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
1201	2025-03-08	Deep Learning-based Multi-class Classification for Neonatal Respiratory Diseases on Chest Radiographs in Neonatal Intensive Care Units 2025-Mar-06, Neonatology IF:2.6Q1 DOI:10.1159/000545107 PMID:40049153	研究论文	本研究介绍了一种基于深度学习的自动算法，用于分类新生儿重症监护病房中的各种新生儿呼吸系统疾病和健康肺	使用大规模高质量多类标注的胸部X光图像数据集，结合非影像数据，开发了一种新的深度学习模型，用于新生儿呼吸系统疾病的自动分类	研究仅基于韩国10所大学医院的数据，可能限制了模型的普遍适用性	开发一种自动分类算法，以支持新生儿科医生对重症新生儿的及时准确决策	新生儿重症监护病房中的新生儿	计算机视觉	新生儿呼吸系统疾病	深度学习	修改后的ResNet50	胸部X光图像	训练集34,598张，验证集4,370张，测试集4,370张
1202	2025-03-08	A deep learning framework for automated and generalized synaptic event analysis 2025-Mar-05, eLife IF:6.4Q1 DOI:10.7554/eLife.98485 PMID:40042890	研究论文	本文介绍了一种基于深度学习的自动化突触事件分析方法miniML，用于准确分类和检测自发突触事件	miniML方法在模拟真实数据上的比较分析显示，其在精确度和召回率上优于现有的事件分析方法，并能轻松推广到不同的突触制备、电生理和光学记录技术以及跨物种应用	NA	开发一种自动化、可靠且标准化的突触事件分析框架，以促进神经功能和功能障碍的高通量研究	自发突触事件	机器学习	NA	深度学习	NA	电生理记录数据	NA
1203	2025-03-08	Development of Hybrid radiomic Machine learning models for preoperative prediction of meningioma grade on multiparametric MRI 2025-Mar-05, Journal of clinical neuroscience : official journal of the Neurosurgical Society of Australasia IF:1.9Q4 DOI:10.1016/j.jocn.2025.111118 PMID:40048835	研究论文	本文开发并比较了基于多参数MRI的机器学习模型，用于术前区分低级别和高级别脑膜瘤	结合手工提取的放射组学特征和深度学习特征，开发了混合放射组学机器学习模型，用于术前预测脑膜瘤级别	模型在敏感性和阳性预测值方面存在不一致性，需要更大规模的多中心研究来验证结果	开发并比较机器学习模型，用于术前区分低级别和高级别脑膜瘤	脑膜瘤患者	数字病理	脑膜瘤	多参数MRI	Random Forest, XGBoost	MRI图像	97例低级别脑膜瘤和18例高级别脑膜瘤
1204	2025-03-08	Open-Source Manually Annotated Vocal Tract Database for Automatic Segmentation from 3D MRI Using Deep Learning: Benchmarking 2D and 3D Convolutional and Transformer Networks 2025-Mar-05, Journal of voice : official journal of the Voice Foundation IF:2.5Q1 DOI:10.1016/j.jvoice.2025.02.026 PMID:40050174	研究论文	本研究评估了深度学习算法在3D MRI数据中自动分割声道的效果，并比较了四种不同的深度学习架构	首次使用开源手动注释的声道数据库，并比较了2D和3D卷积网络以及Transformer网络在声道分割中的表现	所有模型在分割某些特定声音（如/kõn/）时表现不佳，且在骨性区域（如牙齿附近）频繁出现错误	评估深度学习算法在3D MRI数据中自动分割声道的效果	10名法语发音者的53个声道体积，包括21个独特的法语音素和3个独特的无声任务	计算机视觉	NA	深度学习	2D U-Net, 3D U-Net, 3D U-Net with transfer learning, 3D transformer U-Net (3D U-NetR)	3D MRI图像	53个声道体积来自10名法语发音者
