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	2025-07-26	FedGAN: Federated diabetic retinopathy image generation 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0326579 PMID:40705831	研究论文	提出FedGAN框架，结合生成对抗网络（GANs）与跨机构联邦学习，用于生成合成糖尿病视网膜病变图像	结合联邦学习与GANs，在保护隐私的前提下生成高质量医学图像，解决数据稀缺问题	实验仅展示了在糖尿病视网膜病变数据集上的效果，未验证其他医学图像的适用性	解决医学AI中的数据稀缺和隐私保护问题	糖尿病视网膜病变图像	数字病理	糖尿病视网膜病变	GAN, 联邦学习	DCGAN, FedAvg	医学图像	NA
162	2025-07-26	Correction: Deep learning-based text generation for plant phenotyping and precision agriculture 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1648292 PMID:40708587	correction	本文是对先前一篇关于基于深度学习的植物表型和精准农业文本生成文章的更正	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
163	2025-07-26	Ultrasound radiomics models improve preoperative diagnosis and reduce unnecessary biopsies in indeterminate thyroid nodules 2025, Frontiers in endocrinology IF:3.9Q2 DOI:10.3389/fendo.2025.1615304 PMID:40708722	研究论文	本研究开发并评估了超声放射组学模型，以提高不确定甲状腺结节的诊断准确性并减少不必要的手术	专注于具有明确病理结果的不确定甲状腺结节，开发了三种放射组学模型，并在独立训练和验证队列中进行了评估	回顾性研究设计可能限制了结果的普遍性，样本量相对较小	提高不确定甲状腺结节的诊断准确性并减少不必要的手术	197个具有明确病理结果的不确定甲状腺结节	数字病理	甲状腺结节	超声放射组学	Radunion模型, Radsize模型	超声图像	197个不确定甲状腺结节（训练队列136个，验证队列61个）
164	2025-07-26	Neural signals, machine learning, and the future of inner speech recognition 2025, Frontiers in human neuroscience IF:2.4Q2 DOI:10.3389/fnhum.2025.1637174 PMID:40708808	综述	本文综述了机器学习在内隐语音识别（ISR）中的关键作用及其在脑机接口和辅助技术中的潜在应用	综合并组织了现有的ISR方法学，提出了结构化的数学框架，并对现有机器学习方法进行了详细的比较分析	讨论了当前技术在获取高质量神经信号方面的挑战以及技术的局限性	探索机器学习如何改进内隐语音的神经信号分析和分类，以推动脑机接口和辅助技术的发展	内隐语音相关的神经信号	机器学习	NA	支持向量机（SVMs）、随机森林、卷积神经网络（CNNs）	SVM、随机森林、CNN	神经信号	NA
165	2025-07-26	ABCFold: easier running and comparison of AlphaFold 3, Boltz-1, and Chai-1 2025, Bioinformatics advances IF:2.4Q2 DOI:10.1093/bioadv/vbaf153 PMID:40708869	research paper	ABCFold简化了AlphaFold 3、Boltz-1和Chai-1的使用，通过标准化输入预测原子结构，并便于比较不同方法的结果	提供标准化输入和统一结果处理，便于安装和运行AlphaFold 3而无需下载大型数据库	未明确说明是否适用于所有类型的目标	简化深度学习结构预测方法的使用和结果比较	蛋白质和复合物的原子结构预测	computational biology	NA	deep learning-based structure prediction	AlphaFold 3, Boltz-1, Chai-1	protein sequences and structures	NA
166	2025-07-26	Hybrid representation learning for human m6A modifications with chromosome-level generalizability 2025, Bioinformatics advances IF:2.4Q2 DOI:10.1093/bioadv/vbaf170 PMID:40708868	研究论文	本研究提出了两种新型混合深度学习模型，用于预测人类m6A修饰位点，并提高了染色体水平的泛化能力	提出了两种混合深度学习模型（Hybrid Model和Hybrid Deep Model），整合了局部序列特征（k-mers）和上下文嵌入，通过CNN提升预测性能和泛化能力	深度全局表示可能在染色体独立设置中过拟合	提高m6A修饰位点预测的准确性和染色体水平的泛化能力	人类m6A修饰位点	机器学习	NA	深度学习	CNN	序列数据	NA
167	2025-07-26	Deep learning-assisted diagnosis of liver tumors using non-contrast magnetic resonance imaging: a multicenter study 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1582322 PMID:40708941	research paper	本研究开发并验证了一种基于深度卷积神经网络的非对比磁共振成像（NC-MRI）肝脏病变分类方法	利用非对比MRI进行肝脏肿瘤分类，减少了成本、扫描时间和对比剂风险	研究主要关注三类肝脏病变（良性、原发性恶性和转移性），可能不适用于其他类型病变	开发并验证一种基于深度学习的非对比MRI肝脏病变分类模型	肝脏肿瘤患者的MRI图像	digital pathology	liver cancer	non-contrast MRI (NC-MRI), T2-weighted, diffusion-weighted imaging (DWI), multiphasic T1-weighted imaging	Inception-ResNet V2	image	50418张增强MRI图像，来自1959名肝脏肿瘤患者，三个中心的数据
