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
181	2025-05-03	An intelligent fruit freshness monitoring system using hydrophobic indicator labels based on methylcellulose, k-carrageenan, and sodium tripolyphosphate, combined with deep learning 2025-Feb, International journal of biological macromolecules IF:7.7Q1 DOI:10.1016/j.ijbiomac.2025.140001 PMID:39828157	研究论文	介绍了一种基于甲基纤维素、κ-卡拉胶和三聚磷酸钠的疏水指示标签，结合深度学习技术，用于实时监测水果新鲜度的智能系统	采用计算机模拟技术模拟不同化学成分和比例下的颜色变化，显著减少实验时间和成本，并提出了一种结合标签区域裁剪算法和轻量级CNN的智能识别方法	NA	开发一种智能水果新鲜度监测系统，以提高食品质量和安全	芒果、猕猴桃和葡萄等水果	计算机视觉	NA	计算机模拟技术、深度学习	CNN	图像	芒果、猕猴桃和葡萄的实验数据
182	2025-05-03	Deep learning in surgical process modeling: A systematic review of workflow recognition 2025-Feb, Journal of biomedical informatics IF:4.0Q2 DOI:10.1016/j.jbi.2025.104779 PMID:39832608	系统综述	本文综述了深度学习在手术流程建模中的应用，特别是微创手术中的工作流识别	系统评估了深度学习在手术工作流识别中的应用，并探讨了多模态数据输入的优势	手术注释过程缺乏详细描述，不同手术程序的注释过程存在显著差异，公开数据集缺乏临床知识	研究深度学习在识别手术工作流和提取可靠模式中的作用，推动内窥镜手术中情境感知智能系统的发展	微创手术中的手术视频和数据集	计算机视觉	NA	深度学习	RNN, TCN, transformer	手术视频	59篇全文综述的文章
183	2025-05-03	Deep Radiogenomics Sequencing for Breast Tumor Gene-Phenotype Decoding Using Dynamic Contrast Magnetic Resonance Imaging 2025-Feb, Molecular imaging and biology IF:3.0Q2 DOI:10.1007/s11307-025-01981-x PMID:39815134	研究论文	本研究利用动态对比增强磁共振成像（MRI）和深度学习算法，对乳腺癌肿瘤进行放射基因组学分析，解码雌激素受体（ER）、孕激素受体（PR）和人表皮生长因子受体2（HER2）基因的表型	结合动态对比增强MRI和深度学习算法进行乳腺癌肿瘤的放射基因组学分析，解码ER、PR和HER2基因的表型	预测性能中等，AUC值在0.658至0.698之间	通过影像学和基因组学结合的方法，解码乳腺癌肿瘤的基因表型	922例经活检确认的浸润性乳腺癌患者的MRI影像数据	数字病理学	乳腺癌	动态对比增强MRI	SEResNet50, ResNet34, SEResNext101	MRI影像	922例乳腺癌患者
184	2025-05-03	CoReSi: a GPU-based software for Compton camera reconstruction and simulation in collimator-free SPECT 2025-Jan-31, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/adaacc PMID:39813793	research paper	介绍了一款名为CoReSi的基于GPU的软件，用于无准直器SPECT中的康普顿相机重建和模拟	CoReSi是首个开源的康普顿相机重建软件，采用Python和PyTorch实现，支持多线程和深度学习算法接口	虽然支持多种数学模型，但未提及在实际医疗影像中的验证效果	开发一个灵活、高性能的康普顿相机重建和模拟工具，以促进医学影像研究	康普顿相机成像系统	medical imaging	NA	GPU加速计算，蒙特卡洛模拟	PyTorch	3D影像数据	未提及具体样本量
185	2025-05-03	ECG signal generation using feature disentanglement auto-encoder 2025-Jan-30, Physiological measurement IF:2.3Q3 DOI:10.1088/1361-6579/adab4f PMID:39820006	research paper	提出一种特征解耦自动编码器（FDAE）用于生成心电图（ECG）信号，以解决罕见类别样本生成困难的问题	FDAE通过将潜在空间划分为三个不同的表示、使用对比损失函数增强特征解耦能力，并结合分类器和鉴别器提升生成信号的逼真度	未明确提及具体局限性，但可能依赖于现有数据集的质量和多样性	提高ECG信号生成的效率和质量，特别是针对罕见心脏事件的样本	心电图（ECG）信号	machine learning	cardiovascular disease	对比学习框架、VAE	Auto-Encoder (FDAE)	ECG信号数据	MIT-BIH心律失常数据库和Icentia11K数据集
