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
41	2025-06-14	Oil Palm Fruits Dataset in Plantations for Harvest Estimation Using Digital Census and Smartphone 2025-Jun-10, Scientific data IF:5.8Q1 DOI:10.1038/s41597-025-05227-x PMID:40494879	research paper	本文介绍了一个来自印度尼西亚中加里曼丹商业种植园的油棕鲜果串(FFB)图像数据集，专注于五个成熟阶段：未熟、半熟、成熟、开花和异常	数据集包含了多种角度和条件下的油棕鲜果串图像，并通过数据增强处理类别不平衡和增加变化，支持深度学习模型的开发	图像存在部分可见性、低对比度、遮挡和模糊等现实世界的复杂性	开发深度学习模型用于油棕鲜果串的检测和分类，以监测收获时间、预测产量和优化种植园运营资源	油棕鲜果串(FFB)图像	computer vision	NA	数据增强	deep learning models	image	训练集10,207张图像，验证集2,896张图像，测试集1,400张图像
42	2025-06-14	Deep learning-based ranking method for subgroup and predictive biomarker identification in patients 2025-Jun-10, Communications medicine IF:5.4Q1 DOI:10.1038/s43856-025-00946-z PMID:40494908	research paper	本研究开发了一种基于深度学习的框架DeepRAB，用于识别患者亚组和预测生物标志物，以优化治疗效果	DeepRAB不仅能够捕捉个体间治疗效果的差异，还能帮助发现与这些差异相关的有意义的生物标志物	NA	开发一种深度学习方法，用于识别患者亚组和预测生物标志物，以支持更精准的治疗策略	患者亚组和预测生物标志物	machine learning	hidradenitis suppurativa	deep learning	DeepRAB	clinical trial data	模拟数据集和真实临床试验数据
43	2025-06-14	A cross population study of retinal aging biomarkers with longitudinal pre-training and label distribution learning 2025-Jun-10, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-025-01751-7 PMID:40494933	research paper	开发了一种深度学习模型，通过视网膜图像提高视网膜年龄估计的准确性，并探索其作为衰老生物标志物的潜力	整合了自监督学习和渐进式标签分布学习模块，以捕捉时间序列信息并模拟生物衰老的变异性	研究主要基于健康人群，可能无法完全代表其他人群的视网膜老化模式	提高视网膜年龄估计的准确性，并探索其作为衰老生物标志物的潜力	视网膜图像	digital pathology	geriatric disease	deep learning	CNN	image	34,433名来自UK Biobank和三个中国队列的健康参与者
44	2025-06-14	Empirical evaluation of artificial intelligence distillation techniques for ascertaining cancer outcomes from electronic health records 2025-Jun-10, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-025-01646-7 PMID:40494945	研究论文	本文评估了利用教师-学生框架从电子健康记录中提取癌症纵向临床结果的技术	使用分层Transformer架构的教师模型训练，并通过公开数据集和GPT-4生成的合成数据进行知识蒸馏	在Wiki-text和合成数据上训练的学生模型表现较差，强调了领域内公开数据集的重要性	评估人工智能蒸馏技术在从电子健康记录中提取癌症结果方面的应用	电子健康记录中的自由文本放射学报告	自然语言处理	癌症	教师-学生框架，知识蒸馏	Transformer	文本	Dana-Farber Cancer Institute的数据，MIMIC-IV、Wiki-text公开数据集及GPT-4生成的合成数据
45	2025-06-14	SCATrans: semantic cross-attention transformer for drug-drug interaction predication through multimodal biomedical data 2025-Jun-10, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-025-06165-6 PMID:40495152	研究论文	本文提出了一种名为SCATrans的语义交叉注意力转换器模型，用于通过多模态生物医学数据预测药物-药物相互作用	提出了一种新的SCAT模型，结合了BioBERT、Doc2Vec、图卷积网络、BiGRU和交叉注意力机制，以处理多模态生物医学数据中的无序、不平衡和语言错误问题	未明确提及具体局限性，但可能包括对多模态数据处理复杂性和模型泛化能力的挑战	预测药物-药物相互作用（DDIs），以支持药物治疗、药物开发、药物监管和公共卫生	药物-药物相互作用	自然语言处理	NA	BioBERT, Doc2Vec, 图卷积网络, BiGRU, 交叉注意力机制	SCATrans (语义交叉注意力转换器)	多模态生物医学数据	DDIExtraction-2013数据集
