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
401	2025-07-03	Motion correction and super-resolution for multi-slice cardiac magnetic resonance imaging via an end-to-end deep learning approach 2024-Jul, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2024.102389 PMID:38692199	research paper	提出一种端到端深度学习模型，用于心脏磁共振成像的运动校正和超分辨率重建	模型包含两个特定组件分别处理运动校正和超分辨率，以端到端方式训练	NA	从2D短轴切片重建高分辨率3D心脏体积	心脏磁共振成像数据	医学影像处理	心血管疾病	深度学习	端到端深度学习模型	医学影像	模拟数据集和真实世界数据集
402	2025-07-03	Large-scale 3D non-Cartesian coronary MRI reconstruction using distributed memory-efficient physics-guided deep learning with limited training data 2024-Jul, Magma (New York, N.Y.) DOI:10.1007/s10334-024-01157-8 PMID:38743377	research paper	该研究提出了一种基于物理引导深度学习（PG-DL）的大规模3D非笛卡尔冠状动脉MRI重建方法，解决了硬件限制和训练数据不足的问题	结合深度学习与MRI重建的最新进展，提出2.5D重建方法，利用2D卷积神经网络处理3D体积数据，以有限训练数据实现高质量重建	训练数据有限可能影响模型的泛化能力	实现高质量的大规模3D非笛卡尔冠状动脉MRI重建	3D非笛卡尔冠状动脉MRI数据	医学影像处理	心血管疾病	MRI	CNN	3D MRI图像	NA
403	2025-07-03	Physics-Driven Deep Learning Reconstruction of Frequency-Modulated Rabi-Encoded Echoes for Faster Accessible MRI 2024-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC53108.2024.10782818 PMID:40039561	研究论文	提出了一种物理驱动的深度学习重建方法，用于解决频率调制拉比编码回波（FREE）MRI中的失真问题并提高成像速度	结合物理模型与深度学习，首次实现了FREE MRI的高加速率重建	目前仅在单接收线圈条件下验证了4倍加速的可行性	降低MRI成本并提高成像速度	MRI成像系统	医学影像	NA	频率调制拉比编码回波(FREE)	物理驱动深度学习(PD-DL)	MRI图像数据	未明确说明样本数量
404	2025-07-03	Improving quantitative MRI using self-supervised deep learning with model reinforcement: Demonstration for rapid T1 mapping 2024-Jul, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.30045 PMID:38342980	research paper	提出了一种新型的自监督学习框架RELAX-MORE，用于加速定量MRI重建	采用模型强化的自监督学习方法，无需大量训练数据，可在单被试数据上进行训练	NA	提高定量MRI的重建速度和准确性	大脑、膝盖和幻影数据	machine learning	NA	定量MRI，自监督学习	深度学习框架	MRI图像	单被试数据
405	2025-07-03	Using machine learning or deep learning models in a hospital setting to detect inappropriate prescriptions: a systematic review 2024-Jun-21, European journal of hospital pharmacy : science and practice IF:1.6Q3 DOI:10.1136/ejhpharm-2023-003857 PMID:38050067	系统综述	本文通过系统综述探讨了机器学习和深度学习模型在医院环境中检测不当处方的应用现状	总结了AI在临床药学领域的应用现状，并指出了整合AI到临床医院药学实践中的潜在价值	纳入的研究中有12项被认为存在高偏倚风险，且训练数据集非常异质	探讨机器学习和深度学习模型在检测医院不当药物医嘱中的应用	医院临床药师使用的AI模型	机器学习	NA	监督学习技术	机器学习和深度学习模型	药物医嘱数据	分析的处方医嘱数量从31到5,804,192不等
