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
1221	2025-03-19	Deep Learning Estimation of Small Airways Disease from Inspiratory Chest CT: Clinical Validation, Repeatability, and Associations with Adverse Clinical Outcomes in COPD 2025-Mar-12, American journal of respiratory and critical care medicine IF:19.3Q1 DOI:10.1164/rccm.202409-1847OC PMID:40072247	研究论文	本文开发了一种基于生成式AI的模型，用于从单一的吸气CT扫描中评估小气道疾病，并与双体积参数响应映射方法进行了比较	通过生成式AI模型从单一吸气CT扫描中评估小气道疾病，无需额外的呼气CT扫描，提高了临床适用性	研究结果在COPDGene研究中的验证样本量相对较小（n = 458），可能影响结果的普适性	评估AI模型在慢性阻塞性肺疾病（COPD）中从小气道疾病（fSAD）的吸气CT扫描中估计fSADTLC的能力，并验证其临床关联性和重复性	来自SPIROMICS研究的2513名参与者和COPDGene研究的458名参与者	数字病理学	慢性阻塞性肺疾病	生成式AI模型	生成式模型	CT图像	SPIROMICS研究中的2513名参与者和COPDGene研究中的458名参与者
1222	2025-03-19	Deep Learning for Odor Prediction on Aroma-Chemical Blends 2025-Mar-11, ACS omega IF:3.7Q2 DOI:10.1021/acsomega.4c07078 PMID:40092758	研究论文	本文探讨了深度学习技术在预测香气化学混合物嗅觉品质方面的应用	提出了图神经网络模型，用于准确预测香气化学混合物的嗅觉品质，并分析了模型架构变化对预测性能的显著影响	研究主要集中于分子对的预测，未涉及更复杂的混合物	探索深度学习在预测香气化学混合物嗅觉品质中的应用	香气化学混合物	机器学习	NA	深度学习	图神经网络	分子对数据	NA
1223	2025-03-19	DeepEpiIL13: Deep Learning for Rapid and Accurate Prediction of IL-13-Inducing Epitopes Using Pretrained Language Models and Multiwindow Convolutional Neural Networks 2025-Mar-11, ACS omega IF:3.7Q2 DOI:10.1021/acsomega.4c10960 PMID:40092768	研究论文	本文介绍了一种名为DeepEpilL13的新型深度学习框架，用于快速准确地预测IL-13诱导的表位	DeepEpilL13结合了预训练语言模型和多窗口卷积神经网络（CNN），能够从蛋白质序列中有效探索与IL-13诱导相关的局部和全局序列模式	NA	提高IL-13诱导表位预测的效率和准确性，以推动针对过敏性炎症、COVID-19相关细胞因子风暴及相关疾病的靶向治疗	IL-13诱导的表位	自然语言处理	COVID-19	深度学习	预训练语言模型和多窗口卷积神经网络（CNN）	蛋白质序列	基准数据集和独立的SARS-CoV-2数据集
1224	2025-03-19	Deep Learning-Assisted Triboelectric Sensor for Complex Gesture Recognition 2025-Mar-11, ACS omega IF:3.7Q2 DOI:10.1021/acsomega.4c10150 PMID:40092790	研究论文	本文提出了一种基于人工智能的手势识别系统，结合摩擦电传感器、Arduino信号处理模块和深度学习模块，用于复杂手势识别	将摩擦电技术与深度学习相结合，特别是使用一维卷积神经网络（CNN），实现了超过95%的12种不同手势识别准确率	未提及具体样本量或实验场景的局限性	开发一种灵活、高效且准确的手势识别系统，以满足物联网和5G技术的需求	手势识别系统	机器学习	NA	摩擦电传感器技术	一维卷积神经网络（CNN）	传感器信号	NA
1225	2025-03-19	DDCSR: A Novel End-to-End Deep Learning Framework for Cortical Surface Reconstruction from Diffusion MRI 2025-Mar-05, ArXiv PMID:40093365	研究论文	本文提出了一种名为DDCSR的端到端深度学习框架，用于从扩散MRI数据直接进行皮质表面重建	首次实现了直接从扩散MRI数据进行皮质表面重建，克服了传统方法依赖T1加权数据和跨模态配准的局限性	未提及具体的样本量或数据来源的多样性限制	提高从扩散MRI数据进行皮质表面重建的准确性和效率	扩散MRI数据	数字病理学	NA	扩散MRI	深度学习框架	MRI图像	NA
