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
561	2025-05-02	MMFuncPhos: A Multi-Modal Learning Framework for Identifying Functional Phosphorylation Sites and Their Regulatory Types 2025-Mar, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202410981 PMID:39804866	research paper	开发了一个基于多模态深度学习框架的深度学习模型MMFuncPhos，用于预测功能性磷酸化位点及其调控类型	首次开发了基于迁移学习的EFuncType模型，用于预测磷酸化残基是否上调或下调酶活性	NA	理解磷酸化的功能调控机制，并为精准医学、酶工程和药物发现提供有价值的工具	蛋白质磷酸化位点及其调控类型	machine learning	NA	deep learning, transfer learning	MMFuncPhos, EFuncType	protein phosphorylation data	NA
562	2025-05-02	Artificial intelligence in clinical genetics 2025-Mar, European journal of human genetics : EJHG IF:3.7Q2 DOI:10.1038/s41431-024-01782-w PMID:39806188	review	本文综述了人工智能在临床遗传学中的应用及其未来发展	探讨了AI在临床遗传学中的新兴应用，包括临床诊断、管理与治疗以及临床支持	AI在临床遗传学中的具体影响速度和整体后果尚不明确	研究人工智能在临床遗传学领域的应用及其潜在影响	临床遗传学的各个方面，包括诊断、治疗和临床支持	machine learning	NA	NA	NA	NA	NA
563	2025-05-02	Metastatic Lung Lesion Changes in Follow-up Chest CT: The Advantage of Deep Learning Simultaneous Analysis of Prior and Current Scans With SimU-Net 2025-Mar-01, Journal of thoracic imaging IF:2.0Q3 DOI:10.1097/RTI.0000000000000808 PMID:39808543	研究论文	本文评估了SimU-Net这一新型深度学习方法在自动分析转移性肺部病变及其在胸部CT扫描中的时间变化方面的效果	提出SimU-Net，一种同时多通道3D U-Net模型，用于成对注册的先前和当前患者扫描，实现了转移性肺部病变的自动检测、分割、匹配和分类	样本量相对较小，仅包含79名患者的344对扫描	评估SimU-Net在自动分析转移性肺部病变及其时间变化方面的性能	转移性肺部病变	数字病理	肺癌	胸部CT扫描	SimU-Net（基于3D U-Net）	3D医学影像	79名患者的344对胸部CT扫描，共5040个转移性肺部病变
564	2025-05-02	Attention incorporated network for sharing low-rank, image and k-space information during MR image reconstruction to achieve single breath-hold cardiac Cine imaging 2025-Mar, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2024.102475 PMID:39808868	research paper	提出了一种名为A-LIKNet的新型深度学习网络，用于MRI重建，通过嵌入低秩、图像和k空间等多域信息，实现单次屏气心脏电影成像	采用并行分支结构实现k空间和图像域的独立学习，引入注意力机制为关键线圈或重要时间帧分配更大权重，通过耦合信息共享层实现域间信息交换	仅在内部数据集和OCMR数据集上进行了验证，需要进一步扩大样本量验证泛化能力	加速心脏电影MRI成像并提高重建质量	心脏动态MRI图像	digital pathology	cardiovascular disease	MRI	A-LIKNet（基于注意力的深度学习网络）	图像	91例心血管患者和38例健康受试者的2D心脏电影数据，以及OCMR数据集的实时前瞻性欠采样数据
565	2025-05-02	PADS-Net: GAN-based radiomics using multi-task network of denoising and segmentation for ultrasonic diagnosis of Parkinson disease 2025-Mar, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2024.102490 PMID:39808869	研究论文	提出了一种基于GAN的多任务网络PADS-Net，用于超声图像的去噪和分割，以提高帕金森病的诊断准确性	PADS-Net结合了生成对抗网络和多任务深度学习框架，同时优化超声图像的去噪和分割任务，并采用复合损失函数和放射组学技术提高诊断准确性	NA	提高帕金森病的超声诊断准确性	经颅超声中脑图像	医学影像分析	帕金森病	放射组学技术	GAN, 多任务深度学习网络	超声图像	NA
