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
101	2025-05-02	Deep Learning Approaches to Forecast Physical and Mental Deterioration During Chemotherapy in Patients with Cancer 2025-Apr-09, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15080956 PMID:40310358	研究论文	本研究利用深度学习模型预测癌症患者化疗期间12种自我报告症状的恶化情况，分为身体症状和精神症状两类	首次将症状分类预测，并比较不同深度学习模型在预测身体和精神症状方面的表现	长时间间隔预测性能下降，由于时间分辨率降低和训练样本减少	预测化疗期间症状恶化以进行及时干预	接受化疗的癌症患者	机器学习	癌症	深度学习	CNN, LSTM, GRU	自我报告的症状日志	未明确说明样本数量，使用80%数据训练，20%数据评估
102	2025-05-02	Comparative Evaluation of Machine Learning-Based Radiomics and Deep Learning for Breast Lesion Classification in Mammography 2025-Apr-09, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15080953 PMID:40310389	研究论文	本研究比较了基于机器学习的放射组学工作流与深度学习方法在乳腺病变分类中的表现	首次在乳腺病变分类中比较了机器学习放射组学与深度学习的性能，并展示了深度学习在诊断准确性上的优势	机器学习放射组学在乳腺癌诊断中的表现不如深度学习	比较不同人工智能方法在乳腺病变分类中的表现	乳腺病变（微钙化和肿块）	数字病理	乳腺癌	放射组学特征提取	LDA, EfficientNetB6	乳腺X光图像	1219例来自CBIS-DDSM公共数据库的患者（581例微钙化，638例肿块），外加222张私有数据集图像用于外部验证
103	2025-05-02	Self-Supervised Learning with Adaptive Frequency-Time Attention Transformer for Seizure Prediction and Classification 2025-Apr-07, Brain sciences IF:2.7Q3 DOI:10.3390/brainsci15040382 PMID:40309845	研究论文	提出了一种结合自适应频率-时间注意力Transformer的自监督学习方法，用于癫痫发作预测和分类	引入了自适应频率-时间注意力机制(AFTA)，通过自适应全局和局部频率滤波增强Transformer在EEG信号特征提取中的鲁棒性	未明确说明模型在不同EEG设备采集数据上的泛化能力	提高癫痫发作预测和分类的准确性	脑电图(EEG)信号	机器学习	癫痫	自监督学习	Transformer	EEG信号	TUSZ、TUAB和TUEV数据集
104	2025-05-02	Deep-Learning-Based AI-Model for Predicting Dental Plaque in the Young Permanent Teeth of Children Aged 8-13 Years 2025-Apr-07, Children (Basel, Switzerland) DOI:10.3390/children12040475 PMID:40310101	research paper	本研究开发了一种基于深度学习的AI模型，用于预测8-13岁儿童恒牙中的牙菌斑	使用U-Net Transformer模型在儿童牙菌斑检测和分割中表现出优于经验丰富的儿科牙医的临床性能	样本量较小，仅包含31名患者的506张牙科图像	开发一种快速、可靠的牙菌斑检测和分割方法，以改善儿童口腔健康管理	8-13岁儿童的恒牙	digital pathology	口腔疾病	深度学习	U-Net Transformer	image	31名患者的506张牙科图像
105	2025-05-02	Labor-Efficient Pathological Auxiliary Diagnostic Model for Primary and Metastatic Tumor Tissue Detection in Pancreatic Ductal Adenocarcinoma 2025-Apr-06, Modern pathology : an official journal of the United States and Canadian Academy of Pathology, Inc IF:7.1Q1 DOI:10.1016/j.modpat.2025.100764 PMID:40199428	research paper	提出了一种名为PANseg的多尺度弱监督深度学习框架，用于胰腺导管腺癌（PDAC）的原发性和转移性肿瘤组织检测	PANseg仅使用图像级标签（2048×2048像素）进行训练，在多个测试集上实现了与全监督基线（FSB）相当的性能，并显著减少了标注负担	模型在活检切片上的性能相对较低（AUROC: 0.821），可能存在对某些样本类型的泛化能力不足	提高胰腺导管腺癌（PDAC）的组织病理学评估的准确性和效率	胰腺导管腺癌（PDAC）的原发性和转移性肿瘤组织	digital pathology	pancreatic ductal adenocarcinoma	deep learning	PANseg (multiscale weakly supervised deep learning framework)	whole-slide images (WSIs)	368张全切片图像（WSIs），来自208名患者，涵盖2个独立中心
