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
19781	2025-10-07	Predicting Seizures Episodes and High-Risk Events in Autism Through Adverse Behavioral Patterns 2025-Jan-13, medRxiv : the preprint server for health sciences DOI:10.1101/2024.05.06.24306938 PMID:38766049	研究论文	本研究开发基于深度学习的算法，通过分析自闭症患者的行为模式预测次日高风险行为和癫痫发作	首次将深度学习应用于自闭症患者行为数据分析，实现多种高风险行为和癫痫发作的提前预测	研究样本仅限于331名重度自闭症儿童，未包含其他程度或年龄段的患者	预测自闭症患者次日高风险行为和癫痫发作，为早期干预提供支持	331名重度自闭症谱系障碍儿童	机器学习	自闭症谱系障碍	行为数据分析	深度学习	行为数据和癫痫数据	331名儿童，数据跨度9年	NA	NA	准确率	NA
19782	2025-01-16	Automatic segmentation model and machine learning model grounded in ultrasound radiomics for distinguishing between low malignant risk and intermediate-high malignant risk of adnexal masses 2025-Jan-13, Insights into imaging IF:4.1Q1 DOI:10.1186/s13244-024-01874-7 PMID:39804536	研究论文	本文开发了一种自动分割模型来描绘附件肿块，并构建了一个基于卵巢附件报告和数据系统（O-RADS）的机器学习模型，以区分附件肿块的低恶性风险和中高恶性风险	结合深度学习分割模型和机器学习模型，利用超声影像组学特征进行附件肿块的风险分类，并通过SHapley Additive exPlanations进行模型解释和可视化	研究样本量相对有限，且仅基于超声影像数据，未考虑其他影像模态或多模态数据	开发自动分割和机器学习模型，用于附件肿块的风险分类	附件肿块的超声影像	医学影像分析	卵巢癌	超声影像组学	FCN ResNet101, SVM, LightGBM	图像	663张附件肿块的超声影像（低恶性风险446张，中高恶性风险217张）	NA	NA	NA	NA
19783	2025-01-16	Physics-informed deep learning quantifies propagated uncertainty in seismic structure and hypocenter determination 2025-Jan-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-84995-9 PMID:39805860	研究论文	本文采用物理信息深度学习（PIDL）方法，量化二维地震速度结构建模中的不确定性及其对震源定位的影响	通过引入神经网络集成，结合主动地震调查数据、地震观测数据和波前运动的物理方程，首次量化了地震速度结构模型中的不确定性及其对震源定位的影响	研究仅针对日本西南部的一次地震进行了分析，未在其他地区或更大规模的数据集上验证	研究目的是通过物理信息深度学习（PIDL）方法，量化地震速度结构建模中的不确定性及其对震源定位的影响	地震速度结构模型和震源定位	地球物理学	NA	物理信息深度学习（PIDL）	神经网络集成	地震调查数据、地震观测数据	日本西南部的一次地震数据	NA	NA	NA	NA
19784	2025-10-07	Precise Large-Scale Chemical Transformations on Surfaces: Deep Learning Meets Scanning Probe Microscopy with Interpretability 2025-Jan-08, Journal of the American Chemical Society IF:14.4Q1 DOI:10.1021/jacs.4c14757 PMID:39680589	研究论文	开发了名为AutoOSS的软件基础设施，通过深度学习实现扫描探针显微镜的自动化操作，用于大规模表面化学转化	结合神经网络模型解释STM输出和深度强化学习优化操作参数，实现自动化溴原子移除	目前仅针对特定分子体系（ZnBrMeDPP/Au(111)）进行验证	开发自主高效的SPM技术以实现精确的原子分子操控和化学反应控制	Au(111)表面上的Zn(II)-5,15-双(4-溴-2,6-二甲基苯基)卟啉分子	机器学习	NA	扫描隧道显微镜，贝叶斯优化结构搜索，密度泛函理论	神经网络，深度强化学习	STM图像	数百个ZnBrMeDPP分子	NA	NA	NA	NA
