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
621	2025-05-29	Non-traditional socio-environmental and geospatial determinants of Alzheimer's disease-related dementia mortality 2025-May-26, The Science of the total environment DOI:10.1016/j.scitotenv.2025.179745 PMID:40424712	研究论文	研究非传统环境和社会因素对阿尔茨海默病相关痴呆（ADRD）死亡率的影响	首次将空气污染、社会脆弱性和地理空间特征与非传统因素结合，分析其对ADRD死亡率的影响	研究为横断面设计，无法确定因果关系	确定空气污染、社会脆弱性和地理空间特征与ADRD死亡率的关系	美国大陆各县的ADRD死亡率数据	公共卫生	老年病	Patient Rule Induction Method (PRIM), SHapley Additive exPlanations (SHAP), 深度学习	PRIM, SHAP	环境数据、社会脆弱性指数、地理空间数据	美国大陆各县的数据
622	2025-05-29	Integrating AI/ML and multi-omics approaches to investigate the role of TNFRSF10A/TRAILR1 and its potential targets in pancreatic cancer 2025-May-26, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110432 PMID:40424767	研究论文	本文通过整合AI/ML和多组学方法，研究了TNFRSF10A/TRAILR1在胰腺癌中的潜在治疗靶点作用	结合了深度学习驱动的QSAR建模、单细胞空间转录组学和竞争性内源RNA网络分析，预测并验证了TNFRSF10A作为胰腺癌的治疗靶点	研究结果尚未进行临床验证，且样本来源和数量未明确说明	探索胰腺导管腺癌（PDAC）的治疗新靶点及潜在药物	胰腺导管腺癌（PDAC）及其微环境中的癌细胞	数字病理	胰腺癌	多组学分析（包括基因组学、单细胞空间转录组学、蛋白质组学）、QSAR建模、分子动力学模拟	SELFormer（基于Transformer的深度学习模型）	基因组数据、转录组数据、蛋白质组数据	NA
623	2025-05-29	Automated material flow characterization of WEEE in sorting plants using deep learning and regression models on RGB data 2025-May-26, Waste management (New York, N.Y.) DOI:10.1016/j.wasman.2025.114904 PMID:40424857	研究论文	本文提出了一种基于深度学习和回归模型的自动化方法，用于在电子废弃物分拣厂中通过RGB数据进行材料流表征	结合深度学习进行材料类型识别、回归模型预测单个颗粒质量，并将质量聚合为材料流组成	该方法尚未成功应用于粉碎后的电子废弃物	优化电子废弃物回收过程中的材料流组成分析	电子废弃物（WEEE）中的铁金属、非铁金属、印刷电路板和塑料	计算机视觉	NA	RGB摄像头、YOLO v11目标检测、K近邻回归	YOLO、k-NN	图像	NA
624	2025-05-29	EnsembleEdgeFusion: advancing semantic segmentation in microvascular decompression imaging with innovative ensemble techniques 2025-May-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-02470-5 PMID:40410312	research paper	该研究提出了一种创新的集成技术EnsembleEdgeFusion，用于提升微血管减压影像中的语义分割性能	引入了集成技术（如堆叠和装袋）来提升分割性能，特别是装袋与朴素贝叶斯方法结合表现出显著改进	公开可用的数据集稀缺，且专家标注要求高	提升微血管减压影像中的语义分割性能	2003张RGB微血管减压影像及其标注掩码	digital pathology	NA	语义分割	DeepLabv3+, U-Net, DilatedFastFCN with JPU, DANet, Vanilla architecture	image	2003张RGB微血管减压影像
625	2025-05-29	Emergence of human-like attention and distinct head clusters in self-supervised vision transformers: A comparative eye-tracking study 2025-May-21, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.107595 PMID:40424761	研究论文	本研究比较了自监督学习的Vision Transformers（ViTs）与传统视觉注意力模型在预测人类凝视行为上的差异	发现自监督DINO训练的ViTs能形成与人类凝视行为高度一致的结构化注意力，并自主分化为三种不同的注意力头集群	研究仅针对视频观看场景，未验证在其他视觉任务中的表现	探索自监督学习如何使ViTs产生更接近生物视觉的注意力机制	Vision Transformers的注意力机制与人类凝视行为	计算机视觉	NA	自监督学习（DINO）	ViT (Vision Transformer)	视频	NA
