深度学习在生物医药领域的应用

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	算法框架	模型架构	性能指标	计算资源
14841	2025-10-07	DeepGOMeta for functional insights into microbial communities using deep learning-based protein function prediction 2024-12-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-82956-w PMID:39738309	研究论文	本研究开发了DeepGOMeta深度学习模型，用于微生物群落中蛋白质功能的预测	提出了专门针对微生物数据的蛋白质功能预测深度学习模型，克服了传统方法对同源性和序列相似性的依赖	模型主要针对微生物数据训练，在其他类型生物数据上的适用性需要进一步验证	开发能够从复杂微生物样本中获取功能见解的蛋白质功能预测方法	微生物群落中的蛋白质功能预测	生物信息学	NA	深度学习	深度学习模型	蛋白质序列数据，基因本体论注释数据	NA	NA	DeepGOMeta	NA	NA
14842	2025-10-07	A lung nodule segmentation model based on the transformer with multiple thresholds and coordinate attention 2024-12-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-82877-8 PMID:39738386	研究论文	提出一种基于Transformer和多阈值坐标注意力的肺结节分割模型MCAT-Net	构建多阈值特征分离模块捕获边缘纹理特征，引入坐标注意力机制增强空间信息感知，结合Transformer捕获长程依赖关系	NA	提高肺结节分割的准确性以辅助肺癌早期检测	肺结节医学图像	计算机视觉	肺癌	深度学习	Transformer, CNN	医学图像	LIDC-IDRI和LNDb数据集	NA	MCAT-Net, Transformer, 编码器-解码器结构	Dice相似系数, 灵敏度	NA
14843	2025-10-07	IoT based intelligent pest management system for precision agriculture 2024-12-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-83012-3 PMID:39738391	研究论文	本文提出了一种基于物联网的智能害虫管理系统，用于精准农业中的害虫检测和分类	开发了配备嵌入式计算的智能昆虫陷阱原型，结合多种图像特征训练的CNN分类器，在真实田间环境中实现害虫自动识别	数据集仅包含东方果实蝇图像，在单一作物（番石榴园）中采集，样本多样性有限	开发智能害虫管理系统以提升作物保护能力和农业生产效率	东方果实蝇及其他昆虫	计算机视觉	农业害虫	图像采集，物联网技术	CNN	图像	1000+张在番石榴园不同光照条件下采集的图像，分为果实蝇和非果实蝇两类	NA	CNN	准确率，精确率，召回率，F1分数，特异性，FNR，mAP	嵌入式计算设备
14844	2025-10-07	A deep learning-based ADRPPA algorithm for the prediction of diabetic retinopathy progression 2024-12-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-82884-9 PMID:39738461	研究论文	本研究开发了一种基于深度学习的糖尿病视网膜病变进展预测算法（ADRPPA），利用纵向视网膜图像数据预测疾病进展	首次结合DR严重程度分级和微动脉瘤量化评分，利用纵向数据预测非参考性DR向参考性DR的进展	回顾性研究设计，数据集来源有限，模型在独立验证集上的表现需要进一步验证	开发能够预测糖尿病视网膜病变进展的人工智能算法	糖尿病视网膜病变患者的视网膜眼底图像	计算机视觉	糖尿病视网膜病变	视网膜眼底成像	CNN	图像	EyePACS数据集：12,768张图像（6,384只眼睛）；e-ophtha数据集：148张图像	NA	ResNeXt, Mask-RCNN	AUC, 召回率, 精确率, F1分数	NA
14845	2025-10-07	Classification of cervical cancer using Dense CapsNet with Seg-UNet and denoising autoencoders 2024-12-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-82489-2 PMID:39738568	研究论文	提出一种结合Seg-UNet分割、去噪自编码器特征提取和Dense CapsNet分类的宫颈癌分类系统	首次将四种深度学习方法集成于宫颈癌分类流程，通过m-GAN数据增强和Seg-UNet分割解决细胞分组难题	未说明模型在数据分布严重不平衡时的泛化能力，未与其他先进方法进行充分对比	提升宫颈癌多类别分类的准确性和鲁棒性	宫颈涂片图像数据	计算机视觉	宫颈癌	Pap smear	GAN, Autoencoder, CapsNet, UNet	医学图像	SIPaKMeD数据集	NA	Seg-UNet, Denoising Autoencoder, Dense CapsNet, m-GAN	准确率	NA
