深度学习在生物医药领域的应用

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	算法框架	模型架构	性能指标	计算资源
7061	2025-10-06	Leveraging commonality across multiple tissue slices for enhanced whole slide image classification using graph convolutional networks 2025-Jul-01, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-01760-8 PMID:40597750	研究论文	提出一种利用组织切片间共性模式增强全切片图像分类性能的新方法	首次通过构建切片间图结构并利用图卷积网络捕捉不同组织切片间的共同模式	NA	提高全切片图像的分类准确性	胃和结直肠组织全切片图像	数字病理	胃癌, 结直肠癌	全切片图像扫描	图卷积网络	图像	NA	NA	图卷积网络	准确率, AUROC	NA
7062	2025-10-06	MCAUnet: a deep learning framework for automated quantification of body composition in liver cirrhosis patients 2025-Jul-01, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-01756-4 PMID:40597795	研究论文	提出一种名为MCAUnet的深度学习框架，用于肝硬化患者身体成分的自动量化分析和生存率研究	引入通道视角的注意力机制，实现关键通道特征的自适应融合，显著提升内脏脂肪分割精度	仅使用L3水平腰椎CT切片，未涵盖其他解剖层面数据	开发自动化身体成分量化工具并分析其与肝硬化患者生存率的关系	肝硬化患者	数字病理学	肝硬化	CT扫描	U-Net	医学图像	11,362张L3水平腰椎CT切片	NA	MCAUnet	Dice系数	NA
7063	2025-10-06	Cross-domain subcortical brain structure segmentation algorithm based on low-rank adaptation fine-tuning SAM 2025-Jul-01, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-01779-x PMID:40597798	研究论文	提出一种基于低秩自适应微调SAM的跨域脑部结构分割算法	通过冻结SAM图像编码器并应用LoRA进行低秩矩阵更新，同时微调提示编码器和掩码解码器，显著减少可训练参数	NA	解决脑MRI子皮层结构分割中基础模型性能下降的问题	脑部子皮层解剖结构	医学影像分析	脑部疾病	MRI	基础模型微调	医学影像	五个MRI数据集（IBSR、MALC、LONI、LPBA、Hammers和CANDI）	NA	Segment Anything Model (SAM)	NA	NA
7064	2025-10-06	Deep learning for automated segmentation of radiation-induced changes in cerebral arteriovenous malformations following radiosurgery 2025-Jul-01, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-01796-w PMID:40597846	研究论文	开发基于深度学习的自动分割算法用于放射外科治疗后脑动静脉畸形周围放射性改变的体积评估	首次将Mask R-CNN与DeepMedic模型结合，通过迁移学习实现AVM水肿区域的自动分割和量化	样本量较小（28名患者），Dice相似系数为71.8%仍有提升空间	开发自动分割算法以量化放射外科治疗后脑动静脉畸形周围的放射性改变	未破裂脑动静脉畸形患者	医学影像分析	脑血管疾病	磁共振T2加权成像	Mask R-CNN, DeepMedic	医学影像	28名患者，139次T2w扫描	NA	Mask R-CNN, DeepMedic	Dice相似系数	NA
7065	2025-10-06	Automatic recognition and differentiation of pulmonary contusion and bacterial pneumonia based on deep learning and radiomics 2025-Jul-01, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-01802-1 PMID:40597898	研究论文	基于深度学习和影像组学开发自动识别和区分肺挫伤与细菌性肺炎的人工智能系统	首次将人工智能技术应用于肺挫伤与细菌性肺炎的自动识别和区分，并与人工诊断性能进行比较	回顾性研究设计，样本仅来自两家医院	开发能够自动识别和区分肺挫伤与细菌性肺炎的人工智能诊断系统	肺挫伤和细菌性肺炎患者的CT影像	医学影像分析	肺部疾病	CT影像分析，影像组学	深度学习，机器学习	CT图像	2179名患者（2016年4月至2022年7月来自两家医院）	NA	VB-net	AUC, 准确率, 灵敏度, 特异性	NA
