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
521	2025-06-05	Large-scale information retrieval and correction of noisy pharmacogenomic datasets through residual thresholded deep matrix factorization 2025-May-01, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf226 PMID:40420482	研究论文	本文提出了一种名为残差阈值深度矩阵分解（RT-DMF）的鲁棒且可扩展的深度学习框架，用于校正和填补药物敏感性数据中的噪声和缺失值	RT-DMF通过深度矩阵分解（DMF）揭示数据中的复杂隐藏模式，并结合迭代残差阈值程序保留具有治疗重要性的信号	未明确提及具体局限性	解决药物敏感性数据中的噪声问题，提高数据质量和下游分析的准确性	药物敏感性数据集	机器学习	癌症	深度矩阵分解（DMF）	RT-DMF	药物敏感性数据矩阵	未明确提及具体样本量
522	2025-05-28	Erratum for: MRI-based Deep Learning Assessment of Amyloid, Tau, and Neurodegeneration Biomarker Status across the Alzheimer Disease Spectrum 2025-May, Radiology IF:12.1Q1 DOI:10.1148/radiol.259008 PMID:40423544	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
523	2025-06-05	RLEAAI: improving antibody-antigen interaction prediction using protein language model and sequence order information 2025-May-01, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf238 PMID:40462512	research paper	提出了一种名为RLEAAI的新深度学习方法，用于提高抗体-抗原相互作用（AAIs）的预测性能	结合了序列顺序信息提取策略和预训练蛋白质语言模型，以及三种神经网络模块的集成	NA	提高抗体-抗原相互作用预测的准确性	抗体-抗原相互作用	machine learning	NA	protein language model, Composition of K-Spaced Amino Acid Pairs	CNN, bidirectional LSTM, recurrent criss-cross attention mechanism	protein sequence	two independent test sets
524	2025-06-05	A fine-tuned convolutional neural network model for accurate Alzheimer's disease classification 2025-Apr-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-86635-2 PMID:40185767	研究论文	该研究提出了一种基于微调卷积神经网络（CNN）的模型，用于准确分类阿尔茨海默病（AD）	利用迁移学习技术减少训练成本并提高性能，使用预训练的CNN架构（AlexNet、GoogleNet和MobileNetV2）结合多种优化器（如Adam、SGD和RMSprop），在Kaggle MRI数据集和OASIS数据库上取得了高分类准确率（99.4%和98.2%）	未提及模型在其他独立数据集上的泛化能力，以及计算资源需求的具体情况	通过早期诊断实现阿尔茨海默病的及时干预和有效控制	阿尔茨海默病患者	数字病理学	老年病	MRI扫描	CNN（AlexNet、GoogleNet、MobileNetV2）	图像	Kaggle MRI数据集和OASIS数据库（具体样本数量未提及）
525	2025-06-05	CausalCervixNet: convolutional neural networks with causal insight (CICNN) in cervical cancer cell classification-leveraging deep learning models for enhanced diagnostic accuracy 2025-Apr-03, BMC cancer IF:3.4Q2 DOI:10.1186/s12885-025-13926-2 PMID:40181353	研究论文	该研究提出了一种结合因果推理的卷积神经网络CausalCervixNet，用于提高宫颈癌细胞分类的诊断准确性和效率	将因果推理、因果推断和因果发现整合到诊断框架中，揭示了潜在的因果关系，而不仅仅是依赖观察相关性，提高了诊断的准确性和可解释性	研究仅在三个数据集上进行了验证，可能需要更多样化的数据来进一步验证模型的泛化能力	提高宫颈癌细胞的分类和诊断准确性，构建可解释的AI系统	宫颈癌细胞图像	计算机视觉	宫颈癌	深度学习	CNN	图像	三个数据集：SIPaKMeD、Herlev和自收集的ShUCSEIT数据集
