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
5321	2025-03-12	Deep learning network for NMR spectra reconstruction in time-frequency domain and quality assessment 2025-Mar-08, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-57721-w PMID:40057512	研究论文	本文提出了一种联合时频域的深度学习网络JTF-Net，用于核磁共振（NMR）光谱的重建和质量评估	JTF-Net结合了时域和频域特征，相比传统算法和单域深度学习方法，在蛋白质光谱的重建上表现更优；同时提出了无需参考光谱的质量评估指标REQUIRER	当前深度学习方法仅关注单域重建，存在峰值丢失和伪影峰等问题，且缺乏全采样光谱使得重建光谱的质量难以评估	提高核磁共振光谱的重建质量和评估效率	核磁共振光谱	机器学习	NA	深度学习	JTF-Net	光谱数据	NA
5322	2025-03-12	Improving lung cancer pathological hyperspectral diagnosis through cell-level annotation refinement 2025-Mar-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-85678-9 PMID:40057531	研究论文	本研究旨在通过细胞级别的注释精炼，提高肺癌病理高光谱图像分析的准确性，并创建一个高质量的肺癌高光谱数据集	提出了一种半自动的注释精炼方法，结合K-means无监督聚类和人工指导选择，基于光谱特征将粗略注释精炼为细胞级别的掩码	研究仅基于65个高光谱肺癌鳞状细胞癌图像样本进行验证，样本量相对较小	提高肺癌病理高光谱图像分析的准确性	肺癌病理高光谱图像	数字病理	肺癌	高光谱成像	K-means聚类	图像	65个高光谱肺癌鳞状细胞癌图像样本
5323	2025-03-12	Hand X-rays findings and a disease screening for Turner syndrome through deep learning model 2025-Mar-08, BMC pediatrics IF:2.0Q2 DOI:10.1186/s12887-025-05532-9 PMID:40057693	研究论文	本文通过分析Turner综合征患者的手部X光片特征，利用深度学习模型建立疾病筛查模型	首次结合手部X光片特征和深度学习技术进行Turner综合征的筛查	样本量较小，仅101例儿科患者	提高Turner综合征的诊断准确性	Turner综合征患者	数字病理	Turner综合征	深度学习	ResNet50	X光图像	101例儿科患者
5324	2025-03-12	Prediction of tumor spread through air spaces with an automatic segmentation deep learning model in peripheral stage I lung adenocarcinoma 2025-Mar-08, Respiratory research IF:4.7Q1 DOI:10.1186/s12931-025-03174-0 PMID:40057743	研究论文	本研究评估了基于自动分割的深度学习模型在术前预测外周I期肺腺癌肿瘤通过空气间隙扩散（STAS）的临床适用性	使用自动分割技术和深度学习模型，首次在术前预测STAS方面超越了传统的放射组学模型	研究为回顾性研究，且样本量有限，需要进一步的前瞻性研究验证	评估深度学习模型在术前预测外周I期肺腺癌STAS的临床适用性	接受手术治疗的外周I期肺腺癌患者	数字病理学	肺癌	深度学习，自动分割	VNet	医学影像	2022年1月至2023年12月接受手术治疗的患者数据
5325	2025-03-12	CPHNet: a novel pipeline for anti-HAPE drug screening via deep learning-based Cell Painting scoring 2025-Mar-08, Respiratory research IF:4.7Q1 DOI:10.1186/s12931-025-03173-1 PMID:40057746	研究论文	本文开发了一种基于深度学习的Cell Painting评分管道CPHNet，用于筛选抗高原肺水肿（HAPE）药物	结合人工智能工具和Cell Painting技术，提出了一种全新的抗HAPE药物筛选管道，为AI驱动的表型药物发现提供了新视角	研究主要基于体外和动物模型，尚未在人体中进行验证	开发一种基于细胞形态学特征的抗HAPE药物筛选方法	人肺泡腺癌基底上皮细胞（A549s）和人肺微血管内皮细胞（HPMECs）	数字病理	高原肺水肿	Cell Painting	SegNet, HypoNet	图像	超过100,000张全视野Cell Painting图像和200,000张亚细胞结构图像
