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
5481	2025-03-10	Leveraging swin transformer with ensemble of deep learning model for cervical cancer screening using colposcopy images 2025-Mar-06, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-90415-3 PMID:40050635	研究论文	本文提出了一种结合Swin Transformer和深度学习模型集成的方法，用于宫颈癌筛查的阴道镜图像分析	创新点在于结合了Swin Transformer网络进行特征提取，并采用集成学习方法（包括AE、BiGRU和DBN模型）进行癌症检测，同时使用POA算法进行超参数调优	未明确提及具体局限性	提高宫颈癌筛查的效率和准确性	宫颈癌筛查的阴道镜图像	计算机视觉	宫颈癌	深度学习	Swin Transformer, AE, BiGRU, DBN	图像	未明确提及样本数量
5482	2025-03-10	CUGUV: A Benchmark Dataset for Promoting Large-Scale Urban Village Mapping with Deep Learning Models 2025-Mar-06, Scientific data IF:5.8Q1 DOI:10.1038/s41597-025-04701-w PMID:40050634	研究论文	本文介绍了CUGUV基准数据集，旨在通过深度学习模型促进大规模城中村（UV）的映射	提出了一个包含来自中国15个主要城市的数千个UV样本的基准数据集，并开发了一个创新的框架，有效整合和学习了多种数据源，以更好地解决跨城市UV映射任务	数据集主要集中在中国的城市，可能限制了其全球适用性	提高大规模城中村映射的准确性和模型的可转移性	城中村（UV）	计算机视觉	NA	深度学习	NA	卫星图像	数千个UV样本，来自中国15个主要城市
5483	2025-03-10	Knowledge-guided diffusion model for 3D ligand-pharmacophore mapping 2025-Mar-06, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-57485-3 PMID:40050649	研究论文	本文提出了一种名为DiffPhore的知识引导扩散模型，用于3D配体-药效团映射，旨在改进药物发现中的药效团引导技术	DiffPhore利用配体-药效团匹配知识引导配体构象生成，并通过校准采样减轻迭代构象搜索过程中的暴露偏差，实现了在预测配体结合构象方面的最先进性能	NA	改进药效团引导的药物发现技术	3D配体-药效团对	药物发现	NA	深度学习	扩散模型	3D配体-药效团对	两个自建数据集
5484	2025-03-10	Automatic detecting multiple bone metastases in breast cancer using deep learning based on low-resolution bone scan images 2025-Mar-06, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-92594-5 PMID:40050676	研究论文	本文提出了一种基于低分辨率骨扫描图像的深度学习框架，用于自动检测乳腺癌中的多发性骨转移	创新性地提出了即插即用的位置辅助提取模块和特征融合模块，增强了全局信息提取能力，并设计了基于自注意力变换器的目标检测头，以准确检测低分辨率WBS图像中的小转移灶	研究依赖于特定医院的私有数据集，可能限制了模型的泛化能力	开发一个统一的框架，用于基于低分辨率全身骨扫描图像检测乳腺癌中的多发性骨转移	乳腺癌骨转移患者	计算机视觉	乳腺癌	深度学习	自注意力变换器	全身骨扫描图像	512名乳腺癌骨转移患者
5485	2025-03-10	A novel hybrid CNN-transformer model for arrhythmia detection without R-peak identification using stockwell transform 2025-Mar-06, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-92582-9 PMID:40050678	研究论文	本文提出了一种新颖的混合深度学习模型，用于从心电图信号中进行心律失常分类，利用Stockwell变换进行特征提取	该模型结合了CNN和transformer架构，无需R峰检测即可进行心律失常分类，展示了更高的准确性和效率	NA	提高基于心电图的心律失常诊断的准确性，并适用于实时监测系统	心电图信号	机器学习	心血管疾病	Stockwell变换	CNN-transformer混合模型	时间序列数据	Icentia11k数据集和MIT-BIH数据集
