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
3501	2025-05-14	Novel Computational Pipeline Enables Reliable Diagnosis of Inverted Urothelial Papilloma and Distinguishes It From Urothelial Carcinoma 2025-Mar, JCO clinical cancer informatics IF:3.3Q2 DOI:10.1200/CCI.24.00059 PMID:40080780	研究论文	本文提出了一种新的计算流程，用于从尿路上皮癌中准确诊断倒置性尿路上皮乳头状瘤，并通过统计特征提高诊断准确性	通过自动提取全切片图像的统计特征，减少了人工标注的工作量，并构建了一个集成分类器用于外部验证队列的预测准确性测试	外部验证队列的样本量有限，可能影响模型的泛化能力	提高倒置性尿路上皮乳头状瘤（IUP）与尿路上皮癌（UC）亚型之间的诊断准确性	225例常见和罕见尿路上皮病变的全切片图像（包括64例IUP、69例倒置性尿路上皮癌和92例低级别尿路上皮癌）	数字病理学	尿路上皮癌	全切片图像分析	集成分类器	图像	225例尿路上皮病变的全切片图像
3502	2025-05-14	Towards artificial intelligence application in pain medicine 2025-Mar, Recenti progressi in medicina DOI:10.1701/4460.44555 PMID:40084580	综述	本文综述了人工智能在疼痛医学中的最新进展，包括自动疼痛评估方法及其在诊断和治疗中的应用	介绍了自动疼痛评估（APA）方法，利用AI技术分析生物信号、面部表情和语音模式，为疼痛诊断提供更客观的评估手段	需要解决验证、参数选择和技术实施的伦理问题	探讨人工智能在疼痛医学中的应用及其潜力	疼痛的诊断和管理，特别是慢性疼痛和新生儿及无法沟通患者的疼痛评估	人工智能在医学中的应用	疼痛相关疾病	机器学习算法和深度学习架构，如自然语言处理系统	机器学习、深度学习、NLP	生物信号、面部表情、语音模式	NA
3503	2025-05-14	stAI: a deep learning-based model for missing gene imputation and cell-type annotation of spatial transcriptomics 2025-Feb-27, Nucleic acids research IF:16.6Q1 DOI:10.1093/nar/gkaf158 PMID:40057378	研究论文	介绍了一种基于深度学习的模型stAI，用于空间转录组学数据中的缺失基因插补和细胞类型注释	stAI模型通过联合嵌入scST和参考scRNA-seq数据，利用两个独立的编码器-解码器模块，在潜在空间中以监督方式同时进行基因插补和细胞类型注释	NA	解决单细胞空间转录组学(scST)应用中全转录组水平表征和细胞类型全面注释的两大挑战	单细胞空间转录组学(scST)数据	数字病理学	NA	空间转录组学技术, scRNA-seq	深度学习模型(编码器-解码器模块)	空间转录组学数据, scRNA-seq数据	NA
3504	2025-05-14	Machine Learning Methods for Classifying Multiple Sclerosis and Alzheimer's Disease Using Genomic Data 2025-Feb-27, International journal of molecular sciences IF:4.9Q2 DOI:10.3390/ijms26052085 PMID:40076709	research paper	该研究利用机器学习方法分析英国生物银行的基因组数据，旨在预测多发性硬化症和阿尔茨海默病的基因组易感性	研究比较了逻辑回归、集成树方法和深度学习模型在预测复杂疾病基因组易感性方面的表现，并利用可解释性工具揭示了多发性硬化症的多基因性	深度学习模型表现存在较大变异性，可能影响预测的稳定性	预测多发性硬化症和阿尔茨海默病的基因组易感性	英国生物银行的基因组数据	machine learning	multiple sclerosis, Alzheimer's disease	genomic data analysis	logistic regression, ensemble tree methods, deep learning models	genomic data	NA
3505	2025-05-14	Multimodal depression detection based on an attention graph convolution and transformer 2025-Feb-27, Mathematical biosciences and engineering : MBE DOI:10.3934/mbe.2025024 PMID:40083285	研究论文	提出了一种基于EEG和语音信号的多模态抑郁症检测模型MHA-GCN_ViT，结合GCN和ViT技术提升检测准确率	首次将多模态EEG和语音信号结合，利用GCN和ViT技术进行特征提取和融合，显著提高了抑郁症检测的准确率	未提及模型在更大规模数据集上的泛化能力，以及在实际临床环境中的适用性	提高抑郁症检测的准确率，解决单模态检测的局限性	抑郁症患者	机器学习	抑郁症	离散小波变换(DWT), 短时傅里叶变换(STFT)	GCN, ViT	EEG信号, 语音信号	MODMA数据集上的五折交叉验证
