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
981	2025-07-05	2.5D deep learning radiomics and clinical data for predicting occult lymph node metastasis in lung adenocarcinoma 2025-Jul-01, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-01759-1 PMID:40597741	研究论文	本研究结合2.5D深度学习放射组学和临床数据，预测肺腺癌隐匿性淋巴结转移	首次将2.5D深度学习放射组学特征与临床数据结合，构建多实例学习模型预测隐匿性淋巴结转移	研究为回顾性设计，样本来自两个中心可能存在选择偏倚	提高肺腺癌隐匿性淋巴结转移的预测准确性	肺腺癌患者	数字病理学	肺癌	CT成像	2.5D深度学习模型、多实例学习(MIL)	医学影像(增强CT图像)	1099例肺腺癌患者
982	2025-07-05	Deep learning for gender estimation using hand radiographs: a comparative evaluation of CNN models 2025-Jul-01, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-01809-8 PMID:40597748	研究论文	本研究通过比较四种CNN模型，开发了一种基于深度学习的性别分类方法，用于手部X光片	首次比较了四种CNN模型在手部X光片性别分类中的性能，并发现ResNet-50表现最佳	研究样本仅限于18至65岁的成年人，且未涵盖多样化人群	开发一种快速、客观的性别分类方法，用于法医鉴定	470张18至65岁成年人的左手X光片	计算机视觉	NA	X光成像	CNN (ResNet-18, ResNet-50, InceptionV3, EfficientNet-B0)	图像	470张左手X光片
983	2025-07-05	Leveraging commonality across multiple tissue slices for enhanced whole slide image classification using graph convolutional networks 2025-Jul-01, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-01760-8 PMID:40597750	research paper	提出一种利用组织切片间共性信息增强全切片图像分类性能的新方法	通过构建切片间空间关系和特征相似性的图结构，利用图卷积网络整合多切片信息进行全切片图像分类	仅验证了胃癌和结直肠癌数据集，未在其他癌症类型上测试	提高全切片图像分类的准确性	胃癌和结直肠癌的组织切片图像	digital pathology	stomach cancer, colorectal cancer	graph convolutional networks	GCN	whole slide images	胃癌和结直肠癌数据集（具体数量未提及）
984	2025-07-05	MCAUnet: a deep learning framework for automated quantification of body composition in liver cirrhosis patients 2025-Jul-01, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-01756-4 PMID:40597795	研究论文	本研究提出了一种名为MCAUnet的深度学习框架，用于肝硬化患者身体成分的自动量化及生存分析	MCAUnet模型引入了通道视角的注意力机制，实现了关键通道特征的自适应融合，显著提升了分割精度	研究仅基于L3水平腰椎CT切片，可能无法全面反映全身身体成分	开发自动化工具以精确量化肝硬化患者身体成分并分析其与生存率的关系	肝硬化患者	数字病理学	肝硬化	CT扫描	MCAUnet（基于注意力机制的改进UNet）	CT图像	11,362张L3水平腰椎CT切片
985	2025-07-05	Cross-domain subcortical brain structure segmentation algorithm based on low-rank adaptation fine-tuning SAM 2025-Jul-01, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-01779-x PMID:40597798	研究论文	提出一种基于低秩自适应微调SAM的跨域皮层下脑结构分割算法，用于脑MRI图像分割	采用低秩自适应（LoRA）微调SAM模型，冻结图像编码器并应用LoRA近似低秩矩阵更新，同时微调轻量级提示编码器和掩码解码器，显著减少可学习参数量	未明确提及具体局限性，但跨域泛化性能可能受限于不同MRI数据集间的差异	解决脑MRI图像中皮层下结构分割的准确性和鲁棒性问题，降低临床诊断中的人工标注成本	脑MRI图像中的皮层下结构	数字病理	脑部疾病	低秩自适应（LoRA）、交互式提示学习	SAM（Segment Anything Model）	MRI图像	五个MRI数据集（IBSR、MALC、LONI、LPBA、Hammers和CANDI）
