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
17961	2025-10-07	Enhancing brain tumor classification by integrating radiomics and deep learning features: A comprehensive study utilizing ensemble methods on MRI scans 2025-Jan, Journal of X-ray science and technology IF:1.7Q3 DOI:10.1177/08953996241299996 PMID:39973780	研究论文	本研究通过整合影像组学特征和深度学习特征，利用集成学习方法提升脑肿瘤MRI分类性能	首次将影像组学特征与3D CNN深度学习特征相结合，并系统比较多种集成学习方法在脑肿瘤分类中的效果	仅使用T1加权对比增强MRI序列，未包含其他MRI序列；样本来源单一，泛化能力有待进一步验证	评估结合影像组学特征和深度学习特征在脑肿瘤分类中的有效性	胶质瘤、脑膜瘤和垂体瘤三类脑肿瘤	医学影像分析	脑肿瘤	MRI成像	CNN, SVM, DT, RF, AdaBoost, Bagging, KNN, MLP	医学影像	3064个T1加权对比增强脑部MRI扫描	Pyradiomics, 未指定深度学习框架	3D CNN	准确率, AUC, 敏感度, 特异度	NA
17962	2025-10-07	MRI classification and discrimination of spinal schwannoma and meningioma based on deep learning 2025-Jan, Journal of X-ray science and technology IF:1.7Q3 DOI:10.1177/08953996241289745 PMID:39973782	研究论文	本研究基于深度学习构建MRI分类模型，用于自动区分脊髓神经鞘瘤和脑膜瘤	通过引入选择性卷积核模块改进原始CNN模型，增强网络对肿瘤特征的关注，有效提升网络性能	回顾性研究，样本量较小（74例患者），来自单一医疗机构	促进脊髓肿瘤早期诊断并减轻临床医生压力	经病理证实的脊髓神经鞘瘤和脑膜瘤患者	计算机视觉	脊髓肿瘤	磁共振成像	CNN	图像	74例患者（2015-2020年）	PyTorch	ResNet34-SKConv	准确率, 特异性, F1分数	NA
17963	2025-10-07	Three-dimensional semi-supervised lumbar vertebrae region of interest segmentation based on MAE pre-training 2025-Jan, Journal of X-ray science and technology IF:1.7Q3 DOI:10.1177/08953996241301685 PMID:39973800	研究论文	提出一种基于MAE预训练的三维半监督腰椎感兴趣区域分割方法	改进了原始MAE预训练网络的掩码策略，提出管状掩码MAE预训练方法，并结合伪标签生成的半监督学习	在有限标注数据条件下进行实验，可能对数据稀缺场景的泛化能力有待进一步验证	实现腰椎感兴趣区域的自动分割以辅助临床骨密度评估	腰椎三维医学图像	计算机视觉	骨科疾病	医学图像分割	MAE, 半监督学习	三维医学图像	NA	NA	MAE, UNetr	Dice系数, Hausdorff距离	NA
17964	2025-10-07	The classification of absence seizures using power-to-power cross-frequency coupling analysis with a deep learning network 2025, Frontiers in neuroinformatics IF:2.5Q3 DOI:10.3389/fninf.2025.1513661 PMID:39995596	研究论文	本研究提出了一种基于功率-功率跨频率耦合分析和堆叠稀疏自编码器的失神发作自动分类方法	首次将功率-功率跨频率耦合分析应用于癫痫发作分类研究，并结合深度学习方法进行自动分类	样本量相对较小（仅12名患者），仅针对失神发作类型进行研究	开发基于脑电图信号的失神发作自动分类方法	失神发作患者的脑电图信号	机器学习	癫痫	脑电图信号分析，跨频率耦合分析	SSAE（堆叠稀疏自编码器）	脑电图信号	12名患者的94次失神发作记录及背景活动片段	EEGLAB	堆叠稀疏自编码器	灵敏度，特异性，准确率	NA
17965	2025-10-07	Contrast quality control for segmentation task based on deep learning models-Application to stroke lesion in CT imaging 2025, Frontiers in neurology IF:2.7Q3 DOI:10.3389/fneur.2025.1434334 PMID:39995787	研究论文	提出一种基于深度学习模型的对比度质量控制方法，用于CT影像中卒中病灶分割任务	首次将Fisher比率用于评估医学影像对比度质量，并确定分割模型学习失效的临界对比度阈值	方法目前仅应用于CT影像中的卒中病灶分割，尚未验证在其他任务中的适用性	解决CT影像中亚急性卒中病灶分割因图像对比度不足导致的挑战	CT脑部影像中的卒中病灶	医学影像分析	卒中	CT成像	深度学习分割模型	CT影像	NA	NA	NA	Fisher比率	NA
