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
1081	2025-07-24	Assessing the Reporting Quality of Machine Learning Algorithms in Head and Neck Oncology 2025-Feb, The Laryngoscope DOI:10.1002/lary.31756 PMID:39258420	research paper	评估头颈肿瘤学中机器学习算法的报告质量，使用TRIPOD-AI标准	首次使用TRIPOD-AI标准系统评估头颈肿瘤学中机器学习算法的报告质量	研究依赖于文献中的报告质量，可能无法涵盖所有实际应用中的问题	评估和改进头颈肿瘤学中机器学习算法的报告质量	头颈肿瘤学中应用机器学习算法的研究文献	machine learning	head and neck neoplasms	machine learning, deep learning	NA	text	NA
1082	2025-07-24	Identifying pivotal sites affecting thermostability of GH11 xylanase via conventional and deep learning-based energy calculation 2025-Jan-10, FEMS microbiology letters IF:2.2Q3 DOI:10.1093/femsle/fnaf072 PMID:40643334	研究论文	本研究通过计算方法和深度学习工具识别影响GH11木聚糖酶热稳定性的关键残基，并通过实验验证了这些残基的作用	结合Rosetta Cartesian_ddG和深度学习工具Pythia两种计算方法，识别并验证了影响酶热稳定性的关键残基	结合两个位点的有益突变导致热稳定性降低，可能是由于负上位性相互作用	提高GH11木聚糖酶XynCDBFV的热稳定性	GH11木聚糖酶XynCDBFV	蛋白质工程	NA	Rosetta Cartesian_ddG, Pythia, 位点饱和诱变	深度学习	蛋白质序列和结构数据	18个变体
1083	2025-07-24	Machine learning applications in colorectal cancer: from early detection to personalized treatment 2025-Jan-08, Integrative biology : quantitative biosciences from nano to macro IF:1.5Q4 DOI:10.1093/intbio/zyaf013 PMID:40694039	review	本文综述了机器学习在结直肠癌（CRC）研究和护理中的变革性影响，包括早期检测、分期、复发预测和个体化治疗	通过整合多组学、放射组学和临床数据，机器学习模型超越了传统的诊断和预后方法，实现了精准的风险预测、个性化治疗和早期复发检测	机器学习在CRC管理中面临数据质量、验证和临床工作流程平滑适应等挑战	探讨机器学习在结直肠癌早期检测到个性化治疗中的应用及其潜力	结直肠癌（CRC）患者及其相关数据	machine learning	colorectal cancer	支持向量机（SVM）、随机森林、神经网络、深度学习	SVM, random forests, neural networks, deep learning	多组学数据、放射组学数据、临床数据	NA
1084	2025-07-24	Harmonic Wavelet Neural Network for Discovering Neuropathological Propagation Patterns in Alzheimer's Disease 2025-01, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3434394 PMID:39074003	研究论文	本文提出了一种谐波小波神经网络（HWNN）用于预测阿尔茨海默病的早期阶段并定位与疾病相关的重要小波，以表征神经病理事件在大脑网络中的传播路径	提出了一种新的谐波小波神经网络（HWNN）方法，用于识别神经病理事件的传播模式，解决了现有图深度学习方法的两个主要缺点	未提及具体样本量或数据集的详细描述，可能影响方法的泛化能力	理解阿尔茨海默病的病理生理机制，预测早期疾病阶段并识别神经病理事件的传播模式	阿尔茨海默病的神经病理事件及其在大脑网络中的传播	数字病理学	阿尔茨海默病	谐波小波神经网络（HWNN）	HWNN	合成和真实数据集	NA
1085	2025-07-24	FDDSeg: Unleashing the Power of Scribble Annotation for Cardiac MRI Images Through Feature Decomposition Distillation 2025-01, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3404884 PMID:38787661	research paper	提出了一种名为FDDSeg的特征分解蒸馏深度学习方法，用于基于涂鸦标注的心脏MRI图像分割	FDDSeg采用涂鸦标注重用策略和特征分解蒸馏技术，以更少的模型参数实现更精确的分割	仅使用了两个公开数据集进行验证，可能在其他数据集上的泛化性有待验证	开发一种计算成本低且仅需涂鸦标注的心脏MRI图像分割方法	心脏MRI图像	digital pathology	cardiovascular disease	MRI	FDDSeg（特征分解蒸馏深度学习模型）	image	ACDC和MSCMR两个心脏MRI公开数据集
