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
141	2025-06-04	Ensemble learning-based predictor for driver synonymous mutation with sequence representation 2025-Jan, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1012744 PMID:39761306	research paper	该研究提出了一种基于集成学习的预测器EPEL，用于识别人类癌症中的驱动同义突变	首次结合DNA形状特征和基于化学分子BERT预训练模型的深度学习特征来评估同义突变的影响	深度学习方法的DNA序列表示在本研究中并未显著提升驱动同义突变的识别效果	开发更精确的驱动同义突变预测方法	人类癌症中的同义突变	machine learning	cancer	ensemble learning, BERT	tree-based models	DNA sequence	NA
142	2025-06-04	Integrative analysis of cuproptosis-related lncRNAs: Unveiling prognostic significance, immune microenvironment, and copper-induced mechanisms in prostate cancer 2025-Jan, Cancer pathogenesis and therapy DOI:10.1016/j.cpt.2024.03.004 PMID:39872368	research paper	该研究通过整合分析铜死亡相关的长链非编码RNA（lncRNA），揭示了其在前列腺癌预后、免疫微环境及铜诱导机制中的重要性	首次构建了基于铜死亡相关lncRNA的前列腺癌预后模型，并探索了这些lncRNA与铜代谢及免疫微环境的关联	研究样本仅来自TCGA数据库，缺乏外部验证队列	探索铜死亡相关lncRNA在前列腺癌预后及治疗中的作用	492名前列腺癌患者及其测序数据	digital pathology	prostate cancer	RNA-seq, 拷贝数变异分析	multi-level attention graph neural network (MLA-GNN)	基因测序数据	492名前列腺癌患者
143	2025-06-04	Machine learning-based risk predictive models for diabetic kidney disease in type 2 diabetes mellitus patients: a systematic review and meta-analysis 2025, Frontiers in endocrinology IF:3.9Q2 DOI:10.3389/fendo.2025.1495306 PMID:40099258	系统综述与荟萃分析	本文通过系统综述和荟萃分析评估了机器学习模型在预测2型糖尿病患者糖尿病肾病风险中的性能和临床适用性	首次对机器学习模型在预测糖尿病肾病风险中的性能进行了全面的荟萃分析，并比较了不同类型机器学习模型的预测效果	模型开发和验证过程中存在数据偏倚问题，且仅有少数研究进行了外部验证	评估机器学习模型预测2型糖尿病患者糖尿病肾病风险的性能并识别关键研究缺口	2型糖尿病患者	机器学习	糖尿病肾病	机器学习算法	随机森林(RF)等	临床数据	26项研究，共94个机器学习模型
144	2025-06-04	Artificial intelligence in ophthalmology: opportunities, challenges, and ethical considerations 2025, Medical hypothesis, discovery & innovation ophthalmology journal DOI:10.51329/mehdiophthal1517 PMID:40453785	综述	本文探讨了人工智能在眼科领域的应用现状、挑战及伦理考量	全面回顾了AI在眼科多个子领域（如角膜疾病、白内障手术、糖尿病视网膜病变等）中的高精度诊断应用，并系统分析了当前面临的挑战与伦理问题	数据集存在偏差、外部验证有限、监管障碍以及透明度等伦理问题	评估AI在眼科领域的应用潜力与实施障碍	眼科疾病诊断与管理	数字病理	眼科疾病	深度学习、机器学习	CNN、深度学习模型	图像、临床数据	NA
145	2025-06-04	Integrating support vector machines and deep learning features for oral cancer histopathology analysis 2025, Biology methods & protocols IF:2.5Q3 DOI:10.1093/biomethods/bpaf034 PMID:40454251	研究论文	本研究提出了一种结合支持向量机(SVM)和深度学习特征的方法，用于口腔癌组织病理学图像分类以检测异常增生	通过融合基于InceptionResNet-v2和视觉变换器(ViT)模型提取的深度学习特征训练的SVM分类器，解决了类别不平衡问题，并显著提高了分类性能	NA	提高口腔癌异常增生的检测准确率	口腔癌组织病理学图像	数字病理学	口腔癌	深度学习特征提取	SVM, InceptionResNet-v2, ViT	图像	NA