106	2025-05-02	Molecular Modelling in Bioactive Peptide Discovery and Characterisation 2025-Apr-03, Biomolecules IF:4.8Q1 DOI:10.3390/biom15040524 PMID:40305228	review	本文综述了分子建模在生物活性肽发现和表征中的应用及其最新进展	整合了人工智能技术，特别是AlphaFold和蛋白质语言模型（PLMs），以改进肽构象和相互作用的预测	方法在整合多样化的非经典氨基酸和环化结构方面仍存在挑战	探讨分子建模技术在生物活性肽发现和表征中的应用及其进展	生物活性肽及其与生物靶标的相互作用	生物信息学	NA	分子建模、分子对接、分子动力学（MD）、虚拟筛选、深度学习	AlphaFold、蛋白质语言模型（PLMs）	蛋白质序列和结构数据	NA
107	2025-05-02	Application of MRI-based tumor heterogeneity analysis for identification and pathologic staging of breast phyllodes tumors 2025-Apr, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2025.110325 PMID:39788394	research paper	探讨基于MRI的影像组学和深度学习模型在乳腺叶状肿瘤识别和分类中的应用价值	结合传统影像组学特征、亚区域影像组学特征和深度学习特征，构建融合模型以提高诊断效能	样本量较小（77例患者），且为回顾性研究，可能存在选择偏倚	提高乳腺叶状肿瘤的识别和病理分期准确性	乳腺叶状肿瘤和纤维腺瘤患者	digital pathology	breast cancer	MRI, radiomics, deep learning	fusion model, traditional radiomics model, subregion radiomics model, TDT_CIDL model	MRI images	77例经病理检查确诊的乳腺叶状肿瘤和纤维腺瘤患者
108	2025-05-02	Unlocking the diagnostic potential of electrocardiograms through information transfer from cardiac magnetic resonance imaging 2025-Apr, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103451 PMID:39793216	研究论文	本研究提出了一种深度学习方法，通过从心脏磁共振成像(CMR)向心电图(ECG)传递信息，实现仅基于ECG的成本效益高且全面的心脏筛查	结合多模态对比学习和掩码数据建模，将CMR的领域特定信息传递到ECG表示中，提高了CVD风险预测和心脏表型预测的性能	研究依赖于UK Biobank的数据，可能在其他人群中的泛化性有待验证	开发一种仅基于ECG的成本效益高且全面的心脏筛查方法	心血管疾病(CVD)的诊断和心脏表型预测	机器学习	心血管疾病	多模态对比学习，掩码数据建模	深度学习	ECG和CMR图像	40,044名UK Biobank受试者
109	2025-05-02	Graph neural networks in histopathology: Emerging trends and future directions 2025-Apr, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103444 PMID:39793218	综述	本文全面回顾了图神经网络（GNNs）在组织病理学中的应用，探讨了其发展趋势和未来方向	提出GNNs作为CNN的替代方案，能够更好地捕捉全切片图像（WSIs）中的空间依赖性和拓扑结构	NA	探讨GNNs在组织病理学中的应用及其未来发展方向	全切片图像（WSIs）	数字病理学	NA	图神经网络（GNNs）	GNN	图像	NA
110	2025-05-02	DFCL: Dual-pathway fusion contrastive learning for blind single-image visible watermark removal 2025-Apr, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2024.107077 PMID:39793490	research paper	提出了一种双路径融合对比学习方法，用于盲单图像可见水印去除	通过双路径训练图像和梯度图，增强高频特征获取和水印空间定位的准确性，同时利用对比学习确保结果更接近原始无水印图像	未提及具体的数据集规模限制或计算资源需求	解决盲单图像可见水印去除中的水印检测准确性和去除后视觉质量问题	带有可见水印的数字图像	computer vision	NA	对比学习	dual-pathway fusion model	image	在三个具有挑战性的基准数据集上进行了广泛实验
