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
581	2025-05-02	Blood cancer prediction model based on deep learning technique 2025-Jan-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-84475-0 PMID:39805996	研究论文	本文提出了一种基于深度学习技术的血液癌症预测模型，旨在通过早期检测降低死亡率	利用多种先进的深度学习模型（如ResNetRS50、RegNetX016等）进行血液癌症诊断，其中ResNetRS50表现出更高的准确性和速度	未提及具体样本量或数据来源，可能影响模型泛化能力	通过早期诊断降低血液癌症的死亡率	血液癌症患者	数字病理学	血液癌症	深度学习	ResNetRS50, RegNetX016, AlexNet, Convnext, EfficientNet, Inception_V3, Xception, VGG19	NA	NA
582	2025-05-02	Diagnosis and prognosis of melanoma from dermoscopy images using machine learning and deep learning: a systematic literature review 2025-Jan-13, BMC cancer IF:3.4Q2 DOI:10.1186/s12885-024-13423-y PMID:39806282	系统文献综述	本文综述了机器学习和深度学习在皮肤镜图像中用于黑色素瘤诊断和预后的最新进展	总结了多种深度学习架构（如DenseNet和ResNet）在黑色素瘤检测中的优异表现，并讨论了数据多样性、模型可解释性等挑战	存在数据多样性不足、模型可解释性有限以及计算资源需求高的挑战	探讨机器学习和深度学习在黑色素瘤诊断和预后中的应用潜力	皮肤镜图像	数字病理学	黑色素瘤	机器学习和深度学习	DenseNet, ResNet, DCNN	图像	34项研究（2016-2024年发表），涉及HAM10000、ISIC等数据集
583	2025-05-02	MDFGNN-SMMA: prediction of potential small molecule-miRNA associations based on multi-source data fusion and graph neural networks 2025-Jan-13, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-025-06040-4 PMID:39806287	研究论文	提出了一种基于多源数据融合和图神经网络的深度学习方法MDFGNN-SMMA，用于预测小分子与miRNA的潜在关联	结合多源数据融合和图神经网络技术，提出了一种新的预测小分子-miRNA关联的计算方法	方法依赖于现有数据库的准确性，且未在更广泛的独立数据集上进行验证	开发高效的计算方法来预测小分子与miRNA的关联，以替代传统实验方法	小分子(SMs)和miRNA	生物信息学	NA	Atom Pairs指纹、Molecular ACCess System指纹、K-mer特征	GAT和GraphSAGE	分子指纹特征、序列特征	NA
584	2025-05-02	Optimizing hip MRI: enhancing image quality and elevating inter-observer consistency using deep learning-powered reconstruction 2025-Jan-13, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-01554-y PMID:39806303	研究论文	本研究探讨了深度学习重建（DLR）在优化髋关节MRI中的图像质量和观察者间一致性的潜力	利用深度学习重建技术显著减少了扫描时间，同时保持了图像质量，提高了诊断效率	研究样本量较小（60名患者），且为回顾性研究	优化髋关节MRI扫描，提高图像质量和临床效率	60名接受DL-MRI、常规MRI和无DL-MRI检查的患者	数字病理	NA	深度学习重建（DLR）	NA	MRI图像	60名患者
585	2025-05-02	Effect of flipped classroom method on the reflection ability in nursing students in the professional ethics course; Solomon four-group design 2025-Jan-13, BMC medical education IF:2.7Q1 DOI:10.1186/s12909-024-06556-y PMID:39806386	研究论文	本研究探讨了翻转课堂教学方法对护理学生在专业伦理课程中反思能力的影响	使用所罗门四组设计来评估翻转课堂对学生反思能力的影响	样本量较小，仅80名护理学生参与	研究翻转课堂教学方法对护理学生反思能力的影响	护理学生	教育方法	NA	问卷调查	NA	问卷数据	80名护理学生
