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
41	2025-05-15	DEEP IMAGE PRIOR WITH STRUCTURED SPARSITY (DISCUS) FOR DYNAMIC MRI RECONSTRUCTION 2024-May, Proceedings. IEEE International Symposium on Biomedical Imaging DOI:10.1109/isbi56570.2024.10635579 PMID:40352104	research paper	提出了一种名为DISCUS的自监督深度学习方法，用于动态MRI图像重建	DISCUS方法在深度图像先验基础上引入结构化稀疏性，无需指定流形维度即可发现描述帧间时间变化的低维流形	仅在三项数值研究中进行了验证，临床实际应用效果有待进一步验证	解决动态MRI中高质量训练数据不足的问题，提高图像重建质量	动态MRI图像序列	医学影像分析	心血管疾病	深度学习	DISCUS（基于DIP改进的模型）	MRI图像序列	5例患者的回顾性欠采样单次LGE数据
42	2025-05-15	Deep learning assisted single particle tracking for automated correlation between diffusion and function 2024-Feb-02, Research square DOI:10.21203/rs.3.rs-3716053/v1 PMID:38352328	research paper	提出了一种名为DeepSPT的深度学习框架，用于快速高效地解释物体在2D或3D时间上的扩散行为	DeepSPT能够从扩散行为中自动提取功能信息，无需人工干预，准确率高达95%	未提及具体的技术限制或应用范围的局限性	研究目的是通过深度学习框架自动关联亚细胞扩散与功能信息	分子和细胞器在亚细胞环境中的扩散行为	machine learning	NA	deep learning	NA	2D或3D时间序列数据	未提及具体样本数量
43	2025-05-14	Quantitative Spatial Analysis of Chromatin Biomolecular Condensates using Cryo-Electron Tomography 2024-Dec-31, bioRxiv : the preprint server for biology DOI:10.1101/2024.12.01.626131 PMID:39677698	research paper	该研究通过冷冻电子断层扫描技术分析了染色质生物分子凝聚物的结构，并开发了深度学习分割与新型上下文感知模板匹配相结合的方法来识别凝聚物内密集堆积的分子	整合了深度学习分割与新型上下文感知模板匹配技术，改进了染色质凝聚物内部结构的可视化方法	方法主要针对生物化学重构的染色质凝聚物，对细胞内的某些凝聚物可能适用性有限	研究染色质生物分子凝聚物的形成和功能机制	生物化学重构的染色质凝聚物及原位天然染色质的凝聚区域	生物物理学	NA	冷冻电子断层扫描（cryo-electron tomography）、深度学习分割、上下文感知模板匹配	深度学习	图像数据	NA
44	2025-05-14	Integrating spatial transcriptomics and snRNA-seq data enhances differential gene expression analysis results of AD-related phenotypes 2024-Nov-18, medRxiv : the preprint server for health sciences DOI:10.1101/2024.11.18.24317499 PMID:39606364	research paper	本研究整合空间转录组学（ST）和单核RNA测序（snRNA-seq）数据，以增强阿尔茨海默病（AD）相关表型的空间信息细胞类型特异性差异基因表达（DGE）分析能力	通过深度学习工具CelEry推断snRNA-seq数据的空间位置，结合ST数据，提高了空间信息细胞类型特异性DGE分析的效力，发现了传统方法无法检测到的AD相关基因和通路	研究依赖于推断的空间位置信息，可能存在一定误差；样本虽多但均为死后脑组织，可能影响结果的外推性	增强阿尔茨海默病相关表型的空间信息细胞类型特异性差异基因表达分析能力	436例死后大脑背外侧前额叶皮层（DLPFC）组织的snRNA-seq数据和空间转录组数据	digital pathology	Alzheimer's disease	spatial transcriptomics (ST), single-nucleus RNA sequencing (snRNA-seq)	linear mixed regression models	gene expression data	436 postmortem brains from ROS/MAP cohorts
