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
161	2025-06-13	Predicting branch retinal vein occlusion development using multimodal deep learning and pre-onset fundus hemisection images 2025-01-21, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-85777-7 PMID:39837962	research paper	使用多模态深度学习和发病前眼底半切图像预测分支视网膜静脉阻塞的发展	开发了一种基于深度学习的多模态模型，结合眼底图像和血管分割结果，提高了分支视网膜静脉阻塞的预测准确性	样本量较小，需要更大规模的多中心数据集来提高临床实用性和预测准确性	预测分支视网膜静脉阻塞的发生	分支视网膜静脉阻塞患者的眼底图像	digital pathology	branch retinal vein occlusion	deep learning	U-net	image	27只BRVO受影响的眼睛与81只未受影响的眼底半切图像（27只对侧和54只同侧）
162	2025-06-13	Deep-learning based electromagnetic navigation system for transthoracic percutaneous puncture of small pulmonary nodules 2025-01-20, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-85209-6 PMID:39833245	research paper	开发了一种结合深度学习和电磁导航技术的经皮肺小结节穿刺系统，并在模型和动物实验中验证了其性能	结合多种深度学习模型与电磁及空间定位技术，开发了新型电磁导航穿刺系统，用于亚厘米级肺结节的穿刺	研究仅在模型和动物实验中进行，尚未在人体临床试验中验证	提高经皮肺小结节穿刺的技术成功率和操作效率	亚厘米级肺结节	digital pathology	lung cancer	electromagnetic navigation, CT-guided	deep learning models	image	模型研究和动物实验（具体数量未提及）
163	2025-06-13	Visual impairment prevention by early detection of diabetic retinopathy based on stacked auto-encoder 2025-01-20, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-85752-2 PMID:39833312	research paper	提出了一种基于增强堆叠自编码器的方法，用于糖尿病视网膜病变的早期检测和分期分类	与传统的CNN方法相比，该方法通过减少时间复杂性、最小化错误和增强噪声降低，提供了更高的可靠性	未提及具体局限性	开发一种准确且高效的方法来分类糖尿病视网膜病变的不同阶段，以实现早期疾病诊断和预防失明	糖尿病视网膜病变患者	digital pathology	diabetic retinopathy	stacked auto-encoders	SAE	image	35,126张视网膜眼底图像，包括一个健康阶段和四个糖尿病视网膜病变阶段
164	2025-06-13	Predicting drug and target interaction with dilated reparameterize convolution 2025-01-20, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-86918-8 PMID:39833385	research paper	本文提出了一种名为Rep-ConvDTI的新型药物-靶点相互作用预测框架，利用大核卷积块提取大规模序列信息，并引入重参数化方法和门控注意力机制以提高预测性能	设计了用于提取大规模序列信息的大核卷积块，并引入重参数化方法帮助大核卷积捕获小规模信息，同时开发了门控注意力机制以更高效地表征药物与靶点的相互作用	未明确提及具体局限性	预测药物-靶点相互作用（DTI），解决药物研发中的关键挑战	药物和靶点的相互作用	machine learning	NA	重参数化方法、门控注意力机制	Rep-ConvDTI（基于大核卷积的模型）	序列信息	三个基准数据集
