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	2025-05-14	Cellular senescence predicts breast cancer risk from benign breast disease biopsy images 2025-Mar-11, Breast cancer research : BCR IF:6.1Q1 DOI:10.1186/s13058-025-01993-z PMID:40069863	research paper	该研究通过深度学习模型预测乳腺上皮和脂肪组织中的细胞衰老评分，以评估良性乳腺疾病女性患乳腺癌的风险	首次利用深度学习模型从H&E染色活检图像中预测细胞衰老评分，并将其与乳腺癌风险关联	研究样本仅来自单一医疗机构，可能限制结果的普遍性	评估细胞衰老评分在预测良性乳腺疾病女性乳腺癌风险中的价值	15,395名接受乳腺活检的女性，其中512例后续发展为浸润性乳腺癌，491例为对照	digital pathology	breast cancer	H&E染色，深度学习	深度学习模型（具体类型未说明）	image	1,003名女性（512例病例，491例对照）
162	2025-05-14	SynthMol: A Drug Safety Prediction Framework Integrating Graph Attention and Molecular Descriptors into Pre-Trained Geometric Models 2025-Mar-10, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c01320 PMID:40000610	research paper	介绍SynthMol，一种整合预训练3D结构特征、图注意力网络和分子指纹的深度学习框架，用于高精度分子性质预测	整合预训练3D结构特征、图注意力网络和分子指纹，实现分子性质预测的高精度	未明确提及	开发一种深度学习框架以提高药物安全性评估的准确性	药物分子	machine learning	NA	深度学习，图注意力网络，分子指纹	GAT (Graph Attention Network)	分子结构数据	22个数据集，包括MoleculeNet、MolData和已发表的药物安全数据
163	2025-05-14	Vision Mamba and xLSTM-UNet for medical image segmentation 2025-Mar-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-88967-5 PMID:40059111	研究论文	该研究提出了一种名为VMAXL-UNet的新型医学图像分割网络，结合了结构化状态空间模型（SSM）和轻量级LSTM（xLSTM），以提高分割精度和鲁棒性	首次将SSM和xLSTM结合用于医学图像分割，通过VSS和ViL模块有效融合局部边界细节与全局语义上下文	未提及模型在更大规模或多样化数据集上的泛化能力	解决传统CNN感受野有限和Transformer计算复杂度高的问题，提高医学图像分割性能	医学图像分割	数字病理	NA	深度学习	VMAXL-UNet（结合SSM和xLSTM）	医学图像	ISIC17、ISIC18、CVC-ClinicDB和Kvasir数据集
164	2025-05-14	Machine learning-assisted wearable sensing systems for speech recognition and interaction 2025-Mar-10, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-57629-5 PMID:40064879	research paper	提出了一种可穿戴无线柔性皮肤附着声学传感器（SAAS），用于在恶劣声学环境中实现语音识别和人机交互	利用压电微机械超声换能器（PMUT）和ResNet架构，显著提高了喉部语音特征的分类准确率	未提及在极端环境下的性能测试或长期佩戴的舒适性评估	开发一种能够在嘈杂环境中实现高精度语音识别和人机交互的可穿戴系统	人类语音和皮肤运动	machine learning	NA	PMUT, ResNet	ResNet, deep learning model	语音振动和皮肤运动数据	未明确提及样本数量
165	2025-05-14	Pixel level deep reinforcement learning for accurate and robust medical image segmentation 2025-Mar-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-92117-2 PMID:40064951	研究论文	提出了一种基于像素级深度强化学习的模型PixelDRL-MG，用于更准确和鲁棒的医学图像分割	采用动态迭代更新策略和像素级异步优势演员-评论家(PA3C)策略，直接分割感兴趣区域，无需用户交互或粗略分割掩码	NA	打破现有深度学习方法的路径依赖，提高医学图像分割的准确性和鲁棒性	医学图像分割	计算机视觉	NA	深度强化学习	PixelDRL-MG, PA3C	医学图像	两个常用医学图像分割数据集
