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
441	2025-05-09	Dense convolution-based attention network for Alzheimer's disease classification 2025-Feb-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-85802-9 PMID:39962113	研究论文	提出了一种名为DenseAttentionNetwork (DANet)的轻量级模型，用于在3D MRI图像中检测阿尔茨海默病	结合密集连接和线性注意力机制，以较少的参数实现高效预测，并克服标准自注意力的一些限制	未提及具体的局限性	开发一个高效且参数较少的模型，用于阿尔茨海默病的分类	3D MRI图像	数字病理学	阿尔茨海默病	3D MRI成像	CNN与线性注意力机制结合的DANet	3D图像	多机构数据集，具体数量未提及
442	2025-05-09	Multicenter study on predicting postoperative upper limb muscle strength improvement in cervical spinal cord injury patients using radiomics and deep learning 2025-Feb-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-72539-0 PMID:39962172	研究论文	本研究通过放射组学和深度学习技术，利用MRI预测颈髓损伤患者术后上肢肌力改善情况	结合放射组学和深度迁移学习特征，使用随机森林模型进行预测，展示了较高的准确性和AUC值	样本量较小（82例），且为回顾性研究	评估基于机器学习的放射组学方法在预测脊髓损伤患者预后方面的准确性	颈髓损伤患者	数字病理学	脊髓损伤	MRI，放射组学分析，深度学习	随机森林（RF），ResNet34	MRI图像	82例患者（来自三家医院），其中预后良好组49例，预后不良组33例
443	2025-05-09	Multimodal surface-based transformer model for early diagnosis of Alzheimer's disease 2025-Feb-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-90115-y PMID:39962212	研究论文	提出了一种基于多模态表面特征的Transformer模型，用于阿尔茨海默病的早期诊断	首次利用多模态、轻量级的皮层表面特征（来自MRI和PET扫描）替代计算密集型的3D体积特征，并采用中间融合方法和交叉注意力机制高效整合不同模态的特征	研究仅基于ADNI系列数据集，未在其他独立数据集上验证	开发一种计算效率更高的阿尔茨海默病早期诊断方法	阿尔茨海默病患者	数字病理学	阿尔茨海默病	MRI, PET扫描	Transformer	图像	ADNI系列数据集（具体数量未提及）
444	2025-05-09	A unified framework harnessing multi-scale feature ensemble and attention mechanism for gastric polyp and protrusion identification in gastroscope imaging 2025-Feb-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-90034-y PMID:39962226	研究论文	本研究提出了一种名为MultiAttentiveScopeNet的深度学习模型，用于提高胃镜图像中胃息肉和隆起物的识别准确率	结合多层特征集成和注意力机制，提高胃镜图像分析的准确性和可解释性	NA	解决胃息肉和隆起物在胃镜图像中的诊断挑战	胃镜图像	计算机视觉	胃部疾病	深度学习	CNN	图像	大型多类胃镜图像数据集
445	2025-05-09	A hybrid optimization-enhanced 1D-ResCNN framework for epileptic spike detection in scalp EEG signals 2025-Feb-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-90164-3 PMID:39962290	research paper	提出了一种结合1D残差卷积神经网络(1D-ResCNN)和混合优化策略的深度学习架构，用于头皮脑电信号中的癫痫尖峰检测	结合LAMB和AdamW算法的混合优化策略，提高了模型效率和收敛速度，同时从时域和频域脑电数据中提取特征	NA	开发一种高效、准确的癫痫尖峰实时检测方法	头皮脑电信号中的癫痫尖峰	digital pathology	epilepsy	1D-ResCNN, LAMB, AdamW	1D-ResCNN	EEG signals	CHB-MIT数据集(12名患者的24通道脑电记录)和Siena数据集(14名成人患者的脑电数据)
