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
1301	2025-05-31	Large-Kernel Attention for 3D Medical Image Segmentation 2024, Cognitive computation IF:4.3Q1 DOI:10.1007/s12559-023-10126-7 PMID:38974012	research paper	提出了一种新型3D大核注意力模块，用于提高多器官和肿瘤在3D医学图像中的分割准确性	结合了生物启发的自注意力和卷积的优点，包括局部上下文信息、长距离依赖和通道适应性，同时通过分解大核卷积优化计算成本	未明确提及具体限制，但可能包括对特定类型医学图像的适用性或计算资源需求	实现准确的3D医学图像分割，特别是多器官和肿瘤的分割	MRI和CT扫描中的多器官和肿瘤	digital pathology	cancer	deep learning	U-Net with 3D LK attention module	3D medical images (MRI, CT)	CT-ORG and BraTS 2020 datasets
1302	2025-05-31	Brain Age Estimation from Overnight Sleep Electroencephalography with Multi-Flow Sequence Learning 2024, Nature and science of sleep IF:3.0Q2 DOI:10.2147/NSS.S463495 PMID:38974693	research paper	本研究通过开发一种新型深度学习模型，利用夜间脑电图（EEG）数据改进脑年龄估计	提出了一种基于多流学习的深度学习框架，结合一维Swin Transformer和带注意力机制的卷积神经网络，以及DecadeCE损失函数来解决年龄分布不均的问题	NA	改进脑年龄估计方法	夜间脑电图（EEG）数据	machine learning	psychiatric or neurological disorders	overnight electroencephalography (EEG)	Swin Transformer, CNN with attentional mechanisms	EEG signals	18,767 polysomnograms (PSGs) from 13,616 subjects
1303	2025-05-31	Interpolation-split: a data-centric deep learning approach with big interpolated data to boost airway segmentation performance 2024, Journal of big data IF:8.6Q1 DOI:10.1186/s40537-024-00974-x PMID:39109339	研究论文	提出了一种基于数据中心的深度学习方法Interpolation-Split，通过大数据插值提升气道分割性能	利用插值和图像分割技术提高数据质量和实用性，并采用集成学习策略整合不同尺度的气道分割结果	未提及具体限制	提升气道树的分割性能，以支持慢性呼吸系统疾病的诊断和特征分析	气道树的分割	数字病理	慢性呼吸系统疾病	深度学习，插值技术，图像分割	nnU-Net, modified dilated U-Net	医学图像	未提及具体样本量
1304	2025-05-31	Deep learning pipeline reveals key moments in human embryonic development predictive of live birth after in vitro fertilization 2024, Biology methods & protocols IF:2.5Q3 DOI:10.1093/biomethods/bpae052 PMID:39114746	research paper	该研究应用卷积神经网络（CNN）识别人类胚胎植入前发育中的关键窗口，以预测体外受精（IVF）后的活产概率	利用CNN模型识别胚胎发育中的关键时间点，提高胚胎存活率评估的准确性，并展示了在有限数据集上的迁移学习能力	研究可能受限于数据集的大小和异质性，且模型性能可能因诊所间的数据差异而有所不同	提高体外受精（IVF）治疗中胚胎选择的有效性，以增加活产率	人类胚胎在体外受精（IVF）过程中的发育情况	digital pathology	NA	CNN	CNN	image	NA
1305	2025-05-31	A Functional Connectivity-Based Model With a Lightweight Attention Mechanism for Depression Recognition Using EEG Signals 2024, IEEE transactions on neural systems and rehabilitation engineering : a publication of the IEEE Engineering in Medicine and Biology Society IF:4.8Q1 DOI:10.1109/TNSRE.2024.3509776 PMID:40030510	research paper	本研究设计了一种基于轻量级注意力机制的深度学习模型FCAN，用于通过EEG信号及其相干矩阵实现有效的抑郁症识别	设计了一种轻量级注意力机制，减少了模型参数和计算成本，并构建了FCAN模型，其在抑郁症识别上的分类性能优于基线模型	模型性能的稳定性可能受到参数初始化过程随机性的影响	开发一种高效的抑郁症识别方法	抑郁症患者的EEG信号	machine learning	depression	EEG信号分析	FCAN (Functional Connectivity Attention Network)	EEG信号及其相干矩阵	使用公共EEG数据集进行评估
