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
5501	2025-03-04	Skin cancer detection using dermoscopic images with convolutional neural network 2025-Mar-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-91446-6 PMID:40021731	研究论文	本文介绍了一种基于深度学习的网络，专门用于皮肤病变检测，以增强黑色素瘤数据集的数据质量	提出了一种新颖的FCDS-CNN架构，结合数据增强和类别加权技术，解决了类别不平衡问题，提高了数据质量	尽管FCDS-CNN在性能上优于预训练模型，但其在更广泛数据集上的泛化能力仍需进一步验证	提高皮肤癌早期检测的准确性和效率	皮肤病变图像	计算机视觉	皮肤癌	数据增强和类别加权	FCDS-CNN	图像	10015张皮肤病变图像，涵盖七种类别
5502	2025-03-04	Deep learning for tibial plateau fracture detection and classification 2025-Mar-01, The Knee DOI:10.1016/j.knee.2025.02.001 PMID:40023913	研究论文	本研究旨在开发深度学习模型，用于胫骨平台骨折的检测和根据Schatzker分类系统进行分类	首次开发用于胫骨平台骨折检测和Schatzker分类的计算机视觉模型	模型在骨折分类方面的准确性较低，Schatzker分类系统在常规X光片上的观察者间一致性较低	开发深度学习模型以检测和分类胫骨平台骨折	胫骨平台骨折患者的X光片	计算机视觉	骨折	深度学习	CNN（GoogleNet和ResNet）	图像	753名患者的1506张膝关节X光片，包括368例胫骨平台骨折和385例健康膝关节
5503	2025-03-04	CatPred: a comprehensive framework for deep learning in vitro enzyme kinetic parameters 2025-Feb-28, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-57215-9 PMID:40021618	研究论文	本文介绍了CatPred，一个用于预测体外酶动力学参数的深度学习框架	CatPred解决了标准化数据集缺乏、对与训练期间使用的酶序列不相似的序列进行性能评估以及模型不确定性量化等关键挑战	NA	预测体外酶动力学参数，包括转换数（k）、米氏常数（K）和抑制常数（K）	酶动力学参数	机器学习	NA	深度学习	预训练蛋白质语言模型	蛋白质序列和三维结构特征	约23k、41k和12k个数据点分别用于k、K和K的预测
5504	2025-03-04	Can artificial intelligence be the future solution to the enormous challenges and suffering caused by Schizophrenia? 2025-Feb-28, Schizophrenia (Heidelberg, Germany) DOI:10.1038/s41537-025-00583-4 PMID:40021674	研究论文	本研究评估了人工智能（AI）在精神分裂症（SZ）的诊断、治疗和预后评估中的潜力，并探讨了AI在未来医学创新中的应用方向	通过整合多维生物标志物和患者的语言行为数据，AI提供了更客观和精确的诊断标准，并帮助制定个性化治疗计划，改善治疗效果	AI在SZ管理中的角色必须作为辅助工具，临床判断和医护人员的关怀仍然至关重要	评估AI在精神分裂症诊断、治疗和预后评估中的潜力，并探讨其未来应用方向	精神分裂症患者	机器学习	精神分裂症	机器学习和深度学习	NA	多维生物标志物和语言行为数据	NA
5505	2025-03-04	Semantic structure preservation for accurate multi-modal glioma diagnosis 2025-Feb-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-88458-7 PMID:40021688	研究论文	本文提出了一种新的语义结构保持一致性方法RFPMSS，用于多模态胶质瘤诊断，通过从患者检查报告中提取监督信号，实现图像和文本之间的全局对齐	提出了一种新的语义结构保持一致性方法RFPMSS，通过多锚点分配和自由文本图像报告进行跨模态监督，实现了在有限监督下的最先进性能	需要从患者检查报告中提取监督信号，这可能依赖于报告的质量和完整性	提高多模态医学图像分析的准确性，特别是在胶质瘤诊断中	多模态医学图像和患者检查报告	计算机视觉	胶质瘤	深度学习	RFPMSS	图像和文本	来自山西省肿瘤医院和山西省人民医院的数据集
