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
161	2025-04-24	FedDBL: Communication and Data Efficient Federated Deep-Broad Learning for Histopathological Tissue Classification 2024-Dec, IEEE transactions on cybernetics IF:9.4Q1 DOI:10.1109/TCYB.2024.3403927 PMID:38923486	research paper	提出一种轻量级且通用的联邦学习框架FedDBL，用于在有限训练样本和单轮通信下实现优异的组织病理学分类性能	通过整合预训练的深度学习特征提取器、快速轻量级的广度学习推理系统和经典联邦聚合方法，显著降低数据依赖性和提高通信效率	未明确提及具体局限性	解决组织病理学分类中的隐私保护和通信效率问题	组织病理学图像数据	digital pathology	NA	federated learning	ResNet-50	image	未明确提及具体样本数量
162	2025-04-24	MRI-based Deep Learning Models for Preoperative Breast Volume and Density Assessment Assisting Breast Reconstruction 2024-Dec, Aesthetic plastic surgery IF:2.0Q2 DOI:10.1007/s00266-024-04074-2 PMID:38806828	research paper	本研究开发了三种基于MRI的深度学习模型，用于术前乳房体积和密度评估，以辅助乳房重建手术	开发了三种自动分割乳房的算法（简单配准模型、动态编程模型和深度学习模型），并评估了它们与手动分割的一致性	研究未明确说明样本的多样性或模型的泛化能力	开发人工智能模型以实现乳房的自动分割和体积测量，优化乳房重建手术	接受乳房重建手术的249名患者	digital pathology	breast cancer	MRI	deep learning model, dynamic programming model, simple registration model	image	249名患者
163	2025-04-23	Classification of rib fracture types from postmortem computed tomography images using deep learning 2024-Dec, Forensic science, medicine, and pathology DOI:10.1007/s12024-023-00751-x PMID:37968549	research paper	本研究使用深度学习技术对尸检计算机断层扫描（PMCT）图像中的肋骨骨折类型进行分类	利用基于ResNet50架构的深度学习模型，通过迁移学习对不同层次的肋骨骨折类型进行分类，为法医病理学家和医疗从业者提供了一种减少工作量的可靠解决方案	模型在分类层次较低时表现较差，尤其是'ad latus'类型的骨折预测准确率仅为17-18%	开发一个能够辅助临床医生分析PMCT图像中肋骨骨折类型的系统	尸检计算机断层扫描（PMCT）图像中的肋骨骨折	computer vision	NA	deep learning, transfer learning	ResNet50	image	NA
164	2025-04-23	Rectify ViT Shortcut Learning by Visual Saliency 2024-Dec, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2023.3310531 PMID:37703160	research paper	提出了一种新颖的基于视觉显著性的ViT模型（SGT），用于纠正ViT中的捷径学习问题	在没有眼动数据的情况下，利用计算视觉显著性模型预测显著图来引导ViT关注有意义的区域，并通过残差连接保留全局信息	获取眼动数据可能耗时耗力甚至不切实际，而本文方法依赖于计算视觉显著性模型的准确性	纠正视觉Transformer（ViT）中的捷径学习问题，提高模型的泛化能力和可解释性	ViT模型和图像数据	computer vision	NA	计算视觉显著性模型	ViT (Vision Transformer)	image	NA
165	2025-04-23	Medical Transformer: Universal Encoder for 3-D Brain MRI Analysis 2024-Dec, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2023.3308712 PMID:37738193	研究论文	本文提出了一种名为Medical Transformer的新型迁移学习框架，用于3D脑部MRI分析，通过将3D体积图像建模为2D图像切片序列，并结合多视角方法提升空间关系表示	提出了一种参数高效的训练方法，通过多视角利用3D体积的三个平面信息，并使用自监督学习在大规模正常健康脑部MRI数据集上进行预训练	未提及具体的数据集规模或多样性限制，也未讨论模型在其他类型医学图像上的泛化能力	开发一个通用的迁移学习框架，用于3D脑部MRI分析，以解决标注数据有限的问题	3D脑部MRI图像	数字病理学	脑部疾病	自监督学习(SSL)	Transformer	3D MRI图像	使用大规模正常健康脑部MRI数据集进行预训练，具体数量未提及
