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
4201	2025-06-29	UNet with Attention Networks: A Novel Deep Learning Approach for DNA Methylation Prediction in HeLa Cells 2025-May-28, Genes IF:2.8Q2 DOI:10.3390/genes16060655 PMID:40565547	研究论文	本研究提出了一种结合UNet和注意力网络的新型深度学习方法，用于预测HeLa细胞中的DNA甲基化模式	首次将UNet与注意力网络结合用于宫颈癌细胞系DNA甲基化预测，并显著提高了预测准确率	研究仅基于ENCODE数据库和HeLa细胞系，未在其他细胞系或临床样本中验证	探究深度学习在宫颈癌DNA甲基化模式预测中的应用效果	宫颈癌细胞系HeLa中的DNA甲基化模式	机器学习	宫颈癌	DNA甲基化测序	UNet+Multi-Head Attention Networks	DNA序列数据	ENCODE数据库中的HeLa细胞数据及5个基因启动子区域
4202	2025-06-29	Dual-Branch Network with Hybrid Attention for Multimodal Ophthalmic Diagnosis 2025-May-25, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12060565 PMID:40564382	研究论文	提出一种基于双分支学习和混合注意力机制的深度学习模型，用于解决眼科图像诊断中特征利用不足和传统单模态深度学习模型在数据不平衡时泛化能力有限的问题	创新性地设计了频域变换驱动的混合注意力模块，包括频域注意力、空间注意力和通道注意力，以及多尺度分组注意力融合机制，有效解决了模态特征异质性导致的融合效率低下问题	未明确提及具体局限性	提高眼科疾病智能诊断的准确性和效率	眼科多模态图像数据	计算机视觉	眼科疾病	深度学习	双分支网络（Dual-Branch Network）	2D图像和3D体积数据	未明确提及样本数量
4203	2025-06-29	Are Artificial Intelligence Models Listening Like Cardiologists? Bridging the Gap Between Artificial Intelligence and Clinical Reasoning in Heart-Sound Classification Using Explainable Artificial Intelligence 2025-May-22, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12060558 PMID:40564375	研究论文	本研究探讨了人工智能模型在心音分类中与临床推理的一致性，并利用可解释人工智能（XAI）技术提升模型的分类准确性和可解释性	首次在手动分割的数据集上应用XAI技术评估模型行为，并通过结合注意力机制提升模型性能和可解释性	研究依赖于手动分割的数据集，可能限制了模型的泛化能力	评估人工智能模型在心音分类中是否聚焦于临床相关特征，并探索注意力机制对性能的提升	心音信号及其分类	机器学习	心血管疾病	可解释人工智能（XAI）	ResNet50, 多头注意力机制	心音信号生成的声谱图图像	NA
4204	2025-06-29	Influence of Robotic Versus Manual Technology for Achieving Sagittal Targets in Total Knee Arthroplasty Using a Cruciate-Retaining and Medial-Stabilized Implant 2025-May-19, The Journal of arthroplasty IF:3.4Q1 DOI:10.1016/j.arth.2025.05.052 PMID:40398583	研究论文	比较机器人辅助全膝关节置换术（raTKA）与手动全膝关节置换术（mTKA）在实现外科医生术前矢状面目标方面的差异	开发了一种基于U-Net架构的深度学习模型，用于计算膝关节侧位X光片上的后髁偏移（PCO）和胫骨斜率（TS）	未来研究需要确定这些差异是否具有临床相关性	比较raTKA和mTKA在实现矢状面目标方面的差异	280名接受mTKA（132人）或raTKA（148人）的患者	数字病理学	骨关节疾病	深度学习	U-Net	X光片	280名患者（132 mTKA，148 raTKA）
4205	2025-06-29	Data-driven machine learning algorithm model for pneumonia prediction and determinant factor stratification among children aged 6-23 months in Ethiopia 2025-May-02, BMC infectious diseases IF:3.4Q2 DOI:10.1186/s12879-025-10916-4 PMID:40316929	research paper	本研究开发了一种基于机器学习的预测模型，用于预测埃塞俄比亚6-23个月儿童的肺炎及其决定因素分层	使用随机森林算法预测肺炎并分层其决定因素，准确率达到91.3%	研究数据仅来自2016年埃塞俄比亚人口与健康调查，可能无法完全代表当前情况	开发数据驱动的预测模型以预测儿童肺炎并分层其决定因素	埃塞俄比亚6-23个月的儿童	machine learning	pneumonia	machine learning algorithms, principal component analysis	random forest	demographic and health survey data	2035名儿童样本