7066	2025-10-06	A deep learning model for predicting systemic lupus erythematosus-associated epitopes 2025-Jul-01, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-025-03056-x PMID:40598008	研究论文	提出一种混合深度学习架构用于预测系统性红斑狼疮相关表位	结合手工生化特征与数据驱动的深度序列建模，通过注意力融合机制整合CNN和LSTM分支的互补信息	NA	改进系统性红斑狼疮相关表位的预测准确性	系统性红斑狼疮相关表位	生物信息学	系统性红斑狼疮	深度学习	CNN,LSTM,注意力机制,多层感知机	序列数据	NA	NA	混合架构（CNN+LSTM+注意力融合+MLP）	准确率,精确率,召回率,F1分数,ROC曲线下面积	NA
7067	2025-10-06	Multi-dimensional annotation of porcine variants using genomic and epigenomic features in pigs 2025-Jul-01, BMC biology IF:4.4Q1 DOI:10.1186/s12915-025-02279-8 PMID:40598185	研究论文	本研究通过整合基因组和表观基因组特征，对猪的遗传变异进行了多维注释分析	首次在猪中系统性地整合全基因组序列、表观基因组数据和深度学习模型，全面注释编码区和非编码区变异的功能影响	研究主要基于特定品种和群体的猪基因组数据，可能无法完全代表所有猪种的遗传多样性	揭示基因组变异对猪复杂性状形成的分子机制	1,817个全基因组序列，涵盖不同猪品种和群体	基因组学	NA	全基因组测序, ATAC-seq, 深度学习	深度学习	基因组序列, 表观基因组数据, 基因表达数据	1,817个全基因组序列	Basenji	Basenji	NA	NA
7068	2025-10-06	Joint fusion of sequences and structures of drugs and targets for identifying targets based on intra and inter cross-attention mechanisms 2025-Jul-01, BMC biology IF:4.4Q1 DOI:10.1186/s12915-025-02256-1 PMID:40598296	研究论文	提出一种基于内外交叉注意力机制的多模态深度学习框架MM-IDTarget，用于药物-靶标相互作用预测	采用内外交叉注意力机制的多模态融合策略，结合图变换器、多尺度卷积神经网络和残差边加权图卷积网络等先进技术	基准数据集仅为当前最优方法数据集的三分之一或相同规模	提高药物靶标识别的准确性，指导疾病治疗并加速药物开发	药物和靶标的序列与结构特征	机器学习	NA	深度学习	图变换器, MCNN, EW-GCN	序列数据, 结构数据	NA	NA	图变换器, 多尺度卷积神经网络, 残差边加权图卷积网络	Top-K评估指标	NA
7069	2025-10-06	Deep learning-based cough classification using application-recorded sounds: a transfer learning approach with VGGish 2025-Jul-01, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-025-03065-w PMID:40598373	研究论文	提出一种基于深度学习的咳嗽分类模型，使用智能手机记录的咳嗽声音通过迁移学习方法进行正常与异常咳嗽的分类	采用VGGish作为迁移学习模型，结合检测和分类网络，并利用多位医学专家标注的数据增强模型可靠性	NA	开发基于深度学习的早期呼吸系统疾病诊断系统	智能手机记录的咳嗽声音	机器学习	呼吸系统疾病	声音分析	深度学习,迁移学习	音频	三个数据集(数据集1,2,3)	NA	VGGish	准确率,AUROC,AUPRC	NA
7070	2025-10-06	AmpHGT: expanding prediction of antimicrobial activity in peptides containing non-canonical amino acids using multi-view constrained heterogeneous graph transformer 2025-Jul-01, BMC biology IF:4.4Q1 DOI:10.1186/s12915-025-02253-4 PMID:40598389	研究论文	开发了一种基于异构图表示的多视图约束异构图变换器模型AmpHGT，用于预测含有非经典氨基酸的抗菌肽活性	首次将异构图表示应用于抗菌肽预测，能够有效处理非经典氨基酸，克服传统特征提取方法的局限性	论文未明确说明模型在特定类型非经典氨基酸上的性能表现	开发能够准确预测含有非经典氨基酸的抗菌肽活性的计算方法	含有经典和非经典氨基酸的抗菌肽	机器学习	NA	深度学习，异构图表示	Transformer, 异构图神经网络	肽序列数据，化学结构数据	NA	NA	异构图变换器(Heterogeneous Graph Transformer)	NA	NA
