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
761	2025-05-15	ACP-DPE: A Dual-Channel Deep Learning Model for Anticancer Peptide Prediction 2025 Jan-Dec, IET systems biology IF:1.9Q3 DOI:10.1049/syb2.70010 PMID:40119615	research paper	本文提出了一种基于双通道深度学习的抗癌肽预测模型ACP-DPE，该模型通过结合Bi-GRU模块和扩张卷积模块，有效提高了预测准确性和敏感性	提出了一种新的双通道深度学习模型ACP-DPE，结合了Bi-GRU模块和扩张卷积模块，用于抗癌肽预测，其性能优于现有方法	未提及模型在其他类型肽预测中的泛化能力，以及在实际临床应用中的验证情况	开发一种高效的抗癌肽预测方法，以辅助癌症治疗研究	抗癌肽（ACPs）	machine learning	cancer	deep learning	Bi-GRU, dilated CNN	peptide sequence	NA
762	2025-05-15	Multi-scale image edge detection based on spatial-frequency domain interactive attention 2025, Frontiers in neurorobotics IF:2.6Q3 DOI:10.3389/fnbot.2025.1550939 PMID:40356606	research paper	提出了一种基于空间-频域交互注意力的多尺度图像边缘检测网络，旨在复杂背景下准确检测主要目标的边缘	使用空间-频域交互注意力模块，通过频域过滤干扰并利用频域与空间域的交互，更准确地提取和分析不同尺度的边缘特征	未提及具体在哪些复杂背景或小目标场景下的性能限制	解决复杂背景下图像边缘检测的准确性问题	动物、植物、建筑物等复杂背景下的图像	computer vision	NA	深度学习	多尺度边缘检测网络	image	NA
763	2025-05-15	A bibliometric analysis of electroencephalogram research in stroke: current trends and future directions 2025, Frontiers in neurology IF:2.7Q3 DOI:10.3389/fneur.2025.1539736 PMID:40356632	研究论文	本文通过文献计量学方法分析了脑电图（EEG）在中风研究中的应用趋势及未来发展方向	首次对中风领域EEG研究的趋势进行全面分析，并揭示了机器学习与多模态数据整合的最新研究方向	仅基于Web of Science数据库，可能未涵盖所有相关研究	分析EEG在中风研究中的应用现状和发展趋势	2005-2024年间发表的2,931篇与中风和EEG相关的研究文献	神经科学	中风	文献计量学分析（VOSviewer和CiteSpace）	NA	文献数据	2,931篇出版物
764	2025-05-15	Deep learning-based fine-grained assessment of aneurysm wall characteristics using 4D-CT angiography 2025, PeerJ IF:2.3Q2 DOI:10.7717/peerj.19393 PMID:40356666	research paper	提出了一种基于深度学习的细粒度评估方法，用于分析动脉瘤壁特征，包括薄壁区域和增生重塑区域	开发了一种结合CNN-LSTM和注意力层的回归模型，并引入了患者无关特征提取机制及未标记数据增强	样本量较小（52例未破裂脑动脉瘤），且依赖术中记录作为金标准	通过4D-CTA评估动脉瘤壁动力学特征以实现精准风险预测	未破裂脑动脉瘤的壁运动特性	digital pathology	cardiovascular disease	4D-computed tomography angiography (4D-CTA)	CNN-LSTM with attention mechanism	4D影像序列+术中视频	52例未破裂脑动脉瘤
765	2025-05-15	MRI-based machine learning analysis of perivascular spaces and their link to sleep disturbances, dementia, and mental distress in young adults with long-time mobile phone use 2025, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2025.1555054 PMID:40356706	研究论文	本研究通过MRI和深度学习技术分析长期使用手机（LTMPU）的年轻成年人中扩大的血管周围间隙（EPVSs）与睡眠障碍、痴呆和精神困扰的关联	首次利用深度学习算法定量分析EPVSs特征，并探讨其与多种临床症状的关联	样本量较小（82例），且为回顾性研究	探究长期手机使用者的EPVSs特征与神经精神症状的关系	长期使用手机的年轻成年人	数字病理学	神经退行性疾病	MRI扫描、深度学习算法	深度学习	MRI图像	82名LTMPU患者
