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	2025-05-01	A Dynamic Model for Early Prediction of Alzheimer's Disease by Leveraging Graph Convolutional Networks and Tensor Algebra 2025, Pacific Symposium on Biocomputing. Pacific Symposium on Biocomputing PMID:39670404	研究论文	提出了一种基于图卷积网络和张量代数的动态模型DyEPAD，用于早期预测阿尔茨海默病	结合图卷积网络和张量代数操作，动态捕捉时间序列中的进化模式，提高了预测准确性	模型复杂度可能较高，且仅针对MCI患者向AD的转化进行预测	开发早期预测阿尔茨海默病的方法	轻度认知障碍(MCI)患者	数字病理学	阿尔茨海默病	电子健康记录(EHR)分析	GCN与张量代数结合的动态模型DyEPAD	电子健康记录(EHR)数据	ADNI和NACC数据集
922	2025-05-01	Deep Learning Predicts Subtype Heterogeneity and Outcomes in Luminal A Breast Cancer Using Routinely Stained Whole-Slide Images 2025-Jan-01, Cancer research communications IF:2.0Q3 DOI:10.1158/2767-9764.CRC-24-0397 PMID:39740059	research paper	该研究利用深度学习模型通过转录组数据训练，经济高效地量化和精细定位LumA型乳腺癌常规图像中的亚型混合导致的肿瘤内异质性	提出了一种新方法，能够通过常规图像分析LumA型乳腺癌的亚型异质性及其对个体化治疗选择的影响	NA	探索LumA型乳腺癌亚型异质性机制及其对治疗选择的影响	LumA型乳腺癌的常规染色全切片图像	digital pathology	breast cancer	deep learning	NA	image	NA
923	2025-05-01	Predicting sinonasal inverted papilloma attachment using machine learning: Current lessons and future directions 2025 Jan-Feb, American journal of otolaryngology IF:1.8Q2 DOI:10.1016/j.amjoto.2024.104549 PMID:39740533	research paper	使用机器学习预测鼻窦内翻性乳头状瘤的附着部位	开发了一种基于nnU-Net的深度学习模型，用于分析CT图像并识别内翻性乳头状瘤的附着部位	样本量较小（58例），且需要更多样化的数据集以提高临床应用的可靠性	通过机器学习提高鼻窦内翻性乳头状瘤附着部位的识别准确性	鼻窦内翻性乳头状瘤患者的CT图像	digital pathology	鼻窦内翻性乳头状瘤	CT扫描	nnU-Net	image	58例患者
924	2025-05-01	NeuTox 2.0: A hybrid deep learning architecture for screening potential neurotoxicity of chemicals based on multimodal feature fusion 2025-Jan, Environment international IF:10.3Q1 DOI:10.1016/j.envint.2024.109244 PMID:39742830	research paper	本研究开发了一种混合深度学习架构NeuTox 2.0，用于基于多模态特征融合的化学物质神经毒性筛查	结合了基于自监督学习的迁移学习、图神经网络和分子指纹/描述符，提高了预测准确性和泛化能力	在BBB数据集上表现未超过PaDEL描述符模型	开发高效的化学物质神经毒性筛查工具	化学物质的神经毒性	machine learning	NA	transfer learning, self-supervised learning, graph neural networks	hybrid deep learning architecture	molecular data	四个数据集（BBB渗透性、神经元细胞毒性、微电极阵列神经活动、哺乳动物神经毒性）和REACH数据库中的315,790种化合物
925	2025-05-01	Human intention recognition for trauma resuscitation: An interpretable deep learning approach for medical process data 2025-Jan, Journal of biomedical informatics IF:4.0Q2 DOI:10.1016/j.jbi.2024.104767 PMID:39746431	research paper	提出了一种可解释的深度学习方法，用于自动识别创伤复苏过程中的目标追求	使用双GRU结构的神经网络模型，结合时间和活动类型特征，增强模型的可解释性	仅针对两种复苏目标（气道稳定和循环支持）进行验证，样本量有限	提高创伤复苏过程中目标追求的识别准确性，优化医疗决策支持	儿科创伤复苏事件日志	machine learning	trauma	deep learning	dual-GRU	event logs	381例儿科创伤复苏事件
