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
2201	2025-04-12	Beyond plaque segmentation: a combined radiomics-deep learning approach for automated CAD-RADS classification 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1536239 PMID:40206480	研究论文	本研究开发了一种结合放射组学和自编码器特征的机器学习方法，用于从心脏计算机断层扫描图像中自动评估冠状动脉狭窄程度	首次探索了结合放射组学和自编码器特征的方法进行狭窄程度评估	未提及具体局限性	开发自动化冠状动脉狭窄程度评估方法	冠状动脉疾病患者的计算机断层扫描图像	数字病理学	心血管疾病	放射组学分析和自编码器特征提取	随机森林分类器	医学影像	220名患者的2548张心脏计算机断层扫描图像
2202	2025-04-12	Utility of osteoporosis screening based on estimation of bone mineral density using bidirectional chest radiographs with deep learning models 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1499670 PMID:40206487	研究论文	本研究探讨了利用深度学习模型通过双向胸部X光片估计骨密度（BMD）进行骨质疏松筛查的临床效用	提出了一种基于双向胸部X光片（正面和侧面）的深度学习模型，用于估计骨密度并进行骨质疏松筛查，相比单视角X光片提高了准确度	研究样本仅来自单一医疗机构，可能影响结果的普遍性	评估基于双向胸部X光片和深度学习的骨质疏松筛查方法的临床效用	1624名年龄≥20岁、接受过DXA和双向胸部X光检查的患者	数字病理学	骨质疏松症	深度学习	Inception-ResNet-V2	图像	1624名患者
2203	2025-04-12	CNN-TumorNet: leveraging explainability in deep learning for precise brain tumor diagnosis on MRI images 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1554559 PMID:40206584	研究论文	本文提出了一种名为CNN-TumorNet的卷积神经网络，用于在MRI图像上精确诊断脑肿瘤，并通过LIME技术增强模型的可解释性	结合LIME技术提升深度学习模型的可解释性，使其在保持高准确率的同时更易于临床医生理解和接受	深度学习模型仍存在'黑箱'问题，尽管使用了LIME，医生可能仍难以完全信任和理解模型的决策过程	开发一种高精度且可解释的深度学习模型，用于脑肿瘤的早期诊断	MRI图像中的脑肿瘤	数字病理学	脑肿瘤	MRI	CNN	图像	NA
2204	2025-04-12	A feasibility study of deep learning prediction model for VMAT patient-specific QA 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1509449 PMID:40206587	研究论文	本研究介绍了一种深度学习模型，利用治疗计划系统(TPS)和蒙特卡洛(MC)模拟的独立剂量验证软件计算的剂量，旨在更准确地预测VMAT患者特定QA中的伽马通过率(GPR)	使用深度学习模型结合TPS和MC模拟数据预测GPR，提高了预测的准确性和效率	研究仅基于710个临床VMAT计划，样本量可能不足以覆盖所有临床情况	提高VMAT患者特定质量保证(QA)的效率和准确性	710个临床VMAT计划	机器学习	NA	蒙特卡洛模拟	CNN	剂量分布数据	710个临床VMAT计划
2205	2025-04-12	Deep learning for steganalysis: evaluating model robustness against image transformations 2025, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2025.1532895 PMID:40206705	research paper	本研究评估了基于深度学习的隐写分析模型在常见图像变换下的鲁棒性	首次系统地评估了多种深度学习模型在图像变换下的隐写分析性能，并比较了它们的鲁棒性	仅评估了有限的图像变换类型，未考虑更复杂的现实场景	评估深度学习模型在图像变换条件下的隐写分析性能	五种深度学习模型（EfficientNet、SRNet、ResNet、Xu-Net和Yedroudj-Net）	computer vision	NA	深度学习	EfficientNet, SRNet, ResNet, Xu-Net, Yedroudj-Net	图像	BOSSBase数据集
