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
121	2025-06-12	Deep learning architectures for influenza dynamics and treatment optimization: a comprehensive review 2025, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2025.1521886 PMID:40495931	综述	本文全面回顾了深度学习架构在流感动态建模和治疗优化中的应用	探讨了多种深度学习模型（如LSTM、CNN、GAN、transformer架构和LLMs）在流感病毒行为建模和治疗策略优化中的创新应用	传统流行病学模型依赖手动数据解释且处理大数据集能力有限，而深度学习虽自动化程度高但仍需验证其在实际公共卫生应对中的效果	通过深度学习技术提升对流感动态的理解并优化治疗策略	流感病毒行为及治疗策略	机器学习	流感	深度学习	LSTM、CNN、GAN、transformer架构、LLMs	基因序列、患者记录	NA
122	2025-06-12	Deep learning-based automated segmentation for the quantitative diagnosis of cerebral small vessel disease via multisequence MRI 2025, Frontiers in neurology IF:2.7Q3 DOI:10.3389/fneur.2025.1540923 PMID:40496122	研究论文	开发了一种基于深度学习的自动分割方法，用于通过多序列MRI定量诊断脑小血管病	提出了一个自动化深度学习模型，用于分割脑小血管病的四种神经影像标记物，提供了定量评估脑小血管病全局负担的方法	研究样本量相对较小，外部验证数据集的时间跨度较大	开发一种自动化的定量诊断方法，以准确评估脑小血管病的全局病灶负担	脑小血管病的神经影像标记物，包括白质高信号、脑微出血、腔隙和扩大的血管周围间隙	数字病理学	脑小血管病	多序列MRI	深度学习模型	MRI图像	内部数据集105名患者，外部数据集58名患者
123	2025-06-12	Use video comprehension technology to diagnose ultrasound pneumothorax like a doctor would 2025, Frontiers in physiology IF:3.2Q2 DOI:10.3389/fphys.2025.1530808 PMID:40496245	研究论文	本研究利用视频理解技术对超声气胸进行智能诊断，使普通医疗专业人员能够快速且无需大量培训即可诊断肺超声患者的气胸	首次将视频理解模型应用于气胸的多特征融合诊断，展示了视频理解技术在医学图像诊断中的可行性	研究仅关注了肺滑动特征，可能忽略了其他潜在的诊断特征	开发一种基于深度学习的智能诊断方法，以快速准确地诊断超声气胸	肺超声患者的气胸诊断	计算机视觉	气胸	视频理解技术	TSM (基于ResNet50网络)	视频	657个训练剪辑和164个测试剪辑的肺超声视频
124	2025-06-12	Machine learning and deep learning in diabetology: revolutionizing diabetes care 2025, Frontiers in clinical diabetes and healthcare DOI:10.3389/fcdhc.2025.1547689 PMID:40496420	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
125	2025-06-12	Deep learning to promote health through sports and physical training 2025, Frontiers in public health IF:3.0Q2 DOI:10.3389/fpubh.2025.1583581 PMID:40496455	研究论文	该研究提出了一种基于深度学习的健康改善评分预测模型，用于评估运动和体育锻炼对健康的影响	采用序列到序列的深度学习架构结合LSTM网络和注意力机制，整合多种时间序列数据，提高了健康改善预测的准确性	研究样本量相对较小（384名参与者），且观察时间较短（32天）	开发更个性化和准确的预测模型来评估健康改善趋势	运动和体育锻炼对健康的影响	机器学习	慢性疾病	时间序列分析	LSTM	时间序列数据（生理参数、活动指标、睡眠模式、身体测量）	384名参与者，32天的数据
126	2025-06-12	A User-Friendly Machine Learning Pipeline for Automated Leaf Segmentation in Atriplex lentiformis 2025, Bioinformatics and biology insights IF:2.3Q3 DOI:10.1177/11779322251344033 PMID:40496491	研究论文	本文介绍了一种用于植物表型分析的端到端深度学习管道，专注于自动叶片分割	结合了微调的Mask R-CNN模型与QR码自动样本识别，并开发了用户友好的Streamlit网络应用程序	训练数据集较小（176张植物图像），可能影响模型的泛化能力	开发一个实用性强、易于使用的自动叶片分割管道，以促进植物科学研究	Atriplex lentiformis植物的叶片	计算机视觉	NA	深度学习	Mask R-CNN, Segment Anything Model (SAM), Grounded SAM, Leaf-Only SAM	图像	176张植物图像
127	2025-06-12	Radiomics and Deep Learning as Important Techniques of Artificial Intelligence - Diagnosing Perspectives in Cytokeratin 19 Positive Hepatocellular Carcinoma 2025, Journal of hepatocellular carcinoma IF:4.2Q2 DOI:10.2147/JHC.S526887 PMID:40496512	research paper	本文系统分析和比较了非侵入性方法在预测CK19阳性HCC中的表现，为HCC患者的分层管理提供见解	结合传统影像学、放射组学和深度学习的组合模型在预测HCC中CK19表达方面展现出卓越潜力	多中心外部数据有限，仅13.6%的研究包含验证集	系统分析和比较非侵入性方法预测CK19阳性HCC的性能	HCC患者	digital pathology	hepatocellular carcinoma	radiomics, deep learning	combined models	image	22项研究涉及3395名HCC患者