5506	2025-03-04	Ligand-receptor interactions combined with histopathology for improved prognostic modeling in HPV-negative head and neck squamous cell carcinoma 2025-Feb-28, NPJ precision oncology IF:6.8Q1 DOI:10.1038/s41698-025-00844-6 PMID:40021759	研究论文	本文通过结合配体-受体相互作用和组织病理学，改进了HPV阴性头颈部鳞状细胞癌的预后模型	结合BulkSignalR识别配体-受体相互作用，利用随机森林生存分析和LASSO惩罚Cox回归开发预后模型，并通过深度学习组织形态学分析进一步改进风险分层	研究样本仅限于TCGA-HNSC队列，可能无法完全代表所有HPV阴性头颈部鳞状细胞癌患者	改进HPV阴性头颈部鳞状细胞癌的预后模型，识别治疗靶点	HPV阴性头颈部鳞状细胞癌患者	数字病理学	头颈部鳞状细胞癌	BulkSignalR, 随机森林生存分析, LASSO惩罚Cox回归, 深度学习	随机森林, LASSO回归, 深度学习模型	多组学数据, HE染色全片图像	395例HPV阴性TCGA-HNSC队列患者
5507	2025-03-04	Using deep convolutional networks combined with signal processing techniques for accurate prediction of surface quality 2025-Feb-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-92114-5 PMID:40021768	研究论文	本文提出了一种结合深度学习技术和信号处理技术的框架，用于预测和分类铣削零件的表面粗糙度	创新点在于使用四种信号处理技术将声发射信号转换为2D图像，并结合多种卷积神经网络进行表面粗糙度的预测和分类	未提及具体局限性	研究目的是通过深度学习技术预测和分类铣削零件的表面粗糙度	铣削零件的表面粗糙度	计算机视觉	NA	声发射信号处理技术（SSPC、SSSC、SSSC*、RP）	VGG16、ResNet18、ShuffleNet、CNN-LSTM	2D图像	未提及具体样本数量
5508	2025-03-04	Integrating convolutional layers and biformer network with forward-forward and backpropagation training 2025-Feb-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-92218-y PMID:40021838	研究论文	本文介绍了一种名为Deep-CBN的新框架，旨在通过直接从原始数据中捕捉复杂的分子表示来增强分子属性预测，从而提高准确性和效率	结合了卷积神经网络（CNNs）和BiFormer注意力机制，并采用了前向-前向算法和反向传播训练方法	未提及具体局限性	提高分子属性预测的准确性和效率，加速药物发现过程	分子属性预测	机器学习	NA	卷积神经网络（CNNs）、BiFormer注意力机制、前向-前向算法、反向传播	CNN、BiFormer	SMILES字符串	多个基准数据集（包括Tox21、BBBP、SIDER、ClinTox、BACE、HIV和MUV）
5509	2025-03-04	Software defect prediction based on residual/shuffle network optimized by upgraded fish migration optimization algorithm 2025-Feb-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-91784-5 PMID:40021906	研究论文	本研究提出了一种基于残差/混洗网络和升级版鱼群迁移优化算法的软件缺陷预测新方法	创新点在于将深度学习和元启发式算法协同使用，以训练软件代码提取语义和结构属性	分析仅限于开源项目，需要在专有软件上进一步评估	提高软件缺陷预测的准确性，减少人工工作量	开源项目的软件代码	机器学习	NA	深度学习，元启发式算法	残差/混洗网络（RS Networks）	软件代码	多种开源项目
5510	2025-03-04	A computational spectrometer for the visible, near, and mid-infrared enabled by a single-spinning film encoder 2025-Feb-28, Communications engineering DOI:10.1038/s44172-025-00379-5 PMID:40021937	研究论文	本文提出了一种结合单旋转薄膜编码器（SSFE）和深度学习重建算法的计算光谱仪，覆盖可见光到中红外波长范围	通过粒子群优化（PSO）实现低相关性和高复杂度的光谱响应，展示了在可见光、近红外和中红外波长范围内的单峰和双峰分辨率	NA	开发一种低成本、原位、快速光谱分析的计算光谱仪	光谱仪的光谱响应和化学化合物的分类	机器学习和光学工程	NA	粒子群优化（PSO）和深度学习	深度学习算法	光谱数据	220种化学化合物
