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
5361	2025-03-12	Optimizing multimodal scene recognition through relevant feature selection approach for scene classification 2025-Jun, MethodsX IF:1.6Q2 DOI:10.1016/j.mex.2025.103226 PMID:40061570	研究论文	本文提出了一种新颖的多模态特征提取和特征选择技术，以提高场景分类中迁移学习的效率	引入了多模态特征提取和特征选择技术，结合CNN进行特征提取，以提高模型性能和计算效率	未提及具体局限性	优化场景分类中的多模态特征提取和选择，以提高迁移学习的效率	场景分类任务	计算机视觉	NA	迁移学习，特征选择技术	CNN	图像	Scene数据集（6类）和AID数据集
5362	2025-03-12	Electrocardiographic-Driven artificial intelligence Model: A new approach to predicting One-Year mortality in heart failure with reduced ejection fraction patients 2025-May, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2025.105843 PMID:39986123	研究论文	本文开发并验证了一种基于深度学习的AI模型，用于预测射血分数降低的心力衰竭（HFrEF）患者的一年死亡率	利用大量ECG数据训练深度学习模型，显著提高了HFrEF患者一年死亡率的预测准确性	研究依赖于特定时间段内的医院数据，可能限制了模型的普遍适用性	开发并验证一种AI模型，用于预测HFrEF患者的一年死亡率	射血分数降低的心力衰竭（HFrEF）患者	机器学习	心血管疾病	深度学习	深度学习模型	ECG数据	3,894名HFrEF患者
5363	2025-03-12	Explainability and uncertainty: Two sides of the same coin for enhancing the interpretability of deep learning models in healthcare 2025-May, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2025.105846 PMID:39993336	研究论文	本文探讨了在医疗保健领域结合不确定性量化（UQ）与可解释人工智能（XAI）方法，以提高深度学习模型的可靠性和可信度	提出将UQ与XAI方法结合，以增强深度学习模型在医疗保健应用中的可靠性，并减少解释偏差和对AI的过度依赖	NA	提高深度学习模型在医疗保健应用中的透明度和可解释性	深度学习模型在医疗保健中的应用	机器学习	NA	不确定性量化（UQ）与可解释人工智能（XAI）方法	深度学习模型	NA	NA
5364	2025-03-12	Unlocking the potential of digital pathology: Novel baselines for compression 2025-Apr, Journal of pathology informatics DOI:10.1016/j.jpi.2025.100421 PMID:40059908	研究论文	本文探讨了数字病理学中全切片图像（WSI）的压缩问题，提出了一种新的评估指标，用于评估感知质量和下游任务质量	提出了一种基于特征相似性的新评估指标，能够很好地与压缩WSI的实际下游性能对齐，并鼓励统一评估有损压缩方案以加速数字病理学的临床应用	深度学习模型在训练数据中存在的压缩伪影上表现出显著偏差，难以在各种压缩方案中泛化	评估和优化数字病理学中全切片图像的压缩方案，以提高临床决策的准确性和效率	全切片图像（WSI）	数字病理学	NA	深度学习	NA	图像	四个不同的数据集
5365	2025-03-12	Dual-Component Gas Sensor Based on Light-Induced Thermoelastic Spectroscopy and Deep Learning 2025-Mar-11, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.4c06588 PMID:40012474	研究论文	本文首次报道了一种基于光诱导热弹性光谱和深度学习的乙炔-二氧化碳双组分气体传感器	首次结合光诱导热弹性光谱和深度学习技术，开发了一种新型的双组分气体传感器，并采用了SSA-CNN-BiGRU-Attention模型来提高浓度反演的准确性	研究仅限于乙炔和二氧化碳两种气体的检测，未来需要扩展到更多气体成分的研究	开发一种高精度的双组分气体传感器，用于气体浓度的精确反演	乙炔和二氧化碳气体	传感器技术	NA	光诱导热弹性光谱	SSA-CNN-BiGRU-Attention	光谱数据	NA
5366	2025-03-12	Deep Learning-Assisted Ultrasensitive Detection of Gold Nanoparticles Using Light Microscopy Images Captured by a Cellphone Camera 2025-Mar-11, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.4c06395 PMID:40016179	研究论文	本研究提出了一种使用手机摄像头捕获的暗场散射光显微镜图像，结合深度学习技术，实现金纳米颗粒（AuNPs）的超灵敏检测和定量的方法	首次将深度学习技术应用于手机摄像头捕获的暗场散射光显微镜图像，实现了对120 nm金纳米颗粒的超灵敏检测和定量	研究仅针对120 nm的金纳米颗粒，未验证其他尺寸或类型的纳米颗粒的检测效果	开发一种简单、易获取且高灵敏度的金纳米颗粒检测平台	金纳米颗粒（AuNPs）	计算机视觉	NA	暗场散射光显微镜	深度学习模型（分类和回归模型）	图像	4个不同浓度的样本
5367	2025-03-12	I-BrainNet: Deep Learning and Internet of Things (DL/IoT)-Based Framework for the Classification of Brain Tumor 2025-Mar-10, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01470-1 PMID:40063173	研究论文	本文提出了一种基于深度学习和物联网（DL/IoT）的框架I-BrainNet，用于脑肿瘤的分类	提出了一个结合深度学习和物联网的框架I-BrainNet，用于实时分类脑肿瘤，并展示了预训练的MobileNetV2在MRI与非MRI及肿瘤与非肿瘤分类中的最佳性能	研究中使用的数据集虽然较大，但可能仍不足以涵盖所有类型的脑肿瘤，且未提及模型在实际临床环境中的验证	开发一种精确的脑肿瘤分类方法，以指导临床决策	脑肿瘤的多模态图像（CT和MRI）数据集	计算机视觉	脑肿瘤	深度学习	MobileNetV2, ResNet, Inceptionv3, VGG16	图像	9616个MRI和CT扫描，其中8000个用于MRI与非MRI的分类，4000个用于肿瘤与非肿瘤的分类
