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	2025-05-18	Long-term care plan recommendation for older adults with disabilities: a bipartite graph transformer and self-supervised approach 2025-Apr-01, Journal of the American Medical Informatics Association : JAMIA IF:4.7Q1 DOI:10.1093/jamia/ocae327 PMID:39883541	research paper	本研究提出了一种基于二分图Transformer和自监督学习的方法，为残疾老年人推荐长期护理计划	提出了一种新颖的二分图Transformer架构，结合特征向量中心性增强节点特征，并利用图结构信息作为自注意力机制的参考	在罕见或复杂服务项目上的表现有待进一步提高	利用深度学习方法为残疾老年人推荐全面的护理计划	残疾老年人	machine learning	geriatric disease	graph self-supervised learning (SSL)	Bipartite Graph Transformer (BiT)	graph data	1917个节点和195240条边组成的二分图（来自真实护理数据）
82	2025-05-18	Making sense of blobs, whorls, and shades: methods for label-free, inverse imaging in bright-field optical microscopy 2025-Apr, Biophysical reviews IF:4.9Q1 DOI:10.1007/s12551-025-01301-1 PMID:40376420	research paper	本文探讨了在明场光学显微镜中实现无标记、逆向成像的方法	提出多种硬件和软件方法解决明场显微镜中的逆向成像问题，包括离焦显微镜、强度传输、ptychography和去卷积等技术	明场显微镜本身存在相位和振幅交织、相位物体在精确对焦时不可见以及图像中同时存在正负对比度等问题	解决明场显微镜中无标记样本的精确成像问题	生物样本	光学显微镜成像	NA	离焦显微镜、强度传输、ptychography、去卷积、深度学习、数字图像处理	NA	图像	NA
83	2025-05-18	Deep learning-based fully automated detection and segmentation of pelvic lymph nodes on diffusion-weighted images for prostate cancer: a multicenter study 2025-Mar-17, Cancer imaging : the official publication of the International Cancer Imaging Society IF:3.5Q1 DOI:10.1186/s40644-025-00840-w PMID:40098034	research paper	本研究开发了一种基于3D V-Net模型的深度学习系统，用于前列腺癌患者盆腔淋巴结的自动检测和分割	利用3D V-Net模型实现了盆腔淋巴结的自动检测和分割，提高了效率和准确性	在淋巴结水平上的敏感性为60.1%，仍有提升空间	提高前列腺癌患者盆腔淋巴结检测和分割的效率和准确性	前列腺癌患者的盆腔淋巴结	digital pathology	prostate cancer	diffusion-weighted imaging (DWI)	3D V-Net	image	1,151名患者（训练集），401名患者（外部验证集），共计32,507个标注淋巴结（训练集），7,707个淋巴结（验证集）
84	2025-05-18	Artificial intelligence can be trained to predict c-KIT-11 mutational status of canine mast cell tumors from hematoxylin and eosin-stained histological slides 2025-03, Veterinary pathology IF:2.3Q1 DOI:10.1177/03009858241286806 PMID:39422217	research paper	该研究训练深度学习模型（DLMs）仅基于形态学预测犬肥大细胞瘤（MCTs）中c-KIT-11的突变状态	首次使用深度学习模型从HE染色切片中预测c-KIT-11的突变状态，无需进行PCR检测	染色协议和扫描仪类型会影响模型的准确性，跨机构数据集的性能下降	开发一种基于形态学的非侵入性方法来预测犬肥大细胞瘤的c-KIT-11突变状态	犬肥大细胞瘤（MCTs）	digital pathology	mast cell tumors	deep learning, HE staining	DLMs	image	368例犬皮肤、皮下和黏膜皮肤MCTs（195例有ITD突变，173例无）