166	2025-05-14	Leveraging large language models for knowledge-free weak supervision in clinical natural language processing 2025-Mar-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-68168-2 PMID:40064991	研究论文	本文提出了一种利用大型语言模型（LLMs）进行知识无关的弱监督方法，用于临床自然语言处理任务	通过微调LLMs和基于提示的方法生成弱标记数据，训练下游BERT模型，在少量黄金标准数据上进一步微调，实现了优于传统监督方法的性能	LLMs的推理计算量较大	解决临床自然语言处理中标记数据稀缺的问题	临床命名实体识别任务	自然语言处理	NA	弱监督学习、上下文学习	LLM（Llama2-13B）、BERT	文本	不超过10个黄金标准笔记（少量数据）和50个黄金标准笔记
167	2025-05-14	Accuracy of deep learning models in the detection of accessory ostium in coronal cone beam computed tomographic images 2025-Mar-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-93250-8 PMID:40064998	研究论文	本研究评估了深度学习模型在冠状锥形束计算机断层扫描图像中检测副窦口的准确性	首次研究了CNN在放射影像中检测副窦口的有效性，填补了该领域的研究空白	研究仅使用了裁剪后的二维CBCT图像，未涉及三维CBCT扫描	评估深度学习模型在冠状CBCT图像中检测副窦口的准确性	副窦口（AO）在冠状CBCT图像中的检测	数字病理	鼻窦疾病	CBCT扫描	VGG16, MobileNetV2, ResNet101V2	图像	454张冠状切片图像（来自856个大视野CBCT扫描），经预处理和增强后得到1260张图像
168	2025-05-14	SNPeBoT: a tool for predicting transcription factor allele specific binding 2025-Mar-10, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-025-06094-4 PMID:40065237	research paper	介绍了一个名为SNPeBoT的深度学习模型，用于预测单核苷酸多态性（SNP）对转录因子结合的影响	结合ChIP-seq和PBM实验数据，训练CNN模型预测SNP对转录因子结合的影响，提高了预测准确性和ASB事件的召回率	对转录因子结合位点的变化及其作用的理解仍有限	预测SNP对转录因子结合的影响，以发现与非编码突变相关的疾病	转录因子结合位点的SNP	machine learning	NA	ChIP-seq, PBM, CNN	CNN	DNA序列数据	18211个E-score profiles，来自113个转录因子
169	2025-05-14	Convolutional block attention gate-based Unet framework for microaneurysm segmentation using retinal fundus images 2025-Mar-10, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-01625-0 PMID:40065294	研究论文	提出了一种基于CBAM-AG U-Net模型的微动脉瘤分割方法，用于糖尿病视网膜病变的早期诊断	结合了卷积块注意力模块(CBAM)和注意力门(AG)机制到U-Net架构中，提升了特征提取和分割精度	未提及模型在更广泛数据集上的泛化能力或计算资源需求	开发自动分割视网膜图像中微动脉瘤的方法以辅助糖尿病视网膜病变诊断	视网膜眼底图像中的微动脉瘤	数字病理学	糖尿病视网膜病变	深度学习	CBAM-AG U-Net	图像	IDRiD数据集（具体数量未提及）
170	2025-05-14	Advancing AI-driven thematic analysis in qualitative research: a comparative study of nine generative models on Cutaneous Leishmaniasis data 2025-Mar-10, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-025-02961-5 PMID:40065373	研究论文	比较九种生成式AI模型在皮肤利什曼病数据上的主题分析效果	首次在皮肤利什曼病的心理社会影响研究中系统比较多种AI生成模型与传统方法的效能，并建立了脆弱性循环框架	研究仅针对皮肤利什曼病数据，结果在其他疾病领域的适用性有待验证	评估AI辅助主题分析在定性研究中的效能	皮肤利什曼病患者的心理社会影响	自然语言处理	皮肤利什曼病	主题分析，Jaccard指数计算	Llama 3.1 405B, Claude 3.5 Sonnet, NotebookLM, Gemini 1.5 Advanced Ultra, ChatGPT o1-Pro, ChatGPT o1, GrokV2, DeepSeekV3, Gemini 2.0 Advanced	文本	448名参与者
