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
1101	2025-05-13	D-GET: Group-Enhanced Transformer for Diabetic Retinopathy Severity Classification in Fundus Fluorescein Angiography 2025-Mar-06, Journal of medical systems IF:3.5Q2 DOI:10.1007/s10916-025-02165-4 PMID:40045093	研究论文	提出了一种基于Group-Enhanced Transformer的深度学习模型D-GET，用于在眼底荧光素血管造影(FFA)图像中对糖尿病视网膜病变(DR)的严重程度进行分类	D-GET模型引入了Full-Scale Transformer Block和Group-Focal模块，能够从多尺度捕获特征信息，并自适应整合上下文信息，提高了对小尺度病变的检测能力，同时通过Channel Adaptive Attention Module (CAAM)综合通道和空间信息以改进特征检测和定位	NA	开发一种基于FFA图像的深度学习模型，以提高糖尿病视网膜病变(DR)严重程度分类的准确性和效率	糖尿病视网膜病变(DR)患者的眼底荧光素血管造影(FFA)图像	计算机视觉	糖尿病视网膜病变	深度学习	Transformer	图像	自定义数据集
1102	2025-05-13	Advancing methodologies for assessing the impact of land use changes on water quality: a comprehensive review and recommendations 2025-Mar-05, Environmental geochemistry and health IF:3.2Q2 DOI:10.1007/s10653-025-02413-z PMID:40042544	综述	本文对土地利用变化对水质影响的研究方法进行了全面评估，并提出了改进建议	提倡整合自动化监测系统、物联网技术以及深度学习算法与遥感技术，以提高数据收集的精确性和效率	现有方法在解决区域差异、非线性相互作用和实时监测复杂性方面存在不足	评估土地利用变化对水质影响的研究方法，并提出改进建议	土地利用变化对水质影响的研究文献	环境科学	NA	自动化监测系统、物联网技术、深度学习算法、遥感技术	NA	水质和土地利用数据	NA
1103	2025-05-13	A deep learning framework for automated and generalized synaptic event analysis 2025-Mar-05, eLife IF:6.4Q1 DOI:10.7554/eLife.98485 PMID:40042890	研究论文	介绍了一种基于深度学习的自动化突触事件分析方法miniML	miniML在模拟真实数据上的比较分析显示其在精确度和召回率上优于现有方法，并能轻松适应不同的突触准备、电生理和光学记录技术以及跨物种研究	NA	提供一种自动化、可靠且标准化的突触事件分析框架，以促进神经功能和功能障碍的高通量研究	自发突触事件	机器学习	NA	深度学习	监督学习	电生理记录数据	NA
1104	2025-05-13	Deep learning for hepatocellular carcinoma recurrence before and after liver transplantation: a multicenter cohort study 2025-Mar-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-91728-z PMID:40044774	研究论文	开发了一种用于肝细胞癌（HCC）患者在肝移植前后复发预测的深度学习系统	使用DeepSurv模型结合临床病理变量，显著提高了复发预测的准确性，优于米兰标准	研究为回顾性设计，样本量相对有限（466例患者）	预测肝细胞癌患者在肝移植前后的复发风险	接受肝移植的肝细胞癌患者	数字病理	肝细胞癌	支持向量机、随机森林、逻辑回归、stacking和两种基于生存分析的方法	DeepSurv	临床数据	466例患者，中位随访51.0个月
1105	2025-05-13	Rethinking model prototyping through the MedMNIST+ dataset collection 2025-Mar-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-92156-9 PMID:40044786	research paper	该研究通过MedMNIST+数据集集合重新思考模型原型设计，旨在解决临床实践中深度学习系统整合的挑战	引入了MedMNIST+数据集集合作为综合基准，评估了不同成像模态、解剖区域、分类任务和样本大小下的模型表现	研究可能未覆盖所有医疗数据类型或临床场景，且数据集多样性仍有提升空间	旨在通过标准化评估框架提升医疗影像领域模型开发的透明度、可重复性和可比性	医疗影像数据集和深度学习模型	digital pathology	NA	深度学习	CNN, ViT	image	多个不同规模的医疗影像数据集
