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
621	2025-04-08	Predictive models for posttransplant diabetes mellitus in kidney transplant recipients using machine learning and deep learning approach: a nationwide cohort study from South Korea 2025-01-09, Kidney research and clinical practice IF:2.9Q1 DOI:10.23876/j.krcp.24.113 PMID:40176402	研究论文	本研究利用机器学习和深度学习方法预测肾移植受者术后糖尿病（PTDM）的风险	首次在全国性队列研究中应用多种机器学习和深度学习模型预测PTDM，并比较其性能	研究仅基于韩国器官移植注册数据，可能不适用于其他人群	预测肾移植受者术后糖尿病的风险	肾移植受者	机器学习	糖尿病	机器学习、深度学习	XGBoost, CatBoost, light gradient boosting machine, logistic regression	临床数据	3,213名肾移植受者
622	2025-04-08	Synthetic temporal bone CT generation from UTE-MRI using a cycleGAN-based deep learning model: advancing beyond CT-MR imaging fusion 2025-Jan, European radiology IF:4.7Q1 DOI:10.1007/s00330-024-10967-2 PMID:39026063	研究论文	本研究开发了一种基于CycleGAN的深度学习模型，用于从超短回波时间磁共振成像（MRI）扫描生成合成颞骨计算机断层扫描（CT）图像	使用CycleGAN模型从MRI生成合成CT图像，解决了MRI在颞骨解剖标志定位上的固有局限性	对于五个主要解剖结构的生成成功率较低（24%至83%）	开发一种深度学习模型，以生成合成颞骨CT图像，克服MRI在颞骨解剖标志定位上的局限性	颞骨MRI和CT图像	数字病理学	NA	点状编码时间减少与径向采集（PETRA）MRI	CycleGAN	图像	102名患者（训练数据集54名，验证数据集48名）
623	2025-04-08	Deep learning-based 3D quantitative total tumor burden predicts early recurrence of BCLC A and B HCC after resection 2025-Jan, European radiology IF:4.7Q1 DOI:10.1007/s00330-024-10941-y PMID:39028376	研究论文	本研究评估了基于深度学习的自动化三维定量肿瘤负荷在MRI上预测肝细胞癌术后早期复发的潜力	首次使用深度学习辅助的自动化三维定量肿瘤负荷作为预测肝细胞癌术后早期复发的生物标志物，并改进了BCLC A和B期患者的亚分类	单中心回顾性研究，样本量有限（592例患者）	预测肝细胞癌（HCC）术后早期复发（ER）	接受切除术的BCLC A和B期肝细胞癌患者	数字病理学	肝细胞癌	MRI	深度学习	医学影像	592例患者（525例BCLC A期，67例BCLC B期）
624	2025-04-08	The value of deep learning-based X-ray techniques in detecting and classifying K-L grades of knee osteoarthritis: a systematic review and meta-analysis 2025-Jan, European radiology IF:4.7Q1 DOI:10.1007/s00330-024-10928-9 PMID:38997539	meta-analysis	本文通过系统综述和荟萃分析评估了基于深度学习的X射线技术在检测和分类膝关节骨关节炎K-L分级中的价值	首次对深度学习在膝关节骨关节炎K-L分级中的敏感性进行了全面的荟萃分析	对于K-L1和K-L2分级的敏感性仍需提高，且需要更多研究数据支持临床实践	评估深度学习技术在膝关节骨关节炎X射线诊断中的敏感性和临床价值	膝关节骨关节炎的X射线图像	digital pathology	geriatric disease	deep learning	NA	image	62,158张X射线图像（包括22,388张K-L0，13,415张K-L1，15,597张K-L2，7,768张K-L3和2,990张K-L4）