1086	2025-07-24	Harnessing Deep Learning Methods for Voltage-Gated Ion Channel Drug Discovery 2025-Jan-01, Physiology (Bethesda, Md.) DOI:10.1152/physiol.00029.2024 PMID:39189871	综述	本文探讨了深度学习在电压门控离子通道药物发现中的应用，特别是扩散模型在计算蛋白质设计中的进展	利用深度学习和扩散模型计算设计针对电压门控离子通道不同区域的蛋白质结合物，为药物发现提供新策略	需要更多实验数据验证计算设计的蛋白质结合物的实际效果和安全性	探索计算蛋白质设计方法在电压门控离子通道药物发现中的应用	电压门控离子通道及其蛋白质结合物	机器学习	心脏心律失常和神经性疼痛	深度学习和扩散模型	扩散模型	蛋白质结构数据	NA
1087	2025-07-24	Melanoma Breslow Thickness Classification Using Ensemble-Based Knowledge Distillation With Semi-Supervised Convolutional Neural Networks 2025-01, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3465929 PMID:39302772	研究论文	该研究利用集成知识蒸馏与半监督卷积神经网络对黑色素瘤的Breslow厚度进行分类	采用多教师集成知识蒸馏的半监督学习方法，在黑色素瘤分类任务中表现优于传统监督学习	研究使用了来自不同来源的四个数据集，但未提及数据集的样本量是否均衡或是否存在偏差	开发自动深度学习诊断系统，以支持医学专家对黑色素瘤的分类决策	黑色素瘤的Breslow厚度预测及原位与侵袭性黑色素瘤的分类	数字病理学	黑色素瘤	半监督学习、知识蒸馏	CNN	图像	使用了四个不同来源的数据集，具体样本量未提及
1088	2025-07-24	MFRC-Net: Multi-Scale Feature Residual Convolutional Neural Network for Motor Imagery Decoding 2025-01, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3467090 PMID:39316474	research paper	提出了一种轻量级的多尺度特征残差卷积神经网络（MFRC-Net），用于运动想象解码	结合时间多尺度残差卷积块和跨域双流空间卷积块，显著提升轻量级模型的性能	未提及具体限制	提高运动想象解码的准确性，同时降低模型的规模和计算资源需求	脑电图（EEG）信号	machine learning	NA	multi-scale grouped convolution, cross-domain spatial filtering	CNN	EEG信号	BCI Competition IV 2a数据集和SHU数据集
1089	2025-07-24	Spherical Harmonics-Based Deep Learning Achieves Generalized and Accurate Diffusion Tensor Imaging 2025-01, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3471769 PMID:39352828	研究论文	本研究提出了一种基于球谐函数的深度学习方法，用于提高扩散张量成像的泛化性和准确性	利用球谐函数表示体素级扩散MRI信号，并将其系数图作为网络输入来预测扩散张量场，从而提高了方法的泛化能力	未明确提及具体局限性	开发一种泛化性强、准确且高效的基于深度学习的扩散张量成像方法	扩散张量成像（DTI）数据	医学影像分析	NA	扩散加权成像（DWI）、球谐函数（SH）	深度学习（DL）	扩散MRI（dMRI）图像	模拟和体内数据集，涵盖多种DTI应用场景
1090	2025-07-24	Multiscale Spatial-Temporal Feature Fusion Neural Network for Motor Imagery Brain-Computer Interfaces 2025-01, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3472097 PMID:39352826	研究论文	提出了一种基于多尺度时空特征融合的卷积神经网络(MSTFNet)，用于运动想象脑机接口中的EEG信号分类	采用多尺度时空特征融合架构，包含特征增强、多尺度时间特征提取、空间特征提取和特征融合模块，并引入深度可分离卷积块和高效通道注意力块	在留一受试者实验中的分类准确率相对较低(66.31%)	提高运动想象脑机接口中EEG信号的解码精度	运动想象EEG信号	脑机接口	NA	EEG信号处理	CNN	EEG信号	两个公开数据集(BCI Competition IV 2a和2b)和一个实验室数据集
