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
1701	2025-04-16	Reconstructing 3D chromosome structures from single-cell Hi-C data with SO(3)-equivariant graph neural networks 2025-03, NAR genomics and bioinformatics IF:4.0Q1 DOI:10.1093/nargab/lqaf027 PMID:40124711	research paper	提出了一种基于SO(3)-等变图神经网络(HiCEGNN)的机器学习方法，用于从单细胞Hi-C数据中重建染色体的3D结构	首次将SO(3)-等变图神经网络应用于单细胞Hi-C数据的3D染色体结构重建，相比传统优化方法和现有深度学习方法表现更优	未提及具体的数据集规模限制或计算资源需求	开发新方法以解决单细胞Hi-C数据稀疏性导致的3D染色体结构重建难题	单细胞染色体的3D空间构象	computational biology	NA	single-cell Hi-C (ScHi-C)	SO(3)-equivariant graph neural network (HiCEGNN)	chromosomal contact data	diverse cells (未提具体数量)
1702	2025-04-16	OVision A raspberry Pi powered portable low cost medical device framework for cancer diagnosis 2025-Feb-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-91914-z PMID:40021723	research paper	介绍OVision，一种基于树莓派的低成本便携式医疗设备框架，用于癌症诊断	利用树莓派开发低成本、便携式深度学习框架，无需互联网连接和高性能基础设施，显著降低成本同时保持诊断准确性	目前仅作为概念验证，仅在卵巢癌亚型检测中进行了测试	解决资源有限地区癌症诊断技术获取不平等的问题	卵巢癌亚型	digital pathology	ovarian cancer	deep learning	NA	image	NA
1703	2025-04-16	Schizophrenia recognition based on three-dimensional adaptive graph convolutional neural network 2025-02-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-84497-8 PMID:39900572	research paper	提出了一种基于三维自适应图卷积神经网络的精神分裂症分类模型，利用EEG信号的三维空间特性和动态学习节点间交互	首次将三维自适应图卷积神经网络应用于精神分裂症识别，动态学习EEG信号的空间、特征和频带维度交互	未提及模型在其他精神疾病或更大规模数据集上的泛化能力	提高精神分裂症的早期诊断和识别准确率	首次发作精神分裂症患者的EEG数据	digital pathology	精神分裂症	EEG信号分析	3D-AGCN (GAT + GCN)	EEG信号	未明确说明样本数量，使用不同分段长度和频带的EEG数据
1704	2025-04-16	AI-based prediction of androgen receptor expression and its prognostic significance in prostate cancer 2025-02-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-88199-7 PMID:39893198	research paper	本研究开发了一种基于AI的预后模型，利用深度学习从全切片图像中提取雄激素受体区域特征，用于预测前列腺癌的生化复发	结合雄激素受体区域特征和深度学习技术，提高了前列腺癌生化复发预测的准确性	研究仅基于两个中心的545名患者数据，可能需要更大规模的数据验证	开发高准确性的前列腺癌预后预测模型	前列腺癌患者	digital pathology	prostate cancer	deep learning	CNN	image	545名患者
1705	2025-04-16	Localization and detection of deepfake videos based on self-blending method 2025-01-31, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-88523-1 PMID:39890891	research paper	本文提出了一种基于自混合方法的深度伪造视频定位与检测技术	提出了一种无需伪造样本的空间训练方法，通过多部分局部位移变形和融合技术生成更多样化的深度伪造特征数据，并利用Swin-Unet模型结合多种损失函数提高定位和检测精度	在训练数据集之外的伪造视频检测性能可能有限，且缺乏细粒度标注的数据集可能影响定位精度	提高深度伪造视频的检测准确性和被篡改区域的定位精度	深度伪造视频	computer vision	NA	多部分局部位移变形和融合技术	Swin-Unet	video	FF++、Celeb-DF和DFDC等数据集
