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
321	2025-04-25	FedPneu: Federated Learning for Pneumonia Detection across Multiclient Cross-Silo Healthcare Datasets 2025, Current medical imaging IF:1.1Q3 DOI:10.2174/0115734056333970241212132150 PMID:39757652	research paper	该研究开发了一个基于联邦学习的深度学习模型FedPneu，用于通过X光图像早期检测肺炎	采用联邦学习框架，解决了传统集中式深度学习模型在医疗影像数据上的隐私泄露风险	研究仅测试了2-5个客户端架构，未探索更大规模的分布式场景	开发一个隐私保护的肺炎早期检测系统	多机构医疗影像数据集	digital pathology	pneumonia	federated learning	deep learning	X-ray images	未明确说明具体样本量（多机构X光数据集）
322	2025-04-25	En masse evaluation of RNA guides (EMERGe) for ADARs 2025, Methods in enzymology DOI:10.1016/bs.mie.2024.11.030 PMID:39870442	研究论文	本文介绍了一种名为EMERGe的高通量筛选方法，用于全面评估RNA引导链以促进ADARs对特定腺苷的编辑	开发了EMERGe方法，克服了现有设计原则难以编辑特定靶点的限制，为ADARs的全面筛选提供了新工具	未明确说明该方法在体内环境中的有效性及潜在脱靶效应	开发一种高通量筛选方法以优化RNA引导链设计，充分释放ADARs编辑技术的治疗潜力	ADARs酶及其RNA引导链	基因编辑	NA	NGS	机器学习或深度学习模型（潜在应用）	RNA序列数据	NA
323	2025-04-25	Attention-Guided Learning With Feature Reconstruction for Skin Lesion Diagnosis Using Clinical and Ultrasound Images 2025-Jan, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3450682 PMID:39208042	research paper	提出一种结合临床和超声模态的注意力引导学习与特征重建的皮肤病变诊断网络，以提高诊断准确性	提出注意力引导学习模块和特征重建学习策略，融合临床和超声模态的表面和深度信息，增强特征表示	现有多模态方法仅局限于皮肤临床和皮肤镜模态的表面信息，限制了皮肤病变诊断准确性的进一步提升	提高皮肤病变的诊断准确性	皮肤病变	digital pathology	skin lesion	deep learning	CNN	image	NA
324	2025-04-25	Pruning Sparse Tensor Neural Networks Enables Deep Learning for 3D Ultrasound Localization Microscopy 2025, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1 DOI:10.1109/TIP.2025.3552198 PMID:40126968	research paper	提出使用稀疏张量神经网络实现基于深度学习的3D超声定位显微镜技术，以降低内存需求并提高维度扩展性	首次将稀疏张量神经网络应用于3D超声定位显微镜，显著降低了内存需求并保持了性能	稀疏化处理可能导致部分信息丢失，且在2D情况下性能略有下降	开发更高效的3D超声定位显微镜算法以减少采集时间	超声定位显微镜中的微泡轨迹检测	digital pathology	cardiovascular disease	ultrasound localization microscopy (ULM)	sparse tensor neural networks	3D ultrasound data	NA
325	2025-04-25	An updated compendium and reevaluation of the evidence for nuclear transcription factor occupancy over the mitochondrial genome 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0318796 PMID:40163815	研究论文	本文通过分析ENCODE项目中扩展的TF ChIP-seq数据集，结合深度学习模型，创建了一个全面的核转录因子与线粒体基因组关联的目录	利用扩展的ENCODE数据集和深度学习模型，首次全面评估核转录因子与线粒体基因组的关联，并识别出50个可能与线粒体功能相关的核转录因子	研究发现，相同的转录因子在不同抗体和ChIP实验中的结果不一致，表明现有证据的可重复性存在问题	评估核转录因子与线粒体基因组的关联，并重新评估已知的线粒体作用核转录因子的证据	核转录因子与线粒体基因组的关联	基因组学	NA	ChIP-seq, 深度学习	深度学习模型	基因组数据	6,153个ChIP实验，涉及942种蛋白质（其中763种为序列特异性转录因子）