186	2025-05-03	Hybrid data augmentation strategies for robust deep learning classification of corneal topographic maptopographic map 2025-Jan-30, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/adabea PMID:39832385	research paper	本研究探讨了不同数据增强策略对定制卷积神经网络模型在角膜地形图分类中性能的影响，并提出了一种混合数据增强方法	提出了一种结合传统变换、生成对抗网络和特定生成模型的混合数据增强方法，显著提高了模型准确率并缓解了过拟合问题	未提及具体的数据集规模和多样性限制	提高角膜地形图分类的深度学习模型性能	角膜地形图	digital pathology	NA	generative adversarial networks, specific generative models	CNN	image	NA
187	2025-05-03	A robust auto-contouring and data augmentation pipeline for adaptive MRI-guided radiotherapy of pancreatic cancer with a limited dataset 2025-Jan-30, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/adabac PMID:39823751	研究论文	本研究开发并评估了一种基于深度学习的快速稳健的自动分割方法，用于胰腺癌MRI引导放疗中的风险器官分割，以解决在线自适应工作流程中耗时的手动轮廓绘制问题	提出了两种先进的数据增强方法：结构引导的基于变形的增强方法（sgDefAug）和基于生成对抗网络的方法（GANAug），以解决有限数据集带来的挑战	研究样本量较小，仅使用了10名患者的43张3DVane图像	开发一种快速稳健的自动分割方法，用于胰腺癌MRI引导放疗中的风险器官分割	胰腺癌MRI引导放疗中的风险器官	数字病理	胰腺癌	MRI	nnU-Net, ResU-Net, SegResNet, cycleGAN	3D图像	10名患者的43张3DVane图像
188	2025-05-03	GMmorph: dynamic spatial matching registration model for 3D medical image based on gated Mamba 2025-Jan-29, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/adaacd PMID:39813811	研究论文	提出了一种基于门控Mamba的动态空间匹配配准模型GMmorph，用于3D医学图像的非线性对齐	从空间匹配的角度提出了一种双分支交互配准模型架构，引入了动态匹配模块和门控mamba层，以平衡高精度和低折叠率	未提及模型在处理极端异常组织时的表现	克服深度学习配准方法在复杂位移和全局局部特征交互方面的不足，提高配准精度和鲁棒性	单模态和多模态医学图像（包括正常脑部、脑肿瘤和肺部图像）	数字病理	脑肿瘤、肺部疾病	深度学习	GMmorph（基于门控Mamba的双分支模型）	3D医学图像	未明确提及具体样本数量
189	2025-05-03	PPDock: Pocket Prediction-Based Protein-Ligand Blind Docking 2025-Jan-27, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c01373 PMID:39814581	研究论文	提出了一种基于口袋预测的蛋白质-配体盲对接方法PPDock，通过两阶段对接范式显著提高了对接准确性和效率	采用两阶段对接范式（口袋预测后进行基于口袋的对接），克服了传统方法难以识别正确口袋的问题	未明确说明方法在超大规模蛋白质复合体上的适用性	提升蛋白质-配体盲对接的准确性和效率以促进药物发现	蛋白质结合位点（口袋）与配体的对接构象	计算生物学	NA	深度学习	PPDock（新型盲对接架构）	蛋白质结构数据	基准测试数据集（未明确数量）
190	2025-05-03	A fusion model of manually extracted visual features and deep learning features for rebleeding risk stratification in peptic ulcers 2025-Jan-20, Nan fang yi ke da xue xue bao = Journal of Southern Medical University DOI:10.12122/j.issn.1673-4254.2025.01.23 PMID:39819728	研究论文	提出了一种基于内窥镜图像手动提取特征和深度学习特征的多特征融合模型，用于评估消化性溃疡再出血风险	首次将手动提取的视觉特征与深度学习特征融合，用于消化性溃疡再出血风险分级	研究样本仅包含708名患者，可能存在一定的数据偏差	提高消化性溃疡再出血风险分级的准确性	消化性溃疡患者的内窥镜图像	数字病理学	消化性溃疡	深度学习特征提取与手动视觉特征提取	CNN	图像	708名患者的3573张内窥镜图像
