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
561	2025-06-12	Do Transformers and CNNs Learn Different Concepts of Brain Age? 2025-Jun-01, Human brain mapping IF:3.5Q1 DOI:10.1002/hbm.70243 PMID:40489428	研究论文	比较Transformer和CNN在预测脑年龄方面的性能及其捕捉的脑老化效应差异	首次在脑年龄预测领域比较Transformer和CNN的性能，并探讨它们是否捕捉不同的脑老化效应概念	仅使用了UK Biobank的数据，可能无法完全代表其他人群	探索不同深度学习架构在脑年龄预测中的表现差异及其临床意义	脑年龄预测模型	计算机视觉	神经精神疾病	T1加权脑磁共振成像	Transformer (sViT, SwinT), CNN (ResNet50)	图像	46,381张T1加权结构MR图像
562	2025-06-12	HEDL: Deep learning multiple approaches for early detection of depression using sarcastic text 2025-Jun, MethodsX IF:1.6Q2 DOI:10.1016/j.mex.2025.103370 PMID:40491515	研究论文	本文提出了一种混合集成深度学习模型（HEDL），用于通过讽刺文本来早期检测抑郁迹象	HEDL模型独特地整合了CNN、LSTM和GRU架构，以捕捉更复杂的特征表示模式，提高了准确性和鲁棒性	实验仅在新闻标题数据集上进行测试，未涉及其他类型的数据	开发一种更准确和可靠的讽刺检测方法，用于心理健康监测和情感分析	讽刺文本数据	自然语言处理	抑郁症	深度学习	CNN, LSTM, GRU	文本	新闻标题数据集（具体数量未提及）
563	2025-06-12	Detection of Undiagnosed Liver Cirrhosis via Artificial Intelligence-Enabled Electrocardiogram (DULCE): Rationale and design of a pragmatic cluster randomized clinical trial 2025-Jun, Contemporary clinical trials communications IF:1.4Q4 DOI:10.1016/j.conctc.2025.101494 PMID:40491662	研究论文	该研究通过人工智能心电图（ECG）检测未诊断的肝硬化，设计了一项实用的集群随机临床试验	利用ECG支持的深度学习模型筛查晚期慢性肝病（CLD），在初级保健中展示了潜在的应用前景	研究仅在梅奥诊所的45个初级保健实践中进行，样本量和地域范围有限	评估ECG支持的人工智能模型在初级保健中筛查晚期CLD的有效性	初级保健患者，特别是那些在研究期间接受ECG检查的患者	数字病理学	肝硬化	深度学习	深度学习模型	ECG数据	45个梅奥诊所初级保健实践的患者
564	2025-06-12	Deep Learning in Digital Breast Tomosynthesis: Current Status, Challenges, and Future Trends 2025-Jun, MedComm IF:10.7Q1 DOI:10.1002/mco2.70247 PMID:40491967	review	本文综述了深度学习在数字乳腺断层合成（DBT）乳腺癌筛查中的应用与展望	总结了深度学习在DBT中的三大应用类别，并提出了未来研究方向如大语言模型和多源域迁移	缺乏公开数据集和模型训练问题是当前主要挑战	探讨深度学习如何提升DBT图像处理效率和诊断准确性	数字乳腺断层合成（DBT）图像	digital pathology	breast cancer	deep learning	NA	3D medical images	NA
565	2025-06-12	AI-powered remote monitoring of brain responses to clear and incomprehensible speech via speckle pattern analysis 2025-Jun, Journal of biomedical optics IF:3.0Q2 DOI:10.1117/1.JBO.30.6.067001 PMID:40492267	研究论文	本文介绍了一种基于激光散斑图案分析和深度学习的远程无接触脑皮层活动监测技术	提出了一种远程、无接触、低成本的脑皮层活动监测方法，克服了传统功能磁共振成像和接触式监测技术的局限性	目前仅针对Wernicke区对清晰和不可理解语音的反应进行了测试，尚未验证在其他脑区的适用性	开发一种远程光子技术，通过深度学习分析激光散斑图案视频来检测人脑皮层活动	人脑Wernicke区对语音刺激的反应	神经影像技术	NA	激光散斑图案成像技术	卷积长短期记忆深度神经网络(CNN-LSTM)	视频	未明确提及具体样本量
