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
3581	2025-05-02	Deep learning-based tennis match type clustering 2025-Apr-28, BMC sports science, medicine & rehabilitation DOI:10.1186/s13102-025-01147-w PMID:40296175	研究论文	本研究旨在基于比赛方式定义和聚类网球比赛类型	首次使用深度学习模型对网球比赛类型进行聚类分析，并识别出四种不同的比赛类型	样本量较小，仅包含2023年国际网球公开赛五场决赛的32场比赛	聚类网球比赛类型并为每种类型制定比赛策略	2023年国际网球公开赛五场决赛的32场比赛	机器学习	NA	深度学习	三种未指定具体名称的聚类模型	比赛记录数据	32场比赛
3582	2025-05-02	Publisher Correction: The intelligent fault identification method based on multi-source information fusion and deep learning 2025-Apr-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-99035-3 PMID:40295585	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
3583	2025-05-02	18F-FDG PET/CT-based deep learning models and a clinical-metabolic nomogram for predicting high-grade patterns in lung adenocarcinoma 2025-Apr-28, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-01684-3 PMID:40295979	research paper	开发并验证基于18F-FDG PET/CT图像的深度学习和传统临床代谢模型，用于无创预测侵袭性肺腺癌的高级别模式	结合深度学习和临床代谢参数构建预测模型，并通过列线图可视化	样本量较小且为回顾性研究，可能影响模型的泛化能力	预测侵袭性肺腺癌的高级别模式	303名侵袭性肺腺癌患者	digital pathology	lung cancer	18F-FDG PET/CT	DL (deep learning), logistic regression	image (PET/CT)	303名患者，按7:1:2比例分为训练集、验证集和测试集
3584	2025-05-02	Artificial intelligence entering the pathology arena in oncology: current applications and future perspectives 2025-Apr-28, Annals of oncology : official journal of the European Society for Medical Oncology IF:56.7Q1 DOI:10.1016/j.annonc.2025.03.006 PMID:40307127	综述	本文综述了人工智能在病理学和肿瘤学领域的当前应用及未来前景	系统性地总结了AI在肿瘤诊断、分子生物标志物检测和癌症预后评估中的应用，并探讨了未来发展方向	目前尚无基于AI的预后或预测性生物标志物获得IA或IB级证据支持，数据可用性、可解释性和监管问题仍是主要障碍	探讨人工智能在肿瘤病理学中的应用现状和未来发展方向	肿瘤病理学中的AI应用	数字病理学	肿瘤	AI算法（包括基础模型、通用模型和基于transformer的深度学习）	深度学习模型	多组学数据	NA
3585	2025-05-02	Prediction of significant congenital heart disease in infants and children using continuous wavelet transform and deep convolutional neural network with 12-lead electrocardiogram 2025-Apr-24, BMC pediatrics IF:2.0Q2 DOI:10.1186/s12887-025-05628-2 PMID:40275174	研究论文	本研究开发了一种基于连续小波变换和深度卷积神经网络的AI模型，用于预测五岁以下儿童中的显著先天性心脏病	使用真实世界的心电图数据训练AI模型，特别针对五岁以下儿童，显著提高了对血流动力学显著先天性心脏病的检测能力	研究数据来自单一中心，且未涵盖所有先天性心脏病亚型	开发一种AI辅助的心电图分析方法，用于早期检测儿童先天性心脏病	五岁以下儿童的心电图数据	数字病理学	心血管疾病	连续小波变换	ResNet-18, InceptionResNet-V2, NasNetMobile	心电图信号	1,035名五岁以下患者
