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	2025-05-20	Paradigm-Shifting Attention-based Hybrid View Learning for Enhanced Mammography Breast Cancer Classification with Multi-Scale and Multi-View Fusion 2025-May-12, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3569726 PMID:40354201	研究论文	提出了一种基于注意力的混合视图学习框架（AHVL），用于增强乳腺X光检查中的乳腺癌分类	结合了对比切换注意力（CSA）和选择性池化注意力（SPA）机制，解决了多尺度特征捕获和视图一致性与输入适应性平衡的问题	未提及具体局限性	提高乳腺X光检查中乳腺癌分类的准确性和鲁棒性	乳腺X光图像	计算机视觉	乳腺癌	深度学习	AHVL（基于注意力的混合视图学习框架）	图像	INbreast和CBIS-DDSM数据集
82	2025-05-20	Domain-separated capsule network for damage detection in aluminum plates under varying vibration conditions 2025-May-12, Ultrasonics IF:3.8Q1 DOI:10.1016/j.ultras.2025.107688 PMID:40381421	研究论文	本文提出了一种域分离胶囊网络（DS-CapsNet），用于在不同振动条件下检测铝板中的损伤	结合胶囊网络与注意力机制，引入动态对抗因子优化特征对齐，增强模型鲁棒性	未提及具体样本量及实验环境多样性可能带来的限制	提高铝板损伤检测在振动环境变化下的准确性	2024铝合金板（飞机机翼/机身关键部件）	结构健康监测	NA	超声导波	DS-CapsNet（域分离胶囊网络）	振动信号数据	NA
83	2025-05-20	The impact of clinical history on the predictive performance of machine learning and deep learning models for renal complications of diabetes 2025-May-12, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108812 PMID:40382871	研究论文	探讨临床历史数据对机器学习和深度学习模型预测糖尿病肾病并发症性能的影响	首次研究临床历史数据在预测糖尿病肾病并发症中的潜在作用，并开发了有效的预测模型	研究基于回顾性真实世界数据，可能存在选择偏倚	开发有效的预测模型，用于早期识别糖尿病肾病高风险患者	2型糖尿病患者	机器学习	糖尿病肾病	机器学习模型开发	逻辑回归、随机森林、Cox比例风险回归、RNN	临床数据	全国多中心回顾性真实世界研究数据
84	2025-05-20	Dissecting the genetic complexity of myalgic encephalomyelitis/chronic fatigue syndrome via deep learning-powered genome analysis 2025-May-11, medRxiv : the preprint server for health sciences DOI:10.1101/2025.04.15.25325899 PMID:40321247	研究论文	本研究通过深度学习框架HEAL2对肌痛性脑脊髓炎/慢性疲劳综合征（ME/CFS）进行全基因组分析，揭示了该疾病的遗传基础和相关症状的遗传风险	开发了新型深度学习框架HEAL2，能够基于个人罕见变异预测ME/CFS，并将遗传风险与多种ME/CFS相关症状联系起来	NA	探索ME/CFS的遗传、分子和细胞基础，寻找治疗靶点	肌痛性脑脊髓炎/慢性疲劳综合征（ME/CFS）患者	机器学习	肌痛性脑脊髓炎/慢性疲劳综合征	全基因组分析、转录组分析、网络分析	深度学习框架HEAL2	基因组数据、转录组数据、蛋白质组数据	NA
85	2025-05-20	A Clinical Neuroimaging Platform for Rapid, Automated Lesion Detection and Personalized Post-Stroke Outcome Prediction 2025-May-11, medRxiv : the preprint server for health sciences DOI:10.1101/2025.05.09.25327310 PMID:40385411	研究论文	介绍了一种全自动的三阶段神经影像处理和机器学习流程，用于预测成人缺血性卒中患者的个性化结果	首次开发了一种结合卒中病灶位置信息进行预后预测的自动化工具，并整合了病灶相关的网络信息和人口统计学数据以提高预测准确性	目前仅在概念验证应用中展示了预测特定认知结果的能力，尚未在更广泛的临床环境中验证	开发基于影像的临床工具，用于卒中患者的预后预测	成人缺血性卒中患者	数字病理学	心血管疾病	深度学习，机器学习	深度学习模型，统计模型，大型语言模型	神经影像数据（DICOM格式的MRI）	预训练阶段604名局灶性脑损伤患者，验证阶段153名缺血性卒中患者