14846	2025-10-07	Automatic ovarian follicle detection using object detection models 2024-12-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-82904-8 PMID:39738599	研究论文	本研究开发了基于深度学习的目标检测模型来自动检测卵巢组织切片中的卵泡结构	首次将单阶段目标检测模型YOLO和RetinaNet应用于卵巢卵泡检测，并采用迁移学习、数据增强和焦点损失函数解决类别不平衡问题	仅使用1000张图像的小规模数据集进行训练和验证	开发自动化的卵巢卵泡检测方法以替代人工计数	卵巢组织切片中的窦卵泡和黄体	计算机视觉	生殖系统疾病	组织学切片成像	目标检测模型	图像	1000张卵巢组织切片图像	NA	YOLO, RetinaNet	平均精度均值(mAP)	NA
14847	2025-10-07	Dental bur detection system based on asymmetric double convolution and adaptive feature fusion 2024-12-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-83241-6 PMID:39738621	研究论文	提出基于非对称双卷积和自适应特征融合的牙科车针检测系统YOLO-DB	设计轻量级非对称双卷积模块(LADC)减少冗余特征干扰，结合SlimNeck与BiFPN-Concat的新型融合网络实现高效特征融合	NA	提升微小尺寸牙科车针的检测精度和计数效率	牙科车针（牙科医疗器械）	计算机视觉	NA	深度学习	YOLO	图像	NA	NA	YOLO-DB, LADC, SlimNeck, BiFPN-Concat	mAP@0.5, mAP@0.5:0.95, 帧率, 参数量, 计算量, 计数准确率	NA
14848	2025-10-07	Peptidomics and Machine Learning-based Evaluation of Noncoding RNA-Derived Micropeptides in Breast Cancer: Expression Patterns and Functional/Therapeutic Insights 2024-12, Laboratory investigation; a journal of technical methods and pathology DOI:10.1016/j.labinv.2024.102150 PMID:39393531	研究论文	通过肽组学和机器学习方法评估非编码RNA来源的微肽在乳腺癌中的表达模式及功能/治疗潜力	首次大规模整合肽组学数据和多种机器学习工具系统评估ncRNA来源微肽在乳腺癌亚型中的表达特征和功能潜力	研究基于预测性微肽数据集，需要实验验证确认其生物学功能	深入探索非编码RNA来源微肽在乳腺癌亚型中的表达模式及其在疾病中的作用机制	乳腺癌组织和不同分子亚型肿瘤样本	机器学习	乳腺癌	高通量质谱分析，肽组学	机器学习，深度学习	质谱数据，肽序列数据	16,349个预测微肽序列，58个在乳腺组织中表达的肽段	AntiCP 2.0, MULocDeep, PEPstrMOD, Peptipedia, PreAIP	NA	差异表达分析，功能预测，理化特征评估	NA
14849	2025-10-07	Artificial intelligence facial recognition of obstructive sleep apnea: a Bayesian meta-analysis 2024-Nov-30, Sleep & breathing = Schlaf & Atmung DOI:10.1007/s11325-024-03173-3 PMID:39614959	荟萃分析	通过贝叶斯荟萃分析评估基于人工智能面部识别技术诊断阻塞性睡眠呼吸暂停的诊断准确性	首次使用贝叶斯方法对基于颅面照片的AI诊断OSA进行荟萃分析，并识别出深度学习算法具有最佳诊断性能	仅纳入6项研究，样本量相对有限（训练集1417人，测试集983人）	评估基于颅面照片的人工智能算法在阻塞性睡眠呼吸暂停诊断中的准确性	成年阻塞性睡眠呼吸暂停患者（≥18岁）	计算机视觉	阻塞性睡眠呼吸暂停	颅面摄影	CNN,深度学习算法	面部图像	训练集1417名参与者，测试集983名参与者	NA	卷积神经网络	灵敏度,特异度,95%可信区间	NA
14850	2025-10-07	Artificial intelligence-based model for the recurrence of hepatocellular carcinoma after liver transplantation 2024-11, Surgery IF:3.2Q1 DOI:10.1016/j.surg.2024.07.039 PMID:39181726	研究论文	开发基于人工智能的深度学习模型预测肝细胞癌活体肝移植术后复发风险	首次将人工智能深度学习模型应用于肝细胞癌肝移植术后复发风险分层	单中心回顾性研究，样本量有限（n=192）	改善肝细胞癌患者肝移植适应症选择	接受活体肝移植的肝细胞癌患者	数字病理	肝细胞癌	深度学习	深度学习模型	临床数据	192例患者	NA	NA	AUC, 5年无复发生存率	NA