146	2025-06-04	Ground-truth-free deep learning approach for accelerated quantitative parameter mapping with memory efficient learning 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0324496 PMID:40455714	研究论文	本研究评估了结合内存高效学习(MEL)的自监督学习(SSL)和零样本自监督学习(ZSSSL)框架，以加速定量MRI(qMRI)的图像重建	提出了不需要全采样数据的自监督学习和零样本自监督学习方法，并结合内存高效学习技术，显著降低了GPU内存需求	在高加速因子条件下，SSL和ZSSSL的性能略低于监督学习方法	加速定量MRI图像重建并降低GPU内存需求	定量MRI图像	医学影像分析	NA	定量MRI(qMRI)	深度学习(DL)	MRI图像	三个实验(2D T2映射/MSME、3D T1映射/VFA-SPGR和3D T2映射/DESS)
147	2025-06-04	Utility of artificial intelligence-based conversation voice analysis for detecting cognitive decline 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0325177 PMID:40455724	research paper	该研究开发了一种基于语音的AI模型，用于通过简短对话语音样本筛查认知衰退	利用AI技术从简短对话语音中提取特征检测认知衰退，无需专业环境或设备	样本量较小（263名患者），且仅基于Mini-Mental State Examination分数进行标注	开发一种便捷的认知衰退筛查工具	认知衰退患者和认知正常人群	自然语言处理	老年病	机器学习	全耦合神经网络	语音	263名患者的语音样本，其中20个样本用于准确性评估
148	2025-06-04	Overlapping point cloud registration algorithm based on KNN and the channel attention mechanism 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0325261 PMID:40455723	研究论文	提出了一种基于KNN和通道注意力机制的重叠点云配准算法，显著提高了重叠区域的特征提取和匹配能力	结合KNN算法和通道注意力机制，设计了有效性评分网络以提高配准精度和系统鲁棒性	未明确提及具体局限性	提高重叠点云区域的配准精度和特征提取能力	三维点云数据	计算机视觉	NA	KNN算法、通道注意力机制(CAM)	KNN、CAM	三维点云数据	ModelNet40数据集和Stanford数据集
149	2025-06-04	A novel spectral analysis-based grading system for gastrointestinal activity 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0323440 PMID:40455773	研究论文	本文介绍了一种基于频谱分析的创新性无监督分级系统，用于通过分析肠鸣音来客观评估胃肠动力	提出了一种无监督的分级系统，通过频谱特征分析客观评估胃肠动力，避免了传统方法对个人判断和大规模标记数据集的依赖	未提及具体的样本量或数据集大小，可能影响方法的泛化能力	开发一种客观评估胃肠动力的方法，辅助医生量化胃肠活动	肠鸣音	数字病理	胃肠疾病	频谱特征分析	无监督学习	音频	NA
150	2025-06-04	Intelligent and precise auxiliary diagnosis of breast tumors using deep learning and radiomics 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0320732 PMID:40455816	研究论文	该研究开发了一种结合深度学习和放射组学的智能诊断模型，用于提高乳腺肿瘤的诊断准确性	结合MobileNet与ResNeXt启发的深度可分离和分组卷积，改进了特征处理效率和参数数量	外部验证集的准确率和AUC值低于内部验证集，可能存在泛化能力不足的问题	提高乳腺肿瘤诊断的准确性和一致性	乳腺肿瘤患者	计算机视觉	乳腺癌	深度学习与放射组学	MobileNet与ResNeXt结合的卷积神经网络	乳腺超声图像	AI-Dhabyani和TCIA乳腺超声数据集
