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
961	2025-05-16	Mpox-XDE: an ensemble model utilizing deep CNN and explainable AI for monkeypox detection and classification 2025-Mar-25, BMC infectious diseases IF:3.4Q2 DOI:10.1186/s12879-025-10811-y PMID:40133816	research paper	该研究提出了一种名为Mpox-XDE的集成模型，用于早期猴痘（Mpox）的检测和分类	结合了三种改进的深度学习模型（Xception、DenseNet201和EfficientNetB7）以及可解释人工智能（XAI）技术Grad-CAM，提高了猴痘早期检测的准确性	研究仅使用了770张图像的数据集，样本量相对较小	开发一种可靠的方法，用于早期准确检测猴痘	猴痘（Mpox）以及其他皮肤病（如鸡痘、麻疹和正常皮肤）的图像	computer vision	monkeypox	deep learning, explainable AI (XAI), Gradient-weighted Class Activation Mapping (Grad-CAM)	CNN (Xception, DenseNet201, EfficientNetB7), Swin Transformer (SwinViT), ensemble model (Mpox-XDE)	image	770张图像
962	2025-05-16	Application of automatic image analysis using a Deep Learning Neural Network for assessing the growth of green algae containing carotenoids - importance for environment, health and aquaculture 2025-Mar-25, Annals of agricultural and environmental medicine : AAEM IF:1.3Q4 DOI:10.26444/aaem/202673 PMID:40159751	research paper	该研究应用深度学习神经网络自动分析含有类胡萝卜素的绿藻生长图像，评估其在环境、健康和水产养殖中的重要性	使用YOLO v8网络进行微观图像分析，显著提高了定量研究的速度和准确性，特别是在检测不同藻类和菌落方面	在检测某些藻类时错误率较高，如文中提到的某种藻类比另一种藻类检测错误更多	开发一种快速准确的自动图像分析方法，用于评估绿藻生长及其在多个领域的应用	含有类胡萝卜素的绿藻	computer vision	NA	deep learning	YOLO v8	image	选定的藻类和菌落样本
963	2025-05-16	AI-Derived Blood Biomarkers for Ovarian Cancer Diagnosis: Systematic Review and Meta-Analysis 2025-Mar-24, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/67922 PMID:40126546	meta-analysis	本文通过系统回顾和荟萃分析评估了AI衍生的血液生物标志物在卵巢癌诊断中的研究质量和有效性	首次全面评估AI算法在卵巢癌血液生物标志物诊断中的性能，并比较了不同AI算法和样本类型的诊断效果差异	未对所有AI算法进行全面比较，且部分研究缺乏外部验证	评估AI基础血液生物标志物在卵巢癌诊断中的有效性	卵巢癌患者血液样本	machine learning	ovarian cancer	AI算法（包括机器学习和深度学习）	machine learning, deep learning	血液生物标志物数据	40项研究
964	2025-05-16	Interactions of flavonoid and coumarin derivative compounds with transforming growth factor-beta receptor 1 (TGF-βR1): integrating virtual screening, molecular dynamics, maximum common substructure, and ADMET approaches in the treatment of idiopathic pulmonary fibrosis 2025-Mar-24, Journal of molecular modeling IF:2.1Q3 DOI:10.1007/s00894-025-06338-3 PMID:40126695	研究论文	本研究通过计算化学方法探索植物来源的黄酮和香豆素衍生物作为新型TGF-βR1抑制剂的潜力，用于治疗特发性肺纤维化	首次发现2',3',4'-三羟基黄酮和双香豆醇作为潜在的植物源TGF-βR1抑制剂，并展示优于现有药物的结合特性和药理性质	研究仅基于计算机模拟，缺乏体外结合实验和体内动物研究的验证	开发治疗特发性肺纤维化的新型TGF-βR1抑制剂	1206种黄酮和香豆素衍生物	计算药物发现	特发性肺纤维化	虚拟筛选、分子对接、分子动力学模拟、最大共同子结构分析、ADMET分析	AutoDock Vina、GROMACS、Deep-PK	化合物结构数据	1206种化合物，最终筛选出3种候选化合物