85	2025-05-18	Nuclear pleomorphism in canine cutaneous mast cell tumors: Comparison of reproducibility and prognostic relevance between estimates, manual morphometry, and algorithmic morphometry 2025-03, Veterinary pathology IF:2.3Q1 DOI:10.1177/03009858241295399 PMID:39560067	research paper	本研究比较了犬皮肤肥大细胞肿瘤（ccMCTs）中核多形性评估的不同方法，包括病理学家估计、手动形态测量和基于深度学习的自动形态测量	开发了基于深度学习的自动形态测量方法，并验证了分层抽样12个核的手动形态测量方法的实用性	需要进一步研究验证结果、确定算法间可重复性和算法鲁棒性，并探索整个肿瘤切片中核特征的异质性	探索犬皮肤肥大细胞肿瘤核评估方法的局限性并开发替代形态测量解决方案	犬皮肤肥大细胞肿瘤（ccMCTs）	digital pathology	mast cell tumors	deep learning-based segmentation	NA	image	96例ccMCTs
86	2025-05-18	Deep Learning-Based Ion Channel Kinetics Analysis for Automated Patch Clamp Recording 2025-Mar, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202404166 PMID:39737527	research paper	本研究提出了首个基于人工智能的框架，用于全细胞记录的多种离子通道动力学特征分析	首次将人工智能技术应用于离子通道动力学分析，结合了异常检测和多类分类的深度学习方法	NA	提高电生理研究中离子通道动力学分析的效率和准确性	全细胞记录的离子通道动力学	machine learning	Alzheimer's disease, Parkinson's disease	patch clamp technique	1D CNN, bidirectional LSTM, attention mechanism	electrophysiological recordings	124 test datasets
87	2025-05-18	Multi-modal dataset creation for federated learning with DICOM-structured reports 2025-Mar, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-025-03327-y PMID:39899185	research paper	该研究开发了一个开放平台，用于多模态数据集创建和联邦学习，特别关注心脏瓣膜置换术后的结果预测	利用DICOM结构化报告标准化链接任意信息，并开发了具有交互式过滤功能的开放平台，简化了多站点一致多模态数据患者队列的创建过程	研究仅在一个由八所德国大学医院组成的联盟内进行，可能限制了结果的普遍性	解决联邦学习在异构数据集上的挑战，特别是在多模态学习范式中	多模态医疗数据，包括影像、波形数据和注释	digital pathology	cardiovascular disease	DICOM-structured reports, federated learning	NA	imaging, waveform data, annotations, metadata	来自八所德国大学医院的数据集
88	2025-05-18	Task-specific deep learning-based denoising for UHR cardiac PCD-CT adaptive to imaging conditions and patient characteristics: Impact on image quality and clinical diagnosis and quantitative assessment 2025-Feb, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.3047283 PMID:40370652	研究论文	本文开发了一种基于卷积神经网络(CNN)的去噪算法，用于优化超高分辨率(UHR)光子计数探测器(PCD) CT的心脏成像，以适应不同的成像条件和患者特征	提出了一种任务特定的深度学习去噪方法，能够根据不同诊断任务、患者特征和扫描协议自适应地优化图像质量	研究主要关注心脏CT成像，未涉及其他临床应用领域	优化UHR PCD-CT在心脏成像中的图像质量，提高冠状动脉狭窄的定量评估准确性	UHR PCD-CT心脏图像	数字病理	心血管疾病	光子计数探测器CT(PCD-CT)	CNN	医学影像	按水等效直径分组的患者(小:<300mm, 中:300-320mm, 大:>320mm)
89	2025-05-18	HVSeeker: a deep-learning-based method for identification of host and viral DNA sequences 2025-Jan-06, GigaScience IF:11.8Q1 DOI:10.1093/gigascience/giaf037 PMID:40372723	research paper	HVSeeker是一种基于深度学习的方法，用于区分细菌和噬菌体序列	HVSeeker结合了两种模型（DNA序列和蛋白质分析）和三种预处理方法（填充、contigs组装和滑动窗口），在识别未知噬菌体基因组方面表现优异	未提及该方法在更短或更长序列上的性能，也未讨论计算资源需求	开发一种能有效区分宿主和病毒DNA序列的工具	细菌和噬菌体序列	生物信息学	NA	深度学习	HVSeeker（包含DNA序列和蛋白质分析两个子模型）	DNA序列和蛋白质序列	测试数据来自NCBI和IMGVR数据库，序列长度范围200-1,500碱基对