1205	2025-03-08	DeepES: deep learning-based enzyme screening to identify orphan enzyme genes 2025-Mar-04, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaf053 PMID:39909853	研究论文	本文介绍了一种名为DeepES的深度学习工具，用于筛选和识别孤儿酶基因	DeepES通过整合每个反应类别的二元分类器输出，评估输入基因是否包含感兴趣的生物合成基因簇，从而识别孤儿酶基因	NA	开发一种深度学习工具，用于识别孤儿酶基因，以填补序列与酶反应之间关联的理解空白	蛋白质序列和生物合成基因簇	机器学习	NA	深度学习	二元分类器	蛋白质序列	4744个宏基因组组装的基因组
1206	2025-03-08	Evolution of AI enabled healthcare systems using textual data with a pretrained BERT deep learning model 2025-Mar-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-91622-8 PMID:40038367	研究论文	本文通过应用文本挖掘技术收集科学论文和专利信息，探讨了人工智能在医疗保健领域的未来趋势	首次将深度学习自监督模型引入医疗保健领域的人工智能研究，有效提高了分析的准确性和效率	早期技术趋势分析主要依赖专家判断，可能存在主观性	揭示人工智能在医疗保健领域的研究热点和技术趋势，探索未来医疗服务的潜在转型方向	科学论文和专利信息	自然语言处理	NA	文本挖掘	BERT	文本	科学论文1587篇，专利1314项
1207	2025-03-08	Precision diagnosis of burn injuries using imaging and predictive modeling for clinical applications 2025-Mar-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-92096-4 PMID:40038450	研究论文	本文提出了一种结合先进医学影像和预测模型的方法，用于改进烧伤评估	结合使用自适应复杂独立成分分析（ACICA）和参考区域（TBSA）方法，以及深度学习技术，实现烧伤深度和全身表面积（TBSA）的精确估计	NA	提高烧伤诊断的精确性，优化患者治疗效果	烧伤患者	数字病理学	烧伤	ACICA, TBSA, 深度学习	RNN	医学影像	DCE-LUV样本
1208	2025-03-08	Automated classification of chest X-rays: a deep learning approach with attention mechanisms 2025-Mar-04, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-01604-5 PMID:40038588	研究论文	本文提出了一种结合Vision Transformer、DenseNet201和全局平均池化的深度学习模型，用于自动分类胸部X光片，以诊断COVID-19、肺炎和肺部不透明等疾病	该模型结合了Vision Transformer用于捕捉长距离依赖关系、DenseNet201用于强大的特征提取以及全局平均池化用于保留关键空间细节，显著提升了分类准确率	研究依赖于公开的胸部X光数据集，可能无法涵盖所有临床场景	开发一种自动化深度学习模型，用于准确诊断胸部X光片中的肺部疾病	胸部X光片	计算机视觉	COVID-19, 肺炎, 肺部不透明	深度学习	Vision Transformer (ViT), DenseNet201	图像	21,165张胸部X光片
1209	2025-03-08	Development of model for identifying homologous recombination deficiency (HRD) status of ovarian cancer with deep learning on whole slide images 2025-Mar-04, Journal of translational medicine IF:6.1Q1 DOI:10.1186/s12967-025-06234-7 PMID:40038690	研究论文	本研究旨在开发一种基于深度学习的分类器，用于从全切片图像中识别肿瘤区域，并对卵巢癌患者的同源重组缺陷（HRD）状态进行分层	利用深度学习模型在全切片图像上识别肿瘤区域并预测卵巢癌患者的HRD状态，创新性地结合了UNet++算法和集成模型	样本量相对较小（205例），且仅来自两个机构，可能限制了模型的泛化能力	构建一个深度学习分类器，用于识别卵巢癌患者的HRD状态	卵巢癌患者的全切片图像	数字病理学	卵巢癌	深度学习	UNet++和集成模型	图像	205例卵巢癌患者的H&E染色切片
1210	2025-03-08	A deep learning model for radiological measurement of adolescent idiopathic scoliosis using biplanar radiographs 2025-Mar-04, Journal of orthopaedic surgery and research IF:2.8Q1 DOI:10.1186/s13018-025-05620-7 PMID:40038733	研究论文	本文开发了一种深度学习模型，用于自动测量双平面X光片中的脊柱对齐参数，以诊断和评估青少年特发性脊柱侧弯（AIS）	该模型不仅测量冠状面Cobb角，还评估矢状面，这是现有AI模型所忽略的	研究仅基于单一医院的600张双平面X光片，样本量和多样性可能有限	开发一种能够自动测量脊柱对齐参数的深度学习模型，以提高AIS诊断的准确性和效率	青少年特发性脊柱侧弯（AIS）患者的脊柱对齐参数	计算机视觉	青少年特发性脊柱侧弯	深度学习	ResNet34	图像	600张双平面X光片
