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	2025-05-02	Improving spleen segmentation in ultrasound images using a hybrid deep learning framework 2025-Jan-11, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-85632-9 PMID:39799236	研究论文	本文介绍了一种用于超声图像中脾脏分割的新方法，采用两阶段训练方法	结合SegFormer和Pix2Pix的优势，提出了一种混合深度学习方法，显著提高了脾脏分割的准确性	NA	提高超声图像中脾脏分割的准确性	超声图像中的脾脏	计算机视觉	NA	深度学习	SegFormerB0, Pix2Pix	超声图像	450张脾脏超声图像（Spleenex数据集）
442	2025-05-02	Improving 3D deep learning segmentation with biophysically motivated cell synthesis 2025-Jan-11, Communications biology IF:5.2Q1 DOI:10.1038/s42003-025-07469-2 PMID:39799275	research paper	提出了一种结合生物物理建模的3D细胞合成框架，用于生成高质量的合成训练数据以改进3D深度学习分割性能	整合生物物理建模生成逼真的细胞形状和排列，并开发了一种同时生成图像数据和匹配标签的GAN训练方案	未明确说明合成数据的多样性和泛化能力是否足够覆盖真实场景的复杂性	解决3D细胞数据集精确分割所需的高质量训练数据生成问题	3D细胞培养模型	digital pathology	NA	生物物理建模	GAN	3D细胞图像	NA
443	2025-05-02	UniAMP: enhancing AMP prediction using deep neural networks with inferred information of peptides 2025-Jan-11, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-025-06033-3 PMID:39799358	研究论文	提出UniAMP框架，利用深度学习模型推断的肽信息增强抗菌肽（AMP）预测	使用深度学习模型UniRep和ProtT5推断的肽信息替代传统特征向量，并结合全连接层和transformer编码器构建的深度神经网络模型	未明确提及具体局限性	提高抗菌肽（AMP）的预测性能	抗菌肽（AMPs）	机器学习	NA	深度学习	全连接层和transformer编码器	肽序列信息	平衡基准数据集和不平衡测试数据集
444	2025-05-02	Development of a model for measuring sagittal plane parameters in 10-18-year old adolescents with idiopathic scoliosis based on RTMpose deep learning technology 2025-Jan-11, Journal of orthopaedic surgery and research IF:2.8Q1 DOI:10.1186/s13018-024-05334-2 PMID:39799363	研究论文	本研究开发了一种基于RTMpose深度学习技术的模型，用于快速自动测量青少年特发性脊柱侧凸（AIS）患者的全脊柱X光片矢状面参数	利用RTMpose深度学习技术自动化测量过程，解决了手动测量耗时及个体间差异大的问题	不同医院数据格式和规格的变异性，通过数据增强技术进行了处理	开发一种深度学习模型，用于快速自动测量AIS患者的全脊柱X光片矢状面参数	10-18岁青少年特发性脊柱侧凸（AIS）患者	数字病理	脊柱侧凸	RTMpose深度学习技术	RTMpose	X光图像	560张全脊柱矢状面X光片，来自内蒙古五家医院
445	2025-05-02	Deep learning algorithms enable MRI-based scapular morphology analysis with values comparable to CT-based assessments 2025-Jan-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-84107-7 PMID:39794358	research paper	本研究提出了一种基于深度学习的MRI肩胛骨形态分析方法，其准确性可与CT评估相媲美	利用深度学习技术克服MRI各向异性分辨率和有限视野的限制，实现自动化的肩胛骨形态分析	研究未提及该方法在不同MRI扫描仪或参数下的泛化能力	开发一种无需CT即可准确评估肩胛骨形态的MRI分析方法	肩胛骨的形态学特征	digital pathology	rotator cuff tear	MRI, CT	deep learning segmentation network	3D medical image	未明确说明样本数量
