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
381	2025-05-03	GastroHUN an Endoscopy Dataset of Complete Systematic Screening Protocol for the Stomach 2025-Jan-17, Scientific data IF:5.8Q1 DOI:10.1038/s41597-025-04401-5 PMID:39824869	research paper	介绍了一个名为GastroHUN的公开内窥镜数据集，用于胃部系统性筛查	提供了基于系统性协议的胃部筛查数据集，包含丰富的标注和视频序列，有助于AI模型开发	现有数据集标注不一致且可访问性有限，可能导致模型偏差和泛化能力降低	提升胃肠道疾病的检测和诊断效果，特别是早期癌前病变的识别	胃部的22个解剖学标志物及不合格图像	digital pathology	gastrointestinal disease	endoscopy	deep learning	image, video	8,834张图像来自387名患者和4,729个标注视频序列
382	2025-05-03	Automatic detection and prediction of COVID-19 in cough audio signals using coronavirus herd immunity optimizer algorithm 2025-Jan-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-85140-w PMID:39824893	研究论文	该研究提出了一种基于深度学习的框架，用于通过咳嗽音频信号自动检测和预测COVID-19	使用增强深度神经网络（EDNN）和冠状病毒群体免疫优化器（CHIO）算法，显著降低了预测误差	研究依赖于特定数据集（COUGHVID），可能在其他数据集上的泛化能力有限	开发高效的COVID-19诊断工具	COVID-19患者的咳嗽音频信号	数字病理学	COVID-19	深度学习，模糊灰度差分直方图均衡化，Zernike矩（ZM），灰度共生矩阵（GLCM）	EDNN-CHIO，U-Net	音频信号	COUGHVID数据集中的样本
383	2025-05-03	Interpretable and integrative deep learning for discovering brain-behaviour associations 2025-Jan-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-85032-5 PMID:39824899	研究论文	提出了一种可解释和集成的深度学习框架，用于发现大脑与行为之间的关联	结合数字化身和稳定性选择来评估多视图数据之间的关系，有效识别稳定且相关的关联	依赖于特定队列（Healthy Brain Network）的数据，可能无法推广到其他人群	研究大脑与行为之间的关联，以更好地理解和预测精神疾病	健康大脑网络队列中的临床行为评分和脑成像特征	机器学习	精神疾病	多视图无监督学习框架	深度学习模型	成像数据和临床报告	健康大脑网络队列的数据
384	2025-05-03	Clinical feasibility of deep learning-driven magnetic resonance angiography collateral map in acute anterior circulation ischemic stroke 2025-Jan-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-85731-7 PMID:39825032	研究论文	验证深度学习驱动的磁共振血管造影（DL-driven MRA）侧支循环图在急性缺血性卒中中的临床可行性	提出了一种名为3D-MROD-Net的3D多任务回归和序数回归深度神经网络，用于生成DL-driven MRA侧支循环图，并在临床应用中显示出更高的效率和图像质量	研究仅针对296名急性缺血性卒中患者，样本量可能不足以代表所有相关病例	验证DL-driven MRA侧支循环图在急性缺血性卒中中的临床应用价值	急性前循环缺血性卒中患者	数字病理学	急性缺血性卒中	磁共振血管造影（MRA）	3D-MROD-Net（3D多任务回归和序数回归深度神经网络）	图像	296名急性缺血性卒中患者
385	2025-05-03	Preparing physiotherapists for the future: the development and evaluation of an innovative curriculum 2025-Jan-17, BMC medical education IF:2.7Q1 DOI:10.1186/s12909-024-06537-1 PMID:39825299	研究论文	本研究评估了荷兰HAN应用科学大学物理治疗系设计的创新课程PACE的实施情况	PACE课程采用基于预设学习成果、个性化学习目标、灵活学习路径和程序化评估的综合学习方法，区别于传统教育	需要改进自主学习支持和促进深度学习的教学策略	评估创新课程PACE的实施效果，为未来课程开发提供信息	2021-2022年度的本科物理治疗学生和参与该课程的教师	教育创新	NA	混合方法设计，包括问卷、焦点小组、深度访谈和全国进度测试	NA	问卷数据、访谈数据和测试成绩	82名一年级学生和36名教师