586	2025-05-02	Annotation-free deep learning algorithm trained on hematoxylin & eosin images predicts epithelial-to-mesenchymal transition phenotype and endocrine response in estrogen receptor-positive breast cancer 2025-Jan-12, Breast cancer research : BCR IF:6.1Q1 DOI:10.1186/s13058-025-01959-1 PMID:39800743	研究论文	本研究开发了一种基于H&E图像的深度学习算法，用于预测ER+乳腺癌的上皮-间质转化表型和内分泌治疗反应	无需标注的深度学习算法能够直接从H&E图像中预测EMT表型和内分泌治疗反应	研究依赖于公开数据库的数据，可能受到数据质量和样本量的限制	预测ER+乳腺癌的EMT表型和内分泌治疗反应	ER+乳腺癌患者的H&E染色切片	数字病理学	乳腺癌	深度学习	EfficientNetV2	图像	来自TCGA数据库的H&E染色切片和一个独立的ER+乳腺癌患者队列
587	2025-05-02	Not seeing the trees for the forest. The impact of neighbours on graph-based configurations in histopathology 2025-Jan-11, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-024-06007-x PMID:39794715	research paper	本研究探讨了不同图配置对多实例学习（MIL）模型性能的影响，并开发了一个新流程K-MIL来评估上下文信息对细胞分类性能的影响	开发了K-MIL流程，用于评估上下文信息对分类性能的影响，并发现增加空间上下文并不总是有益的	研究仅基于COLON cancer和UCSB两个数据集，可能不具有广泛适用性	研究不同图配置对MIL模型性能的影响，以提高数字病理分类任务的准确性	全切片图像（WSIs）中的小图块（tiles）	digital pathology	colon cancer	Multiple Instance Learning (MIL), graph-based methods	K-MIL	image	两个数据集：COLON cancer和UCSB数据集
588	2025-05-02	Intelligent skin disease prediction system using transfer learning and explainable artificial intelligence 2025-Jan-11, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-83966-4 PMID:39799199	研究论文	提出了一种使用迁移学习和可解释人工智能的智能皮肤病预测系统	结合迁移学习和可解释人工智能技术，快速识别和预测多种皮肤病，并通过层相关传播（LRP）提供解释性分析	VGG16模型作为深度学习模型具有黑盒特性，无法解释系统运作的具体原因和方式	开发一个能够快速准确识别和预测皮肤病的智能系统	水痘、麻疹、猴痘和正常皮肤图像	计算机视觉	皮肤病	迁移学习（TL）	VGG16	图像	包含水痘、麻疹、猴痘和正常皮肤四类图像的数据集
589	2025-05-02	A benchmark of deep learning approaches to predict lung cancer risk using national lung screening trial cohort 2025-Jan-11, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-84193-7 PMID:39799226	研究论文	本研究通过比较和分析当前最先进的深度学习模型，评估了它们在肺癌风险预测任务中的性能	首次全面比较和验证了多种2D和3D深度学习模型在肺癌风险预测中的表现，并探讨了预训练数据集对模型性能的影响	研究样本量相对较小（253名患者），且仅使用了无对比剂的CT扫描数据	评估深度学习模型在肺癌风险预测中的性能，并比较不同模型架构和预训练策略的效果	来自国家肺癌筛查试验(NLST)的253名患者的CT扫描数据	数字病理学	肺癌	CT扫描	3D CNN, 2D CNN	医学影像	253名患者的CT扫描数据
590	2025-05-02	Improving spleen segmentation in ultrasound images using a hybrid deep learning framework 2025-Jan-11, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-85632-9 PMID:39799236	研究论文	本文介绍了一种用于超声图像中脾脏分割的新方法，采用两阶段训练方法	结合SegFormer和Pix2Pix的优势，提出了一种混合深度学习方法，显著提高了脾脏分割的准确性	NA	提高超声图像中脾脏分割的准确性	超声图像中的脾脏	计算机视觉	NA	深度学习	SegFormerB0, Pix2Pix	超声图像	450张脾脏超声图像（Spleenex数据集）
