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	2025-05-14	Deep learning-based prediction of atrial fibrillation from polar transformed time-frequency electrocardiogram 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0317630 PMID:40063554	research paper	本研究提出了一种基于极坐标变换的短时傅里叶变换谱图可视化ECG信号的新方法，并评估了深度卷积神经网络在预测心房颤动方面的性能	使用极坐标变换的短时傅里叶变换谱图进行ECG信号可视化，并利用深度CNN进行心房颤动预测	NA	开发一种基于深度学习的ECG信号分析方法，用于预测心房颤动	ECG信号	machine learning	心血管疾病	短时傅里叶变换(STFT)	CNN	image	PhysioNet/CinC Challenge 2017数据集中的ECG数据，分为四类：正常窦性心律、心房颤动、其他心律和噪声
562	2025-05-14	Color correction methods for underwater image enhancement: A systematic literature review 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0317306 PMID:40063649	系统文献综述	本文系统综述了水下图像增强中的色彩校正方法的最新进展	对67项相关研究进行了全面分析，提出了13种水下图像增强方法，并将其分为物理模型、非物理模型和基于深度学习的方法三类	存在算法局限性、数据依赖性、计算复杂性和不同水下环境性能差异等挑战	识别并批判性分析现有的水下图像色彩校正方法，强调其优势、局限性和未来研究方向	水下图像	计算机视觉	NA	NA	物理模型、非物理模型、深度学习	图像	67项研究（2010-2024年）
563	2025-05-14	LLM-FMS: A fine-grained dataset for functional movement screen action quality assessment 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0313707 PMID:40067873	research paper	该研究开发了一个细粒度的功能运动筛查（FMS）数据集LLM-FMS，并提出了一种基于大语言模型（LLM）的动作质量评估框架，以提高FMS评估的可解释性	LLM-FMS是首个用于动作评估任务的细粒度健身动作数据集，并提出了结合专家规则和LLM的新型动作质量评估框架	当前自动化的FMS评估仅限于等级评分，缺乏细粒度的反馈建议且可解释性差	提高功能运动筛查（FMS）动作质量评估的准确性和可解释性	功能运动筛查（FMS）动作	computer vision	NA	RTMPose, LLM	LLM	video, image	1812个动作关键帧图像，来自45名受试者
564	2025-05-14	Multi-omics and single-cell analysis reveals machine learning-based pyrimidine metabolism-related signature in the prognosis of patients with lung adenocarcinoma 2025, International journal of medical sciences IF:3.2Q1 DOI:10.7150/ijms.107694 PMID:40084259	研究论文	本研究通过多组学和单细胞分析，开发了基于机器学习的嘧啶代谢相关特征（PMRS），用于肺腺癌（LUAD）患者的预后评估	首次整合多种机器学习和深度学习算法构建PMRS模型，并通过实验验证了关键因子LYPD3在LUAD细胞系中的生物学功能	研究结果需要进一步在更大规模的临床样本中进行验证	评估嘧啶代谢在肺腺癌患者预后和治疗中的意义	肺腺癌（LUAD）患者	数字病理学	肺癌	多组学分析、单细胞分析	随机生存森林（random survival forest）	基因组数据、单细胞数据	NA
565	2025-05-14	PreCM: The Padding-Based Rotation Equivariant Convolution Mode for Semantic Segmentation 2025, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1 DOI:10.1109/TIP.2025.3558425 PMID:40249694	研究论文	本文提出了一种基于填充的旋转等变卷积模式（PreCM），用于提升语义分割任务中网络对任意旋转角度的鲁棒性	构建了通用的卷积-群框架以充分利用方向信息，并设计了PreCM模式，该模式可替代多种卷积类型，同时提出了新的评估指标旋转差异（RD）	未明确说明模型在极端旋转角度或复杂背景下的性能表现	解决语义分割网络中因缺乏旋转等变性导致的特征提取效率低下问题	多尺度图像和卷积核	计算机视觉	NA	深度学习	CNN	图像	三个数据集（卫星水体图像、DRIVE、Floodnet）