566	2025-05-02	Sirolimus as a repurposed drug for tendinopathy: A systems biology approach combining computational and experimental methods 2025-Mar, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109665 PMID:39809087	研究论文	本研究通过系统生物学方法结合计算和实验手段，探索西罗莫司作为肌腱病再用途药物的潜力	首次提出基于系统生物学的药物预测策略，整合多组学数据和深度学习技术，发现西罗莫司对肌腱病的治疗潜力	研究主要基于临床前模型，需要进一步临床试验验证	探索现有药物在肌腱病治疗中的再用途潜力	肌腱病相关基因和信号通路	系统生物学	肌腱病	转录组学分析、深度学习、孟德尔随机化、基因敲除	深度学习模型	基因表达数据	154例临床肌腱样本
567	2025-05-02	Weakly-supervised thyroid ultrasound segmentation: Leveraging multi-scale consistency, contextual features, and bounding box supervision for accurate target delineation 2025-Mar, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109669 PMID:39809086	research paper	提出一种新颖的弱监督分割框架，用于甲状腺超声图像的分割，通过多尺度一致性、上下文特征和边界框监督来提高分割准确性	结合了空间排列一致性分支、层次预测一致性分支、上下文特征集成分支和多尺度原型细化模块，显著减少了对像素级标注的依赖	在低对比度和噪声背景的甲状腺超声图像中，边界分割仍面临挑战	提高甲状腺超声图像分割的准确性，减少标注时间	甲状腺超声图像	digital pathology	thyroid disease	weakly-supervised learning	CNN	image	两个甲状腺超声数据集（TG3K和TN3K）
568	2025-05-02	NNFit: A Self-Supervised Deep Learning Method for Accelerated Quantification of High-Resolution Short-Echo-Time MR Spectroscopy Datasets 2025-Mar, Radiology. Artificial intelligence DOI:10.1148/ryai.230579 PMID:39812584	研究论文	开发并评估了一种名为NNFit的自监督深度学习方法，用于加速高分辨率短回波时间MR光谱数据集的量化	提出了一种自监督深度学习方法NNFit，显著提高了光谱量化的计算效率	研究为回顾性分析，需要在前瞻性研究中进一步验证	解决传统光谱量化方法在临床工作流程中的计算瓶颈问题	胶质母细胞瘤和重度抑郁症患者的短回波时间全脑EPSI/GRAPPA扫描数据	医学影像分析	胶质母细胞瘤, 重度抑郁症	短回波时间回波平面光谱成像(EPSI), 广义自动校准部分并行采集(GRAPPA)	自监督深度学习	MR光谱数据	89次扫描（胶质母细胞瘤试验60次+抑郁症试验29次），共945,000个光谱
569	2025-05-02	A novel hybrid deep learning framework based on biplanar X-ray radiography images for bone density prediction and classification 2025-Mar, Osteoporosis international : a journal established as result of cooperation between the European Foundation for Osteoporosis and the National Osteoporosis Foundation of the USA IF:4.2Q1 DOI:10.1007/s00198-024-07378-w PMID:39812675	research paper	该研究利用深度学习基于双平面X射线摄影图像进行骨密度预测和分类	提出了一种新型混合深度学习框架，用于骨密度预测和分类，具有高准确性和与QCT结果的强相关性	未提及样本量的具体大小及多样性，可能影响模型的泛化能力	开发一种基于深度学习的骨密度预测和分类方法，用于骨质疏松高风险患者的筛查	来自华山医院体检中心的双平面X射线摄影图像	digital pathology	geriatric disease	BPX	hybrid deep learning	image	NA
570	2025-02-14	Comment on "An examination of daily CO2 emissions prediction through a comparative analysis of machine learning, deep learning, and statistical models" 2025-Mar, Environmental science and pollution research international DOI:10.1007/s11356-025-36087-y PMID:39939571	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
571	2025-05-02	Post-Training Network Compression for 3D Medical Image Segmentation: Reducing Computational Efforts via Tucker Decomposition 2025-Mar, Radiology. Artificial intelligence DOI:10.1148/ryai.240353 PMID:39812583	research paper	研究通过Tucker分解减少3D医学图像分割模型TotalSegmentator的计算需求	提出使用Tucker分解对TotalSegmentator模型进行后训练网络压缩，显著减少模型参数和浮点运算，同时保持分割精度	不同GPU架构上的实际加速效果存在差异，性能提升在较低性能硬件上更为明显	降低医学图像分割模型的计算需求	TotalSegmentator模型和3D CT图像	digital pathology	NA	Tucker decomposition	nnU-Net	3D CT image	1228个分割CT扫描用于训练，89个CT扫描用于测试
572	2025-05-01	GeOKG: geometry-aware knowledge graph embedding for Gene Ontology and genes 2025-Mar-29, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaf160 PMID:40217132	research paper	提出了一种几何感知的知识图谱嵌入方法GeOKG，用于基因本体和基因的表示学习，以改进蛋白质-蛋白质相互作用预测	利用几何交互来更好地反映基因本体的复杂层次结构，克服了单空间嵌入的不足	NA	改进基因本体和基因的表示学习，以提升下游生物任务如蛋白质-蛋白质相互作用预测的性能	基因本体(GO)和基因本体注释(GOA)	生物信息学	NA	深度学习	知识图谱嵌入	图数据	NA
573	2025-05-01	Human Brain Inspired Artificial Intelligence Neural Networks 2025-Mar-28, Journal of integrative neuroscience IF:2.5Q3 DOI:10.31083/JIN26684 PMID:40302263	research paper	探讨人工智能（AI）发展如何从人脑结构和功能中汲取灵感，并比较关键脑区与AI范式之间的对应关系	通过映射神经和计算架构，展示AI模型如何逐步模仿人脑的复杂性，从基本模式识别到高级推理	当前面临的挑战包括克服学习限制和实现可比的神经可塑性	研究AI如何从人脑结构和功能中获取灵感，并比较两者之间的对应关系	人脑关键区域（如脑干、感觉皮层、基底节、丘脑、边缘系统、前额叶皮层）和AI范式（如通用AI、机器学习、深度学习、人工通用智能）	machine learning	NA	NA	deep learning, artificial general intelligence (AGI)	NA	NA
574	2025-05-01	New Method of Impact Localization on Plate-like Structures Using Deep Learning and Wavelet Transform 2025-Mar-20, Sensors (Basel, Switzerland) DOI:10.3390/s25061926 PMID:40293079	research paper	提出了一种利用二维卷积神经网络（CNN）和小波变换（WT）在板状结构上定位冲击事件的新方法	结合CNN和小波变换处理冲击信号，提高了冲击定位的准确性	模型难以区分特征相似的数据样本，主要由于信号分段间隔和冲击距离的影响	开发一种高效准确的冲击事件定位方法	板状结构上的冲击事件	machine learning	NA	小波变换（WT）	CNN	image	8个数据集，包含2至5次冲击信号
575	2025-05-01	An Efficient 3D Measurement Method for Shiny Surfaces Based on Fringe Projection Profilometry 2025-Mar-20, Sensors (Basel, Switzerland) DOI:10.3390/s25061942 PMID:40293081	研究论文	提出了一种基于条纹投影轮廓术（FPP）的高效3D测量方法，用于解决高反光表面测量中的条纹饱和或过暗问题	结合偏振器和深度学习方法减轻条纹饱和，并引入双频互补解码方法提高测量效率	未提及方法在极端反光条件下的性能或与其他技术的对比	提高高反光表面3D测量的准确性和效率	高反光表面的3D形貌测量	计算机视觉	NA	条纹投影轮廓术（FPP）	深度学习	图像	未明确说明
576	2025-05-01	MAL-Net: A Multi-Label Deep Learning Framework Integrating LSTM and Multi-Head Attention for Enhanced Classification of IgA Nephropathy Subtypes Using Clinical Sensor Data 2025-Mar-19, Sensors (Basel, Switzerland) DOI:10.3390/s25061916 PMID:40293045	research paper	提出了一种名为MAL-Net的多标签深度学习框架，用于整合LSTM和多头注意力机制，以增强IgA肾病亚型的分类	MAL-Net整合了LSTM网络和多头注意力机制，有效捕捉临床数据中的序列和上下文依赖关系，并通过多头注意力模块强调关键特征，缓解类别不平衡问题	研究仅基于500名IgA肾病患者的临床数据，样本量相对有限，可能影响模型的泛化能力	开发一个深度学习框架，用于多标签分类IgA肾病亚型，以支持早期诊断、个性化治疗和预后评估	500名IgA肾病患者的临床数据，包括人口统计学、实验室和症状变量	digital pathology	IgA nephropathy	深度学习	LSTM, Multi-Head Attention	临床传感器数据	500名IgA肾病患者
577	2025-05-01	Interference Mitigation Using UNet for Integrated Sensing and Communicating Vehicle Networks via Delay-Doppler Sounding Reference Signal Approach 2025-Mar-19, Sensors (Basel, Switzerland) DOI:10.3390/s25061902 PMID:40293069	研究论文	本文提出了一种利用UNet架构在延迟-多普勒域中通过探测参考信号方法增强集成感知与通信车辆网络性能的新方法	利用延迟-多普勒域中的二维偏移和UNet架构进行干扰抑制，以提高频谱效率和感知精度	未提及实际部署中的硬件限制或计算资源需求	优化集成感知与通信（ISAC）在车辆网络中的性能	4G和5G系统中的车辆网络	通信系统	NA	延迟-多普勒域探测参考信号（SRS）方法	UNet	Range-Doppler地图	NA
578	2025-05-01	A Weighted-Transfer Domain-Adaptation Network Applied to Unmanned Aerial Vehicle Fault Diagnosis 2025-Mar-19, Sensors (Basel, Switzerland) DOI:10.3390/s25061924 PMID:40293102	研究论文	提出了一种加权迁移域适应网络(WTDAN)方法，用于无人机电磁敏感飞行数据的在线异常检测和故障诊断	基于无监督迁移学习，设计了三个多尺度模块（特征提取器、域判别器和标签分类器），并采用多层域适应减少源域和目标域数据分布的距离	在异常目标数据样本较少的情况下性能较好，但在样本分布极度不平衡或噪声较大的情况下可能表现不佳	提高无人机在线异常检测和故障诊断的准确性	无人机电磁敏感飞行数据	机器学习	NA	无监督迁移学习	WTDAN（加权迁移域适应网络）	传感器数据	公开数据集和实验测试数据集
579	2025-05-01	A Deep Sparse Capsule Network for Non-Invasive Blood Glucose Level Estimation Using a PPG Sensor 2025-Mar-18, Sensors (Basel, Switzerland) DOI:10.3390/s25061868 PMID:40293000	研究论文	本研究提出了一种基于深度学习的非侵入性方法，使用光电容积描记（PPG）信号估计血糖水平	提出了一种深度稀疏胶囊网络（DSCNet）模型，用于准确和稳健的血糖监测，并开发了带有自注意力机制的增强模型	未提及样本的具体数量，可能影响模型泛化能力的评估	开发一种非侵入性血糖监测方法，减少传统侵入性方法带来的不适	糖尿病患者	机器学习	糖尿病	光电容积描记（PPG）	DSCNet（深度稀疏胶囊网络）	PPG信号	NA
580	2025-05-01	Deep Supervised Attention Network for Dynamic Scene Deblurring 2025-Mar-18, Sensors (Basel, Switzerland) DOI:10.3390/s25061896 PMID:40293008	研究论文	提出了一种使用深度监督注意力网络的动态场景去模糊方法	提出了一种多尺度端到端循环网络，利用监督注意力机制恢复清晰图像，并引入了新的损失函数和快速傅里叶变换（FFT）来克服现有方法的局限性	现有数据集存在数据量低、地面真实（GT）图像不清晰和单一模糊尺度的问题，可能影响性能	提高动态场景去模糊的效果	动态场景中的模糊图像	计算机视觉	NA	快速傅里叶变换（FFT）	深度监督注意力网络	图像	NA