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	2025-03-08	Explainable multiscale temporal convolutional neural network model for sleep stage detection based on electroencephalogram activities 2025-Mar-07, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/adb90c PMID:39983236	研究论文	本文提出了一种基于脑电图活动的可解释多尺度时间卷积神经网络模型，用于自动睡眠阶段检测	该模型通过多尺度神经生理学模拟内核捕捉不同频率和时间长度的睡眠相关脑电图活动，提高了模型的可解释性和性能	尽管模型在少量数据上表现良好，但在实际应用中仍需进一步验证其泛化能力	开发一种自动睡眠阶段检测模型，以减少繁琐的手动标注过程	睡眠阶段的脑电图活动	机器学习	NA	脑电图（EEG）	多尺度时间卷积神经网络（MTCNN）	脑电图数据	153天的多导睡眠图数据
4862	2025-03-08	Deep learning-based quantification of T2-FLAIR mismatch sign: extending IDH mutation prediction in adult-type diffuse lower-grade glioma 2025-Mar-07, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-11475-7 PMID:40050456	研究论文	本研究探讨了基于深度学习的定量T2-FLAIR不匹配比率（qT2FM）在成人型弥漫性低级别胶质瘤（LGG）中预测IDH突变状态的价值	利用深度学习进行全自动肿瘤分割，首次提出qT2FM作为识别IDH突变状态和IDHmut-Noncodel亚型的有力预测指标	研究为回顾性设计，样本量相对有限，且未涉及其他类型胶质瘤的验证	评估qT2FM在成人型弥漫性LGG中预测IDH突变状态的有效性	218名成人型弥漫性LGG患者	数字病理学	脑胶质瘤	深度学习	深度学习分割模型	医学影像	218名患者（125名男性，平均年龄47岁±15）
4863	2025-03-08	Automated deep learning-assisted early detection of radiation-induced temporal lobe injury on MRI: a multicenter retrospective analysis 2025-Mar-07, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-11470-y PMID:40050455	研究论文	本文评估了一种基于深度学习的自动化工具（RTLI-DM）在MRI上早期检测辐射诱导的颞叶损伤（RTLI）的效果	开发并验证了一种结合Unet++和修改版DenseNet-121网络的自动化RTLI检测模型，显著提高了放射科医生的诊断性能并减少了阅读时间	尽管RTLI-DM显著提高了诊断性能，但在临床应用中仍需进一步验证	评估自动化深度学习工具在早期检测辐射诱导颞叶损伤中的效果	396名RTLI患者和3181名非RTLI患者	数字病理学	颞叶损伤	MRI	Unet++, DenseNet-121	图像	396名RTLI患者和3181名非RTLI患者，总计3577名患者
4864	2025-03-08	Determinants of ascending aortic morphology: Cross-sectional deep learning-based analysis on 25,073 non-contrast-enhanced NAKO MRI studies 2025-Mar-07, European heart journal. Cardiovascular Imaging DOI:10.1093/ehjci/jeaf081 PMID:40052574	研究论文	本研究利用深度学习技术自动分析25,073例非对比增强磁共振成像数据，探讨了升主动脉形态的决定因素	首次结合深度学习和因果分析技术，自动分割并分析升主动脉形态，揭示其与多种人口统计学和健康因素的关系	研究基于横断面数据，无法确定因果关系，且样本主要来自德国国家队列，可能限制结果的普适性	探讨升主动脉形态的决定因素，以支持心血管健康的精准诊断和预防策略	25,073例非对比增强磁共振成像数据	医学影像分析	心血管疾病	深度学习	NA	3D非对比增强磁共振成像数据	25,073例
4865	2025-03-08	The value of radiomics and deep learning based on PET/CT in predicting perineural nerve invasion in rectal cancer 2025-Mar-07, Abdominal radiology (New York) DOI:10.1007/s00261-025-04833-y PMID:40053051	研究论文	本研究探讨了基于PET/CT的放射组学特征和深度学习特征在预测直肠癌神经周围浸润（PNI）中的价值	结合PET代谢参数、放射组学特征和深度学习特征构建了联合模型，用于预测直肠癌的神经周围浸润	样本量相对较小，且外部验证集仅来自两家医院	研究PET/CT的放射组学和深度学习特征在预测直肠癌神经周围浸润中的应用价值	直肠癌患者	数字病理	直肠癌	PET/CT	深度学习模型、放射组学模型、联合模型	PET/CT图像	120例直肠癌患者（56例PNI阳性，64例PNI阴性），外加31例来自其他两家医院的患者作为外部验证集
