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
601	2025-05-12	Rapid and accurate prediction of protein homo-oligomer symmetry with Seq2Symm 2024-Apr-26, Research square DOI:10.21203/rs.3.rs-4215086/v1 PMID:38746169	research paper	该论文提出了一种名为Seq2Symm的模型，用于快速准确地预测蛋白质同源寡聚体的对称性	Seq2Symm利用ESM2模型，在预测蛋白质同源寡聚体对称性方面优于现有的基于模板和深度学习方法	论文未明确提及具体局限性	开发能够快速准确预测蛋白质同源寡聚体对称性的机器学习模型	蛋白质同源寡聚体的对称性	machine learning	NA	ESM-MSA, ESM2, RoseTTAFold2	Seq2Symm (基于ESM2)	protein sequences	5个完整蛋白质组和约350万个未标记蛋白质序列
602	2025-05-12	Identifying Reproducibly Important EEG Markers of Schizophrenia with an Explainable Multi-Model Deep Learning Approach 2024-Feb-13, bioRxiv : the preprint server for biology DOI:10.1101/2024.02.09.579600 PMID:38405889	research paper	该研究提出了一种可解释的多模型深度学习方法，用于识别精神分裂症的重要EEG标记	提出了一种基于特征交互的可解释性方法和几种新的多模型解释总结方法	研究中仅分析了少量模型的解释，可能影响生物标志物的普遍适用性	识别精神分裂症的诊断生物标志物	精神分裂症患者的EEG数据	machine learning	schizophrenia	EEG spectral power data	deep learning	EEG数据	NA
603	2025-05-12	Counterfactual MRI Generation with Denoising Diffusion Models for Interpretable Alzheimer's Disease Effect Detection 2024-Feb-08, bioRxiv : the preprint server for biology DOI:10.1101/2024.02.05.578983 PMID:38370616	研究论文	本文利用去噪扩散模型生成反事实MRI图像，以可解释的方式检测阿尔茨海默病对大脑解剖结构的影响	首次将条件潜在扩散模型(LDM)和去噪扩散概率模型(DDPM)应用于神经影像数据，生成个性化的疾病效应图	训练数据集规模有限，计算时间和内存资源存在限制	开发可解释的AI方法用于神经科学研究和临床诊断应用	阿尔茨海默病患者的大脑MRI图像	数字病理	阿尔茨海默病	去噪扩散模型	LDM, DDPM, CNN	3D T1加权MRI扫描图像	500个真实训练扫描
604	2025-05-11	[Identification of kidney stone types by deep learning integrated with radiomics features] 2024-Dec-25, Sheng wu yi xue gong cheng xue za zhi = Journal of biomedical engineering = Shengwu yixue gongchengxue zazhi DOI:10.7507/1001-5515.202310043 PMID:40000211	研究论文	本文提出了一种结合放射组学和深度学习的框架，用于高精度自动术前分类肾结石类型	结合放射组学特征和深度学习，实现肾结石类型的自动分类	实验结果的准确率为84.5%，仍有提升空间	实现肾结石类型的自动术前分类	感染性和非感染性肾结石	数字病理	肾结石	放射组学方法	3D CNN, LightGBM	图像	NA
605	2025-05-11	[Cardiac magnetic resonance image segmentation based on lightweight network and knowledge distillation strategy] 2024-Dec-25, Sheng wu yi xue gong cheng xue za zhi = Journal of biomedical engineering = Shengwu yixue gongchengxue zazhi DOI:10.7507/1001-5515.202312015 PMID:40000210	research paper	提出了一种轻量化的扩张并行卷积U-Net（DPU-Net）及多尺度适应向量知识蒸馏（MAVKD）训练策略，用于心脏磁共振图像分割	采用独特的卷积通道变化方式减少参数数量，结合残差块和扩张卷积缓解梯度爆炸和空间信息丢失问题，并利用知识蒸馏策略提升分割精度	未提及模型在更广泛数据集上的泛化能力或临床实际应用效果	降低心脏MRI图像分割深度学习网络的参数量和浮点运算量，同时保持或提高分割精度	心脏磁共振图像	digital pathology	cardiovascular disease	MRI	DPU-Net（基于U-Net改进的轻量化网络）	image	ACDC公共数据集（具体样本量未说明）
