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
921	2025-04-25	Melanoma Breslow Thickness Classification Using Ensemble-Based Knowledge Distillation With Semi-Supervised Convolutional Neural Networks 2025-Jan, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3465929 PMID:39302772	研究论文	该研究利用基于集成的知识蒸馏与半监督卷积神经网络对黑色素瘤Breslow厚度进行分类	采用多教师集成知识蒸馏的半监督学习方法，提高了黑色素瘤分类任务的性能	研究使用了来自不同来源的四个数据集，但未明确说明数据集的样本量和多样性是否足够	开发自动深度学习诊断系统，支持医学专业人员对黑色素瘤进行分类决策	黑色素瘤的Breslow厚度预测及原位与侵袭性黑色素瘤的分类	数字病理学	黑色素瘤	半监督学习、知识蒸馏	CNN	图像	四个不同来源的数据集，具体样本量未明确说明
922	2025-04-25	Physician Level Assessment of Hirsute Women and of Their Eligibility for Laser Treatment With Deep Learning 2025-Jan, Lasers in surgery and medicine IF:2.2Q2 DOI:10.1002/lsm.23843 PMID:39308029	研究论文	本研究比较了医疗专业人员和基于卷积神经网络（CNN）的模型在评估多毛症女性患者激光脱毛资格方面的能力	开发了一种基于深度学习的激光脱毛资格评估工具，其表现与训练有素的皮肤科医生相当	需要前瞻性随机临床干预研究以实现真正的临床普适性	评估多毛症女性患者激光脱毛的资格	多毛症女性患者	数字病理	多毛症	深度学习	CNN	图像	NA
923	2025-04-25	Reliability of brain volume measures of accelerated 3D T1-weighted images with deep learning-based reconstruction 2025-Jan, Neuroradiology IF:2.4Q2 DOI:10.1007/s00234-024-03461-5 PMID:39316090	研究论文	本研究探讨了基于深度学习的加速MRI扫描在脑体积测量中的可行性和可靠性	使用深度学习重建技术，实现了3D T1加权MRI扫描的加速，最高可达75%的加速比	研究样本量较小（模拟加速数据集42人，验证数据集48人），且未在所有脑区（如苍白球）表现出良好一致性	评估深度学习加速MRI在脑体积测量中的临床应用可行性	3D T1加权MRI图像和脑体积测量	医学影像分析	脑萎缩相关疾病	深度学习重建技术	深度学习（具体架构未说明）	3D MRI图像	模拟加速数据集42人，验证数据集48人
924	2025-04-25	MFRC-Net: Multi-Scale Feature Residual Convolutional Neural Network for Motor Imagery Decoding 2025-Jan, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3467090 PMID:39316474	research paper	提出了一种轻量级的多尺度特征残差卷积神经网络（MFRC-Net）用于运动想象解码	MFRC-Net结合了时间多尺度残差卷积块和跨域双流空间卷积块，显著提升了性能，同时减少了模型参数和计算资源需求	未提及具体局限性	提高运动想象（MI）解码的准确性和效率，同时减少模型的计算资源需求	脑电图（EEG）信号	machine learning	NA	多尺度分组卷积、跨域空间滤波	CNN	EEG信号	BCI Competition IV 2a数据集和SHU数据集
925	2025-04-25	Deep learning in Cobb angle automated measurement on X-rays: a systematic review and meta-analysis 2025-Jan, Spine deformity IF:1.6Q3 DOI:10.1007/s43390-024-00954-4 PMID:39320698	系统综述与荟萃分析	本文综述了深度学习算法在X光片上自动测量Cobb角的应用，并通过荟萃分析评估了其性能	首次通过系统综述和荟萃分析比较了基于分割和基于标志点的深度学习方法在Cobb角测量中的准确性	研究存在高度异质性（94%），且纳入分析的样本量有限（17项研究）	评估不同深度学习算法在脊柱侧弯Cobb角自动测量中的性能差异	用于Cobb角测量的深度学习算法	数字病理	脊柱侧弯	深度学习算法	NA	X光影像	50项系统综述研究（涉及3022例样本），其中17项纳入荟萃分析
