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
681	2025-07-11	Advancing bioinformatics with large language models: components, applications and perspectives 2025-Jan-31, ArXiv PMID:38259343	综述	本文全面概述了大型语言模型（LLMs）在生物信息学中的关键组成部分、应用及未来展望	探讨了LLMs在解决生物信息学问题上的潜力，超越了其在人类语言建模方面的熟练度	未提及具体的技术限制或数据局限性	推动生物信息学领域的发展，探索LLMs在多组学及药物发现等领域的应用	大型语言模型（LLMs）及其在生物信息学中的应用	生物信息学	NA	自监督学习、半监督学习	transformer模型	多组学数据（基因组学、转录组学、蛋白质组学等）	NA
682	2025-07-11	CellBinDB: a large-scale multimodal annotated dataset for cell segmentation with benchmarking of universal models 2025-Jan-06, GigaScience IF:11.8Q1 DOI:10.1093/gigascience/giaf069 PMID:40552981	研究论文	介绍了一个名为CellBinDB的大规模多模态标注数据集，用于细胞分割，并评估了通用模型的性能	提出了一个包含多种染色方式和组织类型的大规模数据集，并评估了多种细胞分割技术的性能	数据集虽然多样，但可能仍无法涵盖所有可能的细胞形态和成像条件	促进通用细胞分割模型的发展，提高细胞分割技术的泛化能力	人类和小鼠的正常及病变组织中的细胞和细胞核	数字病理学	多种疾病（未具体说明）	多种染色技术（如DAPI、ssDNA、H&E、多重免疫荧光染色）	多种深度学习模型（未具体说明）	图像	超过1000张标注图像，涵盖30多种正常和病变组织类型
683	2025-07-11	Machine Learning in Enhancing Protein Binding Sites Predictions - What Has Changed Since Then? 2025, Combinatorial chemistry & high throughput screening IF:1.6Q3 DOI:10.2174/0113862073305298240524050145 PMID:38867522	综述	本文综述了蛋白质结合位点预测领域的挑战与最新进展，重点介绍了分子动力学模拟、机器学习和深度学习技术的整合应用	整合分子动力学模拟、机器学习和深度学习技术，以捕捉蛋白质-配体相互作用的动态和复杂性	未提及具体的技术实施细节或算法的局限性	提高蛋白质结合位点预测的准确性和可靠性，以促进药物发现	蛋白质结合位点及其与配体的相互作用	机器学习	NA	分子动力学模拟、机器学习、深度学习	NA	结构信息、生化测定数据	NA
684	2025-07-11	Weakly Supervised Bayesian Shape Modeling from Unsegmented Medical Images 2025, Shape in medical imaging : International Workshop, ShapeMI 2024, held in conjunction with MICCAI 2024, Marrakesh, Morocco, October 6, 2024, Proceedings. ShapeMI (Workshop) (2024 : Marrakech, Morocco) PMID:39605948	研究论文	提出一种弱监督的深度学习方法，用于从医学图像中预测统计形状模型（SSM）	通过点云监督减少对强监督的依赖，无需传统SSM构建流程，以数据驱动方式学习形状对应关系	虽然准确性接近全监督方法，但弱监督方式可能在某些情况下影响模型性能	解决传统统计形状建模流程中的繁琐步骤和偏差问题	未分割的医学图像和对应的解剖形状	数字病理	NA	深度学习	BVIB-DeepSSM	医学图像	NA
685	2025-07-11	SDCoT++: Improved Static-Dynamic Co-Teaching for Class-Incremental 3D Object Detection 2025, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1 DOI:10.1109/TIP.2024.3518774 PMID:40030754	研究论文	提出了一种改进的静态-动态协同教学框架SDCoT++，用于解决3D物体检测中的类别增量学习问题	提出静态-动态双教师模型架构，通过静态教师保留旧知识、动态教师传递新知识，并采用伪标签生成和概率校准机制解决类别共现问题	未明确说明方法在极端类别不平衡场景下的表现	解决3D物体检测中的灾难性遗忘问题，实现高效的类别增量学习	3D物体检测模型	计算机视觉	NA	增量学习、伪标签生成	VoteNet, 3DETR, CAGroup3D	3D点云数据	在室内外基准数据集上进行广泛实验