46	2025-06-14	Artificial Intelligence Deep Learning Models to Predict Spaceflight Associated Neuro-ocular Syndrome (SANS) 2025-Jun-10, American journal of ophthalmology IF:4.1Q1 DOI:10.1016/j.ajo.2025.06.009 PMID:40505849	research paper	利用深度学习AI模型通过OCT成像预测太空飞行相关神经眼综合征（SANS）的发生	首次使用深度学习模型预测SANS，并比较了太空飞行数据和地面模拟数据的预测效果	数据量有限，可能影响模型的泛化能力	预测太空飞行相关神经眼综合征（SANS）的发生	宇航员和参与头低位卧床休息（HDTBR）的研究参与者	digital pathology	neuro-ocular syndrome	OCT成像	Resnet50	image	宇航员和HDTBR参与者的OCT图像数据集
47	2025-06-14	Enhancing differentiation between unipolar and bipolar depression through integration of machine learning and electroencephalogram analysis 2025-Jun-10, Journal of affective disorders IF:4.9Q1 DOI:10.1016/j.jad.2025.119599 PMID:40505986	研究论文	本研究通过整合机器学习和脑电图分析，提高了单相抑郁和双相抑郁的区分能力	结合机器学习和深度学习模型与脑电图数据及临床特征，利用多种神经网络模型进行诊断，强调了脑电图生物标志物在区分两种抑郁症中的重要性	未来研究需要提高模型的可解释性，整合多模态数据，并开发更先进的特征提取技术	提高单相抑郁和双相抑郁的区分能力	370名被诊断为单相抑郁或双相抑郁的患者	机器学习	抑郁症	脑电图(EEG)	SVM, Random Forest, FCNN, RNN, LSTM, Transformers	脑电图数据和临床特征	370名患者
48	2025-06-14	Challenges and Advances in Classifying Brain Tumors: An Overview of Machine, Deep Learning, and Hybrid Approaches with Future Perspectives in Medical Imaging 2025-Jun-10, Current medical imaging IF:1.1Q3 DOI:10.2174/0115734056365191250602124819 PMID:40511649	综述	本文全面探讨了机器学习和深度学习模型在脑肿瘤分类中的应用，特别关注了MRI医学影像数据的使用	综述了从经典算法到先进深度学习模型及混合架构的多种方法，并提出了未来研究方向如多模态成像和可解释AI框架	标注数据集稀缺、计算复杂度高、模型可解释性差以及临床整合障碍	提高脑肿瘤分类的准确性和效率，以改善患者治疗效果	脑肿瘤，特别是胶质瘤、脑膜瘤和转移性脑病变	医学影像	脑肿瘤	MRI	SVM, Decision Trees, CNN, RNN, 混合架构	医学影像	NA
49	2025-06-14	DWI-based Biologically Interpretable Radiomic Nomogram for Predicting 1- year Biochemical Recurrence after Radical Prostatectomy: A Deep Learning, Multicenter Study 2025-Jun-10, Current medical imaging IF:1.1Q3 DOI:10.2174/0115734056403104250527045320 PMID:40511648	research paper	本研究开发了一种基于深度学习的放射组学列线图，用于预测前列腺癌根治术后1年生化复发，并探讨了放射组学评分与肿瘤微环境的关联	结合深度学习的放射组学特征和临床参数，开发预测模型，并首次探讨放射组学评分与肿瘤微环境的关联	回顾性研究设计可能引入选择偏倚，样本量相对较小	预测前列腺癌根治术后1年生化复发，并研究放射组学评分与肿瘤微环境的关系	接受根治性前列腺切除术的前列腺癌患者	digital pathology	prostate cancer	multiparametric magnetic resonance imaging (mpMRI), single-cell RNA sequencing	3D U-Net, Cox proportional hazard regression	medical imaging, RNA sequencing data	349名患者（两个独立队列），4名前瞻性入组患者的单细胞RNA测序数据