166	2025-04-22	The G Protein-Coupled Receptor-Related Gene Signatures for Diagnosis and Prognosis in Glioblastoma: A Deep Learning Model Using RNA-Seq Data 2024-Dec-01, Asian Pacific journal of cancer prevention : APJCP DOI:10.31557/APJCP.2024.25.12.4201 PMID:39733410	研究论文	本研究利用RNA-Seq数据和深度学习模型，探索了胶质母细胞瘤中G蛋白偶联受体相关基因标记的诊断和预后价值	首次将深度学习模型与RNA-Seq数据结合，鉴定出胶质母细胞瘤中G蛋白偶联受体相关基因作为新型生物标志物	研究仅基于532名患者的回顾性数据，需要更大样本的前瞻性研究验证	探索胶质母细胞瘤的新型诊断和预后生物标志物	532名胶质母细胞瘤患者的RNA-Seq数据	数字病理学	胶质母细胞瘤	RNA-Seq	深度学习	基因表达数据	532名GBM患者
167	2025-04-17	Deep learning enabled integration of tumor microenvironment microbial profiles and host gene expressions for interpretable survival subtyping in diverse types of cancers 2024-Dec-17, mSystems IF:5.0Q1 DOI:10.1128/msystems.01395-24 PMID:39565103	research paper	该研究开发了一种名为ASD-cancer的半监督深度学习框架，用于从肿瘤微生物组和转录组数据中提取与生存相关的特征，并识别患者的生存亚型	提出了ASD-cancer框架，能够整合肿瘤微生物组和宿主基因表达数据，进行可解释的生存亚型分析，相比传统方法如PCA，提供了更好的风险分层	研究依赖于TCGA数据库的样本，可能无法涵盖所有肿瘤类型的多样性	解码肿瘤微生物组与宿主基因表达之间的复杂关系，及其对患者生存的联合影响	20种不同类型癌症的组织样本	digital pathology	cancer	deep learning, autoencoder	autoencoder	microbiome and transcriptome data	来自TCGA数据库的多种癌症类型的组织样本
168	2025-04-16	Color Fundus Photography and Deep Learning Applications in Alzheimer Disease 2024-Dec, Mayo Clinic proceedings. Digital health DOI:10.1016/j.mcpdig.2024.08.005 PMID:39748801	研究论文	本文报告了两种基于视网膜彩色眼底照片的深度学习模型在阿尔茨海默病分类中的开发与性能	开发了两种新型深度学习模型（ADVAS和ADRET），其中ADRET采用自监督学习卷积神经网络，在阿尔茨海默病筛查中表现出更高的准确性	需要在更大和多样化的人群中进一步验证，并整合技术以协调眼底照片和减少成像相关噪声	开发并评估基于视网膜彩色眼底照片的深度学习模型在阿尔茨海默病分类中的性能	阿尔茨海默病患者和对照组的视网膜彩色眼底照片	数字病理学	阿尔茨海默病	深度学习	U-Net, 自监督学习卷积神经网络（ADRET）	图像	来自UK Biobank和一家三级学术机构的两组独立数据集
169	2025-04-13	Deep learning-based prediction of chemical accumulation in a pathogenic mycobacterium 2024-Dec-16, bioRxiv : the preprint server for biology DOI:10.1101/2024.12.15.628588 PMID:39764009	研究论文	该研究利用深度学习模型预测病原性分枝杆菌中化学物质的积累情况，以提高抗生素设计的成功率	首次使用深度学习模型预测药物在分枝杆菌中的积累，突破了传统化学性质预测方法的局限	研究仅针对一种特定的病原性分枝杆菌（M. abscessus），结果可能不适用于其他细菌	提高抗生素候选药物的设计成功率，解决细菌药物积累不足的问题	1528种已批准药物在M. abscessus中的积累情况	机器学习	分枝杆菌感染	液相色谱-质谱联用技术（LC-MS）	深度学习模型	化学物质积累数据	1528种已批准药物
170	2025-04-12	ODD-Net: a hybrid deep learning architecture for image dehazing 2024-Dec-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-82558-6 PMID:39715769	research paper	提出了一种名为ODD-Net的混合深度学习架构，用于图像去雾	结合了预训练的A-Net和T-Net模型，在大气散射模型中实现了卓越的去雾质量，特别是在传输图估计和深度测量方面超越了现有技术	深度学习方法需要大量数据集和计算资源	提高户外拍摄图像的可见度和对比度	受雾霾影响的图像	computer vision	NA	dilated convolution, batch normalisation, ReLU activation functions, multiscale convolutions, nonlinear regression	CNN	image	NA