168	2025-07-26	Integrating multimodal cancer data using deep latent variable path modelling 2025, Nature machine intelligence IF:18.8Q1 DOI:10.1038/s42256-025-01052-4 PMID:40709098	研究论文	本文提出了一种名为深度潜在变量路径建模的方法，用于整合多模态癌症数据	结合深度学习的表征能力和路径建模的能力，识别复杂系统中相互作用元素之间的关系	未提及具体局限性	整合多模态癌症数据以获得对病理学的全面理解	乳腺癌数据	数字病理学	乳腺癌	单核苷酸变异、甲基化分析、microRNA测序、RNA测序和组织学数据	深度潜在变量路径建模	多模态数据（包括基因组学、转录组学和组织学数据）	来自The Cancer Genome Atlas的乳腺癌数据
169	2025-07-26	Bullying and cyberbullying. A high risk, in boys and girls, of superficial learning, poor planning and academic procrastination 2025, Frontiers in psychology IF:2.6Q2 DOI:10.3389/fpsyg.2025.1567523 PMID:40709227	研究论文	本研究分析了欺凌和网络欺凌与深度学习、浅层学习、规划决策以及学业拖延之间的关联	揭示了欺凌和网络欺凌对青少年学习行为的多方面影响，包括浅层学习和学业拖延，并量化了受害者和施暴者的风险差异	研究样本仅来自西班牙，可能限制了结果的普遍性	探究欺凌和网络欺凌对青少年学习行为的影响	1263名10-16岁的西班牙学童（51.39%为女孩）	教育心理学	NA	协方差分析(ANCOVA)和二元逻辑回归	NA	问卷调查数据	1263名西班牙学童（10-16岁）
170	2025-07-26	Time is encoded by methylation changes at clustered CpG sites 2024-Dec-05, bioRxiv : the preprint server for biology DOI:10.1101/2024.12.03.626674 PMID:39677642	研究论文	通过分析健康个体血液样本中的DNA甲基化变化，揭示了时间编码的机制，并开发了高精度的年龄预测模型	发现年龄依赖性DNA甲基化变化以区域性和块状方式发生，利用深度学习模型显著提高了表观遗传时钟的预测精度	研究主要基于血液样本，可能不适用于其他组织类型	探究DNA甲基化变化如何编码时间信息并应用于年龄预测	300多份健康个体的血液样本	表观遗传学	NA	超深度测序、深度学习	深度学习模型	DNA甲基化数据	300多份血液样本
171	2025-07-26	Subject-level spinal osteoporotic fracture prediction combining deep learning vertebral outputs and limited demographic data 2024-Sep-10, Archives of osteoporosis IF:3.1Q1 DOI:10.1007/s11657-024-01433-z PMID:39256211	研究论文	本研究结合深度学习椎体输出和有限的人口统计数据，实现了对中度至重度脊柱骨质疏松性骨折的自动化筛查预测	通过结合深度学习椎体骨折评分和人口统计协变量，实现了在受试者水平上对骨质疏松性骨折的高性能预测（AUC-ROC为0.968）	仅使用了基本的人口统计数据，可能未考虑其他潜在影响因素	开发自动化筛查工具以预测脊柱骨质疏松性骨折，改善临床结果	脊柱骨质疏松性骨折患者	数字病理学	骨质疏松症	卷积神经网络（CNN）	GAM（广义加性模型）和CNN	放射影像和人口统计数据	大型放射影像数据集
172	2025-07-26	Leveraging camera traps and artificial intelligence to explore thermoregulation behaviour 2024-09, The Journal of animal ecology IF:3.5Q1 DOI:10.1111/1365-2656.14139 PMID:39039745	研究论文	利用相机陷阱和人工智能技术探索温度调节行为	开发了一个深度学习框架来自动检测和分类温度调节行为，特别是在半自然条件下使用标记蜥蜴作为模型动物	研究主要针对蜥蜴，可能不适用于其他动物物种	开发自动化工具以更高效地监测和分类动物的温度调节行为	粗糙尾岩蜥（Laudakia vulgaris）	计算机视觉	NA	深度学习	目标检测模型和图像分类模型	图像	标记蜥蜴的图像数据集，具体数量未提及
173	2025-07-26	SCorP: Statistics-Informed Dense Correspondence Prediction Directly from Unsegmented Medical Images 2024-Jul, Medical Image Understanding and Analysis. Medical Image Understanding and Analysis (Conference) DOI:10.1007/978-3-031-66955-2_10 PMID:39444584	研究论文	提出了一种名为SCorP的新框架，能够直接从未分割的医学图像预测基于表面的对应关系，以改进统计形状建模（SSM）	SCorP框架无需优化的形状模型进行训练监督，通过无监督方式直接从表面网格学习形状先验，消除了传统方法的线性假设限制	实验仅在LGE MRI左心房数据集和Abdomen CT-1K肝脏数据集上进行，未验证在其他解剖结构上的普适性	改进医学图像中的统计形状建模（SSM）方法，提高形状描述符的预测效率和准确性	医学图像中的解剖结构形状	数字病理	NA	深度学习	神经网络（未指定具体类型）	医学图像（MRI和CT）	LGE MRI左心房数据集和Abdomen CT-1K肝脏数据集（未提供具体样本数量）
