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	2025-05-04	MI-Mamba: A hybrid motor imagery electroencephalograph classification model with Mamba's global scanning 2025-Feb, Annals of the New York Academy of Sciences IF:4.1Q1 DOI:10.1111/nyas.15288 PMID:39844431	研究论文	提出了一种结合CNN和Mamba的混合模型MI-Mamba，用于解码运动想象（MI）脑电图数据	首次将Mamba模型应用于脑电图解码，结合CNN和Mamba的优势，有效处理长序列依赖并减少参数数量	仅在两个公开数据集上进行了验证，需要更多数据集验证其泛化能力	改进运动想象脑电图解码的准确性和效率	多通道脑电图信号	机器学习	NA	脑电图解码	CNN与Mamba混合模型	脑电图信号	两个公开数据集（BCI Competition IV 2a和2b）
142	2025-05-04	Artificial Intelligence-Based Detection and Numbering of Dental Implants on Panoramic Radiographs 2025-Feb, Clinical implant dentistry and related research IF:3.7Q1 DOI:10.1111/cid.70000 PMID:39846131	research paper	开发了一种基于人工智能的深度学习模型，用于在全景X光片中检测和编号牙科植入物	该模型能够同时检测和编号植入物，为牙科植入学提供临床决策支持	需要更多样化的数据集进行进一步验证以增强其临床适用性	提高牙科植入物的检测和编号准确性，支持临床决策	全景X光片中的牙科植入物	computer vision	NA	deep learning	YOLOv8	image	32,585张全景X光片
143	2025-05-04	Deep learning methods for proteome-scale interaction prediction 2025-Feb, Current opinion in structural biology IF:6.1Q1 DOI:10.1016/j.sbi.2024.102981 PMID:39848140	综述	本文综述了深度学习在蛋白质组规模相互作用预测中的最新进展	强调了深度学习在蛋白质-蛋白质和蛋白质-配体相互作用筛选中的应用，以及整合结构信息以提高预测准确性的重要性	数据质量和验证偏差等挑战仍然存在	推动蛋白质组规模相互作用预测，以理解蛋白质功能和疾病机制	蛋白质-蛋白质和蛋白质-配体相互作用	机器学习	NA	深度学习	NA	蛋白质相互作用数据	NA
144	2025-05-04	Mapping the topography of spatial gene expression with interpretable deep learning 2025-Feb, Nature methods IF:36.1Q1 DOI:10.1038/s41592-024-02503-3 PMID:39849132	研究论文	该论文提出了一种名为GASTON的无监督深度学习算法，用于解析空间转录组数据中的基因表达模式	开发了GASTON算法，能够同时学习等深度、空间梯度和分段线性表达函数，以模拟基因表达的连续梯度和不连续变化	未明确提及样本量或具体技术限制	解决空间转录组数据稀疏性问题，解析组织切片中的基因表达模式	空间转录组数据	数字病理学	NA	空间转录组技术	深度学习	基因表达数据	NA
145	2025-05-04	Deep learning enabled rapid classification of yeast species in food by imaging of yeast microcolonies 2025-Feb, Food research international (Ottawa, Ont.) DOI:10.1016/j.foodres.2024.115604 PMID:39849741	研究论文	本研究提出了一种基于深度学习的酵母分类方法，通过结合传统培养方法、白光光学显微镜和深度学习技术，快速检测和分类食品中的酵母	利用深度卷积神经网络在6小时内准确区分7种不同酵母，并通过生成对抗网络（GAN）生成的合成图像数据集提高了特定酵母物种的分类性能	研究仅验证了番茄和番茄汁中的模型性能，未涵盖所有食品类型	加速食品中酵母物种的检测和分类，以控制食品腐败	食品中的酵母物种	计算机视觉	NA	白光光学显微镜、深度学习	CNN、GAN	图像	7种不同酵母