446	2025-05-02	Transformer-based modeling of Clonal Selection and Expression Dynamics reveals resistance mechanisms in breast cancer 2025-Jan-10, NPJ systems biology and applications IF:3.5Q1 DOI:10.1038/s41540-024-00485-8 PMID:39794360	研究论文	提出了一种基于Transformer的动态深度学习模型TraCSED，用于模拟乳腺癌中的克隆选择和表达动态，揭示耐药机制	开发了TraCSED模型，能够识别与克隆选择相关的可解释基因程序及其时间点，揭示了传统差异分析方法未能发现的耐药机制	研究仅针对giredestrant和palbociclib两种药物治疗的乳腺癌细胞，可能不适用于其他癌症类型或治疗方式	研究乳腺癌细胞转录异质性及其对治疗反应的影响，以识别耐药机制	乳腺癌细胞	数字病理学	乳腺癌	单细胞RNA测序(scRNA-seq)	Transformer	基因表达数据	未明确提及具体样本数量
447	2025-05-02	A hybrid explainable model based on advanced machine learning and deep learning models for classifying brain tumors using MRI images 2025-Jan-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-85874-7 PMID:39794374	研究论文	提出了一种结合轻量级并行深度可分离卷积神经网络（PDSCNN）和混合岭回归极限学习机（RRELM）的新方法，用于基于MRI图像准确分类四种脑肿瘤	结合PDSCNN和RRELM模型，通过CLAHE增强MRI图像特征，显著提高了分类性能，并利用SHAP增强了模型的可解释性	未提及具体的数据集规模或多样性限制	提高脑肿瘤的早期检测和准确分类，以支持有效治疗策略	四种脑肿瘤（胶质瘤、脑膜瘤、无肿瘤和垂体瘤）的MRI图像	计算机视觉	脑肿瘤	对比度受限的自适应直方图均衡化（CLAHE）	PDSCNN和RRELM	MRI图像	未明确提及样本数量
448	2025-05-02	Robustly detecting mpox and non-mpox using a deep learning framework based on image inpainting 2025-01-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-85771-z PMID:39794381	research paper	提出了一种基于图像修复的深度学习框架MIM，用于稳健检测猴痘和非猴痘病例	MIM策略通过图像修复学习猴痘图像特征，能有效处理未知类别和异常输入，优于现有的多类分类模型	未明确说明模型在更大规模或多样化数据集上的性能表现	开发一种稳健的猴痘检测技术以弥补当前诊断技术的不足	猴痘和非猴痘皮肤疾病图像	computer vision	猴痘	image inpainting	GAN	image	MSLD猴痘数据集和包含18类非猴痘皮肤疾病的数据集
449	2025-05-02	Characteristics of successful expansion of tumor-infiltrating lymphocytes from colorectal cancer liver metastasis 2025-Jan-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-85892-5 PMID:39794519	research paper	该研究探讨了从结直肠癌肝转移组织中成功扩增肿瘤浸润淋巴细胞（TILs）的特征及其与组织病理学因素的相关性	首次系统研究了结直肠癌肝转移组织中TILs的扩增特性，并发现KM评分可作为TILs扩增潜力的预测指标	样本量较小（仅15例），且仅5例进行了快速扩增实验	探索结直肠癌肝转移组织中TILs的扩增特性及其临床应用潜力	结直肠癌肝转移患者的肿瘤组织样本	digital pathology	colorectal cancer	TILs培养技术，深度学习空间分析	NA	组织样本数据，细胞计数数据	15例结直肠癌肝转移组织样本（其中5例进行快速扩增）
450	2025-05-02	Predicting Age and Visual-Motor Integration Using Origami Photographs: Deep Learning Study 2025-Jan-10, JMIR formative research IF:2.0Q4 DOI:10.2196/58421 PMID:39803896	研究论文	本研究应用AI技术通过折纸照片预测儿童的年龄和视觉-运动整合(VMI)发展	首次将深度学习模型应用于折纸作品分析，以预测儿童年龄和VMI发展水平	研究样本仅包含2-6岁儿童，且仅使用折纸狗一种模型进行测试	探索AI技术在儿童发展评估中的应用潜力	515名2-6岁儿童的折纸作品	计算机视觉	NA	深度学习	ResNet-50, XGBoost, 多层感知机	图像(折纸照片)	515名儿童(训练组与测试组比例为4:1)