111	2025-05-02	Hybrid optimization enabled DenseNet for autism spectrum disorders using MRI image 2025-Apr, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2024.108335 PMID:39793514	research paper	本文提出了一种结合JSTO优化算法的DenseNet模型，用于通过MRI图像检测自闭症谱系障碍（ASD）	新提出的JSTO算法结合了Jaya算法和STBO优化方法，用于优化DenseNet模型，提高了ASD检测的准确率	研究仅基于Abide 1数据集进行验证，未在其他数据集上测试模型的泛化能力	开发一种高效的自闭症谱系障碍早期检测方法	自闭症患者的MRI脑部图像	digital pathology	autism spectrum disorder	MRI	DenseNet	image	基于Abide 1数据集
112	2025-05-02	Importance of neural network complexity for the automatic segmentation of individual thigh muscles in MRI images from patients with neuromuscular diseases 2025-Apr, Magma (New York, N.Y.) DOI:10.1007/s10334-024-01221-3 PMID:39798067	research paper	研究比较了不同复杂度的U-Net架构在MRI图像中自动分割大腿肌肉并量化脂肪分数的性能	探索了神经网络复杂度降低对脂肪分数量化的影响，发现简化模型仍能准确量化脂肪分数	研究仅针对大腿肌肉的特定区域，且样本量相对有限	评估神经网络复杂度对MRI图像中大腿肌肉分割和脂肪分数量化的影响	59名患者和14名健康受试者的1450张大腿MRI图像	digital pathology	neuromuscular diseases	MRI	U-Net, nnU-Net	image	1450张大腿MRI图像（来自59名患者和14名健康受试者）
113	2025-05-02	ICH-PRNet: a cross-modal intracerebral haemorrhage prognostic prediction method using joint-attention interaction mechanism 2025-Apr, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2024.107096 PMID:39798349	研究论文	本文提出了一种名为ICH-PRNet的跨模态脑出血预后预测方法，通过联合注意力交互机制整合CT图像和临床文本数据	提出了一种联合注意力交互编码器，有效整合CT图像和临床文本，并设计了多损失函数和自适应动态优先级算法来优化跨模态融合能力	未明确提及具体局限性	提高脑出血预后预测的准确性	脑出血患者的CT图像和临床文本数据	数字病理学	脑出血	深度学习	ICH-PRNet（基于联合注意力机制的跨模态网络）	图像和文本	未明确提及具体样本数量
114	2025-05-02	Cooking loss estimation of semispinalis capitis muscle of pork butt using a deep neural network on hyperspectral data 2025-Apr, Meat science IF:5.7Q1 DOI:10.1016/j.meatsci.2025.109754 PMID:39799874	研究论文	本研究评估了一种基于深度学习的模型，利用死后24小时采集的高光谱图像预测猪颈肉半棘肌的烹饪损失	首次将深度学习模型应用于高光谱图像数据，预测猪颈肉半棘肌的烹饪损失，并通过像素级数据增强克服小样本问题	样本量相对较小（70个猪颈肉），且分类准确率随等级数量增加而下降	开发一种非破坏性方法来预测猪颈肉的质量特性	猪颈肉的半棘肌（SC肌肉）	计算机视觉	NA	高光谱成像	深度学习模型（具体未说明），对比PCR和PLSR模型	高光谱图像	70个猪颈肉样本，采用像素级数据增强
115	2025-05-02	Deep Learning for Classification of Inflammatory Bowel Disease Activity in Whole Slide Images of Colonic Histopathology 2025-Apr, The American journal of pathology DOI:10.1016/j.ajpath.2024.12.010 PMID:39800054	研究论文	开发了一种深度学习模型，用于在炎症性肠病（IBD）患者的全切片图像（WSIs）中分类疾病活动度	使用基于transformer的深度学习模型分类IBD活动度，并通过HoVer-Net分析中性粒细胞分布，提高了诊断的一致性和效率	研究仅基于单一医疗中心的数据，可能限制了模型的泛化能力	提高炎症性肠病（IBD）活动度分类的准确性和一致性	炎症性肠病（IBD）患者的全切片图像（WSIs）	数字病理学	炎症性肠病	深度学习	transformer-based model, HoVer-Net	图像	2077张全切片图像，来自636名患者