406	2025-07-03	In vivo identification of angle dysgenesis and its relation to genetic markers associated with glaucoma using artificial intelligence 2024-03-01, Indian journal of ophthalmology IF:2.1Q2 DOI:10.4103/IJO.IJO_1456_23 PMID:38146977	research paper	使用深度学习预测前段光学相干断层扫描中的角度发育不良，并将其与已知青光眼基因突变相关联	首次使用深度学习模型客观识别角度发育不良，并验证其与特定青光眼基因突变的关联	样本量相对较小，且仅针对特定几种基因突变进行了验证	预测角度发育不良并探索其与青光眼基因突变的关系	前段光学相干断层扫描图像及青光眼患者基因数据	digital pathology	glaucoma	deep learning, AS-OCT	DL	image	800张AS-OCT图像（其中340张用于建模，393张用于基因验证）
407	2025-07-03	Fetal growth analysis from ultrasound videos based on different biometrics using optimal segmentation and hybrid classifier 2024-02-28, Statistics in medicine IF:1.8Q1 DOI:10.1002/sim.9995 PMID:38155152	研究论文	提出了一种基于超声视频的胎儿生长分析方法，通过最优分割和混合分类器分析胎儿头围生物特征	引入了混合鲸鱼与对立果蝇优化(WOFF)算法进行最优分割，改进的U-Net设计用于特征提取，以及改进的Boosting算术优化(MBAO)算法进行特征优化，最后采用双向LSTM与CNN混合深度学习技术(B-LSTM-CNN)进行胎儿生长分析	未提及具体样本量限制或算法在临床环境中的实际应用限制	通过超声图像分析胎儿生长和健康状况	胎儿头围生物特征	数字病理	出生缺陷	超声成像	改进的U-Net, B-LSTM-CNN	超声图像和视频帧	使用了公开基准数据集HC18(超声图像)和牛津大学研究档案(ORA-data)(超声视频帧)
408	2025-07-02	HIV-1 M group subtype classification using deep learning approach 2024-Dec, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109218 PMID:39369547	研究论文	提出了一种基于深度学习的HIV-1 M群亚型分类方法HIV-1-M-SPBEnv，通过env基因序列实现高精度分类	首次使用深度学习方法进行HIV-1 M群亚型分类，并利用人工分子进化技术生成适合机器学习的合成数据集	NA	开发一种高精度的HIV-1 M群亚型分类方法	HIV-1 M群亚型	机器学习	HIV感染	人工分子进化技术	卷积自编码器（CNN）与全连接神经网络	DNA序列数据	NA
409	2025-07-02	iGTP: Learning interpretable cellular embedding for inferring biological mechanisms underlying single-cell transcriptomics 2024-Nov-25, medRxiv : the preprint server for health sciences DOI:10.1101/2024.03.29.24305092 PMID:39649598	research paper	提出了一种名为iGTP的可解释生成转录程序框架，用于推断单细胞转录组学背后的生物学机制	iGTP框架能够建模转录程序空间和蛋白质-蛋白质相互作用的重要性，超越了其他深度学习和传统生物信息学方法	未明确提及具体局限性	开发一种可解释的深度学习框架，用于单细胞转录组数据的分析和生物学机制推断	单细胞转录组数据	生物信息学	NA	单细胞转录组学	Variational AutoEncoder, 图神经网络, 潜在扩散模型	基因表达数据	NA
410	2025-07-02	Uncovering the predictive and immunomodulatory potential of transient receptor potential melastatin family-related CCNE1 in pan-cancer 2024-Nov-18, Molecular cancer IF:27.7Q1 DOI:10.1186/s12943-024-02169-7 PMID:39551726	研究论文	本研究通过创建TRPM-Score并发现CCNE1作为生物标志物，探讨了TRPM家族在泛癌领域中的预测和免疫调节潜力	创建了TRPM-Score并发现CCNE1作为生物标志物，验证了其在免疫治疗预测和免疫调节中的作用	研究主要基于计算方法和体外实验，需要更多体内实验验证	探索TRPM家族在泛癌中的预测和免疫调节潜力	17种实体瘤和CCNE1基因	免疫肿瘤学	泛癌	机器学习和深度学习计算方法	NA	基因表达数据	17种实体瘤的数据