5486	2025-03-10	Systematic review and meta-analysis of artificial intelligence in classifying HER2 status in breast cancer immunohistochemistry 2025-Mar-06, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-025-01483-8 PMID:40050686	meta-analysis	本文通过诊断性meta分析评估了人工智能在分类HER2免疫组化评分中的表现，展示了其在预测T-DXd资格方面的高准确性	首次系统评估了人工智能在HER2免疫组化评分分类中的表现，并揭示了深度学习和基于补丁的分析方法在提高准确性方面的优势	在外部验证和使用商业化算法的研究中，AI的表现有所下降	评估人工智能在分类HER2免疫组化评分中的准确性和潜力	乳腺癌患者的HER2免疫组化评分	digital pathology	breast cancer	免疫组化（IHC）	深度学习	图像	NA
5487	2025-03-10	LoG-staging: a rectal cancer staging method with LoG operator based on maximization of mutual information 2025-Mar-06, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-01610-7 PMID:40050741	研究论文	本文提出了一种基于LoG算子和互信息最大化的直肠癌分期方法LoG-staging，用于预测直肠癌患者的T分期	创新性地使用LoG滤波器增强MRI图像的纹理细节，并提出了一种新的特征聚类方法，利用互信息最大化机制联合学习神经网络参数和特征聚类分配	正确标注的图像数量不足，因为T分期需要病理检查确认	提高直肠癌T分期的预测准确性	直肠癌患者的MRI图像	计算机视觉	直肠癌	LoG滤波器，互信息最大化	神经网络	MRI图像	未提及具体样本数量
5488	2025-03-10	UGS-M3F: unified gated swin transformer with multi-feature fully fusion for retinal blood vessel segmentation 2025-Mar-06, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-01616-1 PMID:40050753	研究论文	本文提出了一种名为UGS-M3F的深度学习框架，用于视网膜血管分割，旨在提高眼底图像中血管分割的准确性	UGS-M3F模型结合了统一多上下文特征融合（UM2F）和门控边界感知Swin Transformer（GBS-T）模块，能够捕捉不同层次的上下文信息，并增强小血管检测和大血管覆盖	NA	提高眼底图像中视网膜血管分割的准确性，以辅助眼科医生进行非侵入性诊断	眼底图像中的视网膜血管	计算机视觉	眼科疾病	深度学习	Swin Transformer	图像	公开数据集FIVES、DRIVE、STARE和CHAS_DB1
5489	2025-03-10	Deep learning-based classification of dementia using image representation of subcortical signals 2025-Mar-06, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-025-02924-w PMID:40050853	研究论文	本研究开发了一种基于深度学习的痴呆分类系统，通过分析从深部脑区（如海马体、杏仁核和丘脑）提取的EEG信号，利用图像表示进行分类	利用连续小波变换将EEG时间序列转换为图像表示，并结合DenseNet模型架构进行分类，提高了痴呆分类的准确性	样本量相对较小，且仅使用了两个数据集进行验证，可能需要更多数据以进一步验证模型的泛化能力	开发一种基于深度学习的痴呆分类系统，以实现痴呆症的早期和准确诊断	阿尔茨海默病（AD）、额颞叶痴呆（FTD）和轻度认知障碍（MCI）患者及健康对照组	数字病理学	老年病	EEG、sLORETA、连续小波变换（CWT）	DenseNet	图像	BrainLat数据集（16 AD, 13 FTD, 19 HC）和IITD-AIIA数据集（10 AD, 9 MCI, 8 HC）
5490	2025-03-10	Enhancing HER2 testing in breast cancer: predicting fluorescence in situ hybridization (FISH) scores from immunohistochemistry images via deep learning 2025-Mar, The journal of pathology. Clinical research DOI:10.1002/2056-4538.70024 PMID:40050230	研究论文	本文通过深度学习模型改进乳腺癌中的HER2检测，预测免疫组织化学（IHC）图像中的荧光原位杂交（FISH）评分	采用聚类约束注意力多实例深度学习模型，减少对反射性FISH测试的依赖，提高IHC测试的准确性	FISH预测模型的准确性和敏感性较低，可能在某些情况下无法替代FISH测试	改进乳腺癌中的HER2检测方法，减少当前评分方法中的主观性和变异性	乳腺癌患者的HER2 IHC图像和FISH测试数据	数字病理学	乳腺癌	免疫组织化学（IHC），荧光原位杂交（FISH）	聚类约束注意力多实例深度学习模型	图像	5,731张HER2 IHC图像，包括592例FISH测试病例