1706	2025-04-16	Automated strabismus detection and classification using deep learning analysis of facial images 2025-01-31, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-88154-6 PMID:39890897	研究论文	本文提出了一种基于深度学习的自动检测和分类斜视的新方法	利用CNN在面部图像上实现高精度的斜视检测和分类，包括二分类和多分类任务	数据集规模有限，尤其是多分类任务的数据量较少	开发一种自动化的斜视检测和分类方法，以辅助医疗专业人员进行早期诊断和治疗规划	面部图像	计算机视觉	斜视	深度学习	CNN	图像	二分类任务包含4,257张面部图像（1,599例正常，2,658例斜视），多分类任务包含622张图像（480例斜视，142例非斜视）
1707	2025-04-16	An interpretable machine learning model for seasonal precipitation forecasting 2025, Communications earth & environment IF:8.1Q1 DOI:10.1038/s43247-025-02207-2 PMID:40125292	研究论文	介绍了一种名为TelNet的可解释机器学习模型，用于短至中期季节性降水预测	TelNet模型采用简单的编码器-解码器-头部架构，能够在数据有限的情况下进行训练，并通过变量选择权重实现实例和提前时间的预测解释	模型在数据量有限的情况下训练，可能影响其泛化能力	开发一种高准确性和可解释性的季节性降水预测模型	季节性降水预测	机器学习	NA	序列到序列机器学习	TelNet（编码器-解码器-头部架构）	季节性降水值和气候指数	多次重采样的训练、验证和测试集
1708	2025-04-16	AADNet: Exploring EEG Spatiotemporal Information for Fast and Accurate Orientation and Timbre Detection of Auditory Attention Based on a Cue-Masked Paradigm 2025, IEEE transactions on neural systems and rehabilitation engineering : a publication of the IEEE Engineering in Medicine and Biology Society IF:4.8Q1 DOI:10.1109/TNSRE.2025.3555542 PMID:40168202	research paper	该研究提出了一种基于EEG的快速准确解码听觉注意方向与音色的方法，并开发了一个名为AADNet的端到端深度学习模型	提出了一种避免信息泄露的线索掩蔽听觉注意范式，并开发了AADNet模型以利用EEG信号的时空信息实现高精度低延迟解码	未明确提及具体局限性，但可能包括样本多样性或实际环境噪声的复杂性	开发快速准确的听觉注意解码技术，用于神经导向助听器等辅助听力设备	EEG信号中的听觉注意方向（OA）与音色注意（TA）	脑机接口	NA	EEG信号分析	AADNet（端到端深度学习模型）	EEG信号	未明确提及具体样本数量
1709	2025-04-16	Practical implementation and impact of the 4R principles in ethnopharmacology: Pursuing a more humane approach to research 2025, Frontiers in pharmacology IF:4.4Q1 DOI:10.3389/fphar.2025.1543316 PMID:40223937	research paper	本文探讨了在民族药理学研究中实施4R原则（减少、优化、替代和责任）的实际方法和影响，以追求更人道的研究方法	引入了4R原则中的'责任'原则，强调研究人员在实验过程中对动物福利的伦理义务，扩展了传统的3R原则	未具体说明实施4R原则在实际研究中的具体挑战或障碍	提升民族药理学研究中动物实验的伦理标准，推动更人道的科学研究方法	民族药理学研究中的动物实验	民族药理学	NA	3D器官样体、深度学习技术	NA	NA	NA
1710	2025-04-16	Enhancing multilevel tea leaf recognition based on improved YOLOv8n 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1540670 PMID:40225027	research paper	该研究提出了一种改进的YOLOv8n模型（T-YOLOv8n），用于增强多层级茶叶识别，以提高自动化茶叶采摘的效率和准确性	引入了重叠标记的茶叶类别数据集生成方法，并在T-YOLOv8n模型中整合了CBAM和BiFPN模块，优化了多尺度特征融合，同时结合CIOU和Focal Loss函数提高了边界框预测的准确性和稳定性	未明确提及具体的数据集规模或实际部署中的潜在挑战	提升自动化茶叶采摘中不同茶叶类别的识别精度	茶叶叶片	computer vision	NA	深度学习	T-YOLOv8n（基于YOLOv8n改进）	图像	NA
