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
361	2025-05-10	A deep learning pipeline for systematic and accurate vertebral fracture reporting in computed tomography 2025-Apr, Clinical radiology IF:2.1Q2 DOI:10.1016/j.crad.2025.106827 PMID:39970769	research paper	介绍了一种用于在计算机断层扫描中系统和准确报告椎体骨折的深度学习流程	开发了一种深度学习流程，用于在不同视野的CT脊柱图像中机会性检测骨折，提高了骨折检测的准确性和系统性	研究为回顾性研究，且排除了有脊柱手术史或病理性骨折的患者，可能限制了模型的泛化能力	旨在通过深度学习技术提高椎体骨折在CT图像中的检测效率和准确性	452例腰椎/胸腰椎CT图像	digital pathology	spinal fractures	CT imaging, deep learning	nnU-net, resnet18	image	452例CT图像，其中405例用于训练/验证，47例用于测试
362	2025-05-10	Comparative analysis for accurate multi-classification of brain tumor based on significant deep learning models 2025-Apr, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109872 PMID:39970824	研究论文	本文提出了一种基于深度学习的脑肿瘤多分类方法，比较了CNN、Swin Transformer和EfficientNet模型在MRI扫描图像上的性能	比较了多种深度学习模型在脑肿瘤分类中的性能，发现Swin Transformer和EfficientNet模型表现优于传统CNN	未提及模型在临床环境中的实际应用效果或外部验证结果	提高脑肿瘤分类的准确性	脑肿瘤MRI图像	计算机视觉	脑肿瘤	MRI扫描	CNN, Swin Transformer, EfficientNet	图像	NA
363	2025-05-10	Finger-aware Artificial Neural Network for predicting arthritis in Patients with hand pain 2025-Apr, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103077 PMID:39970842	研究论文	本研究开发了一种基于transformer的手指感知人工神经网络（FANN），用于预测手部疼痛患者的关节炎	首次将深度学习应用于SUV（标准化摄取值）数据以预测手部关节炎的发展，并开发了包含手指嵌入和手部间信息共享的FANN模型	未提及样本量是否足够大以验证模型的泛化能力	提高关节炎的早期和准确诊断	手部疼痛患者	数字病理学	关节炎	SPECT/CT	transformer-based FANN	图像（SUV数据）	NA
364	2025-05-10	De novo design of transmembrane fluorescence-activating proteins 2025-Apr, Nature IF:50.5Q1 DOI:10.1038/s41586-025-08598-8 PMID:39972138	研究论文	该研究通过结合深度学习和基于能量的方法，设计了能够紧密结合小分子的跨膜蛋白	首次实现了跨膜蛋白与小分子特异性结合的从头设计，并展示了其在活细胞中的应用	目前仅针对特定荧光配体进行了验证，尚未展示对其他类型小分子的适用性	开发能够特异性识别小分子的跨膜蛋白设计方法	跨膜蛋白与荧光配体的相互作用	蛋白质设计	NA	深度学习与基于能量的计算方法	深度学习模型	蛋白质结构数据	在活细菌和真核细胞中验证
365	2025-05-10	Intuitive Human-Artificial Intelligence Theranostic Complementarity 2025-Apr, Cancer biotherapy & radiopharmaceuticals DOI:10.1089/cbr.2025.0021 PMID:39973351	research paper	探讨人工智能与人类直觉在核医学诊疗中的互补作用	提出人工智能与核医学医师直觉能力的互补性，强调在诊疗决策中结合AI技术与人类情感、直觉的重要性	未提及具体实验数据或案例研究来支持互补性理论的实际效果	研究人工智能与人类直觉在核医学诊疗中的协同作用	核医学诊疗中的决策过程	核医学	癌症	AI算法、放射组学、基因组学、放射生物学、剂量学	大语言模型	电子医疗记录、多维数据源	NA
366	2025-05-10	SegmentAnyBone: A universal model that segments any bone at any location on MRI 2025-Apr, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103469 PMID:39978015	research paper	提出了一种名为SegmentAnyBone的通用模型，用于在MRI上分割任何位置的骨骼	开发了一个基于Segment Anything Model (SAM)的创新基础模型，能够进行全自动分割和基于提示的分割	模型在特定解剖区域和MRI序列上的泛化能力需要进一步验证	提高MRI中骨骼分割的准确性和通用性，以支持肌肉骨骼疾病的定量评估	MRI图像中的骨骼	digital pathology	musculoskeletal conditions	deep learning	SegmentAnyBone (基于SAM)	image	320个标注体积和超过10k标注切片，涵盖多个解剖区域
