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
2901	2025-05-15	Deep Learning-accelerated MRI in Body and Chest 2025-May-13, Journal of computer assisted tomography IF:1.0Q4 DOI:10.1097/RCT.0000000000001762 PMID:40360272	research paper	本文探讨了深度学习重建（DLR）在加速MRI扫描并保持图像质量方面的应用，特别是在身体和胸部成像中	DLR技术在保持图像质量的同时显著减少了MRI扫描时间，并提供了去噪、减少伪影、提高分辨率和信噪比（SNR）及对比噪声比（CNR）的潜力	DLR面临的挑战包括轻微降低的病变检测率、心脏运动相关的信号丢失、区域SNR变化以及不同器官系统中ADC测量的变异性	研究DLR技术在MRI加速中的应用及其对图像质量和诊断准确性的影响	腹部、骨盆和胸部的MRI图像，特别是肝脏和前列腺	医学影像	NA	深度学习重建（DLR）	监督深度学习模型，包括变分网络	MRI图像	NA
2902	2025-05-15	Predicting gene expression from DNA sequence using deep learning models 2025-May-13, Nature reviews. Genetics DOI:10.1038/s41576-025-00841-2 PMID:40360798	研究论文	本文探讨了利用深度学习模型从DNA序列预测基因表达的方法	应用深度学习技术处理表观基因组图谱和高通量报告基因检测数据，显著提高了预测基因活性的准确性	不同方法存在各自的优缺点，且模型的复杂性可能限制其广泛应用	构建能够从DNA序列预测基因活性的计算模型	基因表达的调控机制，特别是启动子和增强子等DNA元件	机器学习	NA	表观基因组图谱和高通量报告基因检测	深度学习	DNA序列数据	NA
2903	2025-05-15	Advanced digital image forensics: A hybrid framework for copy-move forgery detection in multimedia security 2025-May-13, Journal of forensic sciences IF:1.5Q2 DOI:10.1111/1556-4029.70076 PMID:40361265	research paper	提出了一种混合框架，用于检测多媒体安全中的复制-移动伪造	结合了FFT、SIFT、ORB、MobilenetV2和VGG16模型以及注意力机制，提高了检测的准确性	传统方法在处理多样化的图像修改时可能存在困难	保证数字图像完整性并识别图像篡改	数字图像	computer vision	NA	FFT、SIFT、ORB、MobilenetV2、VGG16、DBSCAN	MobilenetV2、VGG16	image	五个基准复制-移动伪造数据集
2904	2025-05-15	Application of Hyperspectral Imaging and Machine Learning for Differential Diagnosis of Hashimoto's Thyroiditis and Papillary Thyroid Carcinoma 2025-May-13, Journal of biophotonics IF:2.0Q3 DOI:10.1002/jbio.202500123 PMID:40364460	研究论文	本研究利用高光谱成像和深度学习模型区分桥本甲状腺炎和甲状腺乳头状癌的光谱特征	首次应用高光谱成像和自适应光谱特征选择网络模型来区分HT和PTC的光谱特征	未提及样本量的具体数目，且模型准确率为88.36%，仍有提升空间	区分桥本甲状腺炎和甲状腺乳头状癌的光谱特征，提高甲状腺疾病的诊断准确性	桥本甲状腺炎和甲状腺乳头状癌的样本	数字病理	甲状腺疾病	高光谱成像（HSI）	自适应光谱特征选择网络模型	高光谱图像	NA
2905	2025-05-15	Development of 3D Intelligent Quantitative Phase Microscope for Sickle Cells Screening 2025-May-13, Journal of biophotonics IF:2.0Q3 DOI:10.1002/jbio.202400512 PMID:40364484	研究论文	本文介绍了一种用于镰状细胞病(SCD)自动筛查的智能显微镜系统	结合干涉法捕获高分辨率3D相位图像与基于UNET模型的深度学习技术，实现镰状细胞和健康细胞的语义分割	系统鲁棒性有待提高，需要进一步的临床验证	开发一种快速可靠的SCD诊断工具	镰状细胞和健康红细胞(RBCs)	数字病理学	镰状细胞病	干涉法成像	UNET, 梯度提升模型	3D相位图像	NA
