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
1461	2025-05-29	Convolutional Neural Networks Assisted Peak Classification in Targeted LC-HRMS/MS for Equine Doping Control Screening Analyses 2025-Feb-18, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.4c03608 PMID:39901649	研究论文	本文研究了卷积神经网络在针对马匹兴奋剂控制的靶向LC-HRMS/MS分析中辅助峰分类的应用	利用卷积神经网络（CNN）和线性判别分析（LDA）分类器实现色谱图分类的自动化，提高兴奋剂检测的准确性和效率	研究未提及模型在更大规模数据集上的泛化能力，以及在实际应用中的稳定性	开发一种自动化方法，用于马匹兴奋剂控制筛查分析中的色谱图分类	马匹兴奋剂控制中的色谱图数据	机器学习和分析化学	NA	超高压液相色谱-高分辨串联质谱（UHPLC-HRMS/MS）	CNN和LDA	色谱图图像	未明确提及具体样本数量
1462	2025-05-29	Multiscale footprints reveal the organization of cis-regulatory elements 2025-Feb, Nature IF:50.5Q1 DOI:10.1038/s41586-024-08443-4 PMID:39843737	research paper	开发了一种名为PRINT的计算方法，用于从染色质可及性数据中识别DNA-蛋白质相互作用的足迹，并创建了seq2PRINT框架，利用深度学习推断转录因子和核小体结合	PRINT方法能够跨多个蛋白质尺度识别DNA-蛋白质相互作用的足迹，seq2PRINT框架利用深度学习精确推断转录因子和核小体结合，并解释CREs的调控逻辑	未明确提及方法的局限性	连接CRE结构与其在细胞命运和疾病中的功能	人类骨髓和小鼠造血干细胞的单细胞染色质可及性数据	computational biology	NA	chromatin accessibility data analysis, deep learning	deep learning	chromatin accessibility data	human bone marrow and murine haematopoietic stem cells
1463	2025-05-29	Community Graph Convolution Neural Network for Alzheimer's Disease Classification and Pathogenetic Factors Identification 2025-02, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2023.3269446 PMID:37204952	research paper	该研究提出了一种新的深度学习方法Com-GCN，用于研究大脑区域和基因社区网络中的信息传递，以诊断阿尔茨海默病并提取其致病因素	提出了社区图卷积神经网络(Com-GCN)和大脑区域基因社区网络(BG-CN)的概念，改进了分类性能和可解释性，并能识别病变脑区和致病基因	仅基于ADNI数据集进行验证，未在其他神经疾病上广泛测试	研究大脑区域和基因协作网络中的信息传递机制，用于阿尔茨海默病的诊断和致病因素识别	阿尔茨海默病患者的大脑区域和基因协作网络	machine learning	geriatric disease	深度学习	GCN (Graph Convolutional Network)	神经影像数据	ADNI数据集
1464	2025-05-29	Hypernetwork-Based Physics-Driven Personalized Federated Learning for CT Imaging 2025-02, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2023.3338867 PMID:38100342	研究论文	提出了一种基于超网络的物理驱动个性化联邦学习方法（HyperFed），用于CT成像，旨在解决传统深度学习方法中的数据集中收集和隐私问题	通过将每个域的优化问题分解为局部数据适应和全局CT成像两个子问题，分别由机构特定的物理驱动超网络和全局共享成像网络实现，从而学习稳定有效的跨数据分布不变特征	未明确提及具体样本量或实验覆盖的扫描协议范围，可能影响方法的泛化性评估	提升CT成像质量并满足不同机构或扫描仪的个性化需求，同时避免数据共享	CT影像数据及其重建过程	医学影像分析	NA	联邦学习、深度学习	超网络（Hypernetwork）	CT影像	NA