926	2025-05-01	Unveiling pathology-related predictive uncertainty of glomerular lesion recognition using prototype learning 2025-Jan, Journal of biomedical informatics IF:4.0Q2 DOI:10.1016/j.jbi.2024.104745 PMID:39746430	研究论文	本文提出了一种新颖的框架，用于分析肾小球病变识别中与病理相关的预测不确定性	首次结合原型学习和病理特征相关分析，提出预测不确定性估计和权重重新分配的预测修正模块	未明确说明样本来源的多样性或模型在其他病理数据集上的泛化能力	分析肾小球病变识别中与病理相关的预测不确定性及其对模型性能的影响	肾小球病变的病理图像	数字病理学	慢性肾病	深度学习	原型学习框架（包含深度原型化、亲和嵌入和多维不确定性融合）	病理图像	NA
927	2025-05-01	International multicenter validation of AI-driven ultrasound detection of ovarian cancer 2025-Jan, Nature medicine IF:58.7Q1 DOI:10.1038/s41591-024-03329-4 PMID:39747679	研究论文	国际多中心验证AI驱动的超声检测卵巢癌	使用基于transformer的神经网络模型，在国际多中心数据集上验证了AI在超声图像中检测卵巢癌的性能，显著优于专家和非专家检查者	研究为回顾性研究，缺乏前瞻性验证	验证AI在超声检测卵巢癌中的诊断性能	卵巢病变患者	数字病理	卵巢癌	超声成像	transformer-based神经网络	超声图像	17,119张超声图像来自3,652名患者，涉及20个中心的8个国家
928	2025-05-01	Analyzing the TotalSegmentator for facial feature removal in head CT scans 2025-Jan, Radiography (London, England : 1995) DOI:10.1016/j.radi.2024.12.018 PMID:39754865	研究论文	评估使用TotalSegmentator进行头部CT扫描面部特征去除以降低再识别风险的效果	比较TotalSegmentator与现有CT去面部特征算法的性能，展示其在隐私保护方面的优势	研究仅基于UCLH EIT Stroke数据集，可能不适用于其他类型的数据	评估和比较面部识别软件及去面部特征算法在头部CT扫描中的隐私保护效果	头部CT扫描图像	数字病理学	卒中	深度学习模型、支持向量机	SVM	图像	1404个高质量渲染图像
929	2025-05-01	Ensemble learning-based predictor for driver synonymous mutation with sequence representation 2025-Jan, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1012744 PMID:39761306	研究论文	本研究提出了一种基于集成学习的同义突变效应预测器EPEL，用于识别人类癌症中的驱动同义突变	首次将DNA形状特征和基于化学分子BERT预训练模型的深度学习特征结合用于评估同义突变在癌症中的影响	深度学习方法的DNA序列表征在本研究中并未显著提升驱动同义突变的识别效果	开发高精度的驱动同义突变预测工具	人类癌症中的同义突变	生物信息学	癌症	集成学习	基于树的模型组合(BERT预训练模型)	DNA序列数据	未明确说明样本量
930	2025-05-01	Benchmarking uncertainty quantification for protein engineering 2025-Jan, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1012639 PMID:39775201	研究论文	本文评估了蛋白质工程中机器学习序列功能模型的不确定性量化方法	首次在蛋白质数据集上比较了多种深度学习不确定性量化方法，并提供了针对生物序列设计的建议	没有一种不确定性量化方法在所有数据集、分割和指标上都表现最佳	评估蛋白质工程中机器学习模型的不确定性量化方法	蛋白质序列功能模型	机器学习	NA	深度学习不确定性量化方法	深度学习	蛋白质序列数据	来自FLIP基准测试的回归任务数据