526	2025-06-05	Comprehensive Segmentation of Gray Matter Structures on T1-Weighted Brain MRI: A Comparative Study of Convolutional Neural Network, Convolutional Neural Network Hybrid-Transformer or -Mamba Architectures 2025-Apr-02, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8544 PMID:39433334	研究论文	本研究比较了6种深度学习模型在T1加权脑MRI上分割122个灰质结构的性能，旨在确定最有效的模型用于临床和研究应用	评估了包括U-Mamba_Bot在内的6种先进深度学习模型在脑MRI分割中的性能，并验证了其在阿尔茨海默病研究中的潜在应用	研究数据集规模有限，未来需要更大数据集验证结果并探索模型在其他神经系统疾病中的适用性	评估深度学习模型在脑MRI灰质结构分割中的性能，并比较正常对照组与阿尔茨海默病患者的脑结构体积差异	1510例T1加权脑MRI扫描数据，包括正常对照组和阿尔茨海默病患者	医学图像分析	阿尔茨海默病	深度学习	nnU-Net, SegResNet, SwinUNETR, UNETR, U-Mamba_BOT, U-Mamba_Enc	MRI图像	1510例T1加权脑MRI扫描
527	2025-06-05	Regional Image Quality Scoring for 2-D Echocardiography Using Deep Learning 2025-04, Ultrasound in medicine & biology DOI:10.1016/j.ultrasmedbio.2024.12.008 PMID:39864961	research paper	该研究开发并比较了三种自动评估超声心动图区域图像质量的方法	提出了一种端到端的深度学习模型，直接预测图像中各区域的质量，性能优于传统方法	gCNR指标在本研究中表现不佳，效果有限	开发自动评估超声心动图区域图像质量的方法	超声心动图的区域图像质量	计算机视觉	心血管疾病	深度学习	U-Net, 端到端深度学习模型	图像	由三位经验丰富的心脏病专家提供的手动区域质量标注
528	2025-06-05	SpaMask: Dual masking graph autoencoder with contrastive learning for spatial transcriptomics 2025-Apr, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1012881 PMID:40179332	研究论文	提出了一种名为SpaMask的双重掩码图自编码器结合对比学习方法，用于空间转录组学数据分析	SpaMask通过同时掩码部分节点和边来增强模型性能和鲁棒性，结合了掩码图自编码器和掩码图对比学习模块	未明确提及具体限制	提高空间转录组学数据中空间域表征的准确性和鲁棒性	空间转录组学数据中的细胞空间位置和基因表达	生物信息学	NA	空间分辨转录组学(SRT)	图神经网络(GNN), 掩码图自编码器(MGAE), 掩码图对比学习(MGCL)	空间转录组数据	来自5个不同平台的8个数据集
529	2025-06-05	Deep learning-based breast MRI for predicting axillary lymph node metastasis: a systematic review and meta-analysis 2025-Mar-31, Cancer imaging : the official publication of the International Cancer Imaging Society IF:3.5Q1 DOI:10.1186/s40644-025-00863-3 PMID:40165212	meta-analysis	评估深度学习算法在乳腺癌MRI中预测腋窝淋巴结转移的诊断性能	首次系统评价和荟萃分析深度学习算法在乳腺癌MRI中预测腋窝淋巴结转移的诊断性能	研究间存在中度异质性（I2=61%和60%）	评估深度学习算法在乳腺癌MRI中预测腋窝淋巴结转移的诊断性能	乳腺癌患者	digital pathology	breast cancer	MRI	deep learning	image	10项研究
530	2025-06-05	CoupleVAE: coupled variational autoencoders for predicting perturbational single-cell RNA sequencing data 2025-Mar-04, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf126 PMID:40178283	研究论文	本文提出了一种名为CoupleVAE的新型深度学习方法，用于预测扰动后的单细胞RNA测序数据	CoupleVAE由两个耦合的VAE组成，通过耦合器在潜在空间中进行更复杂的细胞状态转换	NA	预测单细胞扰动响应，以理解生物体的功能和行为	单细胞RNA测序数据	计算生物学	NA	单细胞RNA测序	VAE（变分自编码器）	RNA测序数据	三个真实数据集（感染、刺激和跨物种预测）