128	2025-06-12	AI-based multimodal prediction of lymph node metastasis and capsular invasion in cT1N0M0 papillary thyroid carcinoma 2025, Frontiers in endocrinology IF:3.9Q2 DOI:10.3389/fendo.2025.1580885 PMID:40496555	research paper	开发了一种基于AI的多模态模型，用于预测cT1N0M0乳头状甲状腺癌的淋巴结转移和包膜侵犯	结合超声放射组学和深度学习特征，开发了多模态AI预测模型，提高了高风险患者的识别准确率	样本量相对较小（203例患者），且仅进行了内部测试集验证	提高cT1N0M0乳头状甲状腺癌患者淋巴结转移和包膜侵犯的术前评估准确性，优化治疗策略	203例cT1N0M0乳头状甲状腺癌患者	digital pathology	papillary thyroid carcinoma	超声放射组学、深度学习	NeuralNet、RandomForest、Vision Transformer (ViT)	超声图像	203例患者（训练集142例，内部测试集61例）
129	2025-06-12	Early detection of human Mpox: A comparative study by using machine learning and deep learning models with ensemble approach 2025 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076251344135 PMID:40496715	研究论文	本研究旨在通过机器学习和深度学习模型结合集成方法提升Mpox的早期诊断准确率	提出了一种结合ViT和ConvMixer的集成模型，显著提高了Mpox病变的分类准确率和鲁棒性	模型可解释性有待提高，需进一步验证真实临床数据	提升Mpox的早期诊断准确率	Mpox皮肤病变数据集v2.0中的六种皮肤病变类别	计算机视觉	Mpox	机器学习、深度学习	Logistic Regression, K-Nearest Neighbors, Vision Transformer (ViT), ConvMixer	图像	包含六种皮肤病变类别的数据集
130	2025-06-12	Multimeric protein interaction and complex prediction: Structure, dynamics and function 2025, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2025.05.009 PMID:40496891	综述	本文综述了多聚体蛋白质复合物的结构、相互作用、动力学和功能研究的最新进展	总结了CASP16中的最新进展，包括未知化学计量、超复合物和构象集合的预测，并深入探讨了AlphaFold2 & 3在多聚体预测中的贡献	在处理功能性蛋白质-蛋白质相互作用和动态构象方面仍存在局限性	研究多聚体蛋白质复合物的结构、相互作用、动力学和功能，以促进疾病机制和药物设计等生物医学研究	多聚体蛋白质复合物	生物信息学	NA	深度学习	AlphaFold2 & 3	蛋白质结构数据	NA
131	2025-06-12	Enhanced visibility graph for EEG classification 2025, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2025.1541062 PMID:40497135	研究论文	提出了一种整合功率谱密度和可见性图特征的端到端框架，用于EEG分类，并评估了四种深度学习架构的性能	结合功率谱密度和可见性图特征，采用深度学习技术，提供了一种全面捕捉EEG信号频域特性和时间动态的方法	不同特征提取方法和深度学习架构在EEG分类中的相对优势和局限性仍需进一步探讨	推进EEG分析，开发更准确可靠的基于EEG的系统	EEG信号	机器学习	NA	功率谱密度(PSD)、可见性图(VG)	MLP、LSTM、InceptionTime、ChronoNet	EEG信号	多个数据集，不同实验条件下的EEG数据
132	2025-06-12	AI-driven prediction of bitterness and sweetness and analysis of receptor interactions 2025, Current research in food science IF:6.2Q1 DOI:10.1016/j.crfs.2025.101090 PMID:40497229	研究论文	本研究开发了基于图神经网络（GNN）的人工智能模型，用于预测化合物的苦味和甜味，并通过分子对接模拟验证了预测结果	使用GNN直接从分子结构学习，减少了特征选择的偏差，并通过Integrated Gradients方法增强了模型的可解释性	需要进一步研究以探索更深入的分子机制，并将该方法扩展到预测其他味觉模式	理解甜味和苦味的分子机制，识别天然和合成化合物中的理想味觉特征	被分类为苦味或甜味的化合物	机器学习	NA	图神经网络（GNN）、分子对接模拟	GNN	化学结构数据	未明确提及样本数量
133	2025-06-12	Artificial intelligence-guided design of lipid nanoparticles for pulmonary gene therapy 2024-Dec-10, Nature biotechnology IF:33.1Q1 DOI:10.1038/s41587-024-02490-y PMID:39658727	研究论文	本文介绍了一种基于深度学习的策略，用于设计离子化脂质以优化脂质纳米颗粒的基因递送效率	使用神经网络优化脂质设计，预测核酸递送效果，并识别出两种新型脂质结构FO-32和FO-35，其在体内外均表现出优异的mRNA递送能力	研究主要基于小鼠和雪貂模型，人类应用效果尚待验证	开发更高效的脂质纳米颗粒用于肺部基因治疗	离子化脂质及其组成的脂质纳米颗粒	机器学习	NA	深度学习，神经网络	定向消息传递神经网络	脂质纳米颗粒活性测量数据	超过9,000个脂质纳米颗粒活性测量数据，评估了160万种脂质结构
