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
501	2025-05-16	Multimodal deep learning for predicting PD-L1 biomarker and clinical immunotherapy outcomes of esophageal cancer 2025, Frontiers in immunology IF:5.7Q1 DOI:10.3389/fimmu.2025.1540013 PMID:40134428	research paper	该研究开发了一种多模态深度学习模型，用于预测食管癌患者的PD-L1生物标志物水平和免疫治疗结果	提出了一种整合病理特征、放射组学特征和临床信息的新型多模态深度学习模型，用于预测PD-L1水平和免疫治疗反应	研究样本量相对较小，且仅来自单一医疗中心	预测食管癌患者的PD-L1生物标志物水平和免疫治疗效果	食管鳞状细胞癌（ESCC）患者	digital pathology	esophageal cancer	免疫组织化学、CT扫描	multimodal deep learning	image, clinical variables	220例患者用于PD-L1表达水平分析，75例患者用于免疫治疗反应分析
502	2025-05-16	Beyond the Greater Angkor Region: Automatic large-scale mapping of Angkorian-period reservoirs in satellite imagery using deep learning 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0320452 PMID:40138322	研究论文	利用深度学习技术自动大规模识别卫星图像中的吴哥时期水库	首次使用Deeplab V3+深度学习模型进行语义分割，自动识别吴哥时期水库，显著提高了考古学家的工作效率	模型仅针对吴哥时期水库进行训练，可能无法直接应用于其他类型的考古特征	通过自动识别卫星图像中的考古特征，加速对吴哥文化圈以外区域的全面测绘	吴哥时期水库	计算机视觉	NA	卫星遥感、深度学习	Deeplab V3+	卫星图像	NA
503	2025-05-16	Deep Learning-Based Auto-Segmentation for Liver Yttrium-90 Selective Internal Radiation Therapy 2025 Jan-Dec, Technology in cancer research & treatment IF:2.7Q3 DOI:10.1177/15330338251327081 PMID:40152005	研究论文	评估一种基于深度学习的自动分割方法用于Y-90选择性内放射治疗中的肝脏轮廓描绘	使用U-Net3D架构构建的深度学习模型在肝脏分割中优于传统的基于Atlas的方法	NA	评估深度学习自动分割方法在Y-90选择性内放射治疗中的肝脏轮廓描绘效果	接受Y-90选择性内放射治疗的患者的CT图像	数字病理	肝癌	CT成像	U-Net3D	图像	NA
504	2025-05-16	A hybrid long short-term memory-convolutional neural network multi-stream deep learning model with Convolutional Block Attention Module incorporated for monkeypox detection 2025 Jan-Mar, Science progress IF:2.6Q2 DOI:10.1177/00368504251331706 PMID:40152267	research paper	开发一种结合LSTM-CNN和CBAM的多流深度学习模型，用于猴痘的早期检测	提出了一种结合LSTM-CNN和CBAM的混合多流深度学习模型，用于猴痘的早期检测，并通过Grad-CAM和LIME提高模型的可解释性	未提及模型在真实临床环境中的验证情况	开发一种可靠的深度学习模型，用于猴痘的早期检测	猴痘皮肤病变数据	digital pathology	monkeypox	deep learning	hybrid LSTM-CNN with CBAM	image	Mpox Skin Lesion Dataset Version 2.0 (MSLD v2.0)
505	2025-05-16	TNFR-LSTM: A Deep Intelligent Model for Identification of Tumour Necroses Factor Receptor (TNFR) Activity 2025 Jan-Dec, IET systems biology IF:1.9Q3 DOI:10.1049/syb2.70007 PMID:40156875	研究论文	本文介绍了一种名为DEEP-TNFR的深度学习模型，专门用于预测肿瘤坏死因子受体（TNFR）的活性	开发了DEEP-TNFR模型，结合相对和反向位置特征以及统计矩，显著提高了TNFR识别的准确性	NA	提高肿瘤坏死因子受体（TNFR）活性的识别准确性	肿瘤坏死因子（TNFs）及其受体（TNFR）	机器学习	癌症	深度学习	LSTM, Bi-LSTM, GRU, CNN, RNN, FCN	NA	NA