5511	2025-03-04	Preoperative diagnosis of meningioma sinus invasion based on MRI radiomics and deep learning: a multicenter study 2025-Feb-28, Cancer imaging : the official publication of the International Cancer Imaging Society IF:3.5Q1 DOI:10.1186/s40644-025-00845-5 PMID:40022261	研究论文	本研究探讨了结合放射组学和深度学习特征的融合模型在脑膜瘤窦侵犯术前精确诊断中的重要性	创新点在于结合放射组学和深度学习特征构建融合模型，用于脑膜瘤窦侵犯的术前诊断	研究为回顾性研究，可能存在选择偏倚，且样本量虽大但仅限于特定中心	研究目的是构建一个融合模型，用于脑膜瘤窦侵犯的术前精确诊断	研究对象为601例经手术病理证实的脑膜瘤患者	数字病理	脑膜瘤	MRI影像分析	随机森林（RF）算法	MRI图像	601例脑膜瘤患者
5512	2025-03-04	A deep learning and statistical shape modeling-based method for assessing intercondylar notch volume in anterior cruciate ligament reconstruction 2025-Feb-28, The Knee DOI:10.1016/j.knee.2025.02.009 PMID:40022961	研究论文	本研究利用深度学习和统计形状建模技术，开发了一种评估前交叉韧带重建中髁间窝体积的方法	结合深度学习和统计形状建模技术，实现了对髁间窝的快速三维建模，并分析了其体积和形状的变异性	研究仅针对前交叉韧带损伤患者，未涉及其他膝关节疾病或健康人群	提高对髁间窝复杂三维解剖结构的理解，以优化前交叉韧带重建手术	前交叉韧带损伤患者的髁间窝	数字病理	前交叉韧带损伤	深度学习，统计形状建模（SSM）	SegResNet	三维图像	前交叉韧带损伤患者的样本
5513	2025-03-04	Deep Learning-Assisted Diagnosis of Malignant Cerebral Edema Following Endovascular Thrombectomy 2025-Feb-28, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.02.021 PMID:40023742	研究论文	本研究旨在开发和验证一种基于深度学习辅助的诊断模型，利用血栓切除术后头部非对比计算机断层扫描中的高衰减成像标志物（HIM），以帮助放射科医生预测接受血管内血栓切除术（EVT）的患者是否会出现恶性脑水肿（MCE）	首次将深度学习模型与HIM结合，用于预测EVT后的MCE，显著提高了放射科医生的诊断性能	研究样本量相对较小，且仅在单一机构进行，可能需要多中心研究进一步验证	开发并验证一种深度学习辅助的诊断模型，用于预测EVT后的MCE	接受EVT治疗的急性缺血性卒中患者	数字病理学	心血管疾病	深度学习	ResNet 50, ResNet 101, ResNeXt50_32×4d, ResNeXt101_32×8d, DenseNet 121	图像	271名患者（168名训练组，43名验证组，60名前瞻性内部测试组）
5514	2025-03-04	AI-echocardiography: Current status and future direction 2025-Feb-21, Journal of cardiology IF:2.5Q2 DOI:10.1016/j.jjcc.2025.02.005 PMID:40023671	综述	本文回顾了AI在超声心动图领域的当前应用、局限性以及未来发展方向	讨论了深度学习模型在超声心动图中的应用，包括无需人工标注的零样本预测和自动报告生成	当前AI技术在超声心动图中的应用仍存在局限性，需要进一步研究和验证	探讨AI技术在超声心动图中的应用及其在临床实践中的潜力	超声心动图数据	医学影像	心血管疾病	深度学习	深度学习模型	图像	NA
5515	2025-03-04	Improved Microbubble Tracking for Super-Resolution Ultrasound Localization Microscopy using a Bi-Directional Long Short-term Memory Neural Network 2025-Feb-14, bioRxiv : the preprint server for biology DOI:10.1101/2025.02.10.637352 PMID:39990416	研究论文	本文提出了一种基于双向长短期记忆神经网络的深度学习微泡配对和跟踪方法，用于超分辨率超声定位显微镜	该方法整合了多参数微泡特征，以实现更稳健和准确的微泡配对和跟踪	方法在模拟数据集、组织模拟流动模型以及小鼠和大鼠脑部进行了验证，但未提及在人类临床数据上的应用	提高超分辨率超声定位显微镜中微泡跟踪的准确性和鲁棒性	微泡（MBs）	医学影像	NA	超分辨率超声定位显微镜（ULM）	双向长短期记忆神经网络（Bi-Directional LSTM）	超声图像	模拟数据集、组织模拟流动模型、小鼠和大鼠脑部