411	2025-07-02	Decoding the impact of neighboring amino acids on ESI-MS intensity output through deep learning 2024-10-30, Journal of proteomics IF:2.8Q2 DOI:10.1016/j.jprot.2024.105322 PMID:39341565	research paper	该研究通过深度学习模型探索氨基酸二聚体基序与质谱MS1强度之间的关系，以提高肽段定量分析的准确性	首次使用带注意力机制的编码器-解码器深度学习模型来识别影响MS1强度的关键氨基酸二聚体基序，并揭示了特定基序与肽段响应强度的关联	与早期单氨基酸表示相比，二聚体表示并未显著提高预测能力	探究氨基酸局部环境与质谱MS1强度之间的关系，以提高肽段定量分析的准确性	近200,000种独特肽段组成的等摩尔肽池	machine learning	NA	质谱(MS)分析	带注意力机制的RNN编码器-解码器模型	质谱数据	近200,000种独特肽段
412	2025-07-02	Assessing substrate scope of the cyclodehydratase LynD by mRNA display-enabled machine learning models 2024-Oct-14, bioRxiv : the preprint server for biology DOI:10.1101/2024.10.14.618330 PMID:39464139	研究论文	本文通过mRNA展示技术结合深度学习模型，评估了环脱水酶LynD的底物范围及其在核糖体合成和翻译后修饰肽（RiPP）天然产物生物合成途径中的应用	利用mRNA展示这一高通量肽展示技术，结合深度学习模型，首次对LynD的底物混杂性进行了大规模分析，并构建了能够准确预测LynD底物加工的模型	研究主要集中于LynD这一特定酶，对其他RiPP酶的适用性尚需进一步验证	评估和预测RiPP环脱水酶LynD的底物混杂性，以促进RiPP酶的进一步研究和应用	核糖体合成和翻译后修饰肽（RiPP）天然产物及其生物合成途径中的多域酶	机器学习	NA	mRNA展示技术	深度学习模型	肽序列数据	非常大（具体数量未提及）的肽库
413	2025-07-02	DSMT-Net: Dual Self-Supervised Multi-Operator Transformation for Multi-Source Endoscopic Ultrasound Diagnosis 2024-01, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2023.3289859 PMID:37368810	研究论文	提出了一种双自监督多操作变换网络（DSMT-Net），用于多源内镜超声（EUS）诊断，以提高胰腺癌和乳腺癌的诊断准确性	设计了基于transformer的双自监督网络，整合未标记的EUS图像进行预训练，并提出多操作变换方法标准化EUS图像中感兴趣区域的提取	未提及具体局限性	提高胰腺癌和乳腺癌的内镜超声诊断准确性	胰腺癌和乳腺癌的内镜超声图像	数字病理学	胰腺癌, 乳腺癌	深度学习	DSMT-Net, transformer	图像	3500张标记的EUS图像（胰腺癌和非胰腺癌）和8000张未标记的EUS图像
414	2025-07-01	BIDSAlign: a library for automatic merging and preprocessing of multiple EEG repositories 2024-08-20, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/ad6a8c PMID:39094617	研究论文	介绍了一个名为BIDSAlign的标准化库，用于自动合并和预处理多个EEG数据集	提出了一种能够处理BIDS和非BIDS数据集的标准化库，统一了不同设置的EEG记录，并提供了可视化功能和用户友好的图形界面	未提及具体的性能评估或与其他工具的对比	解决数据驱动的EEG数据分析中的挑战，提供有效的深度学习架构训练数据	多个公共EEG数据集	机器学习	神经系统疾病	EEG数据处理	深度学习架构	EEG数据	来自OpenNeuro的数据集
415	2025-07-01	Wasserstein generative adversarial network with gradient penalty and convolutional neural network based motor imagery EEG classification 2024-08-14, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/ad6cf5 PMID:39116892	研究论文	提出了一种基于Wasserstein生成对抗网络和卷积神经网络的运动想象脑电分类方法，以提高分类性能	改进的Wasserstein生成对抗网络用于数据增强，设计了一个简洁高效的深度学习模型以提高解码性能	未提及具体的数据采集难度或样本量不足是否会影响模型的泛化能力	提高运动想象脑电数据的解码性能	运动想象脑电数据	机器学习	NA	连续小波变换	Wasserstein GAN, CNN	脑电信号	BCI Competition IV 2a和2b数据集及实际采集的数据集
