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
4281	2025-03-27	High-dimensional imaging using combinatorial channel multiplexing and deep learning 2025-Mar-25, Nature biotechnology IF:33.1Q1 DOI:10.1038/s41587-025-02585-0 PMID:40133518	research paper	介绍了一种名为CombPlex的组合染色平台和算法框架，通过深度学习技术显著增加可测量的蛋白质数量	提出组合多路复用技术(CombPlex)，通过组合染色和深度学习算法，将22种蛋白质的染色压缩至5个成像通道，实现准确重建	未提及具体的技术实施难度或在实际应用中的潜在问题	开发一种能够量化多种蛋白质在单细胞分辨率下的表达并保留空间信息的成像技术	多种组织和癌症类型中的蛋白质表达	digital pathology	cancer	组合染色平台(CombPlex)和深度学习算法	深度学习	图像	涉及多种组织和癌症类型，但未提及具体样本数量
4282	2025-03-27	Development of a deep learning-based model to evaluate changes during radiotherapy using cervical cancer digital pathology 2025-Mar-24, Journal of radiation research IF:1.9Q3 DOI:10.1093/jrr/rraf004 PMID:40051384	研究论文	开发了一种基于深度学习的模型，用于评估宫颈癌放疗期间的变化，并在全幻灯片图像上可视化结果	结合DenseNet121特征提取器和支持向量机分类器，创建了放疗状态概率（RSP）并可视化，探索了其在预测预后中的潜在应用	生存分析未能显示治疗期间RSP的预后影响	开发深度学习模型以评估宫颈癌放疗期间的变化并探索其临床意义	95名接受放疗的宫颈癌患者的活检组织	数字病理学	宫颈癌	深度学习	DenseNet121 + SVM	图像	95名患者的12400个训练图块和6000个测试图块
4283	2025-03-27	A statistical method for high-throughput emergence rate calculation for soybean breeding plots based on field phenotypic characteristics 2025-Mar-24, Plant methods IF:4.7Q1 DOI:10.1186/s13007-025-01356-x PMID:40122826	research paper	本研究提出了一种基于无人机和地面测量数据的高通量大豆出苗率统计方法，旨在提高密集种植环境下育种筛选的效率和准确性	结合背景分割、深度学习目标检测和生长归一化思想，提出了一种新的高通量大豆出苗率统计方法，解决了现有方法在密集环境下的低通量、低效率和精度不足问题	方法在极端密集或高度重叠的种植环境下可能仍存在计数误差	开发一种高效、精确的大豆出苗率统计方法，以加速育种筛选过程	密集种植环境下的大豆幼苗	digital agriculture	NA	无人机遥感成像、深度学习目标检测	Yolov8n	遥感图像	未明确说明具体样本数量，但涉及密集种植环境下的大豆幼苗图像数据
4284	2025-03-27	Active Learning based on Temporal Difference of Gradient Flow in Thoracic Disease Diagnosis 2025-Mar-24, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3554298 PMID:40126962	研究论文	本文提出了一种基于梯度流时间差（TDGF）的新型主动学习方法，用于胸部疾病诊断中的样本选择	提出了TDGF指标用于主动学习中的数据选择，解决了现有方法忽视样本对模型训练动态影响和评估成本高的问题	方法仅在胸部X光数据集上进行了验证，未在其他医学影像数据上测试	降低医学影像标注成本并提高胸部疾病诊断的主动学习效率	胸部X光影像	数字病理学	胸部疾病	主动学习	深度学习模型（具体结构未说明）	医学影像	两个公开胸部X光数据集（ChestX-ray14和CheXpert）
4285	2025-03-27	Construction and validation of a risk stratification model based on Lung-RADS® v2022 and CT features for predicting the invasive pure ground-glass pulmonary nodules in China 2025-Mar-23, Insights into imaging IF:4.1Q1 DOI:10.1186/s13244-025-01937-3 PMID:40121609	研究论文	基于Lung-RADS® v2022和CT特征构建并验证了一种用于预测中国纯磨玻璃肺结节侵袭性的风险分层模型	结合Lung-RADS® v2022框架和GGN-血管关系类型（GVR），建立了补充性cLung-RADS® v2022模型，显著提高了对纯磨玻璃结节侵袭性的预测性能	研究样本量相对有限（526例患者，572个肺结节），且仅在中国人群中进行验证	开发并验证一种改进的风险分层模型，用于预测纯磨玻璃肺结节的侵袭性	纯磨玻璃肺结节（pGGNs）	数字病理学	肺癌	CT成像	cLung-RADS® v2022	医学影像	526名患者（共572个肺结节），分为训练集（169例）和验证集（403例）