2206	2025-04-12	Identification of FDFT1 and PGRMC1 as New Biomarkers in Nonalcoholic Steatohepatitis (NASH)-Related Hepatocellular Carcinoma by Deep Learning 2025, Journal of hepatocellular carcinoma IF:4.2Q2 DOI:10.2147/JHC.S505752 PMID:40206734	研究论文	本研究通过深度学习等方法筛选出NASH相关肝癌的新型生物标志物FDFT1和PGRMC1	首次结合深度学习、WGCNA和PPI网络筛选NASH相关肝癌特征基因，并验证FDFT1和PGRMC1的诊断价值	研究主要基于小鼠模型，需要进一步在人类样本中验证	探索NASH相关肝癌的新型生物标志物	NAFLD小鼠模型和NASH相关肝癌特征基因	生物信息学	肝癌	深度学习、WGCNA、PPI网络、实时定量PCR、单细胞测序	NNs	基因组数据	NAFLD小鼠模型
2207	2025-04-12	Deep learning-enabled transformation of anterior segment images to corneal fluorescein staining images for enhanced corneal disease screening 2025, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2025.02.039 PMID:40206787	研究论文	开发了一种基于GAN的人工智能系统Gancor，用于将眼前段图像转化为角膜荧光素染色图像，以增强角膜疾病的筛查	利用GAN将AS图像转化为CFS图像，提高了远程诊断的效率和准确性	样本主要来自特定医院和地区，可能影响模型的泛化能力	开发一种远程诊断角膜疾病的系统	9669张眼前段图像和对应的角膜荧光素染色图像，以及967对通过智能手机拍摄的AS-CFS图像	数字病理学	角膜疾病	GAN	GAN	图像	9669张AS图像和对应的CFS图像，以及967对AS-CFS图像
2208	2025-04-12	NeuroFusionNet: cross-modal modeling from brain activity to visual understanding 2025, Frontiers in computational neuroscience IF:2.1Q3 DOI:10.3389/fncom.2025.1545971 PMID:40207297	research paper	本文提出了一种创新的深度学习模型NeuroFusionNet，通过整合fMRI信号与图像特征来增强对视觉信息的理解	引入了Mutli-scale fMRI Timeformer模块和fMRI-guided loss函数，有效整合图像与大脑活动信息	NA	通过整合fMRI信号与图像特征来增强对视觉信息的理解	fMRI信号和图像特征	machine learning	NA	fMRI	NeuroFusionNet, Mutli-scale fMRI Timeformer	image, fMRI信号	NA
2209	2025-04-12	Prediction of Anti-rheumatoid Arthritis Natural Products of Xanthocerais Lignum Based on LC-MS and Artificial Intelligence 2025, Combinatorial chemistry & high throughput screening IF:1.6Q3 DOI:10.2174/0113862073282138240116112348 PMID:38299408	研究论文	利用LC-MS和人工智能技术预测和筛选黄栌木中抗风湿性关节炎的活性化合物	结合LC-MS和AI技术，构建并整合多种机器学习与深度学习模型，显著提高了预测天然产物活性的效率和准确性	研究仅针对黄栌木中的化合物，未验证其他天然产物的适用性	发现更有效且安全的天然产物用于治疗风湿性关节炎	黄栌木中的化合物	机器学习	风湿性关节炎	LC-MS, HPLC-Q-Exactive-MS	logistic regression, k-nearest neighbors, support vector machines, random forest, XGBoost, GCN	质谱数据	69种黄栌木中的化合物
2210	2025-04-12	ODD-Net: a hybrid deep learning architecture for image dehazing 2024-Dec-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-82558-6 PMID:39715769	research paper	提出了一种名为ODD-Net的混合深度学习架构，用于图像去雾	结合了预训练的A-Net和T-Net模型，在大气散射模型中实现了卓越的去雾质量，特别是在传输图估计和深度测量方面超越了现有技术	深度学习方法需要大量数据集和计算资源	提高户外拍摄图像的可见度和对比度	受雾霾影响的图像	computer vision	NA	dilated convolution, batch normalisation, ReLU activation functions, multiscale convolutions, nonlinear regression	CNN	image	NA