3586	2025-05-02	DTC-m6Am: A Framework for Recognizing N6,2'-O-dimethyladenosine Sites in Unbalanced Classification Patterns Based on DenseNet and Attention Mechanisms 2025-Apr-24, Frontiers in bioscience (Landmark edition) DOI:10.31083/FBL36603 PMID:40302345	研究论文	提出了一种基于DenseNet和注意力机制的深度学习模型DTC-m6Am，用于识别RNA中的N6,2'-O-二甲基腺苷（m6Am）位点	结合DenseNet和TCN模块提取局部和全局特征，并引入CBAM注意力机制优化特征提取，使用焦点损失函数解决数据不平衡问题	未明确说明模型在更广泛RNA序列上的泛化能力	开发高效的计算工具预测m6Am位点，以研究其在转录和转录后水平的功能机制	RNA中的m6Am修饰位点	生物信息学	NA	One-Hot编码，深度学习	DenseNet, TCN, CBAM	RNA序列数据	未明确说明样本数量
3587	2025-05-02	Comparison of machine learning models with conventional statistical methods for prediction of percutaneous coronary intervention outcomes: a systematic review and meta-analysis 2025-Apr-23, BMC cardiovascular disorders IF:2.0Q3 DOI:10.1186/s12872-025-04746-0 PMID:40269704	meta-analysis	比较机器学习模型与传统统计方法在预测经皮冠状动脉介入治疗（PCI）结果中的性能	首次系统比较机器学习模型与逻辑回归模型在预测PCI后多种结果中的表现，并进行荟萃分析	大多数研究存在高偏倚风险，机器学习模型解释复杂可能影响临床应用的适应性	评估机器学习模型相比传统统计方法在预测PCI后结果中的优势	经皮冠状动脉介入治疗（PCI）后的死亡率、主要不良心脏事件（MACE）、院内出血和急性肾损伤（AKI）	machine learning	cardiovascular disease	NA	ML vs. logistic regression	clinical data	59项研究
3588	2025-05-02	Diabetes: Non-Invasive Blood Glucose Monitoring Using Federated Learning with Biosensor Signals 2025-Apr-16, Biosensors DOI:10.3390/bios15040255 PMID:40277568	研究论文	该研究提出了一种基于联邦学习的非侵入性血糖监测方法，利用PPG信号和深度学习技术	采用联邦学习技术，允许多个医疗机构协作训练全局模型而不共享原始患者数据，同时结合CWT、ACBS和PSO优化信号处理和特征选择	研究数据主要来自手术和麻醉期间收集的PPG信号，可能无法完全代表日常生活中的血糖变化	开发一种准确、非侵入性且保护隐私的血糖监测方法	糖尿病患者	机器学习	糖尿病	PPG、CWT、ACBS、PSO	DNN、FL	PPG信号	来自VitalDB和MUST数据集的数据
3589	2025-05-02	Labor-Efficient Pathological Auxiliary Diagnostic Model for Primary and Metastatic Tumor Tissue Detection in Pancreatic Ductal Adenocarcinoma 2025-Apr-06, Modern pathology : an official journal of the United States and Canadian Academy of Pathology, Inc IF:7.1Q1 DOI:10.1016/j.modpat.2025.100764 PMID:40199428	research paper	提出了一种名为PANseg的多尺度弱监督深度学习框架，用于胰腺导管腺癌（PDAC）的原发性和转移性肿瘤组织检测	PANseg仅使用图像级标签（2048×2048像素）进行训练，在多个测试集上实现了与全监督基线（FSB）相当的性能，并显著减少了标注负担	模型在活检切片上的性能相对较低（AUROC: 0.821），可能存在对某些样本类型的泛化能力不足	提高胰腺导管腺癌（PDAC）的组织病理学评估的准确性和效率	胰腺导管腺癌（PDAC）的原发性和转移性肿瘤组织	digital pathology	pancreatic ductal adenocarcinoma	deep learning	PANseg (multiscale weakly supervised deep learning framework)	whole-slide images (WSIs)	368张全切片图像（WSIs），来自208名患者，涵盖2个独立中心
