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
3761	2025-04-03	COVINet: a deep learning-based and interpretable prediction model for the county-wise trajectories of COVID-19 in the United States 2025, Journal of applied statistics IF:1.2Q2 DOI:10.1080/02664763.2024.2412284 PMID:40160484	research paper	提出了一种基于深度学习的可解释预测模型COVINet，用于预测美国各县的COVID-19疫情轨迹	结合LSTM和GRU架构，整合可操作协变量，提供高精度预测和可解释响应	仅针对美国特定时间段和县区进行验证，未涉及其他地区或更长时间段	准确预测COVID-19疫情轨迹并制定遏制策略	美国各县的COVID-19确诊病例和死亡病例	machine learning	COVID-19	NA	LSTM, GRU	time-series data	美国CDC提供的最后四周数据（截至2021年4月26日）及热点州最严重县区数据（截至2023年3月23日）
3762	2025-04-03	Unravelling pathological ageing with brain age gap estimation in Alzheimer's disease, diabetes and schizophrenia 2025, Brain communications IF:4.1Q2 DOI:10.1093/braincomms/fcaf109 PMID:40161217	research paper	该研究通过脑年龄差距估计（BrainAGE）探讨阿尔茨海默病、糖尿病和精神分裂症中的病理性老化	利用敏感性图谱揭示不同病理条件下脑区域对BrainAGE预测的贡献差异，为理解神经退行性疾病的机制提供新视角	神经生物学限制尚未明确，生物标志物的特异性有待进一步验证	评估BrainAGE作为病理性脑老化生物标志物的潜力，并比较不同病理条件下的神经退行性机制	阿尔茨海默病（AD）、精神分裂症和2型糖尿病（T2D）患者	digital pathology	Alzheimer's disease, schizophrenia, Type 2 diabetes	structural magnetic resonance imaging (MRI)	deep learning models	MRI scans (T-weighted, grey matter, white matter, cerebrospinal fluid tissue segmentation, deformation fields)	NA
3763	2025-04-03	Automatic classification of Giardia infection from stool microscopic images using deep neural networks 2025, BioImpacts : BI IF:2.2Q3 DOI:10.34172/bi.30272 PMID:40161947	研究论文	本研究应用深度学习模型自动分类粪便显微镜图像中的贾第虫感染	与以往研究不同，本研究专注于粪便样本而非饮用水样本，并采用智能手机拍摄的显微镜图像	样本量相对较小（1610张图像），且仅针对贾第虫感染	开发一种自动分类贾第虫感染的方法，以辅助快速准确诊断贾第虫病	粪便显微镜图像中的贾第虫寄生虫	数字病理学	贾第虫病	深度学习	Xception, ResNet-50, EfficientNet-B0	图像	1610张粪便显微镜图像
3764	2025-04-03	Exploring the potential of machine learning and magnetic resonance imaging in early stroke diagnosis: a bibliometric analysis (2004-2023) 2025, Frontiers in neurology IF:2.7Q3 DOI:10.3389/fneur.2025.1505533 PMID:40162012	文献计量分析	通过文献计量分析方法探讨2004至2023年间机器学习和磁共振成像在早期中风诊断中的研究热点	首次系统分析了机器学习和磁共振成像在中风早期诊断领域的研究趋势和热点	仅基于Web of Science数据库的文献，可能未涵盖所有相关研究	探索机器学习和磁共振成像在早期中风诊断中的应用	2004-2023年间发表的395篇相关研究论文	医学影像分析	中风	机器学习	深度学习	磁共振成像数据	395篇文献
3765	2025-04-03	Artificial intelligence in psychiatry: A systematic review and meta-analysis of diagnostic and therapeutic efficacy 2025 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076251330528 PMID:40162166	meta-analysis	本文通过系统综述和荟萃分析评估了人工智能在精神病学诊断和治疗中的准确性和疗效	首次全面评估了AI在精神病学中的诊断准确性和治疗效果，并比较了不同AI技术的表现	研究间存在中等程度的异质性，算法偏见和数据质量问题尚未完全解决	评估人工智能在精神病护理中的诊断准确性和治疗效果	精神病学中的各种精神障碍和AI技术	machine learning	psychiatric disorders	machine learning (ML), deep learning (DL), hybrid models	ML, DL, hybrid models	NA	14项研究
