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
1281	2025-05-31	Optimizing gene selection and module identification via ontology-based scoring and deep learning 2025, Bioinformatics advances IF:2.4Q2 DOI:10.1093/bioadv/vbaf034 PMID:40365108	research paper	提出了一种结合统计方法和深度学习的集成框架，用于优化基因选择和模块识别	结合了基于基因本体论（GO）的新型统计算法和深度神经网络模型，提高了基因选择的准确性和生物相关性	未提及具体样本量或实验验证的局限性	优化基因选择并识别基因相互作用模块，以更好地理解复杂疾病机制	基因表达数据和基因相互作用	computational biology	NA	gene ontology (GO) scoring, deep learning	deep neural network, feed-forward architecture	omics data, gene expression data	NA
1282	2025-05-31	Application of 3D nnU-Net with Residual Encoder in the 2024 MICCAI Head and Neck Tumor Segmentation Challenge 2025, Head and Neck Tumor Segmentation for MR-Guided Applications : First MICCAI Challenge, HNTS-MRG 2024, held in conjunction with MICCAI 2024, Marrakesh, Morocco, October 17, 2024, proceedings DOI:10.1007/978-3-031-83274-1_20 PMID:40417457	research paper	本文探讨了深度学习技术在放射治疗计划中自动识别和勾画原发肿瘤体积（GTVp）和转移淋巴结（GTVn）的潜力，特别针对MRI数据	使用3D nnU-Net模型进行自动肿瘤分割，并通过特定背景比例的数据重新训练以提升分割性能	模型在高背景比例数据上表现不佳，仍需优化	提升头颈部肿瘤分割的准确性和可靠性，以支持临床放射治疗计划	头颈部肿瘤（GTVp）和转移淋巴结（GTVn）	digital pathology	head and neck tumor	MRI	3D nnU-Net	image	2024 MICCAI头颈部肿瘤分割挑战提供的高质量数据集
1283	2025-05-31	Automatic collateral quantification in acute ischemic stroke using U2-net 2025, Frontiers in neurology IF:2.7Q3 DOI:10.3389/fneur.2025.1502382 PMID:40421138	research paper	利用U2-Net深度学习框架自动量化急性缺血性卒中（AIS）中的侧支循环，并与传统视觉侧支评分（vCS）进行比较	首次使用U2-Net深度学习框架进行AIS侧支循环的自动量化，并提出了定量侧支评分（qCS）	样本量相对较小（118例AIS病例），且仅基于CTA图像	开发一种自动量化AIS侧支循环的方法，以提高诊断准确性和治疗决策	急性缺血性卒中（AIS）患者的CTA图像	digital pathology	cardiovascular disease	computed tomography angiography (CTA)	U2-Net	image	118例AIS病例（94例用于开发，24例用于测试）
1284	2025-05-31	Hybrid deep learning for IoT-based health monitoring with physiological event extraction 2025 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076251337848 PMID:40421178	research paper	提出一种混合深度学习模型，结合CNN和LSTM，用于基于IoT的健康监测与生理事件提取	结合CNN和LSTM处理时空数据，引入生理事件提取(PEE)提升特征可解释性，使用集成技术和在线学习算法优化异常检测	未提及具体疾病类型的验证范围和实际临床部署的挑战	提升IoT医疗数据处理链的准确性和实时性	医疗图像和可穿戴传感器数据	machine learning	NA	Physiological Event Extraction (PEE), Isolation Forest, One-Class SVM, Incremental Gradient Descent with Momentums	CNN, LSTM	medical images, wearable sensor data	NA
