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
3241	2025-05-22	The regulatory landscape of 5' UTRs in translational control during zebrafish embryogenesis 2023-Nov-23, bioRxiv : the preprint server for biology DOI:10.1101/2023.11.23.568470 PMID:38045294	research paper	该研究通过大规模平行报告实验和深度学习模型，揭示了斑马鱼胚胎发生早期5' UTR在翻译调控中的关键作用	首次在早期脊椎动物发育中建立了5' UTR翻译调控的定量模型，并开发了能预测5' UTR异构体活性的深度学习模型DaniO5P	研究仅针对斑马鱼胚胎发生早期阶段，未涉及其他发育阶段或其他生物体	解析5' UTR在翻译调控中的作用机制	斑马鱼胚胎发生早期的5' UTR序列	生物信息学	NA	大规模平行报告实验、多核糖体分析	深度学习模型DaniO5P	序列数据	18,154个5' UTR序列
3242	2025-05-21	CatSkill: Artificial Intelligence-Based Metrics for the Assessment of Surgical Skill Level from Intraoperative Cataract Surgery Video Recordings 2025 Jul-Aug, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2025.100764 PMID:40385240	research paper	开发并验证了一种基于AI的视频分析系统CatSkill，用于评估白内障手术中外科医生的技能水平	提出了一种新型AI驱动的视频分析系统，能够自动评估手术中的眼位中性、眼位中心和显微镜焦距维持能力	研究仅回顾性分析了620例手术视频，未涉及实时应用验证	开发AI系统评估白内障手术医生的专业技能水平	白内障手术视频记录	computer vision	白内障	深度学习视频分析	FPN (VGG16), 随机森林	video	620例白内障手术视频（254例主治医师/176例住院医师）
3243	2025-05-21	Optimizing Skin Cancer Diagnosis: A Modified Ensemble Convolutional Neural Network for Classification 2025-Jun, Microscopy research and technique IF:2.0Q3 DOI:10.1002/jemt.24792 PMID:39888306	研究论文	本研究提出了一种结合随机猫群优化算法和集成卷积神经网络的RCS-ECNN方法，用于皮肤癌不同阶段的分类	提出了结合随机猫群优化(CSO)与集成卷积神经网络(ECNN)的RCS-ECNN方法，用于优化皮肤癌分类	未提及方法在临床环境中的实际应用效果或泛化能力	优化皮肤癌诊断，提高分类准确率	皮肤癌的不同阶段	计算机视觉	皮肤癌	随机猫群优化(CSO)，GrabCut算法	集成卷积神经网络(ECNN)，深度神经网络(DNN)，Keras DNN(KDNN)	图像	HAM10000和ISIC数据集
3244	2025-02-20	Letter to the Editor: "A Deep Learning System to Predict Epithelial Dysplasia in Oral Leukoplakia" 2025-Jun, Journal of dental research IF:5.7Q1 DOI:10.1177/00220345251317097 PMID:39966688	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
3245	2025-04-25	Response to the Letter to the Editor: "A Deep Learning System to Predict Epithelial Dysplasia in Oral Leukoplakia" 2025-Jun, Journal of dental research IF:5.7Q1 DOI:10.1177/00220345251329356 PMID:40269482	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
3246	2025-05-21	Accuracy of an Automated Bone Scan Index Measurement System Enhanced by Deep Learning of the Female Skeletal Structure in Patients with Breast Cancer 2025-Jun, Nuclear medicine and molecular imaging IF:1.3Q3 DOI:10.1007/s13139-025-00905-5 PMID:40385368	research paper	该研究验证了通过深度学习女性骨骼结构更新的VSBONE® BSI系统在乳腺癌患者中的诊断准确性	VSBONE ver.3通过深度学习957名女性的骨骼结构，提高了在乳腺癌患者中的诊断准确性	研究样本量较小，仅包括220名日本乳腺癌患者	验证更新的VSBONE系统在乳腺癌患者中的诊断准确性	乳腺癌患者	digital pathology	breast cancer	bone scintigraphy with SPECT/CT	deep learning	image	220名日本乳腺癌患者（20名有活动性骨转移，200名无骨转移）
