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
4381	2025-03-15	Medical image classification by incorporating clinical variables and learned features 2025-Mar, Royal Society open science IF:2.9Q1 DOI:10.1098/rsos.241222 PMID:40078919	研究论文	本文提出了一种新颖的方法，通过结合临床变量来增强深度学习模型在医学图像分类中的表现，同时不压倒信息	与大多数现有深度神经网络模型仅考虑单像素信息不同，该方法捕捉了更全面的视角，并通过降维技术优化特征，与临床变量信息保持平衡	未明确提及具体局限性	提升医学图像分类的准确性	医学图像	计算机视觉	结核病和皮肤病	深度学习	预训练的深度神经网络	图像	未明确提及样本数量
4382	2025-03-15	Novel Computational Pipeline Enables Reliable Diagnosis of Inverted Urothelial Papilloma and Distinguishes It From Urothelial Carcinoma 2025-Mar, JCO clinical cancer informatics IF:3.3Q2 DOI:10.1200/CCI.24.00059 PMID:40080780	研究论文	本文提出了一种新的计算流程，用于从膀胱癌模拟中诊断倒置性尿路上皮乳头状瘤（IUP），并通过从全切片图像中自动提取的统计特征来提高诊断准确性	本文的创新点在于设计了一种计算流程，能够自动从全切片图像中提取统计特征，从而减少对人工标注的依赖，并提高诊断准确性	本文的局限性在于外部验证队列的样本量有限，可能影响模型的泛化能力	研究目的是通过计算流程提高倒置性尿路上皮乳头状瘤（IUP）与尿路上皮癌（UC）亚型之间的诊断准确性	研究对象为225例常见和罕见的尿路上皮病变，包括64例IUP、69例倒置性尿路上皮癌（UCInv）和92例低级别尿路上皮癌（UCLG）	数字病理学	膀胱癌	全切片图像分析	集成分类器	图像	225例尿路上皮病变样本
4383	2025-03-15	Multimodal depression detection based on an attention graph convolution and transformer 2025-Feb-27, Mathematical biosciences and engineering : MBE DOI:10.3934/mbe.2025024 PMID:40083285	研究论文	本文提出了一种基于脑电图（EEG）和语音信号的多模态抑郁症检测模型，名为MHA-GCN_ViT，通过深度学习技术有效提取和融合EEG信号的频域特征和时空特征与语音信号的频域特征	创新点在于结合了图卷积网络（GCN）和视觉变换器（ViT），并引入了多头注意力机制，显著提升了多模态抑郁症检测的性能	未明确提及具体局限性	提高抑郁症检测的准确性和多模态特征的融合效果	抑郁症患者	机器学习	抑郁症	离散小波变换（DWT）、短时傅里叶变换（STFT）	图卷积网络（GCN）、视觉变换器（ViT）	脑电图（EEG）信号、语音信号	MODMA数据集
4384	2025-03-15	A variational deep-learning approach to modeling memory T cell dynamics 2025-Feb-25, bioRxiv : the preprint server for biology DOI:10.1101/2024.07.08.602409 PMID:40060443	研究论文	本文提出了一种结合深度学习和随机变分推理的方法，用于建模小鼠流感病毒感染后肺内记忆T细胞的动态变化	该方法能够同时推断动态模型参数和群体结构，直接基于单细胞流式细胞术数据进行训练，而非预定义细胞群的动力学	研究仅限于小鼠模型，未涉及人类或其他生物系统的验证	研究旨在解决高维数据与可解释数学模型之间的挑战，特别是在免疫反应中的细胞动态变化	小鼠流感病毒感染后的肺内记忆CD4和CD8 T细胞	机器学习	流感	单细胞流式细胞术	深度学习与随机变分推理	单细胞数据	NA
