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
941	2025-04-25	T-cell receptor dynamics in digestive system cancers: a multi-layer machine learning approach for tumor diagnosis and staging 2025, Frontiers in immunology IF:5.7Q1 DOI:10.3389/fimmu.2025.1556165 PMID:40264789	研究论文	本研究通过多层机器学习方法分析消化系统癌症中T细胞受体（TCR）的动态变化，用于肿瘤诊断和分期	首次在消化系统癌症中系统比较了CRC和GC的TCR库差异，并开发了基于机器学习的诊断模型，能够高精度区分癌症类型、转移状态和疾病分期	样本量相对较小（143例患者），且仅针对CRC和GC两种消化系统癌症	探索TCR库在消化系统癌症中的变异特征，并开发基于机器学习的诊断工具	结直肠癌（CRC）和胃癌（GC）患者	机器学习	消化系统癌症	高通量TCR测序	ProteinBERT	基因序列数据	143例肿瘤患者（96例CRC，47例GC）
942	2025-04-25	Deep learning applications for human embryo assessment using time-lapse imaging: scoping review 2025, Frontiers in reproductive health IF:2.3Q3 DOI:10.3389/frph.2025.1549642 PMID:40264925	综述	本文探讨了深度学习在利用延时成像技术评估和选择人类胚胎中的应用	整合深度学习和延时成像技术，为临床体外受精(IVF)中的胚胎评估和选择提供了新的可能性	大多数研究未提供母亲年龄的详细信息(82%)	探索深度学习模型在通过延时成像系统监测的胚胎评估和选择中的应用范围	人类胚胎	数字病理学	生殖健康	延时成像	CNN	图像和视频	研究涉及的胚胎数量差异很大，平均为10,485个(SD=35,593)，范围从20到249,635个胚胎
943	2025-04-25	Synthetic O-(2-18F-fluoroethyl)-l-tyrosine-positron emission tomography generation and hotspot prediction via preoperative MRI fusion of gliomas lacking radiographic high-grade characteristics 2025 Jan-Dec, Neuro-oncology advances IF:3.7Q2 DOI:10.1093/noajnl/vdaf001 PMID:40264944	研究论文	本研究利用生成对抗网络（GAN）框架和深度学习模型，从术前MRI生成合成O-(2-18F-氟乙基)-L-酪氨酸（[18F]FET）-PET图像，并预测[18F]FET高摄取区域	首次展示了从术前MRI预测[18F]FET高摄取和生成合成PET图像的可行性，采用了生成对抗网络框架和自注意力机制	未来研究需要结合高级MRI模态和其他生成AI模型以进一步改进算法	解决缺乏典型高级影像特征的胶质瘤在PET成像中氨基酸可用性有限的问题，辅助治疗决策	胶质瘤患者	数字病理学	胶质瘤	PET成像、MRI	GAN、Random Forest	MRI图像、PET图像	215例研究用于热点分类，211例研究用于合成PET生成任务
944	2025-04-25	Use of AI-methods over MD simulations in the sampling of conformational ensembles in IDPs 2025, Frontiers in molecular biosciences IF:3.9Q2 DOI:10.3389/fmolb.2025.1542267 PMID:40264953	research paper	本文探讨了人工智能方法在采样内在无序蛋白质（IDPs）构象集合中的应用，相比传统的分子动力学（MD）模拟，AI方法在效率和扩展性上具有优势	利用深度学习（DL）方法高效且可扩展地采样IDPs的构象集合，克服了传统基于物理方法的限制，并展示了在生成多样性集合方面优于MD模拟	依赖数据质量、可解释性有限以及对较大蛋白质的扩展性不足	研究AI方法在IDPs构象集合采样中的应用，以克服传统MD模拟的计算成本高和难以采样稀有瞬态状态的限制	内在无序蛋白质（IDPs）的构象集合	machine learning	NA	deep learning (DL), Molecular Dynamics (MD) simulations	DL	simulated and experimental data	NA