1711	2025-04-16	Color Fundus Photography and Deep Learning Applications in Alzheimer Disease 2024-Dec, Mayo Clinic proceedings. Digital health DOI:10.1016/j.mcpdig.2024.08.005 PMID:39748801	研究论文	本文报告了两种基于视网膜彩色眼底照片的深度学习模型在阿尔茨海默病分类中的开发与性能	开发了两种新型深度学习模型（ADVAS和ADRET），其中ADRET采用自监督学习卷积神经网络，在阿尔茨海默病筛查中表现出更高的准确性	需要在更大和多样化的人群中进一步验证，并整合技术以协调眼底照片和减少成像相关噪声	开发并评估基于视网膜彩色眼底照片的深度学习模型在阿尔茨海默病分类中的性能	阿尔茨海默病患者和对照组的视网膜彩色眼底照片	数字病理学	阿尔茨海默病	深度学习	U-Net, 自监督学习卷积神经网络（ADRET）	图像	来自UK Biobank和一家三级学术机构的两组独立数据集
1712	2025-04-16	Integrating Interpretability in Machine Learning and Deep Neural Networks: A Novel Approach to Feature Importance and Outlier Detection in COVID-19 Symptomatology and Vaccine Efficacy 2024-11-29, Viruses DOI:10.3390/v16121864 PMID:39772174	研究论文	本研究提出了一种新颖的方法，整合了传统机器学习和深度神经网络的可解释性技术，用于量化特征重要性并检测COVID-19症状学和疫苗效力中的异常值	该方法弥合了可解释的机器学习模型与强大的深度学习架构之间的差距，为模型预测背后的关键驱动因素提供了全面的见解	研究仅使用了2020年早期的COVID-19疫情数据，样本可能不够全面	提高对COVID-19症状学的理解并增强早期病例检测	COVID-19检测个体的自我报告症状和测试结果	机器学习	COVID-19	机器学习和深度学习的可解释性技术	传统ML和DNN	医疗数据	2020年早期接受COVID-19检测的个体数据集
1713	2025-04-16	HLAPepBinder: An Ensemble Model for The Prediction Of HLA-Peptide Binding 2024-Oct, Iranian journal of biotechnology IF:1.6Q4 DOI:10.30498/ijb.2024.459448.3927 PMID:40225296	研究论文	介绍了一种名为HLAPepBinder的集成模型，用于预测HLA-肽结合	使用随机森林方法整合多个预测模型的结果，提供了一种自动化的预测框架，无需手动选择模型	缺乏可靠的阴性数据，且通常假设未知相互作用为阴性	提高HLA-肽结合预测的准确性和效率	HLA-肽结合	机器学习	癌症	集成机器学习方法	随机森林	肽序列数据	NA
1714	2025-04-16	Reproducible image-based profiling with Pycytominer 2024-Jul-02, ArXiv PMID:38045474	research paper	介绍了一个名为Pycytominer的用户友好开源Python包，用于处理高通量显微镜图像分析产生的单细胞特征数据	提出了Pycytominer这一工具，实现了图像分析后的生物信息学步骤，即“基于图像的剖析”	未提及具体的技术限制或应用范围的局限性	开发一个工具以处理高通量显微镜图像分析产生的单细胞特征数据，用于下游应用	高通量显微镜图像分析产生的单细胞特征数据	digital pathology	NA	high-throughput microscopy	NA	image	NA
1715	2025-04-16	Application of deep learning radiomics in oral squamous cell carcinoma-Extracting more information from medical images using advanced feature analysis 2024-06, Journal of stomatology, oral and maxillofacial surgery DOI:10.1016/j.jormas.2024.101840 PMID:38548062	meta-analysis	本文通过系统综述和荟萃分析评估了深度学习放射组学在口腔鳞状细胞癌（OSCC）中的应用	结合深度学习算法与放射组学技术，提高了OSCC的诊断、鉴别诊断、疗效评估和预后预测的准确性	存在轻微的发表偏倚（P = 0.03），且当前阶段的深度学习放射组学技术仍有不足	评估深度学习放射组学在OSCC中的应用效果	口腔鳞状细胞癌（OSCC）的医学影像	digital pathology	oral squamous cell carcinoma	深度学习放射组学	深度学习算法	医学影像	26项研究，共64,731张医学影像
