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
5921	2025-03-25	Development of PDAC diagnosis and prognosis evaluation models based on machine learning 2025-Mar-20, BMC cancer IF:3.4Q2 DOI:10.1186/s12885-025-13929-z PMID:40114140	研究论文	本研究基于机器学习技术，结合血清生物标志物，建立了胰腺导管腺癌（PDAC）的鉴别诊断和预后评估模型，旨在提高早期诊断率和患者生存率	首次将多种机器学习模型（RF、NNET、SVM、GBM）和DeepSurv深度学习模型应用于PDAC的早期诊断和预后评估，并基于风险预测提供个性化治疗建议	样本量较小（117例PDAC患者），可能影响模型的泛化能力	提高PDAC的早期诊断准确率和预后评估效果，为临床管理提供支持	胰腺导管腺癌（PDAC）患者	机器学习	胰腺癌	血清生物标志物分析	Random Forest (RF), Neural Network (NNET), Support Vector Machine (SVM), Gradient Boosting Machine (GBM), DeepSurv	血清生物标志物数据	117例PDAC患者
5922	2025-03-25	TPNET: A time-sensitive small sample multimodal network for cardiotoxicity risk prediction 2025-Mar-19, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3552819 PMID:40106240	research paper	该研究开发了一个名为TPNET的时间敏感小样本多模态网络，用于预测癌症治疗相关心功能障碍（CTRCD）的风险	结合组织多普勒成像（TDI）特征与深度学习技术，开发了TPNET模型，用于预测CTRCD，并通过集成梯度（IG）归因分析识别关键致病标志	样本量较小（270名患者），且仅针对乳腺癌患者	预测癌症治疗相关心功能障碍（CTRCD）的风险	乳腺癌患者	digital pathology	cardiovascular disease	TDI, deep learning	TPNET	multimodal data (TDI, function, clinical data)	270名患者
5923	2025-03-25	Generating Inverse Feature Space for Class Imbalance in Point Cloud Semantic Segmentation 2025-Mar-19, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3553051 PMID:40106253	research paper	提出了一种名为InvSpaceNet的网络框架，通过生成逆特征空间来缓解点云语义分割中数据不平衡导致的认知偏差	设计了双分支训练架构，结合实例平衡采样数据的特征表示和逆采样数据的认知校正，生成逆特征空间并通过对比损失约束类中心点	未明确提及具体局限性	解决点云语义分割中数据不平衡导致的认知偏差问题	点云数据	computer vision	NA	深度学习	InvSpaceNet	点云	四个大型基准数据集（S3DIS、ScanNet v2、Toronto-3D和SemanticKITTI）
5924	2025-03-25	Hard-aware Instance Adaptive Self-training for Unsupervised Cross-domain Semantic Segmentation 2025-Mar-18, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3552484 PMID:40100655	research paper	提出了一种硬感知实例自适应自训练框架，用于无监督跨域语义分割任务	开发了一种新颖的伪标签生成策略，包含实例自适应选择器和硬感知伪标签增强技术，以及区域自适应正则化方法	未明确提及具体限制	解决无监督域适应(UDA)中标记训练数据与未标记测试数据之间的差异问题	语义分割任务	computer vision	NA	自训练(self-training), 伪标签生成(pseudo-label generation)	深度学习模型(未具体说明)	图像数据	在GTA5 Cityscapes, SYNTHIA Cityscapes和Cityscapes Oxford RobotCar数据集上进行实验
5925	2025-03-25	Protein Language Pragmatic Analysis and Progressive Transfer Learning for Profiling Peptide-Protein Interactions 2025-Mar-18, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2025.3540291 PMID:40100664	研究论文	提出了一种可解释的深度学习模型IIDL-PepPI，用于分析肽-蛋白质相互作用	采用双向注意力模块表示肽和蛋白质的上下文信息，并利用渐进式迁移学习框架同时预测肽-蛋白质相互作用和识别结合残基	未提及具体的数据集规模或模型计算资源需求	开发深度学习模型以分析肽-蛋白质相互作用，推动基于人工智能的肽药物发现和蛋白质功能阐明	肽和蛋白质序列及其相互作用	机器学习	NA	深度学习	IIDL-PepPI（基于双向注意力机制和迁移学习的深度学习模型）	蛋白质序列数据	NA