606	2025-05-11	[Research progress on endoscopic image diagnosis of gastric tumors based on deep learning] 2024-Dec-25, Sheng wu yi xue gong cheng xue za zhi = Journal of biomedical engineering = Shengwu yixue gongchengxue zazhi DOI:10.7507/1001-5515.202404004 PMID:40000222	review	本文综述了深度学习在胃肿瘤内镜图像分类、目标检测和分割中的应用，并总结了相关的计算机辅助诊断系统和多模态算法	总结了深度学习在胃肿瘤内镜诊断中的应用，并展望了未来研究方向	未提及具体的数据集或实验结果的局限性	促进深度学习方法在胃肿瘤内镜诊断中的临床应用	胃肿瘤内镜图像	digital pathology	gastric cancer	deep learning	NA	image	NA
607	2025-05-11	Multi-label material and human risk factors recognition model for construction site safety management 2024-Dec, Journal of safety research IF:3.9Q2 DOI:10.1016/j.jsr.2024.10.002 PMID:39998535	研究论文	提出了一种基于深度学习的多标签风险因素识别框架，用于自动识别建筑工地上的材料和人为风险因素	结合材料和人为风险因素为单一标签，并通过可视化解释模型的决策基础以提高性能	模型在视觉模糊和涉及透视时倾向于关注附近物体，导致性能下降	开发并优化深度学习模型，以自动且同时识别和分类建筑工地上的多种材料和人为风险因素	建筑工地上的材料和人为风险因素	计算机视觉	NA	深度学习	多标签识别模型	图像	14,605个实例，涵盖八种材料和人为风险因素
608	2025-05-11	Noninvasive fetal genotyping using deep neural networks 2024-Nov-22, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf067 PMID:39992001	研究论文	本研究提出了一种基于深度神经网络的无创胎儿基因分型方法	首次将深度学习框架应用于基于cfDNA的无创胎儿基因分型，整合了DNA核苷酸、片段、突变区域、样本和家族特征等多层次信息	NA	开发一种高效的无创产前单基因疾病检测方法	孕妇血浆中的游离DNA(cfDNA)	机器学习	单基因遗传病	全基因组测序(WGS)	深度学习(DL)	基因组数据	NA
609	2025-05-11	[Deep Learning Reconstruction Algorithm Combined With Smart Metal Artifact Reduction Technique Improves Image Quality of Upper Abdominal CT in Critically Ill Patients] 2024-Nov-20, Sichuan da xue xue bao. Yi xue ban = Journal of Sichuan University. Medical science edition DOI:10.12182/20241160102 PMID:39990832	研究论文	评估深度学习重建算法结合智能金属伪影减少技术对无法举臂且需要心电图监测的危重患者腹部CT图像质量的影响	首次将深度学习重建算法与智能金属伪影减少技术结合，用于改善危重患者腹部CT图像质量	研究为回顾性设计，样本量相对较小（102例患者）	提高危重患者腹部CT图像质量	无法举臂且需要心电图监测的危重患者	医学影像处理	危重病	深度学习重建算法、智能金属伪影减少技术、CT扫描	深度学习	CT图像	102例危重患者
610	2025-05-11	Intelligent Recognition and Segmentation of Blunt Craniocerebral Injury CT Images Based on DeepLabV3+ Model 2024-Oct-25, Fa yi xue za zhi DOI:10.12116/j.issn.1004-5619.2024.440801 PMID:39992333	研究论文	基于DeepLabV3+模型实现钝性颅脑损伤CT图像的智能识别与分割	首次将DeepLabV3+模型应用于钝性颅脑损伤的CT图像分割，并探索了深度学习在法医学自动诊断中的应用价值	直接使用活体CT图像训练的模型在尸体CT图像上的分割能力相对较差	实现钝性颅脑损伤的智能识别与分割，探索深度学习在法医学中的应用	钝性颅脑损伤的CT图像	计算机视觉	颅脑损伤	CT成像	DeepLabV3+	图像	5486张活体CT图像（训练集、验证集、测试集），255张活体CT图像和156张正常CT图像（盲测集），340张尸体CT图像和120张正常CT图像（新盲测集）
