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
541	2025-05-12	Multimodal histopathologic models stratify hormone receptor-positive early breast cancer 2025-Mar-02, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-57283-x PMID:40025017	研究论文	开发了一种名为Orpheus的多模态深度学习工具，用于从H&E全切片图像中推断激素受体阳性早期乳腺癌的Oncotype DX®复发评分	Orpheus模型能够准确识别高风险病例（RS>25）并比现有临床病理学模型更准确地预测转移复发风险	研究仅基于三个机构的6172例病例，可能需要更大规模的外部验证	开发一种成本效益高且快速的替代方案来评估激素受体阳性早期乳腺癌的复发风险	激素受体阳性早期乳腺癌患者	数字病理学	乳腺癌	深度学习	多模态深度学习模型	H&E全切片图像	6172例来自三个机构的病例
542	2025-05-12	Development of a deep learning radiomics model combining lumbar CT, multi-sequence MRI, and clinical data to predict high-risk cage subsidence after lumbar fusion: a retrospective multicenter study 2025-Mar-02, Biomedical engineering online IF:2.9Q3 DOI:10.1186/s12938-025-01355-y PMID:40025592	research paper	开发并验证了一个结合临床数据、深度学习放射组学和放射组学特征的模型，用于预测腰椎融合术后高风险笼沉降患者	结合了临床数据、深度学习放射组学和传统放射组学特征，构建了一个多中心、多模态数据的预测模型，其性能优于经验丰富的外科医生的预测	研究为回顾性设计，样本量相对较小（305例），且仅来自三个中心	预测腰椎融合术后高风险笼沉降患者，以改善临床决策并减少翻修手术的需求	305例接受腰椎融合手术的患者	digital pathology	geriatric disease	3D vision transformations, LASSO regression, logistic regression	深度学习模型（基于3D视觉变换）和逻辑回归模型	CT、MRI图像和临床数据	305例患者（训练组214例，验证组61例，测试组30例）
543	2025-05-12	Utilising routinely collected clinical data through time series deep learning to improve identification of bacterial bloodstream infections: a retrospective cohort study 2025-Mar, The Lancet. Digital health DOI:10.1016/j.landig.2025.01.010 PMID:40015765	研究论文	利用时间序列深度学习模型分析常规临床数据，以提高细菌性血流感染的识别能力	首次将LSTM模型应用于血流感染的预测，并证明其优于静态逻辑回归模型	研究为回顾性队列研究，可能存在数据偏差	开发预测模型以提前识别血流感染，改善临床决策	住院患者	机器学习	血流感染	时间序列分析	LSTM, 逻辑回归	临床数据（血液生物标志物和人口统计学数据）	20,850名患者（训练集15,212名，测试集5,638名）
544	2025-05-12	Quantifying Facial Gestures Using Deep Learning in a New World Monkey 2025-Mar, American journal of primatology IF:2.0Q1 DOI:10.1002/ajp.70013 PMID:40019116	研究论文	该研究利用深度学习技术量化新世界猴（棉顶狨猴）的面部表情，以探索其在多模式交流中的独特性	首次将无标记姿态估计算法应用于棉顶狨猴面部表情的自动识别，并成功区分不同行为背景下的面部配置	研究仅针对圈养个体，可能无法完全反映野外环境下的自然行为	开发自动化工具从原始视频数据中提取行为线索，推进灵长类多模式交流研究	棉顶狨猴（新世界猴）的面部表情	计算机视觉	NA	无标记姿态估计	深度学习	视频	圈养棉顶狨猴的视频片段（具体数量未明确说明）
545	2025-05-12	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	research paper	该研究提出了一种基于深度学习的网络FCDS-CNN，用于提高皮肤病变检测的准确性和数据质量	引入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并提升了数据质量	虽然FCDS-CNN在皮肤病变检测中表现出色，但其在更广泛的医学图像分析中的适用性尚未验证	提升皮肤恶性黑色素瘤的早期检测准确率	皮肤病变的dermoscopic图像	digital pathology	skin cancer	data augmentation, class weighting	FCDS-CNN	image	10015张皮肤病变图像，涵盖7个类别