19785	2025-10-07	Integrating Deep Learning-Based Dose Distribution Prediction with Bayesian Networks for Decision Support in Radiotherapy for Upper Gastrointestinal Cancer 2025-Jan, Cancer research and treatment IF:4.1Q2 DOI:10.4143/crt.2024.333 PMID:39091147	研究论文	本研究开发了一种结合深度学习剂量分布预测和贝叶斯网络的决策支持算法，用于上消化道癌症放疗方案选择	首次将三维U-Net深度学习模型预测的剂量分布与贝叶斯网络结合，创建了个性化放疗方案决策支持系统	研究样本量较小（65例患者），且为回顾性分析	开发基于深度学习和临床数据的决策支持算法，优化上消化道癌症放疗方案选择	65例接受TBX和MRG模拟计划的肝或胰腺癌患者	医疗人工智能	上消化道癌症	放射治疗计划，剂量体积直方图分析	三维U-Net, 贝叶斯网络	医学影像数据，临床数据	65例患者	NA	三维U-Net	AUC	NA
19786	2025-10-07	Integrated Transcriptomic Landscape and Deep Learning Based Survival Prediction in Uterine Sarcomas 2025-Jan, Cancer research and treatment IF:4.1Q2 DOI:10.4143/crt.2024.343 PMID:38993092	研究论文	本研究通过整合转录组学分析和深度学习模型，探索子宫肉瘤的基因组特征并开发生存预测方法	发现了子宫肉瘤中新的基因融合位点MRPS18A-PDC-AS1，并开发了基于Max-Mean Non-Local多实例学习的深度学习生存预测模型	样本量相对有限（71例），且包含多种罕见亚型	阐明子宫肉瘤的基因组特征并建立患者生存预测模型	子宫肉瘤患者组织样本	数字病理学	子宫肉瘤	RNA测序	深度学习	基因表达数据	71例子宫肉瘤样本（47例ESS，18例uLMS，3例腺肉瘤，2例癌肉瘤，1例卵巢性索样肿瘤）	NA	Max-Mean Non-Local多实例学习（MMN-MIL）	AUC, 准确率	NA
19787	2025-10-07	Molecular Classification of Breast Cancer Using Weakly Supervised Learning 2025-Jan, Cancer research and treatment IF:4.1Q2 DOI:10.4143/crt.2024.113 PMID:38938010	研究论文	本研究利用弱监督学习方法对乳腺癌分子亚型进行分类	采用弱监督学习从全切片图像中开发深度学习模型，无需大量手动标注	存在亚型不平衡问题以及不同数据集间的分子亚型比例差异	乳腺癌分子亚型分类	乳腺癌全切片图像	数字病理学	乳腺癌	弱监督学习	深度学习	全切片图像	来自韩国高丽大学九老医院和癌症基因组图谱的两个数据集	NA	基于注意力的模型	AUC	NA
19788	2025-10-07	Machine Learning and Deep Learning Applications in Magnetic Particle Imaging 2025-Jan, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.29294 PMID:38358090	综述	本文总结和回顾了机器学习和深度学习在磁粒子成像中的应用及其未来潜力	系统梳理了人工智能方法在磁粒子成像这一新兴成像技术中的应用现状和发展前景	证据等级为5级，技术效能处于第一阶段，表明研究仍处于初步探索阶段	探讨机器学习和深度学习模型在磁粒子成像中的应用价值	磁粒子成像技术及其图像重建和分析方法	机器学习	NA	磁粒子成像	机器学习,深度学习	2D和3D医学图像	NA	NA	NA	NA	NA
19789	2025-10-07	An efficient ranking-based ensembled multiclassifier for neurodegenerative diseases classification using deep learning 2025-Jan, Journal of neural transmission (Vienna, Austria : 1996) DOI:10.1007/s00702-024-02830-x PMID:39249515	研究论文	提出一种基于排序的集成多分类器方法，使用深度学习对神经退行性疾病进行分类	开发了基于权重策略的排序集成方法，结合五种深度学习分类器	仅使用ADNI和PPMI两个数据集进行验证，未在其他数据集上测试	提高神经退行性疾病的分类准确率	阿尔茨海默病和帕金森病患者	机器学习	神经退行性疾病	磁共振成像	深度学习集成模型	医学影像	ADNI和PPMI数据集	NA	五种深度学习模型	准确率	NA
19790	2025-10-07	Deep learning in Cobb angle automated measurement on X-rays: a systematic review and meta-analysis 2025-Jan, Spine deformity IF:1.6Q3 DOI:10.1007/s43390-024-00954-4 PMID:39320698	系统综述与荟萃分析	本研究系统回顾了X光片上自动测量Cobb角的不同深度学习算法，并通过荟萃分析评估其性能	首次对Cobb角自动测量的深度学习算法进行系统综述和荟萃分析，比较了基于分割和基于关键点两种方法的性能差异	纳入研究的异质性较高(94%)，仅包含17项研究进行荟萃分析，结果存在一定局限性	概述不同深度学习算法在Cobb角自动测量中的应用，识别局限性并总结改进方案	X光片中的脊柱Cobb角测量	计算机视觉	脊柱侧弯	深度学习算法	深度学习模型	X光图像	系统检索获得120篇文章（n=3022），最终纳入50项研究进行系统综述，17项研究进行荟萃分析	NA	NA	圆形平均绝对误差(CMAE)	NA
