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
19361	2025-10-06	UNet with Attention Networks: A Novel Deep Learning Approach for DNA Methylation Prediction in HeLa Cells 2025-May-28, Genes IF:2.8Q2 DOI:10.3390/genes16060655 PMID:40565547	研究论文	本文提出了一种结合注意力机制的UNet深度学习模型，用于预测HeLa细胞中的DNA甲基化模式	首次将注意力机制与UNet结合应用于DNA甲基化预测，在宫颈癌细胞系中实现了高精度预测	研究仅限于HeLa宫颈癌细胞系，未在其他细胞类型中验证	开发深度学习模型预测DNA甲基化模式，探索表观遗传变量在宫颈癌中的作用	HeLa宫颈癌细胞系中的DNA甲基化模式	机器学习	宫颈癌	DNA甲基化测序	UNet, Attention Networks, Autoencoders, GAN, CNN	DNA序列数据	ENCODE数据库数据，五个基因启动子区域验证	NA	UNet with Attention Networks	准确率, 灵敏度, 特异性, AUC, p值, Cohen's Kappa	NA
19362	2025-10-06	Dual-Branch Network with Hybrid Attention for Multimodal Ophthalmic Diagnosis 2025-May-25, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12060565 PMID:40564382	研究论文	提出一种基于双分支学习和混合注意力机制的深度学习模型，用于解决眼科图像诊断中特征利用不足和传统单模态模型在数据不平衡时泛化能力有限的问题	创新设计了频域变换驱动的混合注意力模块，包含频域注意力、空间注意力和通道注意力，并通过多尺度分组注意力融合机制整合双模态的局部细节和全局结构信息	NA	提高眼科多模态图像诊断的准确性和特征利用效率	眼科图像（2D图像和3D体积数据）	计算机视觉	眼科疾病	深度学习	双分支网络	图像	NA	NA	残差块, 混合注意力机制	准确率	NA
19363	2025-10-06	Are Artificial Intelligence Models Listening Like Cardiologists? Bridging the Gap Between Artificial Intelligence and Clinical Reasoning in Heart-Sound Classification Using Explainable Artificial Intelligence 2025-May-22, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12060558 PMID:40564375	研究论文	本研究应用可解释人工智能技术评估和改进心音分类模型，探索模型是否像心脏病专家一样关注临床相关特征	首次在手动分割数据集上使用XAI客观评估模型行为，并探索将注意力机制与预训练模型结合以提升性能	模型诊断准确性仍主要依赖临床医生的专业知识，检测罕见或复杂病症具有挑战性	弥合人工智能与临床推理在心音分类领域的差距，验证模型是否基于临床相关特征进行分类	心音信号及其生成的声谱图	机器学习	心血管疾病	心音分类，声谱图分析	CNN, 注意力机制	音频信号，图像	NA	NA	ResNet50	准确率，平均交并比	NA
19364	2025-10-06	Influence of Robotic Versus Manual Technology for Achieving Sagittal Targets in Total Knee Arthroplasty Using a Cruciate-Retaining and Medial-Stabilized Implant 2025-May-19, The Journal of arthroplasty IF:3.4Q1 DOI:10.1016/j.arth.2025.05.052 PMID:40398583	研究论文	比较机器人辅助与手动全膝关节置换术在实现矢状面目标参数方面的差异	开发基于U-Net架构的深度学习模型自动计算膝关节矢状面参数，首次系统比较机器人辅助与手动TKA在矢状面目标达成精度	单中心研究，样本量有限，临床相关性需要进一步验证	评估机器人辅助与手动全膝关节置换术在实现术前矢状面目标参数方面的差异	接受全膝关节置换术的患者	医学影像分析	骨科疾病	膝关节X光片分析	深度学习	医学影像	280例患者（手动TKA 132例，机器人辅助TKA 148例）	NA	U-Net	平均绝对误差	NA
19365	2025-10-06	Data-driven machine learning algorithm model for pneumonia prediction and determinant factor stratification among children aged 6-23 months in Ethiopia 2025-May-02, BMC infectious diseases IF:3.4Q2 DOI:10.1186/s12879-025-10916-4 PMID:40316929	研究论文	开发基于机器学习的数据驱动预测模型，用于预测埃塞俄比亚6-23个月儿童肺炎并分层确定因素	首次在埃塞俄比亚儿童肺炎预测中应用多种机器学习算法比较，并使用特征重要性评分识别关键预测因子	仅使用2016年单一数据集，未应用深度学习算法，样本代表性可能受限	构建肺炎预测模型并识别关键影响因素	埃塞俄比亚6-23个月儿童	机器学习	肺炎	人口健康调查数据分析	随机森林, 多种机器学习算法	结构化健康调查数据	2035名儿童样本	Python, Pandas, Seaborn, Numpy, Jupyter Notebook	多种机器学习算法比较	准确率, 混淆矩阵	NA