165	2025-06-13	Deep learning of noncontrast CT for fast prediction of hemorrhagic transformation of acute ischemic stroke: a multicenter study 2025-Jan-15, European radiology experimental IF:3.7Q1 DOI:10.1186/s41747-024-00535-0 PMID:39812734	研究论文	本研究开发并验证了一个基于非对比CT和临床数据的集成模型，用于预测急性缺血性卒中患者静脉溶栓后的出血性转化及其亚型	首次提出结合临床数据和NCCT深度学习的集成模型，用于预测AIS患者IVT后的HT及其预后不良亚型PH和PH-2，性能优于现有临床评分系统	研究为回顾性设计，样本量相对有限（445例），且来自六个中心可能存在数据异质性	开发预测急性缺血性卒中静脉溶栓后出血性转化的精准模型	接受静脉溶栓治疗的急性缺血性卒中患者	数字病理学	心血管疾病	非对比CT（NCCT）	集成模型（eXtreme Gradient Boosting + 深度学习）	医学影像+临床数据	445例IVT治疗的AIS患者（训练集344例，测试集101例）
166	2025-06-13	Efficient evidence selection for systematic reviews in traditional Chinese medicine 2025-Jan-15, BMC medical research methodology IF:3.9Q1 DOI:10.1186/s12874-024-02430-z PMID:39815209	研究论文	本文介绍了一种新颖的精确优先综合信息提取和选择程序，旨在提高中医药系统评价中证据选择的效率和准确性	结合了深度学习模型（Evi-BERT与基于规则的方法）、布尔逻辑算法和扩展检索策略，实现自动且准确的证据选择	方法的全部潜力需要进一步验证	提高中医药系统评价和临床指南中证据选择的效率和准确性	中医药相关的系统评价文献	自然语言处理	NA	Evi-BERT与基于规则的方法结合布尔逻辑算法	BERT	文本	十篇高质量的中医药相关系统评价
167	2025-06-13	Effect of feedback-integrated reflection, on deep learning of undergraduate medical students in a clinical setting 2025-Jan-14, BMC medical education IF:2.7Q1 DOI:10.1186/s12909-025-06648-3 PMID:39810114	research paper	研究反馈整合反思对本科医学生在妇科临床环境中深度学习的影响	比较反馈整合反思与单独反思对医学生高阶多选题分数的提升效果	样本量较小（68名医学生），且研究仅针对妇科临床环境	评估反馈整合反思对医学生深度学习的效果	本科医学生	医学教育	NA	随机对照试验	NA	测试分数	68名本科医学生
168	2025-06-13	Artificial intelligence: the human response to approach the complexity of big data in biology 2025-Jan-06, GigaScience IF:11.8Q1 DOI:10.1093/gigascience/giaf057 PMID:40504538	综述	本文探讨了人工智能在生命科学中的应用，特别是在高通量组学数据分析中的作用	强调了基于组学的预测分析在系统生物学中的作用，以及创新的基于人工智能的分析方法	未提及具体的技术实施细节或案例研究	探索人工智能在生命科学中的应用及其对复杂生物系统研究的推动作用	植物科学、动物科学和微生物学中的生物过程和生态系统动态	机器学习	NA	高通量组学数据分析	深度学习	组学数据	NA
169	2025-06-13	Mitigating catastrophic forgetting in Multiple sclerosis lesion segmentation using elastic weight consolidation 2025, NeuroImage. Clinical DOI:10.1016/j.nicl.2025.103795 PMID:40403421	研究论文	该研究首次将弹性权重巩固（EWC）应用于多发性硬化（MS）病变分割的领域增量学习，以缓解灾难性遗忘问题	首次在MS病变分割的领域增量学习中使用EWC，显著减少了灾难性遗忘，并在少量目标域数据下实现了性能提升	研究仅使用了公开数据集和内部数据集进行验证，未涉及更广泛的临床数据	解决MS病变分割中深度学习模型的领域适应问题，减少灾难性遗忘	多发性硬化（MS）病变的MRI图像分割	数字病理	多发性硬化	弹性权重巩固（EWC），迁移学习（TL）	3D U-Net	MRI图像	公开数据集（WMH2017和Shifts）及内部数据集，少量目标域图像（3-5张）
170	2025-06-13	Student engagement assessment using multimodal deep learning 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0325377 PMID:40493580	研究论文	提出了一种基于多模态深度学习的框架，用于学生参与度评估	结合视频、文本和日志三种模态数据，采用异步数据融合和深度学习模型评估学生参与度，并使用梯度幅度映射区分参与度水平的细微差异	未明确提及具体局限性	提升学生积极表现并优化教学方法	学生参与度	机器学习	NA	多模态深度学习	CNN	视频、文本、日志	未明确提及样本数量