1465	2025-05-29	Deep learning-based malaria parasite detection: convolutional neural networks model for accurate species identification of Plasmodium falciparum and Plasmodium vivax 2025-Jan-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-87979-5 PMID:39885248	research paper	该研究提出了一种基于卷积神经网络（CNN）的模型，用于从厚血涂片中准确分类感染疟原虫（P. falciparum和P. vivax）和未感染的白细胞	该模型通过七通道输入显著提高了疟原虫物种识别的准确性，解决了以往模型难以区分不同疟原虫物种的问题	模型尚未在实际质量图像上进行全面测试，目前正在开发适用于偏远地区的综合检测工具	提高疟疾诊断的准确性，特别是疟原虫物种的精确识别	感染P. falciparum、P. vivax的细胞和未感染的白细胞	digital pathology	malaria	CNN	CNN	image	12,954例（测试集），64,126例（交叉验证）
1466	2025-05-29	Deep Learning for the Accurate Prediction of Triggered Drug Delivery 2025-01, IEEE transactions on nanobioscience IF:3.7Q3 DOI:10.1109/TNB.2024.3426291 PMID:39018211	研究论文	本研究利用深度学习技术准确预测触发式药物递送系统中药物的释放行为	结合实验测量与深度学习技术开发预测模型，显著优于线性预测方法	未提及具体临床验证结果或人体试验数据	提高化疗药物递送的精确性和有效性	脂质体和金属有机框架纳米载体	机器学习	癌症	深度学习	深度学习模型	实验测量数据	未明确说明样本数量
1467	2025-05-29	High-Risk Sequence Prediction Model in DNA Storage: The LQSF Method 2025-01, IEEE transactions on nanobioscience IF:3.7Q3 DOI:10.1109/TNB.2024.3424576 PMID:38976468	研究论文	本文介绍了一种名为LQSF的创新方法，利用深度学习模型预测DNA存储中的高风险序列，以提高存储效率和减少错误	提出了LQSF方法，首次在DNA存储技术中引入主动序列过滤，利用深度学习模型在编码阶段预测和过滤低质量序列	未提及具体的数据集规模限制或模型在不同类型DNA序列上的泛化能力	提高DNA存储技术的效率和准确性，减少合成和测序阶段的错误	DNA存储中的序列质量预测	机器学习	NA	深度学习	Alexnet, VGG16, VGG19	DNA序列数据	未提及具体样本数量，但使用了多种神经网络和测试集进行广泛训练和测试
1468	2025-05-29	Automated Radiology Report Generation: A Review of Recent Advances 2025, IEEE reviews in biomedical engineering IF:17.2Q1 DOI:10.1109/RBME.2024.3408456 PMID:38829752	综述	本文对自动放射学报告生成（ARRG）的最新进展进行了方法论回顾，包括数据集评估、深度学习训练方法、模型架构、临床知识整合技术和模型评估技术	全面评估了当代ARRG方法，包括数据集特性、深度学习训练方法、最先进模型架构、临床知识整合技术和模型评估技术，并分析了定量结果和未来发展方向	未提及具体研究中的样本量限制或数据偏差问题	回顾和评估自动放射学报告生成（ARRG）领域的最新研究进展	自动放射学报告生成（ARRG）的研究方法和技术	医学影像分析	NA	深度学习、对比学习、强化学习	CNN、transformer模型	医学影像、文本报告	NA
1469	2025-05-29	Deep Learning in Breast Cancer Imaging: A Decade of Progress and Future Directions 2025, IEEE reviews in biomedical engineering IF:17.2Q1 DOI:10.1109/RBME.2024.3357877 PMID:38265911	review	本文综述了过去十年深度学习在乳腺癌影像分析中的进展，并探讨了未来的研究方向	全面回顾了深度学习在乳腺癌影像分析中的应用，并提出了未来研究的挑战和潜在方向	未提及具体的技术局限性，主要是对现有研究的总结和未来方向的探讨	总结深度学习在乳腺癌影像分析中的进展，并探讨未来研究方向	乳腺癌影像数据，包括乳腺X光、超声、磁共振成像和数字病理图像	digital pathology	breast cancer	NA	deep learning	image	NA