5326	2025-03-12	Advanced pathological subtype classification of thyroid cancer using efficientNetB0 2025-Mar-07, Diagnostic pathology IF:2.4Q2 DOI:10.1186/s13000-025-01621-6 PMID:40055769	研究论文	本研究利用EfficientNetB0模型对甲状腺癌的病理亚型进行分类，并分析肿瘤微环境特征	首次将EfficientNetB0模型应用于甲状腺癌病理亚型分类，并揭示了微环境特征与病理亚型之间的显著相关性	研究样本量相对较小，仅包含118名甲状腺癌患者，可能影响模型的泛化能力	提高甲状腺癌病理亚型分类的准确性，并分析肿瘤微环境特征对疾病进展和治疗反应的影响	118名甲状腺癌患者的病理组织切片、基因表达数据和蛋白质表达数据	数字病理	甲状腺癌	深度学习	EfficientNetB0	图像、基因表达数据、蛋白质表达数据	118名甲状腺癌患者
5327	2025-03-12	DAGIP: alleviating cell-free DNA sequencing biases with optimal transport 2025-Mar-07, Genome biology IF:10.1Q1 DOI:10.1186/s13059-025-03511-y PMID:40055826	研究论文	本文介绍了一种名为DAGIP的新数据校正方法，基于最优传输理论和深度学习，用于校正细胞游离DNA（cfDNA）测序中的预分析变量影响	DAGIP方法结合最优传输理论和深度学习，首次明确校正cfDNA分析中的预分析变量影响，并推断技术偏差	未提及具体局限性	提高癌症检测和拷贝数变异分析的准确性，消除非生物来源的变异	细胞游离DNA（cfDNA）	生物信息学	癌症	cfDNA测序	深度学习	DNA测序数据	未提及具体样本量
5328	2025-03-12	Functional near-infrared spectroscopy (fNIRS) in patients with major depressive disorder, generalized anxiety disorder and their comorbidity: Comparison with healthy controls 2025-Mar, Asian journal of psychiatry IF:3.8Q1 DOI:10.1016/j.ajp.2025.104382 PMID:39933260	研究论文	本研究使用fNIRS-VFT任务调查了广泛性焦虑障碍（GAD）、重度抑郁症（MDD）及其共病（CMG）患者的前额叶功能，并评估了fNIRS设备在认知任务中作为诊断工具辅助的可靠性	通过构建深度神经网络，评估fNIRS设备在认知任务中作为诊断工具辅助的可靠性，并比较不同患者组与健康对照组的前额叶功能差异	样本量相对较小，且未考虑其他可能影响前额叶功能的因素	研究GAD、MDD及其共病患者的前额叶功能差异，并评估fNIRS设备在诊断中的可靠性	GAD患者、MDD患者、CMG患者及健康对照组	神经科学	精神疾病	fNIRS	深度神经网络	脑部血流动力学数据	75名GAD患者、75名MDD患者、71名CMG患者和75名健康对照组
5329	2025-03-12	Deep learning-based surrogates for multi-objective optimization of the groundwater abstraction schemes to manage seawater intrusion into coastal aquifers 2025-Mar, Journal of environmental management IF:8.0Q1 DOI:10.1016/j.jenvman.2025.124592 PMID:39986155	研究论文	本研究开发并比较了六种基于深度学习的替代模型，用于优化沿海含水层的地下水抽取方案，以管理海水入侵	使用六种不同的深度学习模型作为替代模型，结合多目标优化算法，提出了一种新的地下水管理方法	研究结果依赖于数值模型的验证，可能存在模型假设和参数选择的不确定性	优化地下水抽取方案，以管理沿海含水层的海水入侵并确保地下水的可持续性	沿海含水层的地下水抽取系统	机器学习	NA	深度学习	Simple Feed Forward Neural Networks, Deep Feed Forward Neural Networks, LSTM, Bi-LSTM, pro-LSTM, GRU	数值模拟数据	NA
5330	2025-03-12	A Pilot Study on Using an Artificial Intelligence Algorithm to Identify Urolith Composition through Abdominal Radiographs in the Dog 2025-Mar, Veterinary radiology & ultrasound : the official journal of the American College of Veterinary Radiology and the International Veterinary Radiology Association IF:1.3Q2 DOI:10.1111/vru.70012 PMID:40065198	研究论文	本研究探讨了使用人工智能算法通过腹部X光片识别犬类尿石成分的可行性	开发了一种名为CALCurad的深度学习AI算法，用于通过智能手机应用程序初步评估尿石成分	样本量较小（139只狗），且仅评估了尿石中struvite成分的概率	评估CALCurad算法在临床实践中预测犬类尿石成分的准确性	犬类尿石	数字病理	尿石症	深度学习	深度学习算法（CALCurad）	图像（腹部X光片）	139只狗
