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	2025-05-06	Imaging Intravoxel Vessel Size Distribution in the Brain Using Susceptibility Contrast Enhanced MRI 2025-Mar-25, ArXiv PMID:40196141	research paper	本文提出了一种基于磁敏感对比增强MRI的新方法，用于无创成像脑内体素内血管大小分布（VSD），以更全面和定量地评估血管重塑	利用高分辨率光片荧光显微镜图像模拟GESFIDE MRI信号，并训练深度学习模型从GESFIDE信号预测脑血容量（CBV）和VSD	需要进一步验证以确认其在临床前和临床应用中的潜力	开发一种新方法来定量评估血管重塑	啮齿类动物脑部血管网络	医学影像	癌症、神经退行性疾病、纤维化、高血压和糖尿病	磁敏感对比增强MRI、光片荧光显微镜、GESFIDE MRI、深度学习	深度学习模型	图像	NA
322	2025-05-06	Unsupervised Range-Nullspace Learning Prior for Multispectral Images Reconstruction 2025, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1 DOI:10.1109/TIP.2025.3560430 PMID:40249693	研究论文	提出了一种新型的无监督范围-零空间学习先验方法（UnNull），用于多光谱图像重建	通过子空间分解显式建模数据，提高了可解释性和泛化能力，将光谱图像分解为范围和零子空间	未提及具体计算效率或实际应用场景的限制	解决快照光谱成像（SSI）中光谱图像重建的逆问题	多光谱图像	计算机视觉	NA	快照光谱成像（SSI）	UnNull（无监督范围-零空间学习）	多光谱图像数据	NA
323	2025-05-06	Traffic accident risk prediction based on deep learning and spatiotemporal features of vehicle trajectories 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0320656 PMID:40315419	research paper	提出一种结合CNN、LSTM和GNN的深度学习模型，用于基于车辆时空轨迹数据的交通事故风险预测	创新性地提出了一种综合考虑时空特征和道路网络关系的组合模型，显著提高了预测精度	NA	提高复杂交通环境下交通事故风险的预测准确性	车辆时空轨迹数据	machine learning	NA	深度学习	CNN, LSTM, GNN	时空轨迹数据	NA
324	2025-05-06	Diagnosis of clear cell renal cell carcinoma via a deep learning model with whole-slide images 2025 Jan-Dec, Therapeutic advances in urology IF:2.6Q2 DOI:10.1177/17562872251333865 PMID:40321674	research paper	本研究探讨了使用全切片图像（WSIs）建立深度学习模型诊断透明细胞肾细胞癌（ccRCC）的可行性	利用深度学习模型（CNN和随机森林）结合WSIs进行ccRCC诊断，提高了诊断准确性和效率	研究样本量较小（95名患者），且为回顾性研究，可能存在选择偏差	探索AI在ccRCC病理诊断中的应用	透明细胞肾细胞癌（ccRCC）患者的病理切片	digital pathology	renal cell carcinoma	whole-slide imaging (WSI)	CNN, random forest	image	95名患者的663张病理切片（506张肿瘤切片和157张正常组织切片）
325	2025-05-06	An adaptive convolution neural network model for tuberculosis detection and diagnosis using semantic segmentation 2025, Polish journal of radiology IF:0.9Q4 DOI:10.5114/pjr/200628 PMID:40321710	研究论文	开发了一种基于自适应卷积神经网络的结核病检测和诊断模型，结合了语义分割和分类技术	提出了基于伽马校正和梯度技术的预处理方法，并引入了改进的Res-UNet架构进行图像分割和分类，以提高诊断准确性	研究主要依赖于特定数据集（Montgomery County和Shenzhen Hospital数据集），可能在其他数据集上的泛化能力有待验证	提高胸部X光图像中结核病的检测准确性和精确度	胸部X光图像中的结核病病变	计算机视觉	结核病	深度学习、图像分割、图像分类	Res-UNet、CNN	图像	704张胸部X光图像用于训练分割模型，1400张胸部X光扫描用于测试