5491	2025-03-10	Image-based food groups and portion prediction by using deep learning 2025-Mar, Journal of food science IF:3.2Q2 DOI:10.1111/1750-3841.70116 PMID:40052549	研究论文	本研究开发了一个基于深度学习的系统，用于自动分组和分类食物，并估计土耳其菜肴的份量	使用卷积神经网络（CNN）模型进行图像识别，实现了食物分类和份量估计的自动化，准确率分别达到80%和80.47%	研究仅针对土耳其菜肴，可能不适用于其他文化或地区的食物	开发一个自动测量食物消费的系统，以帮助诊断和解决营养问题，减少营养不良的风险	土耳其菜肴	计算机视觉	肥胖和高血压	深度学习	CNN	图像	土耳其菜肴样本
5492	2025-03-10	Identifying Research Priorities in Digital Education for Health Care: Umbrella Review and Modified Delphi Method Study 2025-Feb-19, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/66157 PMID:39969988	综述	本研究通过伞形综述和改良德尔菲法，确定了医疗保健数字教育领域的研究优先事项	采用伞形综述和改良德尔菲法结合的方法，系统性地识别和优先排序医疗保健数字教育的研究空白	研究依赖于现有文献的质量和覆盖范围，且专家共识可能受参与者背景和经验的影响	确定数字教育在医疗保健领域的有效性证据缺口，并识别未来研究的优先领域	医疗保健专业人员的数字教育	数字病理学	NA	伞形综述，改良德尔菲法	NA	文献数据	217篇系统综述或元分析论文，42位专家参与德尔菲过程
5493	2025-03-10	Understanding the Engagement and Interaction of Superusers and Regular Users in UK Respiratory Online Health Communities: Deep Learning-Based Sentiment Analysis 2025-02-13, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/56038 PMID:39946690	研究论文	本研究通过深度学习情感分析，探讨了英国呼吸系统在线健康社区中超级用户与普通用户的互动和情感分布	使用预训练的BioBERT模型进行情感分析，并针对COVID-19 Twitter数据集进行微调，以解决健康相关标注数据稀缺的问题	研究依赖于特定时间段的数据（2006-2016年和2012-2016年），且仅针对两个特定的在线健康社区	了解呼吸系统在线健康社区中普通用户与超级用户互动的情感分布和动态	英国呼吸系统在线健康社区的用户	自然语言处理	呼吸系统疾病	情感分析	BioBERT	文本	两个在线健康社区的数据（Asthma UK和British Lung Foundation）
5494	2025-03-10	Signature-based intrusion detection using machine learning and deep learning approaches empowered with fuzzy clustering 2025-Jan-11, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-85866-7 PMID:39799225	研究论文	本研究旨在通过结合机器学习和深度学习方法改进网络安全中的入侵检测	结合了多种机器学习（如SVM、KNN、RF、DT）和深度学习（如LSTM、ANN）模型，并引入了模糊聚类技术，以提高入侵检测的准确性和效率	未提及具体的样本大小或数据集细节，可能限制了结果的普适性	提高网络安全性，通过改进入侵检测系统（IDS）来识别和预防网络攻击	网络流量数据	机器学习	NA	模糊聚类	SVM, KNN, RF, DT, LSTM, ANN	网络流量数据	NA
5495	2025-03-10	Deep learning-driven ultrasound equipment quality assessment with ATS-539 phantom data 2025-Jan, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2024.105698 PMID:39541619	研究论文	本研究提出了一种基于深度学习的双阶段框架，用于客观评估超声图像质量，使用ATS-539体模数据	引入双阶段深度学习框架，结合逻辑回归模型，实现超声图像质量的定量和客观评估	依赖于体模数据，可能无法完全反映真实临床环境中的图像质量	开发一种客观评估超声图像质量的方法，以提高诊断准确性	超声图像质量	计算机视觉	NA	深度学习	分类模型、逻辑回归模型	图像	ATS-539体模数据