926	2025-04-25	Step Width Estimation in Individuals With and Without Neurodegenerative Disease via a Novel Data-Augmentation Deep Learning Model and Minimal Wearable Inertial Sensors 2025-Jan, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3470310 PMID:39331558	研究论文	提出了一种新颖的数据增强深度学习模型，用于通过最小化可穿戴惯性传感器估计步宽	使用数据增强的深度学习模型和最小化可穿戴惯性传感器（IMUs）来估计步宽，克服了传统方法的高成本和耗时问题	研究样本量较小，仅包括12名神经退行性疾病患者和17名健康个体	开发一种便携式步宽监测方法，以增强康复训练、评估和动态平衡控制	神经退行性疾病患者（SCA3）和健康个体	机器学习	神经退行性疾病	深度学习	数据增强深度学习模型	惯性传感器数据	12名SCA3患者和17名健康个体
927	2025-04-25	Federated Learning in Glaucoma: A Comprehensive Review and Future Perspectives 2025 Jan-Feb, Ophthalmology. Glaucoma DOI:10.1016/j.ogla.2024.08.004 PMID:39214457	review	本文全面回顾了联邦学习在青光眼筛查中的应用，并探讨了未来发展方向	联邦学习作为一种隐私保护技术，在青光眼AI模型开发中展现出潜力，解决了数据共享和隐私保护的难题	研究主要基于文献回顾，缺乏实际临床应用的详细数据分析	探索联邦学习在青光眼筛查AI模型开发中的应用及其优势	青光眼筛查相关的AI模型及数据共享机制	digital pathology	glaucoma	federated learning	deep learning	medical imaging	NA
928	2025-04-25	FedPneu: Federated Learning for Pneumonia Detection across Multiclient Cross-Silo Healthcare Datasets 2025, Current medical imaging IF:1.1Q3 DOI:10.2174/0115734056333970241212132150 PMID:39757652	research paper	该研究开发了一个基于联邦学习的深度学习模型FedPneu，用于通过X光图像早期检测肺炎	采用联邦学习框架，解决了传统集中式深度学习模型在医疗影像数据上的隐私泄露风险	研究仅测试了2-5个客户端架构，未探索更大规模的分布式场景	开发一个隐私保护的肺炎早期检测系统	多机构医疗影像数据集	digital pathology	pneumonia	federated learning	deep learning	X-ray images	未明确说明具体样本量（多机构X光数据集）
929	2025-04-25	En masse evaluation of RNA guides (EMERGe) for ADARs 2025, Methods in enzymology DOI:10.1016/bs.mie.2024.11.030 PMID:39870442	研究论文	本文介绍了一种名为EMERGe的高通量筛选方法，用于全面评估RNA引导链以促进ADARs对特定腺苷的编辑	开发了EMERGe方法，克服了现有设计原则难以编辑特定靶点的限制，为ADARs的全面筛选提供了新工具	未明确说明该方法在体内环境中的有效性及潜在脱靶效应	开发一种高通量筛选方法以优化RNA引导链设计，充分释放ADARs编辑技术的治疗潜力	ADARs酶及其RNA引导链	基因编辑	NA	NGS	机器学习或深度学习模型（潜在应用）	RNA序列数据	NA
930	2025-04-25	Attention-Guided Learning With Feature Reconstruction for Skin Lesion Diagnosis Using Clinical and Ultrasound Images 2025-Jan, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3450682 PMID:39208042	research paper	提出一种结合临床和超声模态的注意力引导学习与特征重建的皮肤病变诊断网络，以提高诊断准确性	提出注意力引导学习模块和特征重建学习策略，融合临床和超声模态的表面和深度信息，增强特征表示	现有多模态方法仅局限于皮肤临床和皮肤镜模态的表面信息，限制了皮肤病变诊断准确性的进一步提升	提高皮肤病变的诊断准确性	皮肤病变	digital pathology	skin lesion	deep learning	CNN	image	NA
931	2025-04-25	An updated compendium and reevaluation of the evidence for nuclear transcription factor occupancy over the mitochondrial genome 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0318796 PMID:40163815	研究论文	本文通过分析ENCODE项目中扩展的TF ChIP-seq数据集，结合深度学习模型，创建了一个全面的核转录因子与线粒体基因组关联的目录	利用扩展的ENCODE数据集和深度学习模型，首次全面评估核转录因子与线粒体基因组的关联，并识别出50个可能与线粒体功能相关的核转录因子	研究发现，相同的转录因子在不同抗体和ChIP实验中的结果不一致，表明现有证据的可重复性存在问题	评估核转录因子与线粒体基因组的关联，并重新评估已知的线粒体作用核转录因子的证据	核转录因子与线粒体基因组的关联	基因组学	NA	ChIP-seq, 深度学习	深度学习模型	基因组数据	6,153个ChIP实验，涉及942种蛋白质（其中763种为序列特异性转录因子）