3766	2025-04-03	Fundus image classification using feature concatenation for early diagnosis of retinal disease 2025 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076251328120 PMID:40162178	研究论文	使用特征串联的深度学习模型对眼底图像进行分类，以实现视网膜疾病的早期诊断	提出了一种基于两个独立CNN块的混合CNN模型，并采用典型相关分析融合方法融合特征，以提高分类性能	未提及模型在临床环境中的实际应用效果及泛化能力	开发一种非侵入性方法，用于早期检测眼部疾病	眼底图像，包括视盘凹陷、糖尿病视网膜病变、介质混浊和健康图像	计算机视觉	视网膜疾病	深度学习	CNN	图像	RFMiD数据集中的多种眼底图像类别
3767	2025-04-03	scCCTR: An iterative selection-based semi-supervised clustering model for single-cell RNA-seq data 2025, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2025.03.018 PMID:40165824	研究论文	提出了一种名为scCCTR的新型半监督聚类算法，用于单细胞RNA测序数据分析	scCCTR通过迭代选择高置信度细胞和标签来指导深度学习模型，结合Transformer神经网络的多头注意力机制提高聚类精度	未明确提及具体局限性	提高单细胞RNA测序数据聚类的准确性和有效性	单细胞RNA测序数据	生物信息学	NA	单细胞RNA测序(scRNA-seq)	Transformer	基因表达数据	未明确提及具体样本量
3768	2025-04-03	Integration of histopathological images and immunological analysis to predict M2 macrophage infiltration and prognosis in patients with serous ovarian cancer 2025, Frontiers in immunology IF:5.7Q1 DOI:10.3389/fimmu.2025.1505509 PMID:40165975	研究论文	该研究通过整合组织病理学图像和免疫学分析，预测浆液性卵巢癌患者中M2巨噬细胞浸润及其对预后的影响	首次使用深度多实例学习（MIL）识别组织病理学图像特征，预测M2巨噬细胞浸润，并验证其作为独立预后因素的重要性	样本量相对较小，且外部验证集来自单一数据库，可能影响模型的泛化能力	提高浆液性卵巢癌患者的预后准确性，识别新的治疗靶点，推进个性化治疗策略	浆液性卵巢癌患者	数字病理学	卵巢癌	深度多实例学习（MIL），ResNet18网络	MIL, ResNet18	组织病理学图像，免疫学数据	86例来自TCGA的患者（训练集与验证集比例8:2），106例来自组织微阵列的外部验证集患者
3769	2025-04-03	Deep learning analysis of exercise stress electrocardiography for identification of significant coronary artery disease 2025, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2025.1496109 PMID:40166362	研究论文	本研究开发了一种基于深度学习的多模态AI算法，用于通过运动负荷心电图（ExECG）数据高效准确地识别患有显著冠状动脉疾病（CAD）的患者	创新点在于结合了卷积循环神经网络算法，整合了心电图信号和ExECG报告中的特征，以提高ExECG在识别CAD方面的性能	特异性中等（0.60），可能存在假阳性，需要进一步研究	提升运动负荷心电图（ExECG）在识别显著冠状动脉疾病（CAD）方面的诊断能力	818名接受ExECG和冠状动脉造影（CAG）的患者，以及197名ExECG正常且CAD风险低的个体	数字病理学	心血管疾病	深度学习	卷积循环神经网络（CRNN）	心电图信号和ExECG报告特征	818名患者（其中369名有显著CAD）和197名低风险个体
3770	2025-04-03	Emerging technologies in the field of medicine presented at the Consumer Electronics Show 2025 2025, Journal of Yeungnam medical science IF:1.0Q3 DOI:10.12701/jyms.2025.42.31 PMID:40170412	review	本文回顾了2025年国际消费电子展上展示的医疗领域新兴技术，特别是人工智能和传感器技术的创新应用	展示了AI个性化健康管理设备、接触与非接触式传感器技术、以及AI与传感器结合的电子听诊器等创新技术	这些产品的准确性尚不足以用于临床，限制了其在社区环境中的应用，且在运动时保持非接触传感器的准确性仍具挑战	探讨消费电子展上展示的医疗技术创新及其在医疗保健系统中的潜在应用	医疗保健技术，特别是人工智能和传感器技术	医疗技术	NA	AI、传感器技术、深度学习算法、激光监测技术	深度学习	生理信号、语音、睡眠数据	NA