4286	2025-03-27	Prolonged water body types dataset of urban agglomeration in central China from 1990 to 2021 2025-Mar-22, Scientific data IF:5.8Q1 DOI:10.1038/s41597-025-04794-3 PMID:40121204	research paper	该研究利用Landsat卫星数据和弱监督深度学习技术，生成了1990-2021年间长江中游城市群多种内陆水体的年度地图	采用弱监督深度学习技术进行长期水体类型制图，并提供了高精度、长时间跨度的水体分类系统	NA	为水资源管理和湿地保护提供数据支持	长江中游城市群的内陆水体	machine learning	NA	弱监督深度学习	NA	卫星图像	14000个验证点
4287	2025-03-27	Predicting response to neoadjuvant chemotherapy in muscle-invasive bladder cancer via interpretable multimodal deep learning 2025-Mar-22, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-025-01560-y PMID:40121304	研究论文	开发了一种可解释的基于图的多模态晚期融合深度学习框架（GMLF），用于预测肌肉浸润性膀胱癌（MIBC）对新辅助化疗的反应	结合组织病理学、细胞类型数据和基因表达谱，发现了新的组织病理学、细胞和分子决定因素，包括TP63、CCL5和DCN等关键基因特征	研究基于特定临床试验（SWOG S1314-COXEN）的数据，可能限制了结果的普遍性	提高肌肉浸润性膀胱癌患者对新辅助化疗反应的预测准确性，优化治疗策略	肌肉浸润性膀胱癌（MIBC）患者	数字病理学	膀胱癌	RNA测序	GMLF（基于图的多模态晚期融合深度学习框架）	图像、基因表达数据	来自SWOG S1314-COXEN临床试验的数据（具体样本数量未提及）
4288	2025-03-27	Multi-modal deep representation learning accurately identifies and interprets drug-target interactions 2025-Mar-20, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3553217 PMID:40111772	研究论文	本文提出了一种名为UnitedDTA的新型可解释深度学习框架，用于整合多模态生物分子数据以提高药物-靶标结合亲和力的预测性能	通过对比学习和跨注意力机制实现多模态数据的自动统一判别表示学习，显著提升了预测性能并增强了模型的可解释性	未明确提及具体的数据规模限制或计算资源需求	改进药物-靶标相互作用预测的性能和泛化能力	药物-靶标相互作用	机器学习	NA	对比学习, 跨注意力机制	深度学习框架(UnitedDTA)	序列数据, 图数据, 三维结构数据	多个基准数据集(未明确具体数量)
4289	2025-03-27	High sensitivity photoacoustic imaging by learning from noisy data 2025-Mar-19, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3552692 PMID:40106247	research paper	提出一种自监督深度学习方法，仅使用噪声数据提高光声图像的信噪比	无需昂贵的地面真实数据训练，可轻松应用于不同光声成像系统获取的数据	未提及方法在极端噪声条件下的表现或计算效率	提高光声成像的信噪比和成像深度	光声图像	生物医学成像	肿瘤	自监督深度学习	深度学习	图像	未明确提及具体样本数量，但包含体内实验结果
4290	2025-03-27	Characterizing multivariate regional hubs for schizophrenia classification, sex differences, and brain age estimation using explainable AI 2025-Mar-04, medRxiv : the preprint server for health sciences DOI:10.1101/2025.02.28.25323105 PMID:40093221	research paper	该研究利用结构MRI、人口统计学和可解释人工智能（AI）技术，探索精神分裂症分类、性别差异和脑年龄的多变量区域模式	结合深度学习模型与SHAP方法，识别与精神分裂症分类、性别差异及脑年龄预测相关的个性化多变量脑区模式	未提及样本量是否足够大以覆盖不同亚组人群，以及模型在其他独立数据集上的验证情况	研究精神分裂症分类、性别差异和脑年龄预测的神经生物学机制	精神分裂症患者和健康对照者的脑结构MRI数据	digital pathology	schizophrenia	structural MRI, explainable AI	SVC, KNN, DL, LR, RR, SVR	image, demographics	NA