531	2025-06-05	Intraoperative Real-Time IDH Diagnosis for Glioma Based on Automatic Analysis of Contrast-Enhanced Ultrasound Video 2025-03, Ultrasound in medicine & biology DOI:10.1016/j.ultrasmedbio.2024.11.007 PMID:39674714	研究论文	提出了一种基于术中对比增强超声(CEUS)视频自动分析的实时IDH状态诊断方法ATAN	首次将自动TIC分析网络(ATAN)应用于术中实时IDH诊断，无需肿瘤样本，诊断准确率比现有深度学习方法平均提高15%	术中胶质瘤数据样本量较小	开发胶质瘤IDH状态的术中实时诊断方法	胶质瘤患者	数字病理	胶质瘤	对比增强超声(CEUS)	ATAN(Automatic TIC Analysis Network)	视频	主要队列60例胶质瘤患者(平均年龄50±14岁，男性28例)，预训练队列258例
532	2025-06-05	Automatic Segmentation of Sylvian Fissure in Brain Ultrasound Images of Pre-Term Infants Using Deep Learning Models 2025-03, Ultrasound in medicine & biology DOI:10.1016/j.ultrasmedbio.2024.11.016 PMID:39676003	研究论文	本研究利用深度学习模型（U-Net和ResU-Net）实现了早产儿脑部超声图像中Sylvian裂的自动分割	首次尝试在早产儿脑部超声图像中实现脑沟自动分割，并比较了U-Net和ResU-Net的性能	模型在不同厂商设备获取的图像上性能有所下降，且目前仅针对单一平面（C3）的Sylvian裂进行分割	开发自动分割早产儿脑部超声图像中脑沟的方法，以监测其脑部发育情况	早产儿的脑部超声图像	数字病理学	儿科疾病	深度学习	U-Net, ResU-Net	图像	未明确提及具体样本数量
533	2025-06-05	Attention-based Fusion Network for Breast Cancer Segmentation and Classification Using Multi-modal Ultrasound Images 2025-03, Ultrasound in medicine & biology DOI:10.1016/j.ultrasmedbio.2024.11.020 PMID:39694743	research paper	提出了一种基于注意力融合网络的深度学习模型，用于多模态超声图像的乳腺癌分割和分类	引入了多模态融合U-Net（MMF-U-Net），通过融合块混合B模式和SE模式信息进行病灶分割，并利用预训练模型对病灶进行分类	未提及模型在不同数据集上的泛化能力或与其他先进方法的比较	提高乳腺癌的早期检测和诊断准确性	乳腺癌病灶	digital pathology	breast cancer	deep learning	MMF-U-Net	multi-modal ultrasound images	NA
534	2025-06-05	Interactively Fusing Global and Local Features for Benign and Malignant Classification of Breast Ultrasound Images 2025-03, Ultrasound in medicine & biology DOI:10.1016/j.ultrasmedbio.2024.11.014 PMID:39709289	research paper	本研究提出了一种名为CTMF-Net的深度学习方法，通过交互融合CNN和ViT的中间特征，实现了乳腺超声图像良恶性分类的高准确率	提出了CNN和Transformer多阶段融合网络（CTMF-Net），通过特征交互模块实现两种网络结构的中间特征交互与更新	未提及具体的数据集样本量差异对模型性能的影响，也未讨论模型在不同设备采集图像上的泛化能力	开发能够交互融合全局和局部特征的深度学习方法，提高乳腺超声图像分类准确率	乳腺超声图像中的良性和恶性肿瘤	digital pathology	breast cancer	deep learning	CNN and ViT hybrid model (CTMF-Net)	image	三个公开乳腺超声数据集（SYSU、UDIAT和BUSI）
535	2025-06-05	MRI-derived radiomics and end-to-end deep learning models for predicting glioma ATRX status: a systematic review and meta-analysis of diagnostic test accuracy studies 2025-Mar, Clinical imaging IF:1.8Q3 DOI:10.1016/j.clinimag.2024.110386 PMID:39742798	系统综述与荟萃分析	本文系统综述和荟萃分析了MRI衍生的放射组学和端到端深度学习模型在预测神经胶质瘤ATRX状态中的诊断准确性	首次通过系统综述和荟萃分析评估了放射组学和端到端深度学习模型在预测神经胶质瘤ATRX状态中的综合表现	纳入研究的异质性较高，可能影响结果的稳定性	评估MRI衍生的放射组学和深度学习模型预测神经胶质瘤ATRX状态的诊断准确性	神经胶质瘤患者的MRI影像数据	数字病理学	神经胶质瘤	MRI	端到端深度学习模型	影像	17项研究纳入系统综述，11项研究纳入荟萃分析
