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
201	2025-04-07	Optimization of sparse-view CT reconstruction based on convolutional neural network 2025-Apr, Medical physics IF:3.2Q1 DOI:10.1002/mp.17636 PMID:39894762	research paper	本研究提出了一种基于U-Net的稀疏视图CT重建图像改进网络（SRII-Net），旨在优化稀疏视图CT重建图像的质量并提高网络的解释性和泛化能力	通过添加复制路径和设计残差图像输出块来提升网络性能，并建立多种网络结构和数据集以分析各层对伪影去除的贡献	研究未涉及网络在实际临床环境中的表现验证，且数据集的多样性可能仍有提升空间	优化稀疏视图CT重建图像的质量，提高深度学习方法的解释性和泛化能力	稀疏视图CT重建图像	computer vision	NA	deep learning	U-Net	image	多个数据集包含不同采样视图的重建图像
202	2025-04-07	Label-efficient sequential model-based weakly supervised intracranial hemorrhage segmentation in low-data non-contrast CT imaging 2025-Apr, Medical physics IF:3.2Q1 DOI:10.1002/mp.17689 PMID:39962740	研究论文	提出一种弱监督方法，用于在低数据量的非对比CT图像中进行颅内出血分割	利用图像级标签进行弱监督分割，并通过切片间依赖性和无监督细化技术提高分割性能	NA	减少对体素级标记数据的需求，开发适用于临床急诊环境的颅内出血分割方法	非对比CT图像中的颅内出血	数字病理	颅内出血	深度学习	基于类激活图（CAMs）的模型	CT图像	RSNA数据集（21,784例）、INSTANCE数据集（100例）、PhysioNet数据集（75例）
203	2025-04-07	Evaluating auto-contouring accuracy in reduced CT dose images for radiopharmaceutical therapies: Denoising and evaluation of 177Lu DOTATATE therapy dataset 2025-Apr, Journal of applied clinical medical physics IF:2.0Q3 DOI:10.1002/acm2.70066 PMID:40025651	研究论文	评估在降低CT剂量图像中自动轮廓勾画的准确性，用于放射性药物治疗，特别是177Lu DOTATATE疗法	使用深度学习方法（DenseNet模型）进行图像去噪，以支持降低CT剂量，同时保持177Lu DOTATATE治疗的剂量测定准确性	研究仅针对177Lu DOTATATE疗法，未涵盖其他放射性药物治疗	促进CT剂量降低，同时保持器官分割和剂量测定的准确性	接受177Lu DOTATATE治疗的患者的SPECT/CT序列图像	数字病理	癌症	CT成像、SPECT/CT成像、深度学习去噪	DenseNet、TotalSegmentator	医学图像	Deep Blue Data中存储的177Lu DOTATATE患者数据集
204	2025-04-07	Artificial intelligence based detection and control strategies for river water pollution: A comprehensive review 2025-Apr, Journal of contaminant hydrology IF:3.5Q2 DOI:10.1016/j.jconhyd.2025.104541 PMID:40112582	综述	本文全面回顾了基于人工智能的河流水污染检测与控制策略	突出了机器学习和深度学习技术在河流水质模拟中的关键进展，以及物联网技术在实时监测和预测能力中的作用	主要基于2019年至2024年的研究文章，可能未涵盖最新技术发展	探讨人工智能技术在河流水污染检测与控制中的应用	河流水质	机器学习	NA	机器学习、深度学习、物联网	ANN、DNN、LSTM、RF	水质相关数据集	分析了超过110篇研究文章
205	2025-04-07	Evaluation and failure analysis of four commercial deep learning-based autosegmentation software for abdominal organs at risk 2025-Apr, Journal of applied clinical medical physics IF:2.0Q3 DOI:10.1002/acm2.70010 PMID:39946266	research paper	评估四种商业深度学习自动分割软件在腹部风险器官分割中的表现及失败原因分析	首次对四种商业深度学习自动分割软件在腹部风险器官分割中的异常情况进行系统分析，总结了六类失败原因	研究仅针对腹部器官，未涵盖其他部位；样本量相对较小（111例患者）	评估商业深度学习自动分割软件在临床实践中的表现并分析其失败模式	四种商业深度学习自动分割软件（Limbus AI、MIM Contour ProtégéAI、Radformation AutoContour、Siemens syngo.via）	digital pathology	NA	deep learning-based segmentation	NA	medical imaging (CT scans)	111例患者病例
