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
441	2025-06-27	deepbet: Fast brain extraction of T1-weighted MRI using Convolutional Neural Networks 2024-09, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108845 PMID:39002314	research paper	该研究开发了一种名为deepbet的快速、高精度脑提取工具，用于T1加权MRI图像的分割	deepbet采用高效的UNet架构变体，在跨数据集验证中达到了99.0的中位Dice分数，显著优于现有深度学习和传统方法	研究主要关注成人T1加权MRI图像，未涵盖其他类型的MRI图像或儿童数据	开发一种快速、高精度的脑提取工具，以改进神经影像预处理流程	T1加权MRI图像	digital pathology	NA	MRI	UNet	image	7837张T1加权MRI图像，来自191个不同的OpenNeuro数据集
442	2025-06-27	Improving brain atrophy quantification with deep learning from automated labels using tissue similarity priors 2024-09, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108811 PMID:38991315	研究论文	本文提出了一种基于深度学习的脑萎缩量化管道，通过组织相似性正则化改进自动化标签的准确性	利用组织相似性先验知识，通过加权损失项在训练中强制实施短间隔扫描对之间的组织体积相似性，从而减少量化误差和提高测量一致性	研究仅使用了T1加权MRI扫描数据，且依赖于FSL软件库生成的自动化标签	提高脑萎缩量化方法的准确性和可靠性，以解锁其在神经退行性疾病诊断和预后中的潜力	健康对照者(HC)和阿尔茨海默病(AD)患者的MRI扫描数据	数字病理学	阿尔茨海默病	MRI	深度学习	图像	MIRIAD和ADNI1两个MRI数据集中的健康对照者和阿尔茨海默病患者
443	2025-06-27	Optimized efficient attention-based network for facial expressions analysis in neurological health care 2024-09, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108822 PMID:38986286	research paper	提出了一种基于高效轻量级卷积块注意力模块（CBAM）的深度学习网络，用于辅助医生诊断神经系统疾病患者的面部表情分析	采用CBAM模块增强的深度学习网络，轻量级设计（仅3MB），适合部署在资源有限的移动医疗设备上	模型在真实患者数据上的准确率为73.2%，仍有提升空间	改善神经系统疾病（如阿尔茨海默病和帕金森病）的早期诊断和治疗	神经系统疾病患者的面部表情数据	computer vision	geriatric disease	深度学习	CBAM-based DLN	image	真实神经系统疾病患者数据（具体数量未提及）
444	2025-06-27	Unveiling the evolution of policies for enhancing protein structure predictions: A comprehensive analysis 2024-09, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108815 PMID:38986287	综述	本文全面分析了蛋白质结构预测政策的演变，探讨了提高预测准确性的有效策略	介绍了革命性的端到端和全原子扩散技术，以及利用子采样和多序列比对（MSA）和蛋白质语言模型来提高预测准确性和效率	预测准确性虽有所提高，但仍未达到预期结构知识的水平，需要在其他方面进一步发展	提高蛋白质结构预测的准确性，以支持基于结构的药物发现和疾病研究	蛋白质结构预测方法和策略	生物信息学	NA	多序列比对（MSA）、蛋白质语言建模、深度学习	端到端模型、全原子扩散模型	蛋白质序列数据	NA
445	2025-06-27	Evaluation of Cellpose segmentation with sequential thresholding for instance segmentation of cytoplasms within autofluorescence images 2024-09, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108846 PMID:38976959	研究论文	本文提出并测试了一种用于自动荧光图像中细胞质实例分割的方法，结合了Cellpose深度学习和后处理算法CPPA	结合Cellpose深度学习分割方法和后处理算法CPPA，实现了对自动荧光图像中细胞质的高精度实例分割	仅在三种细胞样本上进行了测试，样本多样性有限	开发一种准确分割自动荧光图像中细胞质的方法，以支持单细胞代谢分析	静止T细胞、激活T细胞和MCF7细胞的NAD(P)H自动荧光图像	数字病理学	NA	自动荧光成像	Cellpose (深度学习分割方法)	图像	5张NAD(P)H图像，来自3种不同细胞样本