1106	2025-05-13	Attention dual transformer with adaptive temporal convolutional for diabetic retinopathy detection 2025-Mar-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-92510-x PMID:40044820	research paper	提出了一种注意力双变换器与自适应时间卷积（ADT-ATC）模型，用于从视网膜眼底图像中增强检测糖尿病视网膜病变（DR）	通过双空间变换器网络处理多尺度空间特征，并通过自适应时间卷积单元捕获时间依赖性，同时引入分层交叉注意力模块融合时空特征	NA	增强糖尿病视网膜病变的检测	视网膜眼底图像	computer vision	diabetic retinopathy	deep learning	Attention Dual Transformer with Adaptive Temporal Convolutional (ADT-ATC)	image	DRIVE和Diabetic Retinopathy数据集
1107	2025-05-13	Exploring Psychological Trends in Populations With Chronic Obstructive Pulmonary Disease During COVID-19 and Beyond: Large-Scale Longitudinal Twitter Mining Study 2025-Mar-05, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/54543 PMID:40053739	研究论文	通过大规模Twitter挖掘研究，揭示COVID-19期间及之后慢性阻塞性肺疾病(COPD)人群的长期心理趋势和模式	首次利用大规模Twitter数据和深度学习框架分析COPD人群在COVID-19期间及之后的长期心理变化	研究结果基于Twitter数据，可能无法完全代表所有COPD人群的心理状态	了解COVID-19对COPD人群长期心理影响	慢性阻塞性肺疾病(COPD)患者	自然语言处理	慢性阻塞性肺疾病	Twitter数据挖掘	深度学习算法	文本(Twitter推文)	15,347名COPD用户，超过25亿条推文(2020年1月至2023年6月)
1108	2025-05-13	Advanced deep learning models for predicting elemental concentrations in iron ore mine using XRF data: a cost-effective alternative to ICP-MS methods 2025-Mar-05, Environmental geochemistry and health IF:3.2Q2 DOI:10.1007/s10653-025-02419-7 PMID:40045020	研究论文	本研究提出了一种基于深度学习的先进方法，用于预测伊朗Gohar Zamin铁矿区的关键元素浓度，使用XRF地球化学数据作为输入	提出了一种新型AI驱动框架，利用低成本的XRF数据进行矿物预测，减少对昂贵分析技术的依赖，同时提升采矿作业的决策效率	研究仅针对伊朗Gohar Zamin铁矿区的特定元素，可能不适用于其他地区或元素	开发一种成本效益高且快速的地球化学分析方法，以替代传统的ICP-MS方法	Gohar Zamin铁矿区的关键元素（如砷、锂、锑和钒）	机器学习	NA	XRF	CNN, GRU, SAN	地球化学数据	NA
1109	2025-05-13	Performance Improvement of a Natural Language Processing Tool for Extracting Patient Narratives Related to Medical States From Japanese Pharmaceutical Care Records by Increasing the Amount of Training Data: Natural Language Processing Analysis and Validation Study 2025-Mar-04, JMIR medical informatics IF:3.1Q2 DOI:10.2196/68863 PMID:40053805	研究论文	开发了一种高性能NLP系统，用于从日本药学护理记录中提取患者叙述的临床信息	通过逐步增加训练数据量来提升NLP工具的性能，并验证其在日语患者叙述中的应用	系统在处理药学护理记录以外的文本（如病例报告）时性能较低	开发一个高性能的NLP系统，用于从患者叙述中提取临床信息	日本药学护理记录中的患者叙述文本	自然语言处理	NA	NLP	BERT-CRF	文本	12,004条记录，来自6,559个案例
1110	2025-05-13	An intelligent framework for skin cancer detection and classification using fusion of Squeeze-Excitation-DenseNet with Metaheuristic-driven ensemble deep learning models 2025-Mar-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-92293-1 PMID:40033075	research paper	提出了一种基于Squeeze-Excitation-DenseNet融合与元启发式驱动的集成深度学习模型的智能框架，用于皮肤癌检测与分类	结合SE-DenseNet特征提取、集成深度学习模型（LSTM、ELM、SSDA）及灰狼优化算法（GWO）进行超参数调优，显著提升分类性能	未提及模型在临床环境中的实时性测试或跨设备泛化能力评估	开发自动化皮肤癌分类系统以辅助早期诊断	皮肤病变的医学影像数据	digital pathology	skin cancer	CLAHE图像增强、Wiener滤波去噪、SE-DenseNet特征提取	SE-DenseNet, LSTM, ELM, SSDA, GWO	image	HAM10000和ISIC基准数据集