4866	2025-03-08	Deep Learning-based Multi-class Classification for Neonatal Respiratory Diseases on Chest Radiographs in Neonatal Intensive Care Units 2025-Mar-06, Neonatology IF:2.6Q1 DOI:10.1159/000545107 PMID:40049153	研究论文	本研究介绍了一种基于深度学习的自动算法，用于分类新生儿重症监护病房中的各种新生儿呼吸系统疾病和健康肺	使用大规模高质量多类标注的胸部X光图像数据集，结合非影像数据，开发了一种新的深度学习模型，用于新生儿呼吸系统疾病的自动分类	研究仅基于韩国10所大学医院的数据，可能限制了模型的普遍适用性	开发一种自动分类算法，以支持新生儿科医生对重症新生儿的及时准确决策	新生儿重症监护病房中的新生儿	计算机视觉	新生儿呼吸系统疾病	深度学习	修改后的ResNet50	胸部X光图像	训练集34,598张，验证集4,370张，测试集4,370张
4867	2025-03-08	A deep learning framework for automated and generalized synaptic event analysis 2025-Mar-05, eLife IF:6.4Q1 DOI:10.7554/eLife.98485 PMID:40042890	研究论文	本文介绍了一种基于深度学习的自动化突触事件分析方法miniML，用于准确分类和检测自发突触事件	miniML方法在模拟真实数据上的比较分析显示，其在精确度和召回率上优于现有的事件分析方法，并能轻松推广到不同的突触制备、电生理和光学记录技术以及跨物种应用	NA	开发一种自动化、可靠且标准化的突触事件分析框架，以促进神经功能和功能障碍的高通量研究	自发突触事件	机器学习	NA	深度学习	NA	电生理记录数据	NA
4868	2025-03-08	Open-Source Manually Annotated Vocal Tract Database for Automatic Segmentation from 3D MRI Using Deep Learning: Benchmarking 2D and 3D Convolutional and Transformer Networks 2025-Mar-05, Journal of voice : official journal of the Voice Foundation IF:2.5Q1 DOI:10.1016/j.jvoice.2025.02.026 PMID:40050174	研究论文	本研究评估了深度学习算法在3D MRI数据中自动分割声道的效果，并比较了四种不同的深度学习架构	首次使用开源手动注释的声道数据库，并比较了2D和3D卷积网络以及Transformer网络在声道分割中的表现	所有模型在分割某些特定声音（如/kõn/）时表现不佳，且在骨性区域（如牙齿附近）频繁出现错误	评估深度学习算法在3D MRI数据中自动分割声道的效果	10名法语发音者的53个声道体积，包括21个独特的法语音素和3个独特的无声任务	计算机视觉	NA	深度学习	2D U-Net, 3D U-Net, 3D U-Net with transfer learning, 3D transformer U-Net (3D U-NetR)	3D MRI图像	53个声道体积来自10名法语发音者
4869	2025-03-08	DeepES: deep learning-based enzyme screening to identify orphan enzyme genes 2025-Mar-04, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaf053 PMID:39909853	研究论文	本文介绍了一种名为DeepES的深度学习工具，用于筛选和识别孤儿酶基因	DeepES通过整合每个反应类别的二元分类器输出，评估输入基因是否包含感兴趣的生物合成基因簇，从而识别孤儿酶基因	NA	开发一种深度学习工具，用于识别孤儿酶基因，以填补序列与酶反应之间关联的理解空白	蛋白质序列和生物合成基因簇	机器学习	NA	深度学习	二元分类器	蛋白质序列	4744个宏基因组组装的基因组
4870	2025-03-08	Evolution of AI enabled healthcare systems using textual data with a pretrained BERT deep learning model 2025-Mar-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-91622-8 PMID:40038367	研究论文	本文通过应用文本挖掘技术收集科学论文和专利信息，探讨了人工智能在医疗保健领域的未来趋势	首次将深度学习自监督模型引入医疗保健领域的人工智能研究，有效提高了分析的准确性和效率	早期技术趋势分析主要依赖专家判断，可能存在主观性	揭示人工智能在医疗保健领域的研究热点和技术趋势，探索未来医疗服务的潜在转型方向	科学论文和专利信息	自然语言处理	NA	文本挖掘	BERT	文本	科学论文1587篇，专利1314项
