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
6581	2025-03-26	Genome-wide association analysis reveals insights into the genetic architecture of right ventricular structure and function 2022-06, Nature genetics IF:31.7Q1 DOI:10.1038/s41588-022-01083-2 PMID:35697868	research paper	该研究通过全基因组关联分析揭示了右心室结构和功能的遗传基础	首次利用深度学习算法对心血管磁共振图像进行分析，识别了25个与右心室表型相关的独特基因位点	研究样本主要来自UK Biobank，可能限制了结果的普遍性	探索右心室测量指标的遗传基础	29,506名UK Biobank参与者的右心室表型数据	machine learning	cardiovascular disease	全基因组关联分析(GWAS), 心血管磁共振成像	deep learning	image	29,506名UK Biobank参与者(初始研究), 41,830名(验证阶段)
6582	2025-03-26	Deep Learning Segmentation of Triple-Negative Breast Cancer (TNBC) Patient Derived Tumor Xenograft (PDX) and Sensitivity of Radiomic Pipeline to Tumor Probability Boundary 2021-Jul-28, Cancers IF:4.5Q1 DOI:10.3390/cancers13153795 PMID:34359696	research paper	该研究开发了一种深度学习算法，用于自动定位和描绘三阴性乳腺癌患者来源的异种移植肿瘤的MRI图像，并评估了放射组学特征对肿瘤边界的敏感性	使用五种不同的网络架构进行肿瘤分割，并评估放射组学特征对肿瘤边界的敏感性，其中D-R2UNet表现最佳	研究仅针对三阴性乳腺癌患者来源的异种移植肿瘤，未涉及其他类型肿瘤	开发自动化管道以准确分割MRI图像中的肿瘤，并评估放射组学特征对肿瘤边界的敏感性	三阴性乳腺癌患者来源的异种移植肿瘤的T1w和T2w MRI图像	digital pathology	breast cancer	MRI	U-Net, dense U-Net, Res-Net, R2UNet, D-R2UNet	image	未明确提及具体样本数量
6583	2025-03-25	Ink classification in historical documents using hyperspectral imaging and machine learning methods 2025-Jul-05, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2025.125916 PMID:40049019	研究论文	本研究探索了使用高光谱成像和机器学习技术对历史文献中的墨水进行分类	结合高光谱成像和多种机器学习方法（包括传统算法和深度学习模型）进行墨水分类，并在具有挑战性的条件下实现高准确率	仅针对三种特定类型的墨水进行分类，可能不适用于其他类型的墨水	开发非侵入性的墨水识别和映射方法，以促进历史文献的保护和分析	历史文献中的墨水（纯金属没食子酸墨水、含碳墨水和非含碳墨水）	计算机视觉	NA	高光谱成像	SVM, KNN, LDA, Random Forest, PLS-DA, DL-based model	图像	模拟样本和历史文献样本
6584	2025-03-25	Detection of basal cell carcinoma by machine learning-assisted ex vivo confocal laser scanning microscopy 2025-Apr, International journal of dermatology IF:3.5Q1 DOI:10.1111/ijd.17519 PMID:39627947	研究论文	本研究开发了一种基于机器学习的算法，用于在离体共聚焦激光扫描显微镜（EVCM）图像中检测基底细胞癌（BCC）	首次将卷积神经网络（MobileNet-V1）应用于EVCM图像中的BCC检测，以辅助临床决策	样本量较小（50张训练图像和19张测试图像），且为概念验证研究	通过机器学习算法提高EVCM图像中基底细胞癌的检测效率，减少专业人员培训时间	基底细胞癌（BCC）的离体组织样本	数字病理学	基底细胞癌	离体共聚焦激光扫描显微镜（EVCM）	CNN（MobileNet-V1）	图像	50张训练EVCM图像（来自组织学确认的BCC新鲜组织样本）和19张测试图像（10张含肿瘤，9张无肿瘤）
6585	2025-03-25	Collaborative Deep Learning and Information Fusion of Heterogeneous Latent Variable Models for Industrial Quality Prediction 2025-Apr, IEEE transactions on cybernetics IF:9.4Q1 DOI:10.1109/TCYB.2025.3537809 PMID:40036535	研究论文	本文提出了一种结合深度学习和信息融合的异构潜在变量模型框架，用于工业质量预测	通过协作逐层特征提取和异构模型集成，提高了质量预测的准确性和稳定性	仅通过两个工业案例验证了方法的有效性，可能需要更多案例进一步验证	提高工业质量预测的准确性和稳定性	工业质量预测系统	机器学习	NA	深度学习, 信息融合, 集成学习	潜在变量模型	工业质量数据	两个真实工业案例