965	2025-05-16	Explainable AI for Intraoperative Motor-Evoked Potential Muscle Classification in Neurosurgery: Bicentric Retrospective Study 2025-Mar-24, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/63937 PMID:40127441	research paper	本研究开发了用于术中运动诱发电位肌肉分类的可解释AI模型，并在双中心设置中评估其性能	首次将可解释AI技术应用于MEP信号分类，并识别出对准确分类至关重要的信号特征	研究仅基于两个医疗中心的数据，样本量和多样性可能有限	开发机器学习方法用于肌肉分类，并通过可解释AI技术识别MEP信号的关键特征	来自幕上神经外科手术的MEP信号，涉及四块肌肉(指伸肌、拇短展肌、胫骨前肌和拇展肌)	digital pathology	neurosurgical diseases	machine learning, deep learning, explainable AI	RF, 1D-CNN, 2D-CNN	time-series data, feature-engineered data, time-frequency representations	训练集: 151例手术的36,992个MEPs；测试集: 58例手术的24,298个MEPs
966	2025-05-16	Two-tier nature inspired optimization-driven ensemble of deep learning models for effective autism spectrum disorder diagnosis in disabled persons 2025-Mar-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-93802-y PMID:40128287	研究论文	该研究提出了一种两层级元启发式驱动的集成深度学习模型（T2MEDL-EASDDP），用于有效诊断残疾人士的自闭症谱系障碍（ASD）	结合改进的蝴蝶优化算法（IBOA）进行特征选择，并采用包含自编码器（AE）、长短期记忆网络（LSTM）和深度信念网络（DBN）的集成深度学习模型，同时使用基于布朗运动和定向突变方案的Coati优化算法（BDCOA）进行超参数调优	未提及模型在更广泛人群或不同年龄段中的泛化能力验证	分析和诊断残疾人士中不同阶段的自闭症谱系障碍	自闭症谱系障碍患者（ASD-Toddler和ASD-Adult数据集）	机器学习	自闭症谱系障碍	深度学习（DL）和机器学习（ML）技术	AE, LSTM, DBN	医学数据	ASD-Toddler和ASD-Adult数据集（具体样本量未说明）
967	2025-05-16	A deep learning model based on Mamba for automatic segmentation in cervical cancer brachytherapy 2025-Mar-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-94431-1 PMID:40128537	研究论文	本研究开发并评估了一种基于Mamba框架的自动分割模型（AM-UNet），用于在宫颈癌近距离放射治疗中快速精确地勾画高风险临床靶区（HRCTV）和风险器官（OARs）	提出了一种基于Mamba框架的新型自动分割模型AM-UNet，在宫颈癌近距离放射治疗中实现了快速精确的靶区和风险器官勾画	研究仅基于694例CT扫描数据，样本量相对有限	开发自动分割模型以改进宫颈癌近距离放射治疗的工作流程	宫颈癌患者的HRCTV和OARs（膀胱、直肠和乙状结肠）	数字病理	宫颈癌	CT扫描	AM-UNet, UNet, DeepLab V3, UNETR, nnU-Net	医学影像（CT）	179名宫颈癌患者的694例CT扫描