1306	2025-05-31	Anatomical Location-Guided Deep Learning-Based Genetic Cluster Identification of Pheochromocytomas and Paragangliomas From CT Images 2024, Applications of Medical Artificial Intelligence : Second International Workshop, AMAI 2023, Held in Conjunction with MICCAI 2023, Vancouver, BC, Canada, October 8, 2023, Proceedings DOI:10.1007/978-3-031-47076-9_7 PMID:40342794	研究论文	本研究提出了一种基于解剖位置引导的深度学习方法来从CT图像中识别嗜铬细胞瘤和副神经节瘤的遗传簇	使用双分支视觉变换器（ViT）模型，结合解剖位置信息和遗传类型信息，通过监督对比学习策略优化分类性能	样本量相对较小（289名患者的1010个PPGLs），且模型性能仍有提升空间（准确率0.63±0.08）	开发一种替代昂贵且耗时的基因检测的方法，通过CT图像识别PPGLs的遗传簇	嗜铬细胞瘤和副神经节瘤（PPGLs）	数字病理	神经内分泌肿瘤	对比增强CT（CE-CT）扫描	双分支视觉变换器（ViT）	医学影像	289名患者的1010个PPGLs
1307	2025-05-31	Opportunities and Challenges in Applying AI to Evolutionary Morphology 2024, Integrative organismal biology (Oxford, England) DOI:10.1093/iob/obae036 PMID:40433986	综述	本文综述了人工智能在进化形态学研究中的应用现状与未来潜力	系统梳理了AI技术在进化形态学中的三阶段发展历程，并指出尚未开发的AI应用领域	未具体说明当前AI方法在进化形态学中的实际应用限制	探讨AI技术在进化形态学研究中的应用前景	进化形态学中的表型数据分析	机器学习	NA	机器学习、深度学习、多模态学习	NA	图像数据、表型数据	NA
1308	2025-05-31	Development of Multiscale 3D Residual U-Net to Segment Edematous Adipose Tissue by Leveraging Annotations from Non-Edematous Adipose Tissue 2023-Nov, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.2669719 PMID:40256010	研究论文	本文开发了一种多尺度3D残差U-Net模型，用于从非水肿脂肪组织的注释中分割水肿脂肪组织	利用不准确的注释直接训练深度学习模型，提高了脂肪组织分割的准确性，无需手动注释	训练数据中缺乏水肿脂肪组织的异质性，可能影响模型在极端情况下的表现	开发一种无需手动注释的深度学习模型，用于医学图像中的脂肪组织分割	CT扫描中的脂肪组织	数字病理学	水肿	深度学习	3D残差U-Net	医学图像（CT扫描）	训练集101名患者，测试集14名患者（其中10名患有全身性水肿）
1309	2025-05-31	Automated Classification of Intravenous Contrast Enhancement Phase of CT Scans Using Residual Networks 2023-Feb, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.2655263 PMID:40248190	research paper	本研究利用残差网络（ResNet34）自动分类CT扫描的静脉对比增强阶段，以提高计算机辅助诊断的准确性	首次使用ResNet34自动分类多期CT扫描的静脉对比增强阶段，准确率达99%，优于VGG19和DenseNet121	研究使用的数据集仅包含395个弱标记的多期CT扫描，样本量相对较小	开发一种自动分类多期CT扫描的方法，以改进数据增强和深度学习模型的训练	多期CT扫描的静脉对比增强阶段	computer vision	NA	deep learning	ResNet34, VGG19, DenseNet121	image	395个多期CT扫描（316训练，79测试）
1310	2025-05-31	Brain Lesion Synthesis via Progressive Adversarial Variational Auto-Encoder 2022-Sep-21, Simulation and synthesis in medical imaging : ... International Workshop, SASHIMI ..., held in conjunction with MICCAI ..., proceedings. SASHIMI (Workshop) DOI:10.1007/978-3-031-16980-9_10 PMID:39026926	研究论文	提出了一种渐进式对抗变分自编码器（PAVAE）框架，用于合成脑部病变图像以增强训练数据集的量和多样性	设计了条件嵌入块（CEB）和掩码嵌入块（MEB）来编码掩码的固有条件到特征空间，以更好地利用外部信息提供额外的监督	需要大量标注数据进行训练，而收集新兴治疗如LITT的大数据集是不现实的	通过合成脑部病变图像来增强训练数据集，以提升下游分割任务的性能	脑部病变图像	计算机视觉	颞叶癫痫	深度学习	CNN, 对抗变分自编码器	图像	NA
