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
341	2025-06-07	Multi-modal remote sensory learning for multi-objects over autonomous devices 2025, Frontiers in bioengineering and biotechnology IF:4.3Q2 DOI:10.3389/fbioe.2025.1430222 PMID:40462839	研究论文	提出了一种结合马尔可夫随机场和Alex Net模型的新方法，用于遥感图像中多对象的精确识别和场景分类	采用马尔可夫随机场进行精确标记和Alex Net模型进行场景识别的协同组合，提高了对复杂空中物体间交互的理解和识别能力	未提及具体样本量限制或计算资源需求	提高遥感图像中多对象识别的准确性和速度	遥感图像中的多类对象	计算机视觉	NA	马尔可夫随机场(MRF), Alex Net模型	MRF, CNN(Alex Net)	遥感图像	基准数据集(UC Merced Land Use和AID)
342	2025-06-07	Cognitive Dysfunction in the Addictions (CDiA): protocol for a neuron-to-neighbourhood collaborative research program 2025, Frontiers in psychiatry IF:3.2Q2 DOI:10.3389/fpsyt.2025.1455968 PMID:40462873	研究论文	介绍了一项名为‘成瘾中的认知功能障碍（CDiA）’的综合研究计划，旨在填补对成瘾物质使用障碍（SUDs）中执行功能（EFs）理解的空白	通过跨学科研究整合临床、生物医学、临床前和健康服务研究，开发与生物心理社会模型一致的政策和干预措施	研究样本仅限于18-60岁寻求SUD治疗的成年人，样本量为400人，可能限制结果的普遍性	探索执行功能在成瘾物质使用障碍中的关键作用及其与功能恢复的关系	18-60岁寻求成瘾物质使用障碍治疗的成年人	神经科学	成瘾物质使用障碍	重复经颅磁刺激、深度学习、聚类分析	深度学习	多模态数据（包括临床、生物医学和健康服务数据）	400名18-60岁寻求成瘾物质使用障碍治疗的成年人
343	2025-06-07	Energy metric prediction for double insertion mutants via the RoseNet deep learning framework 2025, Bioinformatics advances IF:2.4Q2 DOI:10.1093/bioadv/vbae198 PMID:40463404	研究论文	利用RoseNet深度学习框架预测双插入突变体的能量指标	扩展了先前的工作，评估了三种额外蛋白质，并分析了影响RoseNet预测能力的域特征，如二级结构中的插入缺失和残基的溶剂可及表面积（SASA）分数	研究仅限于特定蛋白质的双插入或缺失突变，可能不适用于其他类型的突变或蛋白质	研究蛋白质突变的结构和功能影响，预测双氨基酸插入或缺失（InDels）的能量指标	蛋白质的双插入或缺失突变体	生物信息学	NA	深度学习	RoseNet神经网络架构	蛋白质序列和结构数据	三个蛋白质的详尽双插入缺失突变基准数据集，以及另外三个蛋白质的约145k个随机突变体
344	2025-06-07	MultiCubeNet: Multitask deep learning for molecular subtyping and prognostic prediction in gliomas 2025 Jan-Dec, Neuro-oncology advances IF:3.7Q2 DOI:10.1093/noajnl/vdaf079 PMID:40463652	research paper	开发并验证了一个名为MultiCubeNet的多任务深度学习模型，用于同时预测胶质瘤的关键分子标记和预后	提出了一个多序列、多尺度、多任务的深度学习框架，能够同时预测IDH突变、1p/19q共缺失、TERT启动子突变和预后	在TCGA队列中的性能不太理想，AUC值低于0.8	开发一个深度学习模型，用于胶质瘤的分子亚型和预后预测	457例成人型弥漫性胶质瘤（193例训练队列；162例和102例分别在SZS和TCGA验证队列中）	digital pathology	glioma	deep learning	MultiCubeNet	image	457例成人型弥漫性胶质瘤
345	2025-06-07	Interactive Segmentation Model for Placenta Segmentation from 3D Ultrasound images 2025, Simplifying medical ultrasound : 5th international workshop, ASMUS 2024, held in conjunction with MICCAI 2024, Marrakesh, Morocco, October 6, 2024, proceedings. ASMUS (Workshop) (5th : 2024 : Marrakech, Morocco) DOI:10.1007/978-3-031-73647-6_13 PMID:40463734	research paper	本文评估了3D交互式分割模型在人机协作胎盘分割任务中的表现，并提出了一种高效的人机交互模型	首次将人机交互模型应用于3D超声图像胎盘分割任务，并验证其有效性	未说明模型在临床环境中的实际应用效果	开发高效的3D超声图像胎盘分割方法	3D超声图像中的胎盘组织	digital pathology	产科疾病	3D超声成像	interactive segmentation model (基于SAM)	3D医学图像	未明确说明样本数量
346	2025-06-07	Advancements and challenges of artificial intelligence in climate modeling for sustainable urban planning 2025, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2025.1517986 PMID:40463823	Mini Review	探讨人工智能在气候建模中的进展与挑战，以促进可持续城市规划	综述了机器学习和深度学习技术在提高气候风险评估、资源优化和基础设施韧性方面的最新进展	数据质量不一致、模型可解释性限制、伦理问题以及AI模型在不同城市环境中的可扩展性	促进气候适应和可持续城市规划	气候建模和城市规划	机器学习	NA	机器学习和深度学习	ML和DL	多源数据	NA
