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
5601	2025-03-02	Supervised and unsupervised deep learning-based approaches for studying DNA replication spatiotemporal dynamics 2025-Feb-26, Communications biology IF:5.2Q1 DOI:10.1038/s42003-025-07744-2 PMID:40011665	研究论文	本研究采用监督和无监督的深度学习方法，研究DNA复制的时空动态	开发了一种无监督方法，用于大规模检测异常的S期细胞，无需基于预定义类别进行分类	分类方法的局限性，无法完全捕捉DNA复制的复杂性	研究DNA复制在病理过程中的作用	小鼠胚胎干细胞（mESCs）和诱导性失调的起源点火细胞模型	机器学习	NA	EdU和PCNA分析	深度学习	图像	NA
5602	2025-03-02	Improved sand cat swarm optimization algorithm assisted GraphSAGE-GRU for remaining useful life of engine 2025-Feb-26, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-91418-w PMID:40011762	研究论文	本文提出了一种改进的沙猫群优化算法辅助的GraphSAGE-GRU模型，用于预测发动机的剩余使用寿命（RUL）	提出了改进的沙猫群优化算法（ISCSO）来增强GraphSAGE-GRU的预测性能，包括在种群初始化中使用帐篷映射和一种新的自适应方法来增强沙猫群优化的探索和开发能力	未提及具体局限性	提高发动机剩余使用寿命（RUL）预测的准确性	发动机	机器学习	NA	GraphSAGE-GRU, 沙猫群优化算法	GraphSAGE-GRU	图数据	使用CMAPSS数据集进行验证
5603	2025-03-02	Using deep learning to differentiate among histology renal tumor types in computed tomography scans 2025-Feb-26, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-01606-3 PMID:40011809	研究论文	本研究使用卷积神经网络（CNN）分析计算机断层扫描（CT）图像，以区分不同组织学亚型的肾肿瘤	首次使用深度学习模型（Inception V3和Resnet50）对增强CT图像中的肾肿瘤亚型进行分类	模型的临床适用性仍需进一步改进	通过深度学习模型区分肾肿瘤的组织学亚型	肾肿瘤患者	计算机视觉	肾癌	CT扫描	CNN（Inception V3和Resnet50）	图像	554名患者，包括67例血管平滑肌脂肪瘤、34例嗜酸细胞瘤、246例透明细胞肾细胞癌、124例嫌色细胞肾细胞癌和83例乳头状肾细胞癌
5604	2025-03-02	CSEPC: a deep learning framework for classifying small-sample multimodal medical image data in Alzheimer's disease 2025-Feb-26, BMC geriatrics IF:3.4Q2 DOI:10.1186/s12877-025-05771-6 PMID:40011826	研究论文	本文提出了一种名为CSEPC的深度学习框架，用于分类阿尔茨海默病的小样本多模态医学图像数据	CSEPC结合尺度平衡理论和模态耦合特性，整合不同成像模态和多尺度语义特征，显著减少学习参数，适用于小样本环境	研究主要基于ADNI数据集，可能在其他数据集上的泛化能力有限	提高阿尔茨海默病阶段的分类准确性，以延缓疾病进展并指导有效干预	阿尔茨海默病患者的多模态医学图像数据	数字病理学	老年病	深度学习	CSEPC	图像	ADNI数据集
5605	2025-03-02	Infrared spectrum analysis of organic molecules with neural networks using standard reference data sets in combination with real-world data 2025-Feb-26, Journal of cheminformatics IF:7.1Q1 DOI:10.1186/s13321-025-00960-2 PMID:40011923	研究论文	本研究提出了一种基于神经网络的IR光谱分析方法，用于检测有机分子中的功能基团	该方法仅使用IR数据作为神经网络的输入，使其性能独立于其他分析测量获得的数据类型，并且通过结合来自不同实验室的真实数据，展示了开放获取的专业研究数据仓库作为未来机器学习研究的宝贵基准数据集的潜力	NA	分析IR光谱并检测有机分子中的功能基团	有机分子	机器学习	NA	IR光谱分析	神经网络	光谱数据	NIST数据集和Chemotion开放获取研究数据仓库中的数据
