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	2025-08-07	SecProGNN: Predicting Bronchoalveolar Lavage Fluid Secreted Protein Using Graph Neural Network 2025-Aug, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3548263 PMID:40042949	研究论文	本文提出了一种名为SecProGNN的新型深度学习框架，用于预测支气管肺泡灌洗液中的分泌蛋白	首次将图神经网络（GNN）应用于蛋白质分泌预测，并构建了端到端的预测框架SecProGNN	蛋白质的复杂性和技术限制可能影响预测的全面性	预测支气管肺泡灌洗液中的分泌蛋白并探索潜在的肺腺癌生物标志物	支气管肺泡灌洗液（BALF）中的蛋白质	生物信息学	肺腺癌	图神经网络（GNN）	GNN与多层感知机（MLP）结合	蛋白质序列数据	超过3000种BALF蛋白质
142	2025-08-07	Counterfactual Bidirectional Co-Attention Transformer for Integrative Histology-Genomic Cancer Risk Stratification 2025-Aug, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3548048 PMID:40042950	研究论文	提出了一种基于深度学习的CounterFactual Bidirectional Co-Attention Transformer框架，用于整合组织学和基因组数据以进行癌症风险分层	通过双向共同注意力层整合基因组和组织学模态的特征交互，并利用反事实推理减少学习偏差，探索不同特征对生存结果的影响	未明确提及具体局限性	提高癌症患者预后生存预测的准确性	癌症患者的组织学全切片图像(WSIs)和基因组数据	数字病理学	癌症	深度学习	Transformer	图像和基因组数据	来自TCGA的八种不同癌症基准数据集
143	2025-08-07	PPA Net: The Pixel Prediction Assisted Net for 3D TOF-MRA Cerebrovascular Segmentation 2025-Aug, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3561146 PMID:40293899	research paper	提出了一种名为PPA Net的深度学习模型，用于3D TOF-MRA脑血管分割	PPA Net由VesselMRA Net和VesselConvLSTM组成，通过矩形卷积块融合多尺度特征，利用注意力机制增强语义权重，并通过像素级预测模型减少个体差异	未提及具体局限性	提高TOF-MRA脑血管分割的准确性	脑血管	digital pathology	cerebrovascular disease	deep learning	PPA Net (包含VesselMRA Net和VesselConvLSTM)	3D TOF-MRA图像	三个公开数据集
144	2025-08-07	Detection and classification of femoral neck fractures from plain pelvic X-rays using deep learning and machine learning methods 2025-Aug, Ulusal travma ve acil cerrahi dergisi = Turkish journal of trauma & emergency surgery : TJTES DOI:10.14744/tjtes.2025.75806 PMID:40765193	研究论文	本研究使用深度学习和机器学习方法从骨盆X光片中检测和分类股骨颈骨折	比较了预训练深度学习模型（VGG-16、ResNet-50和MobileNetv2）在股骨颈骨折检测和分类中的性能，并发现VGG-16表现最佳，同时使用k-NN算法进一步提高了准确率	需要通过多中心研究进一步改进模型	诊断和分类股骨颈骨折	598张骨盆X光片，包括296名股骨颈骨折患者和302名无骨折个体	计算机视觉	老年疾病	深度学习、机器学习	VGG-16、ResNet-50、MobileNetv2、k-NN	图像	598张骨盆X光片
145	2025-08-07	Single Capture Quantitative Oblique Back-Illumination Microscopy 2025-Aug-01, bioRxiv : the preprint server for biology DOI:10.1101/2025.07.29.667497 PMID:40766649	研究论文	本文介绍了一种新型的单捕获定量斜背照显微镜技术（SCqOBM），利用深度学习模型从单次斜背照捕获中准确重建相位信息	SCqOBM技术通过深度学习模型实现单次捕获即可重建相位信息，显著提高了成像速度和系统简化	NA	开发一种更快速、更简化的定量相位成像技术，用于生物医学研究和临床诊断	小鼠脑部和人类手臂的血液流动等生物样本	生物医学成像	NA	定量斜背照显微镜（qOBM）和深度学习	深度学习模型	3D定量相位图像	多样化的生物样本