174	2025-07-26	Artificial intelligence to analyze magnetic resonance imaging in rheumatology 2024-05, Joint bone spine IF:3.8Q1 DOI:10.1016/j.jbspin.2023.105651 PMID:37797827	review	本文回顾了人工智能在风湿病学MRI分析中的当前应用，包括诊断支持、疾病分类、活动评估和进展监测	探讨了AI在提高MRI分析的敏感度、特异性和准确性方面的潜力，达到或超过专家水平	讨论了临床实施中的挑战和未来研究方向	提升风湿性疾病的诊断和管理水平	风湿性疾病的MRI图像	digital pathology	rheumatic disorders	MRI	machine learning (ML), deep learning (DL)	image	NA
175	2025-07-26	Dynamic risk prediction model for multiple myeloma: Through deep learning, the model is able to adapt to future data, such as emerging treatment modalities and combinations 2024-05-01, Cancer IF:6.1Q1 DOI:10.1002/cncr.35294 PMID:38604987	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
176	2025-07-26	Synthetic PET from CT improves diagnosis and prognosis for lung cancer: Proof of concept 2024-Mar-19, Cell reports. Medicine DOI:10.1016/j.xcrm.2024.101463 PMID:38471502	研究论文	本研究开发了一种条件生成对抗网络（cGAN）流程，能够从诊断性CT扫描生成FDG-PET图像，以改善肺癌的诊断和预后	利用深度学习技术从CT图像合成高保真PET图像，解决了PET成本高且不易获取的问题	研究仅基于多中心多模态肺癌数据集（n=1,478），样本量和多样性可能有限	探索通过深度学习从CT图像合成PET图像的可行性及其在肺癌诊断和预后中的临床价值	肺癌患者	数字病理学	肺癌	条件生成对抗网络（cGAN）	GAN	图像	1,478例多中心多模态肺癌数据集
177	2025-07-26	Identifying primary tumor site of origin for liver metastases via a combination of handcrafted and deep learning features 2024-01, The journal of pathology. Clinical research DOI:10.1002/cjp2.344 PMID:37822044	研究论文	本研究结合手工制作和深度学习特征，识别肝转移瘤的原发肿瘤来源部位	首次结合手工制作的组织形态学特征和深度学习模型来识别肝转移瘤的原发部位，并探索了原发肿瘤中转移瘤来源的空间位置	样本量相对较小（114名患者），且仅针对四种原发肿瘤（结肠、食管、乳腺和胰腺）进行了验证	开发一种能够识别肝转移瘤原发部位的计算方法，以指导临床治疗决策	肝转移瘤及其原发肿瘤（结肠、食管、乳腺和胰腺）	数字病理学	肝转移瘤	计算机辅助特征提取、随机森林分类器、深度学习网络	随机森林、深度学习模型	全切片图像（WSI）	114名患者（175张切片），其中60名患者（121张WSI）用于训练，54名患者（54张WSI）用于验证
178	2025-07-26	Chest CT Image based Lung Disease Classification - A Review 2024, Current medical imaging IF:1.1Q3 DOI:10.2174/0115734056248176230923143105 PMID:38389342	综述	本文综述了基于胸部CT图像的肺部疾病分类方法，分析了不同方法的性能，并探讨了机器学习在该领域的应用和挑战	提供了肺部疾病分类方法的全面分析，特别关注了深度学习技术在早期识别中的革命性作用	未提及具体实验数据或样本量，可能缺乏实证支持	为年轻研究人员构建更先进的肺部疾病分类系统提供参考	肺部疾病分类方法	数字病理学	肺部疾病	机器学习(ML)	深度学习	CT图像	NA
179	2025-07-26	Retracted: Deep Learning-Based Glaucoma Detection Using CNN and Digital Fundus Images: A Promising Approach for Precise Diagnosis 2024, Current medical imaging IF:1.1Q3 DOI:10.2174/0115734056257657231115051020 PMID:38389356	撤稿声明	该文章因需进行实质性修订以提高清晰度、连贯性和科学严谨性而被作者撤回	NA	NA	NA	NA	数字病理学	青光眼	NA	CNN	数字眼底图像	NA
180	2025-07-26	Motion-resolved 3D Pulmonary MRI Reconstruction using Sinusoidal Representation Networks 2024, Current medical imaging IF:1.1Q3 DOI:10.2174/0115734056270732231204061123 PMID:38389360	research paper	提出了一种基于正弦表示网络（SIREN）的运动解析3D肺部MRI重建方案	使用SIREN学习配准映射，仅依赖特定受试者的欠采样数据进行无监督学习，实现了内存高效的算法	仅针对欠采样数据进行训练，可能在某些情况下性能受限	提高自由呼吸状态下肺部MRI的重建效率和准确性	肺部MRI数据	medical imaging	lung disease	MRI reconstruction	SIREN	3D MRI images	十个数据集