2906	2025-05-15	Compressed chromatographic fingerprint of Artemisiae argyi Folium empowered by 1D-CNN: Reduce mobile phase consumption using chemometric algorithm 2025-May-10, Journal of chromatography. A DOI:10.1016/j.chroma.2025.465874 PMID:40101658	研究论文	本研究提出了一种结合一维卷积神经网络（1D-CNN）与高效液相色谱（HPLC）的压缩指纹图谱分析技术，旨在提高复杂系统中多种化合物的分析效率并减少有机溶剂的使用	结合1D-CNN与HPLC，开发压缩指纹图谱技术，显著减少分析时间和有机溶剂消耗	在分析的十种化合物中，仅九种取得了良好结果，表明模型对某些化合物的解释力有待提高	提高复杂系统中化合物分析的效率并减少有机溶剂消耗	艾叶（Artemisiae argyi Folium, AAF）	化学计量学	NA	高效液相色谱（HPLC），一维卷积神经网络（1D-CNN）	1D-CNN	色谱数据	NA
2907	2025-05-15	A novel framework for esophageal cancer grading: combining CT imaging, radiomics, reproducibility, and deep learning insights 2025-May-10, BMC gastroenterology IF:2.5Q2 DOI:10.1186/s12876-025-03952-6 PMID:40348987	research paper	该研究提出了一种结合CT成像、放射组学、可重复性和深度学习的新框架，用于食管癌分级	结合放射组学和深度学习特征，通过注意力机制增强模型准确性，并采用多种机器学习模型进行癌症分级	研究为回顾性研究，可能受到数据质量和手动分割肿瘤区域的主观性影响	创建可靠的食管癌分级框架，提高诊断准确性和可解释性	2560名食管癌患者的CT扫描图像和临床信息	digital pathology	esophageal cancer	CT imaging, radiomics, deep learning	DenseNet121, EfficientNet-B0, Random Forest, XGBoost, CatBoost	image, clinical information	2560名食管癌患者
2908	2025-05-15	The informativeness of the gradient revisited 2025-May-08, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.107517 PMID:40359739	research paper	本文探讨了梯度信息在深度学习中的有效性，并提出了一个衡量梯度方差的一般性界限	提出了一个衡量梯度方差的一般性界限，并将其应用于Learning with Errors (LWE)映射和高频函数类	理论分析可能无法完全覆盖所有实际应用场景，实验部分仅针对特定类型的函数进行了验证	深入理解梯度信息在深度学习中的局限性	梯度信息的有效性及其在深度学习中的应用	machine learning	NA	NA	NA	NA	NA
2909	2025-05-15	Perspectives: Comparison of deep learning segmentation models on biophysical and biomedical data 2025-May-06, Biophysical journal IF:3.2Q2 DOI:10.1016/j.bpj.2025.03.023 PMID:40158204	研究论文	本文比较了深度学习分割模型在生物物理和生物医学数据上的表现	提供了四种常用深度学习架构在典型小规模训练数据集上的全面比较，并建立了确定每种模型最佳使用条件的标准	研究仅关注了四种特定模型架构，可能未涵盖所有相关模型	为生物物理学领域的研究人员和实践者提供选择最适合特定应用的深度学习架构的实用指南	四种深度学习架构（CNN、U-Nets、vision transformers和vision state space models）	生物物理学	NA	深度学习	CNN, U-Nets, vision transformers, vision state space models	生物物理和生物医学数据	典型的小规模训练数据集
2910	2025-05-15	Automated detection of arrhythmias using a novel interpretable feature set extracted from 12-lead electrocardiogram 2025-May, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109957 PMID:40090185	研究论文	本研究提出了一种基于特征的方法，用于从12导联心电图中自动检测心律失常，该方法在保持与深度学习相当性能的同时提供了更高的临床可解释性	提出了一种新颖的可解释特征集，结合数学技术如傅里叶变换、小波变换和互相关来评估心电图特征，并通过SHAP值分析优化特征集	在外部测试数据集上的性能有所下降（F1分数从81%降至68%）	开发一种兼具高准确性和临床可解释性的心律失常自动诊断系统	12导联心电图数据	机器学习	心血管疾病	傅里叶变换、小波变换、互相关	eXtreme Gradient Boosting (XGBoost)	心电图信号	未明确提及具体样本数量，但使用了大规模心电图数据库