146	2025-08-07	Exploration of Fully-Automated Body Composition Analysis Using Routine CT-Staging of Lung Cancer Patients for Survival Prognosis 2025-Aug, Journal of cachexia, sarcopenia and muscle DOI:10.1002/jcsm.70021 PMID:40767951	研究论文	本研究探讨了利用常规CT分期对肺癌患者进行全自动身体成分分析（BCA）以预测生存预后的方法	首次评估了基于AI的自动BCA在肺癌患者生存预后中的价值，并开发了包含临床数据的多变量生存模型	研究结果在不同中心和性别之间存在差异，需要进一步的特定中心和性别验证	评估自动身体成分分析在肺癌患者生存预后中的价值	来自两个医院的肺癌患者（A医院n=3345，B医院n=1364）	数字病理	肺癌	深度学习网络分割技术	深度学习网络	CT图像	A医院3345例（中位年龄65岁，86%NSCLC，40%M1，40%女性），B医院1364例（中位年龄66岁，87%NSCLC，37%M1，38%女性）
147	2025-08-07	Dual prompt personalized federated learning in foundation models 2025-Jul-31, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-11864-4 PMID:40745444	研究论文	本文提出了一种名为双提示个性化联邦学习（DPFL）的框架，旨在解决有限本地数据下的模型训练不足问题，并实现新客户端的无缝集成	引入了双提示和自适应聚合策略，结合全局任务意识和本地数据驱动洞察，提升模型在异构数据分布下的泛化能力	未明确提及具体实验规模或实际部署中可能遇到的挑战	解决联邦学习在有限本地数据和客户端异构性下的性能问题	个性化联邦学习框架及其在新客户端集成中的应用	机器学习	NA	联邦学习、基础模型微调	CLIP（基础模型）	图像-文本对数据（基于CLIP的应用场景推断）	未明确说明具体样本量，仅提及高度异构环境下的实验结果
148	2025-08-07	Advancing deep learning for expressive music composition and performance modeling 2025-Jul-31, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-13064-6 PMID:40745012	research paper	该研究比较了三种深度学习架构（LSTM、Transformer和GAN）在AI音乐创作和转录方面的表现，并提出了一个双评估框架	创新点在于整合了客观指标和主观人类评估的双重评估框架，以及使用MAESTRO数据集进行音乐生成和转录的比较分析	人类创作的音乐在感知质量上仍优于机器生成音乐（MOS: 4.8 vs 4.3），表明模型在情感表达和长期结构连贯性上仍有不足	提升AI在音乐创作和表演建模中的表现，特别是增强长期结构连贯性和情感细腻度	AI生成的音乐作品及其与人类创作的比较	machine learning	NA	深度学习	LSTM, Transformer, GAN	音乐数据	50名听众参与的主观评估
149	2025-08-07	Development of a novel deep learning method that transforms tabular input variables into images for the prediction of SLD 2025-Jul-31, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-12900-z PMID:40745379	研究论文	开发了一种新的深度学习方法，将表格输入变量转换为图像，用于预测脂肪性肝病（SLD）	提出了一种将表格数据转换为图像的新方法，利用深度学习模型的模式识别能力提高预测性能	数据集仅包含2999名患者，可能不足以代表更广泛的人群	开发一种新的深度学习方法，用于预测脂肪性肝病（SLD）	脂肪性肝病（SLD）患者	机器学习	脂肪性肝病	深度学习	DL	表格数据转换为图像	2999名患者
150	2025-08-07	A comprehensive multifaceted technical evaluation framework for implementation of auto-segmentation models in radiotherapy 2025-Jul-31, Communications medicine IF:5.4Q1 DOI:10.1038/s43856-025-01048-6 PMID:40745381	research paper	提出一个全面的多层面技术评估框架，用于验证放疗中自动分割模型的实施	开发了一个综合评估框架，结合几何测量、专家评价、时间效率分析和剂量学评估，用于验证自动分割模型	需要建立标准化的基准和共识指南，以便临床实施和不同分割工具的比较	验证自动分割模型在放疗中的临床应用	脑部风险器官的自动分割模型	digital pathology	NA	deep learning	自动分割模型	image	100例训练数据，8位放射肿瘤专家评估