626	2025-05-29	Machine learning in neuroimaging and computational pathophysiology of Parkinson's disease: A comprehensive review and meta-analysis 2025-May-20, Asian journal of psychiatry IF:3.8Q1 DOI:10.1016/j.ajp.2025.104537 PMID:40424835	综述与荟萃分析	本文全面回顾和荟萃分析了机器学习和深度学习在帕金森病神经影像学和计算病理生理学中的应用	提出了Meta-Park模型用于帕金森病诊断，训练、测试和验证准确率分别达到97.67%、95%和94.04%	研究指出需要更广泛和多样化的数据集以及改进模型的可访问性	通过数据驱动的方法为帕金森病的早期诊断和有效治疗提供创新决策	帕金森病患者的MRI、语音和手写数据集	神经影像学与计算病理生理学	帕金森病	机器学习和深度学习	Meta-Park模型	MRI图像、语音数据和手写数据	NA
627	2025-05-29	Investigating the interpretability of ChatGPT in mental health counseling: An analysis of artificial intelligence generated content differentiation 2025-May-20, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108864 PMID:40424870	research paper	评估ChatGPT在心理健康咨询中的有效性和情感支持能力，并探讨如何区分AI生成内容与用户生成内容	首次从宏观和微观两个层面评估ChatGPT的心理咨询能力，并开发了区分AI生成内容的深度学习模型	未涉及ChatGPT在长期心理咨询中的表现评估，以及不同文化背景下的适用性	评估大型语言模型在心理健康咨询中的应用潜力	ChatGPT生成的心理咨询内容和人类专家的咨询内容	natural language processing	mental health	BERTopic算法, LIME, SHAP	deep learning models	text	未明确说明样本数量
628	2025-05-29	Pancreas segmentation using AI developed on the largest CT dataset with multi-institutional validation and implications for early cancer detection 2025-May-16, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-01802-9 PMID:40379726	research paper	该研究开发了一种基于深度学习的卷积神经网络（CNN）用于胰腺的自动化分割，并在大规模CT数据集上进行了验证	使用了迄今为止最大的单机构数据集（n=3031 CTs）进行训练，并在多机构数据集AbdomenCT-1K（n=585）上进行了外部验证，展示了模型的高空间一致性和鲁棒性	未提及具体局限性，但可能包括模型在更广泛人群或不同成像条件下的泛化能力需要进一步验证	开发一种准确且全自动的胰腺分割方法，以推动早期胰腺癌检测的影像生物标志物研究	胰腺的CT影像	digital pathology	pancreatic cancer	deep learning, CT imaging	3D nnU-Net	CT images	3031 CTs（训练集），585 CTs（外部验证集），452 CTs（测试集）
629	2025-05-29	Multicenter development of a deep learning radiomics and dosiomics nomogram to predict radiation pneumonia risk in non-small cell lung cancer 2025-May-16, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-02045-4 PMID:40379764	研究论文	本研究旨在开发一个结合放射组学、剂量组学和深度学习的模型，以预测非小细胞肺癌患者放疗后肺炎的风险	结合放射组学、剂量组学和深度学习特征，构建多维度预测模型，提高预测准确性	研究为回顾性设计，样本量相对较小（245例患者）	提高非小细胞肺癌患者放疗后肺炎风险的预测能力	非小细胞肺癌患者	数字病理	肺癌	放射组学、剂量组学、深度学习	深度学习放射组学和剂量组学列线图（DLRDN）	CT图像、剂量测定图像	245例非小细胞肺癌患者（来自三家医院）