3247	2025-05-21	Classification of differentially activated groups of fibroblasts using morphodynamic and motile features 2025-Jun, APL bioengineering IF:6.6Q1 DOI:10.1063/5.0250502 PMID:40385989	research paper	该研究提出了一种基于人工智能的分类框架，通过分析成纤维细胞的形态动力学和运动特征来识别和表征不同激活状态的成纤维细胞	利用形态动力学和运动特征作为成纤维细胞激活状态的生物物理标志物，克服了传统分子标记的局限性	研究仅基于与乳腺癌细胞系共培养的成纤维细胞数据，可能无法完全代表体内复杂微环境	开发新型成纤维细胞分类方法以更好地理解肿瘤微环境	与乳腺癌细胞系共培养的成纤维细胞	digital pathology	breast cancer	label-free live-cell imaging	deep learning and machine learning algorithms	image	NA
3248	2025-05-21	Gluten identification from food images using advanced deep learning and transfer learning methods 2025-Jun, Journal of food science and technology DOI:10.1007/s13197-024-06158-y PMID:40386197	research paper	本文提出了一种基于深度学习和迁移学习的创新方法，用于从食物图像中识别麸质，旨在帮助乳糜泻患者识别含麸质食物	利用EfficientNet预训练模型进行麸质图像分类，在食物图像识别领域具有创新性	研究仅基于Food101数据集的子集，可能无法涵盖所有食物类型	开发一种辅助乳糜泻患者识别含麸质食物的工具	食物图像	computer vision	celiac disease	deep learning, transfer learning	CNN, EfficientNet	image	20,000张训练图像和2,000张测试图像
3249	2025-05-21	[Technological innovation and future development of quantitative research on acupuncture manipulation techniques] 2025-May-25, Zhen ci yan jiu = Acupuncture research DOI:10.13702/j.1000-0607.20250319 PMID:40390611	综述	本文全面回顾了针灸操作技术定量研究的生物力学基础和技术演变，并探讨了其未来发展方向	通过计算机视觉、深度学习和多模态感知融合等技术，实现了针灸操作量化的创新应用	NA	推动针灸从经验实践向数据驱动的精准医学转变，为中医现代化和国际标准化提供理论基础和技术支持	针灸操作技术	数字病理学	NA	计算机视觉、深度学习、多模态感知融合	NA	生物力学参数	NA
3250	2025-05-21	Effectiveness of Artificial Intelligence in detecting sinonasal pathology using clinical imaging modalities: a systematic review 2025-May-19, Rhinology IF:4.8Q1 DOI:10.4193/Rhin25.044 PMID:40388840	系统性综述	本文系统性评估了人工智能在通过放射影像检测鼻窦病理中的方法和临床相关性	综合分析了AI在鼻窦影像诊断中的准确性和效率，并指出了当前研究的局限性和未来方向	现有研究主要为回顾性和单中心，缺乏前瞻性和多中心验证	评估人工智能在鼻窦病理检测中的临床适用性和方法学有效性	鼻窦病理的放射影像	医学影像分析	鼻窦疾病	深度学习、机器学习、神经网络	CNN、机器学习分类器	CT、MRI影像	53项研究，其中85%为回顾性研究，68%为单中心研究，92.5%使用内部数据库
3251	2025-05-21	Artificial Intelligence in Rhinoplasty: Precision or Over-Reliance? 2025-May-19, Aesthetic plastic surgery IF:2.0Q2 DOI:10.1007/s00266-025-04954-1 PMID:40389738	research paper	探讨人工智能在鼻整形手术中的应用及其潜在问题	利用深度学习和GANs预测术后效果并优化美学规划	无法考虑个体愈合过程、组织行为及长期鼻部重塑，存在伦理问题和数据隐私风险	评估AI在鼻整形手术中的精确性与过度依赖风险	鼻整形手术的术前规划与患者沟通	digital pathology	NA	deep learning, GANs	GAN	image	NA