171	2025-06-13	Enhancing ECG disease detection accuracy through deep learning models and P-QRS-T waveform features 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0325358 PMID:40493615	研究论文	本研究利用深度学习和P-QRS-T波形特征提高心电图（ECG）疾病检测的准确性	结合先进的信号处理和深度学习技术，使用P-QRS-T特征进行精确的多类心脏病分类	研究主要基于PTB-XL数据库，可能在其他数据集上的泛化能力有待验证	开发一种稳健的方法，用于分类多种心脏异常	心电图（ECG）记录	数字病理	心血管疾病	Butterworth带通滤波器和离散小波变换（DWT）db-8，SMOTE-NC	CNN和DNN	ECG信号	PTB-XL数据库中的ECG记录
172	2025-06-13	Comparing UNet configurations for anthropogenic geomorphic feature extraction from land surface parameters 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0325904 PMID:40493622	研究论文	本研究比较了不同UNet架构在从地表参数中提取人为地貌特征时的性能	探索了多种UNet架构的改进方法，包括激活函数替换、残差连接、注意力机制等，以提高在有限训练数据或复杂地貌场景下的分割性能	当训练数据量较大时（如超过500个图像块），改进架构与基础UNet性能差异不明显	优化基于UNet的模型用于人为地貌特征提取	农业梯田、矿山台阶和谷地填充面等地貌特征	计算机视觉	NA	深度学习	UNet及其变体（包括MobileNetV2作为编码器骨干）	高空间分辨率激光雷达数据	不同训练样本量（50、100、250、500及完整训练集）
173	2025-06-13	Deep learning architectures for influenza dynamics and treatment optimization: a comprehensive review 2025, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2025.1521886 PMID:40495931	综述	本文综述了深度学习架构在流感动态建模和治疗优化中的应用	探讨了LSTM、CNN、GAN、transformer架构和LLMs等深度学习方法在流感病毒行为建模和治疗策略优化中的创新应用	未提及具体研究案例或实验验证，主要基于文献综述	利用深度学习改进流感动态理解和治疗策略优化	流感病毒行为和治疗策略	机器学习	流感	NA	LSTM, CNN, GAN, transformer, LLMs	基因序列和患者记录	NA
174	2025-06-13	Deep learning-based automated segmentation for the quantitative diagnosis of cerebral small vessel disease via multisequence MRI 2025, Frontiers in neurology IF:2.7Q3 DOI:10.3389/fneur.2025.1540923 PMID:40496122	研究论文	开发了一种基于深度学习的自动分割方法，用于通过多序列MRI定量诊断脑小血管病	首次提出基于深度学习的自动分割方法，用于定量评估脑小血管病的典型神经影像标志物	样本量相对较小，且外部数据集的时间跨度较大	开发一种自动化的定量诊断方法，以准确评估脑小血管病的全局病变负荷	脑小血管病（CSVD）的神经影像标志物，包括白质高信号、脑微出血、腔隙和扩大的血管周围间隙	数字病理	脑小血管病	多序列MRI	深度学习（DL）	MRI图像	内部数据集105名患者，外部数据集58名患者
175	2025-06-13	Use video comprehension technology to diagnose ultrasound pneumothorax like a doctor would 2025, Frontiers in physiology IF:3.2Q2 DOI:10.3389/fphys.2025.1530808 PMID:40496245	研究论文	本研究利用视频理解技术对超声气胸进行智能诊断，通过深度学习模型实现高准确率的诊断	首次将视频理解模型应用于气胸的多特征融合诊断，展示了视频理解技术在医学图像诊断中的可行性	研究仅使用了657个训练剪辑和164个测试剪辑，样本量相对较小	开发一种能够快速准确诊断超声气胸的智能系统	超声气胸诊断	计算机视觉	气胸	深度学习	TSM视频理解模型基于ResNet50网络	视频	657个训练剪辑和164个测试剪辑