986	2025-07-05	Deep learning for automated segmentation of radiation-induced changes in cerebral arteriovenous malformations following radiosurgery 2025-Jul-01, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-01796-w PMID:40597846	研究论文	本文提出了一种深度学习算法，用于自动分割放射外科治疗后脑动静脉畸形（AVMs）周围脑组织中辐射诱导变化（RICs）的体积	使用Mask R-CNN和DeepMedic深度学习模型进行自动分割和量化，替代了传统的手动预处理方法	样本量较小（28名患者），且Dice相似系数为71.8%，仍有提升空间	开发一种自动分割和量化AVMs患者放射外科治疗后RICs体积的算法，以辅助临床决策	未破裂的脑动静脉畸形（AVMs）患者	数字病理学	脑血管疾病	MRI T2加权成像	Mask R-CNN, DeepMedic	图像	28名患者，139次定期追踪的T2w扫描
987	2025-07-05	Automatic recognition and differentiation of pulmonary contusion and bacterial pneumonia based on deep learning and radiomics 2025-Jul-01, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-01802-1 PMID:40597898	research paper	本研究利用深度学习和放射组学技术，首次实现了基于胸部CT图像的肺挫伤和细菌性肺炎的自动识别与区分	首次将人工智能技术应用于肺挫伤和细菌性肺炎的自动识别与区分，并比较了AI与人工诊断的性能差异	研究为回顾性研究，样本来源仅来自两家医院，可能存在选择偏倚	开发能够自动识别和区分肺挫伤与细菌性肺炎的人工智能系统	2179例患者的胸部CT图像（肺挫伤和细菌性肺炎病例）	digital pathology	lung cancer	radiomics	SVM, VB-net	CT图像	2179例患者（来自两家医院2016年4月至2022年7月的数据）
988	2025-07-03	Deep learning radiomics and mediastinal adipose tissue-based nomogram for preoperative prediction of postoperative‌ brain metastasis risk in non-small cell lung cancer 2025-Jul-01, BMC cancer IF:3.4Q2 DOI:10.1186/s12885-025-14466-5 PMID:40597925	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
989	2025-07-05	A deep learning model for predicting systemic lupus erythematosus-associated epitopes 2025-Jul-01, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-025-03056-x PMID:40598008	研究论文	本文提出了一种混合深度学习架构，用于预测系统性红斑狼疮相关表位	结合手工生化特征与数据驱动的深度序列建模，提出了一种新的混合深度学习架构，提高了SLE相关表位的识别准确率	未提及具体的数据集大小或多样性限制，也未讨论模型在其他疾病表位预测中的泛化能力	提高系统性红斑狼疮相关表位的预测准确性，以促进对自身免疫发病机制的理解和免疫治疗的设计	系统性红斑狼疮相关表位	生物信息学	系统性红斑狼疮	深度学习	CNN, LSTM, 多层感知机	序列数据	NA
990	2025-07-05	Deep learning image reconstruction and adaptive statistical iterative reconstruction on coronary artery calcium scoring in high risk population for coronary heart disease 2025-Jul-01, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-025-03049-w PMID:40598159	research paper	该研究探讨了深度学习图像重建（DLIR）技术在高风险人群中冠状动脉钙化（CAC）量化中的影响	首次比较了DLIR与传统重建方法在冠状动脉钙化评分中的表现，并验证了DLIR在提高图像质量的同时不影响钙化评分的准确性	研究为单中心回顾性研究，样本量相对有限（178例患者）	评估不同图像重建技术对冠状动脉钙化量化的影响	接受冠状动脉CT血管造影（CCTA）检查的高风险患者	digital pathology	cardiovascular disease	CT angiography, deep learning image reconstruction	DLIR (deep learning image reconstruction)	medical imaging	178例患者（女性107例，平均年龄62.43±9.26岁，平均BMI 25.33±3.18 kg/m2）