19366	2025-10-06	A deep learning strategy to identify cell types across species from high-density extracellular recordings 2025-Apr-17, Cell IF:45.5Q1 DOI:10.1016/j.cell.2025.01.041 PMID:40023155	研究论文	开发了一种基于深度学习的策略，从高密度细胞外记录中识别跨物种的细胞类型	结合光遗传学和药理学创建了经过筛选的真实标签电生理特性库，并开发了半监督深度学习分类器	使用小脑作为测试平台，可能在其他脑区的适用性需要进一步验证	从细胞外记录中识别细胞类型并揭示不同功能、分子和解剖特性神经元在行为中的计算作用	清醒动物的小脑神经元，包括浦肯野细胞、分子层中间神经元、高尔基细胞和苔藓纤维	机器学习	NA	光遗传学,药理学,电生理记录	深度学习分类器	电生理信号	NA	NA	半监督深度学习	准确率	NA
19367	2025-10-06	Identification of Intracranial Germ Cell Tumors Based on Facial Photos: Exploratory Study on the Use of Deep Learning for Software Development 2025-Jan-30, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/58760 PMID:39883924	研究论文	本研究开发了一种基于面部照片识别颅内生殖细胞肿瘤的深度学习模型GVisageNet	首次将面部识别技术应用于颅内生殖细胞肿瘤的早期检测，并开发了结合临床数据的混合模型	研究样本量相对有限，且模型性能受下丘脑-垂体-靶轴损伤程度影响	探索深度学习在儿童和青少年颅内生殖细胞肿瘤早期诊断中的应用	儿童和青少年颅内生殖细胞肿瘤患者、中线脑肿瘤患者及正常对照	计算机视觉	脑肿瘤	深度学习	CNN	面部照片	训练集847例（iGCTs=358，正常对照=300，其他中线脑肿瘤=189），测试集212例，独立验证集336例来自4家医疗机构	NA	GVisageNet	AUC, 准确率, 灵敏度, 特异性	NA
19368	2025-10-06	Improved swin transformer-based thorax disease classification with optimal feature selection using chest X-ray 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0327099 PMID:40561187	研究论文	提出一种基于改进Swin Transformer和优化特征选择的胸部X光疾病分类方法	结合增强自编码器(EnAE)、混沌鲸鱼优化算法(ChWO)和改进Swin Transformer(IMSTrans)进行胸部疾病分类	NA	开发准确的胸部疾病自动分类系统	胸部X光图像	计算机视觉	肺部疾病	胸部X光成像	自编码器,Transformer	图像	广泛的胸部X光数据集和肺部疾病数据集	NA	增强自编码器(EnAE),改进Swin Transformer(IMSTrans)	准确率,精确率,召回率,F分数,MCC,MAE	NA
19369	2025-10-06	Automated Segmentation of Knee Menisci Using U-Net Deep Learning Model: Preliminary Results 2024-Dec, Maedica DOI:10.26574/maedica.2024.19.4.690 PMID:39974461	研究论文	本研究开发了一种基于U-Net深度学习模型的膝关节半月板自动分割方法	首次将U-Net模型应用于膝关节半月板的自动检测和分割，并通过渐进式训练策略提升分割精度	面临数据稀缺问题，且需要进行序列特异性优化	开发能够自动识别和分割膝关节MRI中半月板的深度学习模型	膝关节半月板	计算机视觉	骨科疾病	磁共振成像	CNN	图像	104张膝关节MRI图像用于初始训练，额外50张用于微调	NA	U-Net	准确率, Dice系数	NA
19370	2025-10-06	Semi-Supervised Contrastive VAE for Disentanglement of Digital Pathology Images 2024-Nov, Medical image computing and computer-assisted intervention : MICCAI ... International Conference on Medical Image Computing and Computer-Assisted Intervention DOI:10.1007/978-3-031-72083-3_43 PMID:40556771	研究论文	提出一种用于数字病理图像解耦的半监督对比变分自编码器方法	首个针对病理图像的解耦方法，提出了级联解耦、新颖架构和重建分支等创新思想	NA	提高深度学习模型的可解释性，特别关注肿瘤浸润淋巴细胞检测任务	数字病理图像	数字病理学	癌症	深度学习	变分自编码器	病理图像	NA	NA	对比变分自编码器	NA	NA