3590	2025-05-02	Application of MRI-based tumor heterogeneity analysis for identification and pathologic staging of breast phyllodes tumors 2025-Apr, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2025.110325 PMID:39788394	research paper	探讨基于MRI的影像组学和深度学习模型在乳腺叶状肿瘤识别和分类中的应用价值	结合传统影像组学特征、亚区域影像组学特征和深度学习特征，构建融合模型以提高诊断效能	样本量较小（77例患者），且为回顾性研究，可能存在选择偏倚	提高乳腺叶状肿瘤的识别和病理分期准确性	乳腺叶状肿瘤和纤维腺瘤患者	digital pathology	breast cancer	MRI, radiomics, deep learning	fusion model, traditional radiomics model, subregion radiomics model, TDT_CIDL model	MRI images	77例经病理检查确诊的乳腺叶状肿瘤和纤维腺瘤患者
3591	2025-05-02	Unlocking the diagnostic potential of electrocardiograms through information transfer from cardiac magnetic resonance imaging 2025-Apr, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103451 PMID:39793216	研究论文	本研究提出了一种深度学习方法，通过从心脏磁共振成像(CMR)向心电图(ECG)传递信息，实现仅基于ECG的成本效益高且全面的心脏筛查	结合多模态对比学习和掩码数据建模，将CMR的领域特定信息传递到ECG表示中，提高了CVD风险预测和心脏表型预测的性能	研究依赖于UK Biobank的数据，可能在其他人群中的泛化性有待验证	开发一种仅基于ECG的成本效益高且全面的心脏筛查方法	心血管疾病(CVD)的诊断和心脏表型预测	机器学习	心血管疾病	多模态对比学习，掩码数据建模	深度学习	ECG和CMR图像	40,044名UK Biobank受试者
3592	2025-05-02	Graph neural networks in histopathology: Emerging trends and future directions 2025-Apr, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103444 PMID:39793218	综述	本文全面回顾了图神经网络（GNNs）在组织病理学中的应用，探讨了其发展趋势和未来方向	提出GNNs作为CNN的替代方案，能够更好地捕捉全切片图像（WSIs）中的空间依赖性和拓扑结构	NA	探讨GNNs在组织病理学中的应用及其未来发展方向	全切片图像（WSIs）	数字病理学	NA	图神经网络（GNNs）	GNN	图像	NA
3593	2025-05-02	DFCL: Dual-pathway fusion contrastive learning for blind single-image visible watermark removal 2025-Apr, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2024.107077 PMID:39793490	research paper	提出了一种双路径融合对比学习方法，用于盲单图像可见水印去除	通过双路径训练图像和梯度图，增强高频特征获取和水印空间定位的准确性，同时利用对比学习确保结果更接近原始无水印图像	未提及具体的数据集规模限制或计算资源需求	解决盲单图像可见水印去除中的水印检测准确性和去除后视觉质量问题	带有可见水印的数字图像	computer vision	NA	对比学习	dual-pathway fusion model	image	在三个具有挑战性的基准数据集上进行了广泛实验
3594	2025-05-02	Hybrid optimization enabled DenseNet for autism spectrum disorders using MRI image 2025-Apr, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2024.108335 PMID:39793514	research paper	本文提出了一种结合JSTO优化算法的DenseNet模型，用于通过MRI图像检测自闭症谱系障碍（ASD）	新提出的JSTO算法结合了Jaya算法和STBO优化方法，用于优化DenseNet模型，提高了ASD检测的准确率	研究仅基于Abide 1数据集进行验证，未在其他数据集上测试模型的泛化能力	开发一种高效的自闭症谱系障碍早期检测方法	自闭症患者的MRI脑部图像	digital pathology	autism spectrum disorder	MRI	DenseNet	image	基于Abide 1数据集
3595	2025-05-02	Importance of neural network complexity for the automatic segmentation of individual thigh muscles in MRI images from patients with neuromuscular diseases 2025-Apr, Magma (New York, N.Y.) DOI:10.1007/s10334-024-01221-3 PMID:39798067	research paper	研究比较了不同复杂度的U-Net架构在MRI图像中自动分割大腿肌肉并量化脂肪分数的性能	探索了神经网络复杂度降低对脂肪分数量化的影响，发现简化模型仍能准确量化脂肪分数	研究仅针对大腿肌肉的特定区域，且样本量相对有限	评估神经网络复杂度对MRI图像中大腿肌肉分割和脂肪分数量化的影响	59名患者和14名健康受试者的1450张大腿MRI图像	digital pathology	neuromuscular diseases	MRI	U-Net, nnU-Net	image	1450张大腿MRI图像（来自59名患者和14名健康受试者）