14851	2025-10-07	Spatial Heterogeneity of PD-1/PD-L1 Defined Osteosarcoma Microenvironments at Single-Cell Spatial Resolution 2024-11, Laboratory investigation; a journal of technical methods and pathology DOI:10.1016/j.labinv.2024.102143 PMID:39321925	研究论文	本研究通过深度学习与多重荧光免疫组化技术，在单细胞空间分辨率下分析骨肉瘤微环境中PD-1/PD-L1定义的细胞空间异质性	开发了新型TAM/破骨细胞分化算法，结合深度学习与多重荧光免疫组化首次在单细胞层面揭示PD-1/PD-L1定义骨肉瘤微环境的空间异质性	未明确说明样本数量和研究人群特征，缺乏多中心验证	探究骨肉瘤肿瘤微环境中细胞亚型的空间分布特征及其与免疫治疗的关系	骨肉瘤肿瘤微环境中的肿瘤相关巨噬细胞、T细胞、成骨细胞和破骨细胞	数字病理学	骨肉瘤	多重荧光免疫组化，深度学习数字图像分析	深度学习	病理图像	NA	NA	NA	NA	NA
14852	2025-10-07	Assessing the Tumor Immune Landscape Across Multiple Spatial Scales to Differentiate Immunotherapy Response in Metastatic Non-Small Cell Lung Cancer 2024-11, Laboratory investigation; a journal of technical methods and pathology DOI:10.1016/j.labinv.2024.102148 PMID:39389312	研究论文	通过多空间尺度分析肿瘤免疫微环境以区分转移性非小细胞肺癌患者对免疫治疗的响应差异	引入多种计算分析方法在多重荧光免疫组化数据集上量化肿瘤-免疫细胞相互作用，并定义肿瘤亚区域进行局部空间分析	样本量相对有限（52名患者），模型性能有待进一步提升	识别影响免疫治疗响应的肿瘤微环境关键特征	转移性非小细胞肺癌患者	数字病理学	肺癌	多重荧光免疫组化	深度学习	图像	52名患者的1,269张多重荧光免疫组化图像	NA	可解释深度学习模型	AUC	NA
14853	2025-10-07	Prostate Cancer Risk Stratification in NRG Oncology Phase III Randomized Trials Using Multimodal Deep Learning With Digital Histopathology 2024-Oct, JCO precision oncology IF:5.3Q1 DOI:10.1200/PO.24.00145 PMID:39447096	研究论文	本研究开发了一种基于多模态深度学习的前列腺癌风险分层系统，通过数字组织病理学图像和临床数据改善局部前列腺癌的风险评估	首次在NRG Oncology III期随机试验中应用多模态人工智能模型进行前列腺癌风险分层，相比现有NCCN风险分组显示出更好的预后分层能力	研究基于特定临床试验队列，需要在更广泛的人群中进行外部验证	开发优于当前NCCN风险分组的临床可用前列腺癌风险分层系统	9,787名来自8项NRG Oncology III期随机试验的局部前列腺癌患者	数字病理学	前列腺癌	数字组织病理学成像	多模态深度学习	数字组织病理学图像, 临床数据	9,787名患者	NA	多模态人工智能模型	10年远处转移率, 风险重分类率	NA
14854	2024-09-10	Validation of a fully automated deep learning-enabled solution for CCTA atherosclerotic plaque and stenosis quantification in a diverse real-world cohort 2024 Sep-Oct, Journal of cardiovascular computed tomography IF:5.5Q1 DOI:10.1016/j.jcct.2024.03.012 PMID:38553402	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
14855	2025-10-07	An end-to-end deep learning pipeline to derive blood input with partial volume corrections for automated parametric brain PET mapping 2024-Aug-19, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ad6a64 PMID:39094595	研究论文	提出一种端到端深度学习流程，通过部分容积校正自动生成血液输入函数用于脑PET参数映射	首次结合3D U-Net和RNN实现非侵入性血液输入函数计算，无需动脉采血	仅基于50例FDG PET扫描进行验证，样本量有限	开发非侵入性定量分析动态脑FDG-PET的方法	人类脑部FDG PET扫描数据	医学影像分析	神经系统疾病	动态FDG-PET成像	3D U-Net, RNN	3D PET影像	50例人类脑部FDG PET扫描	NA	3D U-Net, RNN	Dice系数, 交并比, 均方根误差	NA