17966	2025-10-07	Deep Learning for Predicting Biomolecular Binding Sites of Proteins 2025, Research (Washington, D.C.) DOI:10.34133/research.0615 PMID:39995900	综述	本文综述了深度学习在预测蛋白质生物分子结合位点方面的应用与发展趋势	提出了结合序列和结构信息的多模态混合模型，以及几何深度学习在结合位点预测中的创新应用	计算需求大，动态建模困难，结构方法需要高质量结构数据	开发计算高效且灵活的模型，以捕捉真实世界生物分子相互作用的复杂性	蛋白质生物分子结合位点	机器学习	NA	深度学习	几何深度学习，混合模型	序列数据，结构数据	NA	NA	NA	预测准确性	NA
17967	2025-10-07	Identifying relevant EEG channels for subject-independent emotion recognition using attention network layers 2025, Frontiers in psychiatry IF:3.2Q2 DOI:10.3389/fpsyt.2025.1494369 PMID:39995952	研究论文	本研究使用注意力机制识别跨被试情感识别中相关的EEG通道	首次将注意力网络层应用于识别跨被试情感识别中一致相关的EEG通道	仅在三个特定数据集上验证，未考虑更多样化的实验条件	提升跨被试情感识别模型的性能	人类情感状态	脑机接口	NA	脑电图(EEG)	深度学习,注意力机制	EEG信号	三个独立数据集(SEED, SEED-IV, SEED-V)	NA	注意力网络	准确率	NA
17968	2025-10-07	Exploring artificial intelligence in orthopaedics: A collaborative survey from the ISAKOS Young Professional Task Force 2025-Jan, Journal of experimental orthopaedics IF:2.0Q2 DOI:10.1002/jeo2.70181 PMID:39996084	调查论文	通过国际调查分析人工智能在骨科领域的应用现状、挑战和未来发展方向	首次由ISAKOS青年专业人员工作组开展的全球性骨科AI应用调查，揭示了骨科医生对AI技术的认知差异和应用障碍	样本量相对有限（211名骨科医生），男性比例偏高（92.9%），可能存在选择偏差	建立骨科人工智能应用的学术讨论基础，阐明关键模式、挑战和未来发展方向	骨科医生群体	医学人工智能	骨科疾病	问卷调查	NA	问卷调查数据	211名骨科医生	NA	NA	百分比统计	NA
17969	2025-10-07	SegCSR: Weakly-Supervised Cortical Surfaces Reconstruction from Brain Ribbon Segmentations 2024-Dec-10, bioRxiv : the preprint server for biology DOI:10.1101/2024.12.10.626888 PMID:39713375	研究论文	提出一种基于脑部MRI带状分割的弱监督皮质表面重建方法	无需依赖传统流程生成的伪标签，通过联合学习微分同胚流直接从未分割的脑部MRI带状分割中重建皮质表面	在深度脑沟区域仍需正则化处理，性能依赖于分割质量	开发无需伪标签监督的皮质表面重建方法	脑部MRI图像中的皮质表面	医学图像处理	神经系统疾病	脑部MRI	深度学习	医学图像	两个大规模脑部MRI数据集	NA	NA	准确度, 规则性	NA
17970	2025-10-07	Accelerated 2D radial Look-Locker T1 mapping using a deep learning-based rapid inversion recovery sampling technique 2024-Dec, NMR in biomedicine IF:2.7Q1 DOI:10.1002/nbm.5266 PMID:39358992	研究论文	开发了一种基于深度学习的快速T1恢复曲线采样技术，用于实现单次屏气期间的全腹部T1成像覆盖	结合快速T1恢复曲线采样、层面选择性反转、优化层面交错方案和卷积神经网络T1估计的创新框架	NA	开发高效的腹部T1成像方法以克服屏气时间和T1恢复时间的限制	腹部器官T1成像	医学影像分析	NA	T1-mapping, 反转恢复采样技术	CNN	医学影像数据	测试对象的多组成像会话数据	NA	卷积神经网络	Pearson相关系数, 重复性系数, 变异系数, p值	NA