991	2025-07-05	Multi-dimensional annotation of porcine variants using genomic and epigenomic features in pigs 2025-Jul-01, BMC biology IF:4.4Q1 DOI:10.1186/s12915-025-02279-8 PMID:40598185	研究论文	本研究通过整合全球猪种和群体的1,817个全基因组序列，全面注释了猪基因组变异的功能影响	首次在猪中系统性地分析了功能丧失变异(LoFs)和非编码变异的功能影响，并利用Basenji深度学习模型和ATAC-seq预测SNP对染色质可及性的影响	研究主要基于相关性分析，缺乏直接的实验验证	揭示基因组变异对表观基因组、转录组和复杂性状的功能影响	猪基因组变异	基因组学	NA	全基因组测序, ATAC-seq, 深度学习	Basenji	基因组序列, 表观基因组数据	1,817个全基因组序列
992	2025-07-05	Joint fusion of sequences and structures of drugs and targets for identifying targets based on intra and inter cross-attention mechanisms 2025-Jul-01, BMC biology IF:4.4Q1 DOI:10.1186/s12915-025-02256-1 PMID:40598296	研究论文	提出了一种名为MM-IDTarget的新型深度学习框架，通过多模态融合策略提高药物靶点识别的准确性	采用图变换器、多尺度卷积神经网络和残差边加权图卷积网络等先进技术，结合药物和靶点的序列和结构模态特征，通过内外交叉注意力机制增强多模态特征的互补性	基准数据集的大小仅为当前最先进方法所用数据集的三分之一或相同大小	提高药物靶点识别的准确性，指导疾病治疗并加速药物开发	药物和靶点的序列和结构模态特征	机器学习	NA	图变换器、多尺度卷积神经网络(MCNN)、残差边加权图卷积网络(EW-GCN)	深度学习框架	序列和结构数据	基准数据集大小为当前最先进方法所用数据集的三分之一或相同大小
993	2025-07-05	Deep learning-based cough classification using application-recorded sounds: a transfer learning approach with VGGish 2025-Jul-01, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-025-03065-w PMID:40598373	研究论文	本研究提出了一种基于深度学习的咳嗽分类模型，利用智能手机记录的咳嗽声音进行早期诊断	采用VGGish作为迁移学习模型，并结合检测和分类网络，提高了咳嗽声音分类的准确性和可靠性	模型性能依赖于医疗专家的标注质量，且在不同数据集上的分类准确率存在差异	开发早期诊断系统，以改善呼吸道疾病的及时干预和治疗效果	智能手机记录的咳嗽声音	自然语言处理	呼吸道疾病	深度学习	VGGish	音频	多个数据集（dataset1, 2, 和3）
994	2025-07-05	AmpHGT: expanding prediction of antimicrobial activity in peptides containing non-canonical amino acids using multi-view constrained heterogeneous graph transformer 2025-Jul-01, BMC biology IF:4.4Q1 DOI:10.1186/s12915-025-02253-4 PMID:40598389	研究论文	提出了一种名为AmpHGT的新型深度学习模型，用于预测含有非经典氨基酸的抗菌肽的抗菌活性	AmpHGT模型基于异构图表示肽，能够有效分类含有非经典氨基酸的抗菌肽，解决了传统特征提取方法的局限性	传统解码方法和单字母表示系统对于非经典氨基酸的处理不足，阻碍了新型抗菌肽的开发	开发一种能够预测含有非经典氨基酸的抗菌肽活性的模型	抗菌肽（AMPs），特别是含有非经典氨基酸的抗菌肽	机器学习	NA	深度学习	异构图变换器（Heterogeneous Graph Transformer, HGT）	肽序列和结构数据	NA