3771	2025-04-03	Analysis of Deep Learning Techniques for Vehicle Detection and Reidentification Using Data from Multiple Drones and Public Datasets 2025, Anais da Academia Brasileira de Ciencias IF:1.1Q3 DOI:10.1590/0001-3765202520240623 PMID:40172334	研究论文	本文提出了一种结合多种CNN技术的车辆检测与重识别解决方案，用于无人机监控的动态环境	整合了VGG16、VGG19、ResNet50、InceptionV3和EfficientNetV2L等多种CNN技术，并采用YOLOv4进行检测和DeepSORT算法进行跟踪，以适应不同无人机拍摄的多样化图像	在第一个实验中，最佳网络ResNet50的平均准确率仅为55%，表明在某些情况下性能仍有提升空间	开发适用于无人机监控动态环境中车辆检测与重识别的计算方法	高速公路等动态环境中的车辆	计算机视觉	NA	CNN, YOLOv4, DeepSORT	VGG16, VGG19, ResNet50, InceptionV3, EfficientNetV2L	图像	两个数据集：一个来自Mendeley的公共数据集，另一个由无人机群收集的图像和数据
3772	2025-04-03	[Identification of kidney stone types by deep learning integrated with radiomics features] 2024-Dec-25, Sheng wu yi xue gong cheng xue za zhi = Journal of biomedical engineering = Shengwu yixue gongchengxue zazhi DOI:10.7507/1001-5515.202310043 PMID:40000211	研究论文	本文提出了一种结合放射组学和深度学习的框架，用于术前高精度自动分类肾结石类型	结合放射组学特征和深度学习模型（3D CNN和LightGBM）进行肾结石类型分类，实现了84.5%的准确率	未提及样本量是否足够大或模型在其他数据集上的泛化能力	实现肾结石类型的自动化术前高精度分类	感染性和非感染性肾结石	数字病理学	肾结石	放射组学分析	3D CNN + LightGBM	医学影像数据	NA
3773	2025-04-03	[Cardiac magnetic resonance image segmentation based on lightweight network and knowledge distillation strategy] 2024-Dec-25, Sheng wu yi xue gong cheng xue za zhi = Journal of biomedical engineering = Shengwu yixue gongchengxue zazhi DOI:10.7507/1001-5515.202312015 PMID:40000210	research paper	提出了一种轻量化的扩张并行卷积U-Net（DPU-Net）和多尺度适应向量知识蒸馏（MAVKD）训练策略，用于心脏磁共振图像分割	采用独特的卷积通道变化方式减少参数数量，并结合残差块和扩张卷积缓解梯度爆炸和空间信息丢失问题	NA	解决深度学习网络在心脏MRI图像分割中参数过多和浮点运算量大的问题	心脏磁共振图像	digital pathology	cardiovascular disease	MRI	DPU-Net, MAVKD	image	ACDC公共数据集
3774	2025-04-03	[Coronary artery segmentation based on Transformer and convolutional neural networks dual parallel branch encoder neural network] 2024-Dec-25, Sheng wu yi xue gong cheng xue za zhi = Journal of biomedical engineering = Shengwu yixue gongchengxue zazhi DOI:10.7507/1001-5515.202403058 PMID:40000209	研究论文	提出了一种基于Transformer和CNN双并行分支编码器的新型神经网络DUNETR，用于冠状动脉CTA图像的分割	采用Transformer和CNN双编码器设计，结合噪声抑制特征融合模块，有效提取全局和局部特征，显著提升分割效果	仅在公开数据集上验证，未说明在临床实际应用中的表现	提升冠状动脉CTA图像分割的准确率	冠状动脉CTA图像	计算机视觉	心血管疾病	深度学习	DUNETR（Transformer+CNN双编码器U-Net）	3D医学图像	公开数据集（未说明具体样本量）
