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
321	2025-06-03	DMAMP: A Deep-Learning Model for Detecting Antimicrobial Peptides and Their Multi-Activities 2024 Nov-Dec, IEEE/ACM transactions on computational biology and bioinformatics DOI:10.1109/TCBB.2024.3439541 PMID:39106141	研究论文	提出了一种名为DMAMP的深度学习模型，用于同时检测抗菌肽及其多种活性	通过多任务学习结合两个相关任务的特征共享，同时检测抗菌肽及其活性，提高了检测效率	未提及具体的数据集规模限制或模型泛化能力的局限性	开发一种高效的计算方法来检测抗菌肽及其多种活性，以降低实验成本	抗菌肽（AMPs）及其多种活性	机器学习	NA	深度学习	CNN, 残差块, 全连接层	肽序列	未提及具体样本数量
322	2025-06-03	Modal-nexus auto-encoder for multi-modality cellular data integration and imputation 2024-10-18, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-53355-6 PMID:39424861	研究论文	提出了一种名为Modal-Nexus Auto-Encoder (Monae)的深度学习方法，用于多模态单细胞数据的整合与填补	利用模态间的调控关系和模态特定的自编码器中的对比学习，Monae在统一空间中增强了细胞表征，并能够生成精确的模态内和跨模态填补计数	未明确提及具体限制	解决多模态单细胞数据整合与填补中的异构特征空间和技术噪声问题	单细胞数据	机器学习	NA	对比学习	Auto-Encoder	单细胞数据	多个数据集（未明确提及具体样本数量）
323	2025-06-03	Computational Synthetic Biology Enabled through JAX: A Showcase 2024-09-20, ACS synthetic biology IF:3.7Q1 DOI:10.1021/acssynbio.4c00307 PMID:39230510	研究论文	本文展示了JAX库在计算合成生物学中的应用，通过三个示例项目展示了其在加速研究和代码可用性方面的优势	利用JAX库在计算生物学中的未充分探索的潜力，展示了其在合成生物学和定向进化中的灵活扩展、更快运行时间和易于GPU移植的优势	JAX在计算生物学中的应用仍处于初级阶段，需要更多的案例研究来验证其广泛适用性	促进数学建模在合成生物学中的应用，通过JAX库加速研究和提高代码可用性	合成生物学和定向进化中的基因网络优化和细胞内动力学模拟	计算生物学	NA	JAX库，GPU加速计算	NA	NA	NA
324	2025-06-03	Retinal vasculature of different diameters and plexuses exhibit distinct vulnerability in varying severity of diabetic retinopathy 2024-Jun, Eye (London, England) DOI:10.1038/s41433-024-03021-4 PMID:38514853	研究论文	使用光学相干断层扫描血管成像（OCTA）研究糖尿病患者和健康对照者视网膜浅层和深层血管复合体中不同直径血管的密度变化	首次通过OCTA技术分层分析不同直径血管在糖尿病视网膜病变（DR）不同严重程度下的变化	样本量在不同DR严重程度组间分布不均，可能影响结果的普遍性	探究糖尿病视网膜病变中不同直径血管的脆弱性差异	糖尿病患者和健康对照者的视网膜血管	数字病理学	糖尿病视网膜病变	光学相干断层扫描血管成像（OCTA）	深度学习分割和血管图提取工具	图像	854名受试者的854只眼（健康对照555例，无DR 90例，轻中度NPDR 96例，重度NPDR 42例，PDR 71例）
325	2025-06-03	Source-free unsupervised domain adaptation: A survey 2024-Jun, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2024.106230 PMID:38490115	综述	本文对源自由无监督领域自适应（SFUDA）方法进行了系统性的文献综述	首次对SFUDA方法进行分类，并详细讨论了白盒和黑盒SFUDA方法的优缺点	未涉及具体实验验证，主要基于文献分析	解决跨领域分布差异导致的领域适应问题	无监督领域自适应方法	机器学习	NA	NA	NA	NA	NA