171	2025-05-14	Automated deep learning-based assessment of tumour-infiltrating lymphocyte density determines prognosis in colorectal cancer 2025-Mar-10, Journal of translational medicine IF:6.1Q1 DOI:10.1186/s12967-025-06254-3 PMID:40065354	research paper	开发了一种基于深度学习的自动化方法，用于评估结直肠癌H&E切片中肿瘤浸润淋巴细胞（TILs）的密度，以预测患者预后	首次提出了一种全自动的iTIL评估系统，能够在多个独立患者队列中展示泛化能力	NA	研究TILs密度对结直肠癌患者预后的预测能力	结直肠癌患者的H&E切片	digital pathology	colorectal cancer	H&E染色	deep neural networks	image	发现队列353例，验证队列1070例和885例
172	2025-05-14	Precise engineering of gene expression by editing plasticity 2025-Mar-10, Genome biology IF:10.1Q1 DOI:10.1186/s13059-025-03516-7 PMID:40065399	研究论文	该研究通过深度学习模型预测和验证转录顺式调控元件（CREs），并利用这些信息精确调控基因表达，从而优化作物性状	提出了'编辑可塑性'的新概念，用于评估启动子编辑改变基因表达的潜力，并通过实验验证了预测的准确性	研究主要集中在玉米中的ZmVTE4基因，尚未广泛验证于其他作物或基因	通过精确调控基因表达来改进作物性状	转录顺式调控元件（CREs）和基因表达	遗传工程	NA	UMI-STARR-seq, 深度学习	sequence-to-expression 深度学习模型	基因序列数据	12,000个合成序列
173	2025-05-14	A CT-based interpretable deep learning signature for predicting PD-L1 expression in bladder cancer: a two-center study 2025-Mar-10, Cancer imaging : the official publication of the International Cancer Imaging Society IF:3.5Q1 DOI:10.1186/s40644-025-00849-1 PMID:40065444	research paper	本研究构建并评估了一种基于CT图像的深度学习特征，用于预测膀胱癌患者PD-L1表达状态	利用深度学习特征结合SHAP技术解释模型内部预测过程，优于传统放射组学机器学习特征	回顾性研究且样本量有限（仅190例患者）	开发可预测膀胱癌PD-L1表达状态的可靠工具	膀胱癌患者	digital pathology	bladder cancer	CT imaging	CNN	image	190例接受膀胱癌切除术的患者（训练集127例/外部验证集63例）
174	2025-05-14	Development of a deep learning-based model for guiding a dissection during robotic breast surgery 2025-Mar-10, Breast cancer research : BCR IF:6.1Q1 DOI:10.1186/s13058-025-01981-3 PMID:40065440	研究论文	开发了一种基于深度学习的模型，用于在机器人乳腺手术中指导解剖	首次开发了用于机器人乳腺手术的深度学习引导模型，为初学者和学员提供手术指导	样本量较小，仅使用了10个手术视频的数据	开发一种深度学习模型，用于在机器人乳腺切除术中指导解剖平面	机器人乳腺切除术的手术视频	数字病理	乳腺癌	深度学习	DL	视频	10个手术视频中的8,834张图像
175	2025-05-14	Dementia Overdiagnosis in Younger, Higher Educated Individuals Based on MMSE Alone: Analysis Using Deep Learning Technology 2025-Mar-10, Journal of Korean medical science IF:3.0Q1 DOI:10.3346/jkms.2025.40.e20 PMID:40065710	研究论文	本研究探讨了单独使用MMSE与结合其他认知评估在预测痴呆诊断中的效果，旨在提高痴呆诊断的准确性	使用随机森林模型比较单独MMSE与结合其他认知测试的诊断效果，发现结合多种评估可显著提高诊断精度，特别是在年轻和高教育水平人群中	研究仅基于主观认知抱怨的参与者，可能不适用于所有人群	提高痴呆诊断的准确性	2863名有主观认知抱怨的参与者	数字病理学	老年疾病	随机森林模型	随机森林	认知评估数据	2863名参与者