1285	2025-05-31	Radiomics Analysis on Computed Tomography Images for Prediction of Chemoradiation-induced Heart Failure in Breast Cancer by Machine Learning Models 2025, Journal of medical signals and sensors DOI:10.4103/jmss.jmss_51_24 PMID:40421235	研究论文	通过机器学习模型分析CT图像的放射组学特征，预测乳腺癌患者放化疗后心力衰竭的风险	结合放射组学、剂量学和临床特征，利用机器学习模型预测放化疗诱导的心力衰竭	样本量较小（54例患者），且仅针对左侧放化疗的乳腺癌患者	评估临床、剂量学和放射组学特征在预测乳腺癌患者放化疗后心力衰竭概率中的有效性	接受左侧放化疗且自然心力衰竭风险低的乳腺癌患者	数字病理	乳腺癌	CT扫描、深度学习、机器学习	决策树、K近邻、随机森林（RF）	图像	54例乳腺癌患者
1286	2025-05-31	Advancements in Hematologic Malignancy Detection: A Comprehensive Survey of Methodologies and Emerging Trends 2025, TheScientificWorldJournal DOI:10.1155/tswj/1671766 PMID:40421320	综述	本文系统性地回顾了基于图像分析的血液癌症检测的最新技术，旨在识别最有效的计算策略并突出新兴趋势	对传统机器学习、深度学习和混合学习方法进行了分类和比较，并提出了未来研究方向	数据稀缺、类别不平衡以及临床环境中的泛化性问题	评估和比较血液癌症检测中的计算方法，并提出未来研究方向	白血病、淋巴瘤和多发性骨髓瘤等血液恶性肿瘤	数字病理学	血液恶性肿瘤	图像分析	CNN（如AlexNet、VGG、ResNet）、基于Transformer的模型、支持向量机、随机森林	图像	基准数据集
1287	2025-05-31	Artificial intelligence based advancements in nanomedicine for brain disorder management: an updated narrative review 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1599340 PMID:40432717	review	本文概述了人工智能在纳米医学领域的最新进展，特别是在脑部疾病管理中的应用	利用AI技术（如机器学习和深度学习）改进纳米医学在脑部疾病诊断、生物标志物识别、预后评估、靶向药物输送和治疗干预等方面的应用	NA	探讨人工智能如何加速纳米医学在脑部疾病管理中的有效和快速诊断、生物标志物识别、预后、药物输送和方法学进步	脑部疾病，包括脑癌、阿尔茨海默病、帕金森病和多发性硬化症	machine learning	brain disorder	machine learning, deep learning	NA	clinical datasets	NA
1288	2025-05-31	Application of deep learning convolutional neural networks to identify gastric squamous cell carcinoma in mice 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1587417 PMID:40432719	研究论文	本研究应用深度学习卷积神经网络（CNN）建立小鼠胃鳞状细胞癌（GSCC）的检测模型，以提高病理诊断的准确性和一致性	首次将五种不同的CNN模型（FCN、LR-ASPP、DeepLabv3+、U-Net和DenseNet）应用于小鼠GSCC的自动检测，并比较了它们的性能	研究样本量相对较小（93例GSCC和56例正常组织），且仅针对小鼠模型，未验证在人类样本中的适用性	开发基于深度学习的自动检测模型，提高药物非临床安全性评价中GSCC病理诊断的准确性和一致性	药物诱导的小鼠胃鳞状细胞癌（GSCC）和正常胃组织	数字病理学	胃癌	深度学习	CNN（包括FCN、LR-ASPP、DeepLabv3+、U-Net和DenseNet）	数字病理图像	149例（93例GSCC和56例正常组织）
1289	2025-05-31	Rice disease detection method based on multi-scale dynamic feature fusion 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1543986 PMID:40433155	research paper	提出了一种基于多尺度动态特征融合的水稻病害检测方法，旨在提高复杂农田环境中水稻叶片病害检测的准确性，并便于深度学习模型在移动终端上的部署以实现快速实时推理	引入了YOLOv11-MSDFF-RiceD网络，采用ParameterNet概念设计了FlexiC3k2Net模块和高效多尺度特征融合模块（EMFFM），优化了模型的性能并减少了计算复杂度和内存占用	在准确率提升方面仅有1.7%的改进，可能在某些高精度要求的场景下表现有限	提高水稻叶片病害检测的准确性，并优化模型以适应移动终端的部署	水稻叶片病害	computer vision	plant disease	deep learning	YOLOv11-MSDFF-RiceD	image	NA