367	2025-05-10	Multimodal deep learning fusion of ultrafast-DCE MRI and clinical information for breast lesion classification 2025-Apr, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109721 PMID:39978091	research paper	本研究开发并评估了一种新型多模态深度学习模型，结合超快动态对比增强MRI图像、病变特征和临床信息进行乳腺病变分类	提出了一种基于Transformer的多模态架构MMST-V，能够整合影像和非影像数据，优于单模态方法	数据来自单一临床中心，样本量相对有限	开发多模态深度学习模型以提高乳腺病变分类的准确性	乳腺病变	digital pathology	breast cancer	ultrafast dynamic contrast-enhanced MRI	Transformer-based MMST-V	image, clinical data	240名患者的987个病灶（280个良性、121个恶性和586个良性淋巴结）和1081份报告
368	2025-05-10	Parkinson's disease tremor prediction towards real-time suppression: A self-attention deep temporal convolutional network approach 2025-Apr, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109814 PMID:39978094	research paper	提出一种自注意力深度时间卷积网络（SADTCN）模型，用于实时预测帕金森病震颤信号	SADTCN模型能够捕捉帕金森病震颤信号的短期和长期依赖关系及复杂的时空动态特性，实现多步预测	模型性能仅在实验性手部震颤数据上进行了验证，未涉及其他部位震颤	开发高精度的帕金森病震颤预测模型以支持实时抑制技术	帕金森病患者的手部震颤信号	machine learning	geriatric disease	short-time Fourier transform (STFT)	self-attention deep temporal convolutional network (SADTCN)	time-series signal	实验性手部震颤数据（具体样本量未说明）
369	2025-05-10	Transforming personalized weight forecasting: From the Personalized Metabolic Avatar to the Generalized Metabolic Avatar 2025-Apr, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109879 PMID:39978095	研究论文	该论文提出了一种名为广义代谢化身（GMA）的模型，用于预测更广泛用户群体的体重变化，而无需个体数据测量	GMA模型通过引入年龄和性别等参数，消除了对个体数据测量的需求，显著提高了计算效率并保持了预测准确性	尽管GMA在预测准确性上与PMA相当，但在理想条件下的RMSE略高于PMA（0.54 ± 0.03 vs 0.42 ± 0.04）	开发一个无需个体数据测量的通用代谢预测模型，以提高预测效率和应用范围	体重变化的预测模型	机器学习	NA	深度学习	GRU（门控循环单元）	营养组成和每日能量平衡数据	NA
370	2025-05-10	C-UQ: Conflict-based uncertainty quantification-A case study in lung cancer classification 2025-Apr, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109825 PMID:39978099	研究论文	本研究提出了一种基于冲突的不确定性量化方法，应用于肺癌分类，结合Dempster-Shafer理论和深度集成方法	提出了一种新的基于冲突的不确定性量化方法，利用Dempster-Shafer理论和深度集成方法，有效量化预测不确定性	计算需求可能挑战实时应用，未来工作将集中在优化效率和探索替代的Dempster-Shafer理论组合规则及混合模型	提高深度学习在医学诊断中的不确定性量化能力，确保可靠的临床决策	肺癌分类	数字病理	肺癌	Dempster-Shafer理论，深度集成方法	Deep Ensemble	3D生物医学数据	LIDC-IDRI数据集及其他3D生物医学数据集
