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
1401	2025-05-03	OrgaMeas: A pipeline that integrates all the processes of organelle image analysis 2025-Jun, Biochimica et biophysica acta. Molecular cell research DOI:10.1016/j.bbamcr.2025.119964 PMID:40268058	research paper	介绍了一种名为OrgaMeas的高通量图像分析流程，用于测量细胞器的形态和动态	整合了两个基于深度学习的工具OrgaSegNet和DIC2Cells，实现了高精度的细胞器分割和单细胞水平的数据处理	未提及具体的性能对比实验或在实际应用中的具体表现	开发一个低成本、易用的图像分析流程，用于细胞器研究	细胞器的形态和动态	digital pathology	NA	deep learning-based image analysis	CNN (implied by deep learning-based tools)	image	NA
1402	2025-05-03	Dynamic Prediction and Intervention of Serum Sodium in Patients with Stroke Based on Attention Mechanism Model 2025-Jun, Journal of healthcare informatics research IF:5.4Q1 DOI:10.1007/s41666-025-00192-x PMID:40309130	研究论文	本研究开发了一种基于多头注意力机制的深度学习模型，用于实时预测中风患者的血清钠浓度并提供个性化干预建议	引入了时间-特征融合多头注意力（TFF-MHA）模型，能够处理复杂的动态特征和长时间序列数据，优于现有模型	模型依赖于公开数据集，可能无法涵盖所有临床场景	优化中风患者的血清钠管理策略，提供临床决策支持工具	ICU中风患者	医疗信息学	中风	深度学习	TFF-MHA（时间-特征融合多头注意力模型）	时间序列临床数据	MIMIC-III（2346例）和MIMIC-IV（896例）数据集
1403	2025-05-03	Integrating Plasma Cell-Free DNA Fragment End Motif and Size with Genomic Features Enables Lung Cancer Detection 2025-May-02, Cancer research IF:12.5Q1 DOI:10.1158/0008-5472.CAN-24-1517 PMID:40136052	研究论文	通过整合血浆游离DNA片段末端基序、大小及基因组特征，开发了一种提高肺癌检测准确性的深度学习方法	结合cfDNA片段末端基序与大小特征及基因组覆盖度，开发了性能优于单一特征的集成分类器，并在不同种族人群中验证了其泛化能力	样本量相对有限，尤其是高加索人验证队列仅包含50例患者和50例对照	提高肺癌早期检测的准确性	肺癌患者与健康对照的血浆游离DNA	数字病理学	肺癌	全基因组测序	深度学习分类器	基因组数据	韩国发现数据集（218例患者+2559例对照）、韩国验证数据集（111例患者+1136例对照）、高加索人验证队列（50例患者+50例对照）
1404	2025-05-03	Deep Learning-Based Prediction of Decoy Spectra for False Discovery Rate Estimation in Spectral Library Searching 2025-May-02, Journal of proteome research IF:3.8Q1 DOI:10.1021/acs.jproteome.4c00304 PMID:40252226	研究论文	本研究探讨了基于深度学习的诱饵光谱预测方法，用于光谱库搜索中的假发现率估计	提出了无需模板光谱即可生成诱饵光谱的shuffle-and-predict方法，提高了诱饵光谱的多样性和数量	未明确说明该方法在预测库场景下的具体性能限制	改进蛋白质组学数据分析中的假发现率估计方法	预测光谱库和诱饵光谱	机器学习	NA	深度学习	NA	光谱数据	NA
1405	2025-05-03	A multimodal and fully automated system for prediction of pathological complete response to neoadjuvant chemotherapy in breast cancer 2025-May-02, Science advances IF:11.7Q1 DOI:10.1126/sciadv.adr1576 PMID:40305609	研究论文	开发了一种多模态集成全自动管道系统（MIFAPS），用于预测乳腺癌患者对新辅助化疗的病理完全缓解	整合了多模态数据（MRI、全切片图像和临床风险因素）的全自动系统，显著优于单模态模型	需要进一步验证系统的临床适用性和泛化能力	提高乳腺癌患者对新辅助化疗病理完全缓解的预测准确性	1004名局部晚期乳腺癌患者	数字病理学	乳腺癌	深度学习	MIFAPS	图像、临床数据	1004名患者