766	2025-05-15	MRI-based deep learning with clinical and imaging features to differentiate medulloblastoma and ependymoma in children 2025, Frontiers in molecular biosciences IF:3.9Q2 DOI:10.3389/fmolb.2025.1570860 PMID:40356719	research paper	该研究探讨了基于T2加权MRI的深度学习结合临床和影像特征在儿童髓母细胞瘤和室管膜瘤鉴别中的有效性	结合深度学习和多模态临床影像特征构建融合模型，显著提高了鉴别诊断的准确性	样本量相对有限（201例），且来自三个研究中心可能存在数据异质性	开发有效的儿童髓母细胞瘤和室管膜瘤鉴别诊断方法	儿童髓母细胞瘤（MB）和室管膜瘤（EM）患者	digital pathology	brain tumor	T2-weighted MRI	AlexNet-based DL classifier with multimodality fusion	MRI images and clinical features	201名患者（来自三个研究中心）
767	2025-05-15	Deep learning-based automated tongue analysis system for assisted Chinese medicine diagnosis 2025, Frontiers in physiology IF:3.2Q2 DOI:10.3389/fphys.2025.1559389 PMID:40356770	研究论文	本研究提出了一种结合深度学习与传统中医的自动化舌象分析系统，以提高舌诊的准确性和客观性	系统包括硬件设备、改进的半监督学习分割算法、高性能色彩校正模块以及融合不同特征的舌象分析算法	未提及具体样本量或实验设计的局限性	提升中医舌诊的准确性和客观性	舌象图像	数字病理	NA	深度学习	U2net	图像	NA
768	2025-05-15	Deep learning for malignant lymph node segmentation and detection: a review 2025, Frontiers in immunology IF:5.7Q1 DOI:10.3389/fimmu.2025.1526518 PMID:40356919	综述	本文深入回顾了深度学习在恶性淋巴结分割和检测方面的进展	专注于恶性淋巴结的深度学习应用，填补了该领域综述的空白	未提及具体模型的性能比较或量化分析	提升癌症治疗规划的精确性和效率	恶性淋巴结	数字病理学	癌症	深度学习	NA	医学影像	NA
769	2025-05-15	Leveraging artificial intelligence in disaster management: A comprehensive bibliometric review 2025, Jamba (Potchefstroom, South Africa) DOI:10.4102/jamba.v17i1.1776 PMID:40357012	综述	本文通过文献计量学方法回顾了人工智能在灾害管理中的应用	利用VOSviewer和Biblioshiny工具分析了848篇文献，揭示了AI在灾害管理中的研究趋势和科学图谱	仅基于Scopus数据库的英文文献，可能遗漏其他语言或数据库的重要研究	评估人工智能技术在灾害管理领域的应用现状和发展趋势	自然灾害管理相关的人工智能研究文献	机器学习	NA	文献计量分析	NA	文献数据	848篇出版物
770	2025-05-15	Making, not breaking the young, aspiring athlete: the development of Prep to be PRO (Nærmere Best) - a Norwegian school-based educational programme 2025, BMJ open sport & exercise medicine IF:3.9Q1 DOI:10.1136/bmjsem-2024-002388 PMID:40357054	research paper	本文记录了Prep to be PRO教育模块化计划的开发过程，旨在支持和保护体育初中和体育高中年轻运动员的健康与发展	该计划首次系统性地整合了多学科知识，并通过国家高中课程确保其相关性和教育标准的一致性	尚未进行系统性的数据收集和效果评估，长期可持续性仍需验证	开发一个教育计划，以预防年轻运动员的健康问题并支持其发展	体育初中和体育高中的年轻运动员	运动科学	NA	NA	NA	NA	超过40名利益相关者参与开发过程