1470	2025-05-29	Skeleton-guided 3D convolutional neural network for tubular structure segmentation 2025-Jan, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-024-03215-x PMID:39264412	研究论文	提出了一种结合骨架信息的3D深度学习网络，用于提高管状结构分割的准确性	引入了骨架引导模块和sigmoid-adaptive Tversky损失函数，专门用于骨架分割	NA	提高管状结构在医学图像中的分割准确性	胸部CT体积图像和腹部CT体积图像中的管状结构	计算机视觉	NA	3D卷积网络	CNN	3D医学图像	90例胸部CT体积图像和35例腹部CT体积图像
1471	2025-05-29	Melanoma Breslow Thickness Classification Using Ensemble-Based Knowledge Distillation With Semi-Supervised Convolutional Neural Networks 2025-Jan, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3465929 PMID:39302772	研究论文	该研究利用半监督卷积神经网络和基于集成知识蒸馏的方法，对黑色素瘤的Breslow厚度进行分类	采用半监督学习和多教师集成知识蒸馏方法，提高了黑色素瘤分类任务的性能	研究依赖于多个数据集，可能存在数据异质性问题	开发一种自动深度学习诊断系统，支持医学专家对黑色素瘤的分类和Breslow厚度预测	黑色素瘤的dermoscopic图像	数字病理学	黑色素瘤	半监督学习、知识蒸馏	CNN	图像	四个不同来源的数据集
1472	2025-05-29	MFRC-Net: Multi-Scale Feature Residual Convolutional Neural Network for Motor Imagery Decoding 2025-Jan, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3467090 PMID:39316474	research paper	提出了一种轻量级的多尺度特征残差卷积神经网络（MFRC-Net）用于运动想象解码	结合了时间多尺度残差卷积块和跨域双流空间卷积块，显著提升了轻量级模型的性能	未提及模型在其他数据集上的泛化能力	提高运动想象解码的准确性和降低计算资源需求	脑电图（EEG）信号	machine learning	NA	EEG信号处理	CNN	EEG信号	BCI Competition IV 2a数据集和SHU数据集
1473	2025-05-29	Data- and Physics-Driven Deep Learning Based Reconstruction for Fast MRI: Fundamentals and Methodologies 2025, IEEE reviews in biomedical engineering IF:17.2Q1 DOI:10.1109/RBME.2024.3485022 PMID:39437302	综述	本文综述了利用数据和物理驱动模型加速MRI扫描的最新进展，包括算法展开模型、增强方法、即插即用模型以及生成模型方法	探讨了数据模型与物理基础的协同整合，包括多线圈硬件加速和采样模式优化，并提出了数据协调和联邦学习在MRI重建中的潜在作用	未提及具体实验数据或样本量，可能缺乏实证支持	提高MRI扫描速度，改善患者舒适度和图像质量	MRI扫描技术和图像重建方法	医学影像处理	NA	并行成像、同时多层成像	生成模型、算法展开模型	医学影像数据	NA
1474	2025-05-29	Solving the Inverse Problem of Electrocardiography for Cardiac Digital Twins: A Survey 2025, IEEE reviews in biomedical engineering IF:17.2Q1 DOI:10.1109/RBME.2024.3486439 PMID:39453795	综述	本文全面回顾了解决心电图逆问题的方法、验证策略、临床应用及未来展望	将最先进的方法分为确定性和概率性两类，包括传统和基于深度学习的技术，并探讨了物理定律与深度学习模型结合的潜力	存在准确捕捉动态电生理、获取准确领域知识以及量化预测不确定性等挑战	推动心脏数字孪生（CDTs）的研究，解决心电图逆问题以重建心脏源并估计患者特异性电生理参数	心脏数字孪生（CDTs）和心电图（ECG）数据	数字病理学	心血管疾病	深度学习与传统计算方法的结合	深度学习模型	ECG数据	NA
1475	2025-05-29	A Survey of Few-Shot Learning for Biomedical Time Series 2025, IEEE reviews in biomedical engineering IF:17.2Q1 DOI:10.1109/RBME.2024.3492381 PMID:39504299	综述	本文全面回顾和比较了生物医学时间序列应用中的少样本学习方法	探讨了少样本学习在克服生物医学时间序列数据标注稀缺方面的创新应用	讨论了少样本学习方法相对于传统数据驱动方法的临床局限性和挑战	旨在提供生物医学时间序列少样本学习的当前研究现状及其对未来研究和应用的启示	生物医学时间序列数据	机器学习	NA	少样本学习	NA	时间序列数据	NA