611	2025-05-11	An efficient enhanced stacked auto encoder assisted optimized deep neural network for forecasting Dry Eye Disease 2024-10-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-75518-7 PMID:39438634	研究论文	提出了一种名为ESAE-ODNN的改进堆叠自编码器辅助优化深度神经网络，用于预测干眼病	将混沌映射融入特征选择，使用SLSTM-STSA提高分类准确率，并通过EQBFOA的自适应量子旋转进行优化	NA	通过特征选择、特征提取和分类，提高干眼病的早期诊断准确率	干眼病患者	机器学习	干眼病	特征选择(FS)、特征提取(FE)、分类	堆叠自编码器(ESAE)、优化深度神经网络(ODNN)、SLSTM-STSA	NA	NA
612	2025-05-11	Automated analysis of fetal heart rate baseline/acceleration/deceleration using MTU-Net3 + model 2024-Sep, Biomedical engineering letters IF:3.2Q2 DOI:10.1007/s13534-024-00388-x PMID:39220035	研究论文	本研究提出了一种名为MTU-Net3+的深度学习模型，用于自动化分析胎儿心率（FHR）的基线、加速和减速，以提高诊断准确性和效率	MTU-Net3+模型基于UNet3+架构，整合了自注意力机制和双向LSTM层，提升了性能	模型在公开数据集和私有数据集上的表现存在差异，可能受数据质量和多样性的影响	提高胎儿心率分析的自动化水平和诊断准确性	胎儿心率信号	数字病理	胎儿健康评估	深度学习	MTU-Net3+（基于UNet3+架构，整合自注意力机制和双向LSTM）	胎儿心率信号	公开数据库的子集和私有数据库
613	2025-05-11	Evaluation Kidney Layer Segmentation on Whole Slide Imaging using Convolutional Neural Networks and Transformers 2024-Feb, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.3006865 PMID:40336524	research paper	评估使用卷积神经网络和Transformer在肾脏全切片图像上进行肾脏分层分割的效果	首次将深度学习技术应用于肾脏分层结构分割，并比较了CNN和Transformer模型的性能	研究仅在小鼠肾脏WSI上进行，未验证人类样本的适用性	探索深度学习在肾脏分层结构自动分割中的可行性	小鼠肾脏全切片图像中的皮质层结构	digital pathology	NA	whole slide imaging	Swin-Unet, Medical-Transformer, TransUNet, U-Net, PSPNet, DeepLabv3+	image	小鼠肾脏WSI（具体数量未提及）
614	2025-05-11	Deep Learning-Based Open Source Toolkit for Eosinophil Detection in Pediatric Eosinophilic Esophagitis 2024-Feb, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.3006520 PMID:40336525	研究论文	开发了一个名为Open-EoE的开源工具包，用于在儿童嗜酸性食管炎（EoE）中进行嗜酸性粒细胞的自动检测	开发了一个支持三种最先进的深度学习目标检测模型的开源工具包，并通过集成学习策略优化性能	未提及具体局限性	将机器学习方法整合到EoE的诊断过程中，提高检测效率和准确性	儿童嗜酸性食管炎（EoE）患者的全切片图像（WSI）	数字病理学	嗜酸性食管炎	深度学习	目标检测模型	图像	289张全切片图像（WSI）
615	2025-05-10	Unsupervised inter-domain transformation for virtually stained high-resolution mid-infrared photoacoustic microscopy using explainable deep learning 2024-12-30, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-55262-2 PMID:39738110	research paper	本文提出了一种基于可解释深度学习的无监督跨域变换方法，将低分辨率无标记中红外光声显微镜图像转换为类似共聚焦荧光显微镜的高分辨率虚拟染色图像	采用无监督生成对抗网络并结合显著性约束，提高了变换过程的稳定性和可靠性，实现了无标记高分辨率双工细胞成像	NA	提升中红外光声显微镜图像的分辨率，使其达到共聚焦荧光显微镜的水平	人类心脏成纤维细胞的细胞核和丝状肌动蛋白	digital pathology	cardiovascular disease	mid-infrared photoacoustic microscopy	GAN	image	cultured human cardiac fibroblasts