771	2025-05-15	Deep learning object detection-based early detection of lung cancer 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1567119 PMID:40357272	research paper	本文探讨了基于深度学习的物体检测技术在肺癌早期诊断中的应用	比较了不同版本的YOLO模型在肺癌CT图像检测任务中的性能，发现YOLOv8表现最佳	研究仅基于公开数据集Lung-PET-CT-Dx，未涉及其他数据集验证	提高肺癌早期诊断和分类的准确性	肺癌CT图像	computer vision	lung cancer	deep learning	YOLO系列（YOLOv5, YOLOv8, YOLOv9, YOLOv10, YOLOv11）	image	Lung-PET-CT-Dx公共数据集
772	2025-05-15	RAMAS-Net: a module-optimized convolutional network model for aortic valve stenosis recognition in echocardiography 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1587307 PMID:40357270	研究论文	提出了一种名为RAMAS-Net的深度学习模型，用于在超声心动图中自动识别和诊断主动脉瓣狭窄	通过将ResNet50主干的Stage 4替换为SCConv和MDTA模块，减少了冗余计算并提高了特征提取能力	NA	提高主动脉瓣狭窄的诊断准确性，支持临床决策	主动脉瓣狭窄（AS）患者	数字病理	心血管疾病	深度学习	CNN（ResNet50改进版）	图像（超声心动图）	TMED-2和TMED-1数据集
773	2025-05-15	An optimized deep learning model based on transperineal ultrasound images for precision diagnosis of female stress urinary incontinence 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1564446 PMID:40357276	研究论文	本研究开发并验证了一种基于经会阴超声图像的优化深度学习模型，以提高女性压力性尿失禁的诊断精度和可靠性	首次将深度学习模型（如DenseNet-121）应用于经会阴超声图像，显著提高了女性压力性尿失禁的诊断性能	研究为回顾性设计，样本量相对有限（464例），且仅评估了三种深度学习模型	提高女性压力性尿失禁的诊断精度和可靠性	464名女性的经会阴超声图像（200例患者和264例对照）	数字病理	尿失禁	经会阴超声（TPUS）	ResNet-50, ResNet-152, DenseNet-121	图像	464名女性（200例患者和264例对照）
774	2025-05-15	Automatic segmentation and volume measurement of anterior visual pathway in brain 3D-T1WI using deep learning 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1530361 PMID:40357297	研究论文	本研究探讨了使用3D UX-Net深度学习模型在脑部T1加权成像中自动分割和测量前视通路（AVP）体积的可行性	首次在脑部T1WI中使用3D UX-Net模型进行AVP自动分割和体积测量，并提供了成人AVP的标准化测量值	研究样本量相对较小（119名成人），且为回顾性研究	开发自动分割和测量前视通路体积的深度学习模型	前视通路（AVP）	数字病理学	NA	3D T1加权成像（T1WI）	3D UX-Net, 3D U-Net, Swin UNEt TRansformers (UNETR), UNETR++, Swin Soft Mixture Transformer (Swin SMT)	3D医学影像	119名成人的临床数据和脑部3D T1WI影像
775	2025-05-15	Regional, rural and remote medicine attracts students with a similar approach to learning in both the Northern and Southern hemisphere 2024-12, International journal of circumpolar health IF:1.3Q4 DOI:10.1080/22423982.2024.2404274 PMID:39285655	研究论文	本研究比较了南北半球两个医学项目中学生的学习目标取向和学习特征，以探讨适合农村医疗环境的学生特质	首次在跨半球背景下比较农村医学项目学生的学习特征和目标取向	样本仅来自两个医学项目，可能无法代表所有农村医学学生	探讨适合农村医疗环境的学生学习特征和目标取向	263名医学学生（分别来自南北半球的两个医学项目）	医学教育	NA	问卷调查（三种调查工具）	NA	问卷调查数据	263名医学学生