86	2025-05-20	Towards automated and reliable lung cancer detection in histopathological images using DY-FSPAN: A feature-summarized pyramidal attention network for explainable AI 2025-May-10, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2025.108500 PMID:40381571	研究论文	本文提出了一种名为DY-FSPAN的深度学习框架，用于在组织病理学图像中实现可靠且自动化的肺癌检测	结合Y-blocks和注意力机制增强空间特征表示，同时保持感受野一致性，并通过Grad-CAM分析提高模型的可解释性	未提及具体的数据集规模限制或跨中心验证结果	开发一个平衡性能和可解释性的医学图像分类模型，以提高肺癌诊断的准确性	组织病理学图像中的肺癌检测	数字病理学	肺癌	深度学习	DY-FSPAN（基于Y-block的特征总结金字塔注意力网络）	图像	NA
87	2025-05-20	Development of an Automated Tool for the Estimation of Histological Remission in Ulcerative Colitis Using Single-Wavelength Endoscopy Technology 2025-May-08, Journal of Crohn's & colitis DOI:10.1093/ecco-jcc/jjae180 PMID:39602814	research paper	开发了一种基于单波长内窥镜技术的自动化工具，用于评估溃疡性结肠炎的组织学缓解	利用单波长内窥镜（SWE）技术提高毛细血管可见性，开发了计算机辅助诊断（CAD）系统，显著提高了组织学缓解的诊断准确性	研究样本量相对较小（112名患者），且仅使用了特定品牌的内窥镜系统（FUJIFILM）	评估基于白光内窥镜（WLE）或单波长内窥镜（SWE）的计算机辅助诊断系统在溃疡性结肠炎组织学活动估计中的准确性	溃疡性结肠炎（UC）患者的内窥镜图像	digital pathology	ulcerative colitis	single-wavelength endoscopy (SWE), white light endoscopy (WLE)	deep learning	image	112名患者的6926组WLE和SWE图像帧
88	2025-05-20	Interpretable MRI-Based Deep Learning for Alzheimer's Risk and Progression 2025-May-07, medRxiv : the preprint server for health sciences DOI:10.1101/2025.05.06.25326606 PMID:40385384	research paper	该研究应用基于MRI的深度学习模型于中国SILCODE队列，用于阿尔茨海默病（AD）的早期检测和风险评估	模型在未经重新训练或微调的情况下，展示了强大的跨种族泛化能力，并成功识别出高风险个体	模型最初基于北美数据训练，可能在其他种族群体中的适用性需要进一步验证	开发早期诊断阿尔茨海默病的可访问、时间效率高的生物标志物	阿尔茨海默病（AD）患者及高风险个体	digital pathology	geriatric disease	MRI	deep learning	image	722名参与者，1,105次脑部MRI扫描
89	2025-05-20	Classifying Obsessive-Compulsive Disorder from Resting-State EEG using Convolutional Neural Networks: A Pilot Study 2025-May-07, medRxiv : the preprint server for health sciences DOI:10.1101/2025.05.06.25327094 PMID:40385410	研究论文	该研究探索了使用卷积神经网络（CNN）从静息态脑电图（EEG）中分类强迫症（OCD）的可行性	首次将CNN应用于最小预处理的EEG时频表示，显著提高了OCD与健康对照的分类准确率，并发现教育水平可作为补充特征提升分类性能	样本量较小（仅20名未用药受试者），需要在更大、更多样化的样本中进一步验证	开发基于深度学习的OCD诊断方法	强迫症患者与健康对照者的静息态EEG数据	机器学习	强迫症	Morlet小波时频变换	CNN, SVM	EEG时频表示	20名未用药受试者（10名OCD患者，10名健康对照）
90	2025-05-20	ROICellTrack: a deep learning framework for integrating cellular imaging modalities in subcellular spatial transcriptomic profiling of tumor tissues 2025-May-06, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaf152 PMID:40199763	research paper	开发了一个名为ROICellTrack的深度学习框架，用于更好地整合细胞成像与空间转录组分析	提出了一个深度学习框架ROICellTrack，能够整合细胞成像与空间转录组数据，分析肿瘤组织中的亚细胞空间转录组特征	研究仅分析了56个ROI，样本量相对较小	提高对肿瘤异质性的理解，促进个性化和靶向治疗的发展	膀胱尿路上皮癌和上尿路尿路上皮癌的肿瘤组织	digital pathology	urothelial carcinoma	spatial transcriptomic profiling, immunofluorescence imaging	deep learning	image, transcriptomic data	56 ROIs from urothelial carcinoma of the bladder and upper tract urothelial carcinoma