146	2025-05-04	AI-based processing of future prepared foods: Progress and prospects 2025-Feb, Food research international (Ottawa, Ont.) DOI:10.1016/j.foodres.2025.115675 PMID:39849794	review	本文综述了人工智能在预制食品加工中的分类、清洁、切割、预处理和冷冻等环节的应用进展与前景	总结了AI在预制食品加工中的多种应用技术，如计算机视觉、深度学习模型等，并探讨了其在提高效率、准确性和一致性方面的潜力	面临大规模数据和复杂模型管理的挑战	探讨人工智能在预制食品加工中的应用及其对行业发展的影响	预制食品的加工过程	machine learning	NA	数学建模、化学计量学、机器学习、模糊逻辑、自适应神经模糊推理系统	深度学习模型	图像、光谱数据	NA
147	2025-05-04	Performance of Radiomics-based machine learning and deep learning-based methods in the prediction of tumor grade in meningioma: a systematic review and meta-analysis 2025-Jan-24, Neurosurgical review IF:2.5Q1 DOI:10.1007/s10143-025-03236-3 PMID:39849257	meta-analysis	评估基于机器学习和深度学习的影像组学方法在预测脑膜瘤WHO分级中的性能	首次通过系统综述和荟萃分析评估ML和DL模型在预测脑膜瘤WHO分级中的表现	需要更多使用外部验证的大规模数据集来进一步验证DL算法的性能	评估机器学习和深度学习模型在预测脑膜瘤WHO分级中的准确性	脑膜瘤患者的影像数据	digital pathology	meningioma	imaging studies	ML/DL	image	32项研究，共15,365名患者
148	2025-05-04	Optimising deep learning models for ophthalmological disorder classification 2025-Jan-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-75867-3 PMID:39856068	研究论文	本文利用深度学习模型对眼科疾病进行分类，并比较了不同优化器的性能	使用基于迁移学习的CNN方法对眼科疾病进行多类别和多标签分类，并比较了SGD和Adam优化器的性能	仅使用了ODIR数据库中的眼底图像，样本来源有限	优化深度学习模型以提高眼科疾病分类的准确性	眼科疾病（如高血压、青光眼和糖尿病视网膜病变）	计算机视觉	眼科疾病	眼底成像	CNN, MobileNet	图像	ODIR数据库中的患者左右眼眼底图像
149	2025-05-04	Detection of cervical cell based on multi-scale spatial information 2025-Jan-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-87165-7 PMID:39856153	research paper	提出了一种基于多尺度空间信息的宫颈细胞检测方法，以提高宫颈癌筛查和诊断的效率	设计了多尺度空间信息增强模块（MSA）和通道注意力增强模块（CAE），有效捕获并整合不同尺度的空间信息，动态优化关键特征	未提及方法在更大规模或多样化数据集上的泛化能力	提高宫颈癌筛查和诊断的效率和准确性	宫颈细胞	digital pathology	cervical cancer	deep learning	Sparse R-CNN with MSA and CAE	image	CDetector数据集（具体样本数量未提及）
150	2025-05-04	Clinically oriented automatic three-dimensional enamel segmentation via deep learning 2025-Jan-24, BMC oral health IF:2.6Q1 DOI:10.1186/s12903-024-05385-1 PMID:39856656	research paper	开发了一种基于深度学习的自动三维牙釉质分割方法，用于临床牙科诊断和治疗	提出了2.5D Attention U-Net模型，能够在少量样本数据集上进行训练，实现高效、准确的牙釉质分割	模型在少量样本数据集上进行训练，可能在大规模数据上的泛化能力有待验证	开发一种自动、高效、准确的牙釉质分割方法，以支持临床牙科诊断和治疗	牙釉质	digital pathology	dental disease	deep learning	2.5D Attention U-Net	image	手动标注的牙釉质分割数据
