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
1041	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
1042	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
1043	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
1044	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
1045	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）
1046	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
1047	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
1048	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）
1049	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）
1050	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
1051	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
1052	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
1053	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
1054	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
1055	2025-05-10	PhosAF: An integrated deep learning architecture for predicting protein phosphorylation sites with AlphaFold2 predicted structures 2024-Jul, Analytical biochemistry IF:2.6Q2 DOI:10.1016/j.ab.2024.115510 PMID:38513769	研究论文	提出了一种名为PhosAF的集成深度学习架构，用于预测蛋白质磷酸化位点，结合了AlphaFold2预测的结构信息	开发了结合CMA-Net和MFC-Net的新架构PhosAF，首次整合AlphaFold2预测的蛋白质结构信息进行磷酸化位点预测，并提出基于蛋白质二级结构构建可靠负样本的新策略	仅针对人类蛋白质进行研究，未验证在其他物种上的适用性	提高蛋白质磷酸化位点的预测准确性	人类蛋白质的磷酸化位点	生物信息学	NA	深度学习	CMA-Net, MFC-Net	蛋白质序列和结构数据	NA
1056	2025-05-10	Streamlining social media information retrieval for public health research with deep learning 2024-Jun-20, Journal of the American Medical Informatics Association : JAMIA IF:4.7Q1 DOI:10.1093/jamia/ocae118 PMID:38718216	research paper	该研究开发了一个深度学习系统，用于从社交媒体数据中提取和规范化医学术语，以改进公共卫生研究中的流行病监测	提出了一种新颖的系统化流程，用于从社交媒体数据中整理症状词典，相比传统的关键词匹配方法能更有效地识别精神疾病症状	研究仅基于COVID-19相关推文，可能不适用于其他疾病或语境	改进公共卫生研究中社交媒体数据的利用效率	COVID-19相关推文中的症状描述	natural language processing	COVID-19	named entity recognition, entity normalization	deep learning	text	498,480条独特的症状实体表达（处理后为38,175条）
1057	2025-05-10	Exploiting holographically encoded variance to transmit labelled images through a multimode optical fiber 2024-May-20, Optics express IF:3.2Q2 DOI:10.1364/OE.519379 PMID:38859036	研究论文	本文提出了一种利用全息编码方差通过多模光纤传输标记图像的方法	通过全息调制在输出散斑图案上编码额外的方差层，提高了系统的整体传输能力	未明确提及具体限制	提高多模光纤系统的图像传输能力	多模光纤传输的图像	计算机视觉	NA	全息调制	ResUNet	图像	数千张图像
1058	2025-05-10	Deep learning-based lesion detection and severity grading of small-bowel Crohn's disease ulcers on double-balloon endoscopy images 2024-May, Gastrointestinal endoscopy IF:6.7Q1 DOI:10.1016/j.gie.2023.11.059 PMID:38065509	research paper	使用深度学习模型EfficientNet-b5检测和评估小肠克罗恩病溃疡	首次应用EfficientNet-b5模型对小肠克罗恩病溃疡进行检测和严重程度分级	研究仅基于双气囊内镜图像，未考虑其他影像学检查结果	提高小肠克罗恩病溃疡检测和分级的准确性	小肠克罗恩病溃疡	digital pathology	Crohn's disease	double-balloon endoscopy	EfficientNet-b5	image	28,155张双气囊内镜图像，来自628名患者
1059	2025-05-10	Deep learning model for the detection of prostate cancer and classification of clinically significant disease using multiparametric MRI in comparison to PI-RADs score 2024-05, Urologic oncology DOI:10.1016/j.urolonc.2024.01.021 PMID:38388243	research paper	本研究开发了一种基于深度学习的模型，用于通过多参数MRI检测前列腺癌并分类临床显著性前列腺癌，与PI-RADs评分进行比较	开发了一种集成多参数MRI序列的深度学习模型，在临床显著性前列腺癌分类上表现优于传统的PI-RADS评估	研究仅基于单中心数据，外部验证队列样本量相对较小	比较深度学习算法与PI-RADS分类在前列腺癌检测和临床显著性前列腺癌分类中的性能	接受根治性前列腺切除术或活检的患者	digital pathology	prostate cancer	multiparametric MRI	DL-based ensemble model	MRI图像	1,729名患者（训练队列1,285名，外部测试队列315名）
1060	2025-05-10	ViNe-Seg: deep-learning-assisted segmentation of visible neurons and subsequent analysis embedded in a graphical user interface 2024-03-29, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btae177 PMID:38569889	research paper	介绍了一种基于深度学习的半自动神经元分割工具ViNe-Seg，用于光学功能成像中神经元胞体的分割	ViNe-Seg提供了一种用户友好的图形界面，支持专家监督，确保精确识别感兴趣区域，并允许在实验过程中进行分割	在信噪比低的数据集中，当前分割工具仍难以产生准确的分割结果	提高神经元分割的速度和一致性，减少对人工分割的依赖	光学功能成像中的神经元胞体	digital pathology	NA	deep learning	CNN	image	NA