1226	2025-03-19	Measurement noise scaling laws for cellular representation learning 2025-Mar-04, ArXiv PMID:40093368	研究论文	本文探讨了测量噪声对深度学习模型性能的影响，并提出了一个信息论指标来评估细胞表示模型的质量	首次将测量噪声作为性能扩展轴，并发现其遵循独特的对数规律，同时提出了一个通用的信息论指标来评估模型质量	研究主要基于生物单细胞基因组数据，虽然结果在图像分类模型中也有体现，但尚未广泛验证于其他领域	研究测量噪声对深度学习模型性能的影响，并探索其在数据生成和整理中的指导作用	生物单细胞基因组数据和图像分类模型	机器学习	NA	单细胞基因组学	表示学习模型	基因组数据和图像数据	多个数据集，具体样本数量未明确
1227	2025-03-19	BMSMM-Net: A Bone Metastasis Segmentation Framework Based on Mamba and Multiperspective Extraction 2025-03, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.11.018 PMID:39617656	研究论文	本文提出了一种基于Mamba和多视角提取的骨转移分割框架BMSMM-Net，旨在提高骨转移的快速、精确分割	BMSMM-Net框架集成了新提出的Bottleneck Gating Mamba层（BGM）、Skip-Mamba（SKM）模块和多视角提取（MPE）模块，增强了长程依赖性和多尺度特征融合能力	NA	提高骨转移的自动分割精度，以改善患者预后和生存率	骨转移病灶	计算机视觉	骨转移	深度学习	BMSMM-Net	医学图像	BM-Seg数据集
1228	2025-03-19	CryoSamba: Self-supervised deep volumetric denoising for cryo-electron tomography data 2025-Mar, Journal of structural biology IF:3.0Q3 DOI:10.1016/j.jsb.2024.108163 PMID:39710216	研究论文	本文介绍了CryoSamba，一种基于自监督深度学习的模型，用于去噪冷冻电子断层扫描（cryo-ET）图像	CryoSamba通过深度学习插值平均运动补偿的邻近平面，增强单连续2D平面，模仿增加曝光，从而增强相干信号并减少高频噪声，显著提高断层扫描对比度和信噪比	NA	提高冷冻电子断层扫描图像的信噪比和对比度，以便更好地进行3D断层扫描视觉解释	冷冻电子断层扫描图像	计算机视觉	NA	深度学习	自监督深度学习模型	3D体积数据	NA
1229	2025-03-19	Real-time quantification of activated sludge concentration and viscosity through deep learning of microscopic images 2025-Mar, Environmental science and ecotechnology IF:14.0Q1 DOI:10.1016/j.ese.2025.100527 PMID:40083746	研究论文	本文介绍了一种通过深度学习分析显微镜图像实时量化活性污泥浓度和粘度的系统	创新点在于使用Xception卷积神经网络架构，从显微镜图像中实时定量识别活性污泥的混合液悬浮固体（MLSS）和表观粘度	研究仅在实验室规模的序批式反应器中进行，尚未在实际废水处理厂中验证	研究目的是开发一种实时在线测量活性污泥参数的方法，以支持未来智能废水处理厂的运行	研究对象是活性污泥的混合液悬浮固体（MLSS）和表观粘度	计算机视觉	NA	深度学习	Xception卷积神经网络	显微镜图像	41482张高质量图像
1230	2025-03-19	Using a fully automated, quantitative fissure integrity score extracted from chest CT scans of emphysema patients to predict endobronchial valve response 2025-Mar, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.12.2.024501 PMID:40093557	研究论文	本文旨在开发和验证一个预测模型，使用从治疗前CT图像中提取的完全自动化的定量裂隙完整性评分（FIS）来识别适合进行支气管内瓣膜（EBV）治疗的患者	创新点在于使用完全自动化的深度学习方法来定量评估裂隙完整性，并以此作为预测EBV治疗效果的生物标志物	研究的局限性在于样本量相对较小（96例），且为回顾性研究，可能影响模型的泛化能力	研究目的是开发一个预测模型，用于识别适合进行EBV治疗的肺气肿患者	研究对象为中度至重度肺气肿患者，这些患者接受了EBV治疗	数字病理学	肺气肿	深度学习	逻辑回归模型	CT图像	96例患者的治疗前后胸部CT检查
1231	2025-03-19	Explainable deep learning algorithm for identifying cerebral venous sinus thrombosis-related hemorrhage (CVST-ICH) from spontaneous intracerebral hemorrhage using computed tomography 2025-Mar, EClinicalMedicine IF:9.6Q1 DOI:10.1016/j.eclinm.2025.103128 PMID:40093990	研究论文	本研究开发了一种可解释的深度学习模型，用于基于非增强计算机断层扫描（NCCT）快速识别由脑静脉窦血栓形成（CVST）引起的脑出血（ICH）	提出了一种基于迁移学习的3D U-Net模型，结合分割和分类，仅使用入院时的平扫CT进行CVST-ICH的识别，并采用多种可解释性方法（如Grad-CAM++、SHAP、IG和遮挡）来理解模型的注意力	需要更大样本量的前瞻性验证	开发一种可解释的深度学习模型，用于快速识别CVST-ICH与自发性脑出血（sICH）	CVST-ICH患者和自发性脑出血（sICH）患者	数字病理学	脑静脉窦血栓形成（CVST）	非增强计算机断层扫描（NCCT）	3D U-Net	CT图像	内部数据集包括102名CVST-ICH患者和306名sICH患者，外部数据集包括38名CVST-ICH患者和119名sICH患者