5926	2025-03-25	A novel self-supervised graph clustering method with reliable semi-supervision 2025-Mar-16, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.107418 PMID:40120553	research paper	提出了一种基于可靠半监督的新型自监督图聚类方法（SSGC-RSS），用于解决图数据中的噪声和稀疏性问题	模型通过上游的双解码器图自编码器与联合聚类优化，以及下游基于高可靠性样本的半监督图注意力编码网络，创新性地解决了噪声和稀疏性问题	未明确提及具体局限性，但可能涉及对特定图数据类型的适应性或计算复杂度	提升复杂图数据聚类任务的性能	图数据	machine learning	NA	自监督学习、半监督学习	双解码器图自编码器、图注意力编码网络	图数据	在Cora、Citeseer和Pubmed等多个图数据集上进行了实验
5927	2025-03-25	Deformation-invariant neural network and its applications in distorted image restoration and analysis 2025-Mar-16, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.107378 PMID:40121786	研究论文	提出了一种变形不变神经网络（DINN）框架，用于处理几何失真图像的恢复和分析问题	引入了拟共形变换网络（QCTN）作为DINN的核心组件，能够输出拟共形映射以改善几何失真图像	未提及具体的数据集规模或在不同类型几何失真上的泛化能力	解决几何失真图像的成像任务问题	几何失真图像	计算机视觉	NA	拟共形映射	DINN（包含QCTN组件）	图像	NA
5928	2025-03-25	Contactless Intelligent Anti-interference Lung Nodule Detection Method for Early Disease Detection 2025-Mar-11, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3550199 PMID:40067715	研究论文	提出了一种基于人工智能的抗干扰肺结节检测方法Yolov8-AH，用于在干扰条件下提高肺CT图像中肺结节检测的准确性	结合了自适应门控稀疏注意力(AGSA)和哈尔小波下采样(HWD)模块的Yolov8模型，显著提高了在干扰条件下的检测准确率	未提及模型在临床实际应用中的验证情况	提高在干扰条件下肺CT图像中肺结节检测的准确性	肺CT图像中的肺结节	计算机视觉	肺癌	CT扫描	Yolov8-AH (基于Yolov8结合AGSA和HWD模块)	医学图像(CT)	NA
5929	2025-03-25	Spatial-aware Transformer-GRU Framework for Enhanced Glaucoma Diagnosis from 3D OCT Imaging 2025-Mar-11, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3550394 PMID:40067716	research paper	提出了一种新型深度学习框架，利用3D光学相干断层扫描（OCT）成像进行自动青光眼检测	结合预训练的Vision Transformer和双向门控循环单元（GRU），全面分析局部细节和全局结构完整性	NA	提高青光眼的自动检测准确率，增强临床决策支持系统	青光眼患者的3D OCT成像数据	digital pathology	glaucoma	3D Optical Coherence Tomography (OCT)	Vision Transformer, bidirectional Gated Recurrent Unit (GRU)	3D image	大规模数据集（具体数量未提及）
5930	2025-03-25	SENSITIVITY BASED MODEL AGNOSTIC SCALABLE EXPLANATIONS OF DEEP LEARNING 2025-Mar-07, bioRxiv : the preprint server for biology DOI:10.1101/2025.02.21.639516 PMID:40093081	research paper	该论文提出了一种模型无关的可解释AI框架SensX，用于解释深度学习模型的决策机制，并在准确性和计算效率上优于现有技术	SensX框架在解释性AI领域实现了更高的准确性和计算效率，能够处理超过15万个特征的大规模模型，并揭示了模型中的偏差	未明确提及具体局限性，但可能在大规模应用中仍存在计算资源需求	开发一种能够解释深度学习模型决策机制的通用框架，以支持科学假设发展和模型验证	深度学习模型（特别是视觉变换器ViT）和单细胞RNA-seq数据	machine learning	NA	single-cell RNA-seq	DNN, ViT	gene expression data, image	NA