3775	2025-04-03	[Research progress on endoscopic image diagnosis of gastric tumors based on deep learning] 2024-Dec-25, Sheng wu yi xue gong cheng xue za zhi = Journal of biomedical engineering = Shengwu yixue gongchengxue zazhi DOI:10.7507/1001-5515.202404004 PMID:40000222	综述	本文综述了基于深度学习的胃肿瘤内镜图像诊断研究进展	总结了深度学习在胃肿瘤内镜图像分类、目标检测和分割中的应用，以及相关CAD系统和多模态算法	指出了当前深度学习方法存在的问题，但未具体说明	促进深度学习方法在胃肿瘤内镜诊断中的临床应用	胃肿瘤内镜图像	数字病理	胃癌	深度学习	NA	图像	NA
3776	2025-04-03	Understanding the role of machine learning in predicting progression of osteoarthritis 2024-Nov-01, The bone & joint journal DOI:10.1302/0301-620X.106B11.BJJ-2024-0453.R1 PMID:39481441	系统综述	本文通过系统综述探讨了机器学习在预测骨关节炎进展中的作用	揭示了机器学习模型在预测骨关节炎进展中的可行性及当前临床应用的局限性	评估指标缺乏标准化，外部验证有限，临床适用性受限	探讨机器学习在预测骨关节炎进展中的应用及其潜力	骨关节炎（OA）患者	机器学习	骨关节炎	机器学习算法	深度学习，自动化机器学习	临床、放射学和生化数据	39项研究（初始筛选1,160项）
3777	2025-04-03	Assessing substrate scope of the cyclodehydratase LynD by mRNA display-enabled machine learning models 2024-Oct-14, bioRxiv : the preprint server for biology DOI:10.1101/2024.10.14.618330 PMID:39464139	研究论文	该研究通过mRNA展示技术和深度学习模型评估了RiPP环脱水酶LynD的底物范围	利用mRNA展示技术进行高通量底物分析，并构建深度学习模型预测LynD的底物处理	研究仅针对LynD酶，未涉及其他RiPP酶	评估和预测RiPP环脱水酶LynD的底物范围	RiPP环脱水酶LynD及其底物	机器学习	NA	mRNA展示技术	深度学习模型	肽序列数据	大规模肽库
3778	2025-04-03	Substrate recognition principles for the PP2A-B55 protein phosphatase 2024-Oct-04, Science advances IF:11.7Q1 DOI:10.1126/sciadv.adp5491 PMID:39356758	研究论文	本文通过整合AlphaFold建模和高分辨率突变扫描，揭示了PP2A-B55磷酸酶识别底物的机制，并设计了一种特异性肽抑制剂	发现了PP2A-B55通过保守机制识别底物α螺旋的关键氨基酸决定因素，并设计了特异性肽抑制剂	研究中使用的肽抑制剂可能需要在更多生物系统中验证其效果	阐明PP2A-B55磷酸酶识别底物的分子机制及其在细胞信号传导中的作用	PP2A-B55磷酸酶及其底物α螺旋结构	分子生物学	NA	AlphaFold建模、高分辨率突变扫描、深度学习蛋白设计	深度学习	蛋白质结构数据	NA
3779	2025-04-03	Deep Learning for Grading Endometrial Cancer 2024-Sep, The American journal of pathology DOI:10.1016/j.ajpath.2024.05.003 PMID:38879079	研究论文	该研究介绍了EndoNet，一种结合卷积神经网络和视觉变换器的深度学习模型，用于子宫内膜癌的分级	结合CNN提取组织学特征和视觉变换器聚合特征进行分级，无需手动标注	需要进一步验证	开发自动分级子宫内膜癌的深度学习模型	子宫内膜癌组织切片	数字病理学	子宫内膜癌	深度学习	CNN + 视觉变换器	图像	929张全切片图像（内部数据集）和100例患者（外部数据集）
3780	2025-04-03	Automated detection of Bornean white-bearded gibbon (Hylobates albibarbis) vocalizations using an open-source framework for deep learning 2024-09-01, The Journal of the Acoustical Society of America IF:2.1Q1 DOI:10.1121/10.0028268 PMID:39248557	research paper	本文介绍了一个开源深度学习框架，用于自动检测婆罗洲白须长臂猿的鸣叫，以解决大规模声学数据分析的瓶颈问题	采用开源深度学习框架自动检测特定物种的鸣叫，显著减少分析时间，且检测结果与人工标注无显著差异	未来需要将该模型应用于长期声学数据集以了解鸣叫活动的时空变化	开发一个自动检测濒危物种鸣叫的深度学习框架，以促进声学监测	婆罗洲白须长臂猿（Hylobates albibarbis）的鸣叫	bioacoustics	NA	deep learning	neural network	audio recordings	90小时的手动标注音频记录