566	2025-05-14	Decalcify cardiac CT: unveiling clearer images with deep convolutional neural networks 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1475362 PMID:40351458	研究论文	本研究提出了一种名为HMDC的混合模型，用于通过有效的去钙化技术提高心脏CT图像的清晰度	提出了一种结合深度学习和传统图像处理方法的混合模型HMDC，用于心脏CT图像的去钙化，准确率高达97.22%	未提及具体的数据集大小或多样性限制	提高心脏CT图像的清晰度和诊断准确性	心脏CT图像中的钙化区域	医学影像	心血管疾病	深度学习与传统图像处理技术结合	CNN	图像	NA
567	2025-05-14	Multi-classification Deep Learning Approach for Diagnosing Stroke Type and Severity Using Multimodal Magnetic Resonance Images 2025, Journal of medical signals and sensors DOI:10.4103/jmss.jmss_37_24 PMID:40351777	研究论文	本研究利用多模态磁共振图像和卷积神经网络（CNNs）来区分健康与中风样本，分类中风类型并预测严重程度，以辅助中风管理的决策	引入了两种基于迁移学习的模型（ACL-ResNet-50和ACL-MobileNetV1），通过增强层提升了性能，并在中风分类和严重程度预测中表现出色	样本量相对较小（143名患者），且仅基于磁共振图像，未考虑其他临床数据	开发一种深度学习方法，用于准确诊断中风类型和评估严重程度，以支持临床决策	中风患者（85名缺血性中风和58名出血性中风）	计算机视觉	心血管疾病	扩散加权磁共振成像（DWI）和表观扩散系数（ADC）	CNN（ACL-ResNet-50和ACL-MobileNetV1）	图像（多模态磁共振图像）	143名患者（85名缺血性中风和58名出血性中风）
568	2025-05-14	Telemedicine in China: Effective indicators of telemedicine platforms for promoting health and well-being among healthcare consumers 2025 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076251341163 PMID:40351848	研究论文	本研究旨在识别影响中国远程医疗平台服务质量的关键因素，以促进患者健康和福祉，并为行业利益相关者提供基于证据的服务创新信息	提出了一种结合Servqual质量评估模型和由注意力机制增强的CNN-BiLSTM深度学习模型的新方法，用于建立服务质量评估框架	研究仅基于在线评论数据，可能未涵盖所有影响服务质量的因素	识别影响中国远程医疗平台服务质量的关键因素，促进患者健康和福祉	远程医疗平台的服务质量	自然语言处理	NA	深度学习	CNN-BiLSTM	文本	25,499条有效在线评论
569	2025-05-14	TongueNet: a multi-modal fusion and multi-label classification model for traditional Chinese Medicine tongue diagnosis 2025, Frontiers in physiology IF:3.2Q2 DOI:10.3389/fphys.2025.1527751 PMID:40352152	research paper	提出了一种名为TongueNet的多模态融合和多标签分类模型，用于中医舌诊	结合舌图像数据和文本特征，采用分层聚合网络和特征空间投影模块进行特征提取与融合，引入一致性和互补性约束优化多模态信息融合，并利用多尺度注意力机制和Kolmogorov-Arnold网络提升特征权重多样性和准确性	数据稀缺问题仍未完全解决，且模型性能依赖于专家标注质量	解决中医舌诊领域数据稀缺和多模态诊断模型缺乏的问题，提升疾病性质和部位分类的准确性	中医舌诊中的舌图像和文本特征	digital pathology	geriatric disease	deep learning	HAN, KAN	image, text	三个公开舌图像数据集（具体数量未提及）
570	2025-05-14	Rapid response to fast viral evolution using AlphaFold 3-assisted topological deep learning 2025, Virus evolution IF:5.5Q1 DOI:10.1093/ve/veaf026 PMID:40352163	研究论文	提出了一种基于AlphaFold 3辅助的多任务拓扑拉普拉斯策略（MT-TopLap），用于快速响应病毒的快速进化，预测病毒突变对结合自由能的影响	结合AlphaFold 3和拓扑深度学习（TDL），提出MT-TopLap策略，有效预测病毒突变对蛋白质相互作用的影响	与使用实验结构相比，性能略有下降（Pearson相关系数平均下降1.1%，均方根误差平均增加9.3%）	开发高效的计算方法，以快速响应病毒的快速进化，支持病毒追踪、诊断和抗体设计	SARS-CoV-2刺突蛋白受体结合域（RBD）与人血管紧张素转换酶-2（ACE2）复合物	机器学习	COVID-19	深度突变扫描（DMS）、拓扑数据分析（TDA）	MT-TopLap（多任务拓扑拉普拉斯模型）	蛋白质三维结构数据	四个实验性DMS数据集，包括SARS-CoV-2 HK.3变体的DMS数据集