1111	2025-05-13	Advances in OCT Angiography 2025-Mar-03, Translational vision science & technology IF:2.6Q2 DOI:10.1167/tvst.14.3.6 PMID:40052848	综述	本文综述了光学相干断层扫描血管成像（OCTA）技术的进展，特别是2020年以来的新方法和技术趋势	介绍了解决OCTA小视野和伪影问题的新硬件和软件方法，以及利用深度学习模型进行疾病诊断的高精度图像分析工具	未提及具体临床应用中的验证结果或大规模试验数据	总结OCTA技术的最新进展和发展趋势	视网膜和脉络膜组织的血管成像	数字病理学	NA	光学相干断层扫描血管成像（OCTA）	深度学习模型	图像	NA
1112	2025-05-13	Towards Diagnostic Intelligent Systems in Leukemia Detection and Classification: A Systematic Review and Meta-analysis 2025-Mar, Journal of evidence-based medicine DOI:10.1111/jebm.70005 PMID:40013326	系统综述与荟萃分析	本文综述并分析了基于人工智能的白血病检测与分类研究	系统评估了2015年至2023年间AI在白血病检测与分类中的应用，特别关注了深度学习方法的表现	大多数研究依赖内部验证，缺乏外部验证以评估模型的泛化能力	评估人工智能和机器学习算法在白血病检测与分类中的应用效果	外周血涂片图像	数字病理学	白血病	机器学习与深度学习	CNN等深度学习模型	图像	190项研究（来自1325篇初步筛选文献）
1113	2025-05-13	Pre-trained convolutional neural networks identify Parkinson's disease from spectrogram images of voice samples 2025-Mar-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-92105-6 PMID:40025201	research paper	该研究利用预训练的卷积神经网络通过声谱图图像识别帕金森病	首次在更大带宽的智能手机录音数据集上测试了方法的性能，并比较了线性尺度和梅尔尺度声谱图的分类效果	未明确说明样本的具体数量和多样性	开发自动检测帕金森病的方法	帕金森病患者的声音样本	digital pathology	Parkinson's disease	spectrogram analysis	CNN with transfer learning	voice recordings	NA
1114	2025-05-13	Enhancing HER2 testing in breast cancer: predicting fluorescence in situ hybridization (FISH) scores from immunohistochemistry images via deep learning 2025-Mar, The journal of pathology. Clinical research DOI:10.1002/2056-4538.70024 PMID:40050230	research paper	该研究通过深度学习模型从免疫组化图像预测FISH评分，以改进乳腺癌中的HER2检测	使用聚类约束注意力多实例深度学习模型，减少HER2评分的主观性和变异性，并降低对FISH测试的依赖	FISH预测模型的准确性和敏感性较低	改进乳腺癌中的HER2检测方法，提高诊断和治疗的准确性	乳腺癌患者的HER2免疫组化图像和FISH测试结果	digital pathology	breast cancer	immunohistochemistry (IHC), fluorescence in situ hybridization (FISH), deep learning	clustering-constrained-attention multiple-instance deep learning model	image	5,731 HER2 IHC images, including 592 cases with FISH testing
1115	2025-05-13	Timescale Matters: Finer Temporal Resolution Influences Driver Contributions to Global Soil Respiration 2025-Mar, Global change biology IF:10.8Q1 DOI:10.1111/gcb.70118 PMID:40052202	research paper	该研究使用深度学习模型预测全球土壤呼吸（R）在月和年尺度上的变化，并探讨了时间分辨率对预测结果及其环境驱动因素的影响	首次在月和年尺度上比较了全球土壤呼吸的预测结果，揭示了时间分辨率对识别关键环境驱动因素的重要性	研究仅考虑了温度、降水和叶面积指数三个驱动因素，可能忽略了其他潜在影响因素	理解时间分辨率如何影响土壤呼吸预测及其环境驱动因素的识别	全球土壤呼吸及其环境驱动因素	machine learning	NA	deep learning	深度学习模型	时间序列数据	1982年至2018年的全球数据