451	2025-05-02	Awareness and Attitude Toward Artificial Intelligence Among Medical Students and Pathology Trainees: Survey Study 2025-Jan-10, JMIR medical education IF:3.2Q1 DOI:10.2196/62669 PMID:39803949	研究论文	本研究通过问卷调查评估和比较了医学生和病理学培训生对人工智能（AI）在医学中应用的认知和态度	首次分析了约旦医学生对AI的看法和认知，并首次纳入了病理学住院医师的视角	研究仅针对约旦的5所公立医学院校和4个住院医师培训项目，样本代表性可能有限	评估医学生和病理学培训生对医学AI相关态度的差异，并阐明他们在AI增强医疗快速演变中的预期角色	医学生和病理学培训生	数字病理	NA	问卷调查	NA	调查数据	394名受访者（328名医学生和66名病理学住院医师）
452	2025-05-02	Bird Species Detection Net: Bird Species Detection Based on the Extraction of Local Details and Global Information Using a Dual-Feature Mixer 2025-Jan-06, Sensors (Basel, Switzerland) DOI:10.3390/s25010291 PMID:39797082	research paper	提出了一种基于局部细节和全局信息双特征混合器的鸟类物种检测网络BSD-Net	设计了双分支特征混合器和预测平衡模块，有效结合局部和全局信息，解决类别不平衡问题	未明确说明模型在复杂背景或极端光照条件下的性能	提高鸟类物种检测的准确性	鸟类图像数据	computer vision	NA	deep learning	BSD-Net (包含DBFM和PBM模块)	image	三个数据集：CUB-200-2011、Poyang Lake Bird dataset和FBD-SV-2024
453	2025-05-02	TIPPo: A User-Friendly Tool for De Novo Assembly of Organellar Genomes with High-Fidelity Data 2025-Jan-06, Molecular biology and evolution IF:11.0Q1 DOI:10.1093/molbev/msae247 PMID:39800935	研究论文	介绍了一种名为TIPPo的用户友好工具，用于利用高保真长读数据从头组装植物细胞器基因组	TIPPo不依赖相关物种的基因组或核基因组信息，采用深度学习模型进行初始读段分类，并利用k-mer计数进行进一步优化，显著减少了核插入细胞器DNA对组装过程的影响	NA	开发一种高效、用户友好的工具，用于植物细胞器基因组的从头组装	植物细胞器基因组（叶绿体和线粒体）	基因组学	NA	PacBio高保真长读数据	深度学习模型	基因组序列数据	54个完整的叶绿体基因组
454	2025-05-02	Investigation and Assessment of AI's Role in Nutrition-An Updated Narrative Review of the Evidence 2025-Jan-05, Nutrients IF:4.8Q1 DOI:10.3390/nu17010190 PMID:39796624	review	本文调查和评估了AI在营养学中的不同应用和角色，并探讨了其未来的潜在影响	AI通过机器学习模型、可穿戴设备和聊天机器人应用等技术，显著提高了饮食评估的准确性，并为个体和社区提供定制化的营养解决方案	需要解决数据质量和伦理挑战，并确保用户需求处于前沿	探讨AI在营养学研究和应用中的角色及其未来潜力	AI技术在营养学中的应用，包括饮食评估、个性化营养和疾病管理	machine learning	心血管疾病, 糖尿病, 癌症, 肥胖	机器学习模型, 可穿戴设备, 聊天机器人应用, 视觉识别, 深度学习	deep learning	text, image	NA
455	2025-05-02	A Deep Learning-Based Framework Oriented to Pathological Gait Recognition with Inertial Sensors 2025-Jan-05, Sensors (Basel, Switzerland) DOI:10.3390/s25010260 PMID:39797052	research paper	提出一个基于深度学习的框架，用于通过惯性传感器识别病理步态	利用健康受试者模拟步态障碍进行病理步态识别，减少了实验时间和样本量的需求	这是一个初步的可行性研究，需要在真实的病理数据上进行更现实的验证	开发一个能够识别正常和病理步态行为的系统，以支持临床医生早期检测步态障碍和实时跟踪康复进展	19名健康受试者的惯性数据	machine learning	geriatric disease	惯性传感器	CNN	sensor data	19名健康受试者
