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
4861	2025-07-03	Deep learning radiomics and mediastinal adipose tissue-based nomogram for preoperative prediction of postoperative‌ brain metastasis risk in non-small cell lung cancer 2025-Jul-01, BMC cancer IF:3.4Q2 DOI:10.1186/s12885-025-14466-5 PMID:40597925	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
4862	2025-07-05	A deep learning model for predicting systemic lupus erythematosus-associated epitopes 2025-Jul-01, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-025-03056-x PMID:40598008	研究论文	本文提出了一种混合深度学习架构，用于预测系统性红斑狼疮相关表位	结合手工生化特征与数据驱动的深度序列建模，提出了一种新的混合深度学习架构，提高了SLE相关表位的识别准确率	未提及具体的数据集大小或多样性限制，也未讨论模型在其他疾病表位预测中的泛化能力	提高系统性红斑狼疮相关表位的预测准确性，以促进对自身免疫发病机制的理解和免疫治疗的设计	系统性红斑狼疮相关表位	生物信息学	系统性红斑狼疮	深度学习	CNN, LSTM, 多层感知机	序列数据	NA
4863	2025-07-05	Multi-dimensional annotation of porcine variants using genomic and epigenomic features in pigs 2025-Jul-01, BMC biology IF:4.4Q1 DOI:10.1186/s12915-025-02279-8 PMID:40598185	研究论文	本研究通过整合全球猪种和群体的1,817个全基因组序列，全面注释了猪基因组变异的功能影响	首次在猪中系统性地分析了功能丧失变异(LoFs)和非编码变异的功能影响，并利用Basenji深度学习模型和ATAC-seq预测SNP对染色质可及性的影响	研究主要基于相关性分析，缺乏直接的实验验证	揭示基因组变异对表观基因组、转录组和复杂性状的功能影响	猪基因组变异	基因组学	NA	全基因组测序, ATAC-seq, 深度学习	Basenji	基因组序列, 表观基因组数据	1,817个全基因组序列
4864	2025-07-05	Joint fusion of sequences and structures of drugs and targets for identifying targets based on intra and inter cross-attention mechanisms 2025-Jul-01, BMC biology IF:4.4Q1 DOI:10.1186/s12915-025-02256-1 PMID:40598296	研究论文	提出了一种名为MM-IDTarget的新型深度学习框架，通过多模态融合策略提高药物靶点识别的准确性	采用图变换器、多尺度卷积神经网络和残差边加权图卷积网络等先进技术，结合药物和靶点的序列和结构模态特征，通过内外交叉注意力机制增强多模态特征的互补性	基准数据集的大小仅为当前最先进方法所用数据集的三分之一或相同大小	提高药物靶点识别的准确性，指导疾病治疗并加速药物开发	药物和靶点的序列和结构模态特征	机器学习	NA	图变换器、多尺度卷积神经网络(MCNN)、残差边加权图卷积网络(EW-GCN)	深度学习框架	序列和结构数据	基准数据集大小为当前最先进方法所用数据集的三分之一或相同大小
4865	2025-07-05	Deep learning-based cough classification using application-recorded sounds: a transfer learning approach with VGGish 2025-Jul-01, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-025-03065-w PMID:40598373	研究论文	本研究提出了一种基于深度学习的咳嗽分类模型，利用智能手机记录的咳嗽声音进行早期诊断	采用VGGish作为迁移学习模型，并结合检测和分类网络，提高了咳嗽声音分类的准确性和可靠性	模型性能依赖于医疗专家的标注质量，且在不同数据集上的分类准确率存在差异	开发早期诊断系统，以改善呼吸道疾病的及时干预和治疗效果	智能手机记录的咳嗽声音	自然语言处理	呼吸道疾病	深度学习	VGGish	音频	多个数据集（dataset1, 2, 和3）