151	2025-05-04	Spatial transcriptome reveals histology-correlated immune signature learnt by deep learning attention mechanism on H&E-stained images for ovarian cancer prognosis 2025-Jan-24, Journal of translational medicine IF:6.1Q1 DOI:10.1186/s12967-024-06007-8 PMID:39856778	研究论文	利用深度学习注意力机制从H&E染色图像中学习与组织学相关的免疫特征，用于卵巢癌预后预测	通过空间转录组数据解析深度学习模型学习的注意力特征，揭示其与免疫特征的关联	研究依赖于特定数据集（TCGA），可能限制了结果的普适性	预测卵巢癌患者的预后，并理解预测机制	卵巢癌患者的H&E染色肿瘤样本	数字病理学	卵巢癌	空间转录组测序	ResNet101 CNN（带注意力机制）	图像（H&E染色全切片图像）	335名初治高级别浆液性卵巢癌患者的773张H&E染色切片
152	2025-05-04	Deep Learning Enabled Scoring of Pancreatic Neuroendocrine Tumors Based on Cancer Infiltration Patterns 2025-Jan-23, Endocrine pathology IF:11.3Q1 DOI:10.1007/s12022-025-09846-3 PMID:39847242	research paper	本研究提出了一种基于深度学习的计算流程，首次实现了胰腺神经内分泌肿瘤（PanNETs）的自动分类	首次使用图神经网络（GNN）结合病理学领域知识，定量表征PanNETs的浸润模式，显著提高了分类性能	研究仅基于105张HE染色全切片图像，样本量相对较小	开发自动化系统以减少PanNET分类中的人为判断差异	胰腺神经内分泌肿瘤（PanNETs）	digital pathology	pancreatic neuroendocrine tumors	HE染色全切片成像	GNN（图神经网络）	image	105张HE染色全切片图像
153	2025-05-04	Real-time detection and monitoring of public littering behavior using deep learning for a sustainable environment 2025-Jan-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-77118-x PMID:39848984	研究论文	利用深度学习技术实时检测和监控公共乱扔垃圾行为，以促进可持续环境	提出了一种结合MoViNet视频分类模型和YOLOv8目标检测模型的SAWN系统，用于实时检测乱扔垃圾行为并识别责任人	由于缺乏现成的乱扔垃圾数据集，研究团队需要模拟真实场景来收集数据，这可能影响模型的泛化能力	开发一个智能系统来检测和减少公共乱扔垃圾行为，保护环境和人类健康	车辆和行人的乱扔垃圾行为	计算机视觉	NA	深度学习	MoViNet, YOLOv8, LRCN, CNN-RNN	视频	模拟真实场景收集的数据集
154	2025-05-04	A deep learning approach for early prediction of breast cancer neoadjuvant chemotherapy response on multistage bimodal ultrasound images 2025-Jan-23, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-024-01543-7 PMID:39849366	research paper	本研究提出了一种新型卷积神经网络模型，用于早期预测乳腺癌新辅助化疗的疗效	提出了双模态分层特征融合模块（BLFFM）和时间混合注意力模块（THAM），能够有效挖掘灰阶超声（GUS）和彩色多普勒血流成像（CDFI）之间的复杂相关性和互补特征信息	样本量相对较小，仅包含101名患者的数据	早期预测乳腺癌新辅助化疗的疗效	局部晚期乳腺癌（LABC）患者	digital pathology	breast cancer	ultrasound imaging	CNN	image	101名患者的GUS和CDFI视频，预处理后得到3000组多阶段双模态超声图像组合
155	2025-05-04	Deep learning model targeting cancer surrounding tissues for accurate cancer diagnosis based on histopathological images 2025-Jan-23, Journal of translational medicine IF:6.1Q1 DOI:10.1186/s12967-024-06017-6 PMID:39849586	研究论文	提出了一种针对癌症周围组织的深度学习框架，用于基于组织病理学图像的胃癌诊断	发现了非癌症区域（ROI）权重依赖的模型性能，揭示了具有潜在重塑微环境和区域癌变的非癌症区域的诊断价值	未提及具体样本量的限制或模型在其他癌症类型上的泛化能力	提高基于组织病理学图像的癌症诊断准确性和效率	胃癌及其周围非癌组织的组织病理学图像	数字病理学	胃癌	深度学习	MobileNetV2	图像	未明确提及具体样本量