6586	2025-03-25	Co-Training Broad Siamese-Like Network for Coupled-View Semi-Supervised Learning 2025-Apr, IEEE transactions on cybernetics IF:9.4Q1 DOI:10.1109/TCYB.2025.3531441 PMID:40036533	研究论文	提出了一种用于耦合视图半监督分类的协同训练宽Siamese-like网络（Co-BSLN）	利用基于宽学习系统（BLS）的简单浅层网络简化网络结构并减少训练时间，通过直接伪逆计算替代反向传播迭代	未提及具体的数据集规模或特定应用场景的限制	改进多视图半监督学习的准确性和训练效率	多视图数据	机器学习	NA	宽学习系统（BLS）	Co-BSLN（协同训练宽Siamese-like网络）	多视图数据	未提及具体样本数量
6587	2025-03-25	Evaluation of a novel ensemble model for preoperative ovarian cancer diagnosis: Clinical factors, O-RADS, and deep learning radiomics 2025-Apr, Translational oncology IF:4.5Q1 DOI:10.1016/j.tranon.2025.102335 PMID:40048985	research paper	本研究开发了一种结合临床变量、O-RADS和深度学习放射组学的集成模型，用于术前卵巢癌诊断，并评估其对超声医师诊断能力的提升效果	首次将临床变量、O-RADS评分和深度学习放射组学特征相结合，构建集成模型，显著提高了卵巢癌的诊断准确性和超声医师的诊断能力	研究仅基于两个中心的数据，可能需要更多外部验证以确认模型的泛化能力	提高术前卵巢癌诊断的准确性并评估模型对超声医师诊断能力的提升效果	卵巢癌患者	digital pathology	ovarian cancer	deep learning radiomics, LASSO method	ensemble model	transvaginal ultrasound images	来自两个中心的数据（具体样本量未明确说明）
6588	2025-03-25	Gran canaria vegetation segmentation dataset from multi-year aerial imagery for environmental monitoring and conservation 2025-Apr, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2025.111419 PMID:40124302	research paper	介绍了一个针对Gran Canaria（加那利群岛，西班牙）的新数据集，旨在通过计算机视觉技术自动生成植被地图	该数据集在基于航拍图像的语义分割领域中独特，提供了20个明确定义的植被群落的详细注释，超越了现有数据集的广泛分类	NA	开发并测试能够自动生成植被地图的深度学习模型，以支持环境监测和保护	Gran Canaria的植被群落	computer vision	NA	deep learning, computer vision	NA	aerial imagery	20个明确定义的植被群落，以及五个非植被类别（如水体、道路或建筑物）
6589	2025-03-25	Thermal conductivity of the layered titanate K0.8Li0.27Ti1.73O4 explored by a deep learning interatomic potential 2025-Mar-28, The Journal of chemical physics IF:3.1Q1 DOI:10.1063/5.0255515 PMID:40125679	研究论文	本研究通过深度学习原子间势能预测层状钛酸盐K0.8Li0.27Ti1.73O4的热导率	采用深度神经网络模型构建原子间势能，克服了传统方法的局限性，为层状材料的热导率研究提供了新方法	研究仅针对K0.8Li0.27Ti1.73O4一种材料，未验证其他层状材料的适用性	预测层状氧化物材料的热导率	层状钛酸盐K0.8Li0.27Ti1.73O4 (KLTO)	材料科学	NA	深度学习	深度神经网络	原子力、能量和弹性性质数据	NA
6590	2025-03-25	Deep learning for cardiac abnormalities in chest X-rays: performance metrics with imbalanced data and extracardiac objects 2025-Mar-24, European heart journal IF:37.6Q1 DOI:10.1093/eurheartj/ehae759 PMID:39776179	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