326	2025-05-06	Deep Learning-Based Multiclass Framework for Real-Time Melasma Severity Classification: Clinical Image Analysis and Model Interpretability Evaluation 2025, Clinical, cosmetic and investigational dermatology DOI:10.2147/CCID.S508580 PMID:40322508	research paper	本研究开发了一个基于深度学习的AI辅助实时黄褐斑严重程度分类框架	利用深度学习模型对临床面部图像进行黄褐斑严重程度分类，并通过Layer-wise Relevance Propagation (LRP)评估模型的可解释性	未来工作将整合多模态数据以进行更全面的评估	开发一个AI辅助的实时黄褐斑严重程度分类框架	临床诊断的黄褐斑患者的面部图像	computer vision	黄褐斑	深度学习	CNN	image	1368张匿名面部图像
327	2025-05-06	DEEP LEARNING FOR AUTOMATED DETECTION OF BREAST CANCER IN DEEP ULTRAVIOLET FLUORESCENCE IMAGES WITH DIFFUSION PROBABILISTIC MODEL 2024-May, Proceedings. IEEE International Symposium on Biomedical Imaging DOI:10.1109/ISBI56570.2024.10635349 PMID:40313564	研究论文	本文提出了一种利用扩散概率模型（DPM）增强深度紫外荧光（DUV）图像数据集的方法，以提高乳腺癌分类的准确性	首次将扩散概率模型（DPM）应用于深度紫外荧光（DUV）图像数据增强，显著提高了乳腺癌检测的准确率	研究依赖于有限的数据集，可能影响模型的泛化能力	提高乳腺癌在深度紫外荧光图像中的自动检测性能	深度紫外荧光（DUV）图像	计算机视觉	乳腺癌	扩散概率模型（DPM）	ResNet, XGBoost	图像	未明确提及具体样本数量
328	2025-05-04	Attentive Recurrent Network for Low-Latency Active Noise Control 2022-Sep, Interspeech DOI:10.21437/interspeech.2022-811 PMID:40313355	研究论文	本文提出了一种基于注意力循环网络的低延迟主动噪声控制方法	采用时间域方法和注意力循环网络，结合延迟补偿训练策略和修订的重叠相加方法，实现了低延迟甚至负延迟的主动噪声控制	NA	解决主动噪声控制(ANC)系统中的处理延迟问题	主动噪声控制系统	机器学习	NA	深度学习框架	注意力循环网络	音频信号	NA
329	2025-05-04	Metal Suppression Magnetic Resonance Imaging Techniques in Orthopaedic and Spine Surgery 2025-May-15, The Journal of the American Academy of Orthopaedic Surgeons IF:2.6Q1 DOI:10.5435/JAAOS-D-24-01057 PMID:40063737	review	本文综述了骨科和脊柱手术中金属抑制磁共振成像技术的应用和发展	探讨了最新的金属伪影抑制成像技术及未来方向，如深度学习和人工智能	未提及具体实验数据或样本量的支持	评估骨科和脊柱手术后金属植入物周围软组织的病理情况	骨科和脊柱手术中的金属植入物及其周围软组织	医学影像	骨科和脊柱疾病	磁共振成像（MRI）	NA	医学影像	NA
330	2025-05-04	Automated Quantification of Cerebral Microbleeds in SWI: Association with Vascular Risk Factors, White Matter Hyperintensity Burden, and Cognitive Function 2025-May-02, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8552 PMID:39443150	研究论文	本研究开发了一种基于深度学习的脑微出血自动量化模型，并探讨了脑微出血与血管风险因素、白质高信号负荷及认知功能之间的关联	使用nnU-Net框架开发了首个用于SWI序列的脑微出血自动分割模型，并首次在多中心数据集中验证了其性能	外部验证数据集的模型性能相对较低(Dice评分=0.46)，且样本量有限(n=68)	建立脑微出血自动量化方法并研究其与认知功能障碍的关系	脑微出血(CMB)患者	数字病理学	脑血管疾病	SWI(磁敏感加权成像)	nnU-Net	医学影像(MRI)	训练集287例，内部验证集67例，外部验证集68例，临床数据集448例