932	2025-04-25	Digital pathology assessment of kidney glomerular filtration barrier ultrastructure in an animal model of podocytopathy 2025, Biology methods & protocols IF:2.5Q3 DOI:10.1093/biomethods/bpaf024 PMID:40223818	研究论文	开发了一种基于深度学习的数字病理计算方法，用于测量肾小球滤过屏障超微结构的GBM和PFP宽度	首次使用U-Net模型和图像处理算法自动化测量TEM图像中的GBM和PFP宽度，解决了传统手动测量的劳动密集和操作者间变异性问题	自动化与手动测量的PFP宽度在ILK cKO标本中存在差异，且自动化方法对PFP宽度的表型差异反映不如GBM明显	开发自动化工具以促进足细胞病研究	Integrin-Linked Kinase (ILK)足细胞特异性条件敲除小鼠和野生型对照小鼠的肾脏TEM图像	数字病理	足细胞病	透射电子显微镜(TEM)	U-Net	图像	4周龄的WT和ILK cKO同窝小鼠肾脏TEM图像对，采用4折交叉验证研究
933	2025-04-25	c-Triadem: A constrained, explainable deep learning model to identify novel biomarkers in Alzheimer's disease 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0320360 PMID:40228177	研究论文	提出了一种名为c-Triadem的约束性可解释深度学习模型，用于识别阿尔茨海默病的新型生物标志物	c-Triadem模型结合了基因分型数据、基因表达数据和临床信息，通过SHAP分析识别关键基因和临床特征，具有高准确率	模型依赖于ADNI数据集，可能在其他数据集上的泛化能力有限	开发一种新的深度学习模型，用于早期诊断阿尔茨海默病和识别血液生物标志物	阿尔茨海默病患者、轻度认知障碍患者和认知正常人群	机器学习	阿尔茨海默病	基因分型、微阵列、SHAP分析	深度学习神经网络	基因分型数据、基因表达数据、临床信息	ADNI数据集中的样本
934	2025-04-25	Multiple instance learning-based prediction of programmed death-ligand 1 (PD-L1) expression from hematoxylin and eosin (H&E)-stained histopathological images in breast cancer 2025, PeerJ IF:2.3Q2 DOI:10.7717/peerj.19201 PMID:40256728	research paper	本研究利用基于弱监督多实例学习（MIL）的深度学习方法，从乳腺癌H&E染色组织病理学图像中预测PD-L1表达	采用Transformer-based TransMIL模型在MIL框架内有效捕捉高度异质性特征，并展示了强大的跨中心泛化能力	研究依赖于有限的内部和外部测试集数据，且TCGA-TNBC数据集的AUC相对较低	探索深度学习技术在乳腺癌H&E染色图像中预测PD-L1表达的可行性和效果	乳腺癌H&E染色组织病理学图像	digital pathology	breast cancer	deep learning, multiple instance learning (MIL)	Transformer-based TransMIL	image	内部测试集、独立外部测试集和公共TCGA-TNBC数据集
935	2025-04-25	SVMVGGNet-16: A Novel Machine and Deep Learning Based Approaches for Lung Cancer Detection Using Combined SVM and VGGNet-16 2025, Current medical imaging IF:1.1Q3 DOI:10.2174/0115734056348824241224100809 PMID:39773067	research paper	提出了一种结合SVM和VGGNet-16的混合模型SVMVGGNet-16，用于提高肺癌检测的准确性和可靠性	整合了VGGNet-16和SVM的优势，构建了一个混合模型，用于肺癌分类	未来工作需要进一步优化模型、扩展数据集并进行临床试验	提高肺癌检测的准确性和可靠性	肺癌类型（腺癌、大细胞癌、正常和鳞状细胞癌）	digital pathology	lung cancer	median filter, histogram equalization, thresholding, edge detection	CNN (VGGNet-16), SVM	image	LIDC-IDRI数据集