5496	2025-03-10	Advances in analytical approaches for background parenchymal enhancement in predicting breast tumor response to neoadjuvant chemotherapy: A systematic review 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0317240 PMID:40053513	系统综述	本文系统综述了背景实质增强（BPE）分析在预测乳腺癌对新辅助化疗（NAC）反应中的最新进展	从单时间点BPE分析转向纵向BPE分析，揭示了现有方法的不足，并提出了结合深度学习等先进AI技术的改进方向	现有纵向BPE分析方法存在数据缺失、手动分割全乳感兴趣区域、过度依赖传统统计方法等问题，影响了预测的准确性和及时性	评估BPE分析在预测乳腺癌对新辅助化疗反应中的可靠性和有效性，以促进个性化治疗策略的发展	接受新辅助化疗的乳腺癌患者	数字病理学	乳腺癌	动态对比增强磁共振成像（DCE-MRI）	NA	图像	78项研究中的13项符合纳入标准
5497	2025-03-10	An interpretable generative multimodal neuroimaging-genomics framework for decoding alzheimer's disease 2024-Nov-14, ArXiv PMID:38947922	研究论文	本文提出了一种可解释的生成多模态神经影像-基因组学框架，用于解码阿尔茨海默病	提出了一种新的深度学习分类框架，采用循环生成对抗网络（cGAN）在潜在空间中填补缺失数据，并采用可解释的人工智能方法（XAI）提取输入特征的相关性	未明确提及具体限制	解码阿尔茨海默病的潜在机制，进行AD检测和MCI转化预测	阿尔茨海默病患者和轻度认知障碍（MCI）患者	数字病理学	老年病	结构性和功能性磁共振成像（sMRI/fMRI），单核苷酸多态性（SNPs）	循环生成对抗网络（cGAN）	神经影像数据，基因组数据	未明确提及具体样本数量
5498	2025-03-10	Quantitative CT Scan Analysis in Rheumatoid Arthritis-Related Interstitial Lung Disease 2024-Nov-09, Chest IF:9.5Q1 DOI:10.1016/j.chest.2024.10.052 PMID:39528110	研究论文	本文探讨了深度学习基础的CT成像在评估类风湿性关节炎相关间质性肺病（RA-ILD）疾病严重程度、预测死亡率和识别疾病进展中的效用	使用数据驱动的纹理分析（DTA）方法对RA-ILD患者的CT扫描进行定量分析，首次将DTA纤维化评分与肺功能和生存率关联起来	研究样本量相对较小，特别是验证队列仅有50人，可能影响结果的普遍性	评估定量CT成像在RA-ILD中的临床应用价值，特别是作为疾病严重程度和死亡率的预测工具	类风湿性关节炎相关间质性肺病（RA-ILD）患者	数字病理学	类风湿性关节炎相关间质性肺病	CT成像，数据驱动的纹理分析（DTA）	深度学习	CT图像	289名主要队列患者和50名验证队列患者
5499	2025-03-10	Diverging Effects of Violence Exposure and Psychiatric Symptoms on Amygdala-Prefrontal Maturation During Childhood and Adolescence 2024-Sep-07, Biological psychiatry. Cognitive neuroscience and neuroimaging DOI:10.1016/j.bpsc.2024.08.003 PMID:39182725	研究论文	本研究探讨了童年和青春期暴力暴露与精神病症状对杏仁核-前额叶皮层（PFC）回路成熟的不同影响	揭示了暴力暴露和精神病症状对杏仁核-PFC回路成熟的不同影响，提出了适应性和非适应性神经发育机制的差异	研究样本仅限于费城神经发育队列（PNC），可能无法完全代表其他人群	探讨暴力暴露和精神病症状对杏仁核-PFC回路成熟的影响	1133名青少年	神经科学	精神疾病	深度学习	深度学习模型	脑功能连接数据	1133名青少年
5500	2025-03-10	Data-driven fine-grained region discovery in the mouse brain with transformers 2024-Jun-13, bioRxiv : the preprint server for biology DOI:10.1101/2024.05.05.592608 PMID:38766132	研究论文	本文开发了一种无监督训练方案和基于transformer的深度学习架构，用于利用空间转录组学数据检测小鼠全脑的空间区域	提出了一种新的transformer深度学习架构，能够从粗到细粒度地识别小鼠大脑中的空间区域，并发现了一些以前未分类的亚区域	NA	研究小鼠大脑的空间组织	小鼠大脑	数字病理学	NA	空间转录组学	transformer	空间转录组学数据	多个小鼠的全脑数据