331	2025-05-04	Deep Learning-Based Algorithm for Automatic Quantification of Nigrosome-1 and Parkinsonism Classification Using Susceptibility Map-Weighted MRI 2025-May-02, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8585 PMID:39547802	research paper	该研究开发并验证了一种基于深度学习的自动量化黑质高信号和神经退行性帕金森病分类算法	首次探索了使用深度学习和SMwI技术同时检测和量化nigrosome-1异常的诊断性能	需要在不同的临床环境中进一步验证研究结果	开发并验证一种用于神经退行性帕金森病诊断的深度学习模型	450名参与者（210名特发性帕金森病患者和240名对照组个体）用于训练数据，237名参与者（168名IPD患者、58名原发性震颤患者和11名药物诱导的帕金森病患者）用于验证数据	digital pathology	Parkinson disease	susceptibility map-weighted imaging (SMwI)	deep learning-based automatic quantification (Heuron NI) and classification (Heuron IPD) models	MRI	687 participants (450 for training and 237 for validation)
332	2025-05-04	Empowering Data Sharing in Neuroscience: A Deep Learning Deidentification Method for Pediatric Brain MRIs 2025-May-02, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8581 PMID:39532533	research paper	开发一种基于深度学习的自动去识别工具，用于儿科脑部MRI数据的面部区域去除	针对儿科病例和多种MRI序列定制开发的去识别工具，解决了现有工具在儿科病例和多样化图像类型上的不足	耳朵区域的去除准确率较低（73%）	解决儿科神经影像数据共享中的隐私问题，促进神经科学研究	儿科脑部MRI图像	digital pathology	brain tumor	MRI	nnU-Net	image	208名脑肿瘤患者和36名临床对照患者，共976张图像
333	2025-05-04	Enhancing privacy in biosecurity with watermarked protein design 2025-May-02, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaf141 PMID:40315154	研究论文	提出了一种在蛋白质序列中添加水印的通用框架，以增强生物安全性和数据隐私	相比现有监管程序，该框架不仅确保生物安全的可追溯性，还通过本地验证保护设计序列的隐私，并显著提高了水印检测效率	未提及具体性能指标或与其他方法的详细对比	解决基于深度学习的蛋白质设计中的生物安全和数据隐私问题	由自回归深度学习模型设计的蛋白质序列	生物信息学	NA	蛋白质水印技术	自回归深度学习模型	蛋白质序列	NA
334	2025-05-04	Lightweight and universal deep learning model for fast proton spot dose calculation at arbitrary energies 2025-May-02, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/add3b9 PMID:40315885	research paper	提出了一种轻量级且通用的深度学习模型MED-LSTM，用于快速计算任意能量下的质子点剂量	利用LSTM网络的序列学习能力，提出适用于任意能量的轻量级质子点剂量计算模型	在鼻咽和肺部病例的某些点样本中，由于组织结构差异，出现了可见的偏差	改进快速自适应规划和质量保证过程中的质子点剂量计算	前列腺、鼻咽和肺部病例	digital pathology	prostate cancer, nasopharynx cancer, lung cancer	intensity-modulated proton therapy (IMPT)	LSTM	dose calculation data	前列腺、鼻咽和肺部病例数据
335	2025-05-04	Cangrelor and AVN-944 as repurposable candidate drugs for hMPV: analysis entailed by AI-driven in silico approach 2025-May-02, Molecular diversity IF:3.9Q2 DOI:10.1007/s11030-025-11206-6 PMID:40316857	研究论文	通过AI驱动的计算机模拟方法，筛选出Cangrelor和AVN-944作为hMPV的可再利用候选药物	利用深度学习构建药效团模型筛选FDA批准药物和抗病毒药物，并通过分子对接和分子动力学模拟验证药物与hMPV F蛋白的结合稳定性	需要进一步的体外和体内实验验证候选药物的疗效	寻找针对人类偏肺病毒(hMPV)的可再利用药物	人类偏肺病毒(hMPV)的F蛋白	生物信息学	呼吸道感染	深度学习、分子对接、分子动力学模拟	深度学习模型	分子结构数据	2400种FDA批准药物和255种抗病毒药物