630	2025-05-29	Deep Learning-Based Retinoblastoma Protein Subtyping of Pulmonary Large-Cell Neuroendocrine Carcinoma on Small Hematoxylin and Eosin-Stained Specimens 2025-May-08, Laboratory investigation; a journal of technical methods and pathology DOI:10.1016/j.labinv.2025.104192 PMID:40345665	研究论文	本研究探讨了深度学习在基于小苏木精和伊红染色样本的肺大细胞神经内分泌癌中视网膜母细胞瘤蛋白亚型分型的应用	开发了一种定制的卷积神经网络，用于预测小样本中pRb的二元表达，显著优于病理学家的传统分类方法	样本量相对较小，仅包含143个切除标本和21例患者的活检样本	探索深度学习在肺大细胞神经内分泌癌分子亚型分型中的应用潜力	肺大细胞神经内分泌癌(LCNEC)组织样本	数字病理学	肺癌	深度学习	CNN	图像	143个切除标本和21例患者的活检样本
631	2025-05-29	Data-driven machine learning algorithm model for pneumonia prediction and determinant factor stratification among children aged 6-23 months in Ethiopia 2025-May-02, BMC infectious diseases IF:3.4Q2 DOI:10.1186/s12879-025-10916-4 PMID:40316929	研究论文	本研究开发了一种基于机器学习的预测模型，用于预测埃塞俄比亚6-23个月儿童的肺炎及其决定因素分层	使用随机森林算法预测肺炎并分层其决定因素，准确率达到91.3%	研究依赖于2016年的数据，可能无法反映最新情况，且未使用深度学习算法以提高预测准确性	开发数据驱动的预测模型，预测儿童肺炎并分层其决定因素	埃塞俄比亚6-23个月的儿童	机器学习	肺炎	机器学习算法（随机森林等）	随机森林	结构化健康调查数据	2035名儿童样本
632	2025-05-29	Deep learning in 3D cardiac reconstruction: a systematic review of methodologies and dataset 2025-May, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-024-03273-y PMID:39753994	系统性综述	本文提出了一种结合深度学习模型和计算技术的先进方法，用于3D心脏重建，解决了心脏建模和分割中的关键挑战	结合统计形状建模(SSM)、图卷积网络(GCNs)和渐进式GANs进行3D心脏重建，特别是利用渐进式GANs生成合成数据以增强罕见心脏病的建模	未明确提及具体局限性，但可能涉及数据集的多样性和模型泛化能力	开发一种自动化的高分辨率3D心脏重建方法，适用于临床和研究环境	心脏的3D重建，特别是先天性心脏病等复杂心脏状况	计算机视觉	心血管疾病	统计形状建模(SSM)、图卷积网络(GCNs)、渐进式GANs	GCNs, GANs	3D图像	包括UK Biobank、MICCAI MM-WHS挑战赛和先天性心脏病的临床数据集
633	2025-05-29	Large blood vessel segmentation in quantitative DCE-MRI of brain tumors: A Swin UNETR approach 2025-May, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2025.110342 PMID:39892479	研究论文	本研究提出了一种基于深度学习的自动大血管分割方法，用于定量DCE-MRI中的脑肿瘤分级	采用Swin UNETR架构进行大血管自动分割，并与U-Net和Attention U-Net架构进行比较，展示了优越性能	研究未提及模型在小样本或罕见肿瘤类型上的泛化能力	提高脑肿瘤自动分级的准确性及治疗计划的支持	脑肿瘤患者的大血管分割	数字病理学	脑肿瘤	定量动态对比增强磁共振成像（DCE-MRI）	Swin UNETR, U-Net, Attention U-Net	MRI图像	187名脑肿瘤患者的MRI数据，来自两个中心、两个厂商和两种场强的磁共振扫描仪
634	2025-05-29	Deterministic Autoencoder using Wasserstein loss for tabular data generation 2025-May, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.107208 PMID:39893805	研究论文	本文提出了一种基于Wasserstein损失函数的确定性自编码器（TWAE），用于表格数据生成，解决了变分自编码器在表格数据合成中的局限性	利用Wasserstein自编码器的确定性编码机制，实现了输入到潜在代码的确定性映射，增强了潜在空间的稳定性和表达能力，并实现了与浅层插值机制（如SMOTE）的无缝集成	NA	解决表格数据生成中的复杂性和局限性，提供一种更稳定和高效的合成方法	表格数据	机器学习	NA	Wasserstein自编码器，SMOTE	Autoencoder	表格数据	NA
