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
501	2025-05-04	Automated extracellular volume fraction measurement for diagnosis and prognostication in patients with light-chain cardiac amyloidosis 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0317741 PMID:39841643	研究论文	本研究评估了基于AI自动分割的T1 mapping参数在诊断心脏淀粉样变性和预测轻链型心脏淀粉样变性（AL-CA）患者预后中的表现	利用AI自动分割技术改进T1 mapping参数，提高了心脏淀粉样变性的诊断准确性，并提供了AL-CA患者的预后价值	样本量较小（50例CA患者），且未涵盖所有类型的心脏淀粉样变性	评估AI自动分割的T1 mapping参数在心脏淀粉样变性诊断和预后中的价值	300例因左心室肥厚（LVH）接受心脏磁共振（CMR）检查的患者，其中50例确诊为心脏淀粉样变性	数字病理	心脏淀粉样变性	心脏磁共振成像（CMR）、T1 mapping	深度学习算法（Myomics-Q）	医学影像	300例患者（50例心脏淀粉样变性，198例肥厚型心肌病，47例高血压性心脏病，5例Fabry病）
502	2025-05-04	Optimizing multi label student performance prediction with GNN-TINet: A contextual multidimensional deep learning framework 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0314823 PMID:39841673	research paper	提出了一种名为GNN-TINet的深度学习框架，用于优化多标签学生成绩预测	结合了InceptionNet、transformer架构和图神经网络（GNN），以提升多标签学生成绩预测的精确度	未提及具体局限性	提高学生成绩预测的准确性，以实施及时有效的教育干预	学生成绩数据，包括学生人口统计、学术行为和情感健康等多维特征	machine learning	NA	Contextual Frequency Encoding (CFI), Contextual Adaptive Imputation (CAI)	GNN-Transformer-InceptionNet (GNN-TINet)	tabular data	97,000 occurrences
503	2025-05-04	SpaGraphCCI: Spatial cell-cell communication inference through GAT-based co-convolutional feature integration 2025 Jan-Dec, IET systems biology IF:1.9Q3 DOI:10.1049/syb2.70000 PMID:39846423	研究论文	提出了一种名为SpaGraphCCI的深度学习方法，通过共卷积特征整合来有效推断空间细胞间相互作用	SpaGraphCCI通过将基因表达和图像特征投影到低维空间，有效整合了空间多模态数据，显著提高了空间细胞间通信的推断性能	NA	开发一种能够有效整合空间多模态数据以推断细胞间相互作用的方法	空间转录组数据中的细胞间相互作用	数字病理学	乳腺癌	空间转录组技术	GAT-based co-convolutional	基因表达数据和图像数据	多个平台的数据集，包括单细胞分辨率数据集和点分辨率数据集
504	2025-05-04	The tumour histopathology "glossary" for AI developers 2025-Jan, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1012708 PMID:39847582	研究论文	本文旨在为AI开发者提供基本的组织病理学概念，以支持他们在癌症研究中的应用	通过介绍关键细胞类型和组织病理学技术，填补AI开发者在组织病理学知识上的空白	未提及具体的AI算法开发或验证结果	加速AI算法在癌症研究中的开发	组织病理学图像中的关键细胞类型和肿瘤微环境	数字病理学	癌症	HE染色、免疫组织化学染色、多重抗体染色	NA	图像	NA
505	2025-05-04	Evaluating Machine Learning and Deep Learning models for predicting Wind Turbine power output from environmental factors 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0317619 PMID:39847588	research paper	该研究对机器学习和深度学习模型在基于环境变量预测风力涡轮机功率输出方面进行了全面的比较分析	直接比较了多种机器学习和深度学习算法，并突出了先进计算方法在可再生能源优化中的潜力	NA	评估机器学习和深度学习模型在风力涡轮机功率输出预测中的性能	风力涡轮机的功率输出	machine learning	NA	NA	ANN, LSTM, RNN, CNN, LR, SVR, RF, ET, AdaBoost, CatBoost, XGBoost, LightGBM	environmental variables (temperature, humidity, wind speed, wind direction)	40,000 observations