3506	2025-05-14	AI-driven health analysis for emerging respiratory diseases: A case study of Yemen patients using COVID-19 data 2025-Feb-24, Mathematical biosciences and engineering : MBE DOI:10.3934/mbe.2025021 PMID:40083282	研究论文	本文探讨了在资源有限的也门，利用AI驱动的预测模型和分类器，通过COVID-19数据预测呼吸系统疾病趋势，以优化医疗资源分配	结合自回归模型、移动平均模型、ARMA模型及多种机器学习和深度学习算法，预测呼吸系统疾病趋势并识别COVID-19严重性指标	研究样本仅基于也门数据，模型在其他地区的适用性未验证，且深度学习模型的准确率相对较低	提升资源有限地区对COVID-19与其他呼吸系统疾病的区分能力，优化医疗资源分配	也门COVID-19患者数据	数字病理	COVID-19	AR, MA, ARMA, 机器学习, 深度学习	ARMA, Decision Tree, Random Forest, SVM, 深度学习模型	医疗数据	80%训练数据，20%测试数据（具体样本数未提及）
3507	2025-05-14	Uncertainty CNNs: A path to enhanced medical image classification performance 2025-Feb-20, Mathematical biosciences and engineering : MBE DOI:10.3934/mbe.2025020 PMID:40083281	研究论文	本文提出了一种低复杂度基于不确定性的CNN架构，用于医学图像分类，特别是肿瘤和心力衰竭检测	首次证明了测试集增强可以显著提高医学图像的分类性能，并引入了量化预测不确定性的方法	NA	提高医学图像分类的准确性和可靠性	肿瘤和心力衰竭的医学图像	数字病理	肿瘤和心血管疾病	深度学习	CNN	医学图像	三个数据集：脑部MRI、肺部CT扫描和心脏MRI
3508	2025-05-14	An analysis of performance bottlenecks in MRI preprocessing 2025-Jan-06, GigaScience IF:11.8Q1 DOI:10.1093/gigascience/giae098 PMID:40072903	研究论文	本文分析了MRI预处理中的性能瓶颈，并提出了优化建议	使用Intel VTune分析工具对多个常用MRI预处理流程的性能瓶颈进行了详细分析，并发现了一些潜在问题	研究仅针对特定工具包（ANTs、FMRIB、FreeSurfer）的MRI预处理流程，可能不适用于其他工具或流程	提高MRI预处理流程的性能，以便更高效地进行大规模队列研究和临床应用	MRI预处理流程	医学影像处理	NA	Intel VTune分析工具	NA	MRI影像数据	NA
3509	2025-05-14	Early pigment spot segmentation and classification from iris cellular image analysis with explainable deep learning and multiclass support vector machine 2025-01-01, Biochemistry and cell biology = Biochimie et biologie cellulaire DOI:10.1139/bcb-2023-0183 PMID:37906957	research paper	提出了一种结合可解释深度学习和多类支持向量机的方法，用于早期虹膜色素斑点的分割和分类	结合可解释深度学习和多类支持向量机进行虹膜色素斑点的早期分割和分类，优于现有方法	实验仅在三个基准数据集上进行，可能缺乏更广泛的验证	开发一种高效、准确的虹膜色素斑点分割和分类方法，以辅助早期视网膜疾病的诊断	虹膜细胞图像中的色素斑点	digital pathology	retinal disorders	deep learning, multiclass support vector machine	CNN, SVM	image	三个基准数据集（MILE、UPOL、Eyes SUB）
3510	2025-05-14	A systematic review of automated hyperpartisan news detection 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0316989 PMID:39982955	综述	本文系统回顾了自动化检测超党派新闻的不同方法，整理了2015年至2024年间81篇相关文章的方法和数据集	首次系统性地综述了超党派新闻检测领域的研究，为未来研究奠定了坚实基础	计算机科学领域对超党派尚无明确定义，且大多数数据集为英文，缺乏少数语言的数据集，大型语言模型(LLMs)在该领域的研究有限	自动化检测超党派新闻以应对其导致的社会两极分化和民主稳定性威胁	超党派新闻文章	自然语言处理	NA	机器学习、深度学习	传统机器学习模型、深度学习模型、LLMs	文本	81篇相关文章