151	2025-08-07	IHE-Net:Hidden feature discrepancy fusion and triple consistency training for semi-supervised medical image segmentation 2025-Jul-31, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103229 PMID:40763409	研究论文	提出了一种新型半监督医学图像分割框架IHE-Net，利用异构编码器的特征差异提升分割性能	通过异构编码器（CNN和Transformer/Mamba）的特征差异融合模块（MFDF）和三重一致性学习策略，增强模型表示能力和预测稳定性	未明确说明计算资源需求或模型在更大规模数据集上的泛化能力	提升半监督医学图像分割的精度和鲁棒性	皮肤病变图像	数字病理	皮肤病变	半监督深度学习	CNN, Transformer/Mamba	医学图像	三个皮肤病变分割数据集（ISIC2017, ISIC2018, PH2）
152	2025-08-07	Fluid-SegNet: Multi-dimensional loss-driven Y-Net with dilated convolutions for OCT B-scan fluid segmentation 2025-Jul-31, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2025.102613 PMID:40763605	研究论文	提出了一种名为Fluid-SegNet的新型深度学习分割框架，用于提高OCT B扫描中液体区域分割的准确性	Fluid-SegNet通过多维损失驱动的Y-Net和扩张卷积，有效解决了液体区域分割中的精细细节描绘和异质性挑战	NA	提高OCT B扫描中液体区域分割的准确性，为自动化视网膜疾病诊断系统和视力预测模型的发展奠定基础	OCT B扫描中的液体区域	计算机视觉	视网膜疾病	深度学习	Y-Net	图像	三个公共数据集（UMN、AROI和OIMHS）
153	2025-08-07	IgCONDA-PET: Weakly-supervised PET anomaly detection using implicitly-guided attention-conditional counterfactual diffusion modeling - a multi-center, multi-cancer, and multi-tracer study 2025-Jul-31, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2025.102615 PMID:40763604	研究论文	提出一种弱监督的PET异常检测方法IgCONDA-PET，通过隐式引导注意力条件反事实扩散模型，减少对像素级标注数据的依赖	使用隐式引导的反事实扩散模型进行PET异常检测，结合注意力模块和多中心、多癌症、多示踪剂数据，提高了对小异常检测的能力	方法依赖于健康数据的质量，且扩散模型的训练可能比传统方法更复杂	减少PET病变检测和分割网络对像素级标注数据的依赖	PET扫描图像	数字病理学	多癌症	扩散模型	IgCONDA-PET	图像	2652例（多中心、多癌症、多示踪剂）
154	2025-08-07	Tranquillyzer: A Flexible Neural Network Framework for Structural Annotation and Demultiplexing of Long-Read Transcriptomes 2025-Jul-31, bioRxiv : the preprint server for biology DOI:10.1101/2025.07.25.666829 PMID:40766630	research paper	介绍了一个名为Tranquillyzer的灵活神经网络框架，用于长读长转录组的结构注释和解复用	采用混合神经网络架构和全局上下文感知设计，能够精确识别结构元素，即使元素因测序噪音或文库构建变异而移位、部分降解或重复	未提及具体性能对比或在实际应用中的局限性	开发一个灵活、可扩展的框架，用于处理长读长单细胞RNA测序数据	长读长单细胞RNA测序数据	生物信息学	NA	Oxford Nanopore Technologies (ONT) 长读长单细胞RNA测序	混合神经网络	RNA测序数据	NA
155	2025-08-07	On the Utility of Virtual Staining for Downstream Applications as it relates to Task Network Capacity 2025-Jul-31, ArXiv PMID:40766889	研究论文	本研究系统地探讨了虚拟染色在促进临床相关下游任务（如分割或分类）中的效用，并考虑了用于执行任务的深度神经网络的能力	首次系统地研究了虚拟染色对下游任务网络性能的影响，并提出了网络容量的概念作为关键因素	研究结果可能受限于所使用的特定生物数据集和网络架构	评估虚拟染色技术对临床相关下游任务的实际效用	虚拟染色生成的图像及其对下游任务网络性能的影响	数字病理学	NA	深度学习图像到图像转换网络	image-to-image translation networks	图像	未明确提及具体样本数量