446	2025-06-27	VmmScore: An umami peptide prediction and receptor matching program based on a deep learning approach 2024-09, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108814 PMID:38944902	研究论文	介绍了一种基于深度学习的鲜味肽预测和受体匹配程序VmmScore	提出了一个包含预测模块Mlp4Umami和受体匹配模块mm-Score的算法，优化了分子对接和评分系统	NA	解决为鲜味肽识别最佳受体的挑战	鲜味肽及其受体	机器学习	NA	机器学习优化的分子对接和评分系统	深度学习	肽序列数据	来自Lateolabrax japonicus的肽，实验验证了三种肽的鲜味及其受体
447	2025-06-27	A preliminary study of super-resolution deep learning reconstruction with cardiac option for evaluation of endovascular-treated intracranial aneurysms 2024-Aug-01, The British journal of radiology DOI:10.1093/bjr/tqae117 PMID:38917414	研究论文	本研究探讨了超分辨率深度学习重建（SR-DLR）结合心脏选项在评估支架辅助弹簧圈栓塞、弹簧圈栓塞和血流导向支架植入患者图像质量中的效用	首次将SR-DLR结合心脏选项应用于颅内动脉瘤血管内治疗后的随访影像评估，相比传统重建方法显著降低了图像噪声并提高了信噪比	单中心回顾性研究，样本量较小（50例患者），且缺乏长期随访数据	评估SR-DLR在颅内动脉瘤血管内治疗后影像随访中的临床应用价值	接受支架辅助弹簧圈栓塞、弹簧圈栓塞和血流导向支架植入治疗的颅内动脉瘤患者	数字病理	脑血管疾病	超分辨率深度学习重建（SR-DLR）	深度学习	医学影像	50例患者（平均年龄59岁，范围44-81岁，男性13例）
448	2025-06-27	Implementing a deep learning model for automatic tongue tumour segmentation in ex-vivo 3-dimensional ultrasound volumes 2024-04, The British journal of oral & maxillofacial surgery DOI:10.1016/j.bjoms.2023.12.017 PMID:38402068	研究论文	本研究探讨了使用3D深度学习模型在3D超声体积中快速进行舌癌术中分割的可行性，并评估了自动分割的临床效果	首次将3D No New U-Net (nnUNet)模型应用于舌癌的自动分割，并实现了在移动工作站上的临床验证	自动分割的最终边缘状态(FMS)与组织病理学边缘的相关性较低，且样本量较小(n=16)	开发一种快速、自动的舌癌分割方法，以减少术中手动分割的时间和操作者变异性	舌癌患者的3D超声体积数据	数字病理学	舌癌	3D超声成像	3D nnUNet	3D超声体积数据	113个手动标注的超声体积用于训练，16名前瞻性纳入的舌癌患者用于临床验证
449	2025-06-27	A review of machine learning applications in life cycle assessment studies 2024-Feb-20, The Science of the total environment DOI:10.1016/j.scitotenv.2023.168969 PMID:38036122	综述	本文回顾了机器学习在生命周期评估（LCA）研究中的应用现状、知识缺口及未来研究方向	系统分析了40项结合LCA与ML方法的研究，提出了ML在LCA中的四大应用方向及未来研究重点	70%的研究训练样本不足1500个，缺乏模型选择标准细节和不确定性分析，需加强数据收集与跨学科合作	探讨如何利用机器学习技术推动生命周期评估的发展	40项结合LCA与ML方法的定量评估研究	机器学习	NA	监督学习与无监督学习	人工神经网络（ANNs）	文献数据、实验数据、数据库数据、模型模拟数据	多数研究样本量<1500
450	2025-06-27	Recognition of intraglomerular histological features with deep learning in protocol transplant biopsies and their association with kidney function and prognosis 2024-Feb, Clinical kidney journal IF:3.9Q1 DOI:10.1093/ckj/sfae019 PMID:38370429	研究论文	本研究利用卷积神经网络自动分割肾小球细胞和毛细血管，并评估其与移植肾功能的相关性	首次使用深度学习自动化测量肾小球内细胞和毛细血管，并发现内皮细胞和上皮细胞的精确分割可能作为未来移植肾丢失风险的潜在标志物	样本量相对较小(215例)，且为单中心研究	评估肾小球内组织学特征与移植肾功能和预后的关联	肾移植患者的肾小球细胞和毛细血管	数字病理学	肾脏疾病	CNN	卷积神经网络	病理图像	215例肾移植患者(37例训练集，24例测试集，154例应用队列)