5606	2025-03-02	Geometric Self-Supervised Learning: A Novel AI Approach Towards Quantitative and Explainable Diabetic Retinopathy Detection 2025-Feb-06, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12020157 PMID:40001677	研究论文	本文提出了一种基于几何自监督学习的新型AI方法，用于糖尿病视网膜病变（DR）的定量和可解释检测	开发了一种无需标注的深度学习策略，用于自动检测彩色眼底摄影（CFP）图像和超广角（UWF）视网膜图像中的渗出物和出血点	模型在UWF图像上的性能因病变大小而异，小病变的假阳性率较高	开发和验证一种自动检测糖尿病视网膜病变相关病变的深度学习模型	彩色眼底摄影（CFP）图像和超广角（UWF）视网膜图像	计算机视觉	糖尿病视网膜病变	深度学习	U-Net	图像	两个CFP队列（Kaggle-CFP和E-Ophtha）和一个UWF队列，其中50例DR阳性病例用于独立测试
5607	2025-03-02	Deep Learning Approach Predicts Longitudinal Retinal Nerve Fiber Layer Thickness Changes 2025-Jan-31, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12020139 PMID:40001659	研究论文	本研究旨在开发深度学习模型，预测青光眼患者视网膜神经纤维层（RNFL）厚度的变化，以促进疾病的早期诊断和进展监测	使用纵向OCT成像数据，结合自定义1D卷积神经网络（CNN），在不同人口统计学和疾病严重程度下实现一致的预测性能	样本量相对较小（251名参与者，437只眼睛），可能限制模型的泛化能力	开发深度学习模型以预测青光眼患者RNFL厚度的变化，支持临床决策	青光眼患者的视网膜神经纤维层（RNFL）厚度变化	数字病理学	青光眼	光学相干断层扫描（OCT）	线性回归（LR）、支持向量回归（SVR）、梯度提升回归（GBR）、自定义1D卷积神经网络（CNN）	图像（OCT扫描）	251名参与者（437只眼睛）
5608	2025-03-02	Deep learning model targeting cancer surrounding tissues for accurate cancer diagnosis based on histopathological images 2025-Jan-23, Journal of translational medicine IF:6.1Q1 DOI:10.1186/s12967-024-06017-6 PMID:39849586	研究论文	本文提出了一种针对癌症周围组织的深度学习框架，用于基于组织病理学图像的胃癌诊断	通过调整非癌症区域和癌症区域的比例，揭示了非癌症区域的诊断价值，并构建了基于MobileNetV2的优化模型DeepNCCNet	研究主要针对胃癌，未涉及其他类型的癌症	提高基于组织病理学图像的癌症诊断准确性	胃癌及其周围组织	数字病理学	胃癌	深度学习	MobileNetV2	图像	未明确提及样本数量
5609	2025-03-02	Blip-up blip-down circular EPI (BUDA-cEPI) for distortion-free dMRI with rapid unrolled deep learning reconstruction 2025-Jan, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2024.110277 PMID:39566835	研究论文	本文提出了一种名为BUDA-cEPI RUN-UP的快速重建管道，用于实现高质量、高分辨率的扩散磁共振成像（dMRI），并通过深度学习技术加速重建过程	引入了虚拟线圈概念到展开网络中，显著提高了BUDA-cEPI的重建质量，并大幅减少了重建时间	重建过程仍然需要复杂的计算资源，且依赖于高质量的初始数据	开发一种快速重建管道，以便将BUDA-cEPI技术应用于常规临床和神经科学研究	扩散磁共振成像（dMRI）数据	医学影像处理	NA	扩散磁共振成像（dMRI）	U-Net	图像	NA
5610	2025-03-02	Deep Learning-Enabled Integration of Histology and Transcriptomics for Tissue Spatial Profile Analysis 2025, Research (Washington, D.C.) DOI:10.34133/research.0568 PMID:39830364	研究论文	本文介绍了一种名为GIST的深度学习模型，用于整合组织学图像和空间转录组数据，以进行组织空间特征分析	GIST模型结合了预训练的组织学基础模型和混合图变换器模型，显著提升了空间转录组数据的分析精度，并揭示了新的空间组织和功能动态	NA	开发一种深度学习模型，用于整合组织学图像和空间转录组数据，以提高空间细胞特征分析的准确性	人类肺癌、乳腺癌和结直肠癌的数据集	数字病理学	肺癌, 乳腺癌, 结直肠癌	空间转录组学	混合图变换器模型	图像, 转录组数据	NA