347	2025-06-07	Predicting alveolar nerve injury and the difficulty level of extraction impacted third molars: a systematic review of deep learning approaches 2025, Frontiers in dental medicine IF:1.5Q3 DOI:10.3389/fdmed.2025.1534406 PMID:40463825	系统综述	本文系统评估了深度学习模型在预测第三磨牙拔除难度和下牙槽神经损伤风险方面的准确性和可靠性	利用深度学习技术提高术前评估的准确性，特别是在全景X光图像上的应用	研究的地理分布有限（主要来自韩国、土耳其和泰国），人口统计学数据报告不足，缺乏长期随访数据	评估深度学习模型在预测第三磨牙拔除难度和下牙槽神经损伤风险中的应用	第三磨牙拔除手术及其相关并发症	数字病理	牙科疾病	深度学习	DL	图像	12,419张全景X光图像
348	2025-06-07	BrainTumNet: multi-task deep learning framework for brain tumor segmentation and classification using adaptive masked transformers 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1585891 PMID:40463867	research paper	开发了一个名为BrainTumNet的多任务深度学习框架，用于脑肿瘤的分割和分类	结合了改进的编码器-解码器架构、自适应掩码Transformer和多尺度特征融合策略，实现了肿瘤分割和分类的多任务学习	研究仅基于485例病理确诊的病例，样本量可能不足以覆盖所有脑肿瘤类型和变异	开发一个多任务深度学习模型，用于精确的脑肿瘤分割和类型分类	高级别胶质瘤、转移性肿瘤和脑膜瘤的T1增强MRI序列图像	digital pathology	brain tumor	MRI	CNN, Transformer	image	485例病理确诊的病例（训练集378例，测试集109例，外部验证集51例）
349	2025-06-07	A novel method of BiFormer with temporal-spatial characteristics for ECG-based PVC detection 2025, Frontiers in physiology IF:3.2Q2 DOI:10.3389/fphys.2025.1549380 PMID:40463999	研究论文	提出了一种结合BiFormer模型和时空特征的ECG信号处理方法，用于检测室性早搏（PVC）	使用BiFormer分类模型和Bi-level Routing Attention机制，结合Markov Transition Fields将一维时间序列信号转换为二维图像，提高了PVC检测的准确性和计算效率	NA	开发一种更准确和高效的ECG信号分析方法，用于早期检测室性早搏（PVC）	ECG信号	机器学习	心血管疾病	Markov Transition Fields (MTFs), Bi-level Routing Attention (BRA)	BiFormer	ECG信号	MIT-BIH心律失常数据库
350	2025-06-07	YOLO for early detection and management of Tuta absoluta-induced tomato leaf diseases 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1524630 PMID:40464016	研究论文	该研究利用YOLOv8模型进行Tuta absoluta引起的番茄叶部病害的早期检测与管理	首次公开了一个名为TomatoEbola的数据集，并提出了基于迁移学习的方法评估YOLOv8在检测Tuta absoluta中的性能	数据集样本量较小，仅包含326张图像和784个标注，可能影响模型的泛化能力	通过AI技术提高农业病害检测效率，减少作物损失并增强粮食安全	番茄叶部病害（由Tuta absoluta引起）	计算机视觉	植物病害	迁移学习	YOLOv8	图像	326张图像和784个标注，来自三个不同的农场
351	2025-06-07	Toward trustable use of machine learning models of variant effects in the clinic 2024-Dec-05, American journal of human genetics IF:8.1Q1 DOI:10.1016/j.ajhg.2024.10.011 PMID:39561772	研究论文	本文探讨了如何在临床中可信地使用机器学习模型预测蛋白质编码基因中错义替换的影响	提出了克服现有模型验证和校准策略局限性的核心原则和建议，以实现更可靠和更有影响力的变异效应预测模型应用	现有模型验证和校准策略仍存在重要局限性	提高临床变异注释的可靠性和影响力，以指导诊断和治疗	蛋白质编码基因中的错义替换	机器学习	NA	深度学习	NA	序列数据	NA
352	2025-06-07	DeePathNet: A Transformer-Based Deep Learning Model Integrating Multiomic Data with Cancer Pathways 2024-12-01, Cancer research communications IF:2.0Q3 DOI:10.1158/2767-9764.CRC-24-0285 PMID:39530738	研究论文	DeePathNet是一种基于Transformer的深度学习模型，整合了多组学数据和癌症通路信息，用于改进癌症诊断和预后	DeePathNet首次将癌症特异性通路信息整合到多组学数据分析中，并采用基于Transformer的深度学习模型	NA	改进癌症诊断和预后预测	多组学数据和癌症通路	机器学习	癌症	多组学数据分析	Transformer	多组学数据	多个大型数据集（ProCan-DepMapSanger、Cancer Cell Line Encyclopedia、The Cancer Genome Atlas）
353	2025-06-07	Deep learning-based rapid image reconstruction and motion correction for high-resolution cartesian first-pass myocardial perfusion imaging at 3T 2024-Sep, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.30106 PMID:38576068	research paper	开发并评估了一种基于深度学习的快速图像重建和运动校正技术，用于3T高分辨率笛卡尔首过心肌灌注成像	提出了基于3D物理驱动的展开网络架构用于高分辨率笛卡尔灌注成像重建，以及基于2D U-Net的运动校正网络	样本量较小，仅使用了20名受试者的135个切片	开发快速高质量的图像重建和运动校正技术，用于心肌灌注成像	高分辨率笛卡尔首过心肌灌注成像	computer vision	cardiovascular disease	deep learning	3D physics-driven unrolled network, 2D U-Net	image	135 slices from 20 subjects