90	2025-05-18	Time Scale Network: An Efficient Shallow Neural Network For Time Series Data in Biomedical Applications 2025-Jan, IEEE journal of selected topics in signal processing IF:8.7Q1 DOI:10.1109/JSTSP.2024.3443659 PMID:40370581	研究论文	本文提出了一种高效的时间尺度网络（Time Scale Network），用于处理生物医学应用中的时间序列数据	结合离散小波变换的平移和膨胀序列与传统卷积神经网络及反向传播，显著减少参数和操作数量，同时学习多时间尺度的特征	未明确提及具体限制，但可能受限于信号类型的普适性验证	开发一种计算效率高、参数少且易于解释的时间序列分类网络	生物医学时间序列数据（如ECG和EEG信号）	机器学习	心血管疾病（心房功能障碍）和神经系统疾病（癫痫）	离散小波变换与CNN结合	Time Scale Network（基于CNN的改进模型）	时间序列数据（ECG和EEG信号）	未明确提及具体样本量
91	2025-05-18	Investigating the Key Trends in Applying Artificial Intelligence to Health Technologies: A Scoping Review 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0322197 PMID:40372995	综述	本文探讨了人工智能在医疗技术中的关键趋势及其在诊断和治疗中的变革潜力	系统总结了AI在医疗领域的应用现状、优势与挑战，并探讨了未来发展方向	研究主要基于2020年至2024年的文献，可能未涵盖最新进展；未对AI风险与收益进行深入量化评估	调查人工智能在医疗技术中的应用趋势及其对疾病诊断和治疗的影响	68篇从WOS、Scopus和Pubmed数据库中检索的学术研究	医疗人工智能	NA	深度学习、机器学习	NA	文献数据	68篇学术研究（2020年1月至2024年4月）
92	2025-05-18	Apple varieties, diseases, and distinguishing between fresh and rotten through deep learning approaches 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0322586 PMID:40373081	研究论文	本文通过深度学习方法区分苹果品种、新鲜与腐烂状态以及疾病，并提出了新的数据集和优化模型	提出了三个新的数据集（AFVC、AFQC、ADEC）和一个优化的苹果园模型（OAOM），使用新的损失函数MFCE提高模型效率	未提及模型在不同环境或光照条件下的泛化能力	提高苹果品种识别、新鲜度判断和疾病检测的自动化系统性能	苹果的品种、新鲜与腐烂状态以及疾病	计算机视觉	NA	深度学习	OAOM（优化的苹果园模型）	图像	AFVC包含29,750张图像（85类），AFQC包含2,320张图像，ADEC包含2,976张图像（7类）
93	2025-05-18	Comprehensive analysis of SQOR involvement in ferroptosis resistance of pancreatic ductal adenocarcinoma in hypoxic environments 2025, Frontiers in immunology IF:5.7Q1 DOI:10.3389/fimmu.2025.1513589 PMID:40375994	research paper	本研究通过构建深度学习模型评估胰腺导管腺癌（PDAC）的缺氧特征，并探讨硫化物醌氧化还原酶（SQOR）在缺氧介导的铁死亡抵抗中的作用	建立了基于全切片图像（WSIs）的PDAC缺氧检测模型，揭示了SQOR在缺氧环境下通过增强铁死亡抵抗促进PDAC恶性进展的新机制	研究主要基于体外缺氧细胞模型和裸鼠异种移植模型，临床样本验证仍需进一步开展	探究PDAC缺氧特征与SQOR介导的铁死亡抵抗机制，为靶向治疗提供依据	胰腺导管腺癌（PDAC）组织、体外缺氧细胞模型及裸鼠异种移植模型	digital pathology	pancreatic cancer	multi-omics数据分析、全切片图像（WSIs）深度学习建模	深度学习模型（未明确具体架构）	病理图像、多组学数据	未明确样本数量，涉及PDAC组织、体外细胞模型及裸鼠模型
94	2025-05-18	Deep learning techniques for detecting freezing of gait episodes in Parkinson's disease using wearable sensors 2025, Frontiers in physiology IF:3.2Q2 DOI:10.3389/fphys.2025.1581699 PMID:40376117	研究论文	本文提出了一种新颖的混合深度学习框架，用于通过可穿戴传感器检测帕金森病患者的步态冻结（FoG）发作	结合CNN进行空间特征提取、BiLSTM网络进行时间建模以及注意力机制增强可解释性，并关注关键步态特征	NA	检测帕金森病患者的步态冻结（FoG）发作，以改善临床监测和患者预后	帕金森病患者	机器学习	帕金森病	深度学习	CNN, BiLSTM, 注意力机制	传感器数据	多模态数据集（包括tDCS FOG、DeFOG、Daily Living和Hantao's Multimodal）
95	2025-05-18	Providing a Prostate Cancer Detection and Prevention Method With Developed Deep Learning Approach 2025, Prostate cancer IF:2.3Q3 DOI:10.1155/proc/2019841 PMID:40376132	研究论文	提出了一种基于深度学习的前列腺癌检测和预防方法，利用组织病理学图像进行诊断	开发了一种基于流形模型的深度学习方法，结合Tile和Grad-CAM特性，提高了前列腺癌诊断的准确性	研究仅基于一个治疗中心的组织病理学图像，样本来源有限	开发前列腺癌的诊断和预防方法	前列腺癌患者	数字病理学	前列腺癌	深度学习	基于流形模型的深度学习	图像	来自一个治疗中心的组织病理学图像