206	2025-04-07	Enhancing data quality in medical concept normalization through large language models 2025-Apr-01, Journal of biomedical informatics IF:4.0Q2 DOI:10.1016/j.jbi.2025.104812 PMID:40180205	research paper	本研究探讨了通过大型语言模型（LLMs）提升医学概念归一化（MCN）中的数据质量，并通过案例研究验证了方法的有效性	首次系统评估了数据质量对MCN性能的影响，并创新性地使用ChatGPT进行零样本和小样本提示的数据增强	数据增强策略可能引入重复数据项，特别是在数据分布的均值区域，需要谨慎设计以避免这些问题	提升医学概念归一化任务中的数据质量，并探索LLMs在此过程中的应用	医学概念归一化任务及其相关数据集	natural language processing	NA	ChatGPT-based zero-shot prompting, few-shot prompting	LLM (large language model)	text	NA
207	2025-04-07	Using explainable machine learning to predict the irritation and corrosivity of chemicals on eyes and skin 2025-Apr-01, Toxicology letters IF:2.9Q2 DOI:10.1016/j.toxlet.2025.03.008 PMID:40180199	研究论文	本研究利用可解释的机器学习方法预测化学物质对眼睛和皮肤的刺激性和腐蚀性	采用计算建模方法整合大量实验数据，开发多种机器学习和深度学习模型，并通过多层次的解释性分析提供预测结果的深入理解	模型在外部验证集上的平衡准确率分别为73.0%和75.1%，仍有提升空间	评估个人护理产品、化妆品和工业化学品对人类健康的潜在危害	化学物质对眼睛和皮肤的刺激性和腐蚀性	机器学习	NA	机器学习和深度学习	多种模型（未具体说明）	实验数据	3316个眼睛刺激实验数据点和3080个皮肤刺激实验数据点
208	2025-04-07	Self-supervised multi-modality learning for multi-label skin lesion classification 2025-Apr-01, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108729 PMID:40184849	research paper	提出一种自监督学习算法，用于多模态多标签皮肤病变分类，减少对大规模标注数据的依赖	通过最大化配对皮肤镜和临床图像之间的相似性实现多模态自监督学习，并引入伪多标签生成和标签关系感知模块	算法性能依赖于皮肤镜和临床图像的配对数据可用性	开发一种减少标注数据依赖的皮肤病变分类方法	皮肤病变的多模态图像（皮肤镜和临床图像）及七种病变属性	computer vision	skin lesion	self-supervised learning (SSL)	CNN	image	well-benchmarked seven-point skin lesion dataset
209	2025-04-07	AI/ML modeling to enhance the capability of in vitro and in vivo tests in predicting human carcinogenicity 2025-Apr, Mutation research. Genetic toxicology and environmental mutagenesis DOI:10.1016/j.mrgentox.2025.503858 PMID:40185541	研究论文	本研究旨在利用先进的深度学习技术，特别是图神经网络（GNN），通过多任务学习（MTL）方法开发一种预测人类致癌性的计算机模型	采用多任务学习框架结合多种辅助任务（如致突变性、遗传毒性、动物致癌性等）来增强GNN模型在预测人类致癌性方面的性能	未提及具体的数据集大小或模型在外部验证集上的表现	开发更准确的人类致癌性预测模型以提高化学物质筛选和优先排序的可靠性	化学物质的致癌性预测	机器学习	癌症	GNN, MTL	图神经网络（GNN）	化学物质数据	NA