591	2025-05-02	Improving 3D deep learning segmentation with biophysically motivated cell synthesis 2025-Jan-11, Communications biology IF:5.2Q1 DOI:10.1038/s42003-025-07469-2 PMID:39799275	research paper	提出了一种结合生物物理建模的3D细胞合成框架，用于生成高质量的合成训练数据以改进3D深度学习分割性能	整合生物物理建模生成逼真的细胞形状和排列，并开发了一种同时生成图像数据和匹配标签的GAN训练方案	未明确说明合成数据的多样性和泛化能力是否足够覆盖真实场景的复杂性	解决3D细胞数据集精确分割所需的高质量训练数据生成问题	3D细胞培养模型	digital pathology	NA	生物物理建模	GAN	3D细胞图像	NA
592	2025-05-02	UniAMP: enhancing AMP prediction using deep neural networks with inferred information of peptides 2025-Jan-11, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-025-06033-3 PMID:39799358	研究论文	提出UniAMP框架，利用深度学习模型推断的肽信息增强抗菌肽（AMP）预测	使用深度学习模型UniRep和ProtT5推断的肽信息替代传统特征向量，并结合全连接层和transformer编码器构建的深度神经网络模型	未明确提及具体局限性	提高抗菌肽（AMP）的预测性能	抗菌肽（AMPs）	机器学习	NA	深度学习	全连接层和transformer编码器	肽序列信息	平衡基准数据集和不平衡测试数据集
593	2025-05-02	Development of a model for measuring sagittal plane parameters in 10-18-year old adolescents with idiopathic scoliosis based on RTMpose deep learning technology 2025-Jan-11, Journal of orthopaedic surgery and research IF:2.8Q1 DOI:10.1186/s13018-024-05334-2 PMID:39799363	研究论文	本研究开发了一种基于RTMpose深度学习技术的模型，用于快速自动测量青少年特发性脊柱侧凸（AIS）患者的全脊柱X光片矢状面参数	利用RTMpose深度学习技术自动化测量过程，解决了手动测量耗时及个体间差异大的问题	不同医院数据格式和规格的变异性，通过数据增强技术进行了处理	开发一种深度学习模型，用于快速自动测量AIS患者的全脊柱X光片矢状面参数	10-18岁青少年特发性脊柱侧凸（AIS）患者	数字病理	脊柱侧凸	RTMpose深度学习技术	RTMpose	X光图像	560张全脊柱矢状面X光片，来自内蒙古五家医院
594	2025-05-02	Deep learning algorithms enable MRI-based scapular morphology analysis with values comparable to CT-based assessments 2025-Jan-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-84107-7 PMID:39794358	research paper	本研究提出了一种基于深度学习的MRI肩胛骨形态分析方法，其准确性可与CT评估相媲美	利用深度学习技术克服MRI各向异性分辨率和有限视野的限制，实现自动化的肩胛骨形态分析	研究未提及该方法在不同MRI扫描仪或参数下的泛化能力	开发一种无需CT即可准确评估肩胛骨形态的MRI分析方法	肩胛骨的形态学特征	digital pathology	rotator cuff tear	MRI, CT	deep learning segmentation network	3D medical image	未明确说明样本数量
595	2025-05-02	Transformer-based modeling of Clonal Selection and Expression Dynamics reveals resistance mechanisms in breast cancer 2025-Jan-10, NPJ systems biology and applications IF:3.5Q1 DOI:10.1038/s41540-024-00485-8 PMID:39794360	研究论文	提出了一种基于Transformer的动态深度学习模型TraCSED，用于模拟乳腺癌中的克隆选择和表达动态，揭示耐药机制	开发了TraCSED模型，能够识别与克隆选择相关的可解释基因程序及其时间点，揭示了传统差异分析方法未能发现的耐药机制	研究仅针对giredestrant和palbociclib两种药物治疗的乳腺癌细胞，可能不适用于其他癌症类型或治疗方式	研究乳腺癌细胞转录异质性及其对治疗反应的影响，以识别耐药机制	乳腺癌细胞	数字病理学	乳腺癌	单细胞RNA测序(scRNA-seq)	Transformer	基因表达数据	未明确提及具体样本数量