566	2025-06-12	Development and validation of a 3-D deep learning system for diabetic macular oedema classification on optical coherence tomography images 2025-May-31, BMJ open IF:2.4Q1 DOI:10.1136/bmjopen-2025-099167 PMID:40449950	研究论文	开发并验证了一种基于3D光学相干断层扫描（OCT）图像的自动糖尿病黄斑水肿（DME）分类系统	使用3D卷积神经网络算法开发DME分类系统，并在多中心数据上验证其性能	研究依赖于回顾性和横断面数据，可能影响模型的泛化能力	开发一个自动化的DME分类系统，用于基于人群的DME筛查	糖尿病黄斑水肿（DME）患者	数字病理	糖尿病黄斑水肿	3D光学相干断层扫描（OCT）	3D CNN	3D图像	4254名患者的7146只眼睛的7790个OCT图像
567	2025-06-12	Selection, visualization, and explanation of deep features from resting-state fMRI for Alzheimer's disease diagnosis 2025-May-31, Psychiatry research. Neuroimaging DOI:10.1016/j.pscychresns.2025.112005 PMID:40494176	研究论文	本研究探讨了从静息态功能磁共振成像（rs-fMRI）图像中可视化深度特征以区分认知正常者与不同阶段阿尔茨海默病患者的有效性	提出了一种称为'信息深度特征'的特定子集，能够有效识别阿尔茨海默病，并通过深度特征热图和激活图进行可视化	由于脑萎缩和图像强度的相似模式，识别病理模式存在挑战	提高深度学习模型在临床诊断中的可解释性，特别是在阿尔茨海默病的诊断中	认知正常者和不同阶段阿尔茨海默病患者	数字病理学	阿尔茨海默病	rs-fMRI	深度学习模型	图像	来自ADNI数据库的rs-fMRI数据
568	2025-06-12	Mammogram mastery: Breast cancer image classification using an ensemble of deep learning with explainable artificial intelligence 2025-May-30, Medicine IF:1.3Q2 DOI:10.1097/MD.0000000000042242 PMID:40441211	research paper	该研究提出了一种基于深度学习和可解释人工智能的集成方法，用于乳腺X光图像的自动分类，以提高乳腺癌诊断的准确性和效率	结合了Inception V3架构的预训练模型与可解释AI技术，实现了99%的准确率和F1分数，显著提升了乳腺癌图像分类的性能和透明度	未提及模型在不同数据集上的泛化能力，以及在实际临床环境中的验证情况	开发一种自动化的乳腺癌诊断系统，以提高诊断的准确性和效率	乳腺X光图像	digital pathology	breast cancer	deep learning, explainable AI	Inception V3	image	NA
569	2025-06-12	Three-dimensional automated segmentation of adolescent idiopathic scoliosis on computed tomography driven by deep learning: A retrospective study 2025-May-30, Medicine IF:1.3Q2 DOI:10.1097/MD.0000000000042644 PMID:40441215	研究论文	本研究探讨了深度学习在青少年特发性脊柱侧凸（AIS）患者CT图像中椎骨分割的应用	使用U-Net和Attention U-Net两种神经网络对AIS患者的CT图像进行椎骨分割，并比较了它们在关键脊柱侧凸部位的性能	样本量较小（31例），且未观察到两种网络在整体性能上的显著差异	开发自动化椎骨分割方法以支持现代外科技术	青少年特发性脊柱侧凸（AIS）患者的CT图像	数字病理	青少年特发性脊柱侧凸	CT成像	U-Net, Attention U-Net	3D CT图像	31例AIS患者的CT图像样本
570	2025-06-12	MMRNet: Ensemble deep learning models for predicting mismatch repair deficiency in endometrial cancer from histopathological images 2025-May-20, Cell reports. Medicine DOI:10.1016/j.xcrm.2025.102099 PMID:40306276	研究论文	本文介绍了一种名为MMRNet的深度卷积神经网络，用于从H&E染色的全切片图像中预测子宫内膜癌中的错配修复缺陷	提出了一种新的深度卷积神经网络MMRNet，用于预测子宫内膜癌中的错配修复缺陷，并通过人机融合方法显著提高了诊断准确性	未提及具体的数据集规模限制或模型泛化能力的详细讨论	开发一种经济实惠且易于使用的工具，用于确定子宫内膜癌患者的MMR状态	子宫内膜癌患者的组织病理学图像	数字病理学	子宫内膜癌	深度学习	CNN	图像	NA