1232	2025-03-19	Deep learning-based model for prediction of early recurrence and therapy response on whole slide images in non-muscle-invasive bladder cancer: a retrospective, multicentre study 2025-Mar, EClinicalMedicine IF:9.6Q1 DOI:10.1016/j.eclinm.2025.103125 PMID:40093987	研究论文	本研究旨在开发和验证基于深度学习的早期复发预测模型（ERPM）和治疗反应预测模型（TRPM），以辅助非肌层浸润性膀胱癌（NMIBC）患者的临床决策	首次在NMIBC患者中开发并验证了基于全切片图像的深度学习模型，用于预测早期复发和治疗反应	研究为回顾性研究，需要进一步的前瞻性验证	开发并验证基于深度学习的预测模型，以辅助NMIBC患者的临床决策	非肌层浸润性膀胱癌（NMIBC）患者	数字病理学	膀胱癌	深度学习	多实例学习和集成学习模型	全切片图像（H&E染色和免疫组化染色）	1275名患者的4395张全切片图像
1233	2025-03-18	Explainable attention-enhanced heuristic paradigm for multi-view prognostic risk score development in hepatocellular carcinoma 2025-Mar-16, Hepatology international IF:5.9Q1 DOI:10.1007/s12072-025-10793-8 PMID:40089963	研究论文	本研究提出了一种新颖的深度学习辅助范式，通过生成可解释的多视角风险评分来分层肝细胞癌（HCC）患者的预后风险	引入了一种新的深度学习辅助范式，结合注意力机制（ATAT）启发式识别高风险组织，并开发了混合深度评分（HDS），提供了从微观到宏观的多视角风险评分系统	依赖于内部和外部数据集，可能限制了模型的泛化能力	开发一种可解释的多视角风险评分系统，以分层HCC患者的预后风险	肝细胞癌（HCC）患者	数字病理学	肝细胞癌	深度学习	神经网络	图像	内部数据集（SYSUCC）510名HCC患者，外部测试队列（TCGA-LIHC）341名HCC患者
1234	2025-03-18	An MR-only deep learning inference model-based dose estimation algorithm for MR-guided adaptive radiation therapy 2025-Mar-16, Medical physics IF:3.2Q1 DOI:10.1002/mp.17759 PMID:40089982	研究论文	本研究开发了一种基于深度学习的剂量计算引擎，用于磁共振引导的自适应放射治疗（MRgART），仅依赖MR图像进行剂量计算	提出了一种仅依赖MR图像的深度学习剂量计算引擎，消除了对CT图像和复杂射线追踪过程的需求，显著提高了MRgART工作流程的效率和准确性	研究仅针对前列腺癌患者，样本量相对较小（30名患者），且未在其他癌症类型或MR-linac系统上进行验证	开发一种仅依赖MR图像的深度学习剂量计算引擎，以解决MRgART工作流程中准确且快速剂量计算的需求	前列腺癌患者	医学影像分析	前列腺癌	深度学习	U-Net	MR图像	30名前列腺癌患者，120个在线治疗计划，1080个独立光束
1235	2025-03-18	Quantitative susceptibility mapping via deep neural networks with iterative reverse concatenations and recurrent modules 2025-Mar-16, Medical physics IF:3.2Q1 DOI:10.1002/mp.17747 PMID:40089979	研究论文	本研究提出了一种名为IR2QSM的新型深度学习方法，通过独特的网络架构提高潜在特征的利用率，以改善定量磁化率成像（QSM）的重建精度并减少噪声和伪影	IR2QSM采用了一种先进的U-net架构，包含四次反向连接和中间循环模块，优化了特征融合并提高了QSM的准确性	尽管IR2QSM在模拟和体内数据上表现优异，但其在更广泛的临床数据集上的表现仍需进一步验证	开发一种新的深度学习方法，以提高QSM重建的准确性并减少噪声和伪影	定量磁化率成像（QSM）的重建	计算机视觉	神经系统疾病	MRI	U-net	图像	模拟和体内数据集