625	2025-04-08	Deep learning in pulmonary nodule detection and segmentation: a systematic review 2025-Jan, European radiology IF:4.7Q1 DOI:10.1007/s00330-024-10907-0 PMID:38985185	系统性综述	本文系统性地综述了深度学习在肺结节检测和分割中的应用	填补了现有文献中的方法学空白和偏见，并强调了标准化数据处理和代码共享的重要性	仅包含九项符合纳入标准的研究，可能存在样本量不足的问题	比较使用深度学习技术的肺结节检测和分割方法	肺结节	计算机视觉	肺癌	深度学习	CNN	医学影像	九项研究，主要使用公共数据集如Lung Image Database Consortium Image Collection和Image Database Resource Initiative
626	2025-04-08	P253 Next-generation phenotyping facilitates the identification of structural brain malformations in rare disorders through computational brain MRI analysis 2025, Genetics in medicine open DOI:10.1016/j.gimo.2025.103424 PMID:40191138	研究论文	本研究提出了一种基于深度学习的下一代表型分析（NGP）方法，用于检测脑部结构畸形及其相关疾病，为临床医生提供诊断支持	首次将NGP应用于脑部MRI数据，通过大规模脑部MRI图像数据集学习模式，识别结构性畸形	初步分析仅针对两种特定疾病，需要扩展到更广泛的遗传疾病谱	开发一种能够识别罕见疾病中脑部结构畸形的计算方法	罕见疾病中的脑部结构畸形	数字病理学	神经发育疾病	MRI	ResNet-50	图像	413张脑部MRI图像，涵盖56种不同疾病
627	2025-04-06	Large Generative Model Impulsed Lightweight Gaze Estimator via Deformable Approximate Large Kernel Pursuit 2025, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1 DOI:10.1109/TIP.2025.3529379 PMID:40031234	研究论文	提出了一种新型轻量级网络结构，通过可变形近似大核和大型生成模型的隐式蒸馏，实现了高效且高精度的视线估计	设计了可变形近似大核的轻量级网络结构，并利用大型生成模型（Stable Diffusion V1.5）的泛化能力进行隐式蒸馏	未明确提及具体限制	开发高效且高精度的轻量级视线估计方法，适用于移动交互平台	视线估计模型	计算机视觉	NA	深度学习	轻量级网络结构（含可变形近似大核），Stable Diffusion V1.5	图像	未明确提及具体样本数量
628	2025-04-06	Trustworthy Limited Data CT Reconstruction Using Progressive Artifact Image Learning 2025, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1 DOI:10.1109/TIP.2025.3534559 PMID:40031253	研究论文	提出了一种名为渐进伪影图像学习（PAIL）的展开框架，用于有限数据CT重建，旨在解决现有深度学习方法在泛化性和稳定性方面的不足	通过残差域模块（RDM）、图像域模块（IDM）和小波域模块（WDM）三个关键模块的协作，逐步去除伪影并重建CT图像，同时通过小波压缩感知增强网络稳定性	方法在模拟CT数据集、临床心脏数据集和羊肺数据集上验证，但未提及在其他类型数据集上的表现	提高有限数据CT重建的质量和效率，减少辐射暴露或加速扫描过程	有限数据CT重建	数字病理	NA	深度学习	PAIL（包含RDM、IDM和WDM模块）	CT图像	两个模拟CT数据集、一个临床心脏数据集和一个羊肺数据集
629	2025-04-06	Deep Underwater Image Quality Assessment With Explicit Degradation Awareness Embedding 2025, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1 DOI:10.1109/TIP.2025.3539477 PMID:40031436	研究论文	本文提出了一种新型的深度学习模型EDANet，用于水下图像质量评估，通过显式嵌入退化感知信息来提高模型性能	设计了EDANet模型，采用两阶段训练策略，先通过DIDNet子网络推断退化残差图，再将其嵌入DQENet子网络以增强退化感知能力	未提及具体的数据集规模限制或模型在特定场景下的适用性限制	改进水下图像质量评估的准确性和可靠性	水下退化图像	计算机视觉	NA	深度学习	EDANet (包含DIDNet和DQENet子网络)	图像	在两个基准数据集上进行了测试（未提及具体样本数量）