2911	2025-05-15	Automatic pre-screening of outdoor airborne microplastics in micrographs using deep learning 2025-May-01, Environmental pollution (Barking, Essex : 1987) DOI:10.1016/j.envpol.2025.125993 PMID:40090454	研究论文	本文提出了一种利用深度学习自动预筛选户外空气中微塑料的新方法	通过增强的U-Net模型（Attention U-Net和Dynamic RU-NEXT）及Mask R-CNN在低分辨率显微图像中识别和分类户外空气中的微塑料，创新性地将分类直接集成到基于U-Net的分割框架中，提高了计算效率	NA	提高户外空气中微塑料的识别和分类效率	户外空气中的微塑料	计算机视觉	NA	深度学习	Attention U-Net, Dynamic RU-NEXT, Mask R-CNN	图像	NA
2912	2025-05-15	Extraction of fetal heartbeat locations in abdominal phonocardiograms using deep attention transformer 2025-May, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110002 PMID:40096767	research paper	提出了一种名为FHSU-NETR的深度学习模型，用于从原始PCG信号中直接提取胎儿和母亲的心率	利用transformer的自注意力机制，增强模型模拟远程交互和捕获全局上下文的能力	研究仅验证了20名正常受试者的数据，样本量较小	提高胎儿健康监测的可及性和可靠性	胎儿和母亲的心率	machine learning	心血管疾病	Phonocardiography (PCG)	U-NetR, transformer	PCG信号	20名正常受试者，包括一例胎儿心动过速心律失常病例
2913	2025-05-15	Histopathology image classification based on semantic correlation clustering domain adaptation 2025-May, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103110 PMID:40107119	research paper	提出一种基于语义相关性聚类的无监督域适应方法，用于组织病理学图像分类	利用动物模型的组织病理学图像数据集实现人类全切片图像（WSI）的分类和识别，通过多尺度融合特征和语义相关性聚类实现跨域知识迁移	依赖于动物模型数据集，可能无法完全覆盖人类WSI的多样性	提高组织病理学图像分类的准确性，减少对人类WSI标注的依赖	人类全切片图像（WSI）和Minmice模型的组织病理学图像数据集	digital pathology	NA	无监督域适应方法，多尺度特征融合，语义相关性聚类	deep learning	image	NA
2914	2025-05-15	Enhancing synchrotron radiation micro-CT images using deep learning: an application of Noise2Inverse on bone imaging 2025-May-01, Journal of synchrotron radiation IF:2.4Q3 DOI:10.1107/S1600577525001833 PMID:40167487	研究论文	该研究应用深度学习技术Noise2Inverse来增强同步辐射微CT图像，以解决低剂量CT成像中的噪声问题	首次将自监督深度学习方法Noise2Inverse应用于骨成像的低剂量同步辐射微CT图像降噪	在极低剂量（1/4和1/6）下网络结果出现失真，且测试设置中的数据采集噪声是影响方法可行性的主要问题	降低骨成像研究中低剂量CT的噪声，同时保持骨的力学特性	骨组织的同步辐射微CT图像	计算机视觉	NA	同步辐射微CT（SRµCT）	CNN	图像	模拟剂量数据集（全剂量、1/2、1/3、1/4和1/6剂量）
2915	2025-05-15	Unsupervised Deep Learning for Blood-Brain Barrier Leakage Detection in Diffuse Glioma Using Dynamic Contrast-enhanced MRI 2025-May, Radiology. Artificial intelligence DOI:10.1148/ryai.240507 PMID:40172325	research paper	开发了一种无监督深度学习框架，用于在弥漫性胶质瘤中使用动态对比增强MRI检测血脑屏障渗漏	无需药代动力学模型和动脉输入函数估计，采用基于自编码器的异常检测方法识别异常信号	研究为回顾性研究，可能存在选择偏差	开发一种通用的血脑屏障渗漏检测方法	弥漫性胶质瘤患者	digital pathology	glioma	dynamic contrast-enhanced MRI	autoencoder	MRI image	274名患者