4206	2025-06-29	The information bottleneck as a principle underlying multi-area cortical representations during decision-making 2025-Feb-15, bioRxiv : the preprint server for biology DOI:10.1101/2023.07.12.548742 PMID:37502862	研究论文	该研究探讨了大脑在决策过程中如何通过多区域计算形成最优表征，并通过人工神经网络模拟了这一过程	揭示了大脑多区域计算中信息传递的选择性机制，并通过RNN模型模拟了DLPFC和PMd区域的最优表征形成过程	研究仅针对猴子的DLPFC和PMd区域，人类大脑是否采用相同机制尚需验证	理解大脑在决策过程中如何通过多区域计算形成最优表征	猴子的背外侧前额叶皮层(DLPFC)和背侧运动前区皮层(PMd)	神经科学	NA	单神经元和多单位记录，循环神经网络(RNN)	RNN	神经电生理数据	猴子实验数据（具体数量未说明）
4207	2025-06-29	Identification of Intracranial Germ Cell Tumors Based on Facial Photos: Exploratory Study on the Use of Deep Learning for Software Development 2025-Jan-30, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/58760 PMID:39883924	研究论文	本研究探讨了深度学习模型GVisageNet在儿童和青少年颅内生殖细胞肿瘤早期检测中的应用	开发了GVisageNet深度学习模型，结合临床数据，用于从面部照片中识别颅内生殖细胞肿瘤，展示了深度学习与临床数据结合在个性化医疗中的潜力	模型在区分iGCTs与其他中线脑肿瘤时的AUC为0.739，性能有待提高	研究面部识别技术在儿童和青少年颅内生殖细胞肿瘤早期检测中的应用	儿童和青少年颅内生殖细胞肿瘤患者	数字病理学	颅内生殖细胞肿瘤	深度学习	GVisageNet	图像	训练集847例（iGCTs=358，NCs=300，其他中线脑肿瘤=189），测试集212例（iGCTs=79，NCs=70，其他中线脑肿瘤=63），独立验证集336例（iGCTs=130，NCs=100，其他中线脑肿瘤=106）
4208	2025-06-29	OTMorph: Unsupervised Multi-Domain Abdominal Medical Image Registration Using Neural Optimal Transport 2025-Jan, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3437295 PMID:39093684	研究论文	提出了一种基于神经最优传输的无监督多域腹部医学图像配准框架OTMorph	利用神经最优传输技术解决多域腹部医学图像配准中的领域差异问题	未明确提及具体局限性	解决多域腹部医学图像配准中的领域差异问题	多模态和多参数腹部医学图像	医学图像分析	肝癌、淋巴瘤	神经最优传输	OTMorph	医学图像	未明确提及具体样本量
4209	2025-06-29	Improved swin transformer-based thorax disease classification with optimal feature selection using chest X-ray 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0327099 PMID:40561187	research paper	提出了一种基于改进Swin Transformer和最优特征选择的胸部疾病分类模型，用于胸部X光片的疾病诊断	结合增强自编码器(EnAE)、混沌鲸鱼优化算法(ChWO)和改进Swin Transformer(IMSTrans)进行特征提取和分类，提高了胸部疾病分类的准确性	未提及模型在临床环境中的实际应用效果和泛化能力	开发一种准确高效的胸部疾病自动分类方法	胸部X光片中的疾病（肺炎、结核病、肺癌等）	digital pathology	lung cancer	深度学习	Improved Swin Transformer (IMSTrans), Enhanced Auto-Encoder (EnAE)	image	广泛的胸部X光数据集和肺部疾病数据集（未提供具体样本数量）