116	2025-05-02	A novel deep learning-based pipeline architecture for pulp stone detection on panoramic radiographs 2025-Apr, Oral radiology IF:1.6Q3 DOI:10.1007/s11282-025-00804-7 PMID:39806222	研究论文	介绍了一种基于深度学习的两阶段管道架构，用于在全景X光片上检测牙髓结石	首次提出了一种管道架构来解决全景X光片上的牙髓结石检测任务，并在小样本标注数据上取得了优异性能	标注训练数据有限	开发一种自动检测牙髓结石的方法	全景X光片中的牙髓结石	计算机视觉	牙科疾病	深度学习	YOLOv8, ResNeXt	图像	375张全景X光片
117	2025-05-02	A Fine-grained Hemispheric Asymmetry Network for accurate and interpretable EEG-based emotion classification 2025-Apr, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.107127 PMID:39809039	research paper	提出了一种名为FG-HANet的端到端深度学习模型，利用2Hz窄频带内的半球不对称特征对原始EEG数据进行准确且可解释的情绪分类	FG-HANet不仅从原始输入中提取特征，还从其镜像版本中提取特征，并应用2Hz精细粒度的FIR滤波器获取细粒度频谱信息，同时采用三阶段训练流程以增强性能	NA	提高基于EEG的情绪分类的准确性和可解释性	原始EEG数据	machine learning	NA	EEG, FIR滤波器	FG-HANet	EEG信号	两个公共数据集SEED和SEED-IV
118	2025-05-02	Simultaneous Isotropic Omnidirectional Hypersensitive Strain Sensing and Deep Learning-Assisted Direction Recognition in a Biomimetic Stretchable Device 2025-Apr, Advanced materials (Deerfield Beach, Fla.) DOI:10.1002/adma.202420322 PMID:39887745	research paper	介绍了一种具有全向应变感知和方向识别能力的仿生可拉伸设备	首次实现了同时具备各向同性全向高敏感应变感知和方向识别（IOHSDR）能力的设备，通过模仿人类手指的三维结构，设计了一种新型异质基底	NA	开发一种能够模拟人类触觉全向应变感知和方向识别能力的设备，以满足复杂动态的实际应用需求	仿生可拉伸设备	machine learning	NA	deep learning	deep learning-based model	strain sensing data	NA
119	2025-05-02	Free-breathing, Highly Accelerated, Single-beat, Multisection Cardiac Cine MRI with Generative Artificial Intelligence 2025-Apr, Radiology. Cardiothoracic imaging DOI:10.1148/ryct.240272 PMID:40178397	研究论文	开发并评估了一种自由呼吸、高度加速、多切面、单次心跳的心脏MRI电影序列	使用生成对抗网络（REGAIN）进行图像重建，实现了自由呼吸、高度加速的单次心跳心脏MRI	研究样本量相对较小（136名参与者），且未明确说明具体心脏疾病的分布	开发更高效的心脏MRI成像技术	心脏MRI成像	医学影像	心血管疾病	MRI	GAN（REGAIN）	医学影像	136名参与者（40名健康，96名有心脏疾病）
120	2025-05-02	Enhancing nonlinear transcriptome- and proteome-wide association studies via trait imputation with applications to Alzheimer's disease 2025-Apr, PLoS genetics IF:4.0Q1 DOI:10.1371/journal.pgen.1011659 PMID:40209152	研究论文	本文探讨了在非线性转录组和蛋白质组关联研究中利用性状插补方法增强阿尔茨海默病（AD）风险基因和蛋白质的识别	使用插补的AD状态进行非线性TWAS/PWAS分析，结合深度学习模型DeLIVR，提高了统计功效且未增加假阳性	研究依赖于插补的AD状态，可能受到插补准确性的影响	增强非线性转录组和蛋白质组关联研究，以识别与AD风险相关的基因和蛋白质	阿尔茨海默病（AD）相关的基因和蛋白质	生物信息学	阿尔茨海默病	TWAS/PWAS, 深度学习	DeLIVR	基因表达数据, 蛋白质组数据	GTEx项目和UK Biobank的数据，以及ADSP的临床诊断AD病例