945	2025-04-25	A retrospective study on predicting clinically significant prostate cancer via a bi-parametric ultrasound-based deep learning radiomics model 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1538854 PMID:40265019	研究论文	本研究旨在通过双参数超声深度学习放射组学模型结合临床因素预测临床显著性前列腺癌	首次提出将超声深度学习放射组学与临床指标结合的列线图模型用于预测临床显著性前列腺癌	研究为回顾性设计且样本量有限，可能影响模型的泛化能力	提高临床显著性前列腺癌的预测准确性	接受前列腺活检的患者	数字病理	前列腺癌	双参数超声（B超和剪切波弹性成像）	深度学习放射组学（DLR）模型	超声影像	232名参与者（训练集与测试集按7:3分配）
946	2025-04-25	Artificial intelligence for instance segmentation of MRI: advancing efficiency and safety in laparoscopic myomectomy of broad ligament fibroids 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1549803 PMID:40265020	research paper	评估人工智能引导的MRI实例分割在优化腹腔镜子宫肌瘤切除术效果中的应用	开发了一种深度学习模型，用于从术前MRI中分割肌瘤、子宫壁和子宫腔，显著提高了手术效率和安全性	研究样本量较小，仅包括120名患者，且仅针对子宫宽韧带肌瘤	优化腹腔镜子宫肌瘤切除术的手术效果	120名MRI确诊的子宫宽韧带肌瘤患者	digital pathology	uterine fibroids	MRI, deep learning	deep learning model	MRI images	120名患者（60名AI辅助组，60名传统MRI组）
947	2025-04-25	Automatic joint segmentation and classification of breast ultrasound images via multi-task learning with object contextual attention 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1567577 PMID:40265029	研究论文	提出了一种结合多任务学习和对象上下文注意力模块的网络（MTL-OCA），用于乳腺超声图像的自动分割和分类	利用对象上下文注意力模块捕捉像素-区域关系，提升分割质量，并通过未增强的分割掩码提取高级特征以提高分类准确性	未提及具体的数据集规模或多样性限制，也未讨论模型在临床环境中的实际应用效果	提升乳腺超声图像的分割和分类性能，以辅助乳腺癌的早期诊断	乳腺超声图像	计算机视觉	乳腺癌	深度学习	多任务学习网络（MTL-OCA）	图像	公共乳腺超声数据集（未提及具体样本数量）
948	2025-04-25	A bibliometric analysis of artificial intelligence applied to cervical cancer 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1562818 PMID:40265176	研究论文	本文通过文献计量学方法分析了人工智能在宫颈癌领域的应用，全面概述了研究现状和最新进展	首次对宫颈癌与人工智能结合的文献进行系统性计量分析，揭示了研究热点和发展趋势	仅基于Web of Science数据库的文献，可能遗漏其他重要来源的研究	了解人工智能在宫颈癌领域的研究现状和发展趋势	1996-2024年间发表的770篇宫颈癌与人工智能相关的研究论文	机器学习	宫颈癌	文献计量分析	NA	文献数据	770篇研究论文
949	2025-04-25	A multi-agent reinforcement learning based approach for automatic filter pruning 2024-Dec-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-82562-w PMID:39730902	研究论文	本文提出了一种基于多智能体强化学习的自动滤波器剪枝方法QMIX_FP，用于深度卷积神经网络的高效部署	首次将多智能体强化学习算法QMIX应用于滤波器剪枝，考虑了各卷积层之间的交互作用及其对整体网络的不同敏感性	仅在VGG-16和AlexNet两个基准网络上进行了验证，未涉及更复杂的网络结构	解决资源受限设备上深度卷积神经网络的高效部署问题	深度卷积神经网络(DCNNs)的滤波器剪枝	机器学习	NA	强化学习(RL)、知识蒸馏	QMIX、VGG-16、AlexNet	图像数据	CIFAR-10和CIFAR-100数据集
950	2024-12-20	Deep learning on chromatin profiles reveals the cis-regulatory sequence code of the rice genome 2024-Dec-18, Journal of genetics and genomics = Yi chuan xue bao DOI:10.1016/j.jgg.2024.12.007 PMID:39694233	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