210	2025-04-06	Fast and Robust Single-Shot Cine Cardiac MRI Using Deep Learning Super-Resolution Reconstruction 2025-Apr-07, Investigative radiology IF:7.0Q1 DOI:10.1097/RLI.0000000000001186 PMID:40184545	研究论文	本研究比较了深度学习重建的单次平衡稳态自由进动电影图像与标准多次电影图像在心脏MRI中的诊断质量	使用深度学习超分辨率算法重建单次电影图像，显著缩短扫描时间并在心律失常或不可靠呼吸控制患者中表现出更优的图像质量	样本量相对较小（45名参与者），且仅使用1.5特斯拉设备进行扫描	评估深度学习重建技术在心脏MRI中的应用效果	心脏MRI图像	数字病理学	心血管疾病	平衡稳态自由进动（bSSFP）	深度学习超分辨率算法	MRI图像	45名参与者（平均年龄50岁±18，30名男性）
211	2025-04-06	Relationships Between Familial Factors, Learning Motivation, Learning Approaches, and Cognitive Flexibility Among Vocational Education and Training Students 2025-Apr-04, The Journal of psychology IF:2.2Q2 DOI:10.1080/00223980.2025.2456801 PMID:40184534	研究论文	本研究探讨了家庭因素（父母自主支持和父母支持）与职业教育与培训（VET）学生的学习动机、学习方法和认知灵活性之间的关系	揭示了父母自主支持和父母支持通过影响学习动机和深度学习方法间接促进认知灵活性发展的机制	横断面研究设计无法确定因果关系，样本仅来自泰国曼谷地区的十所职业学校，可能存在地域局限性	探索家庭因素如何影响职业教育学生的学习过程和认知发展	557名职业教育与培训学生（男性56.7%，女性43.3%；平均年龄18.41岁）	教育心理学	NA	问卷调查和结构方程模型分析	结构方程模型	问卷数据	557名来自泰国曼谷地区十所职业学校的学生
212	2025-04-06	Optical label-free microscopy characterization of dielectric nanoparticles 2025-Apr-03, Nanoscale IF:5.8Q1 DOI:10.1039/d4nr03860f PMID:40079204	教程	本文综述了无标记光学显微镜技术在纳米颗粒表征中的应用，重点介绍了亚微米尺寸介电颗粒的光学散射理论及其与颗粒质量、大小、结构和材料特性的关系	探讨了不同无标记显微镜技术在纳米颗粒表征中的差异与相似性，并介绍了结合深度学习图像分析的Python笔记本等新兴技术	目前尚无适用于所有纳米颗粒表征的通用解决方案，需要根据样品特性选择合适的技术	为纳米颗粒表征提供测量策略选择指导	亚微米尺寸介电颗粒	光学显微镜	NA	无标记光学显微镜技术	深度学习	图像	NA
213	2025-04-06	Predictive Value of Social Determinants of Health on 90-Day Readmission and Health Utilization Following ACDF: A Comparative Analysis of XGBoost, Random Forest, Elastic-Net, SVR, and Deep Learning 2025-Apr-02, Global spine journal IF:2.6Q1 DOI:10.1177/21925682251332556 PMID:40173192	研究论文	本研究评估了社会健康决定因素（SDH）对前路颈椎间盘切除融合术（ACDF）患者90天再入院和健康利用（HU）的预测影响，并比较了多种机器学习模型的效果	首次应用机器学习评估SDH在ACDF患者中的作用，并识别出影响90天再入院和HU的关键SDH因素	依赖单一医疗系统的数据，且SDH测量采用代理指标而非患者直接报告的数据	评估SDH对ACDF患者术后90天再入院和健康利用的预测价值	3127名ACDF患者（2003-2023年）	机器学习	颈椎疾病	机器学习（包括XGBoost、随机森林、弹性网络、SVR和深度学习）	Balanced Random Forest, Support Vector Regression (SVR)	临床和人口统计学数据	3127名ACDF患者
214	2025-04-06	A deep learning framework for instrument-to-instrument translation of solar observation data 2025-Apr-02, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-58391-4 PMID:40175360	研究论文	本文提出了一种深度学习框架，用于太阳观测数据的仪器间转换，以实现多仪器数据集的同质化	利用生成对抗网络（GAN）进行无配对域转换，无需空间或时间重叠即可关联不同仪器	NA	解决不同仪器观测数据因校准和质量差异而难以联合使用的问题	太阳观测数据	计算机视觉	NA	生成对抗网络（GAN）	GAN	图像	24年的空间观测数据及地面和空间太阳观测的四个不同应用