386	2025-05-03	Machine learning models for predicting postoperative peritoneal metastasis after hepatocellular carcinoma rupture: a multicenter cohort study in China 2025-Jan-17, The oncologist DOI:10.1093/oncolo/oyae341 PMID:39832130	研究论文	本研究利用机器学习模型预测肝细胞癌破裂后腹膜转移的风险	首次比较了五种机器学习模型在预测肝细胞癌破裂后腹膜转移中的表现，并发现深度学习模型表现最佳	研究仅基于中国多中心数据，可能无法推广到其他人群	开发预测肝细胞癌破裂后腹膜转移的最佳机器学习模型	522名接受手术的肝细胞癌破裂患者	机器学习	肝细胞癌	机器学习模型比较	逻辑回归、支持向量机、分类树、随机森林、深度学习	临床数据	522名患者（来自7个医疗中心）
387	2025-05-03	Optimized digital workflow for pathologist-grade evaluation in bleomycin-induced pulmonary fibrosis mouse model 2025-Jan-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-86544-4 PMID:39833349	research paper	开发了一种优化的数字工作流程，用于在博来霉素诱导的肺纤维化小鼠模型中实现病理学家级别的评估	开发了深度学习模型用于肺纤维化分级，其准确性可与病理学家相媲美，并结合了复杂的图像模式和定性因素	NA	优化博来霉素诱导的肺纤维化小鼠模型的评估工作流程，以提高药物开发的效率和可重复性	博来霉素诱导的肺纤维化小鼠模型	digital pathology	idiopathic pulmonary fibrosis	deep learning	CNN	image	NA
388	2025-05-03	TopoQual polishes circular consensus sequencing data and accurately predicts quality scores 2025-Jan-16, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-024-06020-0 PMID:39815230	research paper	介绍了一种名为TopoQual的新工具，旨在提高PacBio HiFi测序数据的碱基质量预测准确性	TopoQual利用部分顺序比对（POA）、拓扑平行碱基和深度学习算法来优化共识序列，显著提高了碱基质量预测的准确性	目前的研究主要集中在PacBio HiFi测序数据上，对于其他测序技术的适用性尚未验证	提高PacBio HiFi测序数据在体细胞变异检测中的碱基质量预测准确性	PacBio HiFi测序数据	genomics	NA	circular consensus sequencing (CCS), high fidelity (HiFi) technology, partial order alignments (POA), deep learning	deep learning algorithms	sequencing data	NA
389	2025-05-03	Development and Validation of a Machine Learning Method Using Vocal Biomarkers for Identifying Frailty in Community-Dwelling Older Adults: Cross-Sectional Study 2025-Jan-16, JMIR medical informatics IF:3.1Q2 DOI:10.2196/57298 PMID:39819744	研究论文	开发并验证了一种使用声音生物标志物识别社区居住老年人衰弱状态的机器学习方法	利用深度学习提取的声音生物标志物预测衰弱状态，相比传统方法具有更高的准确性和AUC值	样本量较小（127名参与者），且未与传统衰弱评估方法进行直接比较	开发一种非侵入性、可扩展的衰弱检测方法	社区居住的50岁及以上老年人	机器学习	老年疾病	深度学习	SpeechAI, DemoAI, DemoSpeechAI	语音数据、人口统计数据	127名50岁及以上的社区居住老年人
390	2025-05-03	Mitochondrial segmentation and function prediction in live-cell images with deep learning 2025-Jan-16, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-55825-x PMID:39820041	研究论文	介绍了一种名为MoDL的深度学习算法，用于线粒体图像分割和功能预测	MoDL算法通过集成学习策略和大规模数据集训练，能够从未见过的细胞类型中精确预测异质性线粒体的功能	需要手动标注大量线粒体图像，且在小样本训练中可能面临挑战	探索线粒体形态与功能之间的复杂关系，并预测线粒体功能	线粒体的形态和功能	计算机视觉	NA	超分辨率成像(SR)	深度学习算法(MoDL)	图像	20,000个手动标注的线粒体图像用于训练，超过100,000个SR图像用于功能预测
