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
881	2025-05-17	Detection of kidney bean leaf spot disease based on a hybrid deep learning model 2025-Apr-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-93742-7 PMID:40169647	研究论文	本研究构建了首个菜豆叶斑病数据集，并提出了一种结合深度学习和机器学习的混合模型框架，显著提高了病害检测效率和准确率	构建了首个高质量的菜豆叶斑病数据集，并开发了一种结合深度学习和机器学习的新型框架	深度学习方法的计算成本较高，且可靠的菜豆叶斑病数据集仍然稀缺	提高菜豆叶斑病的检测效率和准确率，为精准农业中的作物病害智能诊断和管理提供新方法	菜豆叶斑病	计算机视觉	植物病害	深度学习与机器学习结合	EfficientNet-B7, MobileNetV3, ResNet50, VGG16, Logistic Regression, Random Forest, AdaBoost, Stochastic Gradient Boosting	图像	NA
882	2025-05-17	An efficient graph attention framework enhances bladder cancer prediction 2025-Apr-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-93059-5 PMID:40169776	research paper	提出了一种基于图注意力机制的高效框架，用于增强膀胱癌的预测	提出了一种新型的图神经网络结构MSL-GAT，利用注意力机制识别和预测与膀胱癌进展相关的关键驱动基因	未提及具体的数据集限制或模型泛化能力的验证	通过个性化驱动基因检测提高膀胱癌的预测准确性	膀胱癌患者及其相关的编码和非编码基因	machine learning	bladder cancer	graph attention mechanisms (GAT), RNA interference (RNAi)	Multi Stacked-Layered GAT (MSL-GAT)	genomic, transcriptomic, and epigenomic metadata	benchmark TCGA-BLCA数据集，具体样本数量未提及
883	2025-05-17	Automatic detection of developmental stages of molar teeth with deep learning 2025-Apr-01, BMC oral health IF:2.6Q1 DOI:10.1186/s12903-025-05827-4 PMID:40169944	research paper	该研究旨在通过深度学习模型全自动检测全景X光片中磨牙的发育阶段	首次全面比较了9种不同深度学习模型在全景X光片上自动检测磨牙发育阶段的性能	样本量较小(仅210张全景X光片)，且为回顾性研究	开发自动化系统辅助牙医进行磨牙发育阶段分类	5-25岁患者的磨牙发育阶段	digital pathology	NA	panoramic radiography	Cascade R-CNN, YOLOv3, HTC, DetectorRS, SSD, EfficientNet, NAS-FPN, Deformable DETR, PAA	image	210张全景X光片
884	2025-05-17	Comparative analysis of deep learning architectures for thyroid eye disease detection using facial photographs 2025-Apr-01, BMC ophthalmology IF:1.7Q3 DOI:10.1186/s12886-025-03988-y PMID:40169995	research paper	比较两种深度学习模型ResNet-50和ResNet-101在使用面部照片筛查甲状腺眼病（TED）中的表现	首次比较ResNet-50和ResNet-101在TED筛查中的性能，并在临床条件下测试模型	样本量相对较小，且仅在特定临床条件下测试	评估深度学习模型在甲状腺眼病筛查中的应用效果	甲状腺眼病患者和健康个体的面部照片	computer vision	thyroid eye disease	deep learning	ResNet-50, ResNet-101	image	1601张面部照片（643 TED患者和643健康个体用于训练，81 TED患者和74健康个体用于验证，80 TED患者和80健康个体用于测试，25 TED患者和25健康个体用于临床测试）