506	2025-05-04	Construction of a Multi-View Deep Learning Model for the Severity Classification of Acute Pancreatitis 2025-Jan, Discovery medicine IF:2.0Q3 DOI:10.24976/Discov.Med.202537192.7 PMID:39851225	research paper	该研究构建了一个多视角深度学习模型，用于急性胰腺炎（AP）的严重程度分类	结合患者的临床数据和CT影像数据，构建多视角深度学习模型，相比传统单视角评分系统提高了预测准确性	模型对中度严重急性胰腺炎的预测准确率相对较低（64.90%）	开发更准确的急性胰腺炎严重程度预测方法，以辅助临床干预决策	新入院的急性胰腺炎患者	digital pathology	acute pancreatitis	deep learning	DNN, CNN	clinical data, CT images	NA
507	2025-05-04	Maize quality detection based on MConv-SwinT high-precision model 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0312363 PMID:39854315	研究论文	本研究提出了一种基于MConv-SwinT高精度模型的玉米质量检测方法，结合机器视觉和深度学习技术，显著提高了检测准确率	采用Swin Transformer作为基础模型，结合专门设计的卷积块和注意力层，实现了浅层和深层特征的融合与加权，显著提升了分类性能	未提及模型在不同光照条件或不同品种玉米上的泛化能力	提高玉米质量检测的准确性和效率，推动智慧农业发展	高质量、发霉和破碎的玉米图像	计算机视觉	NA	机器视觉，深度学习	MC-Swin Transformer（改进的Swin Transformer模型）	图像	20,152张有效玉米图像
508	2025-05-04	Pedestrian POSE estimation using multi-branched deep learning pose net 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0312177 PMID:39854382	研究论文	本文提出了一种基于深度学习的多分支姿态网络（MBDLP-Net），用于行人全身姿态估计和方向识别	提出了一种新的多分支深度学习姿态网络（MBDLP-Net），并在多个数据集上验证了其在行人姿态估计中的高效性	未提及具体局限性	通过计算机视觉工具自动分析行人行为和意图	行人的全身姿态和方向	计算机视觉	NA	深度学习	MBDLP-Net	图像	三个独立数据集（BDBO、PKU-Reid和TUD Multiview Pedestrians）以及CIFAR-100数据集
509	2025-05-04	Correction: Pedestrian POSE estimation using multi-branched deep learning pose net 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0321410 PMID:40168295	correction	对先前发表的关于使用多分支深度学习姿势网络进行行人姿势估计的文章进行更正	NA	NA	NA	NA	computer vision	NA	NA	NA	NA	NA
510	2025-05-04	Unmanned aerial vehicle based multi-person detection via deep neural network models 2025, Frontiers in neurorobotics IF:2.6Q3 DOI:10.3389/fnbot.2025.1582995 PMID:40313416	research paper	该研究开发了一种基于深度学习的系统，用于从无人机拍摄的视频中识别多人行为	通过整合不同特征和神经网络模型，提高了识别准确率并保持了鲁棒性，同时具备动态环境适应能力	未提及具体局限性	提升无人机拍摄视频中多人行为识别的准确性和鲁棒性	无人机拍摄的多人行为视频	computer vision	NA	deep learning, feature extraction	deep neural network	video	MOD20和Okutama-Action数据集