776	2025-05-15	Monitoring Substance Use with Fitbit Biosignals: A Case Study on Training Deep Learning Models Using Ecological Momentary Assessments and Passive Sensing 2024-Dec, AI (Basel, Switzerland) DOI:10.3390/ai5040131 PMID:40351335	研究论文	本研究探讨了使用Fitbit生物信号监测物质使用的可行性，并通过个性化机器学习和自监督学习技术提高了检测准确性	采用参与者特定的卷积神经网络（CNNs）结合自监督学习（SSL）来检测药物使用，以应对个体间数据异质性问题	样本量较小（仅9名参与者），限制了研究结果的普适性	开发一种基于可穿戴设备生物信号的物质使用实时监测系统	物质使用障碍患者	机器学习	物质使用障碍	自监督学习（SSL）	1D-CNN	生物信号数据	9名参与者
777	2025-05-15	Using Deep Learning to Suggest Treatment for Proximal Humerus Fractures 2024-11-22, Studies in health technology and informatics DOI:10.3233/SHTI241080 PMID:39575796	research paper	该研究开发了一个基于深度学习的模型，用于根据肱骨近端骨折的放射影像预测治疗类型	利用深度学习模型预测肱骨近端骨折的治疗类型，其准确性和观察者间可靠性超过了肩部外科医生的判断	模型仅在特定测试数据集上进行了验证，可能需要更多样化的数据以提高泛化能力	开发一个治疗决策支持系统，以加快急诊科对肱骨近端骨折的治疗决策	肱骨近端骨折患者	digital pathology	骨折	深度学习	NA	image	NA
778	2025-05-15	ECG classification via integration of adaptive beat segmentation and relative heart rate with deep learning networks 2024-Oct, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109062 PMID:39205344	research paper	提出了一种先进的深度学习方法，用于准确分析心电图（ECG）信号，同时处理波形描绘和心跳类型分类任务	将自适应心跳分割方法和相对心率信息整合到深度学习模型中，显著提高了模型性能	NA	提高心电图信号分析的准确性，特别是在波形描绘和心跳类型分类方面	心电图信号	machine learning	cardiovascular disease	deep learning	deep learning networks	ECG signal	PhysioNet QT Database, MIT-BIH Arrhythmia Database, and real-world wearable device data
779	2025-05-15	TA-RNN: an attention-based time-aware recurrent neural network architecture for electronic health records 2024-06-28, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btae264 PMID:38940180	研究论文	提出了一种基于注意力机制的时间感知循环神经网络架构TA-RNN，用于电子健康记录分析	提出了两种可解释的深度学习架构TA-RNN和TA-RNN-AE，通过时间嵌入处理临床访问间隔不规则问题，并采用双级注意力机制提高模型可解释性	模型性能仅在特定疾病(阿尔茨海默病)和特定数据集上验证	开发可解释的深度学习模型来预测患者临床结果	电子健康记录(EHR)数据	机器学习	阿尔茨海默病	深度学习	RNN, TA-RNN, TA-RNN-AE	电子健康记录	ADNI和NACC数据集(阿尔茨海默病)，MIMIC-III数据集(死亡率预测)
780	2025-05-15	Histopathology Based AI Model Predicts Anti-Angiogenic Therapy Response in Renal Cancer Clinical Trial 2024-May-28, ArXiv PMID:38855551	研究论文	本研究开发了一种基于深度学习的模型，通过组织病理学切片预测肾癌抗血管生成治疗的应答	提出了一种新型深度学习模型，能够从普遍存在的组织病理学切片中预测Angioscore，并生成可视化的血管网络以增强模型的可解释性	ccRCC肿瘤具有高度异质性，且对多个区域进行测序采样不切实际	预测转移性透明细胞肾细胞癌（ccRCC）对抗血管生成治疗的应答	转移性透明细胞肾细胞癌（ccRCC）患者	数字病理学	肾癌	深度学习	DL	组织病理学图像	多个队列包括临床试验数据集