1211	2025-03-08	Computational histology reveals that concomitant application of insect repellent with sunscreen impairs UV protection in an ex vivo human skin model 2025-Mar-04, Parasites & vectors IF:3.0Q1 DOI:10.1186/s13071-025-06712-3 PMID:40038831	研究论文	本研究利用计算组织学方法，评估了防晒霜与驱虫剂联合使用对紫外线防护效果的影响	首次使用离体人类皮肤样本评估防晒霜与驱虫剂联合使用的潜在毒性，并开发了NoxiScore这一深度学习软件解决方案	研究仅基于离体皮肤样本，可能无法完全反映活体皮肤的真实反应	评估防晒霜与驱虫剂联合使用对紫外线防护效果的影响	人类皮肤活检样本	数字病理学	NA	深度学习	NA	图像	来自多个捐赠者的人类皮肤活检样本
1212	2025-03-08	Artificial intelligence in musculoskeletal applications: a primer for radiologists 2025-03-03, Diagnostic and interventional radiology (Ankara, Turkey) DOI:10.4274/dir.2024.242830 PMID:39157958	review	本文旨在为放射科医生提供关于肌肉骨骼放射学中常用人工智能算法的入门知识	提供了关于AI在肌肉骨骼放射学中应用的全面概述，帮助放射科医生理解常用算法和实践	未涉及具体的技术细节或案例研究，更多是概念性介绍	介绍人工智能在肌肉骨骼放射学中的应用	放射科医生	机器学习和深度学习	NA	NA	NA	NA	NA
1213	2025-03-08	Deep learning-aided preparation and mechanism revaluation of waste wood lignocellulose-based flame-retardant composites 2025-Mar-03, International journal of biological macromolecules IF:7.7Q1 DOI:10.1016/j.ijbiomac.2025.141690 PMID:40043971	研究论文	本文提出了一种利用深度学习辅助制备和重新评估废木材基阻燃复合材料的方法	使用深度学习模型预测复合材料的阻燃性能，并优化了阻燃剂的添加量	未提及具体的数据集大小或模型训练细节	研究废木材的高效回收利用及其在阻燃复合材料中的应用	废木材基阻燃复合材料	材料科学	NA	深度学习	LSTM	实验数据	未提及具体样本数量
1214	2025-03-08	An Earth Mover's Distance-Based Self-Supervised Framework for Cellular Dynamic Grading in Live-Cell Imaging 2025-Mar, Journal of computational biology : a journal of computational molecular cell biology IF:1.4Q2 DOI:10.1089/cmb.2024.0672 PMID:39618334	研究论文	本文提出了一种基于地球移动距离的自监督框架，用于活细胞成像中的细胞动态分级	提出了一种新的自监督框架，利用地球移动距离构建概率转移矩阵，并通过损失函数约束来增强模型学习时空动态的能力	依赖于细胞动态分级与细胞外观变化速度一致性的假设，可能不适用于所有细胞类型或条件	解决活细胞动态分级任务中数据收集和标注的挑战，提高深度学习模型的性能	活细胞显微视频中的细胞动态	计算机视觉	NA	自监督学习	神经网络	视频	NA
1215	2025-03-08	Deep learning based super-resolution for CBCT dose reduction in radiotherapy 2025-Mar, Medical physics IF:3.2Q1 DOI:10.1002/mp.17557 PMID:39625126	研究论文	本文提出了一种基于深度学习的超分辨率方法，用于减少放射治疗中CBCT的剂量	首次在CBCT剂量减少的背景下探索了深度学习超分辨率的应用，并提出了在投影域和图像域中使用增强型超分辨率生成对抗网络（ESRGAN）来恢复低剂量CBCT的图像质量	图像相似性指标受噪声水平影响，未能完全反映视觉上的改进	减少CBCT成像剂量，同时保持图像质量	头颈癌患者的CBCT扫描	数字病理	头颈癌	深度学习超分辨率	ESRGAN	图像	2997个CBCT扫描