456	2025-05-02	Advances in Whole Genome Sequencing: Methods, Tools, and Applications in Population Genomics 2025-Jan-04, International journal of molecular sciences IF:4.9Q2 DOI:10.3390/ijms26010372 PMID:39796227	综述	本文综述了全基因组测序技术在群体基因组学中的应用、方法、工具及其进展	探讨了深度学习模型和机器学习算法在未来群体基因组学中的应用潜力	未提及具体实验数据或案例分析	研究全基因组测序技术在群体基因组学中的应用及未来发展方向	群体基因组学中的遗传变异和群体结构	群体基因组学	NA	全基因组测序(WGS)	深度学习模型、机器学习算法	重测序数据	NA
457	2025-05-02	DHCT-GAN: Improving EEG Signal Quality with a Dual-Branch Hybrid CNN-Transformer Network 2025-Jan-03, Sensors (Basel, Switzerland) DOI:10.3390/s25010231 PMID:39797022	研究论文	提出了一种名为DHCT-GAN的双分支混合CNN-Transformer网络，用于提高EEG信号质量	采用双分支混合网络架构，独立学习干净EEG信号和伪迹信号的特征，并通过自适应门控网络融合信息，以生成去噪后的EEG信号	未提及具体局限性	改进EEG信号质量，有效去除生理伪迹	EEG信号	机器学习	神经系统疾病	EEG信号处理	GAN, CNN, Transformer	EEG信号数据	NA
458	2025-05-02	An FPGA-Based SiNW-FET Biosensing System for Real-Time Viral Detection: Hardware Amplification and 1D CNN for Adaptive Noise Reduction 2025-Jan-03, Sensors (Basel, Switzerland) DOI:10.3390/s25010236 PMID:39797026	研究论文	提出了一种基于FPGA的SiNW-FET生物传感系统，用于实时病毒检测，结合硬件放大和1D CNN进行自适应降噪	将SiNW-FET生物传感技术与FPGA实现的深度学习降噪相结合，创建了一个紧凑的系统，能够在实时病毒检测中实现高精度和低功耗	研究结果仅基于COMSOL和MATLAB的模拟，未进行物理原型或生物标志物检测实验	开发一种便携式、高灵敏度的实时病毒检测系统	病毒抗原的抗体-抗原相互作用	数字病理	病毒感染	SiNW-FET生物传感技术	1D CNN	阻抗信号	NA
459	2025-05-02	π-PrimeNovo: an accurate and efficient non-autoregressive deep learning model for de novo peptide sequencing 2025-01-02, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-55021-3 PMID:39747823	研究论文	介绍了一种名为π-PrimeNovo的非自回归深度学习模型，用于高效准确地进行从头肽段测序	提出了一种非自回归Transformer模型，通过架构设计和CUDA增强的解码模块实现高精度和快速推理，显著优于现有方法	未明确提及具体限制	提高肽段测序的准确性和效率，特别是在大规模应用如元蛋白质组学中	肽段测序，特别是针对现有数据库中缺失的肽段	机器学习	NA	串联质谱(MS/MS)	非自回归Transformer	质谱数据	NA
460	2025-05-02	The role of chromatin state in intron retention: A case study in leveraging large scale deep learning models 2025-Jan, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1012755 PMID:39792954	研究论文	探讨染色质状态在内含子保留中的作用，并利用大规模深度学习模型开发简单、可解释的内含子保留模型	利用Sei模型开发的内含子保留模型优于基于DNABERT-2的模型，并揭示了染色质状态对内含子保留的调控作用	研究依赖于预训练模型Sei和DNABERT-2，可能受限于这些模型的性能和适用范围	研究染色质状态对内含子保留的调控作用，并开发更准确的内含子保留预测模型	内含子保留及其调控机制	自然语言处理, 计算机视觉, 基因组学	NA	深度学习, 自监督学习, 监督学习	Sei, DNABERT-2	基因组数据	大规模基因组数据集（来自ENCODE等来源）