4210	2025-06-29	Semi-Supervised Contrastive VAE for Disentanglement of Digital Pathology Images 2024-Nov, Medical image computing and computer-assisted intervention : MICCAI ... International Conference on Medical Image Computing and Computer-Assisted Intervention DOI:10.1007/978-3-031-72083-3_43 PMID:40556771	研究论文	提出了一种用于数字病理图像解缠的半监督对比VAE方法，以提高深度学习模型的可解释性	首次提出针对病理图像的解缠方法，包括级联解缠、新颖架构和重建分支等创新点	NA	提高肿瘤浸润淋巴细胞(TIL)检测深度学习模型的可解释性和泛化能力	数字病理图像	数字病理学	肿瘤	深度学习	VAE (变分自编码器)	图像	NA
4211	2025-06-28	3D Auto-segmentation of pancreas cancer and surrounding anatomical structures for surgical planning 2025-Jun-27, International journal of surgery (London, England) DOI:10.1097/JS9.0000000000002835 PMID:40576127	研究论文	本研究开发了一种基于深度学习的自动分割模型，用于胰腺癌及周围解剖结构的三维可视化，以优化手术规划	采用分层Swin Transformer V2模型实现胰腺、胰腺癌及周围结构的自动分割，并在多中心数据集中验证模型性能	模型对胰腺癌的分割准确度较低（DSC 54.5-57.0），尤其在肿瘤体积较小时表现欠佳	开发用于手术规划的胰腺癌三维自动分割工具	胰腺癌患者及周围解剖结构（胰腺实质、肠系膜上动脉/静脉等）	数字病理	胰腺癌	CT扫描	Swin Transformer V2	医学影像	275例患者（176例训练集，59例内部验证集，40例外部验证集）
4212	2025-06-28	Early prediction of adverse outcomes in liver cirrhosis using a CT-based multimodal deep learning model 2025-Jun-27, Abdominal radiology (New York) DOI:10.1007/s00261-025-05045-0 PMID:40576670	研究论文	开发了一种基于CT的多模态深度学习模型TMF-LCNet，用于早期预测肝硬化患者的不良结局	首次整合了非对比腹部CT图像、肝脏和脾脏的放射组学特征以及临床文本数据，构建了多模态融合模型TMF-LCNet	研究为回顾性设计，样本量相对较小（243例患者）	提高肝硬化患者早期风险评估的准确性，改善临床管理策略	早期肝硬化患者	数字病理学	肝硬化	深度学习，放射组学分析	TMF-LCNet（多模态融合网络）	CT图像，放射组学特征，临床文本数据	243例早期肝硬化患者（184例训练集，59例外部测试集）
4213	2025-06-28	Practical applications of AI in body imaging 2025-Jun-27, Abdominal radiology (New York) DOI:10.1007/s00261-025-05088-3 PMID:40576669	综述	本文综述了截至2024年底美国市场上FDA批准的AI算法在腹部和盆腔器官及相关疾病评估中的实际应用	总结了当前FDA批准的AI算法在放射学中的商业应用，并评估了其潜在优势	仅涵盖美国市场上FDA批准的算法，可能未包括全球范围内的最新进展	探讨AI在放射学影像中的实际应用及其潜在优势	FDA批准的AI算法及其在腹部和盆腔器官疾病评估中的应用	数字病理学	腹部和盆腔器官相关疾病	深度学习	NA	影像	NA
4214	2025-06-28	Deep learning for classification of aggressive versus non-aggressive central giant cell granuloma using whole-slide histopathology images 2025-Jun-27, Virchows Archiv : an international journal of pathology IF:3.4Q1 DOI:10.1007/s00428-025-04160-z PMID:40576733	研究论文	使用深度学习算法分析中央巨细胞肉芽肿（CGCG）的侵袭性与非侵袭性病例的显微图像，以评估其在预测CGCG生物学行为中的潜力	首次尝试基于全显微切片使用深度学习模型区分侵袭性和非侵袭性CGCG	由于缺乏特定分割和技术染色问题，模型性能不佳	评估深度学习在预测CGCG生物学行为中的潜力	侵袭性和非侵袭性CGCG病例	数字病理学	中央巨细胞肉芽肿	H&E染色	ResNet-50	图像	87例（48例侵袭性，39例非侵袭性），共9982个切片，训练使用4272个切片（2629侵袭性，1643非侵袭性），测试使用100张图像（50侵袭性，50非侵袭性）
4215	2025-06-28	Deep learning predicts onset acceleration of 38 age-associated diseases from blood and body composition biomarkers in the UK Biobank 2025-Jun-27, GeroScience IF:5.3Q1 DOI:10.1007/s11357-025-01702-w PMID:40576910	研究论文	本研究开发并评估了一种神经网络Cox模型，用于预测与年龄相关疾病的发病加速风险，利用英国生物银行的数据进行验证	首次利用疾病诊断的相对发病加速关联来表征疾病模式，并开发了神经网络生存模型OnsetNet	研究依赖于英国生物银行的数据，可能不适用于其他人群	理解多病共存的老龄化现象，识别疾病加速发展的高风险群体	60,396名个体及其218,530个结果事件	机器学习	老年疾病	神经网络Cox模型	OnsetNet	人口统计、人体测量、成像和血液生物标志物数据	60,396名个体，218,530个结果事件