17971	2025-10-07	DECA: harnessing interpretable transformer model for cellular deconvolution of chromatin accessibility profile 2024-Nov-22, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf069 PMID:39987573	研究论文	提出基于视觉Transformer的DECA模型，用于从批量染色质可及性数据中解卷积细胞类型信息	首次将视觉Transformer应用于染色质可及性数据的细胞解卷积，其多头注意力机制生成的补丁注意力与Hi-C检测的染色质相互作用具有一致性	未明确说明模型在处理极高稀疏性单细胞数据时的具体表现	开发深度学习模型解决批量ATAC-seq数据中细胞异质性问题	染色质可及性图谱和细胞类型组成	计算生物学	泛癌症	ATAC-seq, 单细胞ATAC-seq, Hi-C	Transformer	染色质可及性数据	NA	NA	Vision Transformer	NA	NA
17972	2025-10-07	An arrhythmia classification using a deep learning and optimisation-based methodology 2024-Oct, Journal of medical engineering & technology DOI:10.1080/03091902.2025.2463574 PMID:39949269	研究论文	提出一种基于深度学习和优化方法的心电图信号分类方法	结合EfficientNet-B0特征提取与混合特征选择方法（两种滤波方法+自适应秃鹰搜索优化算法）	NA	心电图信号的五类心律失常分类	心电图信号	机器学习	心血管疾病	ECG信号处理	CNN	图像（灰度图和尺度图）	NA	NA	EfficientNet-B0	准确率	NA
17973	2025-10-07	A combination of deep learning models and type-2 fuzzy for EEG motor imagery classification through spatiotemporal-frequency features 2024-Oct, Journal of medical engineering & technology DOI:10.1080/03091902.2025.2463577 PMID:39950750	研究论文	提出一种结合深度学习和2型模糊的混合架构FCLNET，用于脑电运动想象分类	首次将2型模糊函数作为CNN激活函数处理不确定性，并采用贝叶斯优化调整超参数	仅使用公开竞赛数据集进行验证，未在更广泛临床场景测试	开发鲁棒的脑电信号分类方法以提升脑机接口系统性能	脑电信号中的运动想象模式	生物医学信号处理	NA	脑电信号处理	CNN, LSTM	脑电信号	BCI Competition IV-2a数据库和BCI Competition IV-1数据库	NA	Compact-CNN, LSTM, FCLNET	分类准确率	NA
17974	2025-10-07	AESurv: autoencoder survival analysis for accurate early prediction of coronary heart disease 2024-Sep-23, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae479 PMID:39323093	研究论文	开发了一种基于自编码器的生存分析模型AESurv，用于利用DNA甲基化和临床特征准确预测冠心病发病时间	首次将自编码器与生存分析相结合，通过低维表征学习处理高维DNA甲基化数据，在冠心病预测中实现了优于传统生存分析模型的性能	研究仅在美国印第安人群和绝经后女性两个特定队列中进行验证，模型在其他人群中的普适性需要进一步验证	开发准确的冠心病时间-事件预测模型以支持早期干预策略	美国印第安成年人（Strong Heart Study队列）和绝经后女性（Women's Health Initiative队列）	机器学习	心血管疾病	DNA甲基化分析	自编码器	DNA甲基化数据和临床特征数据	两个前瞻性队列研究：Strong Heart Study和Women's Health Initiative	NA	自编码器	C指数, 时间-事件平均AUROC	NA
17975	2025-10-07	DeepComBat: A statistically motivated, hyperparameter-robust, deep learning approach to harmonization of neuroimaging data 2024-Aug-01, Human brain mapping IF:3.5Q1 DOI:10.1002/hbm.26708 PMID:39056477	研究论文	提出一种基于条件变分自编码器和ComBat方法的深度学习神经影像数据协调方法DeepComBat	结合统计方法和深度学习的优势，在考虑特征间多变量关系的同时放宽了先前深度学习协调方法的强假设	NA	开发能够有效去除神经影像数据批次效应的协调方法	认知老化队列的皮层厚度测量数据	神经影像分析	老年疾病	神经影像分析	条件变分自编码器	神经影像数据	NA	NA	条件变分自编码器	定性评估,定量评估	NA