616	2025-05-10	The Theranostic Genome 2024-12-30, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-55291-x PMID:39738156	研究论文	本文介绍了Theranostic Genome的概念，即人类基因组中可用于结合治疗和诊断应用的部分，并利用深度学习技术识别癌症中的治疗诊断靶点和化合物	提出了Theranostic Genome的新概念，并开发了一个结合AI和人类智慧的混合流程，用于识别癌症中的治疗诊断靶点和化合物	NA	克服治疗诊断药物开发中的瓶颈，促进新型靶向治疗诊断药物的开发	人类癌症中的基因和治疗诊断化合物	精准医学	癌症	深度学习，RNAseq	深度学习模型	基因表达数据	超过17,000个人类组织样本
617	2025-05-10	Artificial intelligence model for perigastric blood vessel recognition during laparoscopic radical gastrectomy with D2 lymphadenectomy in locally advanced gastric cancer 2024-Dec-30, BJS open IF:3.5Q1 DOI:10.1093/bjsopen/zrae158 PMID:39963943	研究论文	开发了一种基于深度学习的实时胃周血管识别模型，用于辅助局部晚期胃癌腹腔镜根治术中的D2淋巴结清扫	首次将DeepLabv3+模型应用于胃周血管实时识别，为腹腔镜手术提供AI辅助决策支持	在出血或手术烟雾等复杂场景下识别性能下降，肥胖患者数据表现良好但未说明具体样本量	提高局部晚期胃癌手术安全性，减少术中意外出血	腹腔镜胃癌根治术视频中的胃周血管	数字病理	胃癌	深度学习	DeepLabv3+	手术视频图像	116个手术视频的2460张图像
618	2025-05-10	DECA: harnessing interpretable transformer model for cellular deconvolution of chromatin accessibility profile 2024-Nov-22, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf069 PMID:39987573	research paper	介绍了一种基于vision transformer的深度学习模型DECA，用于从批量染色质可及性数据中解析细胞类型信息	DECA利用单细胞ATAC-seq数据集作为参考，提高了精度和分辨率，其多头部注意力机制生成的补丁注意力与Hi-C检测到的染色质相互作用一致	NA	探索发育和疾病中的基因调控程序	批量染色质可及性数据	machine learning	pan-cancer	ATAC-seq, Hi-C	vision transformer	chromatin accessibility profile	NA
619	2025-05-10	Enhanced Electroacoustic Tomography with Supervised Learning for Real-time Electroporation Monitoring 2024-Sep, Precision radiation oncology DOI:10.1002/pro6.1242 PMID:40336975	研究论文	本研究提出了一种基于监督学习的工作流程，用于改善电声断层扫描（EAT）的图像质量，以实时监测纳秒脉冲电场（nsPEF）的电穿孔治疗	首次在实验环境中使用单线性阵列实现高质量EAT，通过深度学习模型校正图像失真	研究仅基于56个实验数据集，样本量较小，且未考虑模拟到真实世界的变异性	提高电声断层扫描（EAT）在实时监测纳秒脉冲电场（nsPEF）电穿孔治疗中的实用性	纳秒脉冲电场（nsPEF）的电穿孔治疗	医学影像处理	NA	电声断层扫描（EAT），深度学习	深度学习模型	电声信号，图像	56个实验数据集（46个用于训练，10个用于测试）
620	2025-05-10	MMDB: Multimodal dual-branch model for multi-functional bioactive peptide prediction 2024-Jul, Analytical biochemistry IF:2.6Q2 DOI:10.1016/j.ab.2024.115491 PMID:38460901	研究论文	提出了一种新型多模态双分支轻量级深度学习模型MMDB，用于多功能生物活性肽的预测	首次使用多尺度扩张卷积在不增加参数的情况下有效提取肽序列特征，并设计双分支结构捕获序列和结构特性的互补信息	NA	提高多功能生物活性肽的预测准确性	多功能生物活性肽	机器学习	NA	深度学习	MMDB（多模态双分支模型），包含多尺度扩张卷积与Bi-LSTM分支以及多层卷积分支	序列数据和结构数据	NA