2916	2025-05-15	AMPCliff: Quantitative definition and benchmarking of activity cliffs in antimicrobial peptides 2025-May-01, Journal of advanced research IF:11.4Q1 DOI:10.1016/j.jare.2025.04.046 PMID:40318764	研究论文	本文介绍了AMPCliff，一个用于定量定义和基准测试抗菌肽（AMPs）中活性悬崖（AC）现象的方法	首次为抗菌肽中的活性悬崖现象提供了定量定义和基准测试框架，并评估了多种机器学习模型在此任务上的表现	当前基于深度学习的表征模型在预测抗菌肽活性悬崖方面仍有提升空间，特别是需要整合原子级动态信息以更准确捕捉抗菌肽特性	研究抗菌肽中活性悬崖现象的定量定义和预测方法	由标准氨基酸组成的抗菌肽（AMPs）	机器学习	NA	机器学习、深度学习、掩码语言模型、生成语言模型	ESM2、多种机器学习算法	肽序列数据	来自公开AMP数据集GRAMPA的金黄色葡萄球菌配对AMP基准数据集
2917	2025-05-15	Deep learning-assisted analysis of single-particle tracking for automated correlation between diffusion and function 2025-May, Nature methods IF:36.1Q1 DOI:10.1038/s41592-025-02665-8 PMID:40341204	research paper	介绍了一种名为DeepSPT的深度学习框架，用于快速高效地分析细胞内物体扩散的二维或三维时间行为	DeepSPT能够从分子和细胞器的扩散中自动提取功能信息，显著提高了分析效率	未提及具体的技术限制或应用范围的局限性	开发一种自动化工具，用于从细胞内物体扩散行为中提取功能信息	细胞内分子和细胞器的扩散行为	machine learning	NA	深度学习	NA	时间序列数据	未提及具体样本数量
2918	2025-05-15	An inherently interpretable AI model improves screening speed and accuracy for early diabetic retinopathy 2025-May, PLOS digital health DOI:10.1371/journal.pdig.0000831 PMID:40354306	研究论文	本文开发了一种内在可解释的深度学习模型，用于早期糖尿病视网膜病变的筛查，提高了筛查速度和准确性	提出了一种内在可解释的深度学习模型，直接在其网络架构中建模糖尿病视网膜病变的局部证据，超越了传统的黑盒模型和后解释技术	研究主要基于回顾性数据，前瞻性临床验证仍需进一步研究	开发一种内在可解释的AI模型，用于早期糖尿病视网膜病变的筛查和临床决策支持	糖尿病视网膜病变患者的眼底图像	数字病理	糖尿病视网膜病变	深度学习	DNN	图像	34,350张高质量眼底图像（训练集）+ 10个外部数据集（验证集）+ 65张带注释的图像（分析用）
2919	2025-05-15	EBMGP: a deep learning model for genomic prediction based on Elastic Net feature selection and bidirectional encoder representations from transformer's embedding and multi-head attention pooling 2025-Apr-19, TAG. Theoretical and applied genetics. Theoretische und angewandte Genetik DOI:10.1007/s00122-025-04894-z PMID:40253568	研究论文	提出了一种基于Elastic Net特征选择和双向编码器表示转换器嵌入与多头注意力池化的深度学习模型EBMGP，用于基因组预测	结合Elastic Net特征选择、双向编码器表示转换器嵌入和多头注意力池化，显著提高了基因组预测的准确性和计算效率	未提及具体局限性	通过基因组预测加速育种程序，减少世代间隔	植物和动物的基因组数据	机器学习	NA	Elastic Net特征选择、双向编码器表示转换器嵌入、多头注意力池化	EBMGP	基因组数据	四个不同的植物和动物数据集
2920	2025-05-15	Optimizing Immunotherapy: The Synergy of Immune Checkpoint Inhibitors with Artificial Intelligence in Melanoma Treatment 2025-Apr-16, Biomolecules IF:4.8Q1 DOI:10.3390/biom15040589 PMID:40305346	综述	本文综述了人工智能（AI）在优化黑色素瘤免疫检查点抑制剂（ICI）治疗中的潜力，重点关注预测模型、生物标志物识别和治疗反应预测	AI与RNAseq分析结合开发个性化ICI治疗，机器学习模型识别与nivolumab清除相关的预后细胞因子特征，深度学习算法在肿瘤微环境分析中表现出高准确性	临床验证和实施挑战仍然存在	优化黑色素瘤的免疫治疗	黑色素瘤患者	数字病理学	黑色素瘤	RNAseq, 电子健康记录（EHR）数据分析	机器学习, 深度学习	影像数据, 实验室数据, EHR数据	NA