968	2025-05-16	Intelligent detection and grading diagnosis of fresh rib fractures based on deep learning 2025-Mar-24, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-01641-0 PMID:40128676	research paper	该研究开发了一种基于改进YOLO的深度学习模型，用于自动检测和分级新鲜肋骨骨折	提出了一种改进的YOLO模型，用于肋骨骨折的自动检测和分级，性能优于不同经验水平的胸外科医生	研究仅使用了383名患者的CT图像进行训练和测试，样本量相对有限	提高新鲜肋骨骨折的检测和分级诊断准确性，减轻医生工作负担并节省医疗资源	新鲜肋骨骨折患者	digital pathology	rib fractures	deep learning	modified YOLO	CT images	383名患者的CT图像（训练集306例，内部测试集77例），外加50例来自公共RibFrac数据集的外部测试集
969	2025-05-16	Constructing an artificial intelligence-assisted system for the assessment of gastroesophageal valve function based on the hill classification (with video) 2025-Mar-24, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-025-02973-1 PMID:40128700	research paper	本研究开发了一个基于人工智能的Hill分类系统，用于辅助内镜医师评估胃食管瓣膜功能	首次将CNN和Transformer架构结合用于Hill分类，并实现模型的多终端部署和实时分类	模型在外部测试集上的准确率仍略低于资深内镜医师，且存在一定误分类情况	开发人工智能辅助系统以改进胃食管连接处功能评估	胃食管瓣膜(GEFV)的形态学分类	digital pathology	gastroesophageal reflux disease	deep learning	EfficientNet-Hill (CNN+Transformer)	image, video	1143张GEFV图像和17段胃镜视频
970	2025-05-16	Two-stage augmentation for detecting malignancy of BI-RADS 3 lesions in early breast cancer 2025-Mar-24, BMC cancer IF:3.4Q2 DOI:10.1186/s12885-025-13960-0 PMID:40128762	research paper	本研究提出了一种两阶段增强方法，用于提高深度学习模型在乳腺超声图像中检测BI-RADS 3恶性病变的准确率	提出了包含恶性特征增强和数据增强的两阶段增强方法，并在Dual-ResNet50分类模型上验证了其有效性	样本中恶性病变比例较低，可能存在数据不平衡问题	提高BI-RADS 3乳腺病变恶性检测率	乳腺BI-RADS 3病变	digital pathology	breast cancer	ultrasound imaging	Dual-ResNet50	image	1,275个病灶（来自1,096名患者），包括629个开发数据集、218个内部测试集和428个外部测试集
971	2025-05-16	Establishment of a deep-learning-assisted recurrent nasopharyngeal carcinoma detecting simultaneous tactic (DARNDEST) with high cost-effectiveness based on magnetic resonance images: a multicenter study in an endemic area 2025-Mar-24, Cancer imaging : the official publication of the International Cancer Imaging Society IF:3.5Q1 DOI:10.1186/s40644-025-00853-5 PMID:40128777	研究论文	本研究探讨了利用未增强磁共振图像（MRI）检测局部复发性鼻咽癌（rNPC）的可行性，并基于深度学习模型优化了分层随访管理策略	开发了一种基于3D DenseNet或ResNet框架的深度学习模型，结合特定MRI序列（T1WI、T2WI或T1WIC）或T1WI和T2WI序列组合（T1_T2），并进一步优化了DARNDEST策略，提高了检测的准确性和敏感性	研究未提及模型在更广泛人群中的泛化能力，以及长期随访效果的验证	探讨利用未增强MRI和深度学习模型检测局部复发性鼻咽癌的可行性，并优化随访管理策略	局部复发性鼻咽癌（rNPC）患者	数字病理学	鼻咽癌	MRI	3D DenseNet, ResNet	图像	假设队列为1000名患者（内部和外部测试集）