4291	2025-03-27	AgeNet-SHAP: An explainable AI approach for optimally mapping multivariate regional brain age and clinical severity patterns in Alzheimer's disease 2025-Mar-04, medRxiv : the preprint server for health sciences DOI:10.1101/2025.02.28.25323097 PMID:40093264	研究论文	本文提出了一种名为AgeNet-SHAP的可解释AI方法，用于优化映射阿尔茨海默病中多变量区域脑年龄和临床严重程度模式	首次将深度学习模型AgeNet与SHAP特征重要性技术结合，用于识别脑年龄预测中的关键多变量脑区域	研究样本量相对有限（n=668），且仅基于MRI数据	开发一种可解释的AI方法，以更好地理解阿尔茨海默病的脑年龄模式和临床严重程度	轻度认知障碍（MCI）和阿尔茨海默病（AD）患者的脑部MRI数据	数字病理学	阿尔茨海默病	MRI	AgeNet（深度学习模型）与SHAP结合	图像（MRI）	668名参与者
4292	2025-03-27	Applying Conformal Prediction to a Deep Learning Model for Intracranial Hemorrhage Detection to Improve Trustworthiness 2025-Mar, Radiology. Artificial intelligence DOI:10.1148/ryai.240032 PMID:39601654	research paper	该研究应用共形预测方法于深度学习模型，以提高颅内出血检测的可信度	使用Mondrian共形预测（MCP）方法增强深度学习模型的不确定性感知能力，提高对挑战性病例的识别准确率	研究为回顾性研究，样本量相对较小（491例CT扫描）	提高深度学习模型在颅内出血检测中的可信度和准确性	非对比头部CT扫描图像	digital pathology	intracranial hemorrhage	deep learning	CNN	CT图像	491例非对比头部CT扫描（来自CQ500数据集）
4293	2025-03-27	An integrative nomogram based on MRI radiomics and clinical characteristics for prognosis prediction in cervical spinal cord Injury 2025-Mar, European spine journal : official publication of the European Spine Society, the European Spinal Deformity Society, and the European Section of the Cervical Spine Research Society IF:2.6Q1 DOI:10.1007/s00586-024-08609-8 PMID:39672993	研究论文	基于MRI影像组学和临床特征构建预测颈脊髓损伤患者预后的列线图模型	结合手动定义的影像组学特征和通过深度学习迁移学习方法提取的特征，构建了一个综合预测模型	样本量相对较小（168例患者），且仅使用了T1WI和T2WI两种MRI序列	预测颈脊髓损伤患者的预后	168名颈脊髓损伤患者	数字病理学	颈脊髓损伤	MRI影像组学分析，深度学习迁移学习	Lasso回归，深度学习模型	MRI图像（T1WI和T2WI），临床数据	168名颈脊髓损伤患者
4294	2025-03-27	Deep learning model for automated detection of fresh and old vertebral fractures on thoracolumbar CT 2025-Mar, European spine journal : official publication of the European Spine Society, the European Spinal Deformity Society, and the European Section of the Cervical Spine Research Society IF:2.6Q1 DOI:10.1007/s00586-024-08623-w PMID:39708132	研究论文	开发了一种深度学习系统，用于在胸腰椎CT上自动分割压缩性骨折椎体并区分新鲜和陈旧性骨折	使用3D V-Net进行图像分割，结合ResNet和DenseNet模型进行分类，能够自动且准确地识别和分类椎体骨折	样本量相对较小，外部验证和前瞻性验证的样本数量有限	开发一种自动化系统，辅助临床医生识别和分类胸腰椎压缩性骨折	胸腰椎骨折患者	计算机视觉	骨科疾病	CT成像	3D V-Net, ResNet, DenseNet	医学影像	训练数据集238个椎体，内部验证59个，外部验证34个，前瞻性验证48个
4295	2025-01-30	Correction: Deep learning model for automated detection of fresh and old vertebral fractures on thoracolumbar CT 2025-Mar, European spine journal : official publication of the European Spine Society, the European Spinal Deformity Society, and the European Section of the Cervical Spine Research Society IF:2.6Q1 DOI:10.1007/s00586-024-08636-5 PMID:39875623	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