571	2025-05-14	A deep learning pipeline for morphological and viability assessment of 3D cancer cell spheroids 2025, Biology methods & protocols IF:2.5Q3 DOI:10.1093/biomethods/bpaf030 PMID:40352793	研究论文	提出了一种用于3D癌细胞球体形态和活力评估的深度学习流程	开发了一个可扩展的两阶段深度学习流程，整合了U-Net模型和CNN回归混合方法，用于3D球体的精确分割和活力评估	未提及具体的数据集规模或多样性限制	提高3D癌细胞球体形态特征和细胞活力的高通量分析效率	3D癌细胞球体	数字病理学	癌症	深度学习	U-Net, CNN Regression Hybrid	显微图像	NA
572	2025-05-14	Integrating temporal convolutional networks with metaheuristic optimization for accurate software defect prediction 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0319562 PMID:40354496	研究论文	本研究提出了一种结合时间卷积网络和蚁狮优化的智能方法，用于准确预测软件缺陷	首次将时间卷积网络(TCN)与蚁狮优化(ALO)相结合，形成混合模型用于软件缺陷预测	未提及模型在不同规模软件项目中的泛化能力	寻找最有效的软件缺陷检测模型	软件项目中的缺陷	机器学习	NA	蚁狮优化算法(ALO)	时间卷积网络(TCN), CNN, GRU, BiLSTM	软件项目数据	未明确说明具体样本数量
573	2025-05-14	Quantitative Spatial Analysis of Chromatin Biomolecular Condensates using Cryo-Electron Tomography 2024-Dec-31, bioRxiv : the preprint server for biology DOI:10.1101/2024.12.01.626131 PMID:39677698	research paper	该研究通过冷冻电子断层扫描技术分析了染色质生物分子凝聚物的结构，并开发了深度学习分割与新型上下文感知模板匹配相结合的方法来识别凝聚物内密集堆积的分子	整合了深度学习分割与新型上下文感知模板匹配技术，改进了染色质凝聚物内部结构的可视化方法	方法主要针对生物化学重构的染色质凝聚物，对细胞内的某些凝聚物可能适用性有限	研究染色质生物分子凝聚物的形成和功能机制	生物化学重构的染色质凝聚物及原位天然染色质的凝聚区域	生物物理学	NA	冷冻电子断层扫描（cryo-electron tomography）、深度学习分割、上下文感知模板匹配	深度学习	图像数据	NA
574	2025-05-14	Integrating spatial transcriptomics and snRNA-seq data enhances differential gene expression analysis results of AD-related phenotypes 2024-Nov-18, medRxiv : the preprint server for health sciences DOI:10.1101/2024.11.18.24317499 PMID:39606364	research paper	本研究整合空间转录组学（ST）和单核RNA测序（snRNA-seq）数据，以增强阿尔茨海默病（AD）相关表型的空间信息细胞类型特异性差异基因表达（DGE）分析能力	通过深度学习工具CelEry推断snRNA-seq数据的空间位置，结合ST数据，提高了空间信息细胞类型特异性DGE分析的效力，发现了传统方法无法检测到的AD相关基因和通路	研究依赖于推断的空间位置信息，可能存在一定误差；样本虽多但均为死后脑组织，可能影响结果的外推性	增强阿尔茨海默病相关表型的空间信息细胞类型特异性差异基因表达分析能力	436例死后大脑背外侧前额叶皮层（DLPFC）组织的snRNA-seq数据和空间转录组数据	digital pathology	Alzheimer's disease	spatial transcriptomics (ST), single-nucleus RNA sequencing (snRNA-seq)	linear mixed regression models	gene expression data	436 postmortem brains from ROS/MAP cohorts
575	2025-05-14	Early Multimodal Data Integration for Data-Driven Medical Research - A Scoping Review 2024-08-30, Studies in health technology and informatics DOI:10.3233/SHTI240837 PMID:39234706	综述	本文通过范围综述分析了2019年至2024年间21篇关于早期多模态数据整合方法的文献，总结了这些方法的特点及其在数据驱动医学研究中的应用	将早期多模态数据整合方法分为四类，并总结了各类方法的特点，为数据驱动医学研究项目中选择最佳方法组合提供了参考	主要关注结构性整合，未深入比较早期和晚期多模态数据整合方法，且整合流程通常需要手动优化	探讨早期多模态数据整合方法在数据驱动医学研究中的应用和优化	21篇关于早期多模态数据整合方法的综述文献	数据驱动医学研究	NA	多模态数据整合方法，包括基本连接和深度学习等	NA	多模态数据	21篇综述文献