5611	2025-03-02	Liver fibrosis classification on trichrome histology slides using weakly supervised learning in children and young adults 2025-Jan, Journal of pathology informatics DOI:10.1016/j.jpi.2024.100416 PMID:39867463	研究论文	本研究探讨了使用弱监督学习方法对儿童和年轻人的三色染色组织切片进行肝纤维化分类的可行性	采用聚类约束注意力多实例学习（CLAM）方法，首次在儿童和年轻人的三色染色全切片图像（WSI）上进行肝纤维化分期	研究为回顾性研究，样本量相对较小（217例），且仅限于儿童和年轻人群体	开发一种更客观的肝纤维化分期方法，减少诊断变异性	儿童和年轻人的肝纤维化组织切片	数字病理学	肝纤维化	弱监督学习	CLAM	图像	217例三色染色全切片图像
5612	2025-03-02	Exploring artificial intelligence in orthopaedics: A collaborative survey from the ISAKOS Young Professional Task Force 2025-Jan, Journal of experimental orthopaedics IF:2.0Q2 DOI:10.1002/jeo2.70181 PMID:39996084	研究论文	本研究通过分析关于人工智能在骨科应用中的调查结果，旨在为骨科领域的人工智能讨论建立学术基础，并阐明该领域内人工智能应用的关键模式、挑战和未来潜在方向	首次通过大规模调查揭示了骨科医生对人工智能的认知、使用现状及未来兴趣，为骨科领域的人工智能应用提供了实证数据	调查样本主要为男性（92.9%），可能存在性别偏差；且调查结果主要反映受访者的主观意见，缺乏客观数据支持	探讨人工智能在骨科领域的应用现状及未来发展方向	骨科医生	医学人工智能	骨科疾病	NA	NA	调查问卷数据	211名骨科医生
5613	2025-03-02	Paving the way for new antimicrobial peptides through molecular de-extinction 2025, Microbial cell (Graz, Austria) DOI:10.15698/mic2025.02.841 PMID:40012704	研究论文	本文探讨了通过分子去灭绝技术研究古代基因组和蛋白质组中的抗菌肽（AMPs），作为传统抗生素的替代品	利用分子去灭绝技术挖掘古代基因组和蛋白质组中的抗菌肽，结合软件工具和深度学习模型，发现了多种新型抗菌肽	NA	研究古代基因组和蛋白质组中的抗菌肽，以发现新型抗生素并深入了解进化过程	古代基因组和蛋白质组中的抗菌肽	生物信息学	NA	分子去灭绝技术、深度学习	深度学习模型	基因组数据、蛋白质组数据	NA
5614	2025-03-02	Artificial Intelligence Powered Automated and Early Diagnosis of Acute Lymphoblastic Leukemia Cancer in Histopathological Images: A Robust SqueezeNet-Enhanced Machine Learning Framework 2025, International journal of telemedicine and applications IF:3.1Q2 DOI:10.1155/ijta/2257215 PMID:40017574	研究论文	本研究提出了一种基于SqueezeNet增强的机器学习框架，用于自动筛查和分类急性淋巴细胞白血病组织病理学图像	结合深度学习（DL）和机器学习（ML）算法，解决了理解组织病理学图像和分类过程的复杂性	未提及具体局限性	提高急性淋巴细胞白血病的早期和精确诊断	急性淋巴细胞白血病的组织病理学图像	数字病理学	急性淋巴细胞白血病	深度学习（DL）和机器学习（ML）	SqueezeNet、神经网络（NN）、逻辑回归（LR）、随机森林（RF）	图像	未提及具体样本数量
5615	2025-03-02	Injecting structure-aware insights for the learning of RNA sequence representations to identify m6A modification sites 2025, PeerJ IF:2.3Q2 DOI:10.7717/peerj.18878 PMID:40017651	研究论文	本文提出了一种名为M6A-SAI的先进预测器，用于识别RNA序列中的m6A修饰位点，通过结合结构感知的洞察力来增强序列表示学习	M6A-SAI通过多步骤过程整合结构信息，包括使用Transformer编码器学习RNA序列表示、构建基于曼哈顿距离的相似性图、通过结构感知优化块细化图、以及使用自相关融合图卷积框架合并信息	NA	准确识别RNA序列中的m6A修饰位点	RNA序列	自然语言处理	NA	Transformer, 图卷积	Transformer, 支持向量机	RNA序列数据	NA