3252	2025-05-21	Development and validation of ultrasound-based radiomics deep learning model to identify bone erosion in rheumatoid arthritis 2025-May-19, Clinical rheumatology IF:2.9Q2 DOI:10.1007/s10067-025-07481-1 PMID:40389785	研究论文	开发并验证基于超声图像的深度学习放射组学融合模型（DLR），用于识别类风湿性关节炎（RA）患者的骨侵蚀	结合放射组学特征和深度学习特征构建融合模型，显著提高了骨侵蚀识别的准确性，并验证了模型对超声医师诊断的辅助作用	研究仅基于两家机构的数据，可能需要更多外部验证以确认模型的泛化能力	开发一种基于超声图像的深度学习模型，用于识别类风湿性关节炎患者的骨侵蚀	类风湿性关节炎患者	数字病理	类风湿性关节炎	超声成像、放射组学特征提取、深度学习	深度学习放射组学融合模型（DLR）	超声图像	432名RA患者（312名来自中心1，124名来自中心2）
3253	2025-05-21	Extensible Immunofluorescence (ExIF) accessibly generates high-plexity datasets by integrating standard 4-plex imaging data 2025-May-17, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-59592-7 PMID:40382312	研究论文	提出了一种名为ExIF的框架，通过生成深度学习虚拟标记将标准4重免疫荧光成像数据整合为理论上无限标记复杂度的统一数据集	将多组学数据整合概念引入显微镜领域，首次实现通过常规4重荧光显微镜定量解析复杂的多分子单细胞过程	依赖于精心设计但易于生产的4重免疫荧光面板，且性能接近但尚未完全达到多重标记方法的水平	突破标准免疫荧光成像仅能捕获约4个分子标记的限制，实现对复杂生物学的深入解析	上皮-间质转化(EMT)过程中的细胞表型和分子标记动态	数字病理学	NA	免疫荧光成像，生成深度学习	生成深度学习模型	图像	NA
3254	2025-05-21	CREATE: cell-type-specific cis-regulatory element identification via discrete embedding 2025-May-17, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-59780-5 PMID:40382355	research paper	介绍了一种名为CREATE的多模态深度学习框架，用于全面识别和表征细胞类型特异性的顺式调控元件	CREATE基于Vector Quantized Variational AutoEncoder，整合了基因组序列、染色质可及性和染色质相互作用数据，生成离散的CRE嵌入，实现了准确的多类分类和CRE的稳健表征	当前方法主要基于序列，且通常关注单个CRE类型，限制了对其细胞类型特异性功能和调控动态的理解	开发一个深度学习框架，用于识别和表征细胞类型特异性的顺式调控元件，以增进对基因调控机制的理解	顺式调控元件（CREs），包括增强子、沉默子、启动子和绝缘子	machine learning	NA	Vector Quantized Variational AutoEncoder	VQ-VAE	genomic sequences, chromatin accessibility, chromatin interaction data	NA
3255	2025-05-21	A novel hybrid deep learning approach for super-resolution and objects detection in remote sensing 2025-May-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-01476-3 PMID:40382366	研究论文	本文提出了一种结合超分辨率技术和先进特征提取算法的混合深度学习框架，用于遥感图像中的目标检测	结合Advanced StyleGAN和Swin Transformer，通过超分辨率提升图像质量并利用分层注意力机制进行特征提取，显著提高了目标检测的准确性和鲁棒性	未来工作需要优化计算效率，并扩展框架以处理多模态或动态目标检测任务	提高遥感图像中目标检测的准确性和鲁棒性，特别是在低分辨率、复杂背景和遮挡等挑战性条件下	遥感图像中的目标检测	计算机视觉	NA	数据增强、超分辨率技术、特征提取算法	Advanced StyleGAN、Swin Transformer	遥感图像	VEDAI-VISIBLE、VEDAI-IR、RSOD、NWPU VHR-10数据集