1311	2025-05-31	Smartphone-based DNA malaria diagnostics using deep learning for local decision support and blockchain technology for security 2021-Aug-02, Nature electronics IF:33.7Q1 DOI:10.1038/s41928-021-00612-x PMID:39651407	研究论文	本文报告了一种基于智能手机的多重DNA疟疾诊断端到端平台	结合低成本纸基微流体诊断测试、深度学习算法进行本地决策支持，以及区块链技术确保数据安全连接和管理	研究仅在乌干达农村地区进行验证，未涉及其他地区或疾病	开发一种快速、准确的疟疾诊断平台，适用于资源有限的农村社区	疟疾诊断	数字病理	疟疾	DNA诊断	深度学习	图像	乌干达农村地区的测试案例，准确率超过98%
1312	2025-05-30	Deep learning algorithms to assist in imaging diagnosis in individuals with disc herniation or spondylolisthesis: A scoping review 2025-Sep, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2025.105933 PMID:40252304	综述	本文综述了深度学习算法在椎间盘突出和脊椎滑脱影像诊断中的应用	总结了深度学习在脊柱疾病影像诊断中的最新进展，特别是针对椎间盘突出和脊椎滑脱的应用	数据集规模较小，缺乏外部验证，研究结果在不同人群中的普适性存在挑战	回顾深度学习算法在椎间盘突出和脊椎滑脱影像诊断中的应用	椎间盘突出和脊椎滑脱患者的影像数据	医学影像分析	脊椎疾病	深度学习	CNN, ResNet	MRI, X-ray影像	18项符合条件的研究（9项针对椎间盘突出，9项针对脊椎滑脱）
1313	2025-05-30	The impact of partner interaction on brief social buffering in adolescent female rats as analyzed by deep learning-based object detection algorithms 2025-Aug-01, Physiology & behavior IF:2.4Q2 DOI:10.1016/j.physbeh.2025.114934 PMID:40311725	研究论文	研究伴侣互动对青春期雌性大鼠短暂社会缓冲效应的影响，并利用基于深度学习的对象检测算法进行分析	首次证明短暂的社交接触足以诱导社会缓冲效应，特别是在雌性大鼠中，并揭示了社交接触是提高社会缓冲效率的关键因素	研究仅针对青春期Sprague-Dawley大鼠，结果可能不适用于其他年龄段或物种	探究短暂社会缓冲效应及其在青春期雌性大鼠中的表现	青春期Sprague-Dawley大鼠（4-5周龄，雄性和雌性）	机器学习	NA	YOLOv8和BoT-SORT算法	深度学习	视频	青春期Sprague-Dawley大鼠（雄性和雌性）
1314	2025-05-30	Artificial intelligence applications for the diagnosis of pulmonary nodules 2025-Jul-01, Current opinion in pulmonary medicine IF:2.8Q2 DOI:10.1097/MCP.0000000000001179 PMID:40326426	review	本文综述了人工智能（AI）在孤立性肺结节（SPNs）诊断中的应用，重点关注临床实践中的挑战	探讨了AI在影像学和血液/组织诊断中的实用性，强调了实际应用中的挑战而非深度学习的技术细节	大多数模型缺乏前瞻性、多机构验证，存在过拟合和泛化能力有限的风险；AI的'黑箱'特性与医生评估的重叠输入（如结节大小、吸烟史）使临床工作流程整合复杂化	评估AI在孤立性肺结节诊断中的作用	孤立性肺结节（SPNs）	digital pathology	lung cancer	RNA sequencing	CNN, machine learning	image, clinical data	NA
1315	2025-05-30	Automated Measurements of Spinal Parameters for Scoliosis Using Deep Learning 2025-Jun-15, Spine IF:2.6Q1 DOI:10.1097/BRS.0000000000005280 PMID:40152470	research paper	开发并验证了一种用于脊柱侧弯诊断的自动卷积神经网络(CNN)，以测量多种脊柱参数	提出了一种全自动的深度学习方法，不仅测量Cobb角，还包括其他多个脊柱参数，显著提高了测量效率和准确性	研究为单机构回顾性研究，样本量相对有限，特别是老年患者组样本较少(26例)	开发自动化的脊柱参数测量系统以改善脊柱侧弯诊断	1682名脊柱侧弯患者的正侧位X光片	digital pathology	脊柱侧弯	深度学习	CNN	医学影像(X光片)	1682名患者(包括87名青少年和26名老年患者)
1316	2025-05-30	Predicting host-pathogen interactions with machine learning algorithms: A scoping review 2025-06, Infection, genetics and evolution : journal of molecular epidemiology and evolutionary genetics in infectious diseases DOI:10.1016/j.meegid.2025.105751 PMID:40220943	综述	本文通过范围综述方法，系统评估了机器学习在宿主-病原体相互作用预测中的应用，比较了不同算法的效果	首次系统比较了不同机器学习方法在宿主-病原体相互作用预测中的表现，并提出了未来研究方向	纳入分析的文献数量有限（30篇），且存在数据集标准化和模型可解释性方面的不足	评估机器学习算法在预测宿主-病原体相互作用方面的有效性和应用现状	宿主-病原体相互作用（特别是蛋白质-蛋白质相互作用）	机器学习	传染病	机器学习算法（包括随机森林、梯度提升、CNN、RNN等）	Random Forest, Gradient Boosting, CNN, RNN	蛋白质相互作用数据	46篇初步筛选文献，最终纳入30篇进行分析
