, optimization strategies, and future horizons of advanced deep learning approaches for brain lesion segmentation 2025-Apr-28, Methods (San Diego, Calif.) DOI:10.1016/j.ymeth.2025.04.016 PMID:40306473	review	本文综述了2021年至2024年间深度学习算法在脑肿瘤和脑卒中分割中的应用，探讨了其优势、局限性和未来研究方向	总结了深度学习在脑病变分割中的最新进展，提出了未来研究方向，包括神经架构搜索与领域知识的结合、患者生存水平预测等	基于250多篇综述论文的见解，可能存在文献覆盖不全或偏颇的问题	探讨深度学习在脑病变分割中的应用现状和未来发展方向	脑肿瘤和脑卒中	digital pathology	brain tumor, stroke	深度学习技术	lightweight neural networks, multilayer architectures	medical images	NA