5616	2025-03-02	Advancing antibiotic discovery with bacterial cytological profiling: a high-throughput solution to antimicrobial resistance 2025, Frontiers in microbiology IF:4.0Q2 DOI:10.3389/fmicb.2025.1536131 PMID:40018674	综述	本文综述了细菌细胞学分析（BCP）作为一种快速、可扩展且成本效益高的方法，用于识别抗生素作用机制，并探讨其在抗生素发现中的应用	介绍了BCP在药物发现中的潜力，特别是通过识别spirohexenolide A对耐甲氧西林金黄色葡萄球菌的细胞靶点，展示了其创新性	讨论了BCP的优势、局限性及潜在改进方向，并指出某些病原体的细胞学特征尚未被研究	推动抗生素发现，以应对抗菌素耐药性（AMR）这一全球健康威胁	不同细菌生物和不同类别的抗生素	数字病理学	抗菌素耐药性	细菌细胞学分析（BCP）	深度学习	图像	NA
5617	2025-03-02	RETRACTED ARTICLE: Sustainable strategy for online physical education teaching using ResNet34 and big data 2024-12, Soft computing IF:3.1Q2 DOI:10.1007/s00500-023-08524-y PMID:37362298	研究论文	本文提出了一种具有可持续发展特性的在线教学支持系统，利用ResNet34深度学习图像识别算法实时分析和纠正学生在体操、舞蹈、篮球等运动中的动作	通过将注意力机制模块与原始ResNet34结合，提高了系统的检测精度，并且系统能够随着新运动类别的出现扩展数据集，保持实时更新	NA	开发一种可持续的在线体育教学支持系统，以改善虚拟体育教学中的学生动作纠正	在线体育教学中的学生动作	计算机视觉	NA	深度学习	ResNet34	图像	NA
5618	2025-03-02	Deep learning models using intracranial and scalp EEG for predicting sedation level during emergence from anaesthesia 2024-Dec, BJA open DOI:10.1016/j.bjao.2024.100347 PMID:40018289	研究论文	本研究探讨了使用颅内和头皮脑电图（EEG）预测麻醉苏醒期间镇静水平的深度学习模型	结合颅内和头皮EEG数据，利用深度学习模型预测镇静水平，显著提高了预测准确性	样本量较小，仅涉及7名患者，且验证集仅包含5名患者的头皮EEG数据	研究目的是通过EEG监测预测麻醉苏醒期间的镇静水平，以提高麻醉管理的安全性	研究对象为接受颅内电极植入手术的7名难治性癫痫患者，以及5名仅提供头皮EEG数据的患者	机器学习	癫痫	EEG	深度学习模型	EEG数据	7名患者（颅内和头皮EEG数据），5名患者（仅头皮EEG数据）
5619	2025-03-02	Detection of glaucoma progression on longitudinal series of en-face macular optical coherence tomography angiography images with a deep learning model 2024-Nov-22, The British journal of ophthalmology DOI:10.1136/bjo-2023-324528 PMID:39117359	研究论文	本文设计了一种深度学习模型，用于通过纵向系列的黄斑光学相干断层扫描血管成像（OCTA）图像检测青光眼的进展	使用定制的卷积神经网络（CNN）对青光眼进展进行分类，并与基于全图像血管密度（wiVD）损失的逻辑回归模型进行比较	需要外部验证以进一步增强模型的泛化能力	检测青光眼的进展	134名开角型青光眼患者的202只眼睛	计算机视觉	青光眼	光学相干断层扫描血管成像（OCTA）	卷积神经网络（CNN）	图像	202只眼睛，134名患者，平均随访3.5年
5620	2025-03-02	Predicting phage-host interactions via feature augmentation and regional graph convolution 2024-Nov-22, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae672 PMID:39727002	研究论文	本文提出了一种名为MI-RGC的新方法，通过特征增强和区域图卷积来预测噬菌体-宿主相互作用（PHIs）	MI-RGC方法引入了互信息进行特征增强，并采用区域图卷积来学习有意义的表示，从而克服了现有深度学习方法在PHIs预测中的局限性	尽管MI-RGC在三个基准数据集上表现出色，但其在高度数据稀疏性任务中的过拟合风险仍需进一步研究	开发一种更有效的预测噬菌体-宿主相互作用的方法，以支持噬菌体疗法的发展	噬菌体和宿主之间的相互作用	机器学习	NA	深度学习方法	区域图卷积模型	序列信息	三个基准数据集