176	2025-05-14	Improving lung cancer pathological hyperspectral diagnosis through cell-level annotation refinement 2025-Mar-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-85678-9 PMID:40057531	研究论文	本研究通过细胞级注释细化提升肺癌病理高光谱诊断的准确性	提出了一种半自动注释细化方法，结合K-means无监督聚类和人工引导选择，基于光谱特征将粗略注释细化为细胞级掩码	研究仅基于65个高光谱肺鳞状细胞癌图像样本进行验证，样本量有限	提升高光谱病理图像分析的准确性，解决肺癌病理诊断中的注释挑战	肺鳞状细胞癌的高光谱病理图像	数字病理学	肺癌	高光谱成像	K-means聚类	高光谱图像	65个高光谱肺鳞状细胞癌图像样本
177	2025-05-14	Hand X-rays findings and a disease screening for Turner syndrome through deep learning model 2025-Mar-08, BMC pediatrics IF:2.0Q2 DOI:10.1186/s12887-025-05532-9 PMID:40057693	研究论文	通过深度学习模型分析特纳综合征患者的手部X光片特征并建立疾病筛查模型	首次利用深度学习模型分析特纳综合征患者的手部X光片特征，并建立高精度的疾病筛查模型	样本量较小（101例），且模型的敏感性和特异性仍有提升空间	提高特纳综合征的诊断准确性	特纳综合征患者的手部X光片	数字病理学	特纳综合征	X光成像	ResNet50	图像	101例儿科患者
178	2025-05-14	Prediction of tumor spread through air spaces with an automatic segmentation deep learning model in peripheral stage I lung adenocarcinoma 2025-Mar-08, Respiratory research IF:4.7Q1 DOI:10.1186/s12931-025-03174-0 PMID:40057743	research paper	研究通过自动分割深度学习模型预测I期外周型肺腺癌中肿瘤通过气腔扩散的情况	使用基于自动分割的深度学习模型，在术前预测肿瘤通过气腔扩散（STAS），其诊断准确性和临床适用性优于传统放射组学模型	研究为回顾性分析，可能需要前瞻性研究进一步验证模型的普遍适用性	评估深度学习模型在术前预测I期外周型肺腺癌中STAS的临床适用性	接受手术治疗的肺肿瘤患者	digital pathology	lung cancer	deep learning, radiomics	VNet	image	未明确提及具体样本数量，但包括内部验证和外部测试队列
179	2025-05-14	CPHNet: a novel pipeline for anti-HAPE drug screening via deep learning-based Cell Painting scoring 2025-Mar-08, Respiratory research IF:4.7Q1 DOI:10.1186/s12931-025-03173-1 PMID:40057746	研究论文	开发了一种基于深度学习的Cell Painting评分管道CPHNet，用于筛选抗高原肺水肿(HAPE)药物	整合人工智能工具和Cell Painting技术，提出了一种全新的抗HAPE药物筛选管道，并成功识别出两种有前景的天然产物	研究仅使用了A549和HPMEC两种细胞系，可能需要更多细胞类型验证	开发基于细胞形态特征的抗HAPE药物发现策略	人肺泡腺癌基底上皮细胞(A549s)和人肺微血管内皮细胞(HPMECs)	数字病理学	高原肺水肿	Cell Painting成像技术	SegNet, HypoNet	图像	超过100,000张全视野Cell Painting图像和200,000张亚细胞结构图像
180	2025-05-14	Advanced pathological subtype classification of thyroid cancer using efficientNetB0 2025-Mar-07, Diagnostic pathology IF:2.4Q2 DOI:10.1186/s13000-025-01621-6 PMID:40055769	研究论文	本研究利用EfficientNetB0模型对甲状腺癌的病理亚型进行高精度分类，并分析肿瘤微环境特征与临床结果的关系	首次将EfficientNetB0模型应用于甲状腺癌病理亚型分类，并揭示肿瘤微环境特征与病理亚型之间的显著相关性	样本量相对较小（118例患者），且肿瘤微环境特征与临床结果的因果关系尚未明确	提高甲状腺癌病理亚型分类的准确性，并探索肿瘤微环境特征与临床结果的关系	118名不同亚型甲状腺癌患者的病理组织切片、基因表达数据和蛋白表达数据	数字病理学	甲状腺癌	深度学习	EfficientNetB0	图像、基因表达数据、蛋白表达数据	118名甲状腺癌患者