6591	2025-03-25	Transforming wearable sensor data for robust feature selection in human activity recognition using reinforcement learning approach 2025-Mar-24, Computer methods in biomechanics and biomedical engineering IF:1.7Q3 DOI:10.1080/10255842.2025.2480686 PMID:40125899	研究论文	本文提出了一种利用深度强化学习方法处理可穿戴传感器数据，以提高人体活动识别的准确性和鲁棒性	结合生成式演员-评论家（GAC）方法和循环生成对抗网络，增强了类间差异并减少了类内变化，提高了噪声环境下的识别准确率	未提及该方法在实时处理或计算资源消耗方面的表现	提高可穿戴传感器数据在人体活动识别中的准确性和鲁棒性	可穿戴传感器收集的人体活动数据	机器学习	NA	深度强化学习（GAC）、循环生成对抗网络	GAC、GAN	时间序列传感器数据	UCI-HAR和Motion Sense数据集（具体样本量未提及）
6592	2025-03-25	Parallel convolutional SpinalNet: A hybrid deep learning approach for breast cancer detection using mammogram images 2025-Mar-24, Network (Bristol, England) DOI:10.1080/0954898X.2025.2480299 PMID:40125951	研究论文	提出了一种并行卷积SpinalNet混合深度学习模型，用于通过乳腺X光图像高效检测乳腺癌	结合并行卷积神经网络(PCNN)和SpinalNet开发了PConv-SpinalNet模型，在乳腺癌检测中表现出色	NA	通过深度学习技术提高乳腺癌检测的准确率	乳腺X光图像中的肿瘤检测	计算机视觉	乳腺癌	Gabor滤波器、LadderNet、图像增强技术(图像操作、图像擦除、图像混合)、多种特征提取方法(CNN特征、Texton、LGBP、SIFT、LMP与DCT)	PConv-SpinalNet (PCNN与SpinalNet的集成)	图像	NA
6593	2025-03-25	HUNHODRL: Energy efficient resource distribution in a cloud environment using hybrid optimized deep reinforcement model with HunterPlus scheduler 2025-Mar-24, Network (Bristol, England) DOI:10.1080/0954898X.2025.2480294 PMID:40126006	研究论文	提出一种基于深度学习的签名验证方法，用于增强教育安全和合法性	采用VGG19架构处理学生签名的独特特征，提供灵活性和可扩展性	未提及对不同签名风格和文化差异的适应性	解决学生签名验证问题，提升学术机构的安全性和合法性	学生签名	机器学习	NA	深度学习	CNN (VGG19)	图像	未明确提及
6594	2025-03-25	Leveraging the internet of things and optimized deep residual networks for improved foliar disease detection in apple orchards 2025-Mar-24, Network (Bristol, England) DOI:10.1080/0954898X.2025.2472626 PMID:40126079	研究论文	本文提出了一种基于深度学习的苹果叶部病害分类方法，结合了Tunicate Swarm Sine Cosine算法优化的深度残差网络（TSSCA-based DRN）	提出了TSSCA-based DRN模型，结合了Tunicate Swarm算法和Sine Cosine算法，显著提高了分类器的性能	NA	提高苹果叶部病害的检测准确率	苹果树的叶部病害	计算机视觉	植物病害	深度残差网络（DRN）、Tunicate Swarm算法（TSA）、Sine Cosine算法（SCA）	TSSCA-based DRN	图像	Plant Pathology 2020 - FGVC7数据集
6595	2025-03-25	Generation of a High-Precision Whole Liver Panorama and Cross-Scale 3D Pathological Analysis for Hepatic Fibrosis 2025-Mar-24, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202502744 PMID:40126158	research paper	该研究通过结合微光学切片断层扫描(MOST)系统和肝脏尼氏染色，生成了首个高精度全小鼠肝脏图谱，并构建了CCl4诱导的肝纤维化病理的详细3D全景图	首次生成了高精度全小鼠肝脏图谱，实现了从2D到3D视角的病理研究转变，并利用深度学习工具对脂肪变性肝细胞进行分割	研究仅针对小鼠肝脏，未涉及人类肝脏或其他动物模型	阐明全肝尺度的肝脏解剖结构及其病理变化，促进肝纤维化研究	小鼠肝脏	digital pathology	hepatic fibrosis	micro-optical sectioning tomography (MOST), Nissl staining	deep learning	3D image	小鼠肝脏样本