91	2025-05-20	IBDome: An integrated molecular, histopathological, and clinical atlas of inflammatory bowel diseases 2025-May-06, Research square DOI:10.21203/rs.3.rs-6443303/v1 PMID:40386420	research paper	该研究通过多组学和多模态数据集，结合临床注释，深入分析了炎症性肠病（IBD）的分子、组织病理学和临床特征	整合了全外显子测序、RNA测序、血清蛋白质组学和组织病理学评估，开发了基于基础模型的深度学习方法来预测组织学疾病活动评分	样本量虽大（1,002例），但可能仍不足以覆盖所有IBD亚型的多样性	提高对炎症性肠病（IBD）的理解，优化诊断并实现个性化治疗策略	1,002例IBD患者和非IBD对照者的临床注释样本	digital pathology	inflammatory bowel diseases	whole-exome sequencing, RNA sequencing, serum proteomics, histopathological assessments	foundation model-based deep learning	multi-omic and multimodal data, including genomic, transcriptomic, proteomic, and histopathological image data	1,002 clinically annotated patients with IBD and non-IBD controls
92	2025-05-20	Deep learning-based polygenic scores enhance generalizability of psychiatric disorders prediction 2025-May-05, medRxiv : the preprint server for health sciences DOI:10.1101/2025.05.05.25326794 PMID:40385437	研究论文	本研究比较了深度学习模型Genome-Local-Net (GLN)与线性模型bigstatsr在预测五种精神疾病方面的表现，并探讨了结合多种遗传风险评分对预测效果的提升	首次系统比较深度学习与线性模型在精神疾病遗传风险预测中的表现，并探索了结合个体水平、GWAS衍生及家族遗传风险评分的潜在优势	深度学习模型在某些精神疾病预测中未显示出明显优势，且深度学习整合方法未能提供一致的改进	评估深度学习模型在精神疾病遗传风险预测中的表现及其相对于传统线性模型的优势	五种精神疾病(ADHD、ASD、BIP、MDD和SCZ)的遗传风险预测	机器学习	精神疾病	全基因组关联分析(GWAS)	Genome-Local-Net (GLN)和bigstatsr	基因型数据	未明确说明样本量
93	2025-05-20	Surrogate modeling of Cellular-Potts Agent-Based Models as a segmentation task using the U-Net neural network architecture 2025-May-05, ArXiv PMID:40386573	研究论文	本文开发了一种基于U-Net架构的卷积神经网络替代模型，用于加速细胞-Potts模型的评估	利用U-Net架构的CNN替代模型，显著加速了细胞-Potts模型的评估速度，提高了590倍	替代模型可能无法完全捕捉原始模型的所有复杂行为	开发高效的深度学习替代模型以加速细胞-Potts模型的评估	细胞-Potts模型（CPMs）	机器学习	NA	卷积神经网络（CNN）	U-Net	模拟数据	NA
94	2025-05-20	Deep Learning-Assisted Computer-Aided Diagnosis System for Early Detection of Lung Cancer 2025-May, Journal of clinical ultrasound : JCU IF:1.2Q3 DOI:10.1002/jcu.23929 PMID:39887401	research paper	本文提出了一种深度学习辅助的计算机辅助诊断系统，用于肺癌的早期检测	提出了一种结合Binary Grasshopper Optimization Algorithm (BGOA)和10层神经网络架构的新模型，在准确性和敏感性上优于现有技术	未提及模型在多样化数据集上的泛化能力	提高肺癌早期检测的准确性和敏感性	肺癌的检测和分类	digital pathology	lung cancer	Fast nonlocal means filter (FNLM), Binary Grasshopper Optimization Algorithm (BGOA)	neural network	image	NA
95	2025-05-20	Prenatal Diagnostics Using Deep Learning: A Dual Approach to Plane Localization and Cerebellum Segmentation in Ultrasound Images 2025-May, Journal of clinical ultrasound : JCU IF:1.2Q3 DOI:10.1002/jcu.23924 PMID:39901589	research paper	本研究开发了两种深度学习模型，用于胎儿超声图像中的平面定位和小脑分割，以预测神经发育障碍	提出了两种定制化的CNN架构：用于平面定位的差分CNN和用于小脑分割的双CNN，结合了多种卷积算子和互补信息以提高准确性	研究承认存在某些局限性和挑战，但未具体说明	开发深度学习技术用于产前神经发育障碍的预测	第五个月胎儿超声脑图像	digital pathology	neurodevelopmental disorder	ultrasound imaging	CNN	image	标注的超声图像数据集（具体数量未说明）