576	2025-05-14	Deep Learning Segmentation of Ascites on Abdominal CT Scans for Automatic Volume Quantification 2024-Jun-23, ArXiv PMID:39398214	research paper	评估一种自动深度学习方法在检测腹水并量化肝硬化及卵巢癌患者腹水体积中的性能	提出了一种自动深度学习方法来分割和量化腹水体积，并与专家评估结果高度一致	研究为回顾性研究，且样本来源仅限于两个机构的数据	评估深度学习在腹水体积自动量化中的性能	肝硬化及卵巢癌患者的腹水	digital pathology	liver cirrhosis, ovarian cancer	deep learning	CNN	CT scans	NIH-LC (25例), NIH-OV (166例), UofW-LC (124例)
577	2025-05-14	Deep learning-driven imaging of cell division and cell growth across an entire eukaryotic life cycle 2024-Apr-27, bioRxiv : the preprint server for biology DOI:10.1101/2024.04.25.591211 PMID:38712227	研究论文	本文提出了一种基于深度学习的成像框架，用于定量研究真核微生物的整个生命周期，包括细胞分裂和细胞生长	结合微流控培养、卷积神经网络的生命周期阶段特异性分割和新型细胞追踪算法FIEST，通过深度学习视频帧插值增强连续图像中单细胞掩模的重叠	目前仅应用于酿酒酵母的性生命周期，尚未广泛验证于其他真核微生物	开发定量研究完整真核生命周期的深度学习方法，以更精确地定义微生物生命周期结构	真核微生物（以酿酒酵母为例）的性生命周期	数字病理学	NA	微流控培养、荧光报告系统、高Cdk1活性传感器LiCHI	CNN	显微镜图像	NA
578	2025-05-14	Lossless compression-based detection of osteoporosis using bone X-ray imaging 2024, Journal of X-ray science and technology IF:1.7Q3 DOI:10.3233/XST-230238 PMID:38393881	research paper	该研究提出了一种基于深度学习的无损压缩方法，用于通过骨X射线图像检测骨质疏松症	提出了一种新的图像处理方法，通过分离感兴趣区域(ROI)和非ROI来减少数据冗余，并结合SVM分类器提高诊断准确性	未提及样本多样性和外部验证结果	提高骨质疏松症的诊断准确性	骨X射线图像	digital pathology	骨质疏松症	深度学习，X射线成像	SVM	image	NA
579	2025-05-14	Label-free imaging of nuclear membrane for analysis of nuclear import of viral complexes 2023-12, Journal of virological methods IF:2.2Q3 DOI:10.1016/j.jviromet.2023.114834 PMID:37875225	研究论文	本文提出了一种利用深度学习模型进行无标记核膜成像的方法，以研究HIV-1病毒复合物的核输入机制	利用深度学习模型实现无标记核膜成像，避免了传统荧光标记的挑战，特别是在原代细胞中的应用	模型在活细胞中的应用仍需进一步验证，且可能受限于特定细胞类型或条件	研究HIV-1病毒复合物在非分裂细胞中的核输入机制	HIV-1病毒复合物及宿主细胞核膜	数字病理学	HIV感染	透射光显微镜，深度学习模型	深度神经网络	图像	未明确说明具体样本数量，但涉及固定细胞和活细胞的成像
580	2025-05-14	Application of an artificial intelligence-based tool in [18F]FDG PET/CT for the assessment of bone marrow involvement in multiple myeloma 2023-10, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-023-06339-5 PMID:37493665	研究论文	本研究验证了一种基于三维深度学习的工具，用于自动化评估多发性骨髓瘤患者骨髓代谢强度的PET/CT图像分析	首次应用深度学习工具自动化评估多发性骨髓瘤患者的骨髓代谢强度，并验证其与临床相关参数的相关性	样本量较小（35例患者），需要在更大患者队列中进行前瞻性研究进一步验证	验证一种自动化评估多发性骨髓瘤患者骨髓代谢强度的PET/CT图像分析方法	多发性骨髓瘤患者的PET/CT图像	数字病理	多发性骨髓瘤	PET/CT成像	深度学习	医学影像	35例未经治疗的多发性骨髓瘤患者