4385	2025-03-15	AI-driven health analysis for emerging respiratory diseases: A case study of Yemen patients using COVID-19 data 2025-Feb-24, Mathematical biosciences and engineering : MBE DOI:10.3934/mbe.2025021 PMID:40083282	研究论文	本文探讨了在低收入和资源有限的国家中，利用AI驱动的预测模型和分类器来区分COVID-19与其他呼吸系统疾病，并预测呼吸系统疾病的趋势	本文创新地结合了自回归（AR）、移动平均（MA）、ARMA模型以及机器学习和深度学习算法，用于预测每日确诊死亡人数，并识别COVID-19严重程度指标	研究主要基于也门的数据，可能无法完全推广到其他地区或国家	通过AI驱动的健康分析优化资源分配并增强呼吸系统疾病的预测能力	也门患者的COVID-19数据	机器学习	COVID-19	自回归（AR）、移动平均（MA）、ARMA模型、机器学习和深度学习算法	ARMA、决策树（DT）、随机森林（RF）、支持向量机（SVM）	COVID-19数据	80%的数据用于训练，20%的数据用于测试
4386	2025-03-15	Uncertainty CNNs: A path to enhanced medical image classification performance 2025-Feb-20, Mathematical biosciences and engineering : MBE DOI:10.3934/mbe.2025020 PMID:40083281	研究论文	本文介绍了一种低复杂度的基于不确定性的CNN架构，用于医学图像分类，特别是肿瘤和心力衰竭检测	首次展示了测试集增强可以显著提高医学图像的分类性能，并引入了一种低复杂度的不确定性CNN架构	未提及具体的数据集规模或模型在更广泛数据集上的泛化能力	提高医学图像分类的准确性和不确定性量化	医学图像，特别是肿瘤和心力衰竭检测	计算机视觉	肿瘤和心力衰竭	不确定性量化（UQ）和测试集增强技术	CNN	医学图像（MRI和CT扫描）	使用了三个数据集：脑MRI、肺CT扫描和心脏MRI
4387	2025-03-15	HDL-ACO hybrid deep learning and ant colony optimization for ocular optical coherence tomography image classification 2025-Feb-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-89961-7 PMID:39966596	研究论文	本文提出了一种结合卷积神经网络和蚁群优化的混合深度学习框架HDL-ACO，用于提高眼科光学相干断层扫描图像分类的准确性和计算效率	HDL-ACO框架结合了离散小波变换和ACO优化的数据增强，以及基于Transformer的特征提取模块，显著提升了分类性能	未提及具体的数据集大小和多样性，可能影响模型的泛化能力	提高眼科光学相干断层扫描图像分类的准确性和计算效率	眼科光学相干断层扫描图像	计算机视觉	眼科疾病	离散小波变换，蚁群优化，Transformer	CNN, ACO, Transformer	图像	未提及具体样本数量
4388	2025-03-15	Learning maximally spanning representations improves protein function annotation 2025-Feb-17, bioRxiv : the preprint server for biology DOI:10.1101/2025.02.13.638156 PMID:40027840	研究论文	本文提出了一种名为MSRep的新型深度学习框架，旨在解决蛋白质功能注释中的不平衡问题，并提高注释准确性	MSRep框架通过优化受神经崩溃（NC）启发的损失函数，确保少数功能在嵌入空间中与多数功能同等表示，从而提高了预测准确性和泛化能力	虽然MSRep在多个蛋白质功能注释任务中表现出色，但其在未表征蛋白质上的应用仍需进一步验证	提高蛋白质功能注释的准确性，特别是对于研究不足的功能类别	蛋白质功能注释	计算生物学	NA	深度学习	预训练蛋白质语言模型	蛋白质序列数据	NA