936	2025-04-25	Estimating oxygen uptake in simulated team sports using machine learning models and wearable sensor data: A pilot study 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0319760 PMID:40258017	研究论文	本研究探讨了使用机器学习模型和可穿戴传感器数据在团队运动中估计摄氧量的可行性	首次比较了多种机器学习模型（包括LSTM、CNN、MLP等深度学习模型）在团队运动摄氧量估计中的性能，并发现多传感器配置能提高预测精度	样本量较小（仅6名健康男性运动员），且为初步研究，需要更大规模验证	探索非侵入性实时监测团队运动生理负荷的方法	团队运动运动员的摄氧量	机器学习	NA	惯性测量单元(IMU)、心率监测器、呼吸频率传感器	多元线性回归(MLR)、XGBoost、LSTM、CNN、MLP	传感器数据（加速度、心率、呼吸等）	6名健康男性团队运动运动员
937	2025-04-25	Multimodal Ensemble Fusion Deep Learning Using Histopathological Images and Clinical Data for Glioma Subtype Classification 2025, IEEE access : practical innovations, open solutions IF:3.4Q2 DOI:10.1109/access.2025.3556713 PMID:40260100	研究论文	提出了一种多模态集成融合深度学习方法，结合组织病理学图像和临床数据对胶质瘤亚型进行分类	采用多模态数据融合和集成学习方法，显著提高了分类准确率	实验数据仅来自TCGA数据集，可能需要更多外部验证	提高胶质瘤亚型分类的准确性以支持临床诊断	弥漫性胶质瘤患者（GBM和LGG）	数字病理学	胶质瘤	深度学习、机器学习	集成深度学习模型	组织病理学图像、临床数据	480名患者（240 GBM和240 LGG）的平衡数据集，以及383名患者（141 GBM和242 LGG）的不平衡数据集
938	2025-04-25	A deep learning-based ensemble for autism spectrum disorder diagnosis using facial images 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0321697 PMID:40261913	研究论文	本文提出了一种基于深度学习的集成模型，利用面部图像进行自闭症谱系障碍（ASD）的诊断	结合VGG16和Xception网络的集成模型，通过预处理技术克服现有数据集的局限性，实现了97%的准确率	未提及模型在其他数据集上的泛化能力	提高自闭症谱系障碍（ASD）的早期诊断准确率	自闭症谱系障碍（ASD）患者的面部图像	计算机视觉	自闭症谱系障碍	深度学习、集成学习、数据增强	VGG16、Xception	图像	Kaggle ASD面部图像数据集
939	2025-04-25	Detection of micro-pinhole defects on surface of metallized ceramic ring combining improved DETR network with morphological operations 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0321849 PMID:40261923	研究论文	提出了一种结合改进DETR网络和形态学操作的方法，用于检测金属化陶瓷环表面的微孔缺陷	结合深度学习与形态学操作的双模块检测方法，改进DETR网络结构并引入无参数注意力机制SimAM	未提及方法在复杂工业环境中的泛化能力测试	开发高精度的金属化陶瓷环表面微孔缺陷自动检测方法	金属化陶瓷环表面微孔缺陷	计算机视觉	NA	改进DETR网络、形态学操作	DETR、EfficientNet-B2、ResNet-50	图像	未明确说明样本数量
940	2025-04-25	Diagnosis of Irritant Dermatitis in Colorectal Cancer Postoperative Stoma Patients Using Smartphone Photographs: A Deep Learning Approach 2025, Journal of multidisciplinary healthcare IF:2.7Q2 DOI:10.2147/JMDH.S515644 PMID:40264545	研究论文	本研究评估了两种先进的卷积神经网络（ConvNeXt和MobileViT）在利用智能手机拍摄的造口图像智能诊断刺激性皮炎中的有效性	首次将ConvNeXt和MobileViT应用于造口术后刺激性皮炎的智能诊断，并比较了两种模型的性能	ConvNeXt在识别其他并发症方面表现有限，且MobileViT的准确性未超过ConvNeXt	评估深度学习模型在造口术后刺激性皮炎早期诊断中的应用效果	结直肠癌术后造口患者	数字病理学	结直肠癌	深度学习	CNN（ConvNeXt和MobileViT）	图像	来自中国五家三甲医院的825张造口并发症图像