4866	2025-07-05	AmpHGT: expanding prediction of antimicrobial activity in peptides containing non-canonical amino acids using multi-view constrained heterogeneous graph transformer 2025-Jul-01, BMC biology IF:4.4Q1 DOI:10.1186/s12915-025-02253-4 PMID:40598389	研究论文	提出了一种名为AmpHGT的新型深度学习模型，用于预测含有非经典氨基酸的抗菌肽的抗菌活性	AmpHGT模型基于异构图表示肽，能够有效分类含有非经典氨基酸的抗菌肽，解决了传统特征提取方法的局限性	传统解码方法和单字母表示系统对于非经典氨基酸的处理不足，阻碍了新型抗菌肽的开发	开发一种能够预测含有非经典氨基酸的抗菌肽活性的模型	抗菌肽（AMPs），特别是含有非经典氨基酸的抗菌肽	机器学习	NA	深度学习	异构图变换器（Heterogeneous Graph Transformer, HGT）	肽序列和结构数据	NA
4867	2025-07-05	Comparative analysis of statistical and deep learning-based multi-omics integration for breast cancer subtype classification 2025-Jul-01, Journal of translational medicine IF:6.1Q1 DOI:10.1186/s12967-025-06662-5 PMID:40598554	研究论文	比较统计和深度学习方法在多组学整合中对乳腺癌亚型分类的效果	比较了基于统计的MOFA+和基于深度学习的MOGCN两种多组学整合方法在乳腺癌亚型分类中的表现	研究仅基于960例乳腺癌患者样本，可能无法完全代表所有乳腺癌亚型的多样性	评估不同多组学整合方法在乳腺癌亚型分类中的效果	乳腺癌患者的多组学数据（转录组学、表观基因组学和微生物组学）	机器学习	乳腺癌	多组学整合分析	MOFA+, MOGCN	多组学数据	960例乳腺癌患者样本
4868	2025-07-05	Extracting True Virus SERS Spectra and Augmenting Data for Improved Virus Classification and Quantification 2025-Jun-27, ACS sensors IF:8.2Q1 DOI:10.1021/acssensors.4c03397 PMID:40382719	研究论文	本文开发了一种深度学习框架，利用双神经网络提取真实的病毒SERS光谱并估计12种不同呼吸道病毒在水中的浓度系数，以提高病毒分类和定量分析的准确性	提出了一种深度学习框架，能够提取真实的病毒SERS光谱并估计浓度系数，从而增强光谱数据集，显著提高了分类和定量分析的准确性	研究主要基于水中的病毒样本，虽然在唾液背景中也进行了测试，但其他生物样本中的适用性仍需进一步验证	提高基于SERS的病毒分类和定量分析的准确性和灵敏度	12种不同的呼吸道病毒	机器学习	呼吸道病毒感染	表面增强拉曼光谱(SERS)	XGBoost	光谱数据	12种不同呼吸道病毒的光谱数据
4869	2025-07-04	Rethinking deep learning in bioimaging through a data centric lens 2025-Jun-26, Npj imaging.. DOI:10.1038/s44303-025-00092-0 PMID:40604161	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
4870	2025-07-05	Towards effective and efficient machine learning models for schistosomiasis diagnosis in microscopic images 2025-Jun-25, Experimental parasitology IF:1.4Q3 DOI:10.1016/j.exppara.2025.108967 PMID:40578420	研究论文	本研究提出了一种结合深度学习和传统机器学习技术的自动化解决方案，用于在显微镜图像中识别曼氏血吸虫卵	结合DL-based目标检测方法和经典ML技术及HOG特征提取，提出了一种集成投票机制的机器学习模型方案	研究基于特定数据集，外部验证数据有限	提高曼氏血吸虫病的诊断效率和准确性	曼氏血吸虫卵的显微镜图像	计算机视觉	血吸虫病	Kato-Katz寄生虫学技术	Faster R-CNN with ResNet-50	图像	1100张图像
4871	2025-07-05	EEG-Based Classification of Parkinson's Disease With Freezing of Gait Using Midfrontal Beta Oscillations 2025-Jun-20, Journal of integrative neuroscience IF:2.5Q3 DOI:10.31083/JIN39023 PMID:40613373	研究论文	本研究利用脑电图（EEG）信号中的中额叶β振荡特征，结合机器学习和深度学习方法，对帕金森病伴随冻结步态（PDFOG+）与不伴随冻结步态（PDFOG-）的患者进行分类	首次将中额叶β振荡特征与LSTM时间建模相结合，作为区分PDFOG+和PDFOG-的潜在EEG生物标志物	样本量相对较小（共82名受试者），且仅使用静息态EEG数据	开发更有效的帕金森病相关步态障碍诊断工具和治疗策略	帕金森病患者（41名PDFOG+和41名PDFOG-）	机器学习	帕金森病	EEG	LR, RF, XGBoost, CatBoost, LSTM	EEG信号	82名受试者（41名PDFOG+和41名PDFOG-）