1091	2025-07-24	Automated Quantification of HER2 Amplification Levels Using Deep Learning 2025-01, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3476554 PMID:39383086	研究论文	本文开发了一种基于深度学习的软采样级联模型和信号检测模型，用于量化细胞中的CEN17和HER2，以辅助评估HER2扩增状态，用于乳腺癌患者的HER2靶向治疗选择	提出了一种新的软采样级联深度学习模型和信号检测模型，显著优于七种最新发布的深度学习方法，并在临床数据集中表现出高准确率、召回率和F1分数	NA	开发自动化方法以辅助评估HER2扩增状态，用于乳腺癌和胃癌患者的HER2靶向治疗选择	乳腺癌和胃癌患者的HER2扩增状态	数字病理学	乳腺癌, 胃癌	FISH, DISH	软采样级联深度学习模型, 信号检测模型	图像	两个临床数据集（FISH数据集和DISH数据集）
1092	2025-07-24	MiRS-HF: A Novel Deep Learning Predictor for Cancer Classification and miRNA Expression Patterns 2025-01, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3476672 PMID:39383085	研究论文	提出了一种名为MiRS-HF的深度学习模型，用于癌症分类和miRNA生物标志物识别	结合了早期融合和中间融合策略，利用LAGCN和GCN网络处理miRNA-疾病异质网络和表达数据，显著提高了分类性能	仅针对六种癌症进行了验证，未涉及更多癌症类型	开发一种高效的癌症分类和miRNA生物标志物识别方法	miRNA表达数据和miRNA-疾病关联数据	机器学习	癌症	深度学习	LAGCN, GCN	miRNA表达数据	六种癌症的数据集
1093	2025-07-24	TKR-FSOD: Fetal Anatomical Structure Few-Shot Detection Utilizing Topological Knowledge Reasoning 2025-01, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3480197 PMID:39401118	research paper	提出了一种名为TKR-FSOD的新方法，用于胎儿超声图像中的少样本解剖结构检测，通过拓扑知识推理模块学习解剖结构的拓扑关系，并利用判别能力增强特征学习模块提取丰富的判别特征	首次将少样本学习应用于胎儿超声图像中的解剖结构检测，并引入了拓扑知识推理模块和判别能力增强特征学习模块	研究仅针对四腔心切面视图进行了验证，未涉及其他超声切面	提高胎儿超声图像中少样本解剖结构检测的准确性和鲁棒性	胎儿超声图像中的多解剖结构	digital pathology	胎儿发育异常	few-shot learning	TKR-FSOD	image	未明确提及具体样本数量，但涉及少样本学习场景（如5-shot）
1094	2025-07-24	Attention-Guided 3D CNN With Lesion Feature Selection for Early Alzheimer's Disease Prediction Using Longitudinal sMRI 2025-01, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3482001 PMID:39412975	研究论文	本文提出了一种新型的轻量级3D卷积神经网络，用于捕捉脑部疾病的演变过程，以预测轻度认知障碍（MCI）向阿尔茨海默病（AD）的进展	提出纵向病灶特征选择策略和疾病趋势注意力机制，以捕捉脑部结构的动态变化并提高模型对病灶特征的关注	仅使用两次随访的sMRI扫描数据，可能无法全面反映疾病的长期演变过程	预测轻度认知障碍（MCI）向阿尔茨海默病（AD）的进展，以实现早期干预	轻度认知障碍（MCI）患者	数字病理学	老年疾病	sMRI	3D CNN	图像	使用两次随访的sMRI扫描数据
1095	2025-07-24	HepNet: Deep Neural Network for Classification of Early-Stage Hepatic Steatosis Using Microwave Signals 2025-01, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3489626 PMID:39480722	研究论文	本研究介绍了一种利用微波技术和深度学习对早期肝脂肪变性进行分类的新方法	提出了一种名为HepNet的新型深度学习模型，结合微波信号和迁移学习，显著提高了早期肝脂肪变性的检测准确率	临床数据样本量有限（94和158例患者样本）	开发一种可靠的早期肝脂肪变性分类方法	肝脂肪变性患者	数字病理学	肝病	微波技术	HepNet（基于CNN的深度学习模型）	微波信号	模拟数据训练集 + 94和158例临床患者样本