134	2025-06-12	Sparse Annotation is Sufficient for Bootstrapping Dense Segmentation 2024-Oct-26, bioRxiv : the preprint server for biology DOI:10.1101/2024.06.14.599135 PMID:38915491	research paper	提出了一种基于深度学习的新方法，通过稀疏的2D标注快速生成密集的3D分割，用于生物成像数据的实例分割任务	开发了一种能够从稀疏2D标注快速生成密集3D分割的深度学习方法，显著减少了人工标注时间和专家需求	未明确提及方法在其他类型生物成像数据上的泛化能力	解决生物成像数据中密集3D重建所需的繁重标注问题	大脑神经纤维网（包含树突、轴突和胶质细胞过程的复杂结构）	digital pathology	NA	serial section electron microscopy	deep learning	3D image	未明确提及具体样本数量
135	2025-06-12	Evaluation of Cellpose segmentation with sequential thresholding for instance segmentation of cytoplasms within autofluorescence images 2024-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108846 PMID:38976959	research paper	本文提出并测试了一种用于自动荧光图像中细胞质实例分割的方法，结合了Cellpose深度学习分割和细胞质后处理算法(CPPA)	结合深度学习分割方法Cellpose与细胞质后处理算法(CPPA)，提高了自动荧光图像中细胞质分割的准确性	仅在三种细胞样本(静止T细胞、激活T细胞和MCF7细胞)的五张NAD(P)H图像上进行了测试，样本量有限	开发准确的自动荧光图像细胞质分割方法，用于单细胞代谢分析	静止T细胞、激活T细胞和MCF7细胞的NAD(P)H自动荧光图像	digital pathology	NA	autofluorescence imaging	Cellpose (deep learning-based segmentation)	image	五张NAD(P)H图像，包含三种细胞样本(静止T细胞、激活T细胞和MCF7细胞)
136	2025-06-12	Active Learning Pipeline to Identify Candidate Terms for a CDSS Ontology 2024-Aug-22, Studies in health technology and informatics DOI:10.3233/SHTI240660 PMID:39176629	研究论文	本文探讨了一种主动学习方法，用于从出版物中自动识别候选术语，作为深度学习模型训练和学习过程的一部分	提出了一种结合主动学习和人工验证的自动化候选术语识别方法，以补充传统的手动构建本体过程	仅提供了初步结果，未展示完整的系统性能评估	开发一个自动化管道来识别临床决策支持系统(CDSS)本体的候选术语	生物医学出版物中的术语	自然语言处理	NA	主动学习	深度学习	文本	NA
137	2024-10-02	Towards deep learning methods for quantification of the right ventricle using 2D echocardiography 2024, Future cardiology IF:1.6Q3 DOI:10.1080/14796678.2024.2347125 PMID:39351980	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
138	2025-06-11	The informativeness of the gradient revisited 2025-Sep, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.107517 PMID:40359739	research paper	本文探讨了梯度信息在深度学习中的有效性，并提出了一个衡量梯度方差的一般性界限	提出了一个衡量梯度方差的一般性界限，并应用于LWE映射和高频函数类	理论分析可能未涵盖所有实际应用场景，实验部分仅针对特定案例	深入理解梯度信息在深度学习中的局限性	梯度信息的有效性及其在深度学习中的应用	machine learning	NA	NA	NA	NA	NA
139	2025-06-11	Pruning the ensemble of convolutional neural networks using second-order cone programming 2025-Sep, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.107544 PMID:40367720	研究论文	本文提出了一种使用二阶锥规划修剪卷积神经网络集成的方法，以提高准确性和多样性	提出了一种稀疏二阶锥优化模型，用于修剪不同深度和层数的CNN集成，同时最大化准确性和多样性	仅在CIFAR-10、CIFAR-100和MNIST数据集上进行了测试，未在其他数据集上验证	解决深度学习模型集成中的计算复杂性问题	卷积神经网络（CNNs）的集成	机器学习	NA	二阶锥规划	CNN	图像	CIFAR-10、CIFAR-100和MNIST数据集
140	2025-06-11	SurvGraph: A hybrid-graph attention network for survival prediction using whole slide pathological images in gastric cancer 2025-Sep, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.107607 PMID:40375420	research paper	介绍了一种名为SurvGraph的基于图的深度学习网络，用于利用胃癌症患者的全切片病理图像进行生存预测	采用混合图构建方法整合多种特征类型，并使用多头注意力图网络进行生存预测	未提及具体局限性	提高胃癌症患者的生存预测准确性	胃癌症患者的全切片病理图像	digital pathology	gastric cancer	graph representation learning	hybrid-graph attention network	image	708胃癌症患者来自三个独立队列