171	2025-04-12	Deep Learning Model for Predicting Neurodevelopmental Outcome in Very Preterm Infants Using Cerebral Ultrasound 2024-Dec, Mayo Clinic proceedings. Digital health DOI:10.1016/j.mcpdig.2024.09.003 PMID:40206534	研究论文	开发深度学习模型，结合新生儿颅脑超声和临床变量，预测极早产儿3岁时的神经发育障碍	首次将CNN模型应用于颅脑超声和临床变量的结合，以预测极早产儿的神经发育障碍	研究为回顾性设计，且仅在单一地区进行，可能影响模型的泛化能力	预测极早产儿3岁时的神经发育障碍	极早产儿（胎龄220-306周）	数字病理	神经发育障碍	颅脑超声（CUS）	CNN, elastic net (EN)	图像, 临床数据	619名极早产儿，包含4184张颅脑超声图像
172	2025-04-05	Preoperative Ultrasound Radomics to Predict Posthepatectomy Liver Failure in Patients With Hepatocellular Carcinoma 2024-Dec, Journal of ultrasound in medicine : official journal of the American Institute of Ultrasound in Medicine IF:2.1Q2 DOI:10.1002/jum.16559 PMID:39177192	研究论文	该研究开发了一种基于二维剪切波弹性成像和临床数据的深度学习方法，用于预测慢性乙型肝炎相关肝细胞癌患者术后肝功能衰竭的风险	提出了结合双模态超声特征和临床指标的深度学习模型PHLF-Net，采用渐进式训练策略，并在多个独立测试集中验证了其有效性	研究样本量相对有限（532例患者），且主要针对慢性乙型肝炎相关肝细胞癌患者	开发预测肝细胞癌患者术后肝功能衰竭风险的方法	接受肝切除术的肝细胞癌患者	数字病理学	肝细胞癌	二维剪切波弹性成像	ResNet50	超声图像（B模式和弹性成像）及临床指标	532例肝细胞癌患者（来自5家医院）
173	2025-04-02	State-of-the-Art Deep Learning CT Reconstruction Algorithms in Abdominal Imaging 2024-12, Radiographics : a review publication of the Radiological Society of North America, Inc IF:5.2Q1 DOI:10.1148/rg.240095 PMID:39612283	review	本文综述了深度学习CT重建算法在腹部成像中的最新进展及其临床应用	深度学习重建（DLR）算法能够有效减少低辐射剂量协议下的图像噪声，并提高重建速度，解决了传统CT图像重建算法在低辐射剂量下无法保持图像纹理和诊断性能的问题	文章概述了DLR算法在CT中的当前局限性，并展望了未来的发展方向	探讨深度学习CT重建算法的技术细节及其在腹部成像中的临床应用	深度学习CT重建算法及其在腹部CT成像中的应用	digital pathology	NA	deep learning reconstruction (DLR)	deep neural networks	image	NA
174	2025-03-28	Bone density measurement in patients with spinal metastatic tumors using chest quantitative CT deep learning model 2024-Dec, Journal of bone oncology IF:3.1Q2 DOI:10.1016/j.jbo.2024.100641 PMID:40134559	研究论文	本研究开发了一种基于3DResUNet架构的深度学习模型，用于从定量计算机断层扫描（QCT）中预测脊柱转移瘤患者的椎体体积骨密度（vBMD）	使用3DResUNet架构的深度学习模型首次应用于脊柱转移瘤患者的vBMD预测，提高了骨质疏松筛查的能力	研究样本量有限（749例），且仅针对脊柱转移瘤患者，可能不适用于其他人群	开发一种深度学习模型，用于预测脊柱转移瘤患者的椎体体积骨密度（vBMD），以增强骨质疏松筛查能力	脊柱转移瘤患者	数字病理学	脊柱转移瘤	定量计算机断层扫描（QCT）	3DResUNet	医学影像	749例脊柱转移瘤患者（训练集599例，测试集150例）
175	2025-03-27	Research on multi-label recognition of tongue features in stroke patients based on deep learning 2024-12-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-84002-1 PMID:39739087	研究论文	本文提出了一种基于深度学习的自动识别中风患者舌象特征的方法，以提高舌象特征自动提取和识别的准确性	设计了一个标签引导的多标签舌象识别模型，能够学习特征之间的相关性并进行分类，自动识别舌形、舌色和舌苔等关键特征	模型性能依赖于舌象图像的质量和数据增强的效果，且未提及模型在不同年龄段或不同中风类型患者中的泛化能力	提高中风患者康复阶段舌象特征的自动提取和识别准确性，为中风康复过程的实时评估和诊断提供技术支持	中风患者的舌象图像	计算机视觉	中风	图像处理和机器学习技术	深度学习模型（与resnet和densenet进行比较）	图像	未提及具体样本数量