14856	2025-10-07	Mechanical evolution of metastatic cancer cells in three-dimensional microenvironment 2024-Jul-02, bioRxiv : the preprint server for biology DOI:10.1101/2024.06.27.601015 PMID:39005477	研究论文	本研究利用光学布里渊显微镜和机器学习方法探索三维微环境中转移性癌细胞的机械特性演化	首次在三维生理环境中对癌细胞球体进行长期机械特性成像，并发现机械特征可作为癌症分类的新生物标志物	研究局限于实验室培养的癌细胞球体模型，尚未在真实人体组织中进行验证	探索癌细胞在三维微环境中的机械特性演化及其在癌症分类中的应用	癌细胞球体和正常细胞球体	生物医学工程	癌症	光学布里渊显微镜	深度学习	机械图像	八天生长周期的癌细胞球体	NA	NA	分类准确率	NA
14857	2025-10-07	Deep learning based detection of osteophytes in radiographs and magnetic resonance imagings of the knee using 2D and 3D morphology 2024-07, Journal of orthopaedic research : official publication of the Orthopaedic Research Society IF:2.1Q2 DOI:10.1002/jor.25800 PMID:38323840	研究论文	本研究开发了基于深度学习的骨赘检测方法，通过X射线和MRI数据分析膝关节形态特征	首次结合2D和3D形态学分析，系统比较X射线和MRI在膝关节骨赘检测中的性能差异，并探索软组织形态对检测效果的影响	骨赘评估标准仍需进一步完善，特别是针对早期骨赘变化的检测标准	开发自动检测膝关节骨赘的深度学习方法	膝关节骨赘	计算机视觉	骨关节炎	X射线成像, 磁共振成像	深度学习模型	X射线图像, MRI图像	NA	NA	NA	平衡准确度	NA
14858	2025-10-07	Autosurv: interpretable deep learning framework for cancer survival analysis incorporating clinical and multi-omics data 2024-Jan-05, NPJ precision oncology IF:6.8Q1 DOI:10.1038/s41698-023-00494-6 PMID:38182734	研究论文	开发了一个可解释的深度学习框架Autosurv，整合临床和多组学数据用于癌症生存分析	结合多组学数据和临床信息进行癌症预后预测，并采用解释方法解决深度神经网络的“黑箱”问题	已识别特征的重要性仅得到先前研究的部分支持	提高癌症患者的预后预测准确性，优化治疗计划	乳腺癌和卵巢癌患者	机器学习	乳腺癌,卵巢癌	基因表达分析,miRNA表达分析	深度神经网络	基因表达数据,miRNA表达数据,临床数据,人口统计学数据	多个独立多组学数据集	NA	Autosurv	预后预测准确性	NA
14859	2025-03-26	DLAAD-deep learning algorithms assisted diagnosis of chest disease using radiographic medical images 2024, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2024.1511389 PMID:40124976	研究论文	本研究开发了一种基于深度学习的算法，用于通过胸部X光图像辅助诊断胸部疾病	应用深度学习算法提升胸部疾病诊断的准确性和效率，整合现代技术到医疗设备中	数据集仅包含5,863张胸部X光图像，且仅分为肺炎和正常两类，可能限制了模型的泛化能力	提高计算机辅助诊断系统（CADs）在胸部疾病诊断中的效率和准确性	胸部X光图像	计算机视觉	肺炎	迁移学习	MobileNetV2, VGG-16, ResNet50V2	图像	5,863张胸部X光图像	NA	NA	NA	NA
14860	2025-10-07	Deep Learning Methods for Omics Data Imputation 2023-Oct-07, Biology DOI:10.3390/biology12101313 PMID:37887023	综述	本文全面概述了基于深度学习的组学数据插补方法，重点关注多组学数据插补	从深度生成模型架构角度系统梳理组学数据插补方法，包括自编码器、变分自编码器、生成对抗网络和Transformer	作为综述文章未提出新算法，主要总结现有方法面临的挑战	解决组学数据分析中的缺失值问题	组学数据（特别是多组学数据）	机器学习	NA	组学技术	自编码器, 变分自编码器, 生成对抗网络, Transformer	组学数据	NA	NA	自编码器, 变分自编码器, 生成对抗网络, Transformer	NA	NA