5368	2025-03-12	Identification of Camellia Oil Adulteration With Excitation-Emission Matrix Fluorescence Spectra and Deep Learning 2025-Mar-10, Journal of fluorescence IF:2.6Q3 DOI:10.1007/s10895-025-04229-7 PMID:40063235	研究论文	本研究提出了一种结合激发-发射矩阵荧光光谱（EEMF）和深度学习的方法，用于准确、无损地识别山茶油的掺假	提出了一种名为ResTransformer的深度学习模型，结合残差模块和Transformer，从局部和全局角度进行掺假类型的定性检测和掺假浓度的定量检测	NA	开发一种准确且无损的方法来识别山茶油的掺假，以保障公众健康和福祉	山茶油及其掺假物	机器学习	NA	激发-发射矩阵荧光光谱（EEMF）	ResTransformer（结合残差模块和Transformer的深度学习模型）	光谱数据	NA
5369	2025-03-12	Learning to Explore Sample Relationships 2025-Mar-10, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3549300 PMID:40063428	研究论文	本文提出了一种名为BatchFormerV1和BatchFormerV2的批处理变换模块，旨在使深度神经网络能够以可学习的方式探索样本关系	提出了BatchFormerV1和BatchFormerV2模块，使深度神经网络能够以可学习的方式探索样本关系，并设计了一种两流训练管道以解决训练-测试不一致问题	探索实例级关系对密集预测的影响有限	解决深度学习中数据稀缺问题，提升样本关系的探索能力	深度神经网络	计算机视觉	NA	深度学习	BatchFormerV1, BatchFormerV2	图像	超过十个流行数据集
5370	2025-03-12	A Thyroid Nodule Ultrasound Image Grading Model Integrating Medical Prior Knowledge 2025-Mar-10, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01120-y PMID:40064758	研究论文	本研究提出了一种基于中国甲状腺影像报告和数据系统（C-TIRADS）的甲状腺结节超声图像分级模型，结合了传统手工特征和深度特征	结合了医学先验知识和深度特征，采用改进的ShuffleNetV2网络和多头自注意力机制，并使用XGBoost分类器进行多类分类	数据集仅包含922张原始图像，可能限制了模型的泛化能力	提高甲状腺结节超声诊断的准确性	甲状腺结节超声图像	计算机视觉	甲状腺疾病	深度学习，图像处理	ShuffleNetV2，XGBoost	图像	922张原始图像，包括149例2类，140例3类，156例4A类，114例4B类，123例4C类，240例5类
5371	2025-03-12	A prediction model for the risk of developing mild cognitive impairment in older adults with sarcopenia: evidence from the CHARLS 2025-Mar-08, Aging clinical and experimental research IF:3.4Q2 DOI:10.1007/s40520-025-02980-2 PMID:40055290	研究论文	本文开发了一个深度学习模型，用于预测患有肌肉减少症的老年人发生轻度认知障碍（MCI）的风险	利用机器学习和深度学习技术，结合CHARLS数据，开发了一个预测模型，并提供了一个在线工具供使用	模型仅在CHARLS数据集上进行了验证，可能需要更多外部数据验证其泛化能力	开发一个准确的预测模型，用于筛查患有肌肉减少症的个体中的轻度认知障碍（MCI）	570名患有肌肉减少症的老年人	机器学习	老年疾病	机器学习和深度学习	深度学习模型	纵向研究数据	570名患者
5372	2025-03-12	Development and validation of computer-aided detection for colorectal neoplasms using deep learning incorporated with computed tomography colonography 2025-Mar-08, BMC gastroenterology IF:2.5Q2 DOI:10.1186/s12876-025-03742-0 PMID:40055612	研究论文	本研究开发并验证了一种结合深度学习的计算机辅助检测系统，用于通过CT结肠造影检测结直肠肿瘤	采用基于Faster R-CNN的神经网络结构来检测结直肠病变，并通过整合两个位置的评估提高了检测灵敏度	研究中仅使用了来自日本和两个机构的数据，可能限制了模型的泛化能力	提高CT结肠造影图像中结直肠病变的检测灵敏度，减轻医生的工作负担	结直肠肿瘤	计算机视觉	结直肠癌	CT结肠造影	Faster R-CNN	图像	590名患者（453名用于训练和内部验证，137名用于外部验证）
5373	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
5374	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
5375	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
5376	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
5377	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
5378	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
5379	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
5380	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