176	2025-03-26	Deep learning on CT scans to predict checkpoint inhibitor treatment outcomes in advanced melanoma 2024-12-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-81188-2 PMID:39738216	research paper	该研究首次探讨了利用深度学习分析CT影像预测晚期黑色素瘤免疫检查点抑制剂治疗结果的价值	首次将深度学习应用于CT影像分析以预测晚期黑色素瘤的免疫检查点抑制剂治疗效果	深度学习模型未能显著超越已知临床预测因子的预测效果	探索CT影像深度学习模型预测晚期黑色素瘤免疫治疗效果的可行性	接受免疫检查点抑制剂治疗的晚期黑色素瘤成年患者	digital pathology	melanoma	CT imaging	DLM (deep learning model)	CT images	730名患者共2722个病灶
177	2025-03-26	Attention-guided convolutional network for bias-mitigated and interpretable oral lesion classification 2024-12-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-81724-0 PMID:39738228	research paper	提出了一种基于注意力引导的卷积网络，用于口腔病变的分类，旨在提高准确性、可解释性并减少数据集偏差	模型整合了分类流、引导流和解剖部位预测流，通过注意力机制提高病变定位准确性，并增强模型对数据集偏差的鲁棒性	研究依赖于单一来源的数据集，可能影响模型的泛化能力	开发一种深度学习模型，用于准确分类口腔病变并提高临床决策支持	口腔病变的16种类型	digital pathology	oral cancer	deep learning	CNN	image	2765张口腔内数字图像，来自1079名患者
178	2025-03-26	Optimizing VGG16 deep learning model with enhanced hunger games search for logo classification 2024-12-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-82022-5 PMID:39738231	research paper	本文提出了一种基于VGG16模型和增强型Hunger Games Search（EHGS）算法的优化深度学习架构EHGS-VGG16，用于logo分类	通过改进的Hunger Games Search算法（EHGS）优化VGG16模型的超参数，提高了分类性能	标准HGS算法存在种群多样性受限和易陷入局部最优的问题	提高logo分类任务的准确率	logo图像	computer vision	NA	deep learning, swarm intelligence algorithm	VGG16, EHGS-VGG16	image	Flickr-27 logo分类数据集
179	2025-03-26	DeepGOMeta for functional insights into microbial communities using deep learning-based protein function prediction 2024-12-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-82956-w PMID:39738309	研究论文	介绍了一种名为DeepGOMeta的深度学习模型，用于预测微生物蛋白质功能	开发了一种基于深度学习的蛋白质功能预测方法，专门针对微生物数据，克服了传统方法在预测新蛋白质和缺乏已知同源物的蛋白质功能时的局限性	模型主要针对微生物数据，可能不适用于其他类型的数据	提高从微生物样本中获取功能见解的能力	微生物蛋白质功能	机器学习	NA	深度学习	深度学习模型	蛋白质序列数据	多样化的微生物数据集
180	2025-03-26	A lung nodule segmentation model based on the transformer with multiple thresholds and coordinate attention 2024-12-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-82877-8 PMID:39738386	研究论文	提出了一种基于transformer和多阈值坐标注意力的肺结节分割模型MCAT-Net，用于肺癌早期检测	构建了多阈值特征分离模块以提取不同层次的边缘和纹理特征，引入坐标注意力机制增强空间信息利用，并采用transformer捕获长程依赖关系	未提及模型在临床环境中的实际应用效果验证	提高肺结节分割的准确性以辅助肺癌早期诊断	肺部CT图像中的结节区域	计算机视觉	肺癌	深度学习	transformer	医学影像	LIDC-IDRI和LNDb数据集