446	2025-05-09	Research on the development of an intelligent prediction model for blood pressure variability during hemodialysis 2025-Feb-17, BMC nephrology IF:2.2Q2 DOI:10.1186/s12882-025-03959-x PMID:39962403	research paper	开发一种智能预测模型，用于预测血液透析期间血压变异性	利用机器学习和深度学习模型预测血液透析期间的血压波动，并通过SHAP方法识别关键特征，开发临床应用程序	研究数据仅来自两家医院，可能缺乏广泛代表性	预测血液透析期间的血压波动（IDH和IDHTN），以减少并发症	血液透析患者	machine learning	cardiovascular disease	machine learning, SHAP	XGBoost, CatBoost, RF	clinical data	67,524次血液透析会话（47,053次用于模型训练和测试，20,471次用于外部验证）
447	2025-05-09	Comparative analysis of intestinal tumor segmentation in PET CT scans using organ based and whole body deep learning 2025-Feb-17, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-01587-3 PMID:39962481	研究论文	比较基于器官和全身深度学习方法在PET CT扫描中分割肠道肿瘤的效果	提出了一种新颖的基于器官的深度学习方法，通过利用训练数据的组织同质性来提高肠道肿瘤分割的准确性	研究主要针对DLBCL患者，对其他类型非霍奇金淋巴瘤患者的普适性有待进一步验证	评估训练数据同质性对准确识别胃肠道肿瘤的影响	弥漫大B细胞淋巴瘤(DLBCL)患者和滤泡性淋巴瘤(FL)患者	数字病理学	非霍奇金淋巴瘤	FDG-PET/CT	深度学习	医学影像	来自大型多中心临床试验(NCT01287741)的DLBCL患者数据
448	2025-05-09	Predicting visual field global and local parameters from OCT measurements using explainable machine learning 2025-Feb-16, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-89557-1 PMID:39956834	研究论文	该研究开发了五种回归模型，用于从光学相干断层扫描（OCT）数据预测视野（VF）测量，并通过SHAP分析提高模型的可解释性，同时开发了一个名为OCT to VF Predictor的临床软件工具	引入了点态归一化和步长概念，在点态敏感性预测中获得了2.51 dB的平均绝对误差，灰度预测模型的平均结构相似性指数达到77%，并通过SHAP分析为青光眼诊断提供了关键特征见解	研究样本量相对有限（268只青光眼和226只正常眼），且未提及模型在其他疾病或更大样本中的泛化能力	通过机器学习和可解释AI工具预测青光眼患者的视野参数，辅助眼科医生进行诊断	青光眼患者和正常人的眼睛（共494只眼，包括早期、中期和晚期青光眼）	机器学习	青光眼	光学相干断层扫描（OCT）	回归模型	医学影像数据	268只青光眼（86早期、72中期、110晚期）和226只正常眼
449	2025-05-09	RNA-protein interaction prediction using network-guided deep learning 2025-Feb-16, Communications biology IF:5.2Q1 DOI:10.1038/s42003-025-07694-9 PMID:39956833	research paper	介绍了一种名为ZHMolGraph的网络引导深度学习方法，用于预测RNA-蛋白质相互作用	整合了图神经网络和无监督大型语言模型，显著提高了对未知RNA和蛋白质相互作用的预测准确性	RNA数量有限且灵活性高，可能限制了深度学习模型的有效性	提高RNA-蛋白质相互作用的计算预测准确性	RNA和蛋白质的相互作用	machine learning	NA	graph neural network, unsupervised large language models	ZHMolGraph	RNA-protein interaction data	两个基准数据集，包括未知RNA和蛋白质的数据集
450	2025-05-09	Advanced prognostic modeling with deep learning: assessing long-term outcomes in liver transplant recipients from deceased and living donors 2025-Feb-16, Journal of translational medicine IF:6.1Q1 DOI:10.1186/s12967-025-06183-1 PMID:39956905	研究论文	本研究利用深度学习开发了一种先进的预后模型，用于评估肝移植后的长期结果，特别关注区分死亡和活体供体移植	使用Deeplearning4j多层感知器分类器进行长期生存分析，并验证了其在肝移植后生存预测中的实用性	研究仅基于UNOS数据库的数据，可能无法涵盖所有相关变量	开发一个先进的预后模型来预测肝移植后的长期结果	肝移植受者，包括死亡和活体供体移植的受者	机器学习	肝病	深度学习	Deeplearning4j Multilayer Perceptron (MLP)	临床、人口统计和移植相关变量	353,589条记录（1998年至2023年）