4216	2025-06-28	Catheter detection and segmentation in X-ray images via multi-task learning 2025-Jun-27, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-025-03461-7 PMID:40576920	研究论文	本文提出了一种基于多任务学习的卷积神经网络模型，用于X射线图像中导管的检测和分割	提出了一种新颖的多级动态资源优先方法，动态调整训练过程中的样本和任务权重，以有效优先处理更具挑战性的任务	未明确提及具体局限性	增强微创心脏手术中的图像引导	X射线荧光图像中的导管和电极	计算机视觉	心血管疾病	深度学习	CNN (ResNet架构)	X射线图像	公共和私人数据集
4217	2025-06-28	Cluster-based human-in-the-loop strategy for improving machine learning-based circulating tumor cell detection in liquid biopsy 2025-Jun-13, Patterns (New York, N.Y.) DOI:10.1016/j.patter.2025.101285 PMID:40575126	研究论文	提出一种基于聚类的人机交互策略，用于改进基于机器学习的液体活检中循环肿瘤细胞检测	结合自监督深度学习和传统机器学习分类器，提出了一种针对潜在空间中高不确定性簇的有针对性采样策略的人机交互方法	方法在有限标记数据情况下仍依赖人类专家干预	改进液体活检中循环肿瘤细胞的检测效率和准确性	转移性癌症患者的血液样本中的循环肿瘤细胞(CTCs)和非CTCs	数字病理学	乳腺癌	自监督深度学习、传统机器学习分类	深度学习与传统ML分类器结合	图像	转移性乳腺癌患者的数据
4218	2025-06-28	Discovering the nuclear localization signal universe through a deep learning model with interpretable attention units 2025-Jun-13, Patterns (New York, N.Y.) DOI:10.1016/j.patter.2025.101262 PMID:40575124	研究论文	介绍了一种名为NLSExplorer的可解释性方法，用于预测核定位信号（NLS），并通过深度学习模型在基准数据集上实现了超过10%的F1分数提升	利用蛋白质语言模型提取的核特异性位点信息辅助NLS检测，并揭示了416个物种中核运输片段的特征	未提及具体的数据集大小或模型泛化能力的限制	探索核定位信号（NLS）的多样性并开发高效检测特征域和基序的工具	核定位蛋白及其核定位信号（NLS）	机器学习	NA	深度学习	具有可解释性注意力单元的深度学习模型	蛋白质序列数据	Swiss-Prot数据库中的核定位蛋白
4219	2025-06-28	Development and validation of a combined clinical and MRI-based biomarker model to differentiate mild cognitive impairment from mild Alzheimer's disease 2025-Jun, PCN reports : psychiatry and clinical neurosciences DOI:10.1002/pcn5.70134 PMID:40575445	研究论文	开发和验证一种结合临床和MRI的生物标志物模型，用于区分轻度认知障碍和轻度阿尔茨海默病	结合临床和放射学预测因子，开发了一个具有高诊断性能的模型，用于区分轻度阿尔茨海默病和轻度认知障碍	研究为横断面设计，未进行外部验证	区分轻度阿尔茨海默病和轻度认知障碍，以预防阿尔茨海默病的发展	161名参与者，包括30名对照、71名轻度阿尔茨海默病患者和60名轻度认知障碍患者	数字病理学	阿尔茨海默病	MRI	二元逻辑回归	临床数据和MRI图像	161名参与者（30名对照，71名轻度AD，60名MCI）
4220	2025-06-28	UK-YOLOv10: Deep Learning-Based Detection of Surgical Instruments 2025-Jun, The international journal of medical robotics + computer assisted surgery : MRCAS DOI:10.1002/rcs.70083 PMID:40576152	研究论文	提出了一种基于深度学习的手术器械检测新框架UK-YOLOv10，用于机器人辅助手术	集成了uni-fusion注意力模块(UFAM)增强多尺度特征表示，以及采用KAN卷积的C2fKAN模块以提高分类精度和加速训练	未提及具体临床应用的局限性	提高机器人辅助手术中手术器械检测的准确性和实时性能	手术器械	计算机视觉	NA	深度学习	YOLOv10	图像	M2CAI16-Tool-Locations数据集和COCO2017数据集