5516	2025-03-04	Validation of ten federated learning strategies for multi-contrast image-to-image MRI data synthesis from heterogeneous sources 2025-Feb-11, bioRxiv : the preprint server for biology DOI:10.1101/2025.02.09.637305 PMID:39990397	研究论文	本文验证了十种联邦学习策略在多对比度MRI图像合成中的应用，特别是在处理来自不同机构的异质数据时	提出了一种新的聚合策略FedBAdam，结合了两种最先进方法的优势，通过引入动量并跳过批量归一化层来优化模型参数	研究主要关注脑部扫描，未涉及其他类型的医学影像数据	验证联邦学习策略在多对比度MRI图像合成中的有效性，特别是在处理异质数据时的性能	健康和肿瘤性脑部扫描数据	医学影像	脑部肿瘤	联邦学习（FL）	深度学习模型	MRI图像	来自五个不同机构的脑部扫描数据
5517	2025-03-04	Assessing Genotype-Phenotype Correlations with Deep Learning in Colorectal Cancer: A Multi-Centric Study 2025-Feb-08, medRxiv : the preprint server for health sciences DOI:10.1101/2025.02.04.25321660 PMID:39973981	研究论文	本研究利用深度学习技术从结直肠癌的H&E切片中预测多种遗传生物标志物，并在多中心数据集中验证了模型的性能	开发了一种多目标Transformer模型，能够从病理切片中预测多种遗传改变，超越了传统的单目标模型	模型的预测能力主要与微卫星不稳定性（MSI）表型相关，其他生物标志物的预测能力有限	评估深度学习在结直肠癌中预测基因型-表型相关性的能力	结直肠癌患者的H&E切片	数字病理学	结直肠癌	深度学习	Transformer	图像	1,376名患者（主要数据集）和536名患者（验证数据集）
5518	2025-03-04	Assessment of the stability of intracranial aneurysms using a deep learning model based on computed tomography angiography 2025-Feb, La Radiologia medica DOI:10.1007/s11547-024-01939-z PMID:39666223	研究论文	本研究旨在构建一个基于深度学习的模型，通过计算机断层扫描血管造影（CTA）图像识别不稳定的颅内动脉瘤	创新点在于结合临床、形态学和深度学习特征，构建了一个基于卷积神经网络（CNN）的模型，用于预测颅内动脉瘤的稳定性	研究的局限性在于样本量相对较小，且外部验证集的样本来自单一医院，可能影响模型的泛化能力	研究目的是评估颅内动脉瘤的稳定性，以支持临床决策	研究对象为1041名患者的1227个颅内动脉瘤	计算机视觉	颅内动脉瘤	计算机断层扫描血管造影（CTA）	卷积神经网络（CNN）	图像	1041名患者的1227个颅内动脉瘤，其中833名患者的991个动脉瘤用于训练，208名患者的236个动脉瘤用于内部验证，197名患者的229个动脉瘤用于外部验证
5519	2025-03-04	Single Cell Spatial Transcriptomics Reveals Immunotherapy-Driven Bone Marrow Niche Remodeling in AML 2025-Jan-27, bioRxiv : the preprint server for biology DOI:10.1101/2025.01.24.634753 PMID:39975227	研究论文	本文通过单细胞空间转录组学技术，研究了免疫治疗对急性髓性白血病患者骨髓微环境的重塑作用	结合单细胞RNA测序数据和单细胞分辨率空间转录组数据，克服了测序深度限制，揭示了免疫治疗后白血病细胞与免疫细胞之间的空间相互作用	样本量有限，仅针对特定治疗方案的患者进行研究	研究免疫治疗对急性髓性白血病患者骨髓微环境的影响	难治性或复发性急性髓性白血病患者	数字病理学	急性髓性白血病	单细胞RNA测序，空间转录组学	深度学习模型	单细胞RNA测序数据，空间转录组数据	难治性或复发性急性髓性白血病患者样本
5520	2025-03-04	A case for the use of deep learning algorithms for individual and population level assessments of mental health disorders: Predicting depression among China's elderly 2025-Jan-15, Journal of affective disorders IF:4.9Q1 DOI:10.1016/j.jad.2024.09.147 PMID:39321977	研究论文	本研究利用机器学习方法分析中国老年人群的抑郁风险因素，从整体和个体层面预测抑郁	使用机器学习算法在大规模代表性老年数据库中预测抑郁风险因素，提供个体层面的可靠诊断可能性	需要进一步研究结合专业临床输入以推进该领域	预测中国老年人群的抑郁风险因素，支持临床医生识别影响患者抑郁的最重要因素	中国老年人群	机器学习	老年疾病	机器学习算法	NA	调查数据	来自中国健康与养老追踪调查（CHARLS）第四波的参与者