885	2025-05-17	Development and multicentric external validation of a prognostic COVID-19 severity model based on thoracic CT 2025-Apr-01, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-025-02983-z PMID:40170034	研究论文	开发并验证了一种基于胸部CT的COVID-19严重程度预后模型	结合患者年龄、性别和胸部CT影像特征，开发了一个逻辑回归模型，用于预测COVID-19患者在一个月内发展为重症的风险，并在多中心外部数据集上验证了其性能	模型在Delta和Omicron变异株流行期间的表现未下降，但未进一步验证对其他变异株的适用性	开发一个基于胸部CT的预后模型，用于快速风险分层，支持临床决策和资源分配	COVID-19患者	数字病理	COVID-19	胸部CT	逻辑回归	影像	来自STOIC挑战的公开数据及外部多中心数据集
886	2025-05-17	DconnLoop: a deep learning model for predicting chromatin loops based on multi-source data integration 2025-Apr-01, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-025-06092-6 PMID:40170155	研究论文	开发了一种名为DconnLoop的深度学习方法，通过整合多源数据预测染色质环	整合Hi-C、ChIP-seq和ATAC-seq多源数据，结合残差机制、方向性连接激励模块和交互特征空间解码器进行特征提取与融合	未明确提及具体局限性	提高染色质环预测的准确性和召回率，以更好地理解疾病调控机制	染色质环	深度学习	NA	Hi-C、ChIP-seq、ATAC-seq	深度学习模型（含残差机制、方向性连接激励模块、交互特征空间解码器）	基因组多源测序数据	未明确提及具体样本量
887	2025-05-17	Towards a unified framework for single-cell -omics-based disease prediction through AI 2025-Apr, Clinical and translational medicine IF:7.9Q1 DOI:10.1002/ctm2.70290 PMID:40170267	研究论文	提出一个基于单细胞组学和AI的统一框架scDisPreAI，用于疾病预测和生物标志物发现	整合单细胞组学数据和AI技术，构建多任务预测模型并引入可解释性技术识别关键生物标志物	需要多组学整合、标准化协议和前瞻性临床验证以充分发挥潜力	开发AI驱动的单细胞组学疾病预测框架	单细胞组学数据和疾病预测	机器学习	多种疾病	单细胞组学	深度学习架构/机器学习流程	单细胞组学数据	大型标准化数据库（具体数量未提及）
888	2025-05-17	Free-breathing, Highly Accelerated, Single-beat, Multisection Cardiac Cine MRI with Generative Artificial Intelligence 2025-Apr, Radiology. Cardiothoracic imaging DOI:10.1148/ryct.240272 PMID:40178397	research paper	开发并评估了一种自由呼吸、高度加速、多切面、单次心跳的心脏MRI电影序列	使用生成对抗网络（REGAIN）进行图像重建，实现了自由呼吸、单次心跳的高加速心脏MRI	研究样本量较小（136名参与者），且未提及长期临床应用效果	开发更快速、更舒适的心脏MRI成像技术	心脏疾病患者和健康参与者的心脏MRI图像	医学影像	心血管疾病	MRI	GAN（REGAIN）	医学影像	136名参与者（40名健康，96名心脏疾病患者）
889	2025-05-17	SpaMask: Dual masking graph autoencoder with contrastive learning for spatial transcriptomics 2025-Apr, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1012881 PMID:40179332	research paper	提出了一种名为SpaMask的双重掩码图自编码器结合对比学习方法，用于空间转录组学数据分析	SpaMask通过同时掩码部分节点和边来增强模型性能和鲁棒性，并结合了掩码图自编码器和掩码图对比学习模块	未明确提及具体局限性	提高空间转录组学数据中空间域表征的准确性和鲁棒性	空间转录组学数据中的细胞空间位置和基因表达	生物信息学	NA	空间分辨转录组学(SRT)	图神经网络(GNN), 掩码图自编码器(MGAE), 掩码图对比学习(MGCL)	空间转录组学数据	来自5个不同平台的8个数据集
890	2025-05-17	Breast cancer histopathology image classification using transformer with discrete wavelet transform 2025-Apr, Medical engineering & physics IF:1.7Q3 DOI:10.1016/j.medengphy.2025.104317 PMID:40180530	research paper	提出了一种基于离散小波变换和邻域注意力Transformer的乳腺癌组织病理学图像分类网络DWNAT-Net	首次将离散小波变换引入邻域注意力Transformer，同时提取空间和频率特征	未明确说明模型的计算复杂度或实时性能	提高乳腺癌组织病理学图像的分类准确率	乳腺癌组织病理学图像	digital pathology	breast cancer	Discrete Wavelet Transform (DWT)	Transformer (NAT)	image	BreakHis和BACH数据集