416	2025-07-01	MRGazer: decoding eye gaze points from functional magnetic resonance imaging in individual space 2024-08-13, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/ad6185 PMID:38986464	research paper	提出了一种名为MRGazer的框架，用于从个体空间的功能磁共振成像(fMRI)数据中预测眼动注视点	MRGazer框架跳过了fMRI共配准步骤，简化了处理流程，实现了端到端的眼动注视回归	未提及具体局限性	开发一个高效、简单且准确的深度学习框架，用于从fMRI数据预测眼动	功能磁共振成像(fMRI)数据中的眼动注视点	计算机视觉	NA	fMRI	残差网络(ResNet)	fMRI图像数据	未提及具体样本量
417	2025-07-01	Toward calibration-free motor imagery brain-computer interfaces: a VGG-based convolutional neural network and WGAN approach 2024-07-31, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/ad6598 PMID:39029497	research paper	本研究提出了一种基于VGG卷积神经网络和WGAN的无校准运动想象脑机接口方法，用于跨受试者EEG分类	采用WGAN生成合成频谱图像进行数据增强，结合改进的VGG-CNN分类器，实现了无需目标受试者校准数据的跨受试者分类	研究仅使用了公开竞赛数据集，未在实际临床环境中验证	开发无需校准的运动想象脑机接口系统	运动想象EEG信号	脑机接口	NA	EEG信号处理	VGG-CNN, WGAN	EEG频谱图像	BCI竞赛IV-2B、IV-2A和IV-1基准数据集（具体数量未说明）
418	2025-07-01	SQI-DOANet: electroencephalogram-based deep neural network for estimating signal quality index and depth of anaesthesia 2024-07-30, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/ad6592 PMID:39029477	研究论文	提出了一种基于脑电图(EEG)的深度神经网络SQI-DOANet，用于估计信号质量指数(SQI)和麻醉深度(DOA)	结合了信号质量评估网络(SQINet)和麻醉深度分析网络(DOANet)，采用双注意力模块融合多通道多尺度信息，并使用门控多层感知器模块提取时序信息	未明确说明模型在实时监测场景下的表现及计算效率	开发可靠的麻醉深度监测方法	手术中的脑电图信号	机器学习	NA	深度学习	CNN+注意力机制+MLP	EEG信号	大型VitalDB数据库（具体数量未说明）
419	2025-07-01	Neural activity shaping in visual prostheses with deep learning 2024-07-25, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/ad6186 PMID:38986450	研究论文	本文提出了一种基于深度学习的神经活动塑造方法，用于改善视网膜假体的视觉感知	使用人工神经网络（ANNs）进行模型无关的神经活动塑造，相比传统方法计算效率更高且不限于特定视网膜模型	方法尚未在实际临床环境中验证	提高视网膜假体的空间分辨率和视觉感知质量	视网膜假体使用者的神经活动模式	计算机视觉	视网膜疾病	深度学习	ANNs（人工神经网络）	图像数据	NA
420	2025-07-01	Retrieving and reconstructing conceptually similar images from fMRI with latent diffusion models and a neuro-inspired brain decoding model 2024-06-28, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/ad593c PMID:38885689	研究论文	本研究提出了一种基于语义和上下文相似性的脑解码新方法，利用fMRI数据和深度学习解码流程来推断和重建概念相似的图像	结合了神经科学启发的大脑解码模型和潜在扩散模型，通过线性映射fMRI活动到语义视觉特征空间，实现了语义分类和图像检索/生成	方法依赖于预训练神经网络的潜在空间表示，可能受限于网络本身的表征能力	开发一种新的脑解码方法，能够从fMRI数据中重建概念相似的图像	人类大脑对自然图像刺激的神经活动模式	计算神经科学	NA	fMRI, 潜在扩散模型	线性脑到特征模型, 潜在扩散模型	fMRI数据, 图像数据	三个fMRI数据集(Generic Object Decoding, BOLD5000, NSD)