4389	2025-03-15	An interpretable ensemble model combining handcrafted radiomics and deep learning for predicting the overall survival of hepatocellular carcinoma patients after stereotactic body radiation therapy 2025-Feb-14, Journal of cancer research and clinical oncology IF:2.7Q3 DOI:10.1007/s00432-025-06119-8 PMID:39948208	研究论文	本研究开发了一种结合手工放射组学和深度学习的可解释集成模型，用于预测接受立体定向放射治疗（SBRT）的肝细胞癌（HCC）患者的2年生存率	通过集成放射组学和深度学习特征与临床数据，开发了一个强大的预测模型，并使用后解释技术增强了模型的可解释性	样本量相对较小（186例患者），且仅基于单一治疗方式（SBRT）的数据	预测接受立体定向放射治疗的肝细胞癌患者的2年生存率	186例接受立体定向放射治疗的肝细胞癌患者	数字病理学	肝细胞癌	放射组学特征提取，深度学习	集成模型（结合手工放射组学和CNN）	CT图像，临床数据	186例肝细胞癌患者
4390	2025-03-15	Next-generation sequencing based deep learning model for prediction of HER2 status and response to HER2-targeted neoadjuvant chemotherapy 2025-Feb-09, Journal of cancer research and clinical oncology IF:2.7Q3 DOI:10.1007/s00432-025-06105-0 PMID:39923208	研究论文	本研究旨在通过结合NGS数据和IHC染色图像，开发一种基于Vision Transformer的深度学习模型，以提高HER2扩增状态检测的准确性和效率，并预测HER2靶向新辅助化疗的疗效	首次将NGS数据与IHC染色图像结合，利用Vision Transformer深度学习模型进行HER2扩增状态识别，并预测新辅助化疗疗效	HER2表达在癌组织中的异质性可能导致模型误识别	提高HER2扩增状态检测的准确性和效率，并预测HER2靶向新辅助化疗的疗效	606名乳腺癌患者的NGS数据和IHC染色图像，以及399名HER2阳性乳腺癌患者的新辅助化疗疗效	数字病理	乳腺癌	NGS, IHC染色	Vision Transformer (ViT)	图像, 基因测序数据	606名乳腺癌患者的NGS数据和IHC染色图像，其中404名用于训练，101名用于验证，101名用于测试
4391	2025-03-15	A two-branch framework for blood pressure estimation using photoplethysmography signals with deep learning and clinical prior physiological knowledge 2025-Feb-07, Physiological measurement IF:2.3Q3 DOI:10.1088/1361-6579/adae50 PMID:39854841	研究论文	本文提出了一种新颖的双分支框架，利用光电容积描记（PPG）信号进行血压估计，结合深度学习和临床先验知识，实现了无袖带精确血压估计	结合深度学习和临床先验知识，采用双分支特征提取方法，并考虑昼夜血压变化，构建特定时段的血压估计模型	NA	开发一种无袖带、精确的血压估计技术，用于连续健康监测和心血管疾病预防	光电容积描记（PPG）信号	机器学习	心血管疾病	深度学习	MobileViTv2, Vgg19	PPG信号	HRSD和MIMIC-IV数据集
4392	2025-03-15	Deep learning and radiomics for gastric cancer serosal invasion: automated segmentation and multi-machine learning from two centers 2025-Feb-03, Journal of cancer research and clinical oncology IF:2.7Q3 DOI:10.1007/s00432-025-06117-w PMID:39900688	研究论文	本研究旨在开发一种自动化方法，使用深度学习模型分割脾脏CT图像，并结合放射组学和深度学习特征构建胃癌浆膜浸润预测模型	采用U-Mamba深度学习模型实现脾脏CT图像的自动分割，结合放射组学和深度学习特征构建预测模型，并生成诺模图以探索临床指导意义	研究仅基于两个中心的311名患者，样本量相对有限，且未提及外部验证	开发自动化脾脏CT图像分割方法，并构建胃癌浆膜浸润预测模型	311名经病理学确诊的胃癌患者	数字病理学	胃癌	CT成像	U-Mamba, 机器学习方法	CT图像	311名患者