326	2025-06-03	Convolutional Neural Networks to Study Contrast-Enhanced Magnetic Resonance Imaging-Based Skeletal Calf Muscle Perfusion in Peripheral Artery Disease 2024-06-01, The American journal of cardiology DOI:10.1016/j.amjcard.2024.03.035 PMID:38580040	研究论文	使用卷积神经网络（CNNs）分析对比增强磁共振成像（CE-MRI）的骨骼小腿肌肉灌注数据，以区分外周动脉疾病（PAD）患者与匹配对照组	首次应用CNNs分析CE-MRI的骨骼小腿肌肉灌注模式来区分PAD患者与对照组	样本量较小（56例），且模型准确率最高仅75%	探索深度学习在外周动脉疾病诊断中的应用	外周动脉疾病患者及匹配对照组的骨骼小腿肌肉	数字病理学	心血管疾病	对比增强磁共振成像（CE-MRI）	CNN（包括resNet和divNet）	3D医学影像	56例（36例PAD患者和20例匹配对照组）
327	2025-06-03	Prediction of Visual Field Progression with Baseline and Longitudinal Structural Measurements Using Deep Learning 2024-06, American journal of ophthalmology IF:4.1Q1 DOI:10.1016/j.ajo.2024.02.007 PMID:38354971	研究论文	本研究开发了一种深度学习算法，利用基线和纵向结构测量数据预测青光眼患者的视野进展	首次使用Siamese Neural Network结合ResNet-152预训练模型，通过连续视盘照片和基线视网膜神经纤维层厚度预测视野进展	需要进一步验证才能在临床实践中实施	开发能够预测青光眼患者视野进展的深度学习工具	青光眼患者	数字病理	青光眼	深度学习	Siamese Neural Network with ResNet-152 backbone	图像	3,079只眼（1,765名患者）用于训练，427只眼用于测试
328	2025-06-03	Deep Learning-Based Detection and Classification of Bone Lesions on Staging Computed Tomography in Prostate Cancer: A Development Study 2024-06, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.01.009 PMID:38262813	research paper	开发了一种基于深度学习的AI模型，用于在前列腺癌分期CT上检测和分类骨病变	开发了两种自动化的深度学习AI模型，分别用于骨病变检测与分割以及良性与转移性病变分类，并与放射科医生的性能进行了比较	研究为回顾性研究，样本量相对较小，且仅针对前列腺癌患者	提高前列腺癌分期CT上骨病变的检测和分类效率	前列腺癌患者的骨病变	digital pathology	prostate cancer	deep learning	3DAISeg, 3DAIClass	CT scans	297例分期CT扫描（81例转移性），包含4601个良性病变和1911个转移性病变
329	2025-06-03	Extracting Systemic Anticancer Therapy and Response Information From Clinical Notes Following the RECIST Definition 2024-06, JCO clinical cancer informatics IF:3.3Q2 DOI:10.1200/CCI.23.00166 PMID:38885475	研究论文	本研究应用自然语言处理（NLP）技术自动化从临床记录中提取抗癌治疗和RECIST定义的响应信息，以减少人工数据收集的工作量并提高结果的一致性和可靠性	提出了一种复杂的混合NLP系统，结合机器学习和深度学习模块，用于从叙述性临床文本中自动提取、链接和总结抗癌治疗及相关的RECIST响应	系统在链接治疗和RECIST响应提及方面的最佳得分仅为0.66，端到端性能峰值为0.74，显示仍有改进空间	自动化从电子健康记录中提取抗癌治疗和响应信息，以支持癌症研究和治疗效果评估	临床记录中的抗癌治疗信息和RECIST定义的响应信息	自然语言处理	癌症	自然语言处理（NLP）	BioBERT, BioClinicalBERT	文本	来自不同机构的两个独立测试集
330	2025-06-03	U-Net enhanced real-time LED-based photoacoustic imaging 2024-Jun, Journal of biophotonics IF:2.0Q3 DOI:10.1002/jbio.202300465 PMID:38622811	research paper	本研究提出了一种基于U-Net的深度学习框架，用于增强基于LED的光声成像系统的图像质量	使用U-Net框架显著提高了低帧平均光声图像的信噪比和对比度，为低成本、低能量光源的光声成像系统提供了实时图像增强平台	网络存在模糊输出和无法减少椒盐噪声的缺点	提高基于LED的光声成像系统的图像质量和帧率	光声成像系统及其获得的图像	computer vision	NA	deep learning	U-Net	image	in vitro phantoms和in vivo models