546	2025-05-12	Toward a rapid, sensitive, user-friendly, field-deployable artificial intelligence tool for enhancing African swine fever diagnosis and reporting 2025-Mar-01, American journal of veterinary research IF:1.3Q2 DOI:10.2460/ajvr.24.10.0305 PMID:40023145	研究论文	开发一种基于深度学习和智能手机的人工智能诊断工具，用于提高非洲猪瘟（ASF）侧流层析试纸条（LFA）读取的准确性	结合深度学习模型（YOLO）和智能手机技术，开发了一种用户友好、可现场部署的AI工具，用于提高LFA测试的准确性和早期诊断能力	模型在召回率（79%）方面仍有提升空间，且数据集可能受限于手动标注的LFA图像	提高非洲猪瘟（ASF）的诊断速度和准确性，特别是在实验室资源有限的地区	非洲猪瘟（ASF）的侧流层析试纸条（LFA）测试图像	计算机视觉	非洲猪瘟	深度学习辅助的智能手机图像分类	YOLO	图像	未明确提及具体样本数量，但使用了3种不同的训练/开发/测试数据集划分
547	2025-05-12	Evaluation by dental professionals of an artificial intelligence-based application to measure alveolar bone loss 2025-Mar-01, BMC oral health IF:2.6Q1 DOI:10.1186/s12903-025-05677-0 PMID:40025477	research paper	评估牙科专业人员对基于人工智能的牙槽骨流失测量应用的接受度和使用效果	开发并实施了一种结合语义分割神经网络和对象检测网络的深度学习模型，用于精确测量牙槽嵴高度变化，并调查了牙科专业人员对该AI应用的接受度	样本量相对较小（56名牙科专业人员），且参与者中学术背景的比例较高（52%）	评估AI在牙科诊断中的接受度和实用性，以及其在常规实践中的潜在应用	牙科专业人员和牙槽骨流失测量	digital pathology	牙周病	深度学习	语义分割神经网络和对象检测网络	X光影像	550张咬翼X光片数据集，56名牙科专业人员参与评估
548	2025-05-12	Data-driven AI platform for dens evaginatus detection on orthodontic intraoral photographs 2025-Mar-01, BMC oral health IF:2.6Q1 DOI:10.1186/s12903-024-05231-4 PMID:40025464	研究论文	开发并评估了一种用于自动检测正畸口内照片中牙外突前磨牙的深度学习模型（BiStageNet），并基于训练结果构建了一个牙外突检测平台	提出了BiStageNet模型，并开发了一个用于正畸临床应用的牙外突检测平台	未提及具体局限性	开发一个自动检测牙外突前磨牙的深度学习模型及其临床应用平台	正畸口内照片中的前磨牙	计算机视觉	牙科疾病	深度学习	BiStageNet	图像	1,400张高质量口内照片用于前磨牙识别训练，2,128张图像用于牙外突检测训练
549	2025-05-12	Syn-Net: A Synchronous Frequency-Perception Fusion Network for Breast Tumor Segmentation in Ultrasound Images 2025-Mar, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3514134 PMID:40030423	research paper	提出了一种名为Syn-Net的同步频率感知融合网络，用于超声图像中乳腺肿瘤的精确分割	设计了同步双分支编码器提取局部和全局特征，引入了频率感知交叉特征融合块（FrCFusion Block）利用DCT学习全频特征，并开发了全尺度深度监督方法	未提及具体局限性	实现复杂超声图像中乳腺肿瘤的精确分割	超声图像中的乳腺肿瘤	digital pathology	breast cancer	Discrete Cosine Transform (DCT)	Syn-Net (a CNN-based model)	image	三个公开的超声乳腺肿瘤数据集
550	2025-05-12	Prediction of Lymph Node Metastasis in Colorectal Cancer Using Intraoperative Fluorescence Multi-Modal Imaging 2025-Mar, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3510836 PMID:40030456	research paper	该研究开发了一种结合术中荧光多模态成像和深度学习的模型，用于预测结直肠癌淋巴结转移	提出了多模态荧光成像特征融合预测模型（MFI-FFP），结合白光、荧光和伪彩色成像，设计了多模态特征融合模块和新颖的损失函数	未提及具体样本量或外部验证结果	提高结直肠癌淋巴结转移的诊断效率	结直肠癌患者的淋巴结	digital pathology	colorectal cancer	intraoperative fluorescence multi-modal imaging	MFI-FFP (deep learning based multi-modal fusion model)	multi-modal medical images (white light/fluorescence/pseudo-color)	NA