1406	2025-05-03	A depression detection approach leveraging transfer learning with single-channel EEG 2025-May-02, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/adcfc8 PMID:40314182	research paper	提出一种利用单通道脑电图（EEG）和迁移学习技术检测抑郁症的方法	采用单通道EEG信号和迁移学习技术，解决了多通道EEG在日常生活应用中的限制，并通过图像转换提高了模型性能	可用的抑郁症EEG数据有限，可能影响模型在区分抑郁症患者和健康受试者方面的效果	开发一种基于单通道EEG信号的抑郁症检测模型	抑郁症患者和健康个体的EEG信号	machine learning	geriatric disease	EEG信号处理和迁移学习	ResNet152V2	EEG信号（转换为图像）	有限数量的受试者
1407	2025-05-03	Heuristic multi-scale feature fusion with attention-based CNN for sentiment analysis 2025-May-02, Network (Bristol, England) DOI:10.1080/0954898X.2025.2498735 PMID:40314204	研究论文	提出了一种基于注意力机制的启发式多尺度特征融合CNN模型，用于情感分析	结合了多尺度特征融合和注意力机制的CNN模型，并使用改进的FORSO算法进行参数调优	未提及具体的数据集规模和模型计算复杂度	提高情感分析的准确率	用户生成的文本数据	自然语言处理	NA	BERT, Transformers, word2vector	MFF-AACNet (基于注意力机制的CNN)	文本	未提及具体数量，数据来自公开资源
1408	2025-05-03	Evolutionary Dynamics and Functional Differences in Clinically Relevant Pen β-Lactamases from Burkholderia spp 2025-May-02, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c00271 PMID:40314617	研究论文	该研究通过机器学习和分子动力学模拟探讨了Burkholderia spp中四种Pen β-内酰胺酶的动态差异和功能差异	结合机器学习、增强采样分子动力学模拟和深度学习技术，揭示了Pen β-内酰胺酶的动态特征和活性位点局部动态	NA	研究Pen β-内酰胺酶的动态差异和功能差异，以应对抗菌素耐药性	四种Pen β-内酰胺酶（PenA、PenI、PenL和PenP）	生物信息学	细菌感染	机器学习和分子动力学模拟	Markov State Models (MSMs)、卷积变分自编码器(CVAE)、BindSiteS-CNN	分子动力学模拟数据	四种Pen β-内酰胺酶
1409	2025-05-03	Automatic ultrasound image alignment for diagnosis of pediatric distal forearm fractures 2025-May-02, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-025-03361-w PMID:40314702	研究论文	开发了一种自动对齐超声图像的方法，用于诊断儿童远端前臂骨折	提出了一种全自动的超声图像对齐流程，减少了X射线依赖，降低了辐射暴露和疼痛	数据集规模有限，未来需要增加数据量以提高诊断准确性和可靠性	开发一种自动对齐超声图像的方法，用于儿童远端前臂骨折的诊断	儿童远端前臂骨折	数字病理	骨折	深度学习	深度学习模型	超声图像	未明确提及样本数量
1410	2025-05-03	Deep learning-based automatic cranial implant design through direct defect shape prediction and its comparison study 2025-May-02, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-025-03363-5 PMID:40314711	research paper	提出了一种基于深度学习的自动颅骨植入物设计工作流程，通过直接预测缺损形状并与传统后处理步骤结合	将颅骨植入物设计问题视为一种特殊的形状补全任务，提出了一种结合深度神经网络和传统后处理的自动化工作流程	未提及具体的数据集规模或多样性限制	自动化颅骨植入物设计流程以减少治疗时间	人类颅骨缺损及修复植入物	digital pathology	NA	deep learning	deep neural network	3D shape data	未明确提及具体样本数量