3256	2025-05-21	ConsensuSV-ONT - A modern method for accurate structural variant calling 2025-May-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-01486-1 PMID:40382368	研究论文	提出了一种基于共识的自动化算法ConsensuSV-ONT，用于准确检测长读长Oxford Nanopore测序中的结构变异	结合六种独立的结构变异检测工具和卷积神经网络，提供高质量的结构变异检测方法	仅适用于Oxford Nanopore长读长测序数据，未提及其他测序技术的适用性	开发一种自动化工具，用于准确检测长读长测序中的结构变异	Oxford Nanopore长读长测序数据	生物信息学	NA	Oxford Nanopore长读长测序	CNN	测序数据	NA
3257	2025-05-21	Intracranial hemorrhage segmentation and classification framework in computer tomography images using deep learning techniques 2025-May-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-01317-3 PMID:40382387	research paper	提出了一种基于MUNet的颅内出血分割和分类框架（IHSNet），用于在计算机断层扫描图像中成功分割多种类型的出血并分类出血类型	使用MUNet（Multiclass-UNet）构建IHSNet框架，能够同时实现多种颅内出血的分割和分类，分割准确率达到98.53%，分类准确率达到98.71%	未来需要扩展到处理更多医学图像分割问题	开发自动化诊断工具以帮助神经外科医生制定治疗策略，提高生存率	计算机断层扫描（CT）图像中的颅内出血	digital pathology	intracranial hemorrhage	deep learning	MUNet (Multiclass-UNet)	image	NA
3258	2025-05-21	Construction and validation of a pain facial expressions dataset for critically ill children 2025-May-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-02247-w PMID:40382393	研究论文	本研究构建并验证了一个专门针对中国重症儿童疼痛面部表情的大规模数据集PFECIC，并评估了其在深度学习模型中的效用	创建了首个针对中国重症儿童的疼痛面部表情数据集PFECIC，并通过深度学习模型验证了其性能	样本量相对较小（53名儿童），且数据收集时间较短（2022年12月至2023年1月）	自动评估无法沟通的儿童的疼痛程度	重症儿童	计算机视觉	儿科重症	深度学习	CNN（假设用于图像分类）	视频和图像	53名儿童，119个疼痛表情视频和6951张图像
3259	2025-05-21	A self-supervised multimodal deep learning approach to differentiate post-radiotherapy progression from pseudoprogression in glioblastoma 2025-May-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-02026-7 PMID:40382400	研究论文	提出一种自监督多模态深度学习方法，用于区分胶质母细胞瘤放疗后的真实进展与假性进展	利用自监督Vision Transformer编码多序列MR脑部图像，结合临床数据和放疗计划信息，通过跨模态注意力机制提高分类准确性	测试数据集样本量较小(n=20)，可能影响模型泛化能力评估	提高胶质母细胞瘤放疗后真实进展与假性进展的鉴别准确性	胶质母细胞瘤患者	数字病理	胶质母细胞瘤	自监督学习、多模态融合	Vision Transformer (ViT)	MRI图像、临床数据、放疗计划信息	训练集2317例MRI（BraTS2021、UPenn-GBM、UCSF-PDGM），验证集59例（Burdenko），测试集20例（UKER GlioCMV）
3260	2025-05-21	An integrated deep learning model for early and multi-class diagnosis of Alzheimer's disease from MRI scans 2025-May-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-01845-y PMID:40382404	研究论文	提出了一种基于混合深度学习的多分类系统，用于从MRI扫描中早期和多类别诊断阿尔茨海默病	结合改进的DeepLabV3+模型进行病灶分割，采用基于平均相关性和错误概率的新特征选择方法，并使用增强的ResNext模型进行四阶段分类	未提及模型在外部验证集上的表现或临床实际应用中的潜在挑战	提高阿尔茨海默病的早期检测和分期准确性	阿尔茨海默病患者MRI扫描数据	数字病理学	阿尔茨海默病	MRI	IDeepLabV3+, LeNet-5, EResNext	图像	未明确提及样本数量