7071	2025-10-06	Comparative analysis of statistical and deep learning-based multi-omics integration for breast cancer subtype classification 2025-Jul-01, Journal of translational medicine IF:6.1Q1 DOI:10.1186/s12967-025-06662-5 PMID:40598554	研究论文	比较统计方法和深度学习方法在乳腺癌亚型分类中的多组学整合性能	首次系统比较MOFA+统计方法和MOGCN深度学习方法在乳腺癌多组学整合中的表现	仅使用960个样本，未在更大数据集上验证；主要关注特征选择能力而非最终分类性能	评估不同多组学整合方法在乳腺癌亚型分类中的效果	乳腺癌患者样本	机器学习	乳腺癌	多组学整合分析	GCN, 线性分类器, 非线性分类器	转录组学, 表观基因组学, 微生物组数据	960个乳腺癌患者样本	NA	MOGCN, MOFA+	F1分数	NA
7072	2025-10-06	Extracting True Virus SERS Spectra and Augmenting Data for Improved Virus Classification and Quantification 2025-Jun-27, ACS sensors IF:8.2Q1 DOI:10.1021/acssensors.4c03397 PMID:40382719	研究论文	开发深度学习框架提取真实病毒SERS光谱并增强数据，以改进病毒分类和定量分析	使用双神经网络提取真实病毒SERS光谱并估计浓度系数，实现有效数据增强	NA	解决生物样本中背景光谱对分析物峰值检测的干扰问题，提高病毒检测和诊断能力	12种不同呼吸道病毒	机器学习	呼吸道病毒感染	表面增强拉曼光谱(SERS)	神经网络,XGBoost	光谱数据	NA	NA	双神经网络	准确率,决定系数	NA
7073	2025-10-06	EEG-Based Classification of Parkinson's Disease With Freezing of Gait Using Midfrontal Beta Oscillations 2025-Jun-20, Journal of integrative neuroscience IF:2.5Q3 DOI:10.31083/JIN39023 PMID:40613373	研究论文	本研究利用中额叶β振荡脑电特征，通过机器学习和深度学习方法对帕金森病伴冻结步态患者进行分类	首次系统评估中额叶β振荡作为生物标志物在帕金森病冻结步态分类中的应用，并比较多种ML/DL模型性能	样本量相对有限（共82名受试者），仅使用静息态脑电数据	开发基于脑电信号的帕金森病冻结步态分类方法	41名伴冻结步态帕金森病患者和41名不伴冻结步态帕金森病患者	机器学习	帕金森病	脑电图	逻辑回归, 随机森林, XGBoost, CatBoost, LSTM	脑电信号	82名受试者（41 PDFOG+，41 PDFOG-）	NA	LSTM	AUC-ROC, 准确率	NA
7074	2025-10-06	Rural Medical Centers Struggle to Produce Well-Calibrated Clinical Prediction Models: Data Augmentation Can Help 2025-Jun-17, medRxiv : the preprint server for health sciences DOI:10.1101/2025.06.16.25329699 PMID:40585177	研究论文	本研究探讨农村医疗机构因患者数据量不足导致临床预测模型校准困难的问题，并提出通过合成数据生成技术进行数据增强的解决方案	首次系统分析农村医疗机构在模型校准方面的特殊挑战，并验证合成数据生成技术在农村医疗场景下的有效性	研究基于特定医院网络和ICU数据集，结果可能无法完全推广到所有农村医疗场景	解决农村医疗机构因数据量不足导致的临床预测模型校准问题	医院网络数据和多中心ICU数据集	机器学习	NA	合成数据生成	深度学习	临床数据	多个医院站点数据，具体样本量未明确说明	NA	NA	模型校准度，分类器性能	NA
7075	2025-10-06	Utilizing shallow features and spatial context for weakly supervised intracerebral hemorrhage segmentation 2025-Jun-06, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-24-1462 PMID:40606325	研究论文	提出一种利用浅层特征和空间上下文信息的弱监督脑出血分割方法	开发了浅层特征类激活图模块和空间上下文感知模块，通过弱图像级标签实现精确的脑出血定位和轮廓分割	仅使用弱监督标签，分割精度仍低于全监督方法	改进弱监督语义分割方法在脑出血诊断中的应用	脑出血CT图像	计算机视觉	脑出血	CT成像	CNN	医学图像	两个公开数据集：BHSD和BCIHM	NA	U-Net	mIoU, 正确定位率, 漏定位率, 假阳性定位率	NA