4296	2025-03-27	Comparative Analysis of MaxEnt and Deep Learning Approaches for Modeling Humpback Whale Distribution in North Iceland 2025-Mar, Ecology and evolution IF:2.3Q2 DOI:10.1002/ece3.71099 PMID:40109551	research paper	本研究比较了MaxEnt和深度学习方法在冰岛北部座头鲸分布建模中的应用	首次比较了传统MaxEnt与深度学习方法在座头鲸分布建模中的表现，并展示了深度学习在预测未来分布中的优势	输入数据分辨率低、存在空间偏差、无法完全捕捉自然过程的复杂性	比较不同建模方法在海洋哺乳动物分布预测中的效果	冰岛北部Skjálfandi湾的座头鲸	machine learning	NA	卫星遥感数据采集	MaxEnt, 深度学习	物种出现数据、环境数据	2018年至2021年的月度观测数据
4297	2025-03-27	Using pretrained models in ensemble learning for date fruits multiclass classification 2025-Mar, Journal of food science IF:3.2Q2 DOI:10.1111/1750-3841.70136 PMID:40135491	research paper	该研究使用预训练模型和集成学习方法对九种不同种类的椰枣进行多类分类	提出了一种名为Dirichlet Ensemble的集成学习方法，结合了四种CNN模型的预测结果，显著提高了分类准确率	VGG16模型在复杂分类任务中表现不佳，准确率仅为73.24%	提高椰枣分类的准确性和鲁棒性，用于质量控制、自动分拣和商业应用	九种不同种类的椰枣	computer vision	NA	集成学习	CNN (DenseNet121, MobileNetV2, ResNet18, VGG16), Dirichlet Ensemble	image	NA
4298	2025-03-27	Ensemble approach to deep learning seabed classification using multichannel ship noisea) 2025-Mar-01, The Journal of the Acoustical Society of America IF:2.1Q1 DOI:10.1121/10.0036221 PMID:40135961	研究论文	本研究利用合成数据训练神经网络，通过多通道水听器声谱图预测海底类型，并应用于实际测量数据	采用集成建模和多通道数据处理技术提高预测性能，并量化多通道数据对神经网络训练的影响	实验中水声速仅轻微向上折射，预期在更复杂声速剖面下多通道的优势会更明显	开发一种基于深度学习的海底分类方法	海底类型	机器学习	NA	多通道水听器声谱图分析	ResNet-18	声谱图	SBCEX 2017实验测量数据
4299	2025-03-27	HCAR-AM ground nut leaf net: Hybrid convolution-based adaptive ResNet with attention mechanism for detecting ground nut leaf diseases with adaptive segmentation 2025-Feb, Network (Bristol, England) DOI:10.1080/0954898X.2024.2424248 PMID:39552170	research paper	提出了一种基于混合卷积自适应ResNet与注意力机制的HCAR-AM模型，用于有效检测花生叶部病害	结合了自适应TransResunet++分割、HP-BWCF参数优化以及HCAR-AM分类模型，创新性地整合了多种技术以提高病害检测效果	未提及模型在真实田间环境下的泛化能力及对不同光照条件的适应性	开发高效的花生叶部病害检测深度学习模型	花生叶部病害图像	computer vision	plant disease	deep learning	HCAR-AM (Hybrid Convolution-based Adaptive ResNet with Attention Mechanism)	image	未明确说明样本数量（来自传统数据库）
4300	2025-03-27	Integration of Artificial Intelligence for Diagnostic Methods in Musculoskeletal Conditions: A Systematic Review 2025-Feb, Cureus DOI:10.7759/cureus.79391 PMID:40130121	系统综述	本文探讨并评估了人工智能技术在肌肉骨骼疾病诊断方法中的整合，以提高评估准确性	强调了AI技术在提高肌肉骨骼诊断准确性和效率方面的潜力，特别是通过机器学习和深度学习技术	部署AI工具用于诊断目的的问题需要更多关注	探索和评估AI技术在肌肉骨骼疾病诊断方法中的整合	肌肉骨骼疾病	数字病理学	肌肉骨骼疾病	机器学习（ML）、深度学习（DL）、卷积神经网络（CNNs）	CNN	图像	NA