2211	2025-04-12	Deep Learning Model for Predicting Neurodevelopmental Outcome in Very Preterm Infants Using Cerebral Ultrasound 2024-Dec, Mayo Clinic proceedings. Digital health DOI:10.1016/j.mcpdig.2024.09.003 PMID:40206534	研究论文	开发深度学习模型，结合新生儿颅脑超声和临床变量，预测极早产儿3岁时的神经发育障碍	首次将CNN模型应用于颅脑超声和临床变量的结合，以预测极早产儿的神经发育障碍	研究为回顾性设计，且仅在单一地区进行，可能影响模型的泛化能力	预测极早产儿3岁时的神经发育障碍	极早产儿（胎龄220-306周）	数字病理	神经发育障碍	颅脑超声（CUS）	CNN, elastic net (EN)	图像, 临床数据	619名极早产儿，包含4184张颅脑超声图像
2212	2025-04-12	Sparse Annotation is Sufficient for Bootstrapping Dense Segmentation 2024-Nov-14, Research square DOI:10.21203/rs.3.rs-5339143/v1 PMID:39606484	研究论文	提出一种基于深度学习的方法，通过稀疏的2D标注快速生成密集的3D分割，用于生物成像数据的实例分割任务	开发了一种新颖的深度学习方法，能够从单一切片上的少量对象稀疏标注中快速生成密集的3D分割，显著减少了人工标注时间和非专家标注的需求	未明确提及方法的适用范围或在不同类型生物成像数据上的泛化能力	解决生物成像数据中密集3D重建的实例分割任务，减少生成训练数据所需的人工标注时间和专家依赖	大脑神经纤维网中的树突、轴突和胶质细胞过程	数字病理	NA	深度学习	NA	图像	未明确提及具体样本数量，但涉及大型图像体积
2213	2025-04-12	Sparse Annotation is Sufficient for Bootstrapping Dense Segmentation 2024-Oct-26, bioRxiv : the preprint server for biology DOI:10.1101/2024.06.14.599135 PMID:38915491	research paper	提出了一种基于深度学习的新方法，通过稀疏的2D标注快速生成密集的3D分割，用于生物成像数据的实例分割任务	开发了一种能够从稀疏标注快速生成密集3D分割的深度学习方法，显著减少了人工标注时间和所需专家知识	未提及该方法在其他类型生物组织或成像模态上的适用性	解决生物成像数据中密集3D重建所需的训练数据生成效率问题	大脑神经纤维网（包括树突、轴突和胶质细胞过程）	digital pathology	NA	serial section electron microscopy	deep learning-based method	3D image	未明确提及具体样本数量
2214	2025-04-12	Detailed delineation of the fetal brain in diffusion MRI via multi-task learning 2024-Sep-12, ArXiv PMID:39314513	research paper	开发了一种基于多任务学习的计算方法，用于胎儿脑部扩散MRI数据的详细描绘	提出了一个统一的计算框架，能够同时完成脑组织分割、白质束分割和脑部皮层分区三项任务	未提及该方法在异常胎儿脑部发育研究中的表现	开发自动化方法来提高胎儿脑部扩散MRI数据分析的准确性和可重复性	胎儿脑部扩散MRI数据	医学影像分析	NA	扩散加权MRI(dMRI)	多任务深度学习	MRI图像	97个胎儿脑部样本
2215	2025-04-12	Deep Learning-Based Prediction of Hepatic Decompensation in Patients With Primary Sclerosing Cholangitis With Computed Tomography 2024-Sep, Mayo Clinic proceedings. Digital health DOI:10.1016/j.mcpdig.2024.07.002 PMID:40206109	研究论文	本研究探讨了使用深度学习模型基于CT影像预测原发性硬化性胆管炎（PSC）患者肝失代偿的潜力	首次应用3D-DenseNet121模型分析CT影像预测PSC患者的肝失代偿，并通过解剖区域分割验证模型决策过程	回顾性研究设计，样本量有限（277例），未进行外部验证	开发基于深度学习的肝失代偿预测工具	原发性硬化性胆管炎（PSC）患者	数字病理	肝病	CT成像	3D-DenseNet121	3D医学影像	277例接受腹部CT扫描的成人PSC患者