19371	2025-10-06	Considerations on Image Preprocessing Techniques Required by Deep Learning Models. The Case of the Knee MRIs 2024-Sep, Maedica DOI:10.26574/maedica.2024.19.3.526 PMID:39553362	研究论文	本研究探讨膝关节MRI图像预处理技术对深度学习模型检测半月板损伤的重要性	提出了针对膝关节MRI的创新型预处理方法，包括模态特定调整、空间重采样和强度标准化等技术	研究仅针对188例患者样本，样本量相对有限	开发适用于深度学习模型的膝关节MRI图像预处理流程	膝关节MRI图像，特别是半月板损伤区域	医学影像分析	膝关节疾病	磁共振成像	深度学习分割模型	医学影像	188例患者的PD矢状面图像	PyDicom, SimpleITK	NA	NA	NA
19372	2025-10-06	Deep learning for classification of aggressive versus non-aggressive central giant cell granuloma using whole-slide histopathology images 2025-Jun-27, Virchows Archiv : an international journal of pathology IF:3.4Q1 DOI:10.1007/s00428-025-04160-z PMID:40576733	研究论文	本研究使用深度学习算法分析中央性巨细胞肉芽肿的侵袭性与非侵袭性病例的显微图像，以评估其在预测CGCG生物学行为方面的潜力	这是首个基于全切片显微图像使用深度学习模型区分侵袭性与非侵袭性中央性巨细胞肉芽肿的先驱性研究	模型性能不佳，可能由于缺乏特定分割和技术染色问题，需要进一步研究改进预处理方法	评估深度学习算法在预测中央性巨细胞肉芽肿生物学行为方面的潜力	侵袭性与非侵袭性中央性巨细胞肉芽肿病例	数字病理学	中央性巨细胞肉芽肿	H&E染色，全切片扫描	CNN	图像	87例患者（48例侵袭性组，39例非侵袭性组），4272个切片用于训练，100个图像用于测试	NA	ResNet-50	AUC, 敏感度, 特异度	NA
19373	2025-10-06	Cluster-based human-in-the-loop strategy for improving machine learning-based circulating tumor cell detection in liquid biopsy 2025-Jun-13, Patterns (New York, N.Y.) DOI:10.1016/j.patter.2025.101285 PMID:40575126	研究论文	提出一种基于聚类的人机协同策略，用于改进液体活检中循环肿瘤细胞的机器学习检测方法	结合自监督深度学习与传统ML分类器，通过潜在空间高不确定性聚类的靶向采样策略，实现人机协同迭代优化	仅在转移性乳腺癌患者数据上验证，未涉及其他癌症类型	改进液体活检中循环肿瘤细胞的检测效率和准确性	转移性癌症患者血液样本中的循环肿瘤细胞和非循环肿瘤细胞	数字病理学	乳腺癌	液体活检	深度学习, 传统机器学习分类器	图像	转移性乳腺癌患者血液样本	NA	自监督深度学习	分类性能	NA
19374	2025-10-06	Discovering the nuclear localization signal universe through a deep learning model with interpretable attention units 2025-Jun-13, Patterns (New York, N.Y.) DOI:10.1016/j.patter.2025.101262 PMID:40575124	研究论文	开发了一种可解释的核定位信号预测方法NLSExplorer，通过深度学习模型探索核定位信号宇宙	利用蛋白质语言模型提取的核特异性位点信息辅助NLS检测，在基准数据集上F1分数比现有方法提高超过10%	NA	开发可解释的核定位信号预测工具并探索核定位信号宇宙	核定位信号和核转运片段	生物信息学	NA	深度学习，蛋白质语言模型	深度学习模型，注意力机制	蛋白质序列数据	Swiss-Prot数据库中的核定位蛋白质，涵盖416个物种	NA	具有可解释注意力单元的深度学习模型	F1分数	NA