931	2025-05-01	Quantitative Structural and Compositional Elucidation of Real-World Pharmaceutical Tablet Using Large Field-of-View, Correlative Microscopy-Tomography Techniques and AI-Enabled Image Analysis 2025-Jan, Pharmaceutical research IF:3.5Q2 DOI:10.1007/s11095-024-03812-0 PMID:39779618	研究论文	本研究提出了一种结合相关显微镜-断层扫描技术和基于机器学习的图像分割方法，用于定量解析真实世界药物片剂的结构和组成	结合相关显微镜-断层扫描技术和AI图像分析，实现了对药物片剂微观结构和组成的定量解析	研究仅针对含有15%API和多种常见辅料的片剂进行了验证，未涉及更广泛的药物配方	开发一种新方法来定量解析药物片剂的结构和组成，以优化片剂的配方和工艺开发	真实世界药物片剂	数字病理	NA	相关显微镜-断层扫描技术、能量色散X射线光谱、同步辐射X射线微计算机断层扫描(SyncCT)、机器学习	监督机器学习和深度学习	图像	一种含有15%API和多种常见辅料的真实世界片剂
932	2025-05-01	Double Oracle Neural Architecture Search for Game Theoretic Deep Learning Models 2025, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1 DOI:10.1109/TIP.2025.3558420 PMID:40215149	研究论文	提出了一种利用博弈论概念（包括GANs和对抗训练）训练深度学习模型的新方法，采用双预言框架和最佳响应预言	将双预言框架概念应用于对抗神经架构搜索（NAS for GAN）和对抗训练（NAS for AT）算法，显著提升了模型性能	纯纳什均衡可能不存在，且混合纳什均衡的求解因大规模策略空间而困难	利用博弈论概念改进深度学习模型的训练方法	生成对抗网络（GANs）和对抗训练（AT）模型	机器学习	NA	对抗训练（AT）、生成对抗网络（GANs）	GAN、CNN	图像	MNIST、CIFAR-10、TinyImageNet、SVHN数据集
933	2025-05-01	SMANet: A Model Combining SincNet, Multi-Branch Spatial-Temporal CNN, and Attention Mechanism for Motor Imagery BCI 2025, IEEE transactions on neural systems and rehabilitation engineering : a publication of the IEEE Engineering in Medicine and Biology Society IF:4.8Q1 DOI:10.1109/TNSRE.2025.3560993 PMID:40232894	研究论文	提出了一种结合SincNet、多分支时空CNN和注意力机制的深度学习模型SMANet，用于运动想象脑机接口分类	结合SincNet、多分支时空CNN和注意力机制，通过多目标优化方案增强判别特征	未提及具体局限性	提高运动想象脑机接口的分类准确率	脑电图（EEG）信号	脑机接口	NA	深度学习	SMANet（结合SincNet、MBSTCNN和注意力机制）	EEG信号	BCI Competition IV 2a（四类MI数据集）、BCI Competition IV 2b（二类MI数据集）、OpenBMI（二类MI数据集）
934	2025-05-01	An empirical study of preventive healthcare policy under the synergy of education and corporate financial monitoring 2025, Frontiers in public health IF:3.0Q2 DOI:10.3389/fpubh.2025.1540618 PMID:40276349	研究论文	本研究探讨了教育与公司财务监控协同作用下的预防性医疗保健政策	利用公司财务监控作为评估预防性医疗保健政策有效性的新视角，结合深度学习和动态风险建模技术	传统方法忽视了经济因素与健康结果之间的动态相互作用	通过创新的数据驱动框架提升公共卫生成果	预防性医疗保健政策及其社会经济影响	机器学习	NA	深度学习、动态风险建模	Advanced Financial Monitoring Neural Framework (AFMNF)、Dynamic Risk-Adaptive Framework (DRAF)	财务指标、健康政策数据	NA
935	2025-05-01	Development of Multicenter Deep Learning Models for Predicting Surgical Complexity and Surgical Site Infection in Abdominal Wall Reconstruction, a Pilot Study 2025, Journal of abdominal wall surgery : JAWS DOI:10.3389/jaws.2025.14371 PMID:40297249	研究论文	开发用于预测腹壁重建手术复杂性和手术部位感染风险的多中心深度学习模型	首次使用多中心深度学习模型预测腹壁重建手术的复杂性和手术部位感染风险	CST模型表现不佳，可能反映了手术决策的主观性和不同机构的实践差异	预测腹壁重建手术的复杂性和手术部位感染风险	腹壁重建手术患者	数字病理	腹壁疝	深度学习	ResNet-18	CT图像	来自两个三级腹壁重建中心的去标识化CT图像