50	2025-06-14	Brain tau PET-based identification and characterization of subpopulations in patients with Alzheimer's disease using deep learning-derived saliency maps 2025-Jun-09, EJNMMI physics IF:3.0Q2 DOI:10.1186/s40658-025-00761-4 PMID:40488912	研究论文	本研究利用深度学习衍生的显著性图谱，基于脑tau PET数据识别和表征阿尔茨海默病患者的亚群	使用深度学习模型生成的显著性图谱作为聚类特征，揭示了阿尔茨海默病患者中两个具有不同tau沉积模式的亚群	研究样本主要来自ADNI数据库，可能无法代表所有阿尔茨海默病患者群体	探究阿尔茨海默病的异质性并识别患者亚群	阿尔茨海默病患者和认知正常人群	数字病理学	阿尔茨海默病	18F-flortaucipr PET扫描，T1加权MRI	3D-CNN	医学影像	615名认知正常者和159名AD患者的脑部扫描数据
51	2025-06-14	Deep learning-based post-hoc noise reduction improves quarter-radiation-dose coronary CT angiography 2025-Jun-09, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.112232 PMID:40505606	研究论文	本研究评估了基于深度学习的后处理降噪技术（DLNR）在四分之一辐射剂量冠状动脉CT血管造影（CCTA）中对图像质量、CAD-RADS评估及诊断性能的影响	首次在外部数据集上验证了DLNR技术对四分之一剂量CCTA图像质量及诊断性能的提升效果	仅纳入运动伪影较少的病例，可能限制了结果的普适性	评估DLNR技术在低剂量CCTA中的应用价值	221例接受回顾性心电门控CCTA检查的患者	数字病理	心血管疾病	冠状动脉CT血管造影（CCTA）	残差密集网络（Residual Dense Network）	医学影像	40例（年龄71±7岁，24例男性）
52	2025-06-14	NeXtBrain: Combining local and global feature learning for brain tumor classification 2025-Jun-07, Brain research IF:2.7Q3 DOI:10.1016/j.brainres.2025.149762 PMID:40490088	研究论文	提出了一种名为NeXtBrain的新型混合架构，用于脑肿瘤分类，结合局部和全局特征学习以提高准确性和计算效率	NeXtBrain通过其核心创新组件NeXt卷积块（NCB）和NeXt变换块（NTB），协同增强特征学习，NCB专注于提取局部肿瘤形态和纹理细节，NTB则建模长距离空间依赖和全局上下文关系	论文未明确提及具体限制，但可能包括对特定数据集或肿瘤类型的泛化能力	提高脑肿瘤分类的准确性、鲁棒性和计算效率	脑肿瘤图像	数字病理	脑肿瘤	深度学习	CNN与Transformer混合模型	医学图像	两个公开基准数据集：Figshare和Kaggle
53	2025-06-14	Towards prehospital risk stratification using deep learning for ECG interpretation in suspected acute coronary syndrome 2025-Jun-06, BMJ health & care informatics IF:4.1Q2 DOI:10.1136/bmjhci-2024-101292 PMID:40480678	研究论文	本研究旨在开发和验证一种基于卷积神经网络（CNN）的模型，用于疑似非ST段抬高型急性冠状动脉综合征（NSTE-ACS）患者的风险分层，并与现有的院前诊断工具进行比较	首次将CNN应用于院前心电图（ECG）解读，用于NSTE-ACS的风险分层，并展示了将AI整合到临床风险评分中可以进一步提升诊断性能	研究人群中心肌梗死患病率较高，可能影响诊断性能的比较	开发并验证一种AI模型，用于院前疑似NSTE-ACS患者的风险分层	疑似NSTE-ACS患者	数字病理学	心血管疾病	CNN	CNN	心电图（ECG）数据	5645名疑似NSTE-ACS患者（内部训练队列和外部验证队列n=754）
54	2025-06-14	AI Approaches to Homogeneous Catalysis with Transition Metal Complexes 2025-Jun-06, ACS catalysis IF:11.3Q1 DOI:10.1021/acscatal.5c01202 PMID:40502974	综述	本文综述了人工智能在均相过渡金属催化研究中的应用及其进展	讨论了AI在催化剂筛选、反应条件优化及新型催化剂逆向设计中的创新应用	大多数研究依赖于计算数据，实验数据的获取仍有待改进	探讨AI在均相金属催化反应中的应用现状及未来发展方向	均相过渡金属催化反应	化学信息学	NA	AI、深度学习	生成式AI	计算数据、实验数据	NA