19375	2025-10-06	Development and validation of a combined clinical and MRI-based biomarker model to differentiate mild cognitive impairment from mild Alzheimer's disease 2025-Jun, PCN reports : psychiatry and clinical neurosciences DOI:10.1002/pcn5.70134 PMID:40575445	研究论文	开发并验证结合临床和MRI生物标志物的模型，用于区分轻度认知障碍和轻度阿尔茨海默病	首次结合临床特征和易于测量的神经影像标记构建诊断模型，无需复杂深度学习即可实现高精度区分	样本量有限（161名参与者）且仅进行内部验证，缺乏外部验证	开发能够区分轻度阿尔茨海默病和轻度认知障碍的诊断模型	阿尔茨海默病患者、轻度认知障碍患者和健康对照者	医学影像分析	阿尔茨海默病	MRI神经影像分析	逻辑回归	临床数据和MRI影像数据	161名参与者（30名对照，71名轻度AD，60名MCI）	NA	逻辑回归	AUC, 校准曲线, 决策曲线分析	NA
19376	2025-10-06	UK-YOLOv10: Deep Learning-Based Detection of Surgical Instruments 2025-Jun, The international journal of medical robotics + computer assisted surgery : MRCAS DOI:10.1002/rcs.70083 PMID:40576152	研究论文	提出UK-YOLOv10深度学习框架用于手术器械检测	集成统一融合注意力模块(UFAM)增强多尺度特征表示，并使用C2fKAN模块通过KAN卷积提高分类精度和训练速度	NA	提高手术器械检测的准确性和实时性能	手术器械	计算机视觉	NA	深度学习	YOLO	图像	M2CAI16-Tool-Locations数据集和COCO2017数据集	NA	UK-YOLOv10, YOLOv10	检测准确率, mAP@0.5, mAP@0.5:0.95	NA
19377	2025-10-06	Improving computer vision for plant pathology through advanced training techniques 2025 May-Jun, Applications in plant sciences IF:2.7Q2 DOI:10.1002/aps3.70010 PMID:40575549	研究论文	本研究通过先进训练技术提升卷积神经网络在可可树病害检测中的性能	提出动态焦点损失函数，采用半监督学习和非可可类别增强模型鲁棒性，创建高质量可可树病害基准数据集	未明确说明模型在其他作物病害上的泛化能力，数据集规模相对有限	改进计算机视觉技术在植物病理学中的应用，提升农作物病害检测性能	可可树病害检测	计算机视觉	植物病害	图像分类	CNN	图像	7220张病害和健康可可树图像	NA	ResNet18, PhytNet	准确性，鲁棒性，计算效率	NA
19378	2025-10-06	Annotation of spatially resolved single-cell data with STELLAR 2022-11, Nature methods IF:36.1Q1 DOI:10.1038/s41592-022-01651-8 PMID:36280720	研究论文	本文提出了一种名为STELLAR的几何深度学习方法，用于空间分辨单细胞数据的细胞类型注释和发现	STELLAR是首个专门为空间分辨单细胞数据设计的几何深度学习方法，能够考虑空间组织信息，自动发现新型细胞类型和细胞状态	NA	开发能够准确注释空间分辨单细胞数据中细胞类型的新计算方法	空间分辨单细胞数据	计算生物学	NA	CODEX多重荧光显微镜技术，多重RNA成像	几何深度学习	空间分辨单细胞数据，显微镜图像，RNA成像数据	260万个空间分辨单细胞	NA	NA	NA	NA
19379	2025-10-06	Insights on Scan-Specific Deep-Learning Strategies for Brain MRI Parallel Imaging Reconstruction 2025-Aug, NMR in biomedicine IF:2.7Q1 DOI:10.1002/nbm.70079 PMID:40545734	研究论文	本研究提出针对脑部MRI并行成像重建的扫描特异性深度学习策略优化方法	提出基于ACS的客观网格搜索优化策略和量化结构残留伪影的新指标COBRAI	仅评估了2D脑部MRI数据，未涉及3D或其他解剖部位	优化并行成像重建的扫描特异性深度学习策略	脑部MRI图像	医学影像处理	NA	并行成像，深度学习重建	CNN	MRI图像	FastMRI公共数据集和内部多对比度2D数据	NA	单层残差CNN, 三层残差CNN	COBRAI, 图像质量指标	NA
19380	2025-10-06	Oral mucosal lesions triage via YOLOv7 models 2025-Jul, Journal of the Formosan Medical Association = Taiwan yi zhi DOI:10.1016/j.jfma.2024.07.010 PMID:39003230	研究论文	本研究利用YOLOv7深度学习模型对口腔黏膜病变进行自动分类和分诊	首次系统比较多种YOLOv7模型配置在口腔病变分类中的表现，并在YOLOv7-D6模型中集成坐标注意力机制显著提升分类准确率	NA	提升口腔黏膜病变的早期检测和分类能力	口腔黏膜病变图像	计算机视觉	口腔癌	白光宏观成像	YOLO	图像	初始6903张图像，扩展至超过50000张图像（采集于2006-2013年）	NA	YOLOv7-E6, YOLOv7-D6, YOLOv7-D6-CA	精确率, 召回率, F1分数	NA