176	2025-06-12	Machine learning and deep learning in diabetology: revolutionizing diabetes care 2025, Frontiers in clinical diabetes and healthcare DOI:10.3389/fcdhc.2025.1547689 PMID:40496420	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
177	2025-06-13	Deep learning to promote health through sports and physical training 2025, Frontiers in public health IF:3.0Q2 DOI:10.3389/fpubh.2025.1583581 PMID:40496455	研究论文	本研究提出了一种基于LSTM和注意力机制的序列到序列深度学习模型，用于预测健康改善分数（HIS）	结合LSTM和注意力机制，整合多种时间序列数据，提出HIS预测模型，显著提高了预测准确性	研究样本量较小（384名参与者），且观察时间较短（32天）	开发更个性化和准确的预测模型，评估运动和体育训练对健康改善的影响	运动和体育训练对健康改善的影响	机器学习	慢性疾病	时间序列分析	LSTM	时间序列数据	384名参与者，32天的数据
178	2025-06-13	A User-Friendly Machine Learning Pipeline for Automated Leaf Segmentation in Atriplex lentiformis 2025, Bioinformatics and biology insights IF:2.3Q3 DOI:10.1177/11779322251344033 PMID:40496491	research paper	本文介绍了一种用于植物表型分析的端到端深度学习管道，专注于自动叶片分割	通过微调的Mask R-CNN模型在小型数据集上实现高性能，并对比了Meta AI的SAM模型，展示了在特定领域任务中迁移学习的优势	训练数据集较小（仅176张植物图像），可能影响模型的泛化能力	开发一个用户友好、高精度的自动叶片分割管道，以促进植物科学研究	Atriplex lentiformis植物的叶片	computer vision	NA	深度学习，迁移学习	Mask R-CNN, SAM	image	176张植物图像
179	2025-06-13	Radiomics and Deep Learning as Important Techniques of Artificial Intelligence - Diagnosing Perspectives in Cytokeratin 19 Positive Hepatocellular Carcinoma 2025, Journal of hepatocellular carcinoma IF:4.2Q2 DOI:10.2147/JHC.S526887 PMID:40496512	meta-analysis	系统分析和比较了非侵入性方法在预测CK19阳性HCC中的表现，为HCC患者的分层管理提供见解	整合传统影像学、放射组学和深度学习的组合模型在预测CK19阳性HCC方面表现出卓越潜力	多中心外部数据有限，仅13.6%的研究包含验证集	系统分析和比较非侵入性方法预测CK19阳性HCC的性能	HCC患者	digital pathology	hepatocellular carcinoma	radiomics, deep learning	combined models	image	22项研究，涉及3395名HCC患者
180	2025-06-13	AI-based multimodal prediction of lymph node metastasis and capsular invasion in cT1N0M0 papillary thyroid carcinoma 2025, Frontiers in endocrinology IF:3.9Q2 DOI:10.3389/fendo.2025.1580885 PMID:40496555	research paper	该研究开发了一种基于AI的多模态预测模型，用于提高cT1N0M0甲状腺乳头状癌（PTC）患者淋巴结转移（LNM）和包膜侵犯（CI）的术前评估准确性	整合了超声放射组学和深度学习特征，通过多模态融合提高了预测性能，优于单一模态模型	样本量相对较小（203例患者），且仅进行了内部测试集验证	提高cT1N0M0 PTC患者LNM和CI的术前评估准确性，优化风险分层和治疗策略	cT1N0M0甲状腺乳头状癌（PTC）患者	digital pathology	thyroid cancer	超声放射组学分析，深度学习特征提取	NeuralNet, RandomForest, Vision Transformer (ViT)	超声图像	203例PTC患者（训练集142例，内部测试集61例）