1476	2025-05-29	International multicenter validation of AI-driven ultrasound detection of ovarian cancer 2025-Jan, Nature medicine IF:58.7Q1 DOI:10.1038/s41591-024-03329-4 PMID:39747679	research paper	该研究开发并验证了基于transformer的神经网络模型，用于超声图像中卵巢癌的检测	首次在国际多中心验证了AI驱动的超声检测卵巢癌的模型，并展示了其超越人类专家的诊断性能	研究为回顾性研究，缺乏前瞻性验证	验证AI驱动的超声检测卵巢癌的模型性能	卵巢病变的超声图像	digital pathology	ovarian cancer	deep learning	transformer-based neural network	image	17,119张超声图像来自3,652名患者，覆盖20个中心的8个国家
1477	2025-05-29	DSTCNet: Deep Spectro-Temporal-Channel Attention Network for Speech Emotion Recognition 2025-01, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2023.3304516 PMID:37624721	research paper	提出了一种深度谱时通道注意力网络（DSTCNet）用于语音情感识别，通过整合谱时通道注意力模块提升情感表示能力	引入了谱时通道（STC）注意力模块，能够沿时间、频率和通道维度推断3D注意力图，更关注关键时间帧、频率范围和特征通道区域	未明确讨论模型在跨语种或噪声环境下的泛化能力	提升语音情感识别的表示学习能力	语音情感信号	natural language processing	NA	深度学习	CNN with STC attention modules	语音频谱图	Berlin EmoDB和IEMOCAP数据库
1478	2025-05-29	Semi-Supervised Detection Model Based on Adaptive Ensemble Learning for Medical Images 2025-01, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2023.3282809 PMID:37339032	研究论文	本文提出了一种基于自适应集成学习的半监督检测模型，用于医学图像处理	提出了一种新的集成机制Al-Adaboost，结合了两个层次模型的决策，并引入了半监督机制	未明确提及具体局限性	提高医学图像检测的效率和准确性，特别是在内窥镜检测中	结肠镜和喉镜数据	数字病理	NA	半监督学习，集成学习	Al-Adaboost, RAM (循环注意力模型)	医学图像	来自CVC-ClinicDB和高雄医科大学附属医院的结肠镜和喉镜数据
1479	2025-05-29	Contrastive Registration for Unsupervised Medical Image Segmentation 2025-01, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2023.3332003 PMID:37983143	研究论文	提出了一种基于对比学习的无监督医学图像分割方法CLMorph，通过图像级配准和特征级对比学习实现分割	首次将对比学习机制嵌入配准架构，提升了网络在特征层面的判别能力	虽然优于现有无监督方法，但精度仍可能低于有监督的最先进方法	解决医学图像标注成本高的问题，开发无监督分割技术	医学图像	数字病理	NA	对比学习	CNN	医学图像	两个主要医学图像数据集（未说明具体样本量）
1480	2025-05-29	Beyond genomics: artificial intelligence-powered diagnostics for indeterminate thyroid nodules-a systematic review and meta-analysis 2025, Frontiers in endocrinology IF:3.9Q2 DOI:10.3389/fendo.2025.1506729 PMID:40391010	系统综述与荟萃分析	本文综述了人工智能在不确定甲状腺结节诊断中的应用，并进行了荟萃分析	探讨了人工智能在不依赖基因组测序分类器的情况下诊断不确定甲状腺结节的潜力	研究开发的模型在目前状态下不适合临床实施，或缺乏稳健的独立外部验证	分析人工智能在不使用基因组测序分类器的情况下诊断不确定甲状腺结节的现有证据	不确定甲状腺结节（ITN）	数字病理	甲状腺疾病	超声检查（USG）、自然语言处理	机器学习和深度学习架构	影像数据、文本数据	7项研究中的20个模型，荟萃分析包含15个模型的16个AUC结果