7076	2025-10-06	A three-classification machine learning model for non-invasive prediction of molecular subtypes in diffuse glioma: a two-center study 2025-Jun-06, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-24-2461 PMID:40606348	研究论文	开发并验证用于预测弥漫性胶质瘤分子亚型的非侵入性三分类机器学习模型	结合常规MRI特征、放射组学与Swin Transformer深度学习特征及人口统计学特征，构建三分类预测模型	回顾性研究，样本量有限（306例患者），仅来自两个医疗中心	开发非侵入性方法预测成人型弥漫性胶质瘤的分子亚型	306例胶质瘤患者（258例来自华山医院，48例来自安徽医科大学第一附属医院）	医学影像分析	胶质瘤	磁共振成像（MRI），放射组学分析，深度学习	机器学习分类器	医学影像（3D T1C和T2-FLAIR序列）	306例患者（训练集180例，内部验证78例，外部验证48例）	Scikit-learn, LightGBM, XGBoost	Swin Transformer	AUC, 敏感性, 特异性, 准确率, 精确率, F1分数	NA
7077	2025-10-06	A narrative review of foundation models for medical image segmentation: zero-shot performance evaluation on diverse modalities 2025-Jun-06, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-2024-2826 PMID:40606341	综述	系统回顾医学图像分割领域的基础模型，并在多模态数据集上评估其零样本性能	首次对医学图像分割基础模型进行系统分类和跨模态零样本性能评估	仅评估了6个基础模型，数据集数量有限（31个）	评估基础模型在医学图像分割中的零样本性能和临床应用潜力	医学图像分割基础模型	医学影像分析	NA	深度学习	基础模型	医学图像	31个未见过的医学图像数据集	NA	NA	零样本性能评估	NA
7078	2025-10-06	A comparative analysis of sagittal, coronal, and axial magnetic resonance imaging planes in diagnosing anterior cruciate ligament and meniscal tears via a deep learning model: emphasizing the unexpected importance of the axial plane 2025-Jun-06, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-24-1808 PMID:40606344	研究论文	通过深度学习模型比较矢状面、冠状面和轴面磁共振成像在诊断前交叉韧带和半月板撕裂中的效果，特别强调轴面成像的意外重要性	首次系统比较不同MRI平面组合对ACL和半月板撕裂检测的影响，发现轴面在半月板撕裂检测中具有突出价值	使用公开数据集，样本量相对有限，未进行外部验证	研究不同膝关节MRI平面对ACL和半月板撕裂检测的差异影响和相互作用	前交叉韧带撕裂和半月板撕裂	医学影像分析	运动损伤	磁共振成像	深度学习模型	磁共振图像	1,130个训练病例和120个验证病例	NA	TripleMRNet	准确率, 敏感度, 特异度, F1分数	NA
7079	2025-10-06	Deep learning-based rotational object detection algorithm for automatic Cobb angle measurement in X-ray images of scoliosis 2025-Jun-06, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-24-2138 PMID:40606352	研究论文	开发基于深度学习的旋转目标检测算法，用于脊柱侧凸X射线图像中Cobb角的自动测量	基于YOLOv8-OBB框架重新设计了YOLOv8-DSF模型，配备创新模块以改进旋转椎体的检测	NA	提高旋转椎体检测精度，从而提升脊柱侧凸Cobb角测量的准确性	脊柱侧凸患者的X射线图像	计算机视觉	脊柱侧凸	X射线成像	CNN	图像	整合私有和公开数据的自定义数据集	YOLOv8	YOLOv8-DSF, YOLOv8n-OBB	mAP50, mAP50-95, SMAPE, MAE	NA
7080	2025-10-06	Deep learning for automated grading of radiographic sacroiliitis 2025-Jun-06, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-2024-2742 PMID:40606355	研究论文	开发并验证用于自动化评估X射线骶髂关节炎分级的深度学习系统	首次开发专门用于X射线骶髂关节炎自动分级的深度学习模型，并证明其能显著提升放射科医生的诊断准确性	回顾性研究设计，样本量相对有限（共883名患者），需要进一步前瞻性验证	开发辅助医生评估和诊断骶髂关节炎的人工智能系统	骶髂关节炎患者的骨盆X射线图像	计算机视觉	风湿性疾病	X射线成像	深度学习	医学图像	训练集465人（930个骶髂关节），验证集195人（390个骶髂关节），外部测试集223人（446个骶髂关节）	NA	神经网络	准确率, AUC, 敏感性, 特异性	NA