451	2025-05-09	Development and validation of MRI-derived deep learning score for non-invasive prediction of PD-L1 expression and prognostic stratification in head and neck squamous cell carcinoma 2025-Feb-16, Cancer imaging : the official publication of the International Cancer Imaging Society IF:3.5Q1 DOI:10.1186/s40644-025-00837-5 PMID:39956910	研究论文	开发并验证了一种基于MRI的深度学习评分（DLS），用于无创预测头颈部鳞状细胞癌（HNSCC）患者的PD-L1表达状态及其对免疫检查点抑制剂（ICI）治疗的预后分层效果	利用ResNet-101卷积神经网络和基于transformer的注意力机制模型，融合多序列MRI特征，首次实现了对HNSCC患者PD-L1表达的无创预测和预后分层	研究样本来自两个机构，可能存在选择偏倚；模型性能在外部验证队列中有所下降	开发非侵入性预测HNSCC患者PD-L1表达的方法，并评估其对免疫治疗预后的预测价值	头颈部鳞状细胞癌（HNSCC）患者	数字病理	头颈部鳞状细胞癌	MRI（T1WI、T2WI和对比增强T1WI）	ResNet-101 CNN与transformer融合模型	医学影像	来自两个机构的610名HNSCC患者（四个队列）
452	2025-05-09	Application of artificial intelligence in forecasting survival in high-grade glioma: systematic review and meta-analysis involving 79,638 participants 2025-Feb-15, Neurosurgical review IF:2.5Q1 DOI:10.1007/s10143-025-03419-y PMID:39954167	meta-analysis	本文通过系统综述和荟萃分析评估了基于人工智能的模型在预测高级别胶质瘤患者生存结果中的表现	特别关注AI在高级别胶质瘤复发中的潜力，并整合了多模态数据以提高预测准确性	需要在前瞻性、多中心研究中进一步验证以确保临床适用性	评估AI模型在预测高级别胶质瘤患者生存结果中的性能	高级别胶质瘤患者	数字病理学	脑肿瘤	机器学习（ML）和深度学习（DL）	随机森林（RF）和逻辑回归（LR）	临床数据、影像组学数据和遗传数据	79,638名患者，涉及39项研究和29种不同算法
453	2025-05-09	Deep learning for detecting and early predicting chronic obstructive pulmonary disease from spirogram time series 2025-Feb-15, NPJ systems biology and applications IF:3.5Q1 DOI:10.1038/s41540-025-00489-y PMID:39955293	研究论文	提出了一种名为DeepSpiro的深度学习新方法，用于从肺活量时间序列中检测和早期预测慢性阻塞性肺疾病(COPD)	开发了DeepSpiro，一个包含四个关键组件的深度学习框架，能够基于细微数据模式预测未来COPD风险，预测时间跨度可达1-5年或更长	NA	早期预测慢性阻塞性肺疾病(COPD)的未来风险	肺活量时间序列数据	机器学习	慢性阻塞性肺疾病	深度学习	DeepSpiro(包含SpiroSmoother, SpiroEncoder, SpiroExplainer, SpiroPredictor)	时间序列数据(Volume-Flow曲线)	UK Biobank数据集
454	2025-05-09	Deep learning-based organ-wise dosimetry of 64Cu-DOTA-rituximab through only one scanning 2025-Feb-15, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-88498-z PMID:39955298	研究论文	本研究利用深度学习从早期扫描图像生成延迟的Cu-dotatate (DOTA)-rituximab PET图像，以减少估算放射性药物吸收剂量的不便和成本	使用生成对抗网络(GAN)的配对图像到图像转换(I2I)模型，从早期PET图像生成延迟图像，并应用器官特异性剂量测定	对于与身体清除相关的器官，剂量预测相对不准确	减轻放射性免疫结合物剂量测定的负担	六名恶性肿瘤患者的PET图像	数字病理学	恶性肿瘤	PET成像	GAN	图像	六名患者
455	2025-05-09	Classification patterns identification of immunogenic cell death-related genes in heart failure based on deep learning 2025-Feb-15, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-89333-1 PMID:39955386	研究论文	本研究通过深度学习模型探索免疫原性细胞死亡相关基因在心力衰竭分类中的作用，以改善心力衰竭亚型的分类并识别潜在药物靶点	首次将免疫原性细胞死亡（ICD）概念引入心力衰竭研究，并结合深度学习模型提升分类效果及诊断相关基因的识别	未明确说明样本来源及具体样本量，外部验证集的代表性可能有限	改善心力衰竭亚型分类并识别潜在治疗靶点	心力衰竭患者（特别是老年群体）及其免疫原性细胞死亡相关基因	数字病理学	心血管疾病	深度学习编码器模型	深度学习模型（具体类型未说明）	基因表达数据	NA