215	2025-04-06	Hybrid deep learning model for density and growth rate estimation on weed image dataset 2025-Apr-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-86357-5 PMID:40175374	研究论文	提出了一种混合深度学习模型，用于杂草图像数据集中的密度和生长率估计	结合了SegNet和U-Net CNN模型的特征，提出了混合卷积神经网络模型（HCNN），并引入了四种不同的改进池化层以减少经典分割模型的池化层和损失函数	NA	通过杂草图像分割研究杂草生长和密度估计，以帮助制定合适的杂草管理策略	杂草图像数据集，包括宽叶、单子叶和双子叶杂草	计算机视觉	NA	深度学习	HCNN（混合卷积神经网络），结合SegNet和U-Net	图像	2100张杂草图像（500张来自原始数据集，1600张来自CWFID数据集）
216	2025-04-06	Machine learning fusion for glioma tumor detection 2025-Apr-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-89911-3 PMID:40175410	研究论文	本文介绍了一种用于神经胶质瘤检测和分级的机器学习框架	提出了一种结合深度学习的神经胶质瘤分类系统，实现了高准确率（99.21%）、特异性（98.3%）和敏感性（97.83%）	需要进一步的研究和验证以完善系统并确保其临床适用性	开发准确高效的肿瘤检测系统以改善患者护理和提高生存率	神经胶质瘤	计算机视觉	脑肿瘤	磁共振成像	深度学习模型	图像	NA
217	2025-04-04	Publisher Correction: Interpretable deep learning of single-cell and epigenetic data reveals novel molecular insights in aging 2025-Apr-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-95242-0 PMID:40175436	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
218	2025-04-06	Investigation on potential bias factors in histopathology datasets 2025-Apr-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-89210-x PMID:40175463	research paper	该研究探讨了数字病理学数据集中潜在的偏差因素，特别是TCGA数据集中存在的站点特异性偏差	首次对TCGA数据集中站点特异性偏差进行了深入分析，并评估了两种前沿DNN模型在此问题上的表现	研究仅针对TCGA数据集和两种DNN模型进行分析，可能无法涵盖所有潜在偏差来源	调查数字病理学数据集中导致模型性能偏差的潜在因素	TCGA数据集中的数字病理学图像	digital pathology	NA	deep learning	KimiaNet, EfficientNet	medical images	TCGA数据集中的样本
219	2025-04-06	Estimating strawberry weight for grading by picking robot with point cloud completion and multimodal fusion network 2025-Apr-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-92641-1 PMID:40175474	研究论文	本文提出了一种用于草莓采摘机器人分级的草莓重量估计方法，结合点云补全和多模态融合网络	提出了一种针对对称物体的多模态点云补全方法，并开发了名为MMF-Net的多模态融合回归模型，显著提高了草莓重量估计的准确率	方法主要针对对称物体，可能不适用于非对称水果或物体的重量估计	提高草莓采摘机器人分级的准确性和效率	草莓	计算机视觉	NA	RGB-D成像、点云补全、多模态融合	MMF-Net（结合EfficientNet和PointNet）	RGB-D图像、点云数据	1521组草莓RGB-D图像
220	2025-04-06	Leveraging Fine-Scale Variation and Heterogeneity of the Wetland Soil Microbiome to Predict Nutrient Flux on the Landscape 2025-Apr-02, Microbial ecology IF:3.3Q2 DOI:10.1007/s00248-025-02516-1 PMID:40175811	研究论文	本研究通过高通量测序数据开发多样性图谱，揭示湿地土壤细菌的模式，并将氮循环基因的功能基因拷贝数与测量的营养通量速率联系起来，预测微生物组合组成对营养通量的影响	利用深度学习模型提高通量速率的预测准确性，并展示土壤细菌组合作为营养循环生物指示剂的潜力	研究仅关注美国湿地，可能不适用于其他地区的生态系统	阐明湿地土壤细菌的模式，并预测微生物组合组成对营养通量的影响	湿地土壤微生物组合	微生物生态学	NA	高通量测序	深度学习	测序数据	从表层土壤（0-5厘米）收集的土壤核心样本