45	2025-05-14	Early Multimodal Data Integration for Data-Driven Medical Research - A Scoping Review 2024-08-30, Studies in health technology and informatics DOI:10.3233/SHTI240837 PMID:39234706	综述	本文通过范围综述分析了2019年至2024年间21篇关于早期多模态数据整合方法的文献，总结了这些方法的特点及其在数据驱动医学研究中的应用	将早期多模态数据整合方法分为四类，并总结了各类方法的特点，为数据驱动医学研究项目中选择最佳方法组合提供了参考	主要关注结构性整合，未深入比较早期和晚期多模态数据整合方法，且整合流程通常需要手动优化	探讨早期多模态数据整合方法在数据驱动医学研究中的应用和优化	21篇关于早期多模态数据整合方法的综述文献	数据驱动医学研究	NA	多模态数据整合方法，包括基本连接和深度学习等	NA	多模态数据	21篇综述文献
46	2025-05-14	Deep Learning Segmentation of Ascites on Abdominal CT Scans for Automatic Volume Quantification 2024-Jun-23, ArXiv PMID:39398214	research paper	评估一种自动深度学习方法在检测腹水并量化肝硬化及卵巢癌患者腹水体积中的性能	提出了一种自动深度学习方法来分割和量化腹水体积，并与专家评估结果高度一致	研究为回顾性研究，且样本来源仅限于两个机构的数据	评估深度学习在腹水体积自动量化中的性能	肝硬化及卵巢癌患者的腹水	digital pathology	liver cirrhosis, ovarian cancer	deep learning	CNN	CT scans	NIH-LC (25例), NIH-OV (166例), UofW-LC (124例)
47	2025-05-14	Deep learning-driven imaging of cell division and cell growth across an entire eukaryotic life cycle 2024-Apr-27, bioRxiv : the preprint server for biology DOI:10.1101/2024.04.25.591211 PMID:38712227	研究论文	本文提出了一种基于深度学习的成像框架，用于定量研究真核微生物的整个生命周期，包括细胞分裂和细胞生长	结合微流控培养、卷积神经网络的生命周期阶段特异性分割和新型细胞追踪算法FIEST，通过深度学习视频帧插值增强连续图像中单细胞掩模的重叠	目前仅应用于酿酒酵母的性生命周期，尚未广泛验证于其他真核微生物	开发定量研究完整真核生命周期的深度学习方法，以更精确地定义微生物生命周期结构	真核微生物（以酿酒酵母为例）的性生命周期	数字病理学	NA	微流控培养、荧光报告系统、高Cdk1活性传感器LiCHI	CNN	显微镜图像	NA
48	2025-05-14	Lossless compression-based detection of osteoporosis using bone X-ray imaging 2024, Journal of X-ray science and technology IF:1.7Q3 DOI:10.3233/XST-230238 PMID:38393881	research paper	该研究提出了一种基于深度学习的无损压缩方法，用于通过骨X射线图像检测骨质疏松症	提出了一种新的图像处理方法，通过分离感兴趣区域(ROI)和非ROI来减少数据冗余，并结合SVM分类器提高诊断准确性	未提及样本多样性和外部验证结果	提高骨质疏松症的诊断准确性	骨X射线图像	digital pathology	骨质疏松症	深度学习，X射线成像	SVM	image	NA
49	2025-05-13	[Coronary artery segmentation based on Transformer and convolutional neural networks dual parallel branch encoder neural network] 2024-Dec-25, Sheng wu yi xue gong cheng xue za zhi = Journal of biomedical engineering = Shengwu yixue gongchengxue zazhi DOI:10.7507/1001-5515.202403058 PMID:40000209	研究论文	提出了一种基于Transformer和CNN双并行分支编码器的新型神经网络DUNETR，用于冠状动脉CTA图像的分割	首次将Transformer和CNN作为双编码器集成，通过NRFF模块融合全局与局部特征，显著提升3D冠状动脉分割效果	未提及模型在小型医疗机构或低质量CT图像上的泛化能力	提高冠状动脉CTA图像自动分割的准确率	冠状动脉的3D CTA图像	计算机视觉	心血管疾病	CTA成像	DUNETR（Transformer+CNN双编码器U-Net变体）	3D医学图像	公开数据集（具体数量未说明）