536	2025-06-05	Predicting lymph node metastasis in thyroid cancer: systematic review and meta-analysis on the CT/MRI-based radiomics and deep learning models 2025-Mar, Clinical imaging IF:1.8Q3 DOI:10.1016/j.clinimag.2024.110392 PMID:39742800	meta-analysis	该论文通过系统综述和荟萃分析评估了基于CT/MRI的放射组学和深度学习模型在预测甲状腺癌淋巴结转移中的表现	首次系统评估并比较了放射组学和深度学习模型在甲状腺癌淋巴结转移预测中的诊断准确性	研究间存在异质性，需要进一步研究优化这些影像工具	评估CT/MRI为基础的放射组学和深度学习模型在甲状腺癌淋巴结转移预测中的诊断价值	甲状腺癌患者的淋巴结转移情况	digital pathology	thyroid cancer	CT/MRI-based radiomics, deep learning	DL models	medical imaging	16项研究的数据
537	2025-06-05	Multi-modal dataset creation for federated learning with DICOM-structured reports 2025-Mar, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-025-03327-y PMID:39899185	研究论文	本文介绍了一个用于联邦学习的多模态数据集创建平台，利用DICOM结构化报告实现数据标准化和集成	开发了一个具有交互式过滤功能的开放平台，简化了跨多个站点创建具有一致多模态数据的患者队列的过程	研究仅在德国八所大学医院组成的联盟内进行，可能限制了结果的普适性	解决联邦学习在异构数据集上的挑战，特别是多模态学习范式中的数据协调问题	多模态医疗数据，包括影像、波形数据和注释	数字病理学	心血管疾病	DICOM结构化报告	NA	影像、波形数据、注释和元数据	德国八所大学医院的数据
538	2025-06-05	Brain tumor segmentation and detection in MRI using convolutional neural networks and VGG16 2025-Mar, Cancer biomarkers : section A of Disease markers IF:2.2Q3 DOI:10.1177/18758592241311184 PMID:40183298	research paper	本研究探讨了使用卷积神经网络（CNN）和VGG16在MRI图像中自动检测和分类脑肿瘤的方法	提出了一种能够预测分割性能并检测失败事件的深度学习模型，通过mIoU指标提高语义分割的准确性和失败检测	未提及具体的数据集大小或多样性限制，也未讨论模型在不同类型脑肿瘤上的泛化能力	开发一个自动化的脑肿瘤检测系统，以提高诊断速度和准确性	MRI图像中的脑肿瘤	digital pathology	brain tumor	deep learning, image processing	CNN, VGG16	image	NA
539	2025-06-05	A Multicenter Evaluation of the Impact of Therapies on Deep Learning-Based Electrocardiographic Hypertrophic Cardiomyopathy Markers 2025-Feb-15, The American journal of cardiology DOI:10.1016/j.amjcard.2024.11.028 PMID:39581517	研究论文	评估AI-ECG在监测肥厚型心肌病（HCM）治疗反应中的应用	首次使用AI-ECG模型评估SRT和mavacamten对HCM的生物反应	研究样本来自特定医疗中心，可能限制结果的普遍性	评估AI-ECG作为监测HCM治疗反应的工具	接受SRT或mavacamten治疗的HCM患者	数字病理学	心血管疾病	AI-ECG	深度学习模型	心电图图像	315名患者（70名来自YNHHS，100名来自CCF，145名来自AHS）
540	2025-06-05	Extraction of agricultural plastic greenhouses based on a U-Net convolutional neural network coupled with edge expansion and loss function improvement 2025-Feb, Journal of the Air & Waste Management Association (1995) DOI:10.1080/10962247.2024.2412708 PMID:39440842	research paper	本研究通过改进U-Net卷积神经网络，结合边缘信息扩展和联合损失函数，提高了农业塑料大棚（APGs）在遥感图像中的提取精度	提出了一种改进的U-Net模型，结合边缘信息扩展和联合损失函数，显著提高了APGs的提取精度	未提及模型在其他类型遥感数据或不同地理环境下的泛化能力	提高农业塑料大棚（APGs）的提取精度，以支持农业管理和环境监测	农业塑料大棚（APGs）	computer vision	NA	遥感技术	U-Net CNN	遥感图像	使用GF-7卫星图像数据