151	2025-06-04	UICD: A new dataset and approach for urdu image captioning 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0320701 PMID:40455832	research paper	该研究创建了一个新的乌尔都语图像字幕数据集（UCID）并提出了专门用于乌尔都语图像字幕的深度学习架构	提出了首个乌尔都语图像字幕数据集UC-23-RY，并设计了NASNetLarge-LSTM和ResNet-50-LSTM模型用于乌尔都语图像字幕任务	乌尔都语图像字幕研究资源匮乏，限制了研究的广泛性	填补乌尔都语图像字幕研究的空白，提升自动乌尔都语图像字幕的质量	乌尔都语图像字幕数据集和深度学习模型	natural language processing	NA	deep learning	NASNetLarge-LSTM, ResNet-50-LSTM	image, text	159,816 Urdu captions inspired by Flickr30k dataset
152	2025-06-04	Comparison of Deep Learning Models for Objective Auditory Brainstem Response Detection: A Multicenter Validation Study 2025 Jan-Dec, Trends in hearing IF:2.6Q1 DOI:10.1177/23312165251347773 PMID:40457875	研究论文	本研究评估了九种深度学习模型在听觉脑干反应（ABR）检测中的泛化能力，使用了多中心的大规模数据集	首次在多中心大规模数据集上比较了多种深度学习模型（包括CNN、Transformer及混合模型）在ABR检测中的表现，并验证了Transformer架构在跨中心泛化中的优势	研究虽使用了多中心数据，但可能仍无法覆盖所有临床场景的异质性	开发可泛化至真实临床环境的客观ABR检测深度学习模型	听觉脑干反应（ABR）波形数据	医疗人工智能	听力障碍	深度学习	CNN（AlexNet/VGG/ResNet）、Transformer架构（Transformer/PatchTST等）、混合模型（ResTransformer/ResPatchTST）	时间序列生理信号	主要数据集含128,123条标记ABR（来自13,813名参与者），外加4个外部验证数据集
153	2025-06-04	An efficient non-parametric feature calibration method for few-shot plant disease classification 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1541982 PMID:40458225	研究论文	提出一种基于特征适应评分（FAS）度量的方法，用于小样本植物病害分类	利用FAS评分与测试准确率的严格正相关关系，无需训练网络即可确定适用于小样本植物病害分类的网络结构，并设计了PDFC算法进行特征校准	NA	解决植物病害图像数据不足的问题，提高小样本植物病害分类的准确性	植物病害图像	计算机视觉	植物病害	小样本学习	Swin-TransformerV2	图像	PlantVillage数据集及其他数据集
154	2025-06-04	Ventricular volume adjustment of brain regions depicts brain changes associated with HIV infection and aging better than intracranial volume adjustment 2025, Frontiers in neurology IF:2.7Q3 DOI:10.3389/fneur.2025.1516168 PMID:40458466	研究论文	本研究提出了一种新的脑结构测量调整方法，通过调整侧脑室（LV）的个体间变异性，以更好地揭示与HIV感染和衰老相关的脑萎缩模式	提出使用侧脑室（LV）调整而非传统的颅内体积（ICV）调整，以更准确地识别与HIV和衰老相关的脑萎缩模式	研究仅基于MRI T1图像数据，未涉及其他类型的脑成像数据	探索更有效的脑结构测量调整方法，以更好地理解HIV感染和衰老对脑结构的影响	HIV感染者和健康对照者的脑结构数据	数字病理学	HIV感染	MRI T1成像	深度学习模型	图像	NA
155	2025-06-04	A Deep Learning Model for Accurate Segmentation of the Drosophila melanogaster Brain from Micro-CT Imaging 2024-Dec-30, bioRxiv : the preprint server for biology DOI:10.1101/2024.12.30.630782 PMID:39803485	research paper	该研究开发了一种深度学习模型，用于从Micro-CT图像中准确分割果蝇大脑	利用Dragonfly预训练的神经网络，仅需1-3张Micro-CT图像即可训练出准确的深度学习模型，且能适应不同组织对比染色、扫描仪型号和基因型	需要依赖预训练模型，且样本量较小（1-3张图像）	开发一种高效准确的果蝇大脑Micro-CT图像分割方法	果蝇（Drosophila melanogaster）大脑	computer vision	NA	Micro-CT成像	深度学习模型（基于Dragonfly预训练网络）	三维Micro-CT图像	1-3张成年果蝇大脑Micro-CT图像
