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
81	2025-06-04	G-Diff: A Graph-Based Decoding Network for Diffusion Recommender Model 2025-Jun, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3491827 PMID:39531577	research paper	本文提出了一种基于图的解码网络（GDN）来改进扩散推荐模型，通过引入物品间的关系图提升推荐性能	在扩散模型的反向过程中引入了精心设计的基于图的解码网络（GDN），利用物品间的关系图提升推荐性能，并保留了低阶邻居信息	未明确提及具体局限性	改进扩散推荐模型，提升推荐系统的性能	推荐系统中的用户偏好预测	machine learning	NA	扩散模型	G-Diff（基于图的解码网络）	用户-物品交互数据	三个真实世界数据集
82	2025-06-04	Deep learning model for predicting immunotherapy response in patients with advanced NSCLC: Study findings demonstrate a strong and independent deep learning-based feature associated with an immune checkpoint inhibitor response in patients with NSCLC across cohorts 2025-Jun-01, Cancer IF:6.1Q1 DOI:10.1002/cncr.35883 PMID:40457864	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
83	2025-06-04	Development and validation of a 3-D deep learning system for diabetic macular oedema classification on optical coherence tomography images 2025-May-31, BMJ open IF:2.4Q1 DOI:10.1136/bmjopen-2025-099167 PMID:40449950	research paper	开发并验证了一个基于3D光学相干断层扫描（3-D OCT）图像的糖尿病黄斑水肿（DME）自动分类系统	使用3D卷积神经网络算法开发了一个高精度的DME分类系统，并在多中心数据上进行了验证	研究数据来自特定地区的医疗机构，可能不具有全球代表性	开发一个自动化系统用于糖尿病黄斑水肿的分类和筛查	糖尿病黄斑水肿患者的3-D OCT图像	digital pathology	diabetic macular oedema	3-D optical coherence tomography (3-D OCT)	3-D convolutional neural networks	image	7790 volumes of 7146 eyes from 4254 patients
84	2025-06-04	Estimating motor symptom presence and severity in Parkinson's disease from wrist accelerometer time series using ROCKET and InceptionTime 2025-May-31, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-04263-2 PMID:40450120	研究论文	该研究探讨了使用ROCKET和InceptionTime模型从手腕加速度计时间序列数据中估计帕金森病患者的运动症状存在和严重程度	首次将InceptionTime和ROCKET模型应用于帕金森病运动症状监测，并比较了它们在处理复杂运动模式和小数据集方面的性能	在检测运动障碍方面遇到挑战，且数据集规模较小	开发更有效的帕金森病运动症状监测方法	帕金森病患者的腕部运动数据	机器学习	帕金森病	时间序列分类	InceptionTime, ROCKET, 多层感知机	时间序列数据	NA
85	2025-06-04	Development and validation of an integrated residual-recurrent neural network model for automated heart murmur detection in pediatric populations 2025-May-31, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-04746-2 PMID:40450176	研究论文	开发并验证了一种集成的残差-循环神经网络模型，用于自动检测儿科人群中的心脏杂音	结合了传统机器学习和深度学习技术，提出了一种创新的AI方法，以提高儿科人群心脏杂音的检测效果	研究样本量有限（500名儿科参与者），且未提及模型在不同年龄段或不同疾病阶段的泛化能力	改善儿科心脏疾病的早期检测策略	儿科人群的心脏杂音检测	机器学习	心血管疾病	心脏听诊	Residual-Recurrent Neural Networks	心脏声音记录	500名儿科参与者