891	2025-05-17	TissueProf: An ImageJ/Fiji Plugin for Tissue Profiling Based on Fluorescent Signals 2025-Apr, The European journal of neuroscience DOI:10.1111/ejn.70094 PMID:40180584	research paper	开发了一个名为TissueProf的ImageJ/Fiji插件，用于基于荧光信号的组织分析	提供了一个半自动化的图像分析流程，具有用户输入灵活性，结合了深度学习网络和空间分析	需要手动校正细胞分割，可能仍存在一定的用户工作量	减少研究人员在多通道显微镜图像分析中的工作量和时间消耗	荧光免疫组织化学图像中的细胞群体	digital pathology	NA	荧光免疫组织化学	deep learning networks	image	NA
892	2025-05-17	AI/ML modeling to enhance the capability of in vitro and in vivo tests in predicting human carcinogenicity 2025-Apr, Mutation research. Genetic toxicology and environmental mutagenesis DOI:10.1016/j.mrgentox.2025.503858 PMID:40185541	研究论文	本研究旨在开发一种基于深度学习的计算机模型，通过多任务学习方法预测人类致癌性	采用图神经网络(GNN)结合多任务学习框架，整合多种辅助任务提升人类致癌性预测能力	未提及具体的数据集规模限制或模型泛化能力测试	提高人类致癌性预测的准确性	化学物质的致癌性预测	机器学习	癌症	深度学习	GNN, MTL	化学物质数据	NA
893	2025-05-17	Machine Learning and Deep Learning in Detection of Neonatal Seizures: A Systematic Review 2025-Apr, Journal of evaluation in clinical practice IF:2.1Q2 DOI:10.1111/jep.70083 PMID:40189779	系统性综述	本文系统综述了机器学习和深度学习在新生儿癫痫检测中的应用	探讨了ML和DL在新生儿癫痫检测中的效果，并总结了现有研究的性能指标	仅纳入了10项符合标准的研究，样本量相对有限	研究机器学习和深度学习在新生儿癫痫检测中的应用效果	新生儿癫痫	机器学习	新生儿癫痫	机器学习（ML）和深度学习（DL）	卷积神经网络（CNN）	脑电图（EEG）信号时间序列	17至258名新生儿，共1389次癫痫发作，平均834小时EEG数据
894	2025-05-17	Deep learning for electrocardiogram interpretation: Bench to bedside 2025-Apr, European journal of clinical investigation IF:4.4Q2 DOI:10.1111/eci.70002 PMID:40191935	综述	本文综述了深度学习在心电图（ECG）分析中的应用及其临床实践中的障碍	探讨深度学习在ECG分析中的潜力及其对心血管护理未来的影响	深度学习ECG分析工具在临床实践中的广泛应用仍面临监管障碍、算法透明度和数据隐私问题	评估深度学习在ECG分析中的应用及其临床有效性	12导联心电图	机器学习	心血管疾病	深度学习（DL）	NA	心电图数据	NA
895	2025-05-17	TractCloud-FOV: Deep Learning-Based Robust Tractography Parcellation in Diffusion MRI With Incomplete Field of View 2025-Apr-01, Human brain mapping IF:3.5Q1 DOI:10.1002/hbm.70201 PMID:40193105	research paper	本文介绍了一种名为TractCloud-FOV的深度学习框架，用于在不完整视野的扩散MRI中稳健地进行纤维束成像分割	提出了一种新的训练策略FOV-Cut Augmentation (FOV-CA)，通过合成切割纤维束成像来模拟现实世界中的不完整视野情况，从而增强模型的泛化能力	未提及具体局限性	解决在不完整视野的扩散MRI中进行纤维束成像分割的挑战	扩散MRI中的纤维束成像	digital pathology	NA	diffusion MRI	deep learning	image	两个真实数据集和合成切割的纤维束成像数据