156	2025-06-04	A Deep Learning Approach for Accurate Discrimination Between Optic Disc Drusen and Papilledema on Fundus Photographs 2024-Dec-01, Journal of neuro-ophthalmology : the official journal of the North American Neuro-Ophthalmology Society IF:2.0Q2 DOI:10.1097/WNO.0000000000002223 PMID:39090774	research paper	本研究开发了一种深度学习系统（DLS），用于在眼底照片上准确区分视盘玻璃疣（ODD）和颅内高压引起的视乳头水肿	首次开发了一个专用的深度学习系统，能够高精度区分ODD和视乳头水肿，包括埋藏型ODD与轻中度视乳头水肿的鉴别	研究为回顾性设计，且外部验证数据集规模相对较小	开发一个能准确区分ODD和视乳头水肿的深度学习系统	视盘玻璃疣（ODD）和颅内高压引起的视乳头水肿患者	digital pathology	ophthalmologic disease	deep learning	DLS (Deep Learning System)	image	4,508张眼底图像（来自2,180名患者），包括训练集3,230张视乳头水肿图像和857张ODD图像，外部测试集421张图像
157	2025-06-04	[Development of a Deep Learning-Based System for Supporting Medical Decision-Making in PI-RADS Score Determination] 2024-Dec, Urologiia (Moscow, Russia : 1999) PMID:40377545	research paper	开发了一种基于深度学习的计算机辅助诊断系统，用于支持PI-RADS评分确定中的医疗决策	使用3D U-Net架构处理多模态MRI图像，旨在减少PI-RADS分级中的人为错误	敏感性和分割准确性有待提高，需要更大数据集和更先进的深度学习技术	探索基于深度学习的计算机辅助诊断系统在PI-RADS分级中的应用	前列腺癌患者和良性病例的MRI图像	digital pathology	prostate cancer	MRI (T2W, DWI, DCE)	3D U-Net	image	136名患者（108例PCa，28例良性病例）
158	2025-06-04	Artificial Intelligence and Radiomics Applied to Prostate Cancer Bone Metastasis Imaging: A Review 2024-Dec, iRadiology DOI:10.1002/ird3.99 PMID:40453356	review	本文综述了人工智能和放射组学在前列腺癌骨转移影像分析中的应用	综合分析了放射组学、机器学习和深度学习在前列腺癌骨转移影像分析中的多种方法，并提出了未来研究方向	文献中缺乏对各种方法的详细分析和未来方向的深入探讨	探讨人工智能和放射组学在前列腺癌骨转移影像分析中的应用，以辅助临床管理	前列腺癌骨转移的影像数据	digital pathology	prostate cancer	radiomics, machine learning, deep learning	NA	image	NA
159	2025-06-04	Design of high specificity binders for peptide-MHC-I complexes 2024-Nov-28, bioRxiv : the preprint server for biology DOI:10.1101/2024.11.28.625793 PMID:39651227	研究论文	利用深度学习蛋白质设计工具设计针对肽-MHC-I复合物的小蛋白结合物	采用深度学习工具设计能够特异性结合肽-MHC复合物的小蛋白，避免与MHC载体广泛接触	NA	开发高特异性结合肽-MHC复合物的蛋白质，用于疾病治疗	肽-MHC-I复合物	蛋白质设计	NA	深度学习	NA	蛋白质结构	十个目标pMHC复合物
160	2025-06-04	Time-Series Deep Learning and Conformal Prediction for Improved Sepsis Diagnosis in Non-ICU Hospitalized Patients 2024-Nov-22, medRxiv : the preprint server for health sciences DOI:10.1101/2024.11.21.24317716 PMID:39606323	研究论文	该研究开发了一种针对非ICU环境的深度学习模型，用于早期预测脓毒症，并通过共形预测框架处理不确定性	结合时间序列深度学习和共形预测框架，提高了在非ICU环境中脓毒症早期诊断的准确性和特异性，减少了假阳性率	研究依赖于MIMIC-IV和eICU-CRD数据集，可能无法完全代表所有非ICU环境的多样性	开发一种能够在非ICU环境中准确早期预测脓毒症的深度学习模型，以改善临床诊断和资源分配	非ICU住院患者	机器学习	脓毒症	深度学习，共形预测	DL	时间序列数据	83,813名患者（训练集），eICU-CRD数据集（验证集）