191	2025-05-03	A multi-modal dental dataset for semi-supervised deep learning image segmentation 2025-Jan-20, Scientific data IF:5.8Q1 DOI:10.1038/s41597-024-04306-9 PMID:39833232	research paper	本文介绍了一个用于半监督深度学习图像分割的多模态牙科数据集STS-Tooth，包括STS-2D-Tooth和STS-3D-Tooth	首个结合牙科全景X射线图像(PXI)和锥形束计算机断层扫描(CBCT)的多模态数据集，也是最大的牙齿分割数据集	未提及具体的技术性能指标或与其他方法的比较结果	推动牙齿分割技术的发展，解决公开牙科数据集稀缺的问题	牙齿分割	digital pathology	dental disease	semi-supervised deep learning	NA	image	STS-2D-Tooth包含4,000张图像和900个掩模，STS-3D-Tooth包含148,400个未标记扫描和8,800个掩模
192	2025-05-03	Deep-learning based electromagnetic navigation system for transthoracic percutaneous puncture of small pulmonary nodules 2025-Jan-20, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-85209-6 PMID:39833245	研究论文	开发了一种基于深度学习的电磁导航穿刺系统，用于经皮穿刺小型肺结节	结合多种深度学习模型与电磁及空间定位技术，开发了新型电磁导航穿刺系统	研究仅在体模和动物模型中进行，尚未在人体临床试验中验证	提高经皮穿刺小型肺结节的技术成功率和操作效率	小型肺结节	数字病理	肺癌	电磁导航技术	深度学习模型	医学影像	体模和动物模型（具体数量未提及）
193	2025-05-03	Visual impairment prevention by early detection of diabetic retinopathy based on stacked auto-encoder 2025-Jan-20, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-85752-2 PMID:39833312	研究论文	提出一种基于增强堆叠自编码器的新方法，用于糖尿病视网膜病变（DR）的早期检测和分类	相比传统CNN方法，该方法通过降低时间复杂度、减少错误和增强降噪能力，提高了可靠性	未提及具体局限性	开发准确高效的糖尿病视网膜病变（DR）阶段分类方法，以预防视力损害或失明	糖尿病患者的视网膜眼底图像	计算机视觉	糖尿病视网膜病变	堆叠自编码器（SAEs）	SAE（堆叠自编码器）	图像	35,126张视网膜眼底图像（包含1个健康阶段和4个DR阶段）
194	2025-05-03	Predicting drug and target interaction with dilated reparameterize convolution 2025-Jan-20, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-86918-8 PMID:39833385	research paper	该研究提出了一种名为Rep-ConvDTI的新型药物-靶点相互作用预测框架，通过大核卷积块和重参数化方法提取大规模序列信息，并利用门控注意力机制更高效地表征药物与靶点的相互作用	设计了用于提取大规模序列信息的大核卷积块，引入了重参数化方法帮助大核卷积捕获小规模信息，并开发了门控注意力机制	未明确提及具体局限性	预测药物-靶点相互作用（DTI），这是药物研究中的关键挑战	药物和靶点	machine learning	NA	深度学习	CNN（大核卷积块）	序列信息	三个基准数据集
195	2025-05-03	Deep learning algorithms for predicting pathological complete response in MRI of rectal cancer patients undergoing neoadjuvant chemoradiotherapy: a systematic review 2025-Jan-20, International journal of colorectal disease IF:2.5Q1 DOI:10.1007/s00384-025-04809-w PMID:39833443	系统综述	本文系统综述了深度学习算法在预测直肠癌患者新辅助放化疗后病理完全缓解中的效用	评估基于MRI的人工智能模型性能，并探讨影响其诊断准确性的因素	模型设计、MRI协议存在异质性，临床数据整合有限	评估AI模型在预测直肠癌患者新辅助放化疗后病理完全缓解中的性能	直肠癌患者	数字病理	直肠癌	MRI（T2W和DWI序列）	深度学习模型	MRI图像	26项研究符合纳入标准