86	2025-06-04	Detecting cyber attacks in vehicle networks using improved LSTM based optimization methodology 2025-May-31, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-04643-8 PMID:40450183	研究论文	本文提出了一种基于改进LSTM和优化方法的深度学习框架，用于检测车辆网络中的网络攻击	采用改进的长短期记忆网络(ILSTM)结合鳄鱼优化算法(COA)进行参数优化，显著提高了检测准确率和性能指标	仅使用UNSW-NB15数据集进行验证，未在其他车辆网络数据集上测试	开发一种高效准确的车辆网络入侵检测系统	车辆网络中的网络攻击	机器学习	NA	离散傅里叶变换(DFT)，最大-最小归一化	改进的长短期记忆网络(ILSTM)	网络流量数据	UNSW-NB15数据集
87	2025-06-04	Time-series deep learning and conformal prediction for improved sepsis diagnosis in primarily Non-ICU hospitalized patients 2025-May-31, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110497 PMID:40450820	research paper	该研究开发了一种针对非ICU环境优化的深度学习模型，结合保形预测框架，用于早期脓毒症诊断	结合保形预测框架处理不确定性，显著降低假阳性率，并在低监测频率的非ICU环境中验证了模型性能	模型仅在特定数据集(MIMIC-IV和eICU-CRD)上验证，需进一步临床验证	提高非ICU住院患者的脓毒症早期诊断准确性	非ICU住院的脓毒症患者	machine learning	sepsis	deep learning	DL with conformal prediction	time-series clinical data	83,813名患者(MIMIC-IV数据集) + eICU-CRD验证集
88	2025-06-04	Introducing societal issues in an upper level STEM course increases student engagement and knowledge transfer 2025-May-31, Developmental biology IF:2.5Q2 DOI:10.1016/j.ydbio.2025.05.029 PMID:40456506	research paper	该研究探讨了在高级STEM课程中引入社会问题如何提高学生的参与度和知识迁移能力	提出了一个三步框架，将生殖权利等社会正义问题融入发育生物学课程，并通过博客作业维持学生的参与度	研究仅针对一门高级发育生物学课程，样本可能不具有广泛代表性	探索通过社会问题连接STEM课程内容以提升学生学习效果的方法	高级发育生物学课程中的学生	STEM教育	NA	教育框架设计（包含内容学习、教材章节写作和公众科普展览三个步骤）	NA	学生参与度数据、跨学科思维评估	一门高级发育生物学课程的学生群体（具体人数未说明）
89	2025-06-04	Chemical space visual navigation in the era of deep learning and Big Data 2025-May-31, Drug discovery today IF:6.5Q1 DOI:10.1016/j.drudis.2025.104392 PMID:40456508	review	探讨深度学习和大数据时代下化学空间可视化导航的最新进展	综述了化学空间可视化导航算法和工具的最新进展，并探讨了这些方法如何应对大数据挑战以及非常规应用	未提及具体实验验证或实际应用案例的局限性	分析大数据时代下化学空间可视化导航的方法和工具	化学空间的可视化导航工具和算法	machine learning	NA	QSAR/QSPR模型	NA	分子结构数据	NA
90	2025-06-04	Mammogram mastery: Breast cancer image classification using an ensemble of deep learning with explainable artificial intelligence 2025-May-30, Medicine IF:1.3Q2 DOI:10.1097/MD.0000000000042242 PMID:40441211	research paper	提出一种基于深度学习和可解释人工智能的乳腺X光图像分类方法，用于乳腺癌的自动检测	结合了预训练的Inception V3架构和可解释AI技术，提高了分类的准确性和透明度	未提及模型在多样化数据集上的泛化能力	提高乳腺癌早期检测的准确性和效率	乳腺X光图像	computer vision	breast cancer	deep learning, explainable AI	Inception V3	image	NA