506	2025-05-16	A super resolution generative adversarial networks and partition-based adaptive filtering technique for detect and remove flickers in digital color images 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0317758 PMID:40354494	research paper	提出了一种结合超分辨率生成对抗网络和基于分区的自适应滤波技术的无监督框架，用于检测和消除数字彩色图像中的闪烁	首次将SRGAN与基于分区的自适应滤波技术结合，用于单图像去闪烁，无需先验知识	仅针对CMOS传感器相机拍摄的图像，未考虑其他类型传感器的闪烁问题	提高数字图像视觉质量，消除由动态光照和传感器噪声引起的闪烁伪影	数字彩色图像中的闪烁伪影	computer vision	NA	Super-Resolution Generative Adversarial Networks (SRGAN), Partition-Based Adaptive Filtering Technique (PBAFT)	SRGAN	image	未配对图像数据集
507	2025-05-16	Integrating temporal convolutional networks with metaheuristic optimization for accurate software defect prediction 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0319562 PMID:40354496	研究论文	本研究提出了一种结合时间卷积网络（TCN）和蚁狮优化（ALO）的智能方法，用于准确预测软件缺陷	首次将TCN与ALO结合用于软件缺陷预测，显著提升了预测准确率	未提及模型在超大规模软件项目中的表现	寻找最有效的软件缺陷检测模型	软件项目中的缺陷	机器学习	NA	时间卷积网络（TCN），蚁狮优化（ALO）	TCN, ALO, CNN, GRU, BiLSTM	软件项目数据	未明确提及具体样本数量
508	2025-05-16	Artificial intelligence meets genomic selection: comparing deep learning and GBLUP across diverse plant datasets 2025, Frontiers in genetics IF:2.8Q2 DOI:10.3389/fgene.2025.1568705 PMID:40364946	研究论文	本文通过比较深度学习模型和GBLUP方法在14个植物育种数据集上的表现，探讨了基因组选择在植物育种中的应用	深度学习模型能够捕捉复杂的非线性遗传模式，尤其在小型数据集中表现优于GBLUP方法	两种方法在不同性状和情景下表现不一，没有一种方法在所有情况下都优于另一种	提高基因组选择在植物育种中的实施效果	14个来自不同植物育种项目的真实数据集	机器学习	NA	基因组选择(GS)	深度学习(DL), GBLUP	基因组数据	14个数据集
509	2025-05-16	sEMG-based gesture recognition using multi-stream adaptive CNNs with integrated residual modules 2025, Frontiers in bioengineering and biotechnology IF:4.3Q2 DOI:10.3389/fbioe.2025.1487020 PMID:40365011	research paper	该研究提出了一种基于多流自适应卷积神经网络与残差模块（MSACNN-RM）的表面肌电信号手势识别方法，以提高特征提取和学习能力	结合多流卷积神经网络、自适应卷积神经网络和残差模块，增强了模型对复杂数据模式的提取和理解能力	未考虑个体间肌电信号差异，未来需开发通用多手势识别算法并优化网络以减少计算负担	提高表面肌电信号手势识别的准确性和多手势识别性能	表面肌电信号（sEMG）手势识别	machine learning	NA	surface electromyography (sEMG)	multi-stream adaptive convolutional neural networks with residual modules (MSACNN-RM)	sEMG信号数据	Ninapro DB1、Ninapro DB2和Ninapro DB4数据集
510	2025-05-16	Optimizing gene selection and module identification via ontology-based scoring and deep learning 2025, Bioinformatics advances IF:2.4Q2 DOI:10.1093/bioadv/vbaf034 PMID:40365108	研究论文	提出了一种结合统计方法和深度学习的集成框架，用于优化基因选择和模块识别	通过结合新型统计算法和深度神经网络模型，利用基因本体（GO）信息的语义相似性来增强基因选择和相互作用分析的准确性	未提及具体样本量或实验验证的详细结果	优化基因选择并识别基因相互作用模块，以更好地理解复杂疾病机制	基因表达数据和基因本体（GO）信息	计算生物学	NA	基因本体（GO）分析，深度神经网络	深度神经网络（DNN）	基因表达数据	NA