686	2025-07-11	Vibration-based gearbox fault diagnosis using a multi-scale convolutional neural network with depth-wise feature concatenation 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0324905 PMID:40623058	研究论文	提出了一种基于振动信号的齿轮箱故障诊断新方法，使用多尺度卷积神经网络与深度特征拼接的MixNet模型	结合多尺度卷积层与深度特征拼接技术，从振动信号的频谱图中提取区分性特征，提高了诊断准确性和鲁棒性	NA	提高工业环境中齿轮箱故障诊断的准确性和效率	齿轮箱的振动信号	机器学习	NA	短时傅里叶变换(STFT)	CNN	振动信号	齿轮箱故障诊断数据集
687	2025-07-11	Plant attribute extraction: An enhancing three-stage deep learning model for relational triple extraction 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0327186 PMID:40627606	研究论文	本文提出了一种增强的三阶段深度学习模型Bwdgv，用于从文本中提取植物属性的关系三元组	采用改进的三阶段方法优化实体和关系的联合抽取，包括调整BERT的词嵌入层和优化关系预测，相比现有PRGC模型F1值提升1.4%	基于标记的方法可能存在错误放大和参数更新不稳定的问题	从非结构化文本中自动提取植物属性信息以构建知识图谱	植物及其属性（生长环境、生长周期、生态分布等）	自然语言处理	NA	BERT词嵌入调整、多级信息融合	Bwdgv（三阶段深度学习模型）	文本	NA
688	2025-07-11	Deep learning-based risk stratification of ductal carcinoma in situ using mammography and abbreviated breast magnetic resonance imaging 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1587882 PMID:40630196	研究论文	本研究利用深度学习和自然语言处理技术，开发了基于乳腺X线摄影和简化乳腺磁共振成像的导管原位癌风险分层模型	首次开发了针对纯导管原位癌和伴有浸润性导管癌的导管原位癌的两种预测模型，并验证了简化MRI协议与完整诊断协议具有相似的诊断准确性	研究为回顾性分析，样本量相对有限（纯导管原位癌173例，伴有浸润性导管癌210例）	开发导管原位癌的风险分层工具以优化治疗方案	导管原位癌患者	数字病理学	乳腺癌	深度学习和自然语言处理	深度学习模型	医学影像（乳腺X线摄影和MRI）及病理特征	纯导管原位癌173例，伴有浸润性导管癌210例
689	2025-07-11	Combining radiomics and deep learning to predict liver metastasis of gastric cancer on CT image 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1613972 PMID:40630210	研究论文	本研究结合放射组学和深度学习技术，利用CT图像预测胃癌肝转移的发生	首次将经典放射组学特征与深度学习特征结合，构建预测模型，并评估其在区分同步与异时性胃癌肝转移中的表现	研究为回顾性设计，样本量虽大但可能受限于单一中心数据	探索基于CT的深度学习放射组学特征在预测胃癌肝转移中的潜力	1001例经病理确诊的胃癌患者（非转移组689例，肝转移组312例）	数字病理	胃癌	CT成像	深度学习融合模型	医学影像	1001例患者（训练集与测试集未明确划分数量）
690	2025-07-11	Machine Learning for 1-Year Mortality Prediction in Lung Transplant Recipients: ISHLT Registry 2025, Transplant international : official journal of the European Society for Organ Transplantation IF:2.7Q2 DOI:10.3389/ti.2025.14121 PMID:40630785	研究论文	利用国际心肺移植协会（ISHLT）注册数据开发深度学习模型预测肺移植后1年生存率	使用SHapley Additive exPlanations值评估预移植因素的重要性，并开发了仅使用前10个最具影响力因素的简化模型，性能与原始模型相同	外部验证数据集与ISHLT数据集在组成上存在显著差异	优化肺移植候选者选择，提高资源利用效率和患者预后	肺移植受者	机器学习	肺病	深度学习	Gradient Boosting Machine (GBM), Multilayer Perceptron	临床数据	29,364名患者（来自ISHLT注册数据）