391	2025-05-03	PHARAOH: A collaborative crowdsourcing platform for phenotyping and regional analysis of histology 2025-Jan-16, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-55780-z PMID:39820318	research paper	介绍了一个名为PHARAOH的在线协作平台，旨在简化组织图像注释流程，促进定制计算机视觉模型的开发与共享	采用弱监督、人机交互学习框架，通过组织大块组织为形态学均匀的簇进行批量注释，提高了注释效率	平台的成功依赖于专家注释的质量和数量，可能存在注释偏差	促进计算病理学应用的扩展、泛化和分类	组织图像	digital pathology	NA	weakly supervised learning, human-in-the-loop learning	custom computer vision models	image	NA
392	2025-05-03	A Radiograph Dataset for the Classification, Localization, and Segmentation of Primary Bone Tumors 2025-Jan-16, Scientific data IF:5.8Q1 DOI:10.1038/s41597-024-04311-y PMID:39820508	研究论文	本文介绍了一个用于原发性骨肿瘤分类、定位和分割的X射线数据集BTXRD	建立了首个公开的原发性骨肿瘤X射线数据集BTXRD，包含临床信息和肿瘤实例的标注	数据集规模相对较小，可能限制深度学习模型的泛化能力	促进原发性骨肿瘤的计算机辅助诊断研究	原发性骨肿瘤的X射线影像	数字病理	骨肿瘤	X射线扫描	深度学习算法	图像	3,746张骨图像（1,879张正常，1,867张肿瘤）
393	2025-05-03	Predicting Paediatric Brain Disorders from MRI Images Using Advanced Deep Learning Techniques 2025-Jan-16, Neuroinformatics IF:2.7Q3 DOI:10.1007/s12021-024-09707-0 PMID:39821839	研究论文	本文提出了一种基于先进深度学习技术的系统，用于从MRI图像中预测儿童脑部疾病	使用了多种先进的CNN模型（如EfficientNetB0、InceptionResNetV2等）并结合数据可视化技术进行特征提取，显著提高了疾病预测的准确率	研究仅基于MRI图像，未考虑其他临床数据或多种模态数据的融合	开发高效准确的AI系统以辅助儿童脑部疾病的诊断和管理	儿童脑部疾病的MRI图像	数字病理学	儿童脑部疾病	MRI成像	CNN（包括EfficientNetB0、InceptionResNetV2等多种变体）	图像	未明确提及具体样本数量
394	2025-05-03	Causality-driven candidate identification for reliable DNA methylation biomarker discovery 2025-Jan-15, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-56054-y PMID:39814752	研究论文	提出了一种基于因果驱动的深度正则化框架，用于可靠地识别DNA甲基化生物标志物候选	结合因果思维、深度学习和生物先验知识，通过对比方案和空间关系正则化处理非因果混杂因素	未明确提及具体局限性	提高DNA甲基化生物标志物发现的可靠性，减少资源浪费	DNA甲基化生物标志物候选	生物信息学	多种人类疾病	DNA甲基化测序	深度学习	DNA甲基化数据	涉及多种人类疾病、样本来源和测序技术的模拟和应用
395	2025-05-03	Abnormality detection in nailfold capillary images using deep learning with EfficientNet and cascade transfer learning 2025-Jan-15, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-85277-8 PMID:39814806	研究论文	本研究利用基于EfficientNet和级联迁移学习的深度学习方法，开发了一种自动检测甲襞毛细血管图像异常的临床筛查工具	提出了一个基于EfficientNet-B0和级联迁移学习的鲁棒框架，显著提高了分类器在区分正常和异常甲襞毛细血管图像方面的性能	数据集中正常图像仅占6%，可能导致模型在正常样本上的泛化能力不足	开发一种自动化的临床筛查工具，用于检测甲襞毛细血管图像中的异常	甲襞毛细血管图像	数字病理学	心血管疾病, 糖尿病, 风湿病	深度学习	EfficientNet-B0, CNN	图像	225名参与者的甲襞毛细血管图像