5931	2025-03-25	A deep learning model for characterizing altered gyro-sulcal functional connectivity in abstinent males with methamphetamine use disorder and associated emotional symptoms 2025-Mar-06, Cerebral cortex (New York, N.Y. : 1991) DOI:10.1093/cercor/bhaf062 PMID:40120102	研究论文	本研究利用深度学习模型探究甲基苯丙胺使用障碍患者中脑回-脑沟功能连接的改变及其与情绪症状的关联	首次采用时空图卷积网络模型分析脑回-脑沟细尺度功能连接，揭示了特定脑区在甲基苯丙胺使用障碍分类中的关键作用	样本仅限男性戒断期患者，未包含女性或急性期患者数据	探究甲基苯丙胺使用障碍的神经机制及其与情绪症状的关系	48名男性戒断期甲基苯丙胺使用障碍患者和48名健康对照	数字病理学	药物成瘾	静息态功能磁共振成像	时空图卷积网络	神经影像数据	96名男性（48患者+48对照）
5932	2025-03-25	Interstitial-guided automatic clinical tumor volume segmentation network for cervical cancer brachytherapy 2025-Mar-06, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2025.102520 PMID:40120492	research paper	提出了一种新型的间隙引导分割网络ARGNet，用于宫颈癌间质近距离放射治疗中的临床肿瘤体积自动分割	通过多任务交叉缝合方式整合间隙针的位置信息，引入空间反向注意力机制减少针对于肿瘤分割的干扰，并嵌入不确定性区域模块增强模型对模糊边界的识别能力	研究仅基于回顾性数据，未提及前瞻性验证	提升宫颈癌间质近距离放射治疗中临床肿瘤体积自动分割的准确性和效率	宫颈癌患者的CT扫描图像	digital pathology	cervical cancer	deep learning-based segmentation	ARGNet (advance reverse guided network)	CT scans	191例多疗程间质近距离放射治疗的CT扫描
5933	2025-03-25	Deep learning-driven survival prediction in pan-cancer studies by integrating multimodal histology-genomic data 2025-Mar-04, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf121 PMID:40116660	research paper	开发了一种名为CATfusion的深度学习框架，通过整合多模态组织学-基因组数据来预测癌症患者的生存期	提出了基于交叉注意力机制的多模态融合网络（CATfusion），整合了多种数据类型（mRNA-seq、miRNA-seq、拷贝数变异、DNA甲基化变异、突变数据和病理图像），并采用自监督学习策略进行特征提取	未提及具体样本量或数据来源的局限性	提高癌症患者生存预测的准确性，支持个性化临床管理	多种癌症类型的患者数据	digital pathology	pan-cancer	mRNA-seq, miRNA-seq, copy number variation, DNA methylation variation, mutation analysis	cross-attention transformer-based multimodal fusion network (CATfusion)	histopathological images, genomic data	NA
5934	2025-03-25	Deep learning implementation for extrahepatic bile duct detection during indocyanine green fluorescence-guided laparoscopic cholecystectomy: pilot study 2025-Mar-04, BJS open IF:3.5Q1 DOI:10.1093/bjsopen/zraf013 PMID:40119711	研究论文	开发了一个实时深度学习系统，用于在吲哚菁绿荧光引导的腹腔镜胆囊切除术中识别肝外胆管	使用YOLOv7实时目标检测模型，提高了识别和定位图像中对象的速度和准确性	研究为初步试验，样本量较小，仅涉及113名患者	开发一个深度学习系统，辅助外科医生在腹腔镜胆囊切除术中识别关键解剖标志	肝外胆管，特别是胆总管和胆囊管	计算机视觉	胆囊疾病	深度学习，YOLOv7模型	YOLOv7	图像，视频	113名患者，3993张图像
5935	2025-03-25	3D full-dose brain-PET volume recovery from low-dose data through deep learning: quantitative assessment and clinical evaluation 2025-Mar, European radiology IF:4.7Q1 DOI:10.1007/s00330-024-11225-1 PMID:39609283	research paper	提出一种深度学习方法来从低剂量PET数据中恢复全剂量PET体积，以降低放射性示踪剂剂量同时保持诊断质量	提出了一种名为空间感知噪声减少网络（SANR）的3D深度学习方法，用于从低剂量PET数据中恢复全剂量PET体积	研究为回顾性研究，且样本量相对有限（456名参与者）	降低PET成像中的放射性示踪剂剂量，同时保持诊断质量	低剂量PET成像数据	digital pathology	Alzheimer's disease	deep learning	SANR (spatially aware noise reduction network)	3D PET volumes	456名参与者，使用三种不同的PET扫描仪和两种不同的示踪剂进行扫描