596	2025-05-02	A hybrid explainable model based on advanced machine learning and deep learning models for classifying brain tumors using MRI images 2025-Jan-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-85874-7 PMID:39794374	研究论文	提出了一种结合轻量级并行深度可分离卷积神经网络（PDSCNN）和混合岭回归极限学习机（RRELM）的新方法，用于基于MRI图像准确分类四种脑肿瘤	结合PDSCNN和RRELM模型，通过CLAHE增强MRI图像特征，显著提高了分类性能，并利用SHAP增强了模型的可解释性	未提及具体的数据集规模或多样性限制	提高脑肿瘤的早期检测和准确分类，以支持有效治疗策略	四种脑肿瘤（胶质瘤、脑膜瘤、无肿瘤和垂体瘤）的MRI图像	计算机视觉	脑肿瘤	对比度受限的自适应直方图均衡化（CLAHE）	PDSCNN和RRELM	MRI图像	未明确提及样本数量
597	2025-05-02	Robustly detecting mpox and non-mpox using a deep learning framework based on image inpainting 2025-01-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-85771-z PMID:39794381	research paper	提出了一种基于图像修复的深度学习框架MIM，用于稳健检测猴痘和非猴痘病例	MIM策略通过图像修复学习猴痘图像特征，能有效处理未知类别和异常输入，优于现有的多类分类模型	未明确说明模型在更大规模或多样化数据集上的性能表现	开发一种稳健的猴痘检测技术以弥补当前诊断技术的不足	猴痘和非猴痘皮肤疾病图像	computer vision	猴痘	image inpainting	GAN	image	MSLD猴痘数据集和包含18类非猴痘皮肤疾病的数据集
598	2025-05-02	Characteristics of successful expansion of tumor-infiltrating lymphocytes from colorectal cancer liver metastasis 2025-Jan-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-85892-5 PMID:39794519	research paper	该研究探讨了从结直肠癌肝转移组织中成功扩增肿瘤浸润淋巴细胞（TILs）的特征及其与组织病理学因素的相关性	首次系统研究了结直肠癌肝转移组织中TILs的扩增特性，并发现KM评分可作为TILs扩增潜力的预测指标	样本量较小（仅15例），且仅5例进行了快速扩增实验	探索结直肠癌肝转移组织中TILs的扩增特性及其临床应用潜力	结直肠癌肝转移患者的肿瘤组织样本	digital pathology	colorectal cancer	TILs培养技术，深度学习空间分析	NA	组织样本数据，细胞计数数据	15例结直肠癌肝转移组织样本（其中5例进行快速扩增）
599	2025-05-02	Predicting Age and Visual-Motor Integration Using Origami Photographs: Deep Learning Study 2025-Jan-10, JMIR formative research IF:2.0Q4 DOI:10.2196/58421 PMID:39803896	研究论文	本研究应用AI技术通过折纸照片预测儿童的年龄和视觉-运动整合(VMI)发展	首次将深度学习模型应用于折纸作品分析，以预测儿童年龄和VMI发展水平	研究样本仅包含2-6岁儿童，且仅使用折纸狗一种模型进行测试	探索AI技术在儿童发展评估中的应用潜力	515名2-6岁儿童的折纸作品	计算机视觉	NA	深度学习	ResNet-50, XGBoost, 多层感知机	图像(折纸照片)	515名儿童(训练组与测试组比例为4:1)
600	2025-05-02	Awareness and Attitude Toward Artificial Intelligence Among Medical Students and Pathology Trainees: Survey Study 2025-Jan-10, JMIR medical education IF:3.2Q1 DOI:10.2196/62669 PMID:39803949	研究论文	本研究通过问卷调查评估和比较了医学生和病理学培训生对人工智能（AI）在医学中应用的认知和态度	首次分析了约旦医学生对AI的看法和认知，并首次纳入了病理学住院医师的视角	研究仅针对约旦的5所公立医学院校和4个住院医师培训项目，样本代表性可能有限	评估医学生和病理学培训生对医学AI相关态度的差异，并阐明他们在AI增强医疗快速演变中的预期角色	医学生和病理学培训生	数字病理	NA	问卷调查	NA	调查数据	394名受访者（328名医学生和66名病理学住院医师）