19791	2025-10-07	Fragmentation in patchy ecosystems: a call for a functional approach 2025-Jan, Trends in ecology & evolution IF:16.7Q1 DOI:10.1016/j.tree.2024.09.004 PMID:39510920	研究论文	本文探讨了将森林破碎化原则应用于自然斑块状生态系统（如稀树草原）的问题，并提出基于景观功能性的破碎化识别方法	提出基于连通性的景观功能性方法来识别生态系统破碎化，突破了传统仅依赖植被结构的破碎化评估框架	NA	改进斑块状生态系统的破碎化评估方法，促进对生态系统动态的更好理解	自然斑块状生态系统（以稀树草原为例）	生态学	NA	遥感技术, 实地测量	深度学习	遥感数据, 实地测量数据	NA	NA	NA	NA	NA
19792	2025-10-07	Protein Binding Site Representation in Latent Space 2025-Jan, Molecular informatics IF:2.8Q2 DOI:10.1002/minf.202400205 PMID:39692081	研究论文	本研究探索了图神经网络在蛋白质-配体复合物亲和力预测中学习到的结合位点潜在表示的空间结构及其与蛋白质功能的关系	提出了用于潜在空间降维、聚类、假设检验和可视化的自动化计算流程，并发现学习的蛋白质潜在空间具有固有结构而非随机分布	NA	理解深度学习模型对特征的表征能力，提高计算机辅助药物发现中模型的可解释性和可靠性	蛋白质-配体复合物的结合位点	机器学习	NA	图神经网络	图神经网络	蛋白质-配体复合物结构数据	NA	NA	图神经网络	NA	NA
19793	2025-01-16	Advances in modeling cellular state dynamics: integrating omics data and predictive techniques 2025, Animal cells and systems IF:2.5Q1 DOI:10.1080/19768354.2024.2449518 PMID:39807350	综述	本文综述了当前用于建模细胞状态动态的方法，包括从动态或静态生物分子网络模型到深度学习模型的技术	强调了如何将这些方法与转录组学和单细胞RNA测序等多种组学数据整合，以捕捉和预测细胞行为和转变	讨论了这些方法在可扩展性和分辨率要求方面的局限性，这些要求根据研究生物系统的复杂性和大小而变化	旨在指导未来研究开发更强大和可解释的模型，以理解和操纵各种生物背景下的细胞状态动态，最终推进治疗策略和精准医学	细胞状态动态	机器学习	NA	转录组学, 单细胞RNA测序	深度学习模型	组学数据	NA	NA	NA	NA	NA
19794	2025-01-16	Utilizing deep learning to predict Alzheimer's disease and mild cognitive impairment with optical coherence tomography 2025 Jan-Mar, Alzheimer's & dementia (Amsterdam, Netherlands) DOI:10.1002/dad2.70041 PMID:39811700	研究论文	本研究开发了一种基于光学相干断层扫描（OCT）的深度学习算法，用于预测阿尔茨海默病（AD）和轻度认知障碍（MCI）	开发了一种集成三边深度学习模型，显著优于单一非深度学习模型，展示了OCT图像在AD和MCI检测中的潜力	深度学习模型与传统统计模型的性能相当，选择哪种模型可能取决于计算资源、可解释性偏好和临床需求	开发一种基于OCT的深度学习算法，用于检测AD和MCI	228名亚洲参与者（173例病例/55例对照）用于模型开发和测试，68名亚洲（52例病例/16例对照）和85名白人（39例病例/46例对照）参与者用于测试	数字病理学	老年疾病	光学相干断层扫描（OCT）	集成三边深度学习模型	图像	228名亚洲参与者用于模型开发，68名亚洲和85名白人参与者用于测试	NA	NA	NA	NA
19795	2025-10-07	MS-CLSTM: Myoelectric Manipulator Gesture Recognition Based on Multi-Scale Feature Fusion CNN-LSTM Network 2024-Dec-23, Biomimetics (Basel, Switzerland) DOI:10.3390/biomimetics9120784 PMID:39727788	研究论文	提出基于多尺度特征融合CNN-LSTM网络的肌电操纵器手势识别模型MS-CLSTM	融合多尺度卷积核提取sEMG信号的局部细节、全局模式和通道间相关性，结合ResCBAM增强关键手势信息关注并缓解小样本过拟合	基于小样本数据集开发，模型泛化能力需进一步验证	提升表面肌电信号手势识别的准确性和实时性	表面肌电信号和对应的手势动作	机器学习	NA	表面肌电信号采集	CNN, LSTM	时序信号数据	Ninapro DB2和DB4数据集	NA	MS Block-ResCBAM-Bi-LSTM, CNN-LSTM, ResCBAM, Simple-ResNet	准确率	NA