354	2025-06-07	Designing Clinical MRI for Enhanced Workflow and Value 2024-07, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.29038 PMID:37795927	research paper	探讨如何通过优化MRI工作流程和采用数字工具提升临床MRI的价值和效率	提出利用数字工具和深度学习加速图像重建方法优化MRI工作流程，并强调患者准备流程的重新配置和实时信息工具的应用	未提及具体实施这些优化策略的临床效果数据或案例研究	优化MRI工作流程，提升患者价值和医疗效率	MRI成像过程及其相关技术和人员	数字病理	NA	深度学习加速图像重建方法	NA	图像	NA
355	2025-06-07	Global and Regional Deep Learning Models for Multiple Sclerosis Stratification From MRI 2024-07, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.29046 PMID:37803817	research paper	本研究比较了全脑输入采样策略和区域/特定组织策略，以基于残疾水平对多发性硬化症患者进行分层	首次比较了全脑与区域输入策略在MRI深度学习模型中对多发性硬化症患者残疾水平分层的效果	研究仅使用了单一供应商的MRI设备数据，可能影响模型的泛化能力	比较不同MRI输入策略对多发性硬化症患者残疾水平分层的效果	多发性硬化症患者的脑部MRI扫描数据	digital pathology	multiple sclerosis	MRI	3D-CNN	image	319名MS患者（382次脑部MRI扫描）的内部数据集和440名来自多中心的MS患者外部验证队列
356	2025-06-07	Automated Breast Density Assessment in MRI Using Deep Learning and Radiomics: Strategies for Reducing Inter-Observer Variability 2024-07, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.29058 PMID:37846440	research paper	该研究探讨了利用深度学习和放射组学减少乳腺密度评估中观察者间变异性的可行性	结合深度学习和放射组学模型，通过AI辅助解释显著减少了乳腺密度评估的观察者间变异性	研究为回顾性设计，可能限制了结果的普遍适用性	评估人工智能辅助解释在减少乳腺密度评估观察者间变异性中的效果	621名无乳腺假体或重建手术的患者	digital pathology	breast cancer	deep learning, radiomics	CNN	MRI images	621名患者（训练集377名，验证集98名，独立测试集146名）
357	2025-06-07	Magnetic Resonance Deep Learning Radiomic Model Based on Distinct Metastatic Vascular Patterns for Evaluating Recurrence-Free Survival in Hepatocellular Carcinoma 2024-07, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.29064 PMID:37888871	research paper	该研究旨在构建并比较基于VETC-MVI的临床、放射组学和深度学习模型，以评估肝细胞癌患者的无复发生存期	首次基于VETC和MVI两种转移性血管模式构建深度学习放射组学模型，用于评估HCC患者的无复发生存期	回顾性研究设计，样本量相对有限（398例患者）	评估肝细胞癌患者的无复发生存期	肝细胞癌患者	digital pathology	liver cancer	MRI（T1WI SPGR, T2WI FSE, 增强动脉期和延迟期成像）	deep learning model	medical imaging	398例HCC患者（训练队列358例，测试队列40例）
358	2024-08-07	Editorial for "Magnetic Resonance Deep Learning Radiomic Model Based on Distinct Metastatic Vascular Patterns for Evaluating Recurrence-Free Survival in Hepatocellular Carcinoma" 2024-07, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.29063 PMID:37818933	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
359	2024-08-07	Editorial for "Automated Breast Density Assessment in MRI Using Deep Learning and Radiomics: Strategies for Reducing Inter-Observer Variability" 2024-07, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.29059 PMID:37818764	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
360	2025-06-07	Scan-Specific Self-Supervised Bayesian Deep Non-Linear Inversion for Undersampled MRI Reconstruction 2024-06, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3364911 PMID:38335079	research paper	提出一种用于欠采样MRI重建的扫描特异性自监督贝叶斯深度非线性反演方法	无需自动校准扫描区域，采用深度图像先验型生成建模方法和近似贝叶斯推理来正则化深度卷积神经网络	需要进一步验证在不同解剖结构、对比度和采样模式下的广泛适用性	提高欠采样MRI重建的效率和准确性	欠采样的MRI数据	医学影像处理	NA	深度卷积神经网络，贝叶斯推理	CNN	MRI图像	多种解剖结构、对比度和采样模式的MRI数据