326	2025-04-25	CRCL: Causal Representation Consistency Learning for Anomaly Detection in Surveillance Videos 2025, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1 DOI:10.1109/TIP.2025.3558089 PMID:40215152	研究论文	提出了一种名为CRCL的因果表示一致性学习方法，用于监控视频中的异常检测	首次将因果学习引入视频异常检测，通过场景去偏学习和因果启发的常态学习来挖掘潜在的场景鲁棒因果变量	未明确说明方法在极端复杂场景或实时检测任务中的表现	提升监控视频中异常检测的性能和鲁棒性	监控视频数据	计算机视觉	NA	因果表示学习	深度神经网络	视频	基准测试数据集（未明确数量）
327	2025-04-25	Digital pathology assessment of kidney glomerular filtration barrier ultrastructure in an animal model of podocytopathy 2025, Biology methods & protocols IF:2.5Q3 DOI:10.1093/biomethods/bpaf024 PMID:40223818	研究论文	开发了一种基于深度学习的数字病理计算方法，用于测量肾小球滤过屏障超微结构的GBM和PFP宽度	首次使用U-Net模型和图像处理算法自动化测量TEM图像中的GBM和PFP宽度，解决了传统手动测量的劳动密集和操作者间变异性问题	自动化与手动测量的PFP宽度在ILK cKO标本中存在差异，且自动化方法对PFP宽度的表型差异反映不如GBM明显	开发自动化工具以促进足细胞病研究	Integrin-Linked Kinase (ILK)足细胞特异性条件敲除小鼠和野生型对照小鼠的肾脏TEM图像	数字病理	足细胞病	透射电子显微镜(TEM)	U-Net	图像	4周龄的WT和ILK cKO同窝小鼠肾脏TEM图像对，采用4折交叉验证研究
328	2025-04-25	c-Triadem: A constrained, explainable deep learning model to identify novel biomarkers in Alzheimer's disease 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0320360 PMID:40228177	研究论文	提出了一种名为c-Triadem的约束性可解释深度学习模型，用于识别阿尔茨海默病的新型生物标志物	c-Triadem模型结合了基因分型数据、基因表达数据和临床信息，通过SHAP分析识别关键基因和临床特征，具有高准确率	模型依赖于ADNI数据集，可能在其他数据集上的泛化能力有限	开发一种新的深度学习模型，用于早期诊断阿尔茨海默病和识别血液生物标志物	阿尔茨海默病患者、轻度认知障碍患者和认知正常人群	机器学习	阿尔茨海默病	基因分型、微阵列、SHAP分析	深度学习神经网络	基因分型数据、基因表达数据、临床信息	ADNI数据集中的样本
329	2025-04-25	Multiple instance learning-based prediction of programmed death-ligand 1 (PD-L1) expression from hematoxylin and eosin (H&E)-stained histopathological images in breast cancer 2025, PeerJ IF:2.3Q2 DOI:10.7717/peerj.19201 PMID:40256728	research paper	本研究利用基于弱监督多实例学习（MIL）的深度学习方法，从乳腺癌H&E染色组织病理学图像中预测PD-L1表达	采用Transformer-based TransMIL模型在MIL框架内有效捕捉高度异质性特征，并展示了强大的跨中心泛化能力	研究依赖于有限的内部和外部测试集数据，且TCGA-TNBC数据集的AUC相对较低	探索深度学习技术在乳腺癌H&E染色图像中预测PD-L1表达的可行性和效果	乳腺癌H&E染色组织病理学图像	digital pathology	breast cancer	deep learning, multiple instance learning (MIL)	Transformer-based TransMIL	image	内部测试集、独立外部测试集和公共TCGA-TNBC数据集
330	2025-04-25	SVMVGGNet-16: A Novel Machine and Deep Learning Based Approaches for Lung Cancer Detection Using Combined SVM and VGGNet-16 2025, Current medical imaging IF:1.1Q3 DOI:10.2174/0115734056348824241224100809 PMID:39773067	research paper	提出了一种结合SVM和VGGNet-16的混合模型SVMVGGNet-16，用于提高肺癌检测的准确性和可靠性	整合了VGGNet-16和SVM的优势，构建了一个混合模型，用于肺癌分类	未来工作需要进一步优化模型、扩展数据集并进行临床试验	提高肺癌检测的准确性和可靠性	肺癌类型（腺癌、大细胞癌、正常和鳞状细胞癌）	digital pathology	lung cancer	median filter, histogram equalization, thresholding, edge detection	CNN (VGGNet-16), SVM	image	LIDC-IDRI数据集
