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
1401	2025-04-09	Integrated brain tumor segmentation and MGMT promoter methylation status classification from multimodal MRI data using deep learning 2025 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076251332018 PMID:40190333	研究论文	本研究提出了一种基于深度学习的多模态MRI数据集成方法，用于脑肿瘤分割和MGMT启动子甲基化状态分类	提出了一种结合3D ResU-Net和3D ResNet10的两阶段深度学习流程，实现了非侵入性的MGMT启动子甲基化状态预测	仍处于研究阶段，需要未来研究和临床验证以探索其在真实临床环境中的适用性	开发非侵入性方法来支持神经肿瘤学家进行脑肿瘤诊断和治疗规划	胶质母细胞瘤(GBM)患者	数字病理	脑肿瘤	多模态MRI扫描	3D ResU-Net, 3D ResNet10	MRI图像	使用BraTS2021脑肿瘤分割数据集和MGMT启动子状态分类数据集
1402	2025-04-09	Exploring the potential of deep learning models integrating transformer and LSTM in predicting blood glucose levels for T1D patients 2025 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076251328980 PMID:40190336	研究论文	本研究开发了一种结合Transformer和LSTM的混合深度学习模型，用于预测1型糖尿病患者的血糖水平	结合Transformer和LSTM网络，利用双向LSTM和Transformer编码器层在多阶段进行特征提取，提高了预测准确性和预测时间范围	模型在临床数据和模拟数据上的表现存在差异，可能需要进一步优化以适应更广泛的临床场景	提高血糖预测的准确性和预测时间范围，支持实时糖尿病管理	1型糖尿病患者的血糖水平	机器学习	糖尿病	深度学习	Transformer和LSTM	连续血糖监测数据	临床数据和模拟数据
1403	2025-04-09	Real-Time Snoring Detection Using Deep Learning: A Home-Based Smartphone Approach for Sleep Monitoring 2025, Nature and science of sleep IF:3.0Q2 DOI:10.2147/NSS.S514631 PMID:40190583	研究论文	本研究提出了一种基于Vision Transformer深度学习模型和智能手机录音的实时打鼾检测方法	首次利用深度学习模型预测家庭录制的智能手机音频中的打鼾情况，并采用Vision Transformer架构	研究样本量相对较小，且依赖智能手机录音质量	开发一种实时打鼾检测方法，用于家庭睡眠监测	214名参与者的睡眠呼吸声音数据	机器学习	睡眠相关疾病	智能手机音频记录	Vision Transformer	音频	214名参与者（85,600个时段）
1404	2025-04-09	Integration of multimodal imaging data with machine learning for improved diagnosis and prognosis in neuroimaging 2025, Frontiers in human neuroscience IF:2.4Q2 DOI:10.3389/fnhum.2025.1552178 PMID:40191032	研究论文	提出了一种结合CNN、GRU和动态跨模态注意力模块的混合深度学习方法，用于整合多模态成像数据以提高神经影像诊断和预后的准确性	引入动态跨模态注意力模块，有效融合空间和时间脑数据，克服现有多模态融合技术的局限性	尚未应用于其他图像类型和临床数据，未来需要进一步验证	提高神经影像诊断和预后的准确性	阿尔茨海默病等脑部疾病	神经影像	阿尔茨海默病	结构MRI (sMRI) 和功能MRI (fMRI)	CNN, GRU, 动态跨模态注意力模块	多模态成像数据	Human Connectome Project (HCP) 数据集，包含行为数据、fMRI和sMRI
1405	2025-04-09	A semi-supervised weighted SPCA- and convolution KAN-based model for drug response prediction 2025, Frontiers in genetics IF:2.8Q2 DOI:10.3389/fgene.2025.1532651 PMID:40191608	研究论文	提出了一种基于半监督加权SPCA和卷积KAN的药物反应预测模型NMDP，用于解决多组学基因数据中的特征提取、数据融合和小样本学习问题	引入可解释的半监督加权SPCA模块、基于样本相似性网络的双模态测试和方差信息的多组学数据融合框架，以及结合一维卷积和KAN的预测方法	未明确提及具体局限性，但提到需要处理小样本量和过拟合风险	精准肿瘤学中的药物反应预测	细胞系对特征药物的反应	机器学习	癌症	多组学基因数据分析	SPCA, KAN, 一维卷积	多组学基因数据	五组真实数据实验
1406	2025-04-09	Isfahan Artificial Intelligence Event 2023: Lesion Segmentation and Localization in Magnetic Resonance Images of Patients with Multiple Sclerosis 2025, Journal of medical signals and sensors DOI:10.4103/jmss.jmss_55_24 PMID:40191684	research paper	该文章介绍了2023年伊斯法罕人工智能活动中关于多发性硬化症患者磁共振图像中病灶分割和定位的挑战	利用深度学习技术进行多发性硬化症患者磁共振图像中病灶的精确分割和定位	未提及具体方法的性能比较和详细数据集信息	通过病灶分割和定位帮助医生确定多发性硬化症的严重程度和进展	多发性硬化症患者的磁共振图像	computer vision	多发性硬化症	磁共振成像(MRI)	U-net及其他复杂网络	image	NA
1407	2025-04-09	An imaging and genetic-based deep learning network for Alzheimer's disease diagnosis 2025, Frontiers in aging neuroscience IF:4.1Q2 DOI:10.3389/fnagi.2025.1532470 PMID:40191788	research paper	提出了一种基于MRI和SNP数据的多模态深度学习分类网络，用于阿尔茨海默病（AD）诊断和轻度认知障碍（MCI）进展预测	利用CNN提取全脑结构特征，Transformer网络捕获遗传特征，并采用基于交叉Transformer的网络进行全面的特征融合，同时引入基于注意力图的可解释性方法分析AD相关结构和风险变异及其相互关系	数据集规模有限，大多数AD研究依赖于影像遗传学领域的统计方法	提高AD诊断和MCI进展预测的准确性	阿尔茨海默病（AD）和轻度认知障碍（MCI）患者	digital pathology	geriatric disease	MRI, SNP	CNN, Transformer	image, genetic	1,541名来自ADNI数据库的受试者
1408	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
1409	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）
1410	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）
1411	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）
1412	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
1413	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
1414	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
1415	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
1416	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）
1417	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）
1418	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）
1419	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
1420	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