551	2025-05-12	LymoNet: An Advanced Neck Lymph Node Detection Network for Ultrasound Images 2025-Mar, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3515995 PMID:40030474	研究论文	提出了一种基于YOLOv8的颈部淋巴结检测网络LymoNet，用于从超声图像中检测和分类正常、炎症和转移性颈部淋巴结	引入了先进的注意力机制模块（CA和MHSA）和医学知识嵌入，提升了模型性能	当前自动化检测方法的准确性尚不够高，需要专业资深放射科医师的参与	提高颈部淋巴结检测的自动化水平，以辅助癌症转移的早期检测和治疗	颈部淋巴结的超声图像	计算机视觉	癌症	深度学习	YOLOv8	图像	NA
552	2025-05-12	Automatic Brain Segmentation for PET/MR Dual-Modal Images Through a Cross-Fusion Mechanism 2025-Mar, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3516012 PMID:40030515	研究论文	提出了一种通过交叉融合机制实现PET/MR双模态图像自动脑分割的新方法	引入了交叉融合机制的3D全脑分割网络，同时处理PET和MR图像，利用UX-Net和交叉融合块进行特征提取和融合	未提及具体局限性，但未来工作将集中在临床应用验证	实现精确的脑区分割以辅助神经系统疾病的检测和诊断	PET/MR双模态脑部图像	数字病理学	神经系统疾病	PET/MR双模态成像	3D UX-Net with cross-fusion block	3D医学图像	未明确提及样本量，但评估了45个脑区
553	2025-05-12	RTGN: Robust Traditional Chinese Medicine Graph Networks for Patient Similarity Learning 2025-Mar, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3510884 PMID:40030577	研究论文	本文提出了一种名为RTGN的鲁棒中医图网络，用于患者相似性学习，结合中医和西医方法设计了一种患者相似性度量	开发了结合自注意力和自监督策略的Siamese网络架构，增强了患者检索的鲁棒性，并设计了结合中西医方法的患者相似性度量	依赖中医医师的生理感官判断可能导致临床信息描述的非标准化和患者评估的干扰	研究中医背景下患者相似性学习，提升精准中医患者检索和下游任务如处方生成的性能	中医胃肠道恶性肿瘤患者	机器学习	胃肠道恶性肿瘤	深度学习	Siamese网络	图结构数据	719名患者的406种多维信息
554	2025-05-12	Human Activity Recognition Using Deep Residual Convolutional Network Based on Wearable Sensors 2025-Mar, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3510860 PMID:40030576	research paper	提出了一种基于可穿戴传感器的人类活动识别深度学习模型DKInception，用于生物医学和健康信息学中的活动监测	DKInception模型结合了深度卷积残差网络与注意力机制，利用多尺度卷积核高效提取时间特征，具有快速收敛和鲁棒扩展特性	NA	提高人类活动识别的准确性，以监测日常活动和健康行为	人类活动数据	machine learning	NA	深度学习	CNN (Inception ResNet架构)	传感器数据	四个基准HAR数据集：UCI-HAR、Opportunity、Daphnet和PAMAP2
555	2025-05-12	EViT: An Eagle Vision Transformer With Bi-Fovea Self-Attention 2025-Mar, IEEE transactions on cybernetics IF:9.4Q1 DOI:10.1109/TCYB.2025.3532282 PMID:40031751	research paper	提出了一种结合鹰眼视觉特性的视觉变换器EViT，通过双凹视觉交互结构和双凹自注意力机制，提高了计算效率和特征表示能力	结合鹰眼的生理和视觉特性，设计了双凹视觉交互结构和双凹自注意力机制，模仿生物视觉皮层的层次和平行信息处理方式	未提及具体在哪些任务或数据集上表现不佳，或是否存在特定场景下的局限性	解决视觉变换器计算复杂度高和缺乏理想归纳偏置的问题，提升计算机视觉任务的性能	视觉变换器及其在计算机视觉任务中的应用	computer vision	NA	双凹自注意力机制(BFSA)和双凹前馈网络(BFFN)	EViT (Eagle Vision Transformer)	image	NA