451	2025-06-27	Early inner plexiform layer thinning and retinal nerve fiber layer thickening in excitotoxic retinal injury using deep learning-assisted optical coherence tomography 2024-02-01, Acta neuropathologica communications IF:6.2Q1 DOI:10.1186/s40478-024-01732-z PMID:38303097	研究论文	使用深度学习辅助的光学相干断层扫描技术研究兴奋毒性视网膜损伤中早期内丛状层变薄和视网膜神经纤维层增厚的现象	首次揭示了NMDA诱导的兴奋毒性视网膜损伤中不同视网膜层的病理变化顺序，特别是内丛状层的早期变薄和视网膜神经纤维层的初始增厚	研究仅基于大鼠模型，结果可能无法直接推广到人类	探究兴奋毒性视网膜损伤对不同视网膜层的影响	成年Long Evans大鼠的视网膜	数字病理学	神经退行性疾病	光学相干断层扫描(OCT)	深度学习算法	图像	9只成年Long Evans大鼠
452	2025-06-26	COVID-19 IgG antibodies detection based on CNN-BiLSTM algorithm combined with fiber-optic dataset 2024-12, Journal of virological methods IF:2.2Q3 DOI:10.1016/j.jviromet.2024.115011 PMID:39154936	研究论文	本研究提出了一种结合CNN和Bi-LSTM的混合模型，用于基于光纤数据的COVID-19 IgG抗体检测	首次将CNN与Bi-LSTM结合用于COVID-19 IgG抗体检测，并引入全面的数据预处理流程	未提及样本量的具体数字和研究人群特征	开发高效准确的COVID-19自动化筛查工具	SARS-CoV-2免疫球蛋白G(IgG)抗体	机器学习	COVID-19	光纤数据	CNN-BiLSTM	光纤数据	NA
453	2025-06-26	A pathology foundation model for cancer diagnosis and prognosis prediction 2024-Oct, Nature IF:50.5Q1 DOI:10.1038/s41586-024-07894-z PMID:39232164	研究论文	开发了一个名为CHIEF的通用弱监督机器学习框架，用于从病理图像中提取特征以进行系统性癌症评估	提出了CHIEF模型，结合无监督预训练和弱监督预训练两种互补方法，提取多样化的病理表征，提高了模型的泛化能力	模型在跨人群和不同切片制备方法的样本上的表现仍有待进一步验证	开发一个通用的病理学基础模型，用于癌症诊断和预后预测	病理切片图像	数字病理学	癌症	弱监督机器学习	CHIEF	图像	60,530张全切片图像（训练集），19,491张全切片图像（验证集）
454	2025-06-26	scEMB: Learning context representation of genes based on large-scale single-cell transcriptomics 2024-Sep-26, bioRxiv : the preprint server for biology DOI:10.1101/2024.09.24.614685 PMID:39386549	research paper	介绍了一种基于transformer的深度学习模型scEMB，用于从大规模单细胞转录组数据中学习基因的上下文表示	scEMB采用创新的分箱策略整合多平台数据，有效保留基因表达层次和细胞类型特异性，并在下游任务中表现优于现有模型	未明确提及具体限制	从大规模单细胞转录组数据中提取有生物学意义的基因上下文表示	单细胞转录组数据和基因表达关系	生物信息学	阿尔茨海默病	单细胞转录组测序	transformer	单细胞转录组数据	超过3000万个单细胞转录组
455	2025-06-26	Application of artificial intelligence in drug design: A review 2024-09, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108810 PMID:38991316	综述	本文综述了人工智能在药物设计中的应用及其对制药行业的变革性影响	探讨了AI如何通过机器学习和深度学习模型优化药物设计过程，提高药物发现的效率和准确性	未具体提及AI在药物设计中应用的具体限制或挑战	研究人工智能在药物设计中的应用及其对制药行业的潜在影响	药物设计过程和制药行业	机器学习	NA	机器学习和深度学习	NA	药物化合物数据	NA