951	2025-04-25	A Deep Learning Approach for Accurate Discrimination Between Optic Disc Drusen and Papilledema on Fundus Photographs 2024-Dec-01, Journal of neuro-ophthalmology : the official journal of the North American Neuro-Ophthalmology Society IF:2.0Q2 DOI:10.1097/WNO.0000000000002223 PMID:39090774	research paper	本研究开发了一种深度学习系统，用于在眼底照片上准确区分视盘玻璃疣和颅内高压引起的视乳头水肿	开发了一个专用的深度学习系统，能够准确区分视盘玻璃疣和视乳头水肿，包括各种亚型	研究为回顾性设计，可能影响结果的普遍性	训练、验证和测试一个深度学习系统，用于视盘玻璃疣与视乳头水肿的二元分类	视盘玻璃疣和视乳头水肿患者	digital pathology	ophthalmologic disease	deep learning	DLS (Deep Learning System)	image	4,508张眼底照片，来自2,180名患者
952	2025-04-25	Multiband Convolutional Riemannian Network With Band-Wise Riemannian Triplet Loss for Motor Imagery Classification 2024-Dec, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3438167 PMID:39102329	研究论文	提出了一种新颖的运动想象分类算法，通过多频带卷积黎曼网络和频带黎曼三元组损失提高分类性能	开发了一种最先进的多频带黎曼网络，通过减少子带数量、插入卷积层和使用黎曼三元组损失来降低过拟合风险	NA	提高运动想象分类的性能	运动想象分类	机器学习	NA	多频带卷积黎曼网络	CNN	脑电信号	公开数据集 BCI Competition IV dataset 2a 和 OpenBMI dataset
953	2025-04-25	Predicting miRNA-Disease Associations Based on Spectral Graph Transformer With Dynamic Attention and Regularization 2024-Dec, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3438439 PMID:39102330	research paper	提出了一种名为DARSFormer的深度学习模型，用于预测miRNA与疾病之间的关联	整合了动态注意力机制与谱图Transformer，提高了预测miRNA-疾病关联的整体效果和对节点位置的鲁棒性	NA	预测miRNA与疾病之间的关联	miRNA和疾病	machine learning	prostate cancer	graph neural networks, Transformer	DARSFormer	graph data	HMDD v2.0和v3.2数据库，结直肠癌、食管癌和前列腺肿瘤案例研究
954	2025-04-25	An Eye Movement Classification Method Based on Cascade Forest 2024-Dec, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3439568 PMID:39106144	研究论文	提出了一种基于级联森林的眼动分类方法（EMCCF），用于提高眼动数据分类的准确性和效率	创新性地采用分层集成架构，结合级联森林结构和集成学习原理，专门用于眼动分类	未提及具体局限性	解决眼动分类中的类别不平衡和数据稀缺问题，提高分类方法的适应性和准确性	原始眼动数据	计算机视觉	NA	多尺度时间窗口方法	级联森林（Cascade Forest）	眼动数据	未提及具体样本数量
955	2025-04-25	Deep-DM: Deep-Driven Deformable Model for 3D Image Segmentation Using Limited Data 2024-Dec, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3440171 PMID:39110559	研究论文	提出了一种名为Deep-DM的深度学习驱动变形模型，用于在有限训练数据下进行3D医学图像分割	通过CNN学习能量函数并集成到显式变形模型中，减少了训练数据依赖，提高了小样本下的分割性能	需要进一步验证在其他解剖结构和影像模态上的通用性	开发一种在有限数据条件下仍能准确分割3D医学图像的方法	左心室、胎儿头部（超声）、左心房（MRI）和膀胱（CT）	数字病理	NA	深度学习驱动的变形模型	CNN	3D医学图像	不同数量的训练体积（具体数量未说明）