5936	2025-03-25	Deep learning approach to parameter optimization for physiological models 2025-Feb-28, bioRxiv : the preprint server for biology DOI:10.1101/2025.02.25.639944 PMID:40060611	研究论文	提出一种利用神经网络优化生理模型参数的新方法	使用神经网络同时处理生物建模、参数化和参数推断，解决了传统方法难以约束到生物范围的问题	方法依赖于模拟数据的生成，可能无法完全覆盖真实临床数据的复杂性	优化生理模型的参数推断	葡萄糖、胰岛素和游离脂肪酸（FFA）的动态生理模型	机器学习	NA	卷积神经网络	CNN	时间序列数据	利用临床频繁采样静脉葡萄糖耐量测试数据生成大量模拟数据
5937	2025-03-25	LivecellX: A Deep-learning-based, Single-Cell Object-Oriented Framework for Quantitative Analysis in Live-Cell Imaging 2025-Feb-27, bioRxiv : the preprint server for biology DOI:10.1101/2025.02.23.639532 PMID:40060645	research paper	介绍了一个名为LivecellX的深度学习框架，用于活细胞成像数据的定量分析	提出了Correct Segmentation Network (CSN)，一种上下文感知的多尺度机器学习架构，用于纠正分割不准确性，并开发了轨迹级算法以处理大规模数据集	预训练和微调模型在活细胞成像场景中可能无法实现完美的分割，长时间成像会放大分割错误	解决活细胞成像数据中准确检测和跟踪单个细胞的挑战，以理解发育生物学、癌症生物学等复杂生物过程	活细胞成像数据中的单个细胞	digital pathology	cancer biology	deep learning, live-cell imaging	CNN	image	NA
5938	2025-03-25	Lifestyle factors and other predictors of common mental disorders in diagnostic machine learning studies: A systematic review 2025-Feb, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109521 PMID:39667056	系统综述	本文系统综述了机器学习模型在预测常见精神障碍(CMDs)中的应用，评估了模型性能，并探讨了生活方式数据在预测模型中的潜在价值	首次评估了诊断性机器学习在CMDs中的应用价值，评估了研究偏倚风险，并分析了预测变量类型	研究存在高度异质性和偏倚风险，生活方式数据使用不足	评估机器学习模型预测常见精神障碍的性能，并确定生活方式数据在预测模型中的作用	使用机器学习方法预测常见精神障碍的成人研究	机器学习	精神障碍	机器学习	深度学习	多类别特征(包括人口统计-环境、心理社会和生物变量)	117项研究(111项仅模型开发，16项开发和验证)
5939	2025-03-25	Optimizing deep learning models for glaucoma screening with vision transformers for resource efficiency and the pie augmentation method 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0314111 PMID:40117284	研究论文	本文提出了一种基于视觉变换器（DeiT）和'pie方法'增强的深度学习模型，用于青光眼筛查，以提高资源效率和性能	采用计算需求较低的视觉变换器（DeiT）和创新的'pie方法'增强技术，显著提升了青光眼筛查的敏感性和性能	DeiT初始性能低于CNN，且在不同数据集上的性能提升存在差异	优化青光眼筛查的深度学习模型，提高资源效率和检测性能	青光眼筛查的眼底图像数据	计算机视觉	青光眼	数据增强（pie方法）、极坐标变换	DeiT（视觉变换器）	图像	GlauCUTU-DATA数据集，包含一致同意（3/3）和多数同意（2/3）的标注数据
5940	2025-03-25	Unveiling CNS cell morphology with deep learning: A gateway to anti-inflammatory compound screening 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0320204 PMID:40117300	research paper	该研究利用深度学习技术分析中枢神经系统细胞的形态学表型，以促进抗炎化合物的筛选	开发了一种基于深度学习的创新方法，有效分析了神经元和小胶质细胞在病理条件和药物干预下的形态学表型	需要大量标记数据，难以检测细微的细胞变化，存在批次效应	理解神经炎症中细胞形态与表型表现之间的复杂关系，并筛选潜在的治疗化合物	神经元和小胶质细胞	digital pathology	neuroinflammation	deep learning	DL	image	NA