91	2025-06-04	Three-dimensional automated segmentation of adolescent idiopathic scoliosis on computed tomography driven by deep learning: A retrospective study 2025-May-30, Medicine IF:1.3Q2 DOI:10.1097/MD.0000000000042644 PMID:40441215	研究论文	本研究探讨了深度学习在青少年特发性脊柱侧弯（AIS）患者CT图像中椎骨分割的应用	使用U-Net和Attention U-Net网络对AIS患者的椎骨进行分割，并比较了两种网络在关键脊柱侧弯部位的性能	样本量较小（31例），且未发现两种网络在整体性能上有显著差异	开发自动化椎骨分割方法以辅助现代手术技术	青少年特发性脊柱侧弯（AIS）患者的CT图像	数字病理	青少年特发性脊柱侧弯	CT成像	U-Net, Attention U-Net	3D CT图像	31例AIS患者的CT图像样本
92	2025-06-04	Deep learning based motion correction in ultrasound microvessel imaging approach improves thyroid nodule classification 2025-May-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-02728-y PMID:40447670	研究论文	提出一种基于深度学习的运动校正技术，用于改善超声定量高清微血管成像中的甲状腺结节分类	引入深度学习技术校正超声图像中的帧间运动伪影，提高甲状腺结节分类的准确性	研究未提及是否在其他类型运动伪影或更大规模数据集上验证方法的普适性	改善甲状腺结节的超声分类准确性	甲状腺结节	数字病理	甲状腺疾病	定量高清微血管成像(qHDMI)	深度学习	超声图像	根据运动量分为低运动和高运动病例的数据集
93	2025-06-04	Deep learning-driven modality imputation and subregion segmentation to enhance high-grade glioma grading 2025-May-30, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-025-03029-0 PMID:40448035	研究论文	本研究开发了一种深度学习框架，通过模态填补和子区域分割提高高级别胶质瘤分级的准确性	提出了一种结合PatchGAN和聚合残差Transformer（ART）模块的模态填补网络，以及用于分割的U-Net变体	研究依赖于回顾性数据，可能影响结果的泛化性	提高高级别胶质瘤的分级准确性	高级别胶质瘤患者	数字病理学	胶质瘤	深度学习	PatchGAN, Transformer, U-Net	医学影像	1,251名患者（BraTS2021数据集）和181例临床病例（外部测试集）
94	2025-06-04	Using Deep learning to Predict Cardiovascular Magnetic Resonance Findings from Echocardiography Videos 2025-May-30, Journal of the American Society of Echocardiography : official publication of the American Society of Echocardiography IF:5.4Q1 DOI:10.1016/j.echo.2025.05.016 PMID:40451472	研究论文	使用深度学习从超声心动图视频预测心血管磁共振成像结果	首次尝试利用深度学习从超声心动图视频中预测CMR特有的组织特征，如LGE、T1和T2映射及ECV	模型无法可靠检测LGE、异常T1、T2或ECV的存在，表明这些组织特征的信号可能未包含在超声视频中	评估深度学习模型应用于超声心动图以检测CMR特定参数（包括LGE存在及异常T1、T2或ECV）的性能	成人患者的心血管磁共振成像和超声心动图研究	数字病理	心血管疾病	深度学习	CNN	视频	1,453名成人患者（平均年龄56±18岁，42%女性），包含2,556对超声心动图研究
95	2025-06-04	Bayesian Optimization with Gaussian Processes Assisted by Deep Learning for Material Designs 2025-May-29, The journal of physical chemistry letters IF:4.8Q1 DOI:10.1021/acs.jpclett.5c00592 PMID:40383929	research paper	该研究探讨了结合深度学习和高斯过程的贝叶斯优化方法在材料设计中的应用	提出了结合神经网络和高斯过程的深度核学习方法（DKL），以解决传统高斯过程无法自动生成描述符的问题	在寻找具有最高居里温度的合金时，标准高斯过程方法优于DKL模型	提高材料探索中贝叶斯优化的效率	氧化物数据集和混合有机-无机钙钛矿合金	machine learning	NA	deep kernel learning (DKL), Bayesian optimization (BO), Gaussian processes (GPs)	neural network, GP	material property data	922 oxide data sets, 610 hybrid organic-inorganic perovskite alloys, 4560 alloys