556	2025-05-12	Prediction of quality traits in packaged mango by NIR spectroscopy 2025-Mar, Food research international (Ottawa, Ont.) DOI:10.1016/j.foodres.2025.115963 PMID:40032464	研究论文	本研究通过近红外光谱技术预测包装芒果的质量特性，并开发了减少纸袋干扰的创新方法	结合深度学习全连接神经网络（FNN）和高斯空间（GS）滤波，有效减少包装对芒果近红外光谱的干扰	NA	准确评估包装芒果的硬度（FI）、干物质含量（DMC）、可溶性固形物含量（SSC）和可滴定酸度（TA）	包装芒果	光谱分析	NA	近红外光谱（NIR）	全连接神经网络（FNN）、偏最小二乘回归（PLSR）、主成分回归（PCR）	光谱数据	NA
557	2025-05-12	Two-Stage Deep Learning Model for Adrenal Nodule Detection on CT Images: A Retrospective Study 2025-Mar, Radiology IF:12.1Q1 DOI:10.1148/radiol.231650 PMID:40035671	研究论文	开发并测试了一种两阶段深度学习模型，用于在腹部CT图像上自动检测肾上腺结节	提出了一种两阶段架构的深度学习模型，分别针对左右肾上腺进行训练，结合人类解读模拟分诊性能	研究为回顾性研究，可能受限于数据收集的时间范围和样本选择	开发自动检测肾上腺结节的深度学习模型，并评估其与人类解读结合的分诊性能	肾上腺结节	数字病理	肾上腺疾病	深度学习	两阶段检测和分割模型	CT图像	内部数据集995名患者，外部测试集12080名患者，内部测试集2有1214名患者
558	2025-05-12	Deep-Learning-Based Approaches for Rational Design of Stapled Peptides With High Antimicrobial Activity and Stability 2025-Mar, Microbial biotechnology IF:4.8Q1 DOI:10.1111/1751-7915.70121 PMID:40042163	research paper	本研究利用深度学习和机器学习构建了十种预测模型，用于设计具有高抗菌活性和稳定性的钉合肽，并通过实验验证了其效果	首次将深度学习方法应用于钉合肽的设计，提高了预测准确性和设计效率，并通过实验验证了设计的钉合肽具有高抗菌活性和稳定性	研究仅针对钉合肽的设计和验证，未涉及其他类型的抗菌肽	探索深度学习方法在抗菌肽设计和优化中的应用	钉合抗菌肽（AMPs）	machine learning	NA	deep learning, machine learning, AlphaFold	support vector machine, deep learning models	structural, sequence and amino acid descriptors	独立数据集和湿实验室实验
559	2025-05-12	Fusing Micro- and Macro-Scale Information to Predict Anticancer Synergistic Drug Combinations 2025-Mar, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3500789 PMID:40030241	研究论文	提出一种名为MMFSynergy的新方法，用于预测抗癌药物组合的协同作用	通过融合微观和宏观尺度信息，结合自监督任务和Transformer Encoder模型，提高了预测药物组合协同作用的泛化能力	未明确提及具体局限性	提高抗癌药物组合协同作用的预测准确性和泛化能力	抗癌药物组合和细胞系	机器学习	癌症	深度学习	Transformer Encoder	药物和蛋白质数据	基于两个公共数据集
560	2025-05-12	Pyramid Network With Quality-Aware Contrastive Loss for Retinal Image Quality Assessment 2025-Mar, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3501405 PMID:40030237	research paper	提出了一种名为QAC-Net的统一视网膜图像质量评估框架，能够定性和定量评估视网膜图像质量	采用金字塔网络结构和质量感知对比损失（QAC）来提取区分性特征，同时构建了一个包含2300张真实失真视网膜图像的数据集用于定量评估	定量评估任务的数据集仍然不足	设计有效的视网膜图像质量评估（RIQA）方法以减少低质量图像导致的误诊风险	视网膜图像	computer vision	NA	deep learning	CNN	image	2300张真实失真视网膜图像