4393	2025-03-15	A practical deep learning model for core temperature prediction of specialized workers in high-temperature environments 2025-Feb, Journal of thermal biology IF:2.9Q1 DOI:10.1016/j.jtherbio.2025.104079 PMID:39970650	研究论文	本文开发了一种结合卡尔曼滤波和长期序列预测深度学习模型的无创核心温度预测模型，用于高温环境下特种作业人员的健康监测	结合卡尔曼滤波和长期序列预测深度学习模型，利用皮肤温度和心率作为输入特征，实现个性化实时核心温度预测	实验样本量较小（13名参与者），且仅在34至40°C的环境温度下进行验证	开发一种实用的深度学习模型，用于预测高温环境下特种作业人员的核心温度，以支持健康监测和保护	高温环境下特种作业人员的核心温度	机器学习	NA	深度学习	长期序列预测深度学习模型	皮肤温度和心率数据	13名参与者在34至40°C环境温度下的实验数据
4394	2025-03-15	AI-augmented Biophysical modeling in thermoplasmonics for real-time monitoring and diagnosis of human tissue infections 2025-Feb, Journal of thermal biology IF:2.9Q1 DOI:10.1016/j.jtherbio.2025.104075 PMID:40023011	研究论文	本研究提出了一种结合人工智能和局部表面等离子体共振技术的系统，用于实时监测和诊断人体组织感染	该系统结合了AI和LSPR技术，显著缩短了检测时间，提高了诊断准确性，并降低了医疗成本	研究样本主要来自三个医疗中心，可能无法完全代表所有医疗环境	开发一种实时监测和诊断人体组织感染的系统	人体组织感染	生物物理建模	组织感染	局部表面等离子体共振（LSPR）技术	深度学习	单细胞转录组数据	486人（107名未感染，379名感染）的2,333,481个单细胞转录组数据，并在三个主要医疗中心进行了1655例临床实施
4395	2025-03-15	Fewer medullary pyramids in the living kidney donor are associated with graft failure in the recipient 2025-Jan-30, American journal of transplantation : official journal of the American Society of Transplantation and the American Society of Transplant Surgeons IF:8.9Q1 DOI:10.1016/j.ajt.2025.01.041 PMID:39892790	研究论文	本研究旨在通过计算机断层扫描（CT）和组织学分析，识别与活体肾移植受者死亡审查移植物失败相关的肾实质结构特征	首次发现肾髓质金字塔数量与移植失败率之间的关联，并提出肾髓质金字塔计数作为移植前预后生物标志物的潜在用途	研究仅针对ABO兼容的活体肾移植受者，未涵盖其他类型的肾移植	识别与活体肾移植受者移植物失败相关的肾实质结构特征	2000-2020年间接受ABO兼容活体肾移植的受者	数字病理学	肾移植	计算机断层扫描（CT）、深度学习模型、形态计量组织学分析	深度学习模型	CT图像、组织学数据	3098名肾移植受者，中位随访5年，346例移植物失败事件
4396	2025-03-15	CT-based radiomics-deep learning model predicts occult lymph node metastasis in early-stage lung adenocarcinoma patients: A multicenter study 2025-Jan-30, Chinese journal of cancer research = Chung-kuo yen cheng yen chiu DOI:10.21147/j.issn.1000-9604.2025.01.02 PMID:40078558	研究论文	本研究开发并验证了一种基于CT的放射组学和深度学习融合模型，用于预测早期肺腺癌患者的隐匿性淋巴结转移	结合了放射组学和深度学习技术，使用3D SE-ResNet34网络构建融合模型，显著提高了预测隐匿性淋巴结转移的准确性	研究为回顾性分析，可能存在选择偏倚；样本量相对较小，需要更大规模的多中心研究进一步验证	开发并验证一种非侵入性预测模型，用于早期肺腺癌患者的隐匿性淋巴结转移	早期肺腺癌患者	数字病理	肺癌	CT成像，深度学习	3D SE-ResNet34	CT图像	358名患者（训练队列186名，内部验证队列48名，外部测试队列124名）