972	2025-05-16	Global research trends and hotspots on imaging of bladder cancer: A bibliometric and visual analysis from 1981 to 2023 2025-Mar-21, Medicine IF:1.3Q2 DOI:10.1097/MD.0000000000041907 PMID:40128048	研究论文	本文对1981年至2023年间膀胱癌影像学领域的文献进行了全面的文献计量分析，揭示了全球研究热点和未来趋势	首次对膀胱癌影像学领域进行文献计量分析，识别了最新的研究热点如放射组学、深度学习和多参数MRI	仅基于Web of Science核心合集的数据，可能未涵盖所有相关文献	分析膀胱癌影像学领域的全球研究趋势和热点	膀胱癌影像学相关文献	数字病理学	膀胱癌	文献计量分析（VOSviewer, Bibliometrix, Citespace）	NA	文献数据	4462篇文章
973	2025-05-16	Identifying research activity on brain ultrasonography in craniocerebral diseases by bibliometric and visualized analysis of a 20-year journey of global publications 2025-Mar-21, Medicine IF:1.3Q2 DOI:10.1097/MD.0000000000041927 PMID:40128044	研究论文	通过文献计量和可视化分析方法，研究过去20年全球关于脑超声在颅脑疾病中应用的研究趋势和未来方向	首次使用VOSviewer和CiteSpace对脑超声研究进行全球范围的文献计量和可视化分析，揭示了研究趋势、国际合作及技术发展	研究仅基于Web of Science数据库的文献，可能未涵盖所有相关研究	探讨脑超声在颅脑疾病中的应用趋势和未来研究方向	全球范围内关于脑超声的研究文献	医学影像分析	颅脑疾病	文献计量分析、可视化分析（VOSviewer、CiteSpace）	NA	文献数据	1251篇文章，涉及5655位作者、1619个机构、84个国家/地区
974	2025-05-16	A deep learning model trained on expressed transcripts across different tissue types reveals cell-type codon-optimization preferences 2025-Mar-20, Nucleic acids research IF:16.6Q1 DOI:10.1093/nar/gkaf233 PMID:40156867	研究论文	开发了一种基于深度学习的工具，用于定义细胞类型依赖的密码子偏好，以提高重组蛋白的表达水平	使用RNN模型预测细胞类型依赖的密码子偏好，显著提高了蛋白质翻译效率，特别是分泌蛋白	仅测试了三种组织类型（脑、肝和肌肉）的基因表达数据，可能不适用于所有细胞类型	开发一种新型深度学习工具，用于优化密码子使用以提高重组蛋白的表达水平	基因表达数据（脑、肝和肌肉组织）和分泌基因	机器学习	NA	RNA-seq	RNN	基因表达数据	三种组织类型（脑、肝和肌肉）的基因表达数据
975	2025-05-16	[A multi-scale supervision and residual feedback optimization algorithm for improving optic chiasm and optic nerve segmentation accuracy in nasopharyngeal carcinoma CT images] 2025-Mar-20, Nan fang yi ke da xue xue bao = Journal of Southern Medical University DOI:10.12122/j.issn.1673-4254.2025.03.21 PMID:40159978	研究论文	提出了一种基于多尺度监督和残差反馈策略的深度学习分割算法（DSRF），用于精确分割鼻咽癌CT图像中的视交叉和视神经	设计了混合池化策略的解码器（HPS）以减少小器官特征在池化过程中的损失，并采用多尺度深度监督层和残差反馈模块来增强边界识别和分割精度	未提及算法在更大规模数据集上的泛化能力或在实际临床环境中的验证	提高鼻咽癌CT图像中视交叉和视神经的分割精度	鼻咽癌患者的CT图像中的视交叉和视神经	数字病理	鼻咽癌	深度学习	CNN	图像	212张鼻咽癌CT图像（来自SegRap2023、StructSeg2019和HaN-Seg2023数据集）