1096	2025-07-24	Deep Drug Synergy Prediction Network Using Modified Triangular Mutation-Based Differential Evolution 2025-01, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3377631 PMID:38498748	research paper	本文提出了一种名为EDNet的深度药物协同预测网络，利用改进的基于三角变异的差分进化算法来优化深度双向混合密度网络的初始连接权重和架构相关属性，以提高药物协同预测的准确性和效率	提出了一种改进的基于三角变异的差分进化算法，用于优化深度双向混合密度网络的初始连接权重和架构相关属性，从而解决了梯度消失、过拟合和参数调优等问题	未提及具体的数据集局限性或模型在其他类型癌症中的泛化能力	提高药物协同预测的准确性，以优化癌症治疗中的药物组合效果	药物组合协同效应	machine learning	cancer	modified triangular mutation-based differential evolution algorithm	deep bidirectional mixture density network (EDNet)	drug synergy data	两个数据集：NCI-ALMANAC和deep-synergy
1097	2025-07-24	Artificial intelligence in the diagnosis of uveal melanoma: advances and applications 2025, Experimental biology and medicine (Maywood, N.J.) DOI:10.3389/ebm.2025.10444 PMID:40046904	综述	本文综述了机器学习和深度学习在葡萄膜黑色素瘤诊断中的进展与应用	深度学习模型，特别是CNN，能够自动分析医学图像，识别复杂模式，提高诊断精度	研究中的关键限制包括数据集规模小、外部验证有限以及对单一成像模式的依赖，这些都限制了模型在临床环境中的泛化能力	评估机器学习和深度学习在葡萄膜黑色素瘤分类中的应用	葡萄膜黑色素瘤	数字病理学	葡萄膜黑色素瘤	机器学习、深度学习、CNN	CNN	图像	小规模数据集
1098	2025-07-24	Identifying Patients' Preference During Their Hospital Experience. A Sentiment and Topic Analysis of Patient-Experience Comments via Natural Language Techniques 2025, Patient preference and adherence IF:2.0Q2 DOI:10.2147/PPA.S526623 PMID:40686565	研究论文	通过自然语言处理技术分析患者体验评论，识别患者偏好及其对满意度和忠诚度的影响	采用混合方法（文献综述、人工标注和自然语言处理技术）分析自由文本评论，并探讨负面评论与患者满意度和忠诚度的关联	研究仅基于单一调查的评论数据，可能无法涵盖所有患者体验的多样性	从大量自由文本患者体验评论中提取有用信息，并探索负面评论与患者满意度和忠诚度的差异	患者体验评论	自然语言处理	NA	自然语言处理技术	机器学习和深度学习	文本	28054条自由文本评论
1099	2025-07-24	Deep learning-based method for grading histopathological liver fibrosis in rodent models of metabolic dysfunction-associated steatohepatitis 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1629036 PMID:40687706	研究论文	本研究开发了一种基于深度学习的组织病理学肝纤维化分级方法，用于代谢功能障碍相关脂肪性肝炎（MASH）啮齿动物模型	利用深度学习模型对MASH动物模型的肝纤维化进行评分，改进了临床子分类，开发了性能更优的7类分类模型	研究主要基于动物模型，结果在人类临床样本中的适用性有待验证	开发一种自动化的肝纤维化评分方法，以支持病理学家的诊断工作	代谢功能障碍相关脂肪性肝炎（MASH）啮齿动物模型的肝组织	数字病理学	肝病	深度学习	多类分类模型（5类和7类）	图像	914张全切片图像，衍生出999,711个补丁图像
1100	2025-07-24	Neurophysiological predictors of deep learning based unilateral upper limb motor imagery classification 2025, Frontiers in human neuroscience IF:2.4Q2 DOI:10.3389/fnhum.2025.1617748 PMID:40688356	研究论文	本研究探讨了神经生理学特征如何影响基于深度学习的单侧上肢运动想象分类的准确性	首次将神经生理学特征与深度学习模型在单侧上肢运动想象分类中的表现联系起来，揭示了与传统双边运动想象研究不同的神经机制	研究仅关注了右肘的屈伸运动想象，未考虑其他肢体部位或更复杂的运动模式	探索神经生理学特征对单侧上肢运动想象分类准确性的预测作用	人类参与者的脑电图数据和运动想象分类模型	脑机接口	NA	脑电图(EEG)	EEGNet, FBCNet, NFEEG, SVM, LDA	脑电信号	未明确说明参与者数量