55	2025-06-14	A novel explainable AI framework for medical image classification integrating statistical, visual, and rule-based methods 2025-Jun-06, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103665 PMID:40505210	研究论文	提出了一种新颖的可解释AI框架，用于医学图像分类，结合了统计、视觉和基于规则的方法	整合统计、视觉和基于规则的解释方法，提高深度学习模型的透明度，并引入统计特征图覆盖可视化	未明确提及具体局限性	提高医学图像分类任务中深度学习模型的可解释性	医学图像数据集（COVID-19放射影像、超声乳腺癌、脑肿瘤MRI、肺和结肠癌组织病理学、青光眼图像）	计算机视觉	多种疾病（COVID-19、乳腺癌、脑肿瘤、肺癌、结肠癌、青光眼）	深度学习、特征选择、决策树、RuleFit模型	Mobilenetv2、决策树、RuleFit	图像	五个医学影像数据集
56	2025-06-14	The Role of Muscle Density in Predicting the Amputation Risk in Peripheral Arterial Disease: A Tissue Composition Study Using Lower Extremity CT Angiography 2025-Jun-05, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15111439 PMID:40507011	研究论文	本研究探讨了肌肉密度在预测外周动脉疾病患者截肢风险中的作用	首次系统评估了肌肉密度（而非肌肉体积）在外周动脉疾病患者截肢风险预测中的独立预后价值	回顾性研究设计可能引入选择偏倚，样本量相对有限（134例患者）	评估肌肉组织特征与PAD患者截肢风险的关联	134例接受下肢CT血管造影的患者（2018-2023年）	数字病理学	心血管疾病	CT血管造影（CTA）	深度学习软件	医学影像	134例患者（非PAD组、轻度PAD组和严重肢体缺血组）
57	2025-06-14	Connectogram-COH: A Coherence-Based Time-Graph Representation for EEG-Based Alzheimer's Disease Detection 2025-Jun-05, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15111441 PMID:40507013	研究论文	提出一种基于信号相干性的时间图表示方法Connectogram-COH，用于EEG信号的阿尔茨海默病检测	将多通道EEG信号转换为基于相干性的时间图表示，形成适合深度学习架构的灰度图像	NA	开发一种新的EEG信号表示方法以提高阿尔茨海默病的检测准确率	阿尔茨海默病患者的EEG信号	数字病理学	老年病	EEG信号分析	深度学习架构	EEG信号	NA
58	2025-06-14	PlantDeepMeth: A Deep Learning Model for Predicting DNA Methylation States in Plants 2025-Jun-05, Plants (Basel, Switzerland) DOI:10.3390/plants14111724 PMID:40508398	研究论文	介绍了一种名为PlantDeepMeth的深度学习模型，用于预测植物中的DNA甲基化状态	开发了一种新型深度学习模型PlantDeepMeth，专门针对植物中多种甲基化类型进行预测，填补了该领域工具的空白	未提及具体样本量或测试范围限制	开发能够预测植物DNA甲基化状态的深度学习工具	植物基因组中的DNA甲基化状态	机器学习	NA	DNA甲基化测序	深度学习模型	基因组数据	NA
59	2025-06-14	Harnessing Artificial Intelligence and Machine Learning for Identifying Quantitative Trait Loci (QTL) Associated with Seed Quality Traits in Crops 2025-Jun-05, Plants (Basel, Switzerland) DOI:10.3390/plants14111727 PMID:40508402	综述	本文综述了人工智能和机器学习在作物种子质量性状QTL定位中的应用及其优势	利用AI/ML技术改进传统QTL定位方法，提高复杂性状预测精度和多组学数据整合能力	模型可解释性不足、生物学验证缺乏以及计算可扩展性存在挑战	加速基因组辅助育种，开发高质量、气候适应性强的作物品种	大豆、小麦、生菜、水稻和棉花等作物的种子质量性状	机器学习	NA	GWAS、多组学数据整合(基因组学、转录组学、代谢组学、表型组学)	LASSO回归、随机森林、梯度提升、ElasticNet、CNN、GNN	基因组数据、多组学数据	NA
60	2025-06-14	Efficient and Non-Invasive Grading of Chinese Mitten Crab Based on Fatness Estimated by Combing Machine Vision and Deep Learning 2025-Jun-05, Foods (Basel, Switzerland) DOI:10.3390/foods14111989 PMID:40509517	研究论文	本研究结合机器视觉和深度学习技术，提出了一种高效且非侵入性的中华绒螯蟹肥满度评估方法，用于品质分级	开发了结合SE注意力机制的YOLOv5-seg模型，并提出了改进的条件因子K来评估蟹的肥满度，实现了100%的分级一致性	研究样本量相对较小（300只蟹），且仅使用了RGB图像数据	开发高效、非侵入性的中华绒螯蟹品质分级方法	中华绒螯蟹	计算机视觉	NA	机器视觉、深度学习	YOLOv5-seg（集成SE注意力机制）	RGB图像	300只蟹的2282张RGB图像