96	2025-05-20	A Bi-modal Temporal Segmentation Network for Automated Segmentation of Focal Liver Lesions in Dynamic Contrast-enhanced Ultrasound 2025-May, Ultrasound in medicine & biology DOI:10.1016/j.ultrasmedbio.2024.12.014 PMID:39952824	研究论文	开发并验证了一种基于深度学习的双模态时间分割网络（BTS-Net），用于动态对比增强超声（CEUS）视频中肝脏局灶性病变（FLL）的自动分割	提出了一种新型的双模态时间分割网络（BTS-Net），用于自动分割动态CEUS视频中的FLL，并在多个测试集中表现出色	研究为回顾性多中心研究，可能存在选择偏倚，且样本量相对较小（232例患者）	开发一种自动化的深度学习模型，用于动态CEUS视频中FLL的精确分割	肝脏局灶性病变（FLL）患者	数字病理学	肝癌	动态对比增强超声（CEUS）	BTS-Net	视频	232例患者（160名男性，中位年龄56岁）
97	2025-05-20	Preliminary phantom study of four-dimensional computed tomographic angiography for renal artery mapping: Low-tube voltage and low-contrast volume imaging with deep learning-based reconstruction 2025-May, Radiography (London, England : 1995) DOI:10.1016/j.radi.2025.102929 PMID:40147091	研究论文	本研究评估了低管电压和低对比剂用量的4D-CT血管造影（CTA）结合深度学习重建（DLR）在肾动脉栓塞中的可行性	结合DLR的4D-CTA技术可减少辐射和对比剂用量，同时保持诊断质量	需要进一步的临床验证以确认这些发现在临床环境中的适用性	评估低管电压和低对比剂用量的4D-CTA结合DLR在肾动脉栓塞中的可行性	模拟对比剂增强血管的定制模型	数字病理	肾脏疾病	4D-CT血管造影（CTA），深度学习重建（DLR）	DLR	图像	定制模型（具体数量未提及）
98	2025-05-20	Devising a novel evaluation method for computed tomography images containing metal artifacts from titanium seed implants: Application to virtual monochromatic imaging energy optimization 2025-May, Radiography (London, England : 1995) DOI:10.1016/j.radi.2025.102944 PMID:40199192	研究论文	本研究旨在开发一种新的评估方法，用于评估含钛种子植入物金属伪影的CT图像，并确定虚拟单色成像(VMI)的最佳能量水平以减少金属伪影并提高信号检测能力	提出了一种新的对比伪影比(CAR)评估方法，用于定量评估金属伪影对信号检测的影响，并确定了65 keV为VMI的最佳能量水平	研究仅针对钛种子植入物产生的金属伪影，未涉及其他金属材料	优化CT图像中金属伪影的减少和信号检测能力的提升	含钛种子植入物的CT图像	医学影像处理	前列腺癌	双能CT系统、深度学习(DL)、金属伪影减少(MAR)算法	NA	CT图像	使用包含模拟放射性种子的骨盆区域体模进行研究
99	2025-05-20	Dynamics of Spatial Organization of Bacterial Communities in a Tunable Flow Gut Microbiome-on-a-Chip 2025-May, Small (Weinheim an der Bergstrasse, Germany) DOI:10.1002/smll.202410258 PMID:40201941	研究论文	研究肠道周期性运动如何影响3D肠道样结构中肠道微生物群落的动态	开发了一种可调流动肠道微生物芯片（tfGMoC），能够模拟肠道周期性扩张和压缩，并通过深度学习分析微生物群落的空间探索行为	NA	探索肠道周期性运动对肠道微生物群落动态的影响	肠道微生物群落	微生物组学	NA	深度学习	NA	图像	NA
100	2025-05-20	Artificial intelligence in drug resistance management 2025-May, 3 Biotech IF:2.6Q3 DOI:10.1007/s13205-025-04282-w PMID:40235844	综述	本文综述了人工智能（AI），特别是深度学习和机器学习（ML）在管理抗菌素耐药性（AMR）中的应用	AI模型如Naïve Bayes、决策树（DT）、随机森林（RF）、支持向量机（SVM）和人工神经网络（ANN）显著推进了耐药性模式的预测和新抗生素的识别	面临数据隐私、算法透明度、数据稀缺、伦理考虑及跨学科合作不足等挑战	探讨AI在管理抗菌素耐药性中的应用及其潜力	抗菌素耐药性（AMR）	机器学习	抗菌素耐药性	深度学习、机器学习	Naïve Bayes、DT、RF、SVM、ANN	NA	NA