1290	2025-05-31	Integration of smart sensors and phytoremediation for real-time pollution monitoring and ecological restoration in agricultural waste management 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1550302 PMID:40433163	研究论文	本文提出了一种结合生物地球化学模型和深度学习技术的Bio-DANN模型，用于提高农业废物管理和生态恢复中污染物监测和预测的准确性	结合生物地球化学模型和深度学习技术，提出Bio-DANN模型，实时处理多维环境数据，显著提高了污染物监测和生态恢复预测的准确性	未提及模型在极端环境条件下的表现或长期稳定性	开发一种高精度的污染物监测和生态恢复预测技术，以应对全球气候变化和生态退化问题	农业废物管理和生态恢复中的污染物监测与预测	环境科学与深度学习	NA	深度学习技术，包括DNN和注意力机制	Bio-DANN（结合生物地球化学模型和深度学习）	多维环境数据	基于Open Soil Data和NEON数据集进行实验
1291	2025-05-31	TS-Resformer: a model based on multimodal fusion for the classification of music signals 2025, Frontiers in neurorobotics IF:2.6Q3 DOI:10.3389/fnbot.2025.1568811 PMID:40433555	研究论文	提出了一种基于多模态融合的音乐信号分类模型TS-Resformer，用于解决音乐流派分类中的特征提取不足和时间序列信息丢失问题	融合残差网络与Transformer编码层的Res-Transformer模型，以及结合不同注意力机制的TS-Resformer模型，设计了时频注意力机制以充分提取音乐的低级特征	未提及模型在大规模数据集上的泛化能力及计算资源消耗情况	提高音乐流派分类的准确率和效率	音乐信号	机器学习	NA	短时傅里叶变换、Mel滤波器、对数压缩	Res-Transformer, TS-Resformer	音频信号	FMA-small数据集
1292	2025-05-31	A comprehensive review of machine learning for heart disease prediction: challenges, trends, ethical considerations, and future directions 2025, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2025.1583459 PMID:40433606	review	本文全面回顾了机器学习在心脏病预测中的应用，包括技术进展、挑战和未来前景	展示了机器学习方法从传统分类器到混合深度学习和联邦学习框架的进展，并讨论了伦理问题和模型透明度	讨论了数据集限制和模型透明度问题	开发人工智能驱动的临床适用心脏病预测系统	心脏病预测的机器学习应用	machine learning	cardiovascular disease	机器学习	CNN-LSTM, 混合深度学习, 联邦学习	医疗健康数据	NA
1293	2025-05-31	Deep learning classification of drainage crossings based on high-resolution DEM-derived geomorphological information 2025, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2025.1561281 PMID:40433605	研究论文	本研究利用高分辨率数字高程模型（HRDEM）衍生的地貌信息，开发了先进的CNN模型EfficientNetV2，用于排水交叉分类	首次将HRDEM衍生的地貌特征（如POS、几何曲率和TPI）与先进的CNN模型结合，用于排水交叉分类，并通过XAI技术解释关键图像片段	研究未明确说明样本量大小，且仅测试了特定类型的HRDEM数据层	提高排水交叉分类的准确性	排水交叉	计算机视觉	NA	LiDAR, InSAR	CNN, EfficientNetV2	图像	NA
1294	2025-05-31	Performance of deep learning models for automatic histopathological grading of meningiomas: a systematic review and meta-analysis 2025, Frontiers in neurology IF:2.7Q3 DOI:10.3389/fneur.2025.1536751 PMID:40433621	系统综述和荟萃分析	本文通过系统综述和荟萃分析评估深度学习模型在脑膜瘤自动病理分级中的诊断性能	首次全面评估深度学习模型在脑膜瘤分级中的表现，并提供了高精度的诊断性能数据	研究中存在中等到高度的异质性（I2 = 79.7%）	评估深度学习模型在脑膜瘤自动病理分级中的诊断性能	脑膜瘤患者的影像数据	数字病理	脑膜瘤	深度学习	DL	影像数据	27项研究，涉及13,130名患者
1295	2025-05-31	Boltz-1 Democratizing Biomolecular Interaction Modeling 2024-Dec-27, bioRxiv : the preprint server for biology DOI:10.1101/2024.11.19.624167 PMID:39605745	research paper	介绍了一个名为Boltz-1的开源深度学习模型，用于预测生物分子复合物的3D结构	Boltz-1在模型架构、速度优化和数据处理方面进行了创新，达到了AlphaFold3级别的预测精度	NA	推动生物分子相互作用建模的民主化，促进全球合作和加速发现	生物分子复合物的3D结构	machine learning	NA	deep learning	Boltz-1	3D结构数据	NA