1216	2025-03-08	Breast radiotherapy planning: A decision-making framework using deep learning 2025-Mar, Medical physics IF:3.2Q1 DOI:10.1002/mp.17527 PMID:39625151	研究论文	本研究开发了一个利用深度学习预测剂量分布的决策框架，以帮助选择最佳乳腺癌放射治疗技术	使用2D U-Net卷积神经网络模型预测剂量分布图，并通过外部验证展示了该框架在临床决策中的高准确性和可靠性	研究依赖于回顾性数据集，且样本量相对较小（346名患者训练，30名患者验证），可能影响模型的泛化能力	开发一个基于深度学习的决策框架，以优化乳腺癌放射治疗计划的选择	乳腺癌患者	数字病理	乳腺癌	IMRT（调强放射治疗）和3D-CRT（三维适形放射治疗）	2D U-Net CNN	CT图像和剂量分布图	346名患者用于训练和调优，30名患者用于外部验证
1217	2025-03-08	DRGAT: Predicting Drug Responses Via Diffusion-Based Graph Attention Network 2025-Mar, Journal of computational biology : a journal of computational molecular cell biology IF:1.4Q2 DOI:10.1089/cmb.2024.0807 PMID:39639802	研究论文	本文介绍了一种名为DRGAT的药物反应预测方法，结合了去噪扩散隐式模型和图注意力网络，用于提高药物反应的预测准确性	DRGAT方法结合了去噪扩散隐式模型和数据增强技术，以及高阶邻居传播的图注意力网络，显著提高了药物反应预测的准确性	生物数据集通常高维但样本量小，可能导致过拟合和泛化能力差的问题	提高基于患者基因组特征的药物反应预测准确性，推动个性化医疗的发展	药物反应预测	机器学习	NA	去噪扩散隐式模型，图注意力网络（GAT）	GAT, HO-GATs	基因表达（GE）数据	NA
1218	2025-03-08	Automatic plan selection using deep network-A prostate study 2025-Mar, Medical physics IF:3.2Q1 DOI:10.1002/mp.17550 PMID:39657031	研究论文	本文介绍了一种使用深度学习框架自动选择前列腺高剂量率（HDR）近距离放射治疗计划的方法	引入了新的视觉类标准，并结合常用的剂量体积直方图（DVH）标准，训练深度学习算法来自动选择和排名治疗计划	研究仅在835名前列腺癌患者的数据集上进行训练，并在20名患者的独立队列中进行评估，样本量相对较小	开发一种自动选择最佳HDR近距离放射治疗计划的算法	前列腺癌患者的HDR近距离放射治疗计划	数字病理	前列腺癌	深度学习	深度网络	3D图像	835名前列腺癌患者用于训练，20名患者用于评估
1219	2025-03-08	A neural network to create super-resolution MR from multiple 2D brain scans of pediatric patients 2025-Mar, Medical physics IF:3.2Q1 DOI:10.1002/mp.17563 PMID:39657055	研究论文	本文提出了一种基于卷积神经网络的超分辨率方法，用于从儿科患者的多平面2D低分辨率脑部扫描中重建高分辨率3D MR图像	提出了一种多级密集连接的超分辨率卷积神经网络（mDCSRN），能够从两个垂直的低分辨率扫描中重建3D高分辨率图像，并引入了运动伪影、模糊和配准误差以模拟真实情况	需要进一步验证其在其他结构分析任务中的有效性	通过深度学习技术从常规2D低分辨率扫描中重建高分辨率3D MR图像，以便于提取结构生物标志物	儿科患者的脑部MR图像	计算机视觉	儿童癌症	卷积神经网络（CNN）	mDCSRN	图像	90个高分辨率T1儿科头部扫描（ABCD研究），10个新ABCD图像，18个CBTN研究图像，6个儿科头颈癌患者的真实随访图像
1220	2025-03-08	An automated treatment planning portfolio for whole breast radiotherapy 2025-Mar, Medical physics IF:3.2Q1 DOI:10.1002/mp.17588 PMID:39699058	研究论文	本研究开发了一套完整的自动化放射治疗计划组合，用于全乳放疗，适应不同的患者因素、临床方法和可用资源	提出了一个全面的、端到端的自动化放疗解决方案，结合了多种治疗方法和深度学习模型，适应不同的患者和治疗需求	研究中使用的样本量相对较小，且主要来自特定机构，可能限制了结果的普遍性	开发一套自动化放疗计划组合，以适应不同的患者因素和临床需求	全乳放疗患者	数字病理	乳腺癌	深度学习模型（nnU-net）、RapidPlan模型	nnU-net	放疗计划数据	15名内部患者（150个计划）和40名来自瑞士、阿根廷、伊朗和美国的外部患者（360个计划）