4871	2025-03-08	Precision diagnosis of burn injuries using imaging and predictive modeling for clinical applications 2025-Mar-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-92096-4 PMID:40038450	研究论文	本文提出了一种结合先进医学影像和预测模型的方法，用于改进烧伤评估	结合使用自适应复杂独立成分分析（ACICA）和参考区域（TBSA）方法，以及深度学习技术，实现烧伤深度和全身表面积（TBSA）的精确估计	NA	提高烧伤诊断的精确性，优化患者治疗效果	烧伤患者	数字病理学	烧伤	ACICA, TBSA, 深度学习	RNN	医学影像	DCE-LUV样本
4872	2025-03-08	Automated classification of chest X-rays: a deep learning approach with attention mechanisms 2025-Mar-04, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-01604-5 PMID:40038588	研究论文	本文提出了一种结合Vision Transformer、DenseNet201和全局平均池化的深度学习模型，用于自动分类胸部X光片，以诊断COVID-19、肺炎和肺部不透明等疾病	该模型结合了Vision Transformer用于捕捉长距离依赖关系、DenseNet201用于强大的特征提取以及全局平均池化用于保留关键空间细节，显著提升了分类准确率	研究依赖于公开的胸部X光数据集，可能无法涵盖所有临床场景	开发一种自动化深度学习模型，用于准确诊断胸部X光片中的肺部疾病	胸部X光片	计算机视觉	COVID-19, 肺炎, 肺部不透明	深度学习	Vision Transformer (ViT), DenseNet201	图像	21,165张胸部X光片
4873	2025-03-08	Development of model for identifying homologous recombination deficiency (HRD) status of ovarian cancer with deep learning on whole slide images 2025-Mar-04, Journal of translational medicine IF:6.1Q1 DOI:10.1186/s12967-025-06234-7 PMID:40038690	研究论文	本研究旨在开发一种基于深度学习的分类器，用于从全切片图像中识别肿瘤区域，并对卵巢癌患者的同源重组缺陷（HRD）状态进行分层	利用深度学习模型在全切片图像上识别肿瘤区域并预测卵巢癌患者的HRD状态，创新性地结合了UNet++算法和集成模型	样本量相对较小（205例），且仅来自两个机构，可能限制了模型的泛化能力	构建一个深度学习分类器，用于识别卵巢癌患者的HRD状态	卵巢癌患者的全切片图像	数字病理学	卵巢癌	深度学习	UNet++和集成模型	图像	205例卵巢癌患者的H&E染色切片
4874	2025-03-08	A deep learning model for radiological measurement of adolescent idiopathic scoliosis using biplanar radiographs 2025-Mar-04, Journal of orthopaedic surgery and research IF:2.8Q1 DOI:10.1186/s13018-025-05620-7 PMID:40038733	研究论文	本文开发了一种深度学习模型，用于自动测量双平面X光片中的脊柱对齐参数，以诊断和评估青少年特发性脊柱侧弯（AIS）	该模型不仅测量冠状面Cobb角，还评估矢状面，这是现有AI模型所忽略的	研究仅基于单一医院的600张双平面X光片，样本量和多样性可能有限	开发一种能够自动测量脊柱对齐参数的深度学习模型，以提高AIS诊断的准确性和效率	青少年特发性脊柱侧弯（AIS）患者的脊柱对齐参数	计算机视觉	青少年特发性脊柱侧弯	深度学习	ResNet34	图像	600张双平面X光片
4875	2025-03-08	Computational histology reveals that concomitant application of insect repellent with sunscreen impairs UV protection in an ex vivo human skin model 2025-Mar-04, Parasites & vectors IF:3.0Q1 DOI:10.1186/s13071-025-06712-3 PMID:40038831	研究论文	本研究利用计算组织学方法，评估了防晒霜与驱虫剂联合使用对紫外线防护效果的影响	首次使用离体人类皮肤样本评估防晒霜与驱虫剂联合使用的潜在毒性，并开发了NoxiScore这一深度学习软件解决方案	研究仅基于离体皮肤样本，可能无法完全反映活体皮肤的真实反应	评估防晒霜与驱虫剂联合使用对紫外线防护效果的影响	人类皮肤活检样本	数字病理学	NA	深度学习	NA	图像	来自多个捐赠者的人类皮肤活检样本