96	2025-06-04	InterpolAI: deep learning-based optical flow interpolation and restoration of biomedical images for improved 3D tissue mapping 2025-May-28, Nature methods IF:36.1Q1 DOI:10.1038/s41592-025-02712-4 PMID:40437217	research paper	提出了一种基于深度学习的生物医学图像光学流插值和修复方法InterpolAI，用于改善3D组织映射	InterpolAI通过利用光学流AI模型在图像堆栈中合成插值图像，优于线性插值和最先进的基于光学流的方法XVFI，保留了微观解剖特征和细胞计数，以及图像对比度、方差和亮度	NA	提高生物医学图像的分辨率、通量和质量，以实现更好的3D成像	生物医学图像	digital pathology	NA	optical flow-based AI model	deep learning	image	跨越多模态、物种、染色技术和像素分辨率的验证
97	2025-06-04	A vessel bifurcation landmark pair dataset for abdominal CT deformable image registration (DIR) validation 2025-May-28, Medical physics IF:3.2Q1 DOI:10.1002/mp.17907 PMID:40437735	research paper	介绍了一种用于腹部CT可变形图像配准(DIR)验证的首个血管分叉标志点对数据集	首次提供了腹部CT DIR验证的基准数据集，包含大量高精度的血管分叉标志点对	数据集的样本量相对较小(30例患者)，且主要关注腹部区域	为腹部CT可变形图像配准算法开发提供质量保证基准	腹部CT图像中的血管分叉标志点	digital pathology	NA	CT成像	deep learning	CT图像	30例患者的腹部CT图像对，共1895个标志点对
98	2025-06-04	A deep learning model for accurate segmentation of the Drosophila melanogaster brain from Micro-CT imaging 2025-May-28, Developmental biology IF:2.5Q2 DOI:10.1016/j.ydbio.2025.05.027 PMID:40447251	research paper	开发了一种深度学习模型，用于从Micro-CT成像中准确分割果蝇大脑	利用预训练神经网络和仅1-3张Micro-CT图像训练出准确的3D深度学习模型，并能适应不同组织对比染色、扫描仪型号和基因型	需要依赖预训练神经网络，且训练数据量较少	开发一种能够自动分割果蝇大脑的深度学习模型，以提高Micro-CT图像分析的效率	成年果蝇（Drosophila melanogaster）大脑	computer vision	NA	Micro-CT成像	3D深度学习模型（基于预训练神经网络）	3D Micro-CT图像	1-3张成年果蝇大脑的Micro-CT图像
99	2025-06-04	Artificial Intelligence in the Diagnosis and Prognostication of the Musculoskeletal Patient 2025-May-28, HSS journal : the musculoskeletal journal of Hospital for Special Surgery IF:1.6Q2 DOI:10.1177/15563316251339660 PMID:40454292	review	本文探讨了人工智能在肌肉骨骼疾病诊断和预后中的应用	介绍了计算机视觉算法和患者特异性多模态预测模型，并提出了一个简单的框架来讨论AI模型开发的局限性	讨论了AI模型开发的局限性	探讨人工智能在肌肉骨骼疾病诊断和预后中的应用	肌肉骨骼疾病患者	computer vision	musculoskeletal diseases	machine learning, deep learning	generative AI	multimodal data	NA
100	2025-06-04	Deep learning for predicting invasive recurrence of ductal carcinoma in situ: leveraging histopathology images and clinical features 2025-May-28, EBioMedicine IF:9.7Q1 DOI:10.1016/j.ebiom.2025.105750 PMID:40440915	研究论文	利用深度学习模型结合组织病理学图像和临床特征预测导管原位癌（DCIS）的侵袭性复发风险	首次开发了基于全切片图像（WSIs）和临床病理数据的端到端深度学习模型，用于DCIS患者的风险分层	外部验证受限于数据集规模小、病例数少（22/94）、WSI质量以及缺乏标注良好的数据集	识别低风险DCIS患者以减少过度治疗	原发性纯DCIS患者（荷兰多中心数据集n=558，英国Sloane数据集n=94）	数字病理学	乳腺癌	深度学习	CNN（未明确说明但基于图像分析推测）	图像（WSIs）、临床数据	荷兰数据集558例，英国数据集94例