456	2025-06-26	DP-SSLoRA: A privacy-preserving medical classification model combining differential privacy with self-supervised low-rank adaptation 2024-09, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108792 PMID:38964242	research paper	提出了一种结合差分隐私与自监督低秩适应的隐私保护医学分类模型DP-SSLoRA	结合自监督预训练和低秩分解方法，在差分隐私框架下提升了医学图像分类的隐私保护与性能平衡	仅在三组胸部X光数据集上验证，未测试其他医学影像模态	解决医学深度学习模型中的隐私保护问题	胸部X光医学影像数据	digital pathology	lung cancer	differential privacy, self-supervised learning, low-rank adaptation	DP-SSLoRA（基于低秩分解的神经网络）	医学影像（X光片）	三个公开胸部X光数据集（RSNA、Covid-QU-mini、Chest X-ray 15k）
457	2025-06-26	Semantic contrast with uncertainty-aware pseudo label for lumbar semi-supervised classification 2024-08, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108754 PMID:38878404	研究论文	提出了一种名为SeCoFixMatch的创新方法，将语义对比和不确定性感知伪标签技术整合到半监督学习中，用于腰椎间盘突出症的MRI图像分类	结合语义对比和不确定性感知伪标签技术，通过优化KL损失计算不确定性，生成更精确的伪标签	未提及具体的数据集来源和多样性，可能影响模型的泛化能力	开发一种高效的半监督学习算法，减少腰椎间盘突出症MRI图像分类所需的标注工作量	腰椎间盘突出症的MRI图像	计算机视觉	腰椎间盘突出症	MRI	SeCoFixMatch	图像	仅需40个标注样本即可超越使用200个标注样本的基线模型
458	2025-06-26	HiRENet: Novel convolutional neural network architecture using Hilbert-transformed and raw electroencephalogram (EEG) for subject-independent emotion classification 2024-08, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108788 PMID:38941902	研究论文	提出了一种名为HiRENet的新型卷积神经网络架构，结合Hilbert变换和原始脑电图(EEG)进行独立于受试者的情绪分类	首次将Hilbert变换后的EEG相位信息与原始EEG幅值信息结合，提出了HiRENet架构	实验仅使用实验室自建的EEG数据库，未在其他公开数据集上验证	提升基于深度学习的EEG解码性能	人类情绪分类	机器学习	NA	Hilbert变换	CNN（ShallowFBCSPNet和ResCNN）	EEG信号	实验室自建EEG数据库（具体数量未说明）
459	2025-06-26	Skin-CAD: Explainable deep learning classification of skin cancer from dermoscopic images by feature selection of dual high-level CNNs features and transfer learning 2024-08, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108798 PMID:38925085	research paper	本文提出了一种名为Skin-CAD的可解释人工智能（XAI）系统，用于基于皮肤镜图像的皮肤癌分类	结合四种不同拓扑结构的CNN的双高层特征，并采用PCA降维和特征选择，提高了分类准确率和可解释性	仅使用了两个公开数据集进行验证，可能在实际临床应用中存在泛化性问题	开发一个可解释的AI系统，帮助皮肤科医生准确快速地检测和分类皮肤癌	皮肤镜图像	digital pathology	skin cancer	CNN, PCA, LIME	CNN	image	两个公开数据集（Skin Cancer: Malignant vs. Benign和HAM10000）
460	2025-06-26	AI-Driven localization of all impacted teeth and prediction of winter angulation for third molars on panoramic radiographs: Clinical user interface design 2024-08, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108755 PMID:38897151	研究论文	本研究利用AI模型在全景X光片上检测所有阻生牙并根据Winter方法对第三磨牙进行分类	使用YOLOv8深度学习算法进行阻生牙检测和Winter分类，并设计了临床用户界面	样本量相对较小，仅来自单一牙科学院数据库	开发AI模型用于牙科影像中阻生牙的自动检测和分类	全景X光片中的阻生牙，特别是第三磨牙	数字病理	牙科疾病	深度学习	YOLOv8	图像	1197张全景X光片用于阻生牙检测，1000张用于Winter分类