511	2025-05-04	Advanced hybrid deep learning model for enhanced evaluation of osteosarcoma histopathology images 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1555907 PMID:40313555	研究论文	提出了一种结合CNN和ViT的混合深度学习模型，用于提高骨肉瘤组织病理学图像的诊断准确性	首次成功使用TCIA数据集进行四分类（非肿瘤、非存活肿瘤、存活肿瘤和非存活比率），并在骨肉瘤研究中设定了新的基准	未提及模型在其他数据集上的泛化能力或临床实际应用的验证	提高骨肉瘤的早期和准确检测，以改善患者预后并降低死亡率	骨肉瘤（OS）的组织病理学图像	数字病理学	骨肉瘤	H&E染色组织病理学图像分析	CNN和ViT混合模型	图像	使用Cancer Imaging Archive (TCIA)数据集，具体样本数量未提及
512	2025-05-04	Research advancements in the Use of artificial intelligence for prenatal diagnosis of neural tube defects 2025, Frontiers in pediatrics IF:2.1Q2 DOI:10.3389/fped.2025.1514447 PMID:40313675	review	本文综述了人工智能在产前神经管缺陷诊断中的应用及其进展	展示了AI技术在产前超声影像中早期检测、预测和评估神经管缺陷的高效性，包括CNN和SVM等技术的应用，以及AI与基因组分析的结合	未提及具体研究中可能存在的样本偏差或技术局限性	探讨AI在产前神经管缺陷诊断中的应用及其效果	产前超声影像、遗传数据和孕产妇健康记录	digital pathology	neural tube defects	prenatal ultrasound imaging, genomic analysis	CNN, SVM, Oct-U-Net, PAICS, logistic regression	image, genetic data, health records	NA
513	2025-05-04	Decentralized EEG-based detection of major depressive disorder via transformer architectures and split learning 2025, Frontiers in computational neuroscience IF:2.1Q3 DOI:10.3389/fncom.2025.1569828 PMID:40313734	研究论文	该研究通过结合机器学习、深度学习和分割学习的方法，利用EEG信号对重度抑郁症（MDD）患者和健康个体进行分类	采用分割学习框架解决数据隐私和计算资源问题，结合Transformer和随机森林模型实现高精度分类	研究仅在三台客户端上实施分割学习框架，可能限制了模型的泛化能力	开发一种可靠、自动化的重度抑郁症检测方法	重度抑郁症患者和健康个体的EEG信号	机器学习	重度抑郁症	EEG信号分析	Transformer, Random Forest, Support Vector Machine, Gradient Boosting, Autoencoders	EEG信号	NA
514	2025-05-04	Primer on machine learning applications in brain immunology 2025, Frontiers in bioinformatics IF:2.8Q2 DOI:10.3389/fbinf.2025.1554010 PMID:40313869	综述	本文回顾了单细胞和空间技术在脑免疫学中的应用，以及机器学习方法在数据分析中的进展	探讨了机器学习特别是深度学习方法如自编码器和图神经网络在单细胞组学数据分析中的新应用	主要面向湿实验室生物学家，可能缺乏对计算方法的深入技术细节	总结单细胞组学在脑免疫学研究中的最新进展及其与人工智能的结合	脑免疫学中的单细胞和空间组学数据	机器学习	脑恶性肿瘤和神经退行性疾病	单细胞组学和空间组学技术	自编码器、图神经网络	单细胞和空间组学数据	NA
515	2025-05-04	Radiomics-driven neuro-fuzzy framework for rule generation to enhance explainability in MRI-based brain tumor segmentation 2025, Frontiers in neuroinformatics IF:2.5Q3 DOI:10.3389/fninf.2025.1550432 PMID:40313917	研究论文	提出了一种结合3D U-Net和放射组学特征的混合AI框架，用于MRI脑肿瘤分割并生成可解释的决策规则	将深度学习模型与自适应神经模糊推理系统(ANFIS)相结合，提高了模型的可解释性	实验仅限于小规模的高影响力放射组学特征集	提高MRI脑肿瘤分割的可解释性以促进临床应用	脑肿瘤MRI图像	数字病理学	脑肿瘤	MRI, 放射组学特征提取	3D U-Net, ANFIS	MRI图像	BraTS2020数据集