19796	2025-10-07	Deep Learning-Based Diagnosis Algorithm for Alzheimer's Disease 2024-Dec-23, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging10120333 PMID:39728230	研究论文	提出一种基于改进3D DenseNet分割模型和MobileNetV3分类模型的两阶段阿尔茨海默病自动辅助诊断算法	在分割网络中简化主干网络、替换激活函数和损失函数并引入3D GAM注意力机制；在分类网络中增加CA注意力机制、引入空洞卷积并改进全连接层结合迁移学习	NA	开发阿尔茨海默病的自动辅助诊断算法	阿尔茨海默病患者、轻度认知障碍患者和正常对照的脑部MR图像	计算机视觉	阿尔茨海默病	脑部磁共振成像	CNN	3D医学图像	NA	NA	3D DenseNet, MobileNetV3	准确率	NA
19797	2025-10-07	Towards Robust Supervised Pectoral Muscle Segmentation in Mammography Images 2024-Dec-22, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging10120331 PMID:39728227	研究论文	本文提出了一种用于乳腺X线图像中胸大肌分割的监督学习方法，并提供了三个公开数据集的胸大肌分割标注	首次为INbreast、MIAS和CBIS-DDSM数据集提供胸大肌分割标注，支持基于深度学习的监督方法开发	未明确说明模型在临床环境中的泛化能力验证	开发鲁棒的胸大肌自动分割方法以改进乳腺癌检测系统	乳腺X线图像中的胸大肌区域	计算机视觉	乳腺癌	医学图像分割	深度学习	医学图像	INbreast、MIAS和CBIS-DDSM三个公开数据集的乳腺X线图像	未明确说明	AU-Net	交叉数据集测试性能	NA
19798	2025-10-07	The Use of Hybrid CNN-RNN Deep Learning Models to Discriminate Tumor Tissue in Dynamic Breast Thermography 2024-Dec-21, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging10120329 PMID:39728226	研究论文	本研究评估混合CNN-RNN深度学习模型在动态乳腺热成像中识别肿瘤组织的性能	首次将五种预训练CNN架构与三种RNN结合构建混合模型，从动态乳腺热成像中同时提取空间和时间特征	未明确说明数据集规模和具体采集条件，性能比较仅限于所选架构	开发能够从动态乳腺热成像中有效识别肿瘤组织的深度学习模型	乳腺热成像图像中的肿瘤异常组织	计算机视觉	乳腺癌	红外热成像技术	CNN, RNN	动态热成像图像序列	NA	NA	VGG16, LSTM, AlexNet, RNN	准确率, 敏感度, 特异度	CPU（具体型号未说明）
19799	2025-10-07	A Real-Time Lightweight Behavior Recognition Model for Multiple Dairy Goats 2024-Dec-19, Animals : an open access journal from MDPI IF:2.7Q1 DOI:10.3390/ani14243667 PMID:39765571	研究论文	提出一种用于多只奶山羊实时轻量级行为识别的GSCW-YOLO模型	集成高斯上下文变换和CARAFE上采样算子，增强对行为特征的关注并优化Wise-IoU损失函数	仅基于9213张自建数据集进行验证，未在更广泛场景测试	实现复杂环境下奶山羊小目标行为的自动识别	奶山羊的行为识别，特别是异常行为检测	计算机视觉	NA	视频监控	YOLO	图像	9213张图像	YOLOv8n	GSCW-YOLO	精确率,召回率,mAP,FPS	NA
19800	2025-10-07	Automated Supraclavicular Brown Adipose Tissue Segmentation in Computed Tomography Using nnU-Net: Integration with TotalSegmentator 2024-Dec-11, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics14242786 PMID:39767147	研究论文	开发基于nnU-Net的自动化锁骨上棕色脂肪组织分割方法并集成到TotalSegmentator软件中	首次将nnU-Net框架应用于BAT分割，并集成到现有医学影像分析平台TotalSegmentator中	研究仅针对淋巴瘤患者群体，未在其他疾病群体中验证	开发自动化BAT分割方法以减少人工标注时间和变异性	淋巴瘤患者的CT扫描图像	医学影像分析	淋巴瘤	CT扫描，FDG PET/CT	CNN	3D医学影像	训练集159例淋巴瘤患者，测试集30例患者，另分析7107例FDG PET/CT研究	nnU-Net	3D nnU-Net	DICE分数，Hausdorff距离	NA