331	2025-06-03	Older Tissue Age Derived From Abdominal Computed Tomography Biomarkers of Muscle, Fat, and Bone Is Associated With Chronic Conditions and Higher Mortality 2024-Jun, Mayo Clinic proceedings IF:6.9Q1 DOI:10.1016/j.mayocp.2023.09.021 PMID:38310501	research paper	该研究通过腹部CT扫描的生物标志物评估组织年龄，探讨其与慢性疾病和死亡率的关系	利用深度学习模型从腹部CT扫描中提取生物标志物，构建组织年龄评估模型，并发现组织年龄与慢性疾病和死亡率的关联	研究样本仅来自美国特定地区，可能限制结果的普遍性	评估基于医学影像的身体成分是否可用于评估组织水平的生物年龄	20至89岁的普通人群，共4900人	digital pathology	geriatric disease	腹部CT扫描	deep learning	image	4900人
332	2025-06-03	Multimodal radiotherapy dose prediction using a multi-task deep learning model 2024-Jun, Medical physics IF:3.2Q1 DOI:10.1002/mp.17115 PMID:38710210	研究论文	本文开发了一种多任务深度学习模型，用于预测放射治疗中不同模式的剂量分布	提出了一种多任务学习框架，能够同时预测多种放射治疗模式的剂量分布，提高了预测效率和准确性	样本量较小（28名患者），且训练时间较长	开发一种高效且个性化的方法，用于确定加速部分乳房照射（APBI）的最佳放射治疗模式	28名APBI患者及其92个治疗计划	数字病理	乳腺癌	深度学习	CNN	CT扫描图像	28名患者，92个治疗计划
333	2025-06-03	Deep learning generation of preclinical positron emission tomography (PET) images from low-count PET with task-based performance assessment 2024-Jun, Medical physics IF:3.2Q1 DOI:10.1002/mp.17105 PMID:38710222	研究论文	本研究开发了一种名为ARD-Net的深度学习架构，用于从低计数PET图像生成标准计数PET图像，并通过多种评估指标验证其性能	提出了一种新颖的深度学习架构ARD-Net，用于从低计数PET图像生成高质量的标准计数PET图像，并在多个评估指标上显著优于现有方法	研究仅在小鼠模型上进行验证，尚未在人体临床试验中测试	开发并评估一种能够从低计数PET图像生成高质量标准计数PET图像的深度学习方法	小鼠模型中的乳腺脂肪垫肿瘤	医学影像处理	肿瘤	FDG-PET/CT成像	ARD-Net（基于注意力机制的残差扩张网络）	PET图像	48个临床前FDG-PET数据集用于训练和优化，16个数据集用于性能评估
334	2025-06-03	Assessment of impaired consciousness using EEG-based connectivity features and convolutional neural networks 2024-Jun, Cognitive neurodynamics IF:3.1Q2 DOI:10.1007/s11571-023-09944-0 PMID:38826674	research paper	该研究利用基于EEG的功能连接特征和卷积神经网络评估意识障碍	采用三种重排方案优化脑网络评估性能，并使用Grad-CAM可视化不同脑区连接对分类的贡献	未提及样本量是否足够大以覆盖不同类型的意识障碍患者	开发一种有效检测意识障碍患者意识水平的深度学习方法	意识障碍(DOC)患者	digital pathology	geriatric disease	EEG	CNN	EEG信号	NA