4872	2025-07-05	Rural Medical Centers Struggle to Produce Well-Calibrated Clinical Prediction Models: Data Augmentation Can Help 2025-Jun-17, medRxiv : the preprint server for health sciences DOI:10.1101/2025.06.16.25329699 PMID:40585177	研究论文	本文探讨了农村医疗中心在临床预测模型校准方面的困难，并提出数据增强技术作为解决方案	提出使用合成数据生成(SDG)技术增强农村医疗机构本地数据量，以改善模型校准效果	研究主要基于模拟数据和单一网络医院数据，需要更多真实世界验证	解决农村医疗机构因患者数量不足导致的临床预测模型校准问题	农村医疗中心的临床预测模型	医疗机器学习	NA	合成数据生成(SDG)	深度学习	临床数据	多站点ICU数据集和真实医院网络数据
4873	2025-07-05	Utilizing shallow features and spatial context for weakly supervised intracerebral hemorrhage segmentation 2025-Jun-06, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-24-1462 PMID:40606325	研究论文	提出一种利用浅层特征和空间上下文信息进行弱监督脑出血分割的新方法	开发了Shallow-Feature CAM模块和Spatial Context Aware (SCA)模块，利用CNN的浅层特征图和CT图像的空间上下文信息提高分割精度	仅使用公开数据集验证，未在更多临床场景中测试	提高弱监督条件下脑出血分割的准确性	脑出血CT图像	数字病理	脑出血	CNN	CNN	CT图像	两个公开数据集(BHSD和BCIHM)
4874	2025-07-05	A three-classification machine learning model for non-invasive prediction of molecular subtypes in diffuse glioma: a two-center study 2025-Jun-06, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-24-2461 PMID:40606348	research paper	开发并验证了一种非侵入性的三分类机器学习模型，用于预测成人型弥漫性胶质瘤的分子亚型	结合了常规MRI特征、RSTD特征和人口统计学特征，构建了一个性能优越的三分类机器学习模型	研究为回顾性设计，样本量相对有限，且仅来自两个中心	开发一种非侵入性方法来预测成人型弥漫性胶质瘤的分子亚型	306名胶质瘤患者	machine learning	glioma	MRI, radiomics, Swin Transformer-based deep learning	XGBoost, kNN, LightGBM, RF, SVM, SGD	MRI图像	306名患者（258名来自中心1，48名来自中心2）
4875	2025-07-05	A narrative review of foundation models for medical image segmentation: zero-shot performance evaluation on diverse modalities 2025-Jun-06, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-2024-2826 PMID:40606341	综述	本文全面回顾了医学图像分割中的基础模型，评估了它们在多种数据集上的零样本性能，并评估了它们在临床环境中的实际适用性	通过系统性地分类基础模型并评估其在未见过的医学图像数据集上的零样本性能，为医学图像分割领域提供了新的见解	研究仅评估了六种基础模型，可能无法涵盖所有相关模型，且数据集的选择可能存在偏差	评估基础模型在医学图像分割中的零样本性能及其在临床环境中的适用性	医学图像分割中的基础模型	数字病理	NA	深度学习	基础模型	医学图像	63项研究系统回顾，31个未见过的医学图像数据集