4397	2025-03-15	Deep learning-based multi-task prediction of response to neoadjuvant chemotherapy using multiscale whole slide images in breast cancer: A multicenter study 2025-Jan-30, Chinese journal of cancer research = Chung-kuo yen cheng yen chiu DOI:10.21147/j.issn.1000-9604.2025.01.03 PMID:40078559	研究论文	本研究开发了一种基于多尺度全切片图像（WSIs）的多任务深度学习模型（DLMM），用于预测乳腺癌患者对新辅助化疗（NAC）的反应	通过多尺度特征表示的串联融合和基于门控的注意力机制，模型能够精细预测治疗反应和病理完全缓解（pCR）	尽管在多个测试集中表现出色，但模型仍需进一步验证其在不同临床环境中的普适性	开发一种深度学习模型，以更精确地预测乳腺癌患者对新辅助化疗的反应	乳腺癌患者	数字病理学	乳腺癌	深度学习	多任务深度学习模型（DLMM）	图像	1,670张全切片图像，包括训练集、验证集、内部测试集、外部测试集和前瞻性测试集
4398	2025-03-15	Deep learning generalization for diabetic retinopathy staging from fundus images 2025-Jan-22, Physiological measurement IF:2.3Q3 DOI:10.1088/1361-6579/ada86a PMID:39788077	研究论文	本文介绍了一种名为DRStageNet的深度学习模型，用于从眼底图像中准确分期糖尿病视网膜病变（DR），并解决模型在不同目标域间泛化性能的挑战	DRStageNet模型通过使用多源域（MSD）微调策略，显著提高了模型在目标域上的性能，尤其是在使用DINOv2预训练视觉变换器（ViT）时，L-Kappa值提高了27.4%	错误分析显示，60%的错误是由于标签不正确导致的，尽管DRStageNet能够正确分类其中77.5%的错误	开发一种能够准确分期糖尿病视网膜病变并解决模型泛化问题的深度学习模型	糖尿病视网膜病变（DR）	计算机视觉	糖尿病视网膜病变	深度学习	视觉变换器（ViT）	眼底图像	91,984张来自不同人群的眼底图像
4399	2025-03-15	An analysis of performance bottlenecks in MRI preprocessing 2025-Jan-06, GigaScience IF:11.8Q1 DOI:10.1093/gigascience/giae098 PMID:40072903	研究论文	本文分析了MRI预处理中的性能瓶颈，旨在提高其计算效率	使用Intel VTune分析工具对多个常用MRI预处理流程的性能瓶颈进行了详细分析，并发现了影响性能的关键因素	研究依赖于特定硬件和软件工具，可能不适用于所有研究环境	提高MRI预处理流程的计算效率，以支持大规模队列研究和临床应用	MRI预处理流程的性能瓶颈	医学影像处理	NA	Intel VTune分析工具	NA	MRI数据	多个常用MRI预处理流程（ANTs、FMRIB Software Library、FreeSurfer）
4400	2025-03-15	LLM-FMS: A fine-grained dataset for functional movement screen action quality assessment 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0313707 PMID:40067873	研究论文	本文介绍了一个细粒度的功能运动筛查（FMS）数据集LLM-FMS，并提出了一个基于大语言模型（LLMs）的动作质量评估框架，以提高FMS评估的可解释性	LLM-FMS是首个用于动作评估任务的细粒度健身动作数据集，结合了专家规则和RTMPose提取的关键骨骼级动作特征，通过LLM推断分数并提供详细解释	当前自动化的FMS评估仅限于等级评分，缺乏细粒度的反馈建议和可解释性	开发一个细粒度的FMS数据集和动作质量评估框架，以提高FMS评估的准确性和可解释性	45名受试者的1812个动作关键帧图像，涵盖7个FMS动作的15个动作表现	计算机视觉	NA	RTMPose	LLM	视频、图像	45名受试者的1812个动作关键帧图像