511	2025-05-16	A predictive nomogram of thyroid nodules based on deep learning ultrasound image analysis 2025, Frontiers in endocrinology IF:3.9Q2 DOI:10.3389/fendo.2025.1504412 PMID:40365227	research paper	本研究通过深度学习超声图像分析，建立了一个预测甲状腺结节良恶性的列线图模型	结合深度学习和患者临床超声特征，构建的列线图模型比单独使用C-TIRADS或深度学习模型具有更高的准确性	研究为回顾性研究，可能存在选择偏倚	提高甲状腺结节良恶性的预测性能	甲状腺结节	digital pathology	thyroid disease	deep learning ultrasound image analysis	deep learning model, nomogram model	ultrasound image	2247个甲状腺结节（1573个用于训练和测试，674个用于验证）
512	2025-05-16	Deep learning and radiomics-driven algorithm for automated identification of May-Thurner syndrome in Iliac CTV imaging 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1526144 PMID:40365495	research paper	本研究旨在通过深度学习和放射组学技术，开发一种自动化识别髂静脉CTV成像中May-Thurner综合征（MTS）的算法	结合深度学习和放射组学技术，首次开发了针对MTS的自动化分割模型和诊断放射组学特征	研究样本量相对有限（490例），且未提及外部验证数据集的独立验证结果	开发自动化MTS检测系统，提高诊断效率和准确性	髂静脉CTV扫描图像	digital pathology	cardiovascular disease	CTV成像	UPerNet	image	490例（201例MTS阳性，289例阴性）
513	2025-05-16	Cryptographic key generation using deep learning with biometric face and finger vein data 2025, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2025.1545946 PMID:40365578	研究论文	提出了一种利用深度学习和多模态生物特征（人脸和手指静脉）生成加密密钥的新方法	结合FaceNet和VGG19预训练模型进行特征提取，使用Siamese Neural Network (SNN) 和模糊提取器，实现了安全且可复现的加密密钥生成	NA	提高生物特征加密的准确性和鲁棒性，探索抗量子攻击的可扩展系统	人脸和手指静脉的生物特征数据	机器学习	NA	深度学习	FaceNet, VGG19, Siamese Neural Network (SNN)	图像	NA
514	2025-05-16	An Ensemble Deep Learning Algorithm for Structural Heart Disease Screening Using Electrocardiographic Images: PRESENT SHD 2024-Dec-27, medRxiv : the preprint server for health sciences DOI:10.1101/2024.10.06.24314939 PMID:39417095	研究论文	开发并验证了一种名为PRESENT-SHD的集成深度学习算法，用于通过12导联心电图图像自动检测和预测多种结构性心脏病	利用集成深度学习方法从心电图图像中自动检测多种结构性心脏病，并在多个医院和人群研究中验证其性能	研究主要依赖于特定医院和人群的数据，可能在其他人群中的泛化能力有待进一步验证	开发一种自动化工具，用于结构性心脏病的早期筛查和风险分层	结构性心脏病患者和普通人群	数字病理学	心血管疾病	深度学习	CNN, XGBoost	图像	261,228份心电图来自93,693名患者，并在11,023名个体中进行了验证
515	2025-05-16	RNA language models predict mutations that improve RNA function 2024-12-05, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-54812-y PMID:39638800	研究论文	本文介绍了一个名为GARNET的新数据库，用于RNA结构和功能分析，并利用该数据库开发了序列和结构感知的RNA生成模型	提出了GARNET数据库，结合GTDB参考生物的实验和预测最佳生长温度，开发了序列和结构感知的RNA生成模型，并成功预测了提高大肠杆菌核糖体热稳定性的突变	RNA结构预测仍受限于高质量参考数据的缺乏	探索RNA序列、结构和功能之间的联系	RNA序列和结构	自然语言处理	NA	GPT-like模型	GPT	RNA序列数据	GTDB参考生物的RNA序列