1716	2025-04-16	Deep Learning-Based Prediction Modeling of Major Adverse Cardiovascular Events After Liver Transplantation 2024-Jun, Mayo Clinic proceedings. Digital health DOI:10.1016/j.mcpdig.2024.03.005 PMID:38993485	research paper	本研究利用深度学习模型预测肝移植后主要不良心血管事件（MACE）的风险	使用双向门控循环单元（BiGRU）深度学习模型预测肝移植后不同时间段的MACE风险，并与其他基线机器学习模型进行比较	研究依赖于纵向索赔数据，可能存在数据不完整或偏差	验证深度学习模型在预测肝移植后MACE风险中的能力	18,304名肝移植受者	machine learning	cardiovascular disease	BiGRU	deep learning	longitudinal claims data	18,304名肝移植受者（平均年龄57.4岁，39.1%为女性）
1717	2025-04-16	A Systematic Review of Natural Language Processing Methods and Applications in Thyroidology 2024-Jun, Mayo Clinic proceedings. Digital health DOI:10.1016/j.mcpdig.2024.03.007 PMID:38938930	综述	本文综述了自然语言处理（NLP）在甲状腺相关疾病中的应用，总结了当前挑战和未来潜在方向	系统性地回顾了NLP在甲状腺学中的应用，并总结了当前挑战和未来方向	临床文档不一致和模型可移植性等问题限制了NLP在甲状腺学中的临床应用	回顾NLP在甲状腺相关疾病中的应用并总结挑战与未来方向	甲状腺相关疾病（如甲状腺结节、甲状腺癌等）的NLP应用研究	自然语言处理	甲状腺疾病	NLP（包括基于规则、机器学习和深度学习方法）	深度学习、基于规则、传统机器学习	电子健康记录、健康论坛、医学文献数据库、基因组数据库	24项符合条件的NLP研究
1718	2025-04-16	Accurate single-molecule spot detection for image-based spatial transcriptomics with weakly supervised deep learning 2024-May-15, Cell systems IF:9.0Q1 DOI:10.1016/j.cels.2024.04.006 PMID:38754367	研究论文	介绍了一种名为Polaris的分析流程，用于图像空间转录组学，结合深度学习模型进行细胞分割和斑点检测，以及概率基因解码器来准确量化单细胞基因表达	提出了一种统一的、即插即用的解决方案Polaris，能够准确量化单细胞基因表达，适用于多种空间转录组学实验	未明确提及具体局限性	开发一个自动化的分析流程，用于图像空间转录组学数据的处理和分析	图像空间转录组学数据，特别是来自MERFISH、seqFISH和ISS实验的数据	数字病理学	NA	MERFISH、seqFISH、ISS	深度学习模型	图像	未明确提及具体样本数量
1719	2025-04-16	Deep learning based digital pathology for predicting treatment response to first-line PD-1 blockade in advanced gastric cancer 2024-05-08, Journal of translational medicine IF:6.1Q1 DOI:10.1186/s12967-024-05262-z PMID:38720336	研究论文	本研究利用深度学习分析病理图像，旨在预测晚期胃癌患者对一线PD-1联合化疗的治疗反应	开发了基于深度学习的免疫检查点抑制剂反应评分（ICIsRS），作为一种新型组织病理学生物标志物，用于预测治疗反应	研究为多中心回顾性分析，可能需要前瞻性研究进一步验证	预测晚期胃癌患者对一线PD-1联合化疗的治疗反应，以实现精准患者选择	晚期胃癌患者	数字病理学	胃癌	深度学习	集成模型（ICIsNet）	图像（H&E染色切片）	264名晚期胃癌患者的313张全切片图像（WSIs），共148,181个图像块
1720	2025-04-16	Deep learning imaging phenotype can classify metabolic syndrome and is predictive of cardiometabolic disorders 2024-05-08, Journal of translational medicine IF:6.1Q1 DOI:10.1186/s12967-024-05163-1 PMID:38720370	研究论文	本研究利用深度学习从腹部CT扫描中提取图像衍生表型（IDP），用于分类代谢综合征并预测未来心血管代谢疾病的发生	提出了一种基于深度学习的图像衍生表型（IDP），在代谢综合征分类和心血管代谢疾病预测方面优于传统的放射组学特征和临床定义	研究样本量有限，且仅基于腹部CT扫描，未考虑其他可能的影像学或临床数据	开发一种基于深度学习的图像衍生表型（IDP），用于早期检测和干预代谢异常，以降低心血管代谢疾病的风险	2000多名个体的腹部CT扫描数据，其中1300多名用于预测未来高血压、II型糖尿病和脂肪肝疾病的发生	数字病理学	心血管疾病	深度学习	深度学习模型（未具体说明）	图像（腹部CT扫描）	2000多名个体（其中1300多名用于疾病预测）