976	2025-05-16	[A lightweight classification network for single-lead atrial fibrillation based on depthwise separable convolution and attention mechanism] 2025-Mar-20, Nan fang yi ke da xue xue bao = Journal of Southern Medical University DOI:10.12122/j.issn.1673-4254.2025.03.23 PMID:40159980	研究论文	提出一种基于深度可分离卷积和注意力机制的轻量级网络DSC-AttNet，用于单导联心房颤动的自动诊断	结合深度可分离卷积减少模型参数和计算复杂度，嵌入多层混合注意力机制提升特征表达能力	样本量相对较小（84例房颤患者+25例房颤患者+18例正常心律受试者），外部验证仅基于两个公开数据集	开发适用于可穿戴ECG设备的轻量级房颤自动诊断模型	心房颤动患者的心电图数据	数字病理学	心血管疾病	深度学习	DSC-AttNet（基于深度可分离卷积和注意力机制的CNN）	ECG信号数据	总计127例（84+25+18）来自LTAFDB、AFDB和NSRDB公开数据集
977	2025-05-16	A large-scale multicenter breast cancer DCE-MRI benchmark dataset with expert segmentations 2025-Mar-19, Scientific data IF:5.8Q1 DOI:10.1038/s41597-025-04707-4 PMID:40108146	research paper	介绍了一个大规模多中心乳腺癌DCE-MRI基准数据集，包含专家标注的分割结果	提供了一个包含1506例治疗前T1加权动态对比增强MRI病例的多中心数据集，填补了公开乳腺癌数据集的空白	NA	促进乳腺癌诊断、治疗反应预测和个性化护理的深度学习模型开发与验证	乳腺癌患者的MRI影像数据	digital pathology	breast cancer	DCE-MRI	nnU-Net	image	1506例治疗前T1加权动态对比增强MRI病例
978	2025-05-16	SHDB-AF: a Japanese Holter ECG database of atrial fibrillation 2025-Mar-19, Scientific data IF:5.8Q1 DOI:10.1038/s41597-025-04777-4 PMID:40108206	研究论文	介绍了一个名为SHDB-AF的日本Holter心电图数据库，专门用于心房颤动的研究	首个包含日本人群样本的开放源码Holter心电图数据库，填补了现有数据库的空白	样本量相对较小，仅包含122名患者的128份心电图记录	为机器学习和深度学习模型提供日本人群的心房颤动心电图数据，以提高诊断准确性	日本人群的心房颤动患者	数字病理学	心血管疾病	Holter心电图监测	NA	心电图数据	122名患者的128份24小时双通道心电图记录，总计2160万秒数据
979	2025-05-16	Geometric deep learning and multiple-instance learning for 3D cell-shape profiling 2025-Mar-19, Cell systems IF:9.0Q1 DOI:10.1016/j.cels.2025.101229 PMID:40112779	研究论文	该研究利用几何深度学习和多实例学习技术开发了MorphoMIL计算流程，用于分析3D细胞和核形态	结合几何深度学习和基于注意力的多实例学习，实现了对细胞形态的单细胞和群体水平分析	NA	通过细胞形态分析理解细胞状态，应用于药物发现领域	黑色素瘤细胞的3D形态	数字病理学	黑色素瘤	几何深度学习，多实例学习	MorphoMIL（几何深度学习与注意力机制结合）	3D点云数据	超过95,000个经过化学和遗传处理的黑色素瘤细胞
980	2025-05-16	Robust resolution improvement of 3D UTE-MR angiogram of normal vasculatures using super-resolution convolutional neural network 2025-Mar-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-92493-9 PMID:40102565	研究论文	本研究通过深度学习技术提升快速获取的低分辨率UTE-MRA数据的分辨率，旨在减少扫描时间并提高诊断效率	提出了一种新型3D卷积神经网络LSRDG，结合精心设计的网络结构、合适的损失函数和小块训练，显著提高了图像分辨率	研究样本量较小（20例健康对照和10例中风模型大鼠），且主要验证了模型在健康数据上的表现	提高UTE-MRA图像分辨率以缩短扫描时间，减少运动伪影，提升对中风等时间敏感疾病的诊断效率	健康对照Wistar大鼠和中风模型大鼠的对比增强3D UTE-MRA数据	医学影像分析	中风	对比增强UTE-MRA	3D CNN（LSRDG, SR-ResNet, MRDG64）	3D医学影像	30例（20健康对照+10中风模型）Wistar大鼠数据