571	2025-06-12	Preoperative Differentiation of Spinal Schwannoma and Meningioma Using Machine Learning-Based Models: A Systematic Review and Meta-Analysis 2025-May-19, World neurosurgery IF:1.9Q2 DOI:10.1016/j.wneu.2025.124096 PMID:40398809	meta-analysis	本研究通过系统综述和荟萃分析评估了基于机器学习的模型在术前区分脊柱神经鞘瘤和脑膜瘤中的诊断性能	首次系统评估了机器学习模型在区分脊柱神经鞘瘤和脑膜瘤中的诊断准确性	纳入研究数量有限（6项研究），且样本量相对较小（644例患者）	评估机器学习模型在术前区分脊柱神经鞘瘤和脑膜瘤中的诊断性能	脊柱神经鞘瘤和脑膜瘤患者	digital pathology	spinal tumors	machine learning	deep learning, ML-based models	medical imaging data	644例患者（364例神经鞘瘤，258例脑膜瘤）
572	2025-06-12	On the use of deep learning for computer-generated holography 2025-May-16, iScience IF:4.6Q1 DOI:10.1016/j.isci.2025.112507 PMID:40491959	review	本文综述了深度学习在计算机生成全息术（CGH）中的应用及其最新进展	探讨了深度学习如何推动高质量和实时全息显示的发展，并介绍了数据驱动模型、物理驱动模型和联合优化模型等前沿研究方向	NA	回顾深度学习在计算机生成全息术中的应用及其发展	计算机生成全息术（CGH）和深度学习	computer vision	NA	NA	data-driven models, physics-driven models, jointly optimized models	NA	NA
573	2025-06-12	Consecutive low-frequency shifts in A/T content denote nucleosome positions across microeukaryotes 2025-May-16, iScience IF:4.6Q1 DOI:10.1016/j.isci.2025.112472 PMID:40491964	research paper	通过分析1117个微型真核生物基因组中的DNA特征，发现与核小体组织相关的≈150bp A/T含量变化，并构建深度学习模型改进核小体占据预测	发现真核生物中普遍存在的核小体有利DNA生成策略，并利用深度学习模型预测核小体占据	研究主要基于微型真核生物基因组，可能不适用于所有真核生物	探索核小体位置与DNA特征之间的关系，改进核小体占据预测	1117个微型真核生物基因组	基因组学	NA	深度学习	DL	基因组数据	1117个微型真核生物基因组
574	2025-06-12	Automated grading and staging of ovarian cancer using deep learning on the transmission optical microscopy bright-field images of thin biopsy tissue samples 2025-May-15, ArXiv PMID:40463694	research paper	本研究提出了一种基于深度学习的自动化方法，用于卵巢癌的分级和分期，通过常规组织病理学图像预测癌症阶段	使用深度学习框架和ResNet-101卷积神经网络，结合数据增强和遗传算法优化，实现了高精度的卵巢癌分期预测	研究依赖于特定的组织病理学图像数据集，可能在不同实验室或设备采集的图像上表现不同	开发自动化方法来辅助卵巢癌的诊断和分期，减少人工评估的时间和变异性	卵巢癌患者的薄组织活检样本的透射光学显微镜明场图像	digital pathology	ovarian cancer	deep learning, transfer learning	ResNet-101 CNN	image	NA
575	2025-06-12	Research status and progress of deep learning in automatic esophageal cancer detection 2025-May-15, World journal of gastrointestinal oncology IF:2.5Q3 DOI:10.4251/wjgo.v17.i5.104410 PMID:40487951	综述	本文全面探讨了深度学习在食管癌医学影像自动检测中的研究进展和应用前景	总结了深度学习在食管癌筛查和诊断中的临床价值，并指出了未来研究方向	需要解决高质量数据集构建、多模态特征融合和人工智能-临床工作流程优化等关键挑战	促进深度学习技术在食管癌管理中的临床应用，改善患者预后	食管癌医学影像	数字病理学	食管癌	深度学习	CNN	医学影像（包括数字病理、内窥镜、CT等）	NA