331	2025-04-25	Estimating oxygen uptake in simulated team sports using machine learning models and wearable sensor data: A pilot study 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0319760 PMID:40258017	研究论文	本研究探讨了使用机器学习模型和可穿戴传感器数据在团队运动中估计摄氧量的可行性	首次比较了多种机器学习模型（包括LSTM、CNN、MLP等深度学习模型）在团队运动摄氧量估计中的性能，并发现多传感器配置能提高预测精度	样本量较小（仅6名健康男性运动员），且为初步研究，需要更大规模验证	探索非侵入性实时监测团队运动生理负荷的方法	团队运动运动员的摄氧量	机器学习	NA	惯性测量单元(IMU)、心率监测器、呼吸频率传感器	多元线性回归(MLR)、XGBoost、LSTM、CNN、MLP	传感器数据（加速度、心率、呼吸等）	6名健康男性团队运动运动员
332	2025-04-25	Multimodal Ensemble Fusion Deep Learning Using Histopathological Images and Clinical Data for Glioma Subtype Classification 2025, IEEE access : practical innovations, open solutions IF:3.4Q2 DOI:10.1109/access.2025.3556713 PMID:40260100	研究论文	提出了一种多模态集成融合深度学习方法，结合组织病理学图像和临床数据对胶质瘤亚型进行分类	采用多模态数据融合和集成学习方法，显著提高了分类准确率	实验数据仅来自TCGA数据集，可能需要更多外部验证	提高胶质瘤亚型分类的准确性以支持临床诊断	弥漫性胶质瘤患者（GBM和LGG）	数字病理学	胶质瘤	深度学习、机器学习	集成深度学习模型	组织病理学图像、临床数据	480名患者（240 GBM和240 LGG）的平衡数据集，以及383名患者（141 GBM和242 LGG）的不平衡数据集
333	2025-04-25	A deep learning-based ensemble for autism spectrum disorder diagnosis using facial images 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0321697 PMID:40261913	研究论文	本文提出了一种基于深度学习的集成模型，利用面部图像进行自闭症谱系障碍（ASD）的诊断	结合VGG16和Xception网络的集成模型，通过预处理技术克服现有数据集的局限性，实现了97%的准确率	未提及模型在其他数据集上的泛化能力	提高自闭症谱系障碍（ASD）的早期诊断准确率	自闭症谱系障碍（ASD）患者的面部图像	计算机视觉	自闭症谱系障碍	深度学习、集成学习、数据增强	VGG16、Xception	图像	Kaggle ASD面部图像数据集
334	2025-04-25	Detection of micro-pinhole defects on surface of metallized ceramic ring combining improved DETR network with morphological operations 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0321849 PMID:40261923	研究论文	提出了一种结合改进DETR网络和形态学操作的方法，用于检测金属化陶瓷环表面的微孔缺陷	结合深度学习与形态学操作的双模块检测方法，改进DETR网络结构并引入无参数注意力机制SimAM	未提及方法在复杂工业环境中的泛化能力测试	开发高精度的金属化陶瓷环表面微孔缺陷自动检测方法	金属化陶瓷环表面微孔缺陷	计算机视觉	NA	改进DETR网络、形态学操作	DETR、EfficientNet-B2、ResNet-50	图像	未明确说明样本数量
335	2025-04-25	Diagnosis of Irritant Dermatitis in Colorectal Cancer Postoperative Stoma Patients Using Smartphone Photographs: A Deep Learning Approach 2025, Journal of multidisciplinary healthcare IF:2.7Q2 DOI:10.2147/JMDH.S515644 PMID:40264545	研究论文	本研究评估了两种先进的卷积神经网络（ConvNeXt和MobileViT）在利用智能手机拍摄的造口图像智能诊断刺激性皮炎中的有效性	首次将ConvNeXt和MobileViT应用于造口术后刺激性皮炎的智能诊断，并比较了两种模型的性能	ConvNeXt在识别其他并发症方面表现有限，且MobileViT的准确性未超过ConvNeXt	评估深度学习模型在造口术后刺激性皮炎早期诊断中的应用效果	结直肠癌术后造口患者	数字病理学	结直肠癌	深度学习	CNN（ConvNeXt和MobileViT）	图像	来自中国五家三甲医院的825张造口并发症图像