5331	2025-03-12	Repeatability-encouraging self-supervised learning reconstruction for quantitative MRI 2025-Feb-27, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.30478 PMID:40014485	研究论文	本研究提出了一种鼓励重复性的自监督学习（SSL）重建方法，用于定量MRI，旨在提高定量MRI的测量重复性	提出了一种新的自监督学习重建方法，通过最小化两个互斥时间子集的k-t空间数据之间的交叉数据一致性，鼓励定量MRI的重复性	研究仅针对心脏MR多任务T1映射数据进行了评估，未在其他类型的定量MRI数据上进行验证	提高定量MRI的测量重复性，加速重建过程	心脏MR多任务T1映射数据	医学影像	心血管疾病	自监督学习（SSL）	深度学习网络	k-t空间数据	未明确提及样本数量
5332	2025-03-12	stAI: a deep learning-based model for missing gene imputation and cell-type annotation of spatial transcriptomics 2025-Feb-27, Nucleic acids research IF:16.6Q1 DOI:10.1093/nar/gkaf158 PMID:40057378	研究论文	本文介绍了一种基于深度学习的模型stAI，用于解决单细胞空间转录组学（scST）数据中的基因缺失插补和细胞类型注释问题	stAI模型通过联合嵌入scST和参考scRNA-seq数据，利用两个独立的编码器-解码器模块，在潜在空间中以监督方式进行插补和注释，显著提高了未测量基因（尤其是标记基因）的预测准确性和细胞类型注释的精确度	尽管stAI在多个数据集上表现出色，但其性能可能受到参考scRNA-seq数据质量和数量的限制	解决单细胞空间转录组学数据中的基因缺失插补和细胞类型注释问题	单细胞空间转录组学（scST）数据	数字病理学	NA	空间转录组学技术	深度学习模型（编码器-解码器模块）	RNA转录水平数据	多个平台生成的数据集，涉及不同数量的测量基因
5333	2025-03-12	[Generative artificial intelligence ChatGPT in clinical nutrition - Advances and challenges] 2025-Feb-26, Nutricion hospitalaria IF:1.2Q4 DOI:10.20960/nh.05692 PMID:40066572	研究论文	本文探讨了生成式人工智能ChatGPT在临床营养学中的应用进展与挑战	ChatGPT在营养评估、个性化干预建议和患者进展监测方面展现了潜力，特别是在计算热量需求和推荐营养丰富的食物方面表现出色	ChatGPT在解释非语言线索、进行体格检查、整合多种医疗条件以及确保膳食计划的准确性方面存在不足，生成的计划可能出现显著的热量偏差和微量营养素失衡	研究ChatGPT在临床营养管理中的应用潜力及其局限性	临床营养管理中的患者	自然语言处理	NA	机器学习和深度学习	ChatGPT	临床记录数据	NA
5334	2025-03-12	Concordance-based Predictive Uncertainty (CPU)-Index: Proof-of-concept with application towards improved specificity of lung cancers on low dose screening CT 2025-Feb, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2024.103055 PMID:39721356	研究论文	本文介绍了一种新的基于一致性的预测不确定性（CPU）指数，通过其在肺癌筛查（LCS）预测中的应用，展示了其在提高风险评估方面的有效性	提出了CPU-Index框架，通过结合亚组分析和个性化AI时间到事件模型的见解，改进了肺癌筛查的预测透明度和可靠性	个性化AI时间到事件模型存在透明度问题和来自截尾数据的偏差	提高肺癌筛查的预测准确性和风险评估	肺癌筛查中的低剂量CT（LDCT）影像和患者人口统计数据	数字病理学	肺癌	低剂量CT（LDCT）放射组学	神经多任务逻辑回归时间到事件模型	影像和文本	3,326名在2015年1月1日至2020年6月30日期间接受LDCT进行LCS的患者
5335	2025-03-12	Comparing ECG Lead Subsets for Heart Arrhythmia/ECG Pattern Classification: Convolutional Neural Networks and Random Forest 2025-Feb, CJC open IF:2.5Q2 DOI:10.1016/j.cjco.2024.10.012 PMID:40060210	研究论文	本研究比较了深度学习（DL）和传统机器学习（CML）方法在心律失常/心电图（ECG）模式分类中的表现，特别是使用减少的ECG导联子集时的性能	首次比较了DL和CML方法在减少ECG导联子集情况下的心律失常/ECG模式分类性能，并识别了最优的ECG导联子集	研究仅使用了PhysioNet Cardiology Challenge 2020的公开数据集，可能无法完全代表所有临床场景	评估卷积神经网络（CNN）和随机森林（RF）模型在使用减少的ECG导联子集时对心律失常/ECG模式分类的准确性	心律失常/ECG模式分类	机器学习	心血管疾病	卷积神经网络（CNN），随机森林（RF）	CNN, RF	ECG数据	PhysioNet Cardiology Challenge 2020的公开数据集