2216	2025-04-12	Detailed delineation of the fetal brain in diffusion MRI via multi-task learning 2024-Aug-30, bioRxiv : the preprint server for biology DOI:10.1101/2024.08.29.609697 PMID:39257731	研究论文	本文开发了一个多任务深度学习框架，用于胎儿大脑扩散MRI数据的自动分割和分区	提出了一个统一的计算框架，能够同时完成胎儿大脑组织的分割、白质束的分割以及大脑皮层的分区，这在胎儿神经影像学领域是一个创新	研究仅基于97个胎儿大脑的标注数据，样本量相对较小，可能影响模型的泛化能力	开发自动化方法以提高胎儿大脑扩散MRI数据的分析效率和准确性	胎儿大脑的扩散MRI数据	数字病理学	NA	扩散加权MRI (dMRI)	多任务深度学习	MRI图像	97个胎儿大脑
2217	2025-04-12	Hybrid deep learning technique for COX-2 inhibition bioactivity detection against breast cancer disease 2024-Jul, Biomedical engineering letters IF:3.2Q2 DOI:10.1007/s13534-024-00355-6 PMID:39512384	研究论文	本研究开发了一种混合深度学习技术，用于检测乳腺癌中COX-2抑制的生物活性	结合UNet架构进行特征提取，采用改进的鸡群优化算法(MCSO)处理数据维度，并使用改进的Laguerre神经网络(ILNN)进行分类	NA	开发高效技术以精确检测COX-2抑制的生物活性，助力抗癌化合物识别和乳腺癌治疗进展	乳腺癌中的COX-2抑制生物活性	机器学习	乳腺癌	混合深度学习	UNet, MCSO, ILNN	生物活性数据	使用ChEMBL数据库进行验证
2218	2025-04-12	Conversion of single-energy CT to parametric maps of dual-energy CT using convolutional neural network 2024-May-29, The British journal of radiology DOI:10.1093/bjr/tqae076 PMID:38597871	研究论文	提出一种基于卷积神经网络的多任务学习框架，用于将单能CT图像直接转换为双能CT的三种参数图	开发了VMI-Net、EAN-Net和RED-Net三个网络，实现了单能CT到双能CT参数图的直接转换，无需双能CT设备	研究样本量较小（67例患者），且仅使用了特定型号的双能CT设备数据	探索通过深度学习实现单能CT到双能CT参数图转换的方法	单能CT图像	医学影像分析	NA	深度学习	CNN	医学影像	67例患者（2019-2020年间收集）
2219	2025-04-12	LDCT image biomarkers that matter most for the deep learning classification of indeterminate pulmonary nodules 2024-May-22, Cancer biomarkers : section A of Disease markers IF:2.2Q3 DOI:10.3233/CBM-230444 PMID:38848168	research paper	本研究通过图像掩蔽和显著性激活图探索了CT图像中肺实质和肿瘤区域对不确定肺结节分类的贡献	结合图像掩蔽和显著性激活图系统性地分析了CT图像中不同区域对肺结节分类的影响，并揭示了网络关注的结节特征	研究仅针对NLST中的特定大小固体肺结节，可能不适用于其他类型结节	探索深度学习网络在CT图像中识别肺癌所依赖的放射学特征	不确定肺结节的CT图像分类	digital pathology	lung cancer	CT扫描	CNN	image	来自NLST的4-20mm直径固体肺结节患者
2220	2025-04-12	Machine learning and deep learning to identifying subarachnoid haemorrhage macrophage-associated biomarkers by bulk and single-cell sequencing 2024-05, Journal of cellular and molecular medicine IF:4.3Q2 DOI:10.1111/jcmm.18296 PMID:38702954	研究论文	本研究通过单细胞转录组测序和批量RNA-seq技术，识别了蛛网膜下腔出血（SAH）中巨噬细胞亚群及其相关关键基因，并构建了诊断模型和潜在治疗靶点	首次在SAH中识别出独特的巨噬细胞亚群，并利用hdWGCNA方法发现160个关键基因，构建了高性能诊断模型，同时通过分子对接识别潜在治疗药物	需要进一步的实验和临床研究来验证这些发现并探索靶点在SAH治疗中的临床意义	改善蛛网膜下腔出血的诊断和治疗策略	SAH大鼠模型中的巨噬细胞亚群及其相关基因	数字病理学	蛛网膜下腔出血	单细胞转录组测序, 批量RNA-seq, 分子对接	卷积神经网络(CNN), lasso回归	RNA测序数据	SAH大鼠模型脑组织样本