576	2025-06-12	Research status and trends of deep learning in colorectal cancer (2011-2023): Bibliometric analysis and visualization 2025-May-15, World journal of gastrointestinal oncology IF:2.5Q3 DOI:10.4251/wjgo.v17.i5.103667 PMID:40487952	文献计量分析	通过文献计量学方法分析2011年至2023年间深度学习在结直肠癌领域的研究现状和发展趋势	首次对深度学习在结直肠癌领域的研究热点和趋势进行文献计量分析，并预测未来研究方向	仅基于Web of Science核心合集的数据，可能未涵盖所有相关研究	分析深度学习在结直肠癌领域的应用现状和发展趋势	结直肠癌相关研究文献	数字病理学	结直肠癌	文献计量分析	NA	文献数据	1275篇出版物，来自74个国家和2267个机构
577	2025-06-12	Computed tomography-based deep learning radiomics model for preoperative prediction of tumor immune microenvironment in colorectal cancer 2025-May-15, World journal of gastrointestinal oncology IF:2.5Q3 DOI:10.4251/wjgo.v17.i5.106103 PMID:40487956	research paper	该研究开发了一种基于CT的深度学习放射组学模型，用于术前预测结直肠癌肿瘤免疫微环境的关键生物标志物	首次提出使用非侵入性的CT图像结合深度学习模型预测肿瘤免疫微环境，避免了传统侵入性活检的局限性	研究为回顾性设计，样本量相对有限（315例），需要前瞻性研究进一步验证	开发非侵入性方法评估结直肠癌患者的肿瘤免疫微环境成分	315例经病理确诊的结直肠癌患者的术前CT图像	digital pathology	colorectal cancer	CT成像	DenseNet-121/169	image	315例结直肠癌患者（训练队列220例，验证队列95例）
578	2025-06-12	Predicting gastric cancer survival using machine learning: A systematic review 2025-May-15, World journal of gastrointestinal oncology IF:2.5Q3 DOI:10.4251/wjgo.v17.i5.103804 PMID:40487963	系统综述	本文系统评估了机器学习在预测胃癌患者生存率中的应用及其局限性	总结了机器学习模型在胃癌生存预测中的最新应用，并指出了当前方法的局限性	回顾性研究数据依赖性强，模型可解释性不足	评估机器学习在预测胃癌生存率中的应用并指出当前方法的局限性	胃癌患者的生存率预测	机器学习	胃癌	机器学习	深度学习, 随机森林, 支持向量机, 集成方法	临床数据	134至14177名患者
579	2025-06-12	Three-Dimensional Reconstruction of Serial Block-Face Scanning Electron Microscopy Using Semantic Segmentation based on Semi-Supervised Deep Learning 2025-May-09, Microscopy and microanalysis : the official journal of Microscopy Society of America, Microbeam Analysis Society, Microscopical Society of Canada IF:2.9Q1 DOI:10.1093/mam/ozaf047 PMID:40497462	研究论文	本研究提出了一种基于半监督深度学习的语义分割方法，用于三维重建连续块面扫描电子显微镜（SBF-SEM）图像	采用半监督学习方法结合分割插值技术，减少手动标注成本，同时保持高分割精度	方法在稀疏标注数据上表现良好，但在极端复杂结构上的分割精度可能受限	开发高效准确的SBF-SEM图像分割方法，实现复杂细胞器的三维重建	小鼠脑细胞和倒置图像	数字病理	NA	连续块面扫描电子显微镜（SBF-SEM）	深度神经网络（具体架构未说明）	电子显微镜图像	未明确说明样本数量，但包含小鼠脑细胞和倒置图像两类数据
580	2025-06-12	Artificial intelligence-driven circRNA vaccine development: multimodal collaborative optimization and a new paradigm for biomedical applications 2025-May-01, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf263 PMID:40483546	research paper	本文探讨了人工智能驱动的环状RNA疫苗开发，通过多模态协作优化，为生物医学应用提供了新范式	利用深度学习模型（如CNN和Transformer）整合多组学数据，优化抗原预测和RNA二级结构建模，超越传统生物信息学方法	AI算法的'黑箱'特性、不可靠的文献检索以及生物机制整合不足，限制了其可靠性	开发下一代环状RNA疫苗，用于传染病预防和癌症免疫治疗	环状RNA疫苗及其在生物医学中的应用	生物医学工程	癌症	深度学习、多组学数据分析	CNN, Transformer	多组学数据	NA