630	2025-04-06	ADStereo: Efficient Stereo Matching With Adaptive Downsampling and Disparity Alignment 2025, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1 DOI:10.1109/TIP.2025.3540282 PMID:40031538	research paper	本文提出了一种高效的立体匹配方法ADStereo，通过自适应下采样和视差对齐模块来平衡精度和计算效率	提出了自适应下采样模块（ADM）和视差对齐模块（DAM），以解决传统方法中因下采样操作导致的特征丢失和空间错位问题	未提及具体局限性	提高立体匹配算法在实时应用中的准确性和计算效率	立体匹配算法	computer vision	NA	NA	ADStereo	image	多个公共基准测试数据集（如KITTI stereo 2015）
631	2025-04-06	High-Density EMG Grip Force Estimation During Muscle Fatigue via Domain Adaptation 2025, IEEE transactions on neural systems and rehabilitation engineering : a publication of the IEEE Engineering in Medicine and Biology Society IF:4.8Q1 DOI:10.1109/TNSRE.2025.3541227 PMID:40031585	研究论文	本文提出了一种基于域适应的高密度EMG握力估计方法，用于改善肌肉疲劳状态下的握力估计精度	结合对抗训练策略和端到端深度学习模型，对齐非疲劳和疲劳状态下的EMG特征分布，无需在疲劳域中暂停收集力标签数据	研究仅涉及8名受试者，样本量较小	提高肌电接口在肌肉疲劳状态下解码用户意图的准确性	肌电信号（EMG）和握力估计	机器学习	NA	高密度EMG	深度学习模型	肌电信号	8名受试者
632	2025-04-06	Joint Spatial and Frequency Domain Learning for Lightweight Spectral Image Demosaicing 2025, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1 DOI:10.1109/TIP.2025.3536217 PMID:40031727	research paper	提出了一种基于联合空间和频域信息学习的轻量级光谱图像去马赛克方法	结合空间和频域信息学习，提出无参数的光谱图像初始化策略和高效的空间-频率变换网络	未明确提及具体局限性	提高光谱图像去马赛克的重建质量和效率	光谱图像	computer vision	NA	Fourier transform, deep learning	spatial-frequency transformer network	image	模拟和真实数据（未明确提及具体数量）
633	2025-04-06	Local-Global Correlation Fusion-Based Graph Neural Network for Remaining Useful Life Prediction 2025-Jan, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2023.3330487 PMID:37983145	研究论文	提出一种基于局部-全局相关性融合的图神经网络框架（LOGO），用于剩余使用寿命（RUL）预测	结合局部和全局信息有效建模传感器相关性，提出自适应融合机制和序列微图定义方法	未明确说明方法在极端工况或传感器故障情况下的鲁棒性	提升复杂系统中剩余使用寿命预测的准确性	多传感器监测的工业设备系统	机器学习	NA	图神经网络（GNN）	GNN	时间序列传感器数据	未明确说明具体样本数量
634	2025-04-06	Enlightened prognosis: Hepatitis prediction with an explainable machine learning approach 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0319078 PMID:40173410	research paper	该研究探讨了使用传统机器学习模型预测肝炎感染的效果，并特别关注了SVM模型的优异表现	采用了多种机器学习模型进行比较，并通过超参数调优和集成建模技术提升性能，同时进行了模型可解释性分析	未提及模型在更大规模或多样化数据集上的泛化能力	提高肝炎感染的预测准确性和及时性	肝炎感染病例	machine learning	hepatitis	机器学习模型比较和超参数调优	SVM, logistic regression, decision trees, random forest, MLP	医疗数据	NA