4876	2025-07-05	A comparative analysis of sagittal, coronal, and axial magnetic resonance imaging planes in diagnosing anterior cruciate ligament and meniscal tears via a deep learning model: emphasizing the unexpected importance of the axial plane 2025-Jun-06, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-24-1808 PMID:40606344	research paper	比较分析矢状面、冠状面和轴向磁共振成像平面在通过深度学习模型诊断前交叉韧带和半月板撕裂中的作用，强调轴向平面的意外重要性	首次系统比较了不同MRI平面在深度学习模型中对前交叉韧带和半月板撕裂诊断的影响，并发现轴向平面在半月板撕裂检测中的重要性	研究仅使用了MRNet数据集，样本量相对有限，且未在外部数据集上进行验证	探究不同MRI平面在深度学习模型中对膝关节损伤诊断的影响	前交叉韧带(ACL)撕裂和半月板撕裂	digital pathology	骨科疾病	磁共振成像(MRI)	TripleMRNet (基于CNN的深度学习模型)	image	1,130训练病例和120验证病例
4877	2025-07-05	Deep learning-based rotational object detection algorithm for automatic Cobb angle measurement in X-ray images of scoliosis 2025-Jun-06, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-24-2138 PMID:40606352	研究论文	本研究开发了一种基于深度学习的旋转目标检测算法，用于自动测量脊柱侧凸X射线图像中的Cobb角	采用重新设计的YOLOv8-DSF模型，配备创新模块以提高旋转目标的检测能力，从而提升Cobb角测量的准确性	未提及模型在更广泛数据集上的泛化能力或实际临床环境中的验证	提高脊柱侧凸评估中Cobb角测量的准确性	脊柱侧凸患者的X射线图像	计算机视觉	脊柱侧凸	深度学习	YOLOv8-DSF	图像	整合了私有和公开数据的自定义数据集
4878	2025-07-05	Deep learning for automated grading of radiographic sacroiliitis 2025-Jun-06, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-2024-2742 PMID:40606355	研究论文	本研究开发并验证了一种基于深度学习的AI系统，用于从标准X射线图像中辅助医生评估和诊断骶髂关节炎	利用深度学习模型自动评估X射线图像中的骶髂关节炎分级，显著提高了诊断和分级的准确性	研究为回顾性设计，可能受到数据选择和标注偏差的影响	开发并验证AI系统以辅助骶髂关节炎的X射线图像分级评估	骶髂关节炎患者的骨盆X射线图像	数字病理	骶髂关节炎	深度学习	神经网络	图像	训练集465人（930个骶髂关节），验证集195人（390个骶髂关节），外部测试集223人（446个骶髂关节）
4879	2025-07-05	Dual-stage artificial intelligence-powered screening for accurate classification of thyroid nodules: enhancing fine needle aspiration biopsy precision 2025-Jun-06, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-24-2336 PMID:40606376	研究论文	本文介绍了一种新颖的双阶段深度学习架构，用于甲状腺结节的四分类，旨在提高诊断准确性并减少不必要的细针穿刺活检	提出了一种结合分割和分类的双阶段深度学习框架，用于甲状腺结节的四分类，相比传统的二分类方法提供更精确和一致的分析	未明确提及具体局限性	提高甲状腺结节诊断的准确性，减少不必要的细针穿刺活检	甲状腺结节	数字病理	甲状腺癌	深度学习	K-Net, MobileViT	医学影像	未明确提及具体样本量
4880	2025-07-05	Diagnosis of thyroid nodules using ultrasound images based on deep learning features: online dynamic nomogram and gradient-weighted class activation mapping 2025-Jun-06, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-2025-159 PMID:40606380	research paper	本研究开发了一种基于超声图像和深度学习特征的集成模型，用于区分甲状腺结节的良恶性	结合深度学习特征和超声图像特征构建集成模型，并利用Grad-CAM可视化敏感区域，同时开发了在线动态列线图供实际应用	研究为回顾性设计，样本来源仅限于两家医院	提高年轻放射科医生在甲状腺结节良恶性鉴别诊断中的能力	甲状腺结节患者	digital pathology	thyroid nodules	ultrasound imaging, deep learning	CNN (implied by ImageNet-pretrained models)	image	1,501张超声图像用于训练和验证，541名患者用于独立测试