3511	2025-05-14	Chinese medical named entity recognition utilizing entity association and gate context awareness 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0319056 PMID:39999103	研究论文	本文提出了一种结合实体关联和门控上下文感知的中文医学命名实体识别方法	使用RoBERTa-wwm-ext模型提取上下文特征，结合RNN和多头注意力机制捕捉实体间依赖关系，提高了识别准确率	未提及模型在更大规模数据集上的泛化能力	提高中文医学文本中命名实体识别的效率和准确性	中文医学文本中的命名实体	自然语言处理	NA	RoBERTa-wwm-ext, RNN, 多头注意力机制, 条件随机场	RoBERTa-wwm-ext, RNN	文本	MCSCSet和CMeEE数据集
3512	2025-05-14	Virtual Monochromatic Imaging of Half-Iodine-Load, Contrast-Enhanced Computed Tomography with Deep Learning Image Reconstruction in Patients with Renal Insufficiency: A Clinical Pilot Study 2025, Journal of Nippon Medical School = Nippon Ika Daigaku zasshi DOI:10.1272/jnms.JNMS.2025_92-112 PMID:40058838	research paper	本研究探讨了深度学习图像重建（DLIR）在半碘负荷对比增强CT（CECT）虚拟单色成像（VMI）中的图像质量（IQ）	首次将DLIR应用于半碘负荷CECT的VMI，以优化图像质量	样本量较小（28例患者），且为回顾性研究	评估DLIR在半碘负荷CECT VMI中的图像质量	28例中重度肾功能不全的肿瘤患者	医学影像	肾功能不全	双能CT（DECT）和深度学习图像重建（DLIR）	DLIR	CT图像	28例患者
3513	2025-05-14	Deep learning-based prediction of atrial fibrillation from polar transformed time-frequency electrocardiogram 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0317630 PMID:40063554	research paper	本研究提出了一种基于极坐标变换的短时傅里叶变换谱图可视化ECG信号的新方法，并评估了深度卷积神经网络在预测心房颤动方面的性能	使用极坐标变换的短时傅里叶变换谱图进行ECG信号可视化，并利用深度CNN进行心房颤动预测	NA	开发一种基于深度学习的ECG信号分析方法，用于预测心房颤动	ECG信号	machine learning	心血管疾病	短时傅里叶变换(STFT)	CNN	image	PhysioNet/CinC Challenge 2017数据集中的ECG数据，分为四类：正常窦性心律、心房颤动、其他心律和噪声
3514	2025-05-14	Color correction methods for underwater image enhancement: A systematic literature review 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0317306 PMID:40063649	系统文献综述	本文系统综述了水下图像增强中的色彩校正方法的最新进展	对67项相关研究进行了全面分析，提出了13种水下图像增强方法，并将其分为物理模型、非物理模型和基于深度学习的方法三类	存在算法局限性、数据依赖性、计算复杂性和不同水下环境性能差异等挑战	识别并批判性分析现有的水下图像色彩校正方法，强调其优势、局限性和未来研究方向	水下图像	计算机视觉	NA	NA	物理模型、非物理模型、深度学习	图像	67项研究（2010-2024年）
3515	2025-05-14	LLM-FMS: A fine-grained dataset for functional movement screen action quality assessment 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0313707 PMID:40067873	research paper	该研究开发了一个细粒度的功能运动筛查（FMS）数据集LLM-FMS，并提出了一种基于大语言模型（LLM）的动作质量评估框架，以提高FMS评估的可解释性	LLM-FMS是首个用于动作评估任务的细粒度健身动作数据集，并提出了结合专家规则和LLM的新型动作质量评估框架	当前自动化的FMS评估仅限于等级评分，缺乏细粒度的反馈建议且可解释性差	提高功能运动筛查（FMS）动作质量评估的准确性和可解释性	功能运动筛查（FMS）动作	computer vision	NA	RTMPose, LLM	LLM	video, image	1812个动作关键帧图像，来自45名受试者