896	2025-05-17	Automated Detection of Oral Malignant Lesions Using Deep Learning: Scoping Review and Meta-Analysis 2025-Apr, Oral diseases IF:2.9Q1 DOI:10.1111/odi.15188 PMID:39489724	meta-analysis	本文通过范围综述和荟萃分析，概述了使用深度学习自动检测口腔恶性病变的进展和成就	首次对过去五年使用深度学习自动检测口腔病变的研究进行了系统性的范围综述和荟萃分析	仅纳入了14项研究，其中只有3项适合进行荟萃分析，样本量较小	评估深度学习在口腔恶性病变自动检测和分类中的应用效果	口腔恶性病变	digital pathology	oral cancer	deep learning	NA	clinical images	14项研究（其中3项用于荟萃分析）
897	2025-05-17	Deep learning-based segmentation of OCT images for choroidal thickness 2025 Apr-Jun, Journal of optometry IF:2.2Q2 DOI:10.1016/j.optom.2025.100556 PMID:40328135	research paper	开发并验证了一种基于深度学习的自动化分割方法，用于光学相干断层扫描（OCT）图像中脉络膜厚度的测量	使用自定义的Deeplabv3+网络（基于ResNet50）进行自动化分割，与开源算法相比表现出更高的准确性和一致性	研究仅使用了10,798个手动分割的OCT扫描进行训练，可能限制了模型的泛化能力	开发一种自动化方法来准确测量OCT图像中的脉络膜厚度	光学相干断层扫描（OCT）图像中的脉络膜	computer vision	眼科疾病	光学相干断层扫描（OCT）	Deeplabv3+（基于ResNet50）	image	10,798个手动分割的OCT扫描用于训练，130个独特的扫描用于测试
898	2025-05-17	Integrating deep learning with ECG, heart rate variability and demographic data for improved detection of atrial fibrillation 2025-Mar-31, Open heart IF:2.8Q2 DOI:10.1136/openhrt-2025-003185 PMID:40164487	research paper	本研究探讨了如何通过结合心电图（ECG）、心率变异性（HRV）和人口统计数据（年龄和性别）来提高心房颤动（AF）的检测效果	通过多模态方法（ECG、HRV和人口统计数据）提升AF检测性能，并验证了HRV数据对敏感性的显著改善	需要进一步的临床验证	提高心房颤动的检测准确率	35,634份12导联ECG记录	machine learning	cardiovascular disease	ECG, HRV	AlexNet, VGG-16, ResNet, transformers	ECG recordings, HRV, demographic data	35,634份12导联ECG记录
899	2025-05-17	Clinical implications of deep learning based image analysis of whole radical prostatectomy specimens 2025-Mar-31, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-95267-5 PMID:40164701	研究论文	本研究评估了基于深度学习的图像分析（DLIA）算法在前列腺癌根治术（RP）标本中Gleason分级和肿瘤定量的临床应用和预后价值	首次将DLIA算法应用于全RP标本的Gleason分级和肿瘤定量，并评估其临床可行性和预后价值	研究样本量相对有限（992例患者），且DLIA算法与病理学家评估的一致性仅为中等水平（Cohen's kappa: 0.374）	提高前列腺癌诊断的准确性和临床决策支持	前列腺癌根治术标本	数字病理学	前列腺癌	深度学习图像分析	DLIA算法	H&E染色数字切片图像	992例患者的29,646张数字化H&E染色切片
900	2025-05-17	Gd-EOB-DTPA-enhanced MRI radiomics and deep learning models to predict microvascular invasion in hepatocellular carcinoma: a multicenter study 2025-Mar-31, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-01646-9 PMID:40165094	研究论文	基于Gd-EOB-DTPA增强MRI图像的放射组学和深度学习模型预测肝细胞癌微血管侵犯的多中心研究	结合了双区域特征和两种机器学习算法（CR和DLR）的新型放射组学模型，用于术前预测MVI	所有模型之间的AUC无显著差异（P>0.005）	验证Gd-EOB-DTPA增强MRI图像的放射组学模型在术前预测肝细胞癌微血管侵犯（MVI）中的潜在价值	304名肝细胞癌患者（训练队列216名，测试队列88名）	数字病理	肝细胞癌	Gd-EOB-DTPA增强MRI	支持向量机（SVM）、3D ResNet-18	MRI图像	304名患者（216名训练，88名测试）