635	2025-04-06	Advancing enterprise risk management with deep learning: A predictive approach using the XGBoost-CNN-BiLSTM model 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0319773 PMID:40179109	研究论文	本研究提出了一种基于深度学习的风险管理模型XGBoost-CNN-BiLSTM，用于提升风险事件的预测和检测能力	结合XGBoost的结构化数据处理能力、CNN的特征提取能力和BiLSTM的时间序列处理能力，全面捕捉风险事件的关键特征	未提及模型在实时风险预测中的表现或计算资源需求	提升企业风险管理的预测和检测能力	企业风险事件	机器学习	NA	深度学习	XGBoost-CNN-BiLSTM	结构化数据和时间序列数据	多个数据集（如S&P 500历史数据集）
636	2025-04-06	Using deep learning artificial intelligence for sex identification and taxonomy of sand fly species 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0320224 PMID:40179129	研究论文	开发了一种基于深度学习的AI系统，用于沙蝇的性别鉴定和物种分类	利用卷积神经网络、迁移学习和生殖器与咽部图像的早期融合技术，实现了超过95%的分类准确率	研究仅针对三种沙蝇亚属，可能不适用于其他沙蝇种类	为沙蝇的性别鉴定和物种分类提供自动化且准确的解决方案	沙蝇（Phlebotomus alexandri, Phlebotomus papatasi, 和 Phlebotomus sergenti）	计算机视觉	利什曼病	深度学习	CNN	图像	两年内本地捕获和制备的样本
637	2025-04-06	MDNN-DTA: a multimodal deep neural network for drug-target affinity prediction 2025, Frontiers in genetics IF:2.8Q2 DOI:10.3389/fgene.2025.1527300 PMID:40182923	研究论文	介绍了一种名为MDNN-DTA的多模态深度神经网络模型，用于预测药物-靶标亲和力（DTA）	该模型能够直接从靶蛋白序列准确预测DTA，无需依赖蛋白质3D结构，这在药物发现中具有重要意义	未明确提及具体局限性	提高药物-靶标亲和力预测的效率和准确性	药物分子和靶蛋白的序列	机器学习	NA	深度学习	GCN和CNN	生物序列数据	未明确提及样本数量
638	2025-04-05	Advanced molecular modeling of proteins: Methods, breakthroughs, and future prospects 2025, Advances in pharmacology (San Diego, Calif.) DOI:10.1016/bs.apha.2025.02.005 PMID:40175043	review	本文综述了蛋白质分子建模的先进方法、突破性进展及未来前景	介绍了深度学习算法如AlphaFold在复杂蛋白质结构预测中的显著进步	未提及具体研究中的样本量或实验数据限制	提升对蛋白质行为的理解，优化药物发现与开发过程	蛋白质分子及其在生物过程中的功能	分子建模	NA	同源建模、分子动力学模拟、量子力学/分子力学策略、深度学习	AlphaFold	蛋白质结构数据	NA
639	2025-04-05	Deep learning: A game changer in drug design and development 2025, Advances in pharmacology (San Diego, Calif.) DOI:10.1016/bs.apha.2025.01.008 PMID:40175037	review	深度学习在药物设计和开发中的革命性作用	深度学习在药物发现过程中显著提高了目标识别、先导化合物选择、毒性预测、药物再利用、从头药物发现以及药物特性优化的效率和成功率	NA	探讨深度学习如何改变药物设计和开发的传统流程	药物设计和开发过程	machine learning	NA	深度学习	NA	生物数据	NA
640	2025-04-05	[Comparison of the Impact of Deep Learning Techniques on Low-noise Head CT Images] 2025, Nihon Hoshasen Gijutsu Gakkai zasshi DOI:10.6009/jjrt.25-1537 PMID:40175157	研究论文	比较两种深度学习技术对低噪声头部CT图像中脑CT值、图像噪声内容及白质与灰质对比噪声比的影响	首次比较了AiCE和PixelShine两种深度学习技术在低噪声头部CT图像处理中的效果差异	研究样本量较小（仅21名正常患者），且仅针对特定设备型号	评估不同深度学习技术对CT图像质量参数的优化效果	头部CT图像中的脑组织CT值、图像噪声和对比噪声比	医学影像处理	神经系统疾病	深度学习（AiCE和PixelShine技术）	深度学习（具体架构未说明）	医学影像（CT图像）	21名无异常发现的正常患者头部CT扫描数据