96	2025-05-18	Neurovision: A deep learning driven web application for brain tumour detection using weight-aware decision approach 2025 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076251333195 PMID:40376570	research paper	开发了一个基于深度学习的框架，用于从医学共振图像中分类潜在的脑肿瘤，并通过权重感知决策方法提高分类准确性	提出了一种新颖的权重感知决策机制，有效处理多类分类中的平局情况，优于传统的基于多数的方法	未提及具体的数据集来源和样本多样性，可能影响模型的泛化能力	提高脑肿瘤的自动检测和分类准确性	脑肿瘤的医学共振图像	digital pathology	brain tumour	deep learning	DenseNet169, VGG-19, Xception, EfficientNetV2B2	image	三个不同的数据集，具体样本数量未提及
97	2025-05-18	The application of ultrasound artificial intelligence in the diagnosis of endometrial diseases: Current practice and future development 2025 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076241310060 PMID:40376569	综述	本文回顾了人工智能在子宫内膜疾病超声图像分析中的进展，重点关注其在诊断、决策支持和预后分析中的应用	介绍了人工智能如何通过机器学习和深度学习从超声数据中提取有价值的信息，提升超声诊断能力	总结了当前研究的挑战，但未提及具体的技术或数据限制	推进超声人工智能技术在子宫内膜疾病诊断中的应用，通过数字工具改善女性健康	子宫内膜疾病的超声图像	数字病理学	子宫内膜疾病	机器学习和深度学习	NA	超声图像	NA
98	2025-05-18	YOLOv8 framework for COVID-19 and pneumonia detection using synthetic image augmentation 2025 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076251341092 PMID:40376574	研究论文	本研究开发了一个结合合成图像增强和深度学习模型的框架，用于COVID-19和肺炎的早期准确检测	整合了合成图像增强、YOLOv8模型和可解释AI技术（XAI），提高了诊断准确性和模型的可信度	未来研究需要进一步优化性能，开发临床可行的诊断工作流程	提高COVID-19和肺炎的医学影像检测准确性和可信度	COVID-19和肺炎的医学影像数据	计算机视觉	COVID-19和肺炎	合成图像增强、深度学习、可解释AI（XAI）	YOLOv8、InceptionV3、DenseNet、ResNet	医学影像	未明确提及具体样本数量
99	2025-05-18	An efficient leukemia prediction method using machine learning and deep learning with selected features 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0320669 PMID:40378164	research paper	该研究提出了一种使用机器学习和深度学习技术预测和分类白血病亚型的方法	利用特征选择和深度学习技术，特别是LSTM模型，实现了100%的分类准确率，显著优于传统方法	研究样本量较小，仅使用了64个样本	开发一种高效、准确的白血病预测和分类方法	白血病基因数据	machine learning	leukemia	microarray	Random Forest, Linear Regression, SVM, LSTM	gene data	64 samples representing five classes of leukemia genes
100	2025-05-18	Exploring Schizophrenia Classification Through Multimodal MRI and Deep Graph Neural Networks: Unveiling Brain Region-Specific Weight Discrepancies and Their Association With Cell-Type Specific Transcriptomic Features 2024-12-20, Schizophrenia bulletin IF:5.3Q1 DOI:10.1093/schbul/sbae069 PMID:38754993	研究论文	本研究通过多模态MRI和深度图神经网络探索精神分裂症分类，揭示脑区特异性权重差异及其与细胞类型特异性转录组特征的关联	使用深度学习和图卷积将MRI数据表示为图，结合多模态MRI数据提升分类性能，并通过Grad-CAM和基因表达分析增强可解释性	样本来源仅限于7家医院，可能影响结果的广泛适用性	提升精神分裂症的诊断准确性，提供客观参考和生物标志物	683名精神分裂症患者和606名健康对照者	数字病理学	精神分裂症	结构MRI和功能MRI	图注意力网络（GAT）	图像	1289名参与者（683名患者和606名对照）