5336	2025-03-12	Artificial Intelligence in Myopic Maculopathy: A Comprehensive Review of Identification, Classification, and Monitoring Using Diverse Imaging Modalities 2025-Feb, Cureus DOI:10.7759/cureus.78685 PMID:40062093	综述	本文综述了人工智能（AI）在近视性黄斑病变识别、分类和监测中的应用，主要使用传统成像技术如眼底摄影和光学相干断层扫描（OCT）	本文综合分析了2018年至2024年间发表的13项研究，探讨了机器学习和深度学习算法在高度近视病例诊断、分类和随访中的角色，揭示了AI模型在疾病诊断中的支持作用	大多数研究集中在中国，且主要关注近视性黄斑变性和高度近视患者，可能限制了结果的普遍性	探讨AI工具在近视性黄斑病变检测中的有效性和实用性	近视性黄斑病变患者	数字病理学	近视性黄斑病变	眼底摄影, 光学相干断层扫描（OCT）	ResNet-18, ResNet-50, ResNet-101, DeepLabv3+, DarkNet-19, Efficient Net (B0/B7), VOLO-D2, Efficient Former, ALFA-Mix+, XGBoost	图像	13项研究，主要来自中国
5337	2025-03-12	AI-powered innovations in pancreatitis imaging: a comprehensive literature synthesis 2025-01, Abdominal radiology (New York) DOI:10.1007/s00261-024-04512-4 PMID:39133362	综述	本文综述了人工智能在胰腺炎影像诊断中的创新应用及其对临床支持的改进	探讨了深度学习模型在胰腺炎非侵入性诊断中的应用及其潜力	讨论了当前AI在胰腺炎早期检测和管理中的方法学限制	提高胰腺炎的早期识别和诊断准确性	胰腺炎患者	数字病理学	胰腺炎	深度学习	深度学习模型	影像数据	NA
5338	2025-03-12	Automated Deep Learning-Based Finger Joint Segmentation in 3-D Ultrasound Images With Limited Dataset 2025-01, Ultrasonic imaging IF:2.5Q2 DOI:10.1177/01617346241277178 PMID:39295443	研究论文	本文提出了一种基于深度学习的自动化方法，用于在受类风湿性关节炎影响的手指关节的超声图像中分割滑膜	利用深度学习技术自动化分割超声图像中的滑膜，特别是在有限数据集的情况下，通过数据增强策略提高模型性能	研究基于有限的数据集（18个3-D超声体积，来自9名患者），且地面真实标注稀疏，可能影响模型的泛化能力	开发一种自动化工具，用于更高效和标准化地筛查类风湿性关节炎	类风湿性关节炎患者的手指关节超声图像	计算机视觉	类风湿性关节炎	深度学习	卷积神经网络（CNN）	3-D超声图像	18个3-D超声体积，来自9名类风湿性关节炎患者
5339	2025-03-12	CBAM-RIUnet: Breast Tumor Segmentation With Enhanced Breast Ultrasound and Test-Time Augmentation 2025-01, Ultrasonic imaging IF:2.5Q2 DOI:10.1177/01617346241276411 PMID:39283069	研究论文	本研究提出了一种名为CBAM-RIUnet的深度学习模型，用于在乳腺超声图像中自动分割乳腺肿瘤，以提高计算机辅助诊断（CAD）的效果	CBAM-RIUnet模型结合了卷积块注意力模块（CBAM）和残差初始深度可分离卷积，能够消除无关特征并专注于感兴趣区域，显著提升了分割精度	未提及具体的研究局限性	提高乳腺超声图像中乳腺肿瘤的自动分割精度，以支持计算机辅助诊断	乳腺超声图像中的乳腺肿瘤	计算机视觉	乳腺癌	深度学习	CBAM-RIUnet（基于Unet结构的深度学习模型）	图像	未提及具体样本数量
5340	2025-03-12	Contrastive self-supervised learning for neurodegenerative disorder classification 2025, Frontiers in neuroinformatics IF:2.5Q3 DOI:10.3389/fninf.2025.1527582 PMID:40034453	研究论文	本文探讨了对比自监督学习在神经退行性疾病分类中的应用，特别是阿尔茨海默病（AD）和额颞叶变性（FTLD）的分类	使用对比自监督学习方法训练深度学习模型，无需大量标注数据，且模型表现与最先进的监督学习方法相当	需要进一步验证在更大规模和多样化的数据集上的泛化能力	研究自监督学习模型在神经退行性疾病分类中的应用及其可解释性	阿尔茨海默病（AD）和额颞叶变性（FTLD）患者及认知正常对照组（CN）的T1加权MRI扫描数据	计算机视觉	神经退行性疾病	对比自监督学习	深度卷积神经网络（CNN）	T1加权MRI扫描图像	2,694个T1加权MRI扫描样本，来自四个数据集：ADNI、AIBL和FTLDNI