3516	2025-05-14	Multi-omics and single-cell analysis reveals machine learning-based pyrimidine metabolism-related signature in the prognosis of patients with lung adenocarcinoma 2025, International journal of medical sciences IF:3.2Q1 DOI:10.7150/ijms.107694 PMID:40084259	研究论文	本研究通过多组学和单细胞分析，开发了基于机器学习的嘧啶代谢相关特征（PMRS），用于肺腺癌（LUAD）患者的预后评估	首次整合多种机器学习和深度学习算法构建PMRS模型，并通过实验验证了关键因子LYPD3在LUAD细胞系中的生物学功能	研究结果需要进一步在更大规模的临床样本中进行验证	评估嘧啶代谢在肺腺癌患者预后和治疗中的意义	肺腺癌（LUAD）患者	数字病理学	肺癌	多组学分析、单细胞分析	随机生存森林（random survival forest）	基因组数据、单细胞数据	NA
3517	2025-05-14	PreCM: The Padding-Based Rotation Equivariant Convolution Mode for Semantic Segmentation 2025, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1 DOI:10.1109/TIP.2025.3558425 PMID:40249694	研究论文	本文提出了一种基于填充的旋转等变卷积模式（PreCM），用于提升语义分割任务中网络对任意旋转角度的鲁棒性	构建了通用的卷积-群框架以充分利用方向信息，并设计了PreCM模式，该模式可替代多种卷积类型，同时提出了新的评估指标旋转差异（RD）	未明确说明模型在极端旋转角度或复杂背景下的性能表现	解决语义分割网络中因缺乏旋转等变性导致的特征提取效率低下问题	多尺度图像和卷积核	计算机视觉	NA	深度学习	CNN	图像	三个数据集（卫星水体图像、DRIVE、Floodnet）
3518	2025-05-14	Decalcify cardiac CT: unveiling clearer images with deep convolutional neural networks 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1475362 PMID:40351458	研究论文	本研究提出了一种名为HMDC的混合模型，用于通过有效的去钙化技术提高心脏CT图像的清晰度	提出了一种结合深度学习和传统图像处理方法的混合模型HMDC，用于心脏CT图像的去钙化，准确率高达97.22%	未提及具体的数据集大小或多样性限制	提高心脏CT图像的清晰度和诊断准确性	心脏CT图像中的钙化区域	医学影像	心血管疾病	深度学习与传统图像处理技术结合	CNN	图像	NA
3519	2025-05-14	Multi-classification Deep Learning Approach for Diagnosing Stroke Type and Severity Using Multimodal Magnetic Resonance Images 2025, Journal of medical signals and sensors DOI:10.4103/jmss.jmss_37_24 PMID:40351777	研究论文	本研究利用多模态磁共振图像和卷积神经网络（CNNs）来区分健康与中风样本，分类中风类型并预测严重程度，以辅助中风管理的决策	引入了两种基于迁移学习的模型（ACL-ResNet-50和ACL-MobileNetV1），通过增强层提升了性能，并在中风分类和严重程度预测中表现出色	样本量相对较小（143名患者），且仅基于磁共振图像，未考虑其他临床数据	开发一种深度学习方法，用于准确诊断中风类型和评估严重程度，以支持临床决策	中风患者（85名缺血性中风和58名出血性中风）	计算机视觉	心血管疾病	扩散加权磁共振成像（DWI）和表观扩散系数（ADC）	CNN（ACL-ResNet-50和ACL-MobileNetV1）	图像（多模态磁共振图像）	143名患者（85名缺血性中风和58名出血性中风）
3520	2025-05-14	Telemedicine in China: Effective indicators of telemedicine platforms for promoting health and well-being among healthcare consumers 2025 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076251341163 PMID:40351848	研究论文	本研究旨在识别影响中国远程医疗平台服务质量的关键因素，以促进患者健康和福祉，并为行业利益相关者提供基于证据的服务创新信息	提出了一种结合Servqual质量评估模型和由注意力机制增强的CNN-BiLSTM深度学习模型的新方法，用于建立服务质量评估框架	研究仅基于在线评论数据，可能未涵盖所有影响服务质量的因素	识别影响中国远程医疗平台服务质量的关键因素，促进患者健康和福祉	远程医疗平台的服务质量	自然语言处理	NA	深度学习	CNN-BiLSTM	文本	25,499条有效在线评论