335	2025-06-03	Deep learning-based target decomposition for markerless lung tumor tracking in radiotherapy 2024-Jun, Medical physics IF:3.2Q1 DOI:10.1002/mp.17039 PMID:38507259	研究论文	本文介绍了一种基于深度学习的无标记肺部肿瘤实时跟踪新方法，用于放射治疗中的肿瘤定位	提出使用条件生成对抗网络(cGAN)生成合成分解目标图像(sDTI)，显著提高了kV投影图像中肿瘤的可见性	目前仅验证了2D跟踪，需要进一步开发3D跟踪方法	开发无标记kV图像肺部肿瘤实时跟踪方法，提高放射治疗精度	肺部肿瘤患者	数字病理	肺癌	条件生成对抗网络(cGAN)	Pix2Pix	医学影像	9名植入信标标记的肺癌患者数据集
336	2025-06-03	Diagnostic evaluation of deep learning accelerated lumbar spine MRI 2024-Jun, The neuroradiology journal DOI:10.1177/19714009231224428 PMID:38195418	research paper	评估深度学习加速腰椎MRI在诊断质量和扫描时间上的表现	首次全面评估基于深度学习的MRI协议对常规腰椎MRI扫描时间和诊断质量的影响	DL加速协议显示出降低的信噪比和增加的伪影感知	比较深度学习加速腰椎MRI协议与传统协议在图像质量和诊断性能上的差异	36名连续门诊患者的非增强腰椎MRI图像	digital pathology	spinal disease	MRI	DL	image	36名门诊患者
337	2025-06-03	Deep Learning-Based T2-Weighted MR Image Quality Assessment and Its Impact on Prostate Cancer Detection Rates 2024-06, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.29031 PMID:37811666	研究论文	本研究探讨了基于深度学习的T2加权MR图像质量评估及其对前列腺癌检测率的影响	使用内部开发的AI算法评估T2加权图像质量，并分析其对前列腺癌检测率的影响	研究为回顾性设计，且仅使用单一放射科医师的PI-RADSv2.1评估	评估前列腺MRI图像质量对癌症检测率的影响	615名血清PSA升高的前列腺活检前患者	数字病理	前列腺癌	T2加权涡轮自旋回波MRI、高b值回波平面扩散加权成像和梯度回波动态对比增强	AI算法	MRI图像	615名患者
338	2025-06-03	Hybrid Deep Learning and Model-Based Needle Shape Prediction 2024-Jun, IEEE sensors journal IF:4.3Q2 DOI:10.1109/jsen.2024.3386120 PMID:39301509	研究论文	本文提出了一种结合深度学习和模型的方法，用于预测前列腺癌微创手术中柔性斜面针的轨迹	首次提出结合深度学习和Lie群理论模型的混合方法，用于术中针形预测，并引入了一种新颖的自监督学习方法	实验仅在单层和双层均匀模型组织中进行，未涉及真实人体组织的复杂性	提高前列腺癌微创手术中针头插入的准确性	柔性斜面针的轨迹预测	机器学习	前列腺癌	深度学习	Lie群理论模型	针形轨迹数据	约3,000个预测样本
339	2025-06-03	EEG classification based on visual stimuli via adversarial learning 2024-Jun, Cognitive neurodynamics IF:3.1Q2 DOI:10.1007/s11571-023-09967-7 PMID:39534363	research paper	提出一种基于视觉刺激的对抗学习EEG分类方法	使用双路径深度学习架构和梯度反转层(GRL)学习主体不变特征，并采用引导反向传播选择信息量更大的EEG通道	NA	基于图像类别对视觉刺激诱发的EEG信号进行分类	由外部视觉刺激(图像)诱发的EEG信号	脑机接口	NA	对抗学习	CNN, GRL	EEG信号	NA
340	2025-06-03	Automated Spontaneous Echo Contrast Detection Using a Multisequence Attention Convolutional Neural Network 2024-06, Ultrasound in medicine & biology DOI:10.1016/j.ultrasmedbio.2024.01.016 PMID:38461036	研究论文	开发了一种基于多序列注意力卷积神经网络(CNN)的深度学习模型，用于自动检测血管超声中的自发回声对比(SEC)	使用多序列CNN结合软注意力机制，能够自动识别SEC，无需专家干预或额外临床报告时间	模型的AUC为0.74，敏感性和特异性分别为0.73和0.68，仍有提升空间	开发自动检测SEC的深度学习模型，以克服当前SEC识别需要专家判断和临床报告时间的障碍	股静脉的血管超声图像	医学影像分析	血栓栓塞性疾病	深度学习	多序列CNN(ResNetv2)结合软注意力机制	超声图像	201名患者的801份股静脉超声影像数据