691	2025-07-11	Artificial intelligence in atrial fibrillation: emerging applications, research directions and ethical considerations 2025, Frontiers in cardiovascular medicine IF:2.8Q2 DOI:10.3389/fcvm.2025.1596574 PMID:40630898	综述	本文探讨了人工智能（AI）在心房颤动（AF）中的新兴应用、研究方向及伦理考量	AI在AF的早期检测、风险分层和个性化治疗中的应用，尤其是通过机器学习和深度学习技术	算法透明度、偏见、数据整合和监管障碍	探索AI在AF管理中的潜在应用及其对临床实践的影响	心房颤动（AF）患者	机器学习	心血管疾病	机器学习（ML）、深度学习（DL）	NA	心电图（ECG）、可穿戴设备数据、临床数据、影像数据、基因组数据	NA
692	2025-07-11	Quantifying interpretation reproducibility in Vision Transformer models with TAVAC 2024-12-20, Science advances IF:11.7Q1 DOI:10.1126/sciadv.abg0264 PMID:39705362	research paper	本文提出了一种名为TAVAC的度量标准，用于评估Vision Transformer模型在生物医学图像分类任务中的过拟合情况并量化解释的可重复性	引入TAVAC度量标准，通过比较训练和测试阶段的高注意力区域来评估ViT模型的过拟合情况，并量化解释的可重复性	研究主要依赖于有限的标注生物医学图像数据集，可能影响模型的泛化能力	提高Vision Transformer模型在生物医学图像分类任务中的解释可重复性和防止过拟合	生物医学图像，特别是乳腺癌组织学图像	digital pathology	breast cancer	Vision Transformer (ViT)	ViT	image	四个公共图像分类数据集和两个独立的乳腺癌组织学图像数据集
693	2025-07-11	Sexually dimorphic computational histopathological signatures prognostic of overall survival in high-grade gliomas via deep learning 2024-08-23, Science advances IF:11.7Q1 DOI:10.1126/sciadv.adi0302 PMID:39178259	研究论文	利用深度学习分析H&E染色切片，识别高级别胶质瘤中性别特异性的组织病理学特征，并构建性别特异性的生存预后模型	首次采用端到端深度学习方法，分别在男性和女性患者中识别与生存相关的性别特异性肿瘤微环境组织病理学特征	研究结果需要在更大样本量中进行验证	探索高级别胶质瘤中性别差异对生存预后的影响	高级别胶质瘤患者的H&E染色组织切片	数字病理学	高级别胶质瘤	H&E染色	ResNet18, mResNet-Cox	图像	训练集和三个独立验证队列
694	2025-07-11	Interpretable representation learning for 3D multi-piece intracellular structures using point clouds 2024-Aug-13, bioRxiv : the preprint server for biology DOI:10.1101/2024.07.25.605164 PMID:39091871	研究论文	本文介绍了一种利用3D旋转不变自编码器和点云学习细胞内复杂多片段形态的可解释表示学习框架	提出了一种形态适应的表示学习框架，能够学习与方向无关、紧凑且易于解释的复杂多片段形态表示	NA	量化细胞内复杂多片段形态的可解释测量，以客观、稳健和通用的方式理解亚细胞组织	具有点状形态（如DNA复制焦点）和多态形态（如核仁）的细胞内结构	计算机视觉	NA	3D旋转不变自编码器、点云	自编码器	3D点云	多个细胞内结构数据集，包括一个具有预定义组织规则的合成数据集
695	2025-07-11	Examining feature extraction and classification modules in machine learning for diagnosis of low-dose computed tomographic screening-detected in vivo lesions 2024-Jul, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.11.4.044501 PMID:38993628	研究论文	本研究探讨了机器学习在医学影像中用于体内病变诊断的特征提取和分类模块的性能	比较了三种不同的特征提取方法（Haralick图像纹理特征、深度学习图像抽象特征和组织-能量特定特征），并发现组织-能量特定特征提取显著提高了诊断性能	研究仅针对肺部结节和结肠息肉的低剂量CT筛查检测病变，可能不适用于其他类型的病变或影像技术	评估特征提取和分类模块在机器学习辅助诊断中的性能	肺部结节和结肠息肉的病变影像	计算机视觉	肺癌和结肠癌	低剂量CT扫描	随机森林（RF）和卷积神经网络（CNN）	医学影像	三个病变影像数据集