3596	2025-05-02	ICH-PRNet: a cross-modal intracerebral haemorrhage prognostic prediction method using joint-attention interaction mechanism 2025-Apr, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2024.107096 PMID:39798349	研究论文	本文提出了一种名为ICH-PRNet的跨模态脑出血预后预测方法，通过联合注意力交互机制整合CT图像和临床文本数据	提出了一种联合注意力交互编码器，有效整合CT图像和临床文本，并设计了多损失函数和自适应动态优先级算法来优化跨模态融合能力	未明确提及具体局限性	提高脑出血预后预测的准确性	脑出血患者的CT图像和临床文本数据	数字病理学	脑出血	深度学习	ICH-PRNet（基于联合注意力机制的跨模态网络）	图像和文本	未明确提及具体样本数量
3597	2025-05-02	Cooking loss estimation of semispinalis capitis muscle of pork butt using a deep neural network on hyperspectral data 2025-Apr, Meat science IF:5.7Q1 DOI:10.1016/j.meatsci.2025.109754 PMID:39799874	研究论文	本研究评估了一种基于深度学习的模型，利用死后24小时采集的高光谱图像预测猪颈肉半棘肌的烹饪损失	首次将深度学习模型应用于高光谱图像数据，预测猪颈肉半棘肌的烹饪损失，并通过像素级数据增强克服小样本问题	样本量相对较小（70个猪颈肉），且分类准确率随等级数量增加而下降	开发一种非破坏性方法来预测猪颈肉的质量特性	猪颈肉的半棘肌（SC肌肉）	计算机视觉	NA	高光谱成像	深度学习模型（具体未说明），对比PCR和PLSR模型	高光谱图像	70个猪颈肉样本，采用像素级数据增强
3598	2025-05-02	Deep Learning for Classification of Inflammatory Bowel Disease Activity in Whole Slide Images of Colonic Histopathology 2025-Apr, The American journal of pathology DOI:10.1016/j.ajpath.2024.12.010 PMID:39800054	研究论文	开发了一种深度学习模型，用于在炎症性肠病（IBD）患者的全切片图像（WSIs）中分类疾病活动度	使用基于transformer的深度学习模型分类IBD活动度，并通过HoVer-Net分析中性粒细胞分布，提高了诊断的一致性和效率	研究仅基于单一医疗中心的数据，可能限制了模型的泛化能力	提高炎症性肠病（IBD）活动度分类的准确性和一致性	炎症性肠病（IBD）患者的全切片图像（WSIs）	数字病理学	炎症性肠病	深度学习	transformer-based model, HoVer-Net	图像	2077张全切片图像，来自636名患者
3599	2025-05-02	A novel deep learning-based pipeline architecture for pulp stone detection on panoramic radiographs 2025-Apr, Oral radiology IF:1.6Q3 DOI:10.1007/s11282-025-00804-7 PMID:39806222	研究论文	介绍了一种基于深度学习的两阶段管道架构，用于在全景X光片上检测牙髓结石	首次提出了一种管道架构来解决全景X光片上的牙髓结石检测任务，并在小样本标注数据上取得了优异性能	标注训练数据有限	开发一种自动检测牙髓结石的方法	全景X光片中的牙髓结石	计算机视觉	牙科疾病	深度学习	YOLOv8, ResNeXt	图像	375张全景X光片
3600	2025-05-02	A Fine-grained Hemispheric Asymmetry Network for accurate and interpretable EEG-based emotion classification 2025-Apr, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.107127 PMID:39809039	research paper	提出了一种名为FG-HANet的端到端深度学习模型，利用2Hz窄频带内的半球不对称特征对原始EEG数据进行准确且可解释的情绪分类	FG-HANet不仅从原始输入中提取特征，还从其镜像版本中提取特征，并应用2Hz精细粒度的FIR滤波器获取细粒度频谱信息，同时采用三阶段训练流程以增强性能	NA	提高基于EEG的情绪分类的准确性和可解释性	原始EEG数据	machine learning	NA	EEG, FIR滤波器	FG-HANet	EEG信号	两个公共数据集SEED和SEED-IV