1116	2025-05-13	Image-based food groups and portion prediction by using deep learning 2025-Mar, Journal of food science IF:3.2Q2 DOI:10.1111/1750-3841.70116 PMID:40052549	research paper	开发了一个基于深度学习的系统，用于自动分组和分类食物，并估计土耳其菜肴的份量大小	使用CNN模型基于图像识别自动分类食物组和估计份量大小，并实现了高达80%的食物组分类准确率和80.47%的份量估计准确率	研究仅针对土耳其菜肴，可能不适用于其他文化的食物	预防由于营养不良导致的慢性疾病，如肥胖和高血压，通过自动测量食物消费来满足个体营养需求	土耳其菜肴	computer vision	obesity, hypertension	image recognition	CNN	image	NA
1117	2025-05-13	Evaluation of enzyme activity predictions for variants of unknown significance in Arylsulfatase A 2025-Mar, Human genetics IF:3.8Q2 DOI:10.1007/s00439-025-02731-3 PMID:40055237	research paper	评估机器学习方法在预测未知意义变异（VUS）对Arylsulfatase A酶活性的影响方面的表现	展示了由遗传学和编码训练营参与者开发的模型在预测性能上的优越性，并指出深度学习方法的微小但显著的改进	研究仅基于219个实验验证的错义VUS，样本量相对较小	评估机器学习方法在预测VUS功能效应方面的准确性及其在遗传和临床研究中的潜在应用	Arylsulfatase A（ARSA）基因中的219个错义VUS	machine learning	NA	standard machine-learning tools in Python, deep learning methods	NA	genetic variants	219个实验验证的错义VUS
1118	2025-05-13	Risk-Stratified Screening: A Simulation Study of Scheduling Templates on Daily Mammography Recalls 2025-Mar, Journal of the American College of Radiology : JACR IF:4.0Q1 DOI:10.1016/j.jacr.2024.12.010 PMID:40044308	research paper	该研究通过模拟研究评估了风险分层筛查（RSS）调度对乳腺影像中心日常召回的影响	结合人工智能（AI）分诊和风险分层调度，优化乳腺影像中心的日常诊断工作流程	研究基于模拟数据，实际效果需在真实临床环境中验证	评估风险分层筛查调度对乳腺影像中心日常召回和工作效率的影响	乳腺影像中心的患者和工作流程	digital pathology	breast cancer	discrete event simulation, AI triage	deep learning	simulation data	60 daily patients
1119	2025-05-13	Opportunistic Detection of Hepatocellular Carcinoma Using Noncontrast CT and Deep Learning Artificial Intelligence 2025-Mar, Journal of the American College of Radiology : JACR IF:4.0Q1 DOI:10.1016/j.jacr.2024.12.011 PMID:40044303	研究论文	开发了一种基于非对比CT和深度学习的AI算法，用于高效准确地检测肝细胞癌	首次研究了利用非对比CT进行肝细胞癌的机会性筛查，并开发了基于3-D卷积块注意力模块的AI模型	模型性能与放射学解读相当但未显著超越，且在小病灶(<2cm)检测上仍有提升空间	探索非对比CT在肝细胞癌机会性筛查中的应用价值	肝细胞癌患者和非对比CT影像	数字病理	肝细胞癌	非对比多期CT扫描	3-D CBAM(卷积块注意力模块)	CT影像	内部验证队列2,223例患者+外部测试队列584例患者
1120	2025-05-13	Applying Artificial Intelligence to Quantify Body Composition on Abdominal CTs and Better Predict Kidney Transplantation Wait-List Mortality 2025-Mar, Journal of the American College of Radiology : JACR IF:4.0Q1 DOI:10.1016/j.jacr.2025.01.004 PMID:40044312	研究论文	本研究利用人工智能技术从腹部CT中量化身体成分，以更好地预测肾移植等待名单患者的死亡率	首次使用深度学习模型自动量化腹部CT中的身体成分，并结合EPTS评分提高死亡率预测的准确性	单中心回顾性研究，样本量有限（899例）	改进肾移植候选者的死亡率预测模型	肾移植等待名单患者	数字病理	肾脏疾病	深度学习	深度学习模型（未指定具体类型）	CT图像	899例肾移植候选者