696	2025-07-11	Projected pooling loss for red nucleus segmentation with soft topology constraints 2024-Jul, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.11.4.044002 PMID:38988992	research paper	提出一种基于投影池化的损失函数，用于在深度学习分割方法中引入软拓扑约束，以提高小训练集下的分割准确性和解剖学正确性	提出了一种新的损失函数，通过投影和最大池化操作引入软拓扑约束，减少分割过程中的拓扑错误和结构边界缺陷	未明确提及具体局限性，但可能在小样本训练集上的泛化能力仍需进一步验证	提高医学图像分割的准确性和解剖学正确性，特别是在小训练集情况下	红核（red nucleus）的分割，以及心脏、脾脏和海马体的分割	digital pathology	parkinsonian syndromes	quantitative susceptibility mapping (QSM)	deep learning	image	未明确提及具体样本数量，但涉及QSM数据和MSD挑战中的三个任务（心脏、脾脏和海马体）
697	2025-07-11	Lung vessel connectivity map as anatomical prior knowledge for deep learning-based lung lobe segmentation 2024-Jul, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.11.4.044001 PMID:38988990	研究论文	本研究探讨了将肺部血管系统的解剖学先验知识融入深度学习模型以提升胸部CT扫描中肺叶自动分割性能的潜在优势	提出利用肺部血管连接性（LVC）图谱作为解剖学先验知识，指导并增强深度学习模型在肺叶分割中的表现，特别是在呼气期CT扫描的边界区域	LVC信息带来的改进程度存在局限，其实际应用价值仍需进一步探索	提升胸部CT扫描中肺叶自动分割的准确性和泛化能力	胸部CT扫描图像中的肺叶结构	数字病理学	COVID-19	深度学习	U-Net, 多任务U-Net, 级联U-Net (基于nnU-Net框架)	CT图像	10例COVID-19病例数据
698	2025-07-11	Automated CT quantification of interstitial lung abnormality in patients with resectable stage I non-small cell lung cancer: Prognostic significance 2024-06, Thoracic cancer IF:2.3Q2 DOI:10.1111/1759-7714.15306 PMID:38682806	研究论文	本研究评估了基于Fleischner Society定义的自动量化间质性肺异常（ILA）在I期非小细胞肺癌（NSCLC）患者中的预测价值	使用深度学习自动量化程序评估术前CT数据，并基于Fleischner Society定义对患者进行分类	回顾性研究设计可能引入选择偏差	评估自动量化ILA在I期NSCLC患者中的预后意义	948名病理I期NSCLC患者	数字病理	肺癌	CT扫描	深度学习	图像	948名患者
699	2025-07-11	Automated Prediction of Proximal Middle Cerebral Artery Occlusions in Noncontrast Brain Computed Tomography 2024-06, Stroke IF:7.8Q1 DOI:10.1161/STROKEAHA.123.045772 PMID:38787932	研究论文	提出了一种基于机器学习的算法（JLK-CTL），利用非对比脑计算机断层扫描的手工特征预测大血管闭塞（LVO）	结合手工特征和深度学习算法，整合血栓征象作为额外特征，提高了LVO的预测准确性	研究样本来自特定时间段和医院，可能影响模型的泛化能力	早期识别缺血性卒中患者的大血管闭塞（LVO）以进行及时干预	缺血性卒中患者	数字病理学	心血管疾病	非对比计算机断层扫描（CT）和计算机断层扫描血管造影（CTA）	ExtraTrees, random forest, extreme gradient boosting, support vector machine, multilayer perceptron, deep learning	图像	2919名患者（2463名训练集，275名内部验证集，95名外部验证集）
700	2025-07-11	Quantitative evaluation of the impact of relaxing eligibility criteria on the risk-benefit profile of drugs for lung cancer based on real-world data 2024-05, Thoracic cancer IF:2.3Q2 DOI:10.1111/1759-7714.15269 PMID:38576119	研究论文	本研究提出了一种基于真实世界数据的定量评估方法，用于评估放宽非小细胞肺癌（NSCLC）药物试验的入选标准对风险-效益比的影响	首次利用深度学习方法构建结构化的跨维度真实世界NSCLC数据库，并采用蒙特卡洛模拟和倾向性匹配进行效益-风险评估，同时利用Shapley值定量衡量每个入选标准变化对患者数量、临床疗效和安全性的影响	研究依赖于真实世界数据的质量和完整性，可能受到数据偏差的影响	为肺癌临床试验的合理人群纳入设计提供科学证据，并建立一个可推广至其他癌症研究的数据治理体系和REC评估框架	非小细胞肺癌（NSCLC）药物试验的入选标准	数字病理学	肺癌	深度学习, 蒙特卡洛模拟, 倾向性匹配	NA	真实世界数据	NA