456	2025-05-09	An explainable and accurate transformer-based deep learning model for wheeze classification utilizing real-world pediatric data 2025-Feb-15, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-89533-9 PMID:39955399	研究论文	本研究开发了一种基于Transformer的深度学习模型，用于利用真实世界儿科数据进行哮鸣音分类	应用Transformer模型（Audio Spectrogram Transformer, AST）于临床实践数据，相比传统CNN模型能更准确地处理需要更长整体长度和更详细上下文的情况	研究样本仅来自韩国两家大学医院的儿科患者，可能限制了模型的泛化能力	开发能够准确解释电子听诊器记录的呼吸音的人工智能深度学习模型	儿科患者的呼吸音数据	数字病理	呼吸系统疾病	深度学习	Transformer (AST)	音频	194个哮鸣音和531个其他呼吸音样本
457	2025-05-09	Machine learning via DARTS-Optimized MobileViT models for pancreatic Cancer diagnosis with graph-based deep learning 2025-Feb-15, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-025-02923-x PMID:39955532	研究论文	本研究提出了一种结合基于图的数据表示和DARTS优化的MobileViT模型的新方法，以提高胰腺癌诊断的准确性和可靠性	创新性地将基于图的深度学习与机器学习技术结合，使用DARTS优化的MobileViT模型进行胰腺癌诊断，性能优于传统CNN和Vision Transformer模型	未提及具体的研究局限性	提高胰腺癌诊断的准确性和可靠性	胰腺CT图像	计算机视觉	胰腺癌	Harris角点检测算法、DARTS、KNN、SVM、RF、XGBoost	MobileViTv2_150、MobileViTv2_200、CNN、Vision Transformer	图像	NA
458	2025-05-09	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	research paper	开发了一个结合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的肝细胞癌患者的两年生存率	结合手工放射组学特征和深度学习特征与临床数据，构建了一个具有高预测准确性的集成模型，并应用了事后可解释性技术	样本量相对较小（186例患者），可能影响模型的泛化能力	预测肝细胞癌患者在立体定向放射治疗后的两年生存率	186例接受立体定向放射治疗的肝细胞癌患者	digital pathology	liver cancer	CT扫描，卷积神经网络	CNN, 集成模型	image, 临床数据	186例肝细胞癌患者
459	2025-05-09	AlphaFold prediction of structural ensembles of disordered proteins 2025-Feb-14, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-56572-9 PMID:39952928	research paper	本文介绍了AlphaFold-Metainference方法，利用AlphaFold预测的距离作为分子动力学模拟的结构约束，构建有序和无序蛋白质的结构集合	将AlphaFold预测的距离用于分子动力学模拟，构建无序蛋白质的结构集合，填补了深度学习在无序蛋白质预测领域的空白	方法依赖于AlphaFold的预测准确性，且需要进一步验证在更广泛无序蛋白质上的适用性	探索深度学习方法在预测无序蛋白质结构集合中的应用	有序和无序蛋白质	machine learning	NA	AlphaFold, 分子动力学模拟	AlphaFold	蛋白质结构数据	NA
460	2025-05-09	Cellpose as a reliable method for single-cell segmentation of autofluorescence microscopy images 2025-Feb-14, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-82639-6 PMID:39952935	研究论文	本研究验证了Cellpose在自发荧光显微镜图像中单细胞分割的可靠性	开发了一种新的自发荧光训练模型(ATM)，用于NAD(P)H强度图像的核分割，提高了分割的再现性和准确性	研究主要针对NAD(P)H图像，可能不适用于其他类型的自发荧光图像	验证Cellpose在自发荧光显微镜图像中的单细胞分割性能	PANC-1细胞和患者来源的癌症类器官(9例患者)	数字病理学	癌症	多光子强度成像、荧光寿命成像显微镜(FLIM)	Cellpose	图像	PANC-1细胞和9例患者来源的癌症类器官