156	2025-08-07	Optimizing Thyroid Nodule Management With Artificial Intelligence: Multicenter Retrospective Study on Reducing Unnecessary Fine Needle Aspirations 2025-Jul-30, JMIR medical informatics IF:3.1Q2 DOI:10.2196/71740 PMID:40737551	研究论文	本研究评估了人工智能在真实临床环境中识别甲状腺良性结节的能力，以减少不必要的细针穿刺活检	首次在真实临床环境中评估AI系统识别甲状腺良性结节的性能，并与放射科医生进行比较	AI系统仍会误判少量低侵袭性恶性结节为良性	优化甲状腺结节管理，减少不必要的细针穿刺活检	甲状腺结节	数字病理	甲状腺癌	深度学习	深度学习AI系统	超声图像	验证队列4572个甲状腺结节（良性3134个，恶性1438个），比较队列118个良性结节
157	2025-08-07	Histopathological-based brain tumor grading using 2D-3D multi-modal CNN-transformer combined with stacking classifiers 2025-Jul-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-11754-9 PMID:40739310	研究论文	本文提出了一种结合2D-3D多模态CNN-transformer和堆叠分类器的混合学习架构，用于脑肿瘤的组织病理学分级	结合2D-3D混合CNN和视觉Transformer（ViT）提取特征，并使用堆叠集成机器学习分类器提高泛化能力，显著提升了脑肿瘤分级的准确性和特异性	未提及模型在临床实际应用中的验证情况，以及对于不同医院或实验室采集的数据的泛化能力	提高脑肿瘤组织病理学分级的准确性和可靠性	脑肿瘤的组织病理学图像	数字病理学	脑肿瘤	深度学习（DL）	2D-3D混合CNN, 视觉Transformer（ViT）, 堆叠集成分类器	图像	两个公开数据集：TCGA和DeepHisto
158	2025-08-07	An Indian database for grading wound healing and cross-corpus classification using perturbation-based Explainable AI models 2025-Jul-30, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108981 PMID:40763622	研究论文	本研究利用智能手机拍摄的2D RGB伤口图像，通过轻量级深度学习模型对伤口进行分类，基于愈合能力分为三个阶段	提出了一个新的印度伤口数据库Amrita_wound，并结合开放数据集AZH和Medetec，使用轻量级模型和可解释AI工具Grad-CAM提高预测透明度	在跨数据集测试中，模型的平均F1分数为68%，显示出在泛化能力上仍有提升空间	开发一个自动化的伤口分级系统，帮助患者理解愈合程度并支持医生基于可见的严重性特征优先处理伤口护理	伤口图像	计算机视觉	伤口愈合	深度学习	MobileViT X S, FastViT T8	图像	Amrita_wound数据库、AZH和Medetec数据集
159	2025-08-07	A Novel 14-Gene Panel Associated With Efferocytosis for Predicting Pancreatic Cancer Prognosis Through Bulk and Single-Cell Databases 2025-Jul-30, Frontiers in bioscience (Landmark edition) DOI:10.31083/FBL40818 PMID:40765357	研究论文	本研究通过整合单细胞RNA测序和大规模转录组数据，识别了一个与胰腺导管腺癌（PDAC）预后相关的14基因面板，并构建了一个ER风险评分系统	首次提出了一个基于14个ER相关基因的新型预后标志物，并利用深度学习构建了ER风险评分系统，为PDAC的预后预测提供了新方法	研究主要基于生物信息学分析，实验验证部分相对有限，未来需要更多实验验证这些基因的功能	探索efferocytosis（ER）在胰腺导管腺癌（PDAC）进展中的作用，并开发新的预后预测模型	胰腺导管腺癌（PDAC）的肿瘤微环境中的肿瘤细胞、基质细胞和免疫细胞	数字病理学	胰腺癌	scRNA-seq, bulk转录组测序, LASSO回归, 随机生存森林（RSF）算法	深度学习, RSF	基因表达数据	来自TCGA和GEO数据库的数据，具体样本数量未明确说明
160	2025-08-07	Deep learning based treatment remission prediction to transcranial direct current stimulation in bipolar depression using EEG power spectral density 2025-Jul-29, medRxiv : the preprint server for health sciences DOI:10.1101/2024.07.16.24310445 PMID:40766130	研究论文	本研究利用深度学习模型分析脑电图信号，预测双相抑郁患者在接受6周家庭经颅直流电刺激治疗后的临床缓解情况	首次将1DCNN和GRU混合模型应用于EEG功率谱密度数据，用于预测tDCS治疗双相抑郁的缓解效果	样本量较小（仅21名参与者），可能影响模型的泛化能力	开发能够预测经颅直流电刺激治疗双相抑郁疗效的深度学习模型	双相抑郁患者	机器学习	双相情感障碍	EEG功率谱密度分析	1DCNN和GRU混合模型	EEG信号	21名双相抑郁患者