17976	2025-10-07	Patients Perceptions of Artificial Intelligence in a Deep Learning-Assisted Diabetic Retinopathy Screening Event: A Real-World Assessment 2024-May, Journal of diabetes science and technology IF:4.1Q2 DOI:10.1177/19322968241234378 PMID:38404014	研究论文	通过深度学习辅助的糖尿病视网膜病变筛查活动，评估患者对人工智能在医疗中应用的看法	在真实世界场景中评估患者对AI辅助医疗筛查的接受度和认知水平	研究对象主要为初级保健患者且教育水平较低，样本代表性可能受限	了解患者对人工智能在医疗保健中应用的看法和接受度	糖尿病患者群体，主要为初级保健患者	数字病理	糖尿病视网膜病变	深度学习	NA	调查问卷数据	参与筛查活动的糖尿病患者群体	NA	NA	NA	NA
17977	2025-10-07	Among Artificial Intelligence/Machine Learning Methods, Automated Gradient-Boosting Models Accurately Score Intraoral Plaque in Non-Standardized Images 2024, Journal of the California Dental Association DOI:10.1080/19424396.2024.2422146 PMID:39990046	研究论文	开发并测试用于非标准化口腔图像的自动图像选择和牙菌斑评分方法	首次实现无需深度学习模型即可对非标准化牙菌斑图像进行准确自动评分	需要手动图像分割，样本量相对有限	开发自动牙菌斑评分系统用于儿童预防试验	435张照片中的1650颗乳牙（D、E、F、G牙齿）	计算机视觉	口腔疾病	图像处理，机器学习	支持向量机，梯度提升	图像	435张照片中的1650颗牙齿	Python, OpenCV, Scikit-learn, Jupyter Notebooks	支持向量机-高斯，梯度提升分类和回归模型	AUC-ROC, R2, 训练时间	未明确指定
17978	2025-10-07	Federated learning for diagnosis of age-related macular degeneration 2023, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2023.1259017 PMID:37901412	研究论文	本文提出了一种联邦学习方法，用于训练深度学习模型对年龄相关性黄斑变性进行光学相干断层扫描图像分类	结合四种独特的域适应技术解决多机构数据分布不均导致的域偏移问题，并比较了残差网络和视觉变换器编码器在联邦学习中的表现	仅使用二元分类任务，未探索更深层模型和其他联邦学习策略	开发保护数据隐私的分布式深度学习模型用于AMD诊断	年龄相关性黄斑变性患者的眼科光学相干断层扫描图像	计算机视觉	年龄相关性黄斑变性	光学相干断层扫描	深度学习	图像	NA	NA	ResNet, Vision Transformer	NA	NA
17979	2025-10-07	A primer on deep learning in genomics 2019-01, Nature genetics IF:31.7Q1 DOI:10.1038/s41588-018-0295-5 PMID:30478442	综述	本文提供基因组学中深度学习应用的入门指南和前景展望	整合深度学习在基因组分析中的成功应用案例，并提供交互式在线教程	NA	为基因组分析领域的深度学习应用提供指导性框架	基因组数据	机器学习	NA	基因组分析	深度学习	基因组数据	NA	NA	NA	NA	NA
17980	2025-02-26	A multidimensional adaptive transformer network for fatigue detection 2025-Dec, Cognitive neurodynamics IF:3.1Q2 DOI:10.1007/s11571-025-10224-2 PMID:39991017	研究论文	本文提出了一种多维自适应Transformer网络，用于检测驾驶疲劳状态	引入了一种多维Transformer架构，能够自适应地为不同信息维度分配权重，从而提升特征压缩和结构信息提取的效果	当前研究主要集中在时间维度信息提取，可能忽略了EEG数据的其他维度	提高驾驶疲劳状态检测的准确性和泛化能力	驾驶员的脑电图（EEG）信号	机器学习	NA	EEG信号分析	Transformer	EEG信号	使用了SEED-VIG和SFDE数据集	NA	NA	NA	NA