1411	2025-05-03	Deep learning for automatic volumetric bowel segmentation on body CT images 2025-May-02, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-11623-z PMID:40314787	research paper	开发了一种用于自动肠道分割的深度神经网络，并评估其在便秘患者中估计大肠长度的适用性	使用3D nnU-Net模型实现了胃肠道的高精度分割和四部分分离，性能优于现有工具TotalSegmentator	食管的分割精度相对较低（DSC为0.807±0.173）	开发自动肠道分割模型并评估其在便秘患者中的应用	便秘患者和健康检查者的腹部CT图像	digital pathology	constipation	CT imaging	3D nnU-Net	image	模型开发使用了133例CT扫描（88名患者），外部测试使用了60例CT扫描（30名患者），LBL测量使用了100例CT扫描（51名患者）
1412	2025-05-03	Should end-to-end deep learning replace handcrafted radiomics? 2025-May-02, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-025-07314-y PMID:40314811	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1413	2025-05-03	Brain tissue biomarker impact bone age in central precocious puberty more than hormones: a quantitative synthetic magnetic resonance study 2025-May-02, Japanese journal of radiology IF:2.9Q2 DOI:10.1007/s11604-025-01792-8 PMID:40314875	研究论文	本研究探讨了脑组织成分体积（BTCV）生物标志物对中枢性性早熟（CPP）患儿骨龄发展的影响，发现髓鞘含量（MyC）比激素更能影响骨龄发展	首次通过合成磁共振（SyMRI）技术量化分析脑组织成分体积与CPP患儿骨龄发展的关系，发现MyC与骨龄发展的相关性高于激素	研究为回顾性设计，样本量较小（84例CPP患儿和84例对照），且仅分析了三种激素	探究脑组织成分体积生物标志物与中枢性性早熟患儿骨龄发展的关系	84名中枢性性早熟患儿和84名对照儿童	数字病理学	儿科内分泌疾病	合成磁共振（SyMRI）、X射线骨龄评估、深度学习模型	深度学习模型（具体类型未明确说明）	医学影像数据（MRI、X射线）和激素水平数据	168名儿童（84名CPP患儿和84名对照）
1414	2025-05-03	Omics data classification using constitutive artificial neural network optimized with single candidate optimizer 2025-May, Network (Bristol, England) DOI:10.1080/0954898X.2024.2348726 PMID:38736309	研究论文	提出了一种基于Zebra优化算法和构成性人工神经网络的omics数据分类方法，并通过单候选优化器优化权重参数	结合Zebra优化算法进行降维，并使用构成性人工神经网络分类omics数据，通过单候选优化器优化权重参数，提高了分类准确率	未提及具体的数据集大小或实验设置的局限性	提高omics数据的分类准确率	omics数据（如基因组学、蛋白质组学和微生物组学数据）	机器学习	NA	Adaptive variational Bayesian filtering (AVBF), Zebra Optimization Algorithm (ZOA), Constitutive Artificial Neural Network (CANN), Single Candidate Optimizer (SCO)	CANN	omics数据	NA
1415	2025-05-03	Enhancing Lesion Detection in Inflammatory Myelopathies: A Deep Learning-Reconstructed Double Inversion Recovery MRI Approach 2025-May-01, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8582 PMID:39542724	research paper	本研究比较了深度学习重建的双反转恢复MRI与传统方法在炎症性脊髓病中的病变检测效果	首次评估了深度学习重建的双反转恢复MRI在炎症性脊髓病中的应用效果	研究样本量相对较小，且仅由三名神经放射科医师评估	比较不同MRI技术在炎症性脊髓病中的病变检测效果	炎症性脊髓病患者	digital pathology	inflammatory myelopathies	deep learning-reconstructed double inversion recovery MRI	DL	MRI images	149名参与者（平均年龄40.6岁，71名女性）