1236	2025-03-18	Contrastive Learning with Transformer to Predict the Chronicity of Children with Immune Thrombocytopenia 2025-Mar-14, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3551365 PMID:40085458	研究论文	本文提出了一种结合对比学习和Transformer的新方法，用于预测儿童免疫性血小板减少症（ITP）的慢性化	本文的创新点在于将对比学习与Transformer结合，处理小样本和不平衡数据问题，并通过随机掩码和过采样技术增强数据	由于ITP的自限性和儿童患者数据的稀缺性，数据存在小样本和不平衡问题，这可能影响模型的泛化能力	研究目的是通过深度学习模型准确预测儿童ITP的慢性化，以帮助临床医生制定个性化治疗计划	研究对象为患有免疫性血小板减少症（ITP）的儿童	机器学习	免疫性血小板减少症	对比学习，Transformer	FT-Transformer	表格数据	真实世界的ITP儿童数据
1237	2025-03-18	DenseFormer-MoE: A Dense Transformer Foundation Model with Mixture of Experts for Multi-Task Brain Image Analysis 2025-Mar-14, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3551514 PMID:40085471	研究论文	本文提出了一种结合密集卷积网络、视觉Transformer和专家混合（MoE）的Dense Transformer基础模型（DenseFormer-MoE），用于多任务脑图像分析	该模型通过结合密集卷积网络、视觉Transformer和MoE，逐步学习和整合T1加权磁共振图像（sMRI）的局部和全局特征，以应对多任务学习中的优化冲突	模型主要针对T1加权磁共振图像，未涉及其他类型的脑图像数据	开发一个适用于多种脑图像分析任务的基础模型	T1加权磁共振图像（sMRI）	计算机视觉	脑部疾病	Masked Autoencoder, 自监督学习	DenseFormer-MoE, Vision Transformer, Densenet	图像	多个知名脑成像数据集，包括UK Biobank (UKB), Alzheimer's Disease Neuroimaging Initiative (ADNI), 和 Parkinson's Progression Markers Initiative (PPMI)
1238	2025-03-18	Deep Learning-Based Contrast Boosting in Low-Contrast Media Pre-TAVR CT Imaging 2025-Mar-12, Canadian Association of Radiologists journal = Journal l'Association canadienne des radiologistes DOI:10.1177/08465371251322054 PMID:40071690	研究论文	本研究探讨了基于深度学习的对比增强（DL-CB）在低对比剂（low-CM）CT中对图像质量和测量可靠性的影响，用于经导管主动脉瓣置换术（TAVR）前的评估	首次在低对比剂CT中应用深度学习技术进行对比增强，显著提高了图像质量和测量可靠性	研究为回顾性研究，样本量较小（n=68），且仅限于肾功能不全患者	评估深度学习对比增强技术在低对比剂CT中的效果，用于TAVR前的图像评估	肾功能不全的TAVR候选者	医学影像	心血管疾病	深度学习对比增强（DL-CB）	深度学习	CT图像	68名肾功能不全的TAVR候选者
1239	2025-03-18	Leveraging functional annotations to map rare variants associated with Alzheimer's disease with gruyere 2025-Mar-04, medRxiv : the preprint server for health sciences DOI:10.1101/2024.12.06.24318577 PMID:39677477	研究论文	本文提出了一种名为gruyere的贝叶斯概率模型，用于利用功能注释改进罕见变异的优先排序，并应用于阿尔茨海默病的全基因组测序数据	gruyere模型通过全局、特定性状的功能注释权重学习，改进了现有方法，特别是在结合细胞类型特异性信息方面	现有方法在结合细胞类型特异性信息方面缺乏足够的能力，gruyere模型试图填补这一空白	研究目的是通过改进的罕见变异关联测试方法，识别与阿尔茨海默病相关的基因和功能注释	研究对象为阿尔茨海默病测序项目中的7,966例病例和13,412例对照的全基因组测序数据	基因组学	阿尔茨海默病	全基因组测序（WGS）	贝叶斯概率模型（gruyere）	基因组数据	7,966例病例和13,412例对照
1240	2025-03-18	Metric-Guided Conformal Bounds for Probabilistic Image Reconstruction 2025-Mar-04, ArXiv PMID:38711427	研究论文	本文提出了一种框架，用于计算从概率黑箱图像重建算法得出的预测边界，以提供关于受试者真实状态的可证明有效的统计声明	该框架通过使用临床相关指标表示重建扫描，并利用共形预测（CP）校准真实指标的边界，提供了比传统基于像素的边界方法更好的语义解释	需要先前的校准数据集来校准边界，可能限制了其在新数据集上的应用	提供关于受试者真实状态的可证明有效的统计声明	稀疏视图计算机断层扫描（CT）图像	计算机视觉	NA	共形预测（CP）	概率黑箱图像重建算法	图像	NA