196	2025-05-03	Integrating pharmacogenomics and cheminformatics with diverse disease phenotypes for cell type-guided drug discovery 2025-Jan-20, Genome medicine IF:10.4Q1 DOI:10.1186/s13073-025-01431-x PMID:39833831	研究论文	提出了一种基于网络的统计方法Pathopticon，整合药物基因组学和化学信息学数据，用于细胞类型依赖的药物发现	Pathopticon方法首次将细胞类型特异性基因-药物扰动网络与化学信息学数据及多种疾病表型整合，以细胞类型依赖的方式优先考虑药物	方法依赖于CMap数据的质量和覆盖范围，可能无法涵盖所有细胞类型或疾病表型	开发一种细胞类型特异性的药物发现和重新定位平台	药物基因组学和化学信息学数据，以及569种疾病特征	计算药物发现	血管疾病	QUIZ-C统计方法，qPCR实验	网络模型	基因表达数据，化学信息数据	569种疾病特征，73个基因集
197	2025-05-03	Towards a decision support system for post bariatric hypoglycaemia: development of forecasting algorithms in unrestricted daily-life conditions 2025-Jan-20, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-025-02856-5 PMID:39833876	research paper	开发基于线性和深度学习模型的算法，用于预测减肥手术后低血糖事件	首次在无限制日常生活条件下开发预测减肥手术后低血糖事件的算法	仅使用连续血糖监测数据作为单一输入，数据噪声和餐后血糖快速变化是主要挑战	开发决策支持系统以预警减肥手术后低血糖事件	50名接受Roux-en-Y胃旁路手术后出现低血糖的患者	machine learning	geriatric disease	CGM	rAR, deep learning models	CGM data	50名患者，监测长达50天
198	2025-05-03	Interpretable machine learning model for outcome prediction in patients with aneurysmatic subarachnoid hemorrhage 2025-Jan-20, Critical care (London, England) DOI:10.1186/s13054-024-05245-y PMID:39833976	研究论文	开发了一种可解释的深度学习模型，用于预测动脉瘤性蛛网膜下腔出血患者的功能结局	利用SHAP增强模型的可解释性，并确认年龄、世界神经外科医师联合会分级和高级脑功能障碍为关键预测因素	研究仅基于日本五家医院的数据，可能限制了模型的普遍适用性	优化动脉瘤性蛛网膜下腔出血患者的治疗策略	718名动脉瘤性蛛网膜下腔出血患者	机器学习	动脉瘤性蛛网膜下腔出血	深度学习	深度学习模型	临床数据	718名患者
199	2025-05-03	Enhancing predictive accuracy for urinary tract infections post-pediatric pyeloplasty with explainable AI: an ensemble TabNet approach 2025-Jan-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-82282-1 PMID:39828726	研究论文	本研究开发了一种结合机器学习和深度学习的集成模型，用于预测小儿肾盂成形术后尿路感染的风险	首次提出结合机器学习和深度学习的集成预测模型，利用SHAP解释模型提供新的临床风险因素见解	回顾性研究，缺乏对照组，证据等级为IV级	提高小儿肾盂成形术后尿路感染的预测准确性	764例接受单侧肾盂成形术的儿科患者	机器学习	尿路感染	机器学习算法（Logistic回归、SVM、随机森林、XGBoost、LightGBM）和深度学习TabNet模型	集成学习模型（LightGBM和TabNet结合逻辑回归元学习器）	临床数据	764例儿科患者
200	2025-05-03	Optimizing papermaking wastewater treatment by predicting effluent quality with node-level capsule graph neural networks 2025-Jan-18, Environmental monitoring and assessment IF:2.9Q3 DOI:10.1007/s10661-024-13581-3 PMID:39825037	研究论文	提出一种基于节点级胶囊图神经网络的造纸废水处理方法，用于预测出水质量	使用节点级胶囊图神经网络（NLCGNN）结合Hermit Crab优化（HCO）算法，提高了化学需氧量（COD）预测的准确性、精确度和灵敏度	未提及该方法在其他类型废水处理中的适用性或实际工业环境中的部署挑战	优化造纸废水处理过程中的出水质量预测	造纸废水处理过程中的化学需氧量（COD）指标	机器学习	NA	节点级胶囊图神经网络（NLCGNN），Hermit Crab优化（HCO）算法	NLCGNN	工业废水处理过程数据	NA