956	2025-04-25	DualStreamFoveaNet: A Dual Stream Fusion Architecture With Anatomical Awareness for Robust Fovea Localization 2024-Dec, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3445112 PMID:39150813	研究论文	提出一种名为DualStreamFoveaNet的双流融合架构，用于鲁棒的视网膜中央凹定位	引入基于transformer的双流编码器，结合空间注意力机制和自学习解剖信息，显著降低计算成本并提高定位鲁棒性	未明确提及具体局限性	提高视网膜疾病分析中中央凹定位的准确性和鲁棒性	视网膜图像（包括正常和病变图像）	计算机视觉	视网膜疾病	深度学习	transformer架构（DualStreamFoveaNet）	视网膜图像	两个公共数据集和一个大规模私有数据集
957	2025-04-25	Deep Quasi-Recurrent Self-Attention With Dual Encoder-Decoder in Biomedical CT Image Segmentation 2024-Dec, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3447689 PMID:39172619	research paper	本文提出了一种用于生物医学CT图像分割的深度准循环自注意力与双编码器-解码器结构的新模型	首创深度准循环自注意力结构，结合双编码器-解码器，通过参数重用实现学习一致性和快速收敛，并有效处理长距离依赖关系	未提及模型在极端噪声或异常解剖结构下的表现，也未讨论计算资源需求	提高生物医学CT图像分割的准确性和效率	生物医学CT图像	digital pathology	NA	deep learning	deep quasi-recurrent self-attention with dual encoder-decoder	CT images	多个公开可用的CT扫描数据集（未提具体数量）
958	2025-04-25	Advancing Bioactivity Prediction Through Molecular Docking and Self-Attention 2024-Dec, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3448455 PMID:39178096	研究论文	该研究通过分子对接和自注意力机制提升生物活性预测的准确性	首次将药物-靶标相互作用整合到生物活性预测中，设计了DTIGN网络，并利用自注意力机制识别分子对接结果中的结合口袋和姿态	研究中使用的原生结构数据有限，可能影响模型的泛化能力	提升生物活性预测的准确性，以优化药物发现早期阶段的候选分子筛选	蛋白质-配体复合物	机器学习	NA	分子对接，半监督学习	DTIGN（药物-靶标相互作用图神经网络），多头自注意力机制	蛋白质-配体复合物数据，晶体结构数据库数据	建立了独特的基准数据集，与9种领先的基于深度学习的生物活性预测方法进行了比较
959	2025-04-25	Transfer Contrastive Learning for Raman Spectroscopy Skin Cancer Tissue Classification 2024-Dec, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3451950 PMID:39208055	research paper	本文提出了一种转移对比学习范式（TCLP），用于解决拉曼光谱（RS）信号在皮肤癌组织分类中的稀缺性和噪声问题	结合迁移学习和对比学习，利用来自不同RS设备的相似领域数据预训练模型，并通过对比学习增强RS信号以学习可靠的特征表示	未提及具体样本量及噪声水平对模型性能的具体影响	提高拉曼光谱信号在皮肤癌组织分类中的准确性和可靠性	皮肤癌组织	machine learning	skin cancer	Raman spectroscopy (RS)	deep learning	RS signals	NA
960	2025-04-25	Geometric Molecular Graph Representation Learning Model for Drug-Drug Interactions Prediction 2024-Dec, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3453956 PMID:39226203	研究论文	提出了一种基于几何分子图表示学习的模型（Mol-DDI），用于预测药物-药物相互作用	仅考虑分子的共价和非共价键信息，利用大规模模型的预训练思想学习药物分子表示，并在微调过程中预测药物相互作用	难以发现新药的相互作用	预测潜在的药物相互作用，为系统有效的治疗提供药物组合策略	药物分子	机器学习	NA	几何分子图表示学习	Mol-DDI	分子图数据	三个数据集