936	2025-05-01	RSDCNet: An efficient and lightweight deep learning model for benign and malignant pathology detection in breast cancer 2025 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076251336286 PMID:40297351	研究论文	本研究提出了一种名为RSDCNet的高效轻量级深度学习模型，用于乳腺癌良恶性病理检测	RSDCNet结合了深度可分离卷积和SCSE模块，在减少模型参数的同时增强了关键特征提取能力，实现了轻量化和高效率	研究仅使用了BreakHis数据集，未在其他独立数据集上进行验证	开发一种高效、自动化和精确的乳腺癌病理检测方法	乳腺癌良恶性病理图像	数字病理	乳腺癌	深度学习	RSDCNet（基于CNN的改进模型）	图像	9109张乳腺肿瘤显微图像（来自BreakHis数据集）
937	2025-05-01	Magnetic resonance radiomics-based deep learning model for diagnosis of Alzheimer's disease 2025 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076251337183 PMID:40297370	研究论文	本研究提出了一种基于磁共振影像组学和深度学习的模型，用于阿尔茨海默病的诊断	结合磁共振影像组学特征和深度学习模型TabNet，实现了阿尔茨海默病的高精度诊断	研究样本量相对有限，且来自特定种族群体	开发一种基于深度学习的阿尔茨海默病诊断方法	阿尔茨海默病患者、轻度认知障碍患者和正常对照者	数字病理学	老年病	磁共振成像(MRI)	TabNet	图像	ADNI数据库中的141名AD患者、166名MCI患者和231名正常对照者，以及华山医院的45名AD患者、35名MCI患者和31名正常对照者
938	2025-05-01	Development of a deep learning model to predict smoking status in patients with chronic obstructive pulmonary disease: A secondary analysis of cross-sectional national survey 2025 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076251333660 PMID:40297369	研究论文	开发并验证了一个深度学习模型，用于预测慢性阻塞性肺疾病（COPD）患者的吸烟状况	使用残差神经网络（ResNN）模型预测COPD患者的吸烟状况，并比较了多种机器学习和深度学习模型，性能优于其他模型	需要外部验证，并纳入更多行为和心理学变量以提高模型的通用性和性能	开发一个深度学习模型，用于预测COPD患者的吸烟状况	COPD患者	机器学习	慢性阻塞性肺疾病	深度学习	ResNN	结构化数据（包括人口统计学、行为学和临床变量）	5466例COPD患者
939	2025-05-01	A hybrid power load forecasting model using BiStacking and TCN-GRU 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0321529 PMID:40294011	研究论文	本文提出了一种结合集成学习和深度学习技术的混合预测模型BiStacking+TCN-GRU，用于电力负荷预测	结合了BiStacking集成学习和TCN-GRU深度学习技术，通过Pearson相关系数选择特征，提高了预测准确性	实验数据仅基于巴拿马2020年的电力负荷数据，可能在其他地区或时间段的适用性有待验证	提高电力负荷预测的准确性，减少能源浪费并改善电网稳定性	电力负荷数据	机器学习	NA	Pearson相关系数(PCC)、BiStacking、TCN、GRU	BiStacking+TCN-GRU	电力负荷数据	巴拿马2020年电力负荷数据
940	2025-05-01	Diagnostic Performance of Deep Learning Applications in Hepatocellular Carcinoma Detection Using Computed Tomography Imaging 2024-Dec-30, The Turkish journal of gastroenterology : the official journal of Turkish Society of Gastroenterology DOI:10.5152/tjg.2024.24538 PMID:39760649	research paper	本研究利用深度学习技术中的YOLO架构，通过计算机断层扫描（CT）图像提高肝细胞癌（HCC）的检测能力，旨在改善早期诊断和患者预后	采用YOLO架构的深度学习模型在HCC检测中表现出卓越的诊断准确性，显著超越传统诊断方法	研究样本量相对较小，仅包含122名患者的1290张CT图像	提高肝细胞癌的早期检测能力，改善患者预后	肝细胞癌（HCC）患者的CT图像	computer vision	liver cancer	CT imaging	YOLO	image	1290张CT图像来自122名患者