396	2025-05-03	Exploring the subtle and novel renal pathological changes in diabetic nephropathy using clustering analysis with deep learning 2025-Jan-15, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-84588-6 PMID:39814818	研究论文	使用深度学习的聚类分析方法探索糖尿病肾病中细微且新颖的肾脏病理变化	采用不变信息聚类(IIC)和可视化技术(Grad-CAM和GAN)识别糖尿病肾病早期病理变化	样本来源仅限于金泽医科大学的45名患者，可能影响结果的普遍性	通过早期诊断减少慢性肾脏病(CKD)的数量	糖尿病和非糖尿病患者的肾小球图像	数字病理学	糖尿病肾病	IIC, Grad-CAM, GAN	IIC, Cycle-GAN	图像	45名患者的13,251张肾小球图像（糖尿病病例7,799张，非糖尿病病例5,542张）
397	2025-05-03	Fast and accurate deep learning scans for signatures of natural selection in genomes using FASTER-NN 2025-Jan-15, Communications biology IF:5.2Q1 DOI:10.1038/s42003-025-07480-7 PMID:39814854	research paper	介绍了一种名为FASTER-NN的深度学习模型，用于在基因组中快速准确地检测自然选择的特征	FASTER-NN通过扩张卷积处理等位基因频率和基因组位置，提高了检测自然选择的敏感性，且执行时间不受样本大小和染色体长度的影响	未提及具体的局限性	开发一种能够精确检测自然选择特征的深度学习分类器	基因组中的自然选择特征	machine learning	NA	CNN	FASTER-NN	genomic data	NA
398	2025-05-03	Efficient evidence selection for systematic reviews in traditional Chinese medicine 2025-Jan-15, BMC medical research methodology IF:3.9Q1 DOI:10.1186/s12874-024-02430-z PMID:39815209	研究论文	介绍了一种新颖的精确优先综合信息提取和选择程序，以提高中医实践中证据选择的效率和准确性	结合了深度学习模型（Evi-BERT与基于规则的方法）、布尔逻辑算法和扩展检索策略，自动且准确地选择潜在证据，减少人工干预	方法的全部潜力需要进一步验证	提高中医系统评价和临床指南中证据选择的效率和准确性	中医相关的系统评价	自然语言处理	NA	Evi-BERT与基于规则的方法、布尔逻辑算法	BERT	文本	十篇高质量、随机选择的中医相关系统评价
399	2025-05-03	Signatures of H3K4me3 modification predict cancer immunotherapy response and identify a new immune checkpoint-SLAMF9 2025-Jan-15, Respiratory research IF:4.7Q1 DOI:10.1186/s12931-024-03093-6 PMID:39815269	研究论文	本研究通过分析H3K4me3修饰模式，构建了一个预测癌症免疫治疗反应的风险评分系统，并发现SLAMF9在免疫抑制和免疫治疗抵抗中的作用	首次构建了基于H3K4me3修饰模式的风险评分系统（H3K4me3-RS），并发现SLAMF9作为新的免疫检查点基因	研究主要基于生物信息学分析，实验验证部分仅限于小鼠黑色素瘤模型	探索H3K4me3修饰与抗肿瘤免疫之间的调控关系，并开发预测免疫治疗反应的生物标志物系统	肺癌腺癌（LUAD）患者和多种癌症类型的样本	癌症免疫学	肺癌	RNA-seq, 深度学习分析	PCA, 深度学习模型	基因表达数据	12,159个癌症样本（来自26种癌症类型）和725个癌症样本（来自5个免疫治疗队列）
400	2025-05-03	Optimizing pain management in breast cancer care: Utilizing 'All of Us' data and deep learning to identify patients at elevated risk for chronic pain 2025-Jan, Journal of nursing scholarship : an official publication of Sigma Theta Tau International Honor Society of Nursing IF:2.4Q1 DOI:10.1111/jnu.13009 PMID:39056443	研究论文	本研究利用深度学习方法和'All of Us'数据开发了一个预测模型，用于识别乳腺癌患者中慢性疼痛高风险人群	创新点在于结合时间序列和静态数据，使用基于Transformer的时间序列分类器进行预测	NA	开发预测模型以识别乳腺癌患者中慢性疼痛高风险人群	乳腺癌患者	机器学习	乳腺癌	深度学习	Transformer-based time-series classifier	人口统计、诊断和社会调查数据	1131名患者