516	2025-05-16	Development and validation of a deep learning model for predicting gastric cancer recurrence based on CT imaging: a multicenter study 2024-Dec-01, International journal of surgery (London, England) DOI:10.1097/JS9.0000000000001627 PMID:38896865	research paper	开发和验证了一种基于CT影像的深度学习模型，用于预测胃癌术后复发	提出了一种结合深度学习特征和临床特征的融合模型（DLFS），用于准确预测胃癌术后复发风险	研究为回顾性设计，可能存在选择偏倚	预测胃癌患者的术后复发风险	2813名接受根治性手术的胃癌患者	digital pathology	gastric cancer	CT imaging	Resnet50	image	2813名患者
517	2025-05-16	RNA language models predict mutations that improve RNA function 2024-Sep-16, bioRxiv : the preprint server for biology DOI:10.1101/2024.04.05.588317 PMID:38617247	研究论文	该研究创建了一个名为GARNET的新数据库，用于RNA结构和功能分析，并开发了一种类似GPT的RNA语言模型，以预测提高RNA功能的突变	创建GARNET数据库，结合GTDB基因组数据与生物生长温度信息，开发了重叠三连体标记化的RNA生成模型，用于预测增强RNA功能的突变	RNA结构预测目前仍缺乏充足的高质量参考数据	理解RNA序列、结构与功能之间的联系	RNA序列及其功能	自然语言处理	NA	深度学习，RNA生成模型	GPT-like语言模型	RNA序列数据	GTDB基因组数据中的RNA序列
518	2025-05-16	Evaluating cell type deconvolution in FFPE breast tissue: application to benign breast disease 2024-Sep, NAR genomics and bioinformatics IF:4.0Q1 DOI:10.1093/nargab/lqae098 PMID:40162103	research paper	评估FFPE乳腺组织中细胞类型去卷积方法的应用，特别是在良性乳腺疾病中的表现	构建了乳腺组织的单细胞RNA-seq参考数据，测试了多种去卷积方法，并发现深度学习为基础的Scaden方法在FFPE伪影影响下表现最优	FFPE伪影显著影响了去卷积方法的性能，RMSE在0.04至0.17之间波动	优化从FFPE样本中定义单个细胞类型组成的策略	乳腺组织，特别是良性乳腺疾病样本	digital pathology	breast cancer	RNA-seq, single-cell RNA-seq	deep learning (Scaden)	RNA-seq data	62个良性乳腺疾病RNA-seq样本
519	2025-05-16	Comparing Artificial Intelligence-Based Versus Conventional Endotracheal Tube Monitoring Systems in Clinical Practice 2024-07-24, Studies in health technology and informatics DOI:10.3233/SHTI240230 PMID:39049336	研究论文	本研究开发了一种基于深度学习和人工智能的气管插管监测系统，并与传统方法进行了比较评估	提出了一种新型的AI监测系统，用于实时检测气管插管移位或脱落，相比传统方法具有更高的及时性和准确性	研究尚未完成，实际效果需要通过后续随机交叉实验验证	评估AI监测系统在气管插管管理中的有效性，促进医疗护理领域的创新应用	气管插管患者	医疗人工智能	NA	深度学习	深度学习模型（未指定具体类型）	临床监测数据	NA（研究尚未完成）
520	2025-05-16	Deep Learning for Predicting Phlebitis in Patients with Intravenous Catheters 2024-07-24, Studies in health technology and informatics DOI:10.3233/SHTI240231 PMID:39049337	research paper	该研究提出了一种深度学习模型，用于预测外周静脉导管（PIVC）插入患者的静脉炎	利用深度学习模型预测静脉炎，并在大规模电子健康记录数据上验证其性能，准确率和AUC均表现优异	研究数据仅来自韩国首尔的一家医院，可能缺乏普遍性	开发一种有效的工具，用于早期检测静脉炎，以改善患者预后和医疗效率	接受外周静脉导管（PIVC）插入的患者	machine learning	静脉炎	电子健康记录数据分析	深度学习模型	电子健康记录数据	27,532次住院记录和70,293次PIVC事件