995	2025-07-05	Comparative analysis of statistical and deep learning-based multi-omics integration for breast cancer subtype classification 2025-Jul-01, Journal of translational medicine IF:6.1Q1 DOI:10.1186/s12967-025-06662-5 PMID:40598554	研究论文	比较统计和深度学习方法在多组学整合中对乳腺癌亚型分类的效果	比较了基于统计的MOFA+和基于深度学习的MOGCN两种多组学整合方法在乳腺癌亚型分类中的表现	研究仅基于960例乳腺癌患者样本，可能无法完全代表所有乳腺癌亚型的多样性	评估不同多组学整合方法在乳腺癌亚型分类中的效果	乳腺癌患者的多组学数据（转录组学、表观基因组学和微生物组学）	机器学习	乳腺癌	多组学整合分析	MOFA+, MOGCN	多组学数据	960例乳腺癌患者样本
996	2025-07-05	PedSemiSeg: Pedagogy-inspired semi-supervised polyp segmentation 2025-Jul-01, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2025.102591 PMID:40609495	研究论文	提出了一种受教学法启发的半监督学习框架PedSemiSeg，用于在有限标注数据下提升息肉分割性能	受现实教育环境中教师反馈和同伴辅导的启发，设计了正负学习方式下的强增强输入监督机制，并引入基于预测熵的同伴互辅导	未明确说明模型在极端数据分布偏移下的表现及计算效率	解决标注数据稀缺和患者/医疗中心间分布偏移问题，提升息肉分割模型的泛化能力	结直肠息肉图像	数字病理	结直肠癌	半监督学习	深度学习框架（含强/弱数据增强策略）	医学图像	两个公共数据集及外部多中心数据集（未注明具体样本量）
997	2025-07-05	Decoding olfactory response from neurophysiological signal with a multi modal deep learning framework 2025-Jun-28, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.107775 PMID:40609506	研究论文	通过多模态深度学习框架解码神经生理信号中的嗅觉反应	提出了一种新的多模态深度学习方法TACAF，结合了EEG和呼吸信号，通过小波特征和时间窗口选择以及频谱分析来增强嗅觉EEG解码	样本量较小，仅涉及20名受试者	更好地理解嗅觉感知的神经特征	人类的嗅觉系统	神经科学	NA	EEG和呼吸信号分析	TACAF（Token Alignment and Cross-Attention Fusion network）	神经生理信号（EEG和呼吸信号）	20名受试者
998	2025-07-05	Extracting True Virus SERS Spectra and Augmenting Data for Improved Virus Classification and Quantification 2025-Jun-27, ACS sensors IF:8.2Q1 DOI:10.1021/acssensors.4c03397 PMID:40382719	研究论文	本文开发了一种深度学习框架，利用双神经网络提取真实的病毒SERS光谱并估计12种不同呼吸道病毒在水中的浓度系数，以提高病毒分类和定量分析的准确性	提出了一种深度学习框架，能够提取真实的病毒SERS光谱并估计浓度系数，从而增强光谱数据集，显著提高了分类和定量分析的准确性	研究主要基于水中的病毒样本，虽然在唾液背景中也进行了测试，但其他生物样本中的适用性仍需进一步验证	提高基于SERS的病毒分类和定量分析的准确性和灵敏度	12种不同的呼吸道病毒	机器学习	呼吸道病毒感染	表面增强拉曼光谱(SERS)	XGBoost	光谱数据	12种不同呼吸道病毒的光谱数据
999	2025-07-05	Rapid and non-destructive detection of formaldehyde adulteration in shrimp based on deep learning-assisted portable Raman spectroscopy 2025-Jun-27, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2025.145343 PMID:40609364	研究论文	本研究开发了一种基于深度学习和便携式拉曼光谱仪的快速、无损检测虾中甲醛掺假的方法	结合便携式拉曼光谱仪与InceptionTime深度学习模型，无需样品预处理即可实现甲醛检测	模型在5 mg/kg和100 mg/kg检测阈值下的准确率分别为84.40%和85.17%，仍有提升空间	开发一种现场可部署的实时、现场甲醛检测方法	虾中的甲醛掺假	数字病理学	NA	便携式拉曼光谱仪	InceptionTime	拉曼光谱数据	FA阴性和FA阳性的虾表面拉曼光谱数据
1000	2025-07-04	Rethinking deep learning in bioimaging through a data centric lens 2025-Jun-26, Npj imaging.. DOI:10.1038/s44303-025-00092-0 PMID:40604161	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA