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	2025-05-01	Breast cancer classification based on breast tissue structures using the Jigsaw puzzle task in self-supervised learning 2025-Mar, Radiological physics and technology IF:1.7Q3 DOI:10.1007/s12194-024-00874-y PMID:39760975	研究论文	本研究评估了自监督学习中的拼图任务在乳腺X线图像上用于乳腺癌分类的有效性	首次将自监督学习中的拼图任务应用于乳腺组织结构的特征提取，模拟放射科医生的诊断方法	研究仅使用了中国乳腺X线数据库(CMMD)，可能限制了模型的泛化能力	评估拼图任务在乳腺癌分类中的有效性	乳腺X线图像	数字病理学	乳腺癌	自监督学习(SSL)	CNN	图像	中国乳腺X线数据库(CMMD)中的样本
622	2025-05-01	Multimodal deep learning for predicting in-hospital mortality in heart failure patients using longitudinal chest X-rays and electronic health records 2025-Mar, The international journal of cardiovascular imaging DOI:10.1007/s10554-025-03322-z PMID:39786626	研究论文	本研究利用多模态深度学习技术，结合纵向胸部X光片和电子健康记录，预测心力衰竭患者的院内死亡率	提出了一种基于空间和时间解耦Transformer的新型多模态深度学习网络（MN-STDT），首次将纵向胸部X光片与结构化电子健康记录数据结合用于心力衰竭患者的院内死亡率预测	研究仅使用了特定数据集（MIMIC-IV和MIMIC-CXR），可能限制了模型的泛化能力	提高心力衰竭患者院内全因死亡率预测的准确性	心力衰竭患者	数字病理学	心血管疾病	深度学习	MN-STDT（基于Transformer的多模态网络）	图像（胸部X光片）和结构化电子健康记录数据	MIMIC-IV和MIMIC-CXR数据集中的患者样本
623	2025-05-01	Automatic medical report generation based on deep learning: A state of the art survey 2025-Mar, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2024.102486 PMID:39787734	综述	本文对基于深度学习的自动医学报告生成技术进行了全面综述	从四个关键方面全面回顾了自动医学报告生成的最新进展，并对现有研究进行了五类分类	对现有评估指标的讨论可能仍有限	加速患者护理流程，减轻放射科医生负担	医学影像报告	自然语言处理	NA	深度学习	检索式、领域知识驱动、注意力机制、强化学习、大语言模型及融合模型	医学影像	NA
624	2025-05-01	CFPLncLoc: A multi-label lncRNA subcellular localization prediction based on Chaos game representation and centralized feature pyramid 2025-Mar, International journal of biological macromolecules IF:7.7Q1 DOI:10.1016/j.ijbiomac.2025.139519 PMID:39761904	研究论文	提出了一种基于混沌游戏表示和集中特征金字塔的多标签lncRNA亚细胞定位预测模型CFPLncLoc	利用混沌游戏表示图像和集中特征金字塔进行多标签lncRNA亚细胞定位预测，引入了图像更新策略和多尺度特征融合模型	未提及具体局限性	预测具有多个亚细胞定位的lncRNA的亚细胞位置	长链非编码RNA（lncRNA）	计算机视觉	NA	混沌游戏表示（CGR）	深度学习模型（CFPLncLoc）	图像	未提及具体样本数量
625	2025-05-01	A cognitive digital twin approach to improving driver compliance and accident prevention 2025-Mar, Accident; analysis and prevention DOI:10.1016/j.aap.2024.107913 PMID:39778287	研究论文	本文提出了一种基于认知数字孪生的驾驶辅助系统（CDAS），通过个性化驾驶决策模型动态调整驾驶辅助选项，以提高驾驶安全性和用户接受度	引入认知数字孪生（CDT）技术，结合驾驶员观察行为和控制动作，动态更新驾驶决策模型，实现更个性化的驾驶辅助	未提及系统在极端驾驶条件下的表现或对大规模未标注数据集的依赖性	提高驾驶辅助系统的个性化程度和有效性，减少交通事故	驾驶员行为及驾驶辅助系统	机器学习	NA	认知数字孪生技术	个性化驾驶决策模型	驾驶员行为数据、环境状态数据	通过两项综合实验验证
626	2025-05-01	Fully automated segmentation of brain and scalp blood vessels on multi-parametric magnetic resonance imaging using multi-view cascaded networks 2025-Mar, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108584 PMID:39761623	研究论文	本研究提出了一种多视图级联深度学习网络（MVPCNet），用于全自动准确分割脑部和头皮血管	结合多视图学习、多参数输入和多视图集成模块的多重优化，显著提高了小血管和低对比度血管的分割性能	未提及模型在其他数据集上的泛化能力或实际临床应用的验证	解决脑部和头皮血管分割的挑战，为神经外科导航提供支持	脑部和头皮血管	医学图像分析	神经外科相关疾病	多参数磁共振成像	MVPCNet（多视图级联网络）	医学影像	155名患者的数据集
627	2025-05-01	Development of an interactive ultra-high resolution magnetic resonance neurography atlas of the brachial plexus and upper extremity peripheral nerves 2025-Mar, Clinical imaging IF:1.8Q3 DOI:10.1016/j.clinimag.2024.110400 PMID:39765207	research paper	开发了一个交互式超高分辨率磁共振神经图谱，用于直接可视化臂丛和上肢周围神经	使用深度学习算法重建MR神经图谱数据集，并开发了一个基于网络的用户界面软件，用于标记周围神经和肌肉，并将肌肉映射到其各自的神经支配	研究仅涉及16名无已知周围神经病变的成年志愿者，样本量较小	开发一个教育性的、交互式的、超高分辨率的体内磁共振神经图谱，用于直接可视化臂丛和上肢周围神经	臂丛和上肢周围神经	digital pathology	NA	MR neurography, deep learning algorithm	NA	image	16名成年志愿者
628	2025-05-01	Multilabel segmentation and analysis of skeletal muscle and adipose tissue in routine abdominal CT scans 2025-Mar, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109622 PMID:39778239	research paper	提出一种基于深度学习的多标签分割网络，用于在腹部CT扫描中分割和分析骨骼肌和脂肪组织	扩展了Unet结构，能够分割三种脂肪组织和五种不同肌肉组织，并改进了肌间脂肪的分割	基于自建数据集，样本量较小（130名患者）	开发一种精确的肌肉和脂肪组织分割方法，以支持临床实践中的患者健康评估	腹部CT扫描中的骨骼肌和脂肪组织	digital pathology	NA	deep learning	Unet	CT images	130名患者
629	2025-05-01	Clinical 7 Tesla magnetic resonance imaging: Impact and patient value in neurological disorders 2025-Mar, Journal of internal medicine IF:9.0Q1 DOI:10.1111/joim.20059 PMID:39775908	综述	本文回顾了7特斯拉磁共振成像（7T MRI）在神经系统疾病诊断和治疗监测中的影响及患者价值	7T MRI提供了卓越的空间分辨率、对比度和灵敏度，结合并行传输和基于深度学习的重建技术，解决了以往的技术挑战，实现了常规临床应用	NA	探讨7T MRI在神经系统疾病中的诊断价值及其对患者护理的改善	神经系统疾病，如肌萎缩侧索硬化症（ALS）、癫痫、多发性硬化症（MS）、痴呆、帕金森病、肿瘤和血管疾病	数字病理学	神经系统疾病	7T MRI，并行传输，深度学习重建	NA	图像	超过1200例临床扫描
630	2025-03-14	Answer to "comments 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/s11356-025-36088-x PMID:40075044	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
631	2025-05-01	Sparse keypoint segmentation of lung fissures: efficient geometric deep learning for abstracting volumetric images 2025-Mar, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-024-03310-z PMID:39775630	研究论文	提出了一种基于稀疏关键点的肺裂分割方法，利用几何深度学习提高体积图像处理的效率	使用几何深度学习（GDL）处理稀疏点云数据，提出了一种高效的点云到网格自动编码器（PC-AE）	Poisson表面重建（PSR）在流程中占用了大部分时间	提高肺裂分割的效率，特别是在大规模分析中	肺裂在CT图像中的分割	计算机视觉	肺癌	几何深度学习（GDL），稀疏点云处理	PointNets, GCNs, PointTransformers, PC-AE	CT图像	多样化的临床和病理数据
632	2025-04-29	Advanced Artificial Intelligence Technologies Transforming Contemporary Pharmaceutical Research 2025-Mar-31, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12040363 PMID:40281723	综述	本文综述了人工智能在医疗服务和药物研究领域的应用及其潜在影响	深入探讨了AI在医疗和药物研究中的优缺点，并提供了AI在疾病诊断、数字治疗、新药发现和疫情预测中的全面概述	主要基于过去几年的研究文章，可能未涵盖最新的AI技术进展	探讨人工智能在医疗服务和药物研究领域的应用及其潜在影响	人工智能技术在医疗和药物研究中的应用	机器学习	多种疾病（季节性流感、埃博拉、寨卡、COVID-19、结核病等）	神经网络、深度学习、贝叶斯非参数方法、自然语言处理	NA	NA	NA
633	2025-04-29	Exploring Feature Selection with Deep Learning for Kidney Tissue Microarray Classification Using Infrared Spectral Imaging 2025-Mar-31, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12040366 PMID:40281726	研究论文	本研究提出了一种基于深度学习的框架，用于利用红外光谱成像自动分类肾脏肿瘤组织微阵列	结合特征选择算法和深度学习模型，显著提高了分类准确率并减少了训练时间	研究仅针对特定类型的肾脏肿瘤（嫌色细胞肾细胞癌和嗜酸细胞瘤）	开发一种高预测能力的分类流程，用于肾脏肿瘤的检测和分类	肾脏肿瘤组织微阵列（TMAs）	数字病理学	肾癌	红外光谱成像	深度学习	图像	NA
634	2025-04-29	Automatic Blob Detection Method for Cancerous Lesions in Unsupervised Breast Histology Images 2025-Mar-31, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12040364 PMID:40281724	research paper	提出一种基于深度学习的自动斑点检测方法，用于在无监督的乳腺组织学图像中检测癌性病变	结合连接组件方法和主动轮廓方法，解决了斑点检测的局限性，提高了癌性病变的检测准确率	研究仅针对乳腺组织学图像，未涉及其他类型的癌症或医学图像	开发一种自动检测乳腺组织学图像中癌性病变的方法，以提高早期诊断的效率和准确性	无监督的乳腺组织学图像中的癌性病变	digital pathology	breast cancer	stain normalization, morphology operation, connected components method, active contours method	RNN	image	27,249张无监督、增强的人类乳腺癌组织学图像
635	2025-04-29	Optimization-Incorporated Deep Learning Strategy to Automate L3 Slice Detection and Abdominal Segmentation in Computed Tomography 2025-Mar-31, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12040367 PMID:40281727	研究论文	本研究提出了一种基于深度学习的策略，用于自动检测CT图像中的L3切片并分割腹部组织	提出了一种结合优化策略的深度学习方法，通过调整增强比例和类别权重来改善类别不平衡问题	研究为回顾性研究，数据来源于单一医疗机构，可能影响模型的泛化能力	开发自动化工具以准确测量L3水平的肌肉和脂肪组成，作为癌症诊断和治疗的预后生物标志物	前列腺癌和膀胱癌患者的CT图像	数字病理学	前列腺癌,膀胱癌	CT成像	ResNet50, Unet, Swin-Unet, SegFormer	医学图像	150名前列腺癌和膀胱癌患者
636	2025-04-29	Biological Prior Knowledge-Embedded Deep Neural Network for Plant Genomic Prediction 2025-Mar-31, Genes IF:2.8Q2 DOI:10.3390/genes16040411 PMID:40282370	研究论文	提出了一种基于深度学习的植物基因组预测模型iADEP，整合了生物先验知识和其他组学数据	iADEP模型首次整合了加性、显性和上位性预测，并利用生物先验知识进行SNP嵌入	未提及模型在跨物种或大规模数据集上的泛化能力	开发更准确的植物基因组预测方法以加速性状改良	植物基因组数据（SNP）和表型性状	机器学习	NA	深度学习、全基因组关联分析（GWAS）	iADEP（基于多头注意力机制和多层感知机的深度学习模型）	基因组SNP数据	四个数据集（未说明具体样本量）
637	2025-04-29	Lightweight U-Net for Blood Vessels Segmentation in X-Ray Coronary Angiography 2025-Mar-30, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging11040106 PMID:40278022	research paper	该研究提出了一种轻量级的U-Net变体，用于X射线冠状动脉造影中的血管分割	采用基于彩票假设的结构化核剪枝策略，显著减少模型参数而不影响分割性能	未提及在更广泛数据集上的泛化能力测试	提升X射线冠状动脉造影中血管分割的准确性和效率	X射线冠状动脉造影图像中的血管结构	digital pathology	cardiovascular disease	X-ray coronary angiography	U-Net	image	在两个基准数据集上进行评估
638	2025-04-29	Riemannian Manifolds for Biological Imaging Applications Based on Unsupervised Learning 2025-Mar-29, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging11040103 PMID:40278019	research paper	该研究探讨了在生物成像应用中基于无监督学习的黎曼流形方法，特别是单细胞的潜在表示和聚类	提出了使用非欧几里得空间的潜在表示和聚类方法，特别是双曲嵌入在视觉任务中的应用，以及在无监督分割中的创新	研究尚未实际应用于大规模数据集，且主要集中在体外研究	评估单细胞潜在表示和聚类在医学和生物技术领域的应用可行性	C2C12细胞，用于研究肌肉分化	computer vision	NA	无监督学习，双曲嵌入	neural networks	image	NA
639	2025-04-29	Automated Detection of Aberrant Episodes in Epileptic Conditions: Leveraging EEG and Machine Learning Algorithms 2025-Mar-29, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12040355 PMID:40281715	研究论文	利用EEG和机器学习算法自动检测癫痫异常发作	提出了一种利用Hurst指数和Daubechies 4离散小波变换进行特征提取的新方法，并结合多种机器学习模型进行癫痫发作分类	仅使用单通道EEG数据进行分类，可能无法全面反映癫痫发作的复杂特征	开发一种高效准确的癫痫发作自动检测方法	癫痫患者的EEG数据	数字病理学	癫痫	EEG信号分析，Hurst指数分析，离散小波变换	SVM, 随机森林分类器, LSTM	EEG信号	CHB-MIT头皮EEG数据库
640	2025-04-29	A Hybrid Wavelet-Based Deep Learning Model for Accurate Prediction of Daily Surface PM2.5 Concentrations in Guangzhou City 2025-Mar-28, Toxics IF:3.9Q1 DOI:10.3390/toxics13040254 PMID:40278570	research paper	提出了一种基于小波的混合深度学习模型，用于准确预测广州市每日地表PM2.5浓度	结合了小波(W)、CNN、BiLSTM和BiGRU的混合模型，显著提高了预测精度	研究仅针对广州市的数据，模型的泛化能力未在其他城市验证	提高地表PM2.5浓度的预测精度，以支持空气污染控制和城市规划	广州市2014年至2020年的气象因素和空气污染物数据	machine learning	NA	wavelet transform, deep learning	W-CNN-BiGRU-BiLSTM	time series data	广州市2014-2020年的气象和空气污染物数据