516	2025-05-03	CoReSi: a GPU-based software for Compton camera reconstruction and simulation in collimator-free SPECT 2025-Jan-31, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/adaacc PMID:39813793	research paper	介绍了一款名为CoReSi的基于GPU的软件，用于无准直器SPECT中的康普顿相机重建和模拟	CoReSi是首个开源的康普顿相机重建软件，采用Python和PyTorch实现，支持多线程和深度学习算法接口	虽然支持多种数学模型，但未提及在实际医疗影像中的验证效果	开发一个灵活、高性能的康普顿相机重建和模拟工具，以促进医学影像研究	康普顿相机成像系统	medical imaging	NA	GPU加速计算，蒙特卡洛模拟	PyTorch	3D影像数据	未提及具体样本量
517	2025-05-03	ECG signal generation using feature disentanglement auto-encoder 2025-Jan-30, Physiological measurement IF:2.3Q3 DOI:10.1088/1361-6579/adab4f PMID:39820006	research paper	提出一种特征解耦自动编码器（FDAE）用于生成心电图（ECG）信号，以解决罕见类别样本生成困难的问题	FDAE通过将潜在空间划分为三个不同的表示、使用对比损失函数增强特征解耦能力，并结合分类器和鉴别器提升生成信号的逼真度	未明确提及具体局限性，但可能依赖于现有数据集的质量和多样性	提高ECG信号生成的效率和质量，特别是针对罕见心脏事件的样本	心电图（ECG）信号	machine learning	cardiovascular disease	对比学习框架、VAE	Auto-Encoder (FDAE)	ECG信号数据	MIT-BIH心律失常数据库和Icentia11K数据集
518	2025-05-03	Hybrid data augmentation strategies for robust deep learning classification of corneal topographic maptopographic map 2025-Jan-30, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/adabea PMID:39832385	research paper	本研究探讨了不同数据增强策略对定制卷积神经网络模型在角膜地形图分类中性能的影响，并提出了一种混合数据增强方法	提出了一种结合传统变换、生成对抗网络和特定生成模型的混合数据增强方法，显著提高了模型准确率并缓解了过拟合问题	未提及具体的数据集规模和多样性限制	提高角膜地形图分类的深度学习模型性能	角膜地形图	digital pathology	NA	generative adversarial networks, specific generative models	CNN	image	NA
519	2025-05-03	A robust auto-contouring and data augmentation pipeline for adaptive MRI-guided radiotherapy of pancreatic cancer with a limited dataset 2025-Jan-30, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/adabac PMID:39823751	研究论文	本研究开发并评估了一种基于深度学习的快速稳健的自动分割方法，用于胰腺癌MRI引导放疗中的风险器官分割，以解决在线自适应工作流程中耗时的手动轮廓绘制问题	提出了两种先进的数据增强方法：结构引导的基于变形的增强方法（sgDefAug）和基于生成对抗网络的方法（GANAug），以解决有限数据集带来的挑战	研究样本量较小，仅使用了10名患者的43张3DVane图像	开发一种快速稳健的自动分割方法，用于胰腺癌MRI引导放疗中的风险器官分割	胰腺癌MRI引导放疗中的风险器官	数字病理	胰腺癌	MRI	nnU-Net, ResU-Net, SegResNet, cycleGAN	3D图像	10名患者的43张3DVane图像
520	2025-05-03	GMmorph: dynamic spatial matching registration model for 3D medical image based on gated Mamba 2025-Jan-29, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/adaacd PMID:39813811	研究论文	提出了一种基于门控Mamba的动态空间匹配配准模型GMmorph，用于3D医学图像的非线性对齐	从空间匹配的角度提出了一种双分支交互配准模型架构，引入了动态匹配模块和门控mamba层，以平衡高精度和低折叠率	未提及模型在处理极端异常组织时的表现	克服深度学习配准方法在复杂位移和全局局部特征交互方面的不足，提高配准精度和鲁棒性	单模态和多模态医学图像（包括正常脑部、脑肿瘤和肺部图像）	数字病理	脑肿瘤、肺部疾病	深度学习	GMmorph（基于门控Mamba的双分支模型）	3D医学图像	未明确提及具体样本数量