50	2025-05-13	Thoracic Aortic Three-Dimensional Geometry 2024-Oct-31, bioRxiv : the preprint server for biology DOI:10.1101/2024.05.09.593413 PMID:38798566	research paper	该研究通过深度学习架构和形态学图像操作，全面量化了胸主动脉的三维几何参数，并在两个大型生物库中应用了该方法	首次在大规模人群中全面表征胸主动脉的三维几何结构，并开发了全自动量化方法	研究依赖于影像扫描的质量，且仅针对特定生物库数据	量化胸主动脉的三维几何结构，研究其与心血管健康和衰老的关系	胸主动脉的三维几何参数	digital pathology	cardiovascular disease	deep learning, morphological image operations	deep learning architecture	imaging scans	54,241 participants in the UK Biobank and 8,456 participants in the Penn Medicine Biobank
51	2025-05-13	Sparse Annotation is Sufficient for Bootstrapping Dense Segmentation 2024-Oct-26, bioRxiv : the preprint server for biology DOI:10.1101/2024.06.14.599135 PMID:38915491	研究论文	提出了一种基于深度学习的新方法，从稀疏的2D注释快速生成密集的3D分割，用于生物成像数据的实例分割任务	开发了一种能够从稀疏注释快速生成密集3D分割的深度学习方法，显著减少了人工标注时间和专家依赖	方法主要针对脑神经纤维网的复杂结构，可能在其他生物组织上的适用性需要进一步验证	解决生物成像数据中密集3D重建所需的训练数据生成效率问题	脑神经纤维网（包括树突、轴突和胶质细胞过程）	数字病理	NA	深度学习	NA	3D图像	NA
52	2025-05-13	Leveraging Large Language Models for Knowledge-free Weak Supervision in Clinical Natural Language Processing 2024-Jun-28, Research square DOI:10.21203/rs.3.rs-4559971/v1 PMID:38978609	研究论文	本文提出了一种利用大型语言模型（LLMs）进行无领域知识的弱监督方法，用于临床自然语言处理任务	通过微调LLMs并采用基于提示的方法生成弱标记数据，结合少量黄金标准数据微调下游BERT模型，显著提升了性能	LLMs推理计算量大，且性能仍略低于使用大量黄金标准数据的传统监督方法	解决临床自然语言处理任务中标注数据稀缺的问题	临床文本数据	自然语言处理	NA	弱监督学习、上下文学习	LLM（Llama2）、BERT	文本	三个n2c2数据集，不超过10-50份黄金标准临床记录
53	2025-05-13	Improved stent sharpness evaluation with super-resolution deep learning reconstruction in coronary CT angiography 2024-Jun-18, The British journal of radiology DOI:10.1093/bjr/tqae094 PMID:38733576	研究论文	本研究评估了超分辨率深度学习重建（SR-DLR）在冠状动脉CT血管造影（CCTA）中对图像质量和支架伪影的影响	首次将SR-DLR应用于CCTA图像重建，显著提高了支架的清晰度和图像质量	研究为回顾性分析，样本量较小（66例患者）	评估不同图像重建算法对冠状动脉支架成像质量的影响	冠状动脉CT血管造影图像	医学影像处理	心血管疾病	超分辨率深度学习重建（SR-DLR）	深度学习模型	医学影像	66例CCTA患者
54	2025-05-13	Leverage Weakly Annotation to Pixel-wise Annotation via Zero-shot Segment Anything Model for Molecular-empowered Learning 2024-Feb, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.3006577 PMID:40343078	research paper	该研究探讨了利用零样本学习的Segment Anything Model（SAM）从弱标注生成像素级标注，以降低病理图像分割的标注成本	提出SAM辅助的分子赋能学习（SAM-L），仅需弱框标注即可训练分割模型，减少非专业标注者的工作量	未明确说明SAM在不同细胞类型上的泛化能力及对IF图像依赖程度的影响	开发无需像素级标注的病理图像分割方法	高分辨率千兆像素全切片图像（WSI）中的多类细胞	digital pathology	NA	immunofluorescence（IF）成像，零样本学习	Segment Anything Model（SAM）	病理图像	NA
55	2025-05-13	High-performance Data Management for Whole Slide Image Analysis in Digital Pathology 2024-Feb, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.3006273 PMID:40343079	研究论文	本文介绍了一种针对数字病理学中全切片图像分析的高性能数据管理方法，使用ADIOS2系统优化数据访问和处理	首次在数字病理学领域应用ADIOS2系统，并开发了针对性的数据管理流程，显著提升了数据处理效率	仅针对特定两种场景(CPU和GPU)进行了性能评估，未涵盖更多可能的计算环境	解决数字病理学中全切片图像分析时的数据输入输出瓶颈问题	全切片图像(WSI)的数据管理流程	数字病理学	NA	ADIOS2数据管理系统	NA	图像	NA