1296	2025-05-31	Autoencoder-based phenotyping of ophthalmic images highlights genetic loci influencing retinal morphology and provides informative biomarkers 2024-Dec-26, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btae732 PMID:39657956	研究论文	本研究利用自编码器对来自UK Biobank的31,135名参与者的视网膜光学相干断层扫描（OCT）图像进行分析，以探索遗传变异与视网膜形态之间的关系	使用自编码器检测视网膜图像中更细微的变异模式，并发现了118个与视网膜结构特征显著相关的遗传位点	研究依赖于UK Biobank的数据，可能无法完全代表其他人群	探索深度学习在识别视网膜图像变异模式中的应用，并发现影响视网膜形态的遗传因素	31,135名UK Biobank参与者的视网膜OCT图像	数字病理学	眼科疾病	OCT	自编码器	图像	31,135名参与者
1297	2025-05-31	LD-informed deep learning for Alzheimer's gene loci detection using WGS data 2024-Dec-12, medRxiv : the preprint server for health sciences DOI:10.1101/2024.09.19.24313993 PMID:39371140	research paper	本研究提出了一种名为Deep-Block的多阶段深度学习框架，用于从全基因组测序数据中识别与阿尔茨海默病相关的遗传位点	Deep-Block框架将生物学知识融入AI架构，采用三阶段方法（基于连锁不平衡模式的基因组分割、使用稀疏注意力机制选择相关LD块、应用TabNet和随机森林算法量化SNP特征重要性）来识别AD风险遗传因素	研究主要针对非西班牙裔白人参与者，可能限制了结果的普适性	开发先进的分析工具以有效识别大规模高通量测序数据中与阿尔茨海默病相关的遗传位点	阿尔茨海默病相关的遗传位点	machine learning	阿尔茨海默病	WGS	TabNet, Random Forest	genomic data	7,416名非西班牙裔白人参与者（3,150名认知正常老年人，4,266名AD患者）
1298	2025-05-31	Using deep learning to classify developmental differences in reaching and placing movements in children with and without autism spectrum disorder 2024-12-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-81652-z PMID:39632922	研究论文	本研究利用深度学习技术分析自闭症谱系障碍（ASD）儿童与正常发育儿童在伸手和放置动作中的运动学差异，探索潜在的生物标志物	结合上肢运动学和深度学习方法，首次提出利用运动学特征和MLP模型对ASD儿童进行分类，准确率达78.1%	样本量较小（41名学龄儿童），且需要在更年幼儿童群体中进一步验证特异性	探索可用于ASD诊断的客观生物标志物，改善ASD的早期识别	学龄儿童（ASD组26名，典型发育组15名）	机器学习	自闭症谱系障碍	惯性测量单元（IMU）	MLP（多层感知器）	运动学数据	41名学龄儿童（ASD组26名，典型发育组15名）
1299	2025-05-31	Non-coding genetic variants underlying higher prostate cancer risk in men of African ancestry 2024-Dec-05, Research square DOI:10.21203/rs.3.rs-5485172/v1 PMID:39678351	research paper	该研究探讨了非洲裔美国男性前列腺癌风险较高的非编码遗传变异机制	使用基于序列的深度学习模型识别影响增强子功能的SNPs，揭示了非洲裔男性前列腺癌风险增加的两种互补机制	未明确说明样本量及具体实验验证的细节	探索非洲裔男性前列腺癌风险较高的遗传机制	非洲裔美国男性前列腺癌患者	machine learning	prostate cancer	deep learning	sequence-based deep learning model	genetic data	NA
1300	2025-05-31	PLMC: Language Model of Protein Sequences Enhances Protein Crystallization Prediction 2024-Dec, Interdisciplinary sciences, computational life sciences DOI:10.1007/s12539-024-00639-6 PMID:39155325	研究论文	提出了一种名为PLMC的新型深度学习框架，通过利用预训练的蛋白质语言模型，改进了多阶段蛋白质结晶倾向的预测	PLMC框架整合了蛋白质语言嵌入和手工制作的特征集，显著提高了蛋白质结晶倾向的预测准确性	未明确提及研究的局限性	改进蛋白质结晶倾向的预测，以指导实验设计	蛋白质序列及其结晶倾向	机器学习	NA	深度学习，蛋白质语言模型	PLMC	蛋白质序列数据	未明确提及具体样本数量