336	2025-05-04	On-Device Deep Learning: Survey on Techniques Improving Energy Efficiency of DNNs 2025-May, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3430028 PMID:39046860	综述	本文综述了提高深度神经网络（DNNs）能源效率的流行技术	提出了方法的分类，并讨论了不同类别的比较，同时概述了能源测量技术	研究中发现的局限性以及一些有趣的方向，如神经形态和储备池计算（RC）	提高神经网络的能源效率，特别是在训练和推理阶段	深度神经网络（DNNs）	机器学习	NA	NA	DNNs	NA	NA
337	2025-05-04	Role Exchange-Based Self-Training Semi-Supervision Framework for Complex Medical Image Segmentation 2025-May, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3432877 PMID:39093682	research paper	提出了一种基于角色交换的自训练半监督框架，用于复杂医学图像分割	创新性地提出了双向自训练范式，通过模型级可靠性估计动态交换教师和学生的角色，并引入非对称监督策略和分层双学生结构以防止网络崩溃	未明确提及具体的数据集规模限制或计算资源需求	解决复杂医学图像分割中标注数据不足的问题	血管网络和肺气管网络等复杂医学图像	digital pathology	NA	半监督学习	双向自训练模型	3-D医学图像	两个公共数据集和一个私有数据集
338	2025-05-04	Neurosymbolic AI for Reasoning Over Knowledge Graphs: A Survey 2025-May, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3420218 PMID:39024082	综述	本文综述了神经符号人工智能（AI）在知识图谱（KGs）推理任务中的应用方法，并提出了一种新的分类法	提出了一种新的分类法，将神经符号推理方法分为三大类：逻辑信息嵌入方法、带逻辑约束的嵌入方法和规则学习方法	讨论了这些方法的独特特性和局限性，并提出了未来研究方向	探讨神经符号AI在知识图谱推理任务中的应用和发展	知识图谱（KGs）	自然语言处理	NA	神经符号人工智能	NA	图结构数据	NA
339	2025-05-04	Unsupervised Domain Adaptation for Low-Dose CT Reconstruction via Bayesian Uncertainty Alignment 2025-May, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3409573 PMID:38985555	research paper	提出一种基于贝叶斯不确定性对齐的无监督域自适应方法，用于低剂量CT图像重建	利用概率重建框架在潜在空间和图像空间进行联合差异最小化，提出贝叶斯不确定性对齐和锐度感知分布对齐方法	仅针对低剂量CT图像重建问题，未考虑其他医学影像模态	解决低剂量CT图像重建中由于训练数据和测试数据分布不一致导致的性能下降问题	低剂量CT图像	digital pathology	NA	deep learning	probabilistic reconstruction framework	CT images	两个模拟数据集和一个临床低剂量成像数据集
340	2025-05-04	ProFun-SOM: Protein Function Prediction for Specific Ontology Based on Multiple Sequence Alignment Reconstruction 2025-May, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3419250 PMID:38980781	研究论文	提出了一种基于多序列比对重建的蛋白质功能预测方法ProFun-SOM，用于准确注释基因本体	ProFun-SOM通过重建多序列比对并整合到深度学习架构中，解决了混合本体问题带来的标签依赖性和数据稀疏性瓶颈	未提及具体的数据集规模限制或模型在其他类型蛋白质数据上的泛化能力	开发一种能够准确预测蛋白质功能的计算方法，解决基因本体注释中的混合本体问题	蛋白质功能预测，特别是基因本体（GO）注释	生物信息学	NA	多序列比对（MSAs），深度学习	深度学习架构	蛋白质序列数据	三个数据集（CAFA3、SwissProt和NetGO2）