56	2025-05-12	Pre-trained Convolutional Neural Networks Identify Parkinson's Disease from Spectrogram Images of Voice Samples 2024-Dec-18, Research square DOI:10.21203/rs.3.rs-5348708/v1 PMID:39764112	研究论文	该研究利用预训练的卷积神经网络通过声音样本的声谱图图像识别帕金森病	采用迁移学习的卷积神经网络分析持续元音/a/的声谱图图像，并在更大带宽的智能手机录音数据集上验证性能	电话线录音带宽有限可能影响特征提取	自动检测帕金森病	帕金森病患者的声音样本	数字病理学	帕金森病	声谱图分析	CNN（卷积神经网络）	图像（声谱图）	两个不同录音平台（电话线和智能手机）生成的声音数据集
57	2025-05-12	Effective genome editing with an enhanced ISDra2 TnpB system and deep learning-predicted ωRNAs 2024-Nov, Nature methods IF:36.1Q1 DOI:10.1038/s41592-024-02418-z PMID:39313558	研究论文	本研究优化了ISDra2 TnpB系统用于哺乳动物细胞基因组编辑，并开发了深度学习模型预测ωRNAs活性	优化了ISDra2 TnpB系统（TnpBmax），编辑效率平均提高4.4倍，开发了K76位点突变变体以识别替代TAMs，扩展了ISDra2 TnpB的靶向范围，并开发了深度学习模型TEEP预测ωRNAs活性	NA	优化TnpB系统以提高基因组编辑效率并扩展其应用范围	ISDra2 TnpB系统及其在哺乳动物细胞中的应用	基因组编辑	NA	基因组编辑，深度学习	深度学习模型（TEEP）	基因组编辑效率数据	10,211个目标位点的编辑效率数据
58	2025-05-12	Precision in Prevention and Health Surveillance: How Artificial Intelligence May Improve the Time of Identification of Health Concerns through Social Media Content Analysis 2024-Aug, Yearbook of medical informatics DOI:10.1055/s-0044-1800736 PMID:40199301	研究论文	探讨人工智能通过社交媒体内容分析如何提升预防和健康监测的精确性	利用AI技术分析社交媒体数据，提高健康问题的及时性和准确性识别	需解决伦理和隐私问题以确保负责任和有效的实施	提升预防和健康监测的精确性	社交媒体内容	自然语言处理	NA	机器学习、自然语言处理(NLP)、深度学习	transformer-based topic modelling、federated learning	文本	89篇文章，最终筛选10篇相关研究
59	2025-05-12	Year 2023 in Biomedical Natural Language Processing: a Tribute to Large Language Models and Generative AI 2024-Aug, Yearbook of medical informatics DOI:10.1055/s-0044-1800751 PMID:40199311	综述	本文回顾了2023年生物医学自然语言处理领域的研究进展，重点介绍了大型语言模型和生成式AI的应用	总结了2023年NLP领域的两篇最佳论文，分析了当前研究趋势，包括数据增强、领域特定模型适应和模型蒸馏等创新点	仅涵盖2023年发表的论文，可能无法反映更长期的研究趋势	评估2023年生物医学自然语言处理领域的研究进展和趋势	2023年发表的2,148篇生物医学NLP相关论文	自然语言处理	COVID-19, 癌症, 心理健康	ChatGPT, 大型语言模型	大型语言模型	社交媒体内容, 电子健康记录	2,148篇论文
60	2025-05-12	EEG Emotion Recognition Based on 3D-CTransNet 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/EMBC53108.2024.10782401 PMID:40031451	research paper	提出了一种基于3D-CTransNet的EEG情绪识别方法，用于解决传统CNN-LSTM混合结构在长序列信号识别中的性能下降问题	采用混合CNN-Transformer结构（3D-CTransNet），引入自注意力机制和平行模式，提高了识别精度和处理速度	未提及具体局限性	改进脑机接口深度学习模型，提升EEG信号中复杂特征的识别能力	EEG信号	脑机接口	NA	EEG信号处理	CNN-Transformer混合结构（3D-CTransNet）	3D数据	公共数据集DEAP