156	2025-05-04	Evaluating the impact of ESICM 2023 guidelines and the new global definition of ARDS on clinical outcomes: insights from MIMIC-IV cohort data 2025-Jan-23, European journal of medical research IF:2.8Q2 DOI:10.1186/s40001-025-02289-w PMID:39849624	研究论文	本研究评估了ESICM 2023指南和新全球ARDS定义对临床结果的影响，并基于MIMIC-IV队列数据进行了分析	比较了新ARDS定义与柏林定义在早期诊断、准确分级和资源有限环境中的应用优势，并建立了早期ARDS识别的预测模型	研究仅基于MIMIC-IV数据库的数据，可能无法完全代表所有临床环境	确定新ARDS定义对低氧性呼吸衰竭患者的影响，并研究新定义下患者的异质性以指导治疗	低氧性呼吸衰竭患者和ARDS患者	医学研究	急性呼吸窘迫综合征(ARDS)	Kaplan-Meier生存分析、层次聚类方法、XGBoost分类器	XGBoost	临床咨询数据	MIMIC-IV数据库中的患者数据
157	2025-05-04	Dendrites endow artificial neural networks with accurate, robust and parameter-efficient learning 2025-Jan-22, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-56297-9 PMID:39843414	research paper	本文提出了一种新型的人工神经网络架构，通过融入生物树突的结构化连接和受限采样特性，提高了学习的精确性、鲁棒性和参数效率	引入生物树突的结构化连接和受限采样特性，提出了一种新型的人工神经网络架构，显著减少了可训练参数数量，同时提高了模型的鲁棒性和性能	未提及具体的数据集规模或实际应用场景的验证	提高人工神经网络的学习精确性、鲁棒性和参数效率	人工神经网络（ANNs）	machine learning	NA	NA	dendritic ANNs	image	NA
158	2025-05-04	Investigating the intrinsic top-down dynamics of deep generative models 2025-Jan-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-85055-y PMID:39843473	研究论文	研究深度生成模型的内在自上而下动态特性，特别是迭代深度信念网络（iDBN）的生成动态	提出使用iDBN模拟神经认知发展，并通过初始化自上而下采样于'嵌合体状态'来增强生成多样数据原型的能力	模型并不总是能在单次生成轨迹中在所有潜在目标状态之间转换	探索分层生成模型的自上而下动态特性及其与神经科学理论的联系	深度信念网络（DBNs）及其扩展迭代DBN（iDBN）	机器学习	NA	无监督学习，Hebbian-like学习机制	DBN, iDBN, Restricted Boltzmann Machine	图像数据（手写数字和人脸图片）	NA
159	2025-05-04	A large histological images dataset of gastric cancer with tumour microenvironment annotation for AI 2025-Jan-22, Scientific data IF:5.8Q1 DOI:10.1038/s41597-025-04489-9 PMID:39843474	research paper	该研究提供了一个大型胃癌组织学图像数据集，包含肿瘤微环境的详细注释，用于AI研究	提供了首个完全注释了8种肿瘤微环境组织类别的大型胃癌组织学图像数据集	未提及模型在其他独立数据集上的验证结果	为胃癌肿瘤微环境分析提供高质量的标注数据集以支持AI研究	胃癌组织学图像及其肿瘤微环境	digital pathology	gastric cancer	组织学图像分析	deep learning models (具体未说明)	image	300张全切片图像生成的近31K张组织学图像
160	2025-05-04	Single-cell RNA-seq data augmentation using generative Fourier transformer 2025-Jan-22, Communications biology IF:5.2Q1 DOI:10.1038/s42003-025-07552-8 PMID:39843603	research paper	本文提出了一种名为scGFT的无训练、以细胞为中心的生成模型，用于增强单细胞RNA测序数据	scGFT是一种无需预训练或微调的生成模型，能够合成具有自然基因表达谱的单细胞数据	未明确提及具体局限性	解决单细胞RNA测序数据稀缺问题，提高统计可靠性	单细胞RNA测序数据	machine learning	NA	scRNA-seq	generative Fourier transformer (scGFT)	gene expression data	模拟和实验数据