336	2025-04-25	T-cell receptor dynamics in digestive system cancers: a multi-layer machine learning approach for tumor diagnosis and staging 2025, Frontiers in immunology IF:5.7Q1 DOI:10.3389/fimmu.2025.1556165 PMID:40264789	研究论文	本研究通过多层机器学习方法分析消化系统癌症中T细胞受体（TCR）的动态变化，用于肿瘤诊断和分期	首次在消化系统癌症中系统比较了CRC和GC的TCR库差异，并开发了基于机器学习的诊断模型，能够高精度区分癌症类型、转移状态和疾病分期	样本量相对较小（143例患者），且仅针对CRC和GC两种消化系统癌症	探索TCR库在消化系统癌症中的变异特征，并开发基于机器学习的诊断工具	结直肠癌（CRC）和胃癌（GC）患者	机器学习	消化系统癌症	高通量TCR测序	ProteinBERT	基因序列数据	143例肿瘤患者（96例CRC，47例GC）
337	2025-04-25	Deep learning applications for human embryo assessment using time-lapse imaging: scoping review 2025, Frontiers in reproductive health IF:2.3Q3 DOI:10.3389/frph.2025.1549642 PMID:40264925	综述	本文探讨了深度学习在利用延时成像技术评估和选择人类胚胎中的应用	整合深度学习和延时成像技术，为临床体外受精(IVF)中的胚胎评估和选择提供了新的可能性	大多数研究未提供母亲年龄的详细信息(82%)	探索深度学习模型在通过延时成像系统监测的胚胎评估和选择中的应用范围	人类胚胎	数字病理学	生殖健康	延时成像	CNN	图像和视频	研究涉及的胚胎数量差异很大，平均为10,485个(SD=35,593)，范围从20到249,635个胚胎
338	2025-04-25	Synthetic O-(2-18F-fluoroethyl)-l-tyrosine-positron emission tomography generation and hotspot prediction via preoperative MRI fusion of gliomas lacking radiographic high-grade characteristics 2025 Jan-Dec, Neuro-oncology advances IF:3.7Q2 DOI:10.1093/noajnl/vdaf001 PMID:40264944	研究论文	本研究利用生成对抗网络（GAN）框架和深度学习模型，从术前MRI生成合成O-(2-18F-氟乙基)-L-酪氨酸（[18F]FET）-PET图像，并预测[18F]FET高摄取区域	首次展示了从术前MRI预测[18F]FET高摄取和生成合成PET图像的可行性，采用了生成对抗网络框架和自注意力机制	未来研究需要结合高级MRI模态和其他生成AI模型以进一步改进算法	解决缺乏典型高级影像特征的胶质瘤在PET成像中氨基酸可用性有限的问题，辅助治疗决策	胶质瘤患者	数字病理学	胶质瘤	PET成像、MRI	GAN、Random Forest	MRI图像、PET图像	215例研究用于热点分类，211例研究用于合成PET生成任务
339	2025-04-25	Use of AI-methods over MD simulations in the sampling of conformational ensembles in IDPs 2025, Frontiers in molecular biosciences IF:3.9Q2 DOI:10.3389/fmolb.2025.1542267 PMID:40264953	research paper	本文探讨了人工智能方法在采样内在无序蛋白质（IDPs）构象集合中的应用，相比传统的分子动力学（MD）模拟，AI方法在效率和扩展性上具有优势	利用深度学习（DL）方法高效且可扩展地采样IDPs的构象集合，克服了传统基于物理方法的限制，并展示了在生成多样性集合方面优于MD模拟	依赖数据质量、可解释性有限以及对较大蛋白质的扩展性不足	研究AI方法在IDPs构象集合采样中的应用，以克服传统MD模拟的计算成本高和难以采样稀有瞬态状态的限制	内在无序蛋白质（IDPs）的构象集合	machine learning	NA	deep learning (DL), Molecular Dynamics (MD) simulations	DL	simulated and experimental data	NA
340	2025-04-25	A retrospective study on predicting clinically significant prostate cancer via a bi-parametric ultrasound-based deep learning radiomics model 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1538854 PMID:40265019	研究论文	本研究旨在通过双参数超声深度学习放射组学模型结合临床因素预测临床显著性前列腺癌	首次提出将超声深度学习放射组学与临床指标结合的列线图模型用于预测临床显著性前列腺癌	研究为回顾性设计且样本量有限，可能影响模型的泛化能力	提高临床显著性前列腺癌的预测准确性	接受前列腺活检的患者	数字病理	前列腺癌	双参数超声（B超和剪切波弹性成像）	深度学习放射组学（DLR）模型	超声影像	232名参与者（训练集与测试集按7:3分配）