6596	2025-03-25	Correlation of point-wise retinal sensitivity with localized features of diabetic macular edema using deep learning 2025-Mar-23, Canadian journal of ophthalmology. Journal canadien d'ophtalmologie DOI:10.1016/j.jcjo.2025.02.013 PMID:40090368	research paper	本研究使用深度学习技术评估糖尿病黄斑水肿（DME）局部特征与点状视网膜敏感度（RS）之间的关联	首次使用深度学习算法自动量化OCT扫描中的视网膜内液（IRF）和椭圆体区（EZ）厚度，并分析其与点状视网膜敏感度的关联	样本量较小（20名患者的20只眼），且EZ厚度在硬性渗出物（HEs）下方的值被排除	评估糖尿病黄斑水肿（DME）的局部特征与点状视网膜敏感度（RS）之间的关联	20名临床显著DME患者的20只眼	digital pathology	diabetic macular edema	OCT, microperimetry (MP), deep learning (DL)	DL-based algorithms	OCT scans, microperimetry data	20 eyes of 20 patients with clinically significant DME
6597	2025-03-25	Artificial intelligence in cardiac telemetry 2025-Mar-23, Heart (British Cardiac Society) DOI:10.1136/heartjnl-2024-323947 PMID:40122590	review	本文综述了人工智能在心电遥测中的当前状态，重点关注深度学习技术及其临床应用	探讨了从传统统计机器学习模型转向更先进的深度神经网络，展示了现代AI模型在遥测数据中检测复杂模式的卓越准确性	讨论了这些模型面临的挑战和局限性	研究人工智能在心电遥测中的应用及其未来发展	心电遥测数据	machine learning	cardiovascular disease	deep learning	deep neural networks	telemetry data	NA
6598	2025-03-25	Enhancing Schizophrenia Diagnosis Through Multi-View EEG Analysis: Integrating Raw Signals and Spectrograms in a Deep Learning Framework 2025-Mar-23, Clinical EEG and neuroscience IF:1.6Q3 DOI:10.1177/15500594251328068 PMID:40123224	research paper	该研究提出了一种深度学习框架，通过整合原始多通道EEG信号及其频谱图来增强精神分裂症的诊断	创新点在于采用双分支模型处理互补数据视图，结合深度卷积有效整合EEG通道间的空间依赖性，同时捕捉时间动态和频率特定特征	研究样本量较小（分别为84和28名受试者），可能影响模型的泛化能力	开发精确且自动化的精神分裂症检测工具，改善临床诊断效果	精神分裂症患者的多通道EEG信号及其频谱图	digital pathology	精神分裂症	EEG信号分析	深度学习框架（双分支模型）	EEG信号（原始信号和频谱图）	两个数据集（84名和28名受试者）
6599	2025-03-25	Synthetic bone marrow images augment real samples in developing acute myeloid leukemia microscopy classification models 2025-Mar-22, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-025-01563-9 PMID:40118991	research paper	该研究探讨了使用生成对抗网络（GANs）合成骨髓涂片（BMS）图像以增强急性髓系白血病（AML）显微镜分类模型的训练效果	利用StyleGAN2-Ada生成高质量的合成骨髓涂片图像，并通过视觉图灵测试验证其质量，同时展示了合成数据在罕见疾病分类中的性能提升	研究仅针对AML和APL两种疾病，未涵盖其他类型的白血病或骨髓疾病	开发高准确度的显微镜图像分类模型，解决数据共享的隐私问题	骨髓涂片图像，包括AML、APL患者及干细胞供者的样本	digital pathology	acute myeloid leukemia	GANs, StyleGAN2-Ada	GAN, DL classifiers	image	1251名AML患者、51名APL患者和236名干细胞供者的骨髓涂片图像
6600	2025-03-25	RNALoc-LM: RNA subcellular localization prediction using pre-trained RNA language model 2025-Mar-22, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaf127 PMID:40119908	research paper	本研究提出了一种名为RNALoc-LM的可解释深度学习框架，利用预训练的RNA语言模型预测RNA亚细胞定位	首次将预训练的RNA语言模型应用于RNA亚细胞定位预测，结合TextCNN、BiLSTM和多头注意力机制提升预测性能	未明确提及具体局限性	开发能够同时预测多种RNA亚细胞定位的精确计算方法	lncRNAs、miRNAs和circRNAs等RNA分子	生物信息学	NA	预训练RNA语言模型、TextCNN、BiLSTM、多头注意力机制	深度学习框架（结合语言模型、CNN、LSTM）	RNA序列数据	未明确提及具体样本量