635	2025-05-29	Patient- and fraction-specific magnetic resonance volume reconstruction from orthogonal images with generative adversarial networks 2025-May, Medical physics IF:3.2Q1 DOI:10.1002/mp.17668 PMID:39904621	研究论文	开发了一种基于条件生成对抗网络（GAN）的个性化微调工作流程，用于从正交2D MR图像重建合成3D MR体积，以实现在线剂量适应	采用患者和分次特定的微调方法，克服了深度学习模型在小数据集上的性能限制	研究样本量相对较小，仅包含43名患者的数据	提高从2D MR图像重建3D MR体积的准确性和效率，支持在线剂量适应	MR图像和3D MR体积	医学影像处理	前列腺癌	MR成像	条件GAN	图像	43名患者的2473个3D MR体积
636	2025-05-29	Unraveling the three-dimensional genome structure using machine learning 2025-May, BMB reports IF:2.9Q3 PMID:40058875	综述	本文综述了利用机器学习技术解析三维基因组结构的研究进展	系统总结了基于机器学习的染色体结构分析方法，包括从DNA序列预测相互作用、从Hi-C数据识别层次结构以及提高染色体接触频率图分辨率的方法	未提及具体方法的性能比较和实际应用效果	探索机器学习在三维基因组结构研究中的应用	染色质相互作用和三维基因组结构	机器学习	NA	Hi-C测序	深度学习	基因组数据	NA
637	2025-05-29	A magnetic resonance image-based deep learning radiomics nomogram for hepatocyte cytokeratin 7 expression: application to predict cholestasis progression in children with pancreaticobiliary maljunction 2025-May, Pediatric radiology IF:2.1Q2 DOI:10.1007/s00247-025-06225-2 PMID:40186654	研究论文	利用磁共振图像构建深度学习放射组学列线图，预测胰腺胆管连接不良患儿肝细胞角蛋白7表达及胆汁淤积进展	首次开发基于MRI的非侵入性方法评估肝细胞CK7状态，结合放射组学和深度学习特征构建预测模型	样本量较小（180例），且为回顾性研究	开发术前识别肝细胞CK7状态并评估胆汁淤积进展的预测工具	胰腺胆管连接不良患儿	数字病理学	胰腺胆管连接不良	MRI、免疫组化分析	ResNet50	磁共振图像	180例胰腺胆管连接不良患者（训练集144例，验证集36例）
638	2025-05-29	Predicting Major Adverse Cardiac Events Using Deep Learning-based Coronary Artery Disease Analysis at CT Angiography 2025-May, Radiology. Artificial intelligence DOI:10.1148/ryai.240459 PMID:40202417	研究论文	评估基于深度学习的冠状动脉疾病分析在预测急诊科急性胸痛患者主要不良心脏事件中的价值	使用深度学习模型对冠状动脉疾病程度进行分析，预测主要不良心脏事件，相比临床风险因素具有更强的预测价值	研究为回顾性多中心观察性研究，可能存在选择偏倚	评估深度学习在冠状动脉疾病分析和主要不良心脏事件预测中的应用	急诊科急性胸痛患者	数字病理学	心血管疾病	CT血管造影	深度学习模型	图像	408名患者（224名男性；平均年龄59.4岁±14.6）
639	2025-05-29	Deep Anatomical Federated Network (Dafne): An Open Client-Server Framework for Continuous, Collaborative Improvement of Deep Learning-based Medical Image Segmentation 2025-May, Radiology. Artificial intelligence DOI:10.1148/ryai.240097 PMID:40237599	research paper	介绍并评估了Dafne，一个免费可用的去中心化协作深度学习系统，用于通过联邦增量学习对放射影像进行语义分割	提出了一个开放的客户端-服务器框架，支持持续协作改进基于深度学习的医学图像分割	NA	开发并评估一个用于医学图像语义分割的协作深度学习系统	放射影像	digital pathology	NA	federated incremental learning	deep learning	image	38 MRI数据集和639个实际使用案例
640	2025-05-29	Using deep learning for estimation of time-since-injury in pediatric accidental fractures 2025-May, Pediatric radiology IF:2.1Q2 DOI:10.1007/s00247-025-06223-4 PMID:40258953	研究论文	使用深度学习模型评估儿童意外长骨骨折的受伤时间	首次应用深度学习模型对儿童长骨骨折的受伤时间进行准确估计，提高了骨折时间评估的精确度	研究数据仅来自一家儿童医院，可能缺乏地域多样性	提高儿童意外长骨骨折受伤时间的评估准确性	6岁以下儿童的长骨骨折影像	数字病理学	骨折	深度学习	深度学习模型	影像	来自399名患者的2,328张X光片