1317	2025-05-30	Virtual monochromatic image-based automatic segmentation strategy using deep learning method 2025-Jun, Physica medica : PM : an international journal devoted to the applications of physics to medicine and biology : official journal of the Italian Association of Biomedical Physics (AIFB) DOI:10.1016/j.ejmp.2025.104986 PMID:40318556	research paper	本研究提出了一种基于双能CT生成的虚拟单色图像的新型深度学习模型MIAU-Net，用于头部危险器官的自动分割	提出了MIAU-Net模型，并探索了不同虚拟能量水平对分割准确性的影响	研究仅基于46名患者的数据，样本量较小	提高基于双能CT的自动分割准确性	头部危险器官（如脑干、视交叉、晶状体等）	digital pathology	NA	DECT	MIAU-Net, U-Net, Attention-UNet, nnU-Net, TransFuse	image	46名患者的DECT数据
1318	2025-05-30	AutoFE-Pointer: Auto-weighted feature extractor based on pointer network for DNA methylation prediction 2025-Jun, International journal of biological macromolecules IF:7.7Q1 DOI:10.1016/j.ijbiomac.2025.143668 PMID:40339839	研究论文	提出了一种基于指针网络的自动加权特征提取器AutoFE-Pointer，用于DNA甲基化预测	利用改进的软化指针网络动态提取和加权来自不同DNA序列的特征，能够同时处理17个不同物种的基准数据集，实现跨物种泛化并减少计算需求	未提及具体样本量或实验验证的局限性	开发精确高效的DNA甲基化预测工具	DNA甲基化模式	计算生物学	癌症	DNA甲基化测序	指针网络	DNA序列数据	NA
1319	2025-05-30	Fully automated image quality assessment based on deep learning for carotid computed tomography angiography: A multicenter study 2025-Jun, Physica medica : PM : an international journal devoted to the applications of physics to medicine and biology : official journal of the Italian Association of Biomedical Physics (AIFB) DOI:10.1016/j.ejmp.2025.104990 PMID:40347553	研究论文	开发并评估基于深度学习和多元逻辑回归算法的全自动模型，用于颈动脉CT血管造影图像质量评估	提出了一种全自动的多指标模型，用于颈动脉CTA图像质量评估，其性能与放射科医师的主观评估相当且效率更高	研究为回顾性设计，且仅使用了来自四家三级医院的840例颈动脉CTA图像	开发并评估用于颈动脉CT血管造影图像质量评估的全自动模型	颈动脉CT血管造影图像	数字病理	心血管疾病	深度学习，多元逻辑回归算法	3D Res U-net	图像	840例颈动脉CTA图像（来自四家三级医院）
1320	2025-05-30	Comparative analysis of deep learning methods for breast ultrasound lesion detection and classification 2025-Jun, Physica medica : PM : an international journal devoted to the applications of physics to medicine and biology : official journal of the Italian Association of Biomedical Physics (AIFB) DOI:10.1016/j.ejmp.2025.104993 PMID:40381258	research paper	比较分析深度学习在乳腺超声病灶检测和分类中的应用效果	首次探讨了结合病灶检测和分类步骤的影响，并公开了一个新的乳腺超声分割数据集BUS-UCLM	研究仅针对特定数据集，未涉及其他可能的深度学习模型或方法	评估不同深度学习方法在乳腺超声病灶检测和分类中的性能	乳腺超声图像中的病灶	digital pathology	breast cancer	deep learning	Mask R-CNN, Poolformer	image	五个数据集（包括新收集的BUS-UCLM和四个公开数据集：BUSI、OASBUD、RODTOOK、UDIAT）