1416	2025-05-03	Hybrid deep learning-based skin cancer classification with RPO-SegNet for skin lesion segmentation 2025-May, Network (Bristol, England) DOI:10.1080/0954898X.2024.2428705 PMID:39628058	research paper	提出了一种基于混合深度学习的皮肤癌分类方法，结合RPO-SegNet进行皮肤病变分割	提出了Recurrent Prototypical Object Segmentation Network (RPO-SegNet)用于皮肤病变分割，以及Fuzzy-based Shepard Convolutional Maxout Network (FSCMN)用于皮肤癌分类	NA	提高皮肤癌的准确和及时识别，以降低死亡率	皮肤黑色素病变	computer vision	skin cancer	deep learning	RPO-SegNet, FSCMN, DMN, ShCNN	image	NA
1417	2025-05-03	Prognostic value of manual versus automatic methods for assessing extents of resection and residual tumor volume in glioblastoma 2025-May-01, Journal of neurosurgery IF:3.5Q1 DOI:10.3171/2024.8.JNS24415 PMID:39823581	research paper	比较手动与自动方法评估胶质母细胞瘤切除范围和残留肿瘤体积的预后价值	使用Raidionics开源软件和预训练深度学习模型进行自动分割，比较其与手动方法在预后评估中的效果	未发现全切除与近全切除（90%-99%）在预后上的显著差异	评估自动与手动方法在胶质母细胞瘤预后中的价值	成年胶质母细胞瘤患者	digital pathology	glioblastoma	deep learning	pretrained deep learning models	image	来自欧洲和北美12家医院的成年胶质母细胞瘤患者
1418	2025-05-03	VGX: VGG19-Based Gradient Explainer Interpretable Architecture for Brain Tumor Detection in Microscopy Magnetic Resonance Imaging (MMRI) 2025-May, Microscopy research and technique IF:2.0Q3 DOI:10.1002/jemt.24809 PMID:39825619	research paper	该研究提出了一种基于VGG19的梯度解释器可解释架构，用于显微镜磁共振成像(MMRI)中的脑肿瘤检测	结合了可解释AI(XAI)技术，使用梯度解释器来解释分类结果，提高了模型决策的可解释性	尽管准确率高，但结果的解释性仍存在疑问	开发一种自动化的微脑肿瘤识别方法	脑肿瘤	digital pathology	brain tumor	microscopy magnetic resonance imaging (MMRI)	VGG19, XAI	image	包含不同大小和类型的肿瘤样本，来自显微镜和MRI数据源
1419	2025-05-03	Comparison of individualized facial growth prediction models using artificial intelligence and partial least squares based on the Mathews growth collection 2025-May-01, The Angle orthodontist DOI:10.2319/082124-687.1 PMID:39884314	research paper	本研究开发并比较了基于人工智能和偏最小二乘法的个体化面部生长预测模型	首次将TabNet深度神经网络应用于面部生长预测，并展示了AI模型在预测精度上优于传统PLS方法	样本量相对较小（33名受试者），且仅使用了Mathews生长收集库的数据	开发并比较不同面部生长预测模型的性能	面部生长变化（包括硬组织和软组织标志点）	computer vision	NA	deep learning, partial least squares	TabNet, PLS	image	33名受试者的1257对生长前后侧位头颅X光片
1420	2025-05-03	Harnessing omics data for drug discovery and development in ovarian aging 2025-May-01, Human reproduction update IF:14.8Q1 DOI:10.1093/humupd/dmaf002 PMID:39977580	review	该综述综合了关于卵巢衰老的多组学数据，探讨如何利用这些数据发现新的药物靶点并指导治疗策略	结合单细胞技术和空间转录组学等前沿组学技术，利用AI模型预测候选药物靶点，为个性化医疗和精准治疗提供新途径	仅限于截至2024年9月的英文文献，可能遗漏非英语研究	探索卵巢衰老的分子机制，发现减缓或逆转卵巢衰老的药物靶点	卵巢衰老相关的多组学数据（基因组、转录组、蛋白质组、代谢组、微生物组）	生物信息学	卵巢衰老	多组学分析（基因组、转录组、蛋白质组、代谢组、微生物组）、单细胞技术、空间转录组学、GWAS、全外显子测序、PheWAS、孟德尔随机化	AI、深度学习、机器学习	多组学数据	NA