4876	2025-03-08	Deep learning-aided preparation and mechanism revaluation of waste wood lignocellulose-based flame-retardant composites 2025-Mar-03, International journal of biological macromolecules IF:7.7Q1 DOI:10.1016/j.ijbiomac.2025.141690 PMID:40043971	研究论文	本文提出了一种利用深度学习辅助制备和重新评估废木材基阻燃复合材料的方法	使用深度学习模型预测复合材料的阻燃性能，并优化了阻燃剂的添加量	未提及具体的数据集大小或模型训练细节	研究废木材的高效回收利用及其在阻燃复合材料中的应用	废木材基阻燃复合材料	材料科学	NA	深度学习	LSTM	实验数据	未提及具体样本数量
4877	2025-03-08	An Earth Mover's Distance-Based Self-Supervised Framework for Cellular Dynamic Grading in Live-Cell Imaging 2025-Mar, Journal of computational biology : a journal of computational molecular cell biology IF:1.4Q2 DOI:10.1089/cmb.2024.0672 PMID:39618334	研究论文	本文提出了一种基于地球移动距离的自监督框架，用于活细胞成像中的细胞动态分级	提出了一种新的自监督框架，利用地球移动距离构建概率转移矩阵，并通过损失函数约束来增强模型学习时空动态的能力	依赖于细胞动态分级与细胞外观变化速度一致性的假设，可能不适用于所有细胞类型或条件	解决活细胞动态分级任务中数据收集和标注的挑战，提高深度学习模型的性能	活细胞显微视频中的细胞动态	计算机视觉	NA	自监督学习	神经网络	视频	NA
4878	2025-03-08	Deep learning based super-resolution for CBCT dose reduction in radiotherapy 2025-Mar, Medical physics IF:3.2Q1 DOI:10.1002/mp.17557 PMID:39625126	研究论文	本文提出了一种基于深度学习的超分辨率方法，用于减少放射治疗中CBCT的剂量	首次在CBCT剂量减少的背景下探索了深度学习超分辨率的应用，并提出了在投影域和图像域中使用增强型超分辨率生成对抗网络（ESRGAN）来恢复低剂量CBCT的图像质量	图像相似性指标受噪声水平影响，未能完全反映视觉上的改进	减少CBCT成像剂量，同时保持图像质量	头颈癌患者的CBCT扫描	数字病理	头颈癌	深度学习超分辨率	ESRGAN	图像	2997个CBCT扫描
4879	2025-03-08	Breast radiotherapy planning: A decision-making framework using deep learning 2025-Mar, Medical physics IF:3.2Q1 DOI:10.1002/mp.17527 PMID:39625151	研究论文	本研究开发了一个利用深度学习预测剂量分布的决策框架，以帮助选择最佳乳腺癌放射治疗技术	使用2D U-Net卷积神经网络模型预测剂量分布图，并通过外部验证展示了该框架在临床决策中的高准确性和可靠性	研究依赖于回顾性数据集，且样本量相对较小（346名患者训练，30名患者验证），可能影响模型的泛化能力	开发一个基于深度学习的决策框架，以优化乳腺癌放射治疗计划的选择	乳腺癌患者	数字病理	乳腺癌	IMRT（调强放射治疗）和3D-CRT（三维适形放射治疗）	2D U-Net CNN	CT图像和剂量分布图	346名患者用于训练和调优，30名患者用于外部验证
4880	2025-03-08	DRGAT: Predicting Drug Responses Via Diffusion-Based Graph Attention Network 2025-Mar, Journal of computational biology : a journal of computational molecular cell biology IF:1.4Q2 DOI:10.1089/cmb.2024.0807 PMID:39639802	研究论文	本文介绍了一种名为DRGAT的药物反应预测方法，结合了去噪扩散隐式模型和图注意力网络，用于提高药物反应的预测准确性	DRGAT方法结合了去噪扩散隐式模型和数据增强技术，以及高阶邻居传播的图注意力网络，显著提高了药物反应预测的准确性	生物数据集通常高维但样本量小，可能导致过拟合和泛化能力差的问题	提高基于患者基因组特征的药物反应预测准确性，推动个性化医疗的发展	药物反应预测	机器学习	NA	去噪扩散隐式模型，图注意力网络（GAT）	GAT, HO-GATs	基因表达（GE）数据	NA