371	2025-05-10	Artificial Intelligence-Enhanced Perfusion Scoring Improves the Diagnostic Accuracy of Myocardial Perfusion Imaging 2025-Apr-01, Journal of nuclear medicine : official publication, Society of Nuclear Medicine IF:9.1Q1 DOI:10.2967/jnumed.124.268079 PMID:39978815	research paper	本研究利用深度学习模型改进心肌灌注SPECT成像的诊断准确性，通过增强总灌注缺损评分和17段总和评分来提高临床可翻译性	将AI预测与传统定量方法结合，简化了AI方法，同时提高了诊断准确性	研究仅基于555名患者的数据，可能需要更大规模的验证	提高心肌灌注成像对阻塞性冠状动脉疾病的诊断准确性	接受心肌灌注成像并在180天内进行侵入性冠状动脉造影的患者	digital pathology	cardiovascular disease	SPECT成像	DL (深度学习)	image	555名患者
372	2025-05-10	Addressing imbalance in health data: Synthetic minority oversampling using deep learning 2025-Apr, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109830 PMID:39983361	研究论文	本文提出了一种基于深度学习的合成少数类过采样方法，用于解决医疗数据中的类别不平衡问题	提出了一种结合辅助引导条件变分自编码器（ACVAE）和对比学习的深度学习方法，以及一种集成技术，通过ACVAE生成合成正样本并使用ECDNN算法减少多数类样本	实验仅在12个不同的医疗数据集上进行，可能无法涵盖所有医疗数据场景	解决医疗数据中的类别不平衡问题，以提高机器学习模型的性能和公平性	医疗数据中的类别不平衡问题	机器学习	NA	ACVAE和ECDNN算法	条件变分自编码器（ACVAE）	医疗数据	12个不同的医疗数据集
373	2025-05-10	A multi-task self-supervised approach for mass detection in automated breast ultrasound using double attention recurrent residual U-Net 2025-Apr, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109829 PMID:39983360	研究论文	本文提出了一种基于自监督框架的新型计算机辅助检测系统，用于自动乳腺超声中的肿块检测	采用自监督学习框架利用未标注的ABUS数据集提升检测效果，并创新性地结合了多任务学习方法	高度依赖训练样本数量，检测精度与假阳性率的平衡存在挑战	开发高效的计算机辅助检测系统以减轻放射科医生工作负担并提高检测准确性	自动乳腺超声（ABUS）图像中的肿块检测	数字病理	乳腺癌	自监督学习，多任务学习	DATTR2U-Net（双注意力循环残差U-Net）	3D超声图像	TDSCABUS公共数据集
374	2025-05-10	RNA structure prediction using deep learning - A comprehensive review 2025-Apr, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109845 PMID:39983363	综述	本文全面回顾了利用深度学习技术预测RNA结构的研究进展	强调了深度学习在RNA二级结构预测中的应用，并对现有技术进行了比较分析	指出了文献中的空白和当前面临的挑战	促进对RNA功能的理解和基于RNA的药物设计	RNA二级结构	计算生物学	NA	深度学习	NA	NA	NA
375	2025-05-10	Toward deep learning sequence-structure co-generation for protein design 2025-Apr, Current opinion in structural biology IF:6.1Q1 DOI:10.1016/j.sbi.2025.103018 PMID:39983410	综述	本文回顾了深度生成模型在蛋白质设计中的最新进展，特别关注序列-结构共生成方法	探讨了序列-结构共生成方法在蛋白质设计中的潜力，以实现更准确和可控的设计	NA	探讨深度生成模型在蛋白质设计中的应用，特别是序列-结构共生成方法	蛋白质序列和结构	机器学习	NA	NA	深度生成模型	序列和结构数据	NA
376	2025-05-10	Integrating manual preprocessing with automated feature extraction for improved rodent seizure classification 2025-Apr, Epilepsy & behavior : E&B IF:2.3Q2 DOI:10.1016/j.yebeh.2025.110306 PMID:39983590	research paper	该研究开发了一种结合手动预处理和自动特征提取的半自动流程，用于改进啮齿动物癫痫发作分类	提出了一种结合模型驱动和数据驱动方法的混合方法，利用PoseC3D模型对啮齿动物癫痫阶段进行分类	该方法无法实现完全自动化的癫痫检测，且未在未见过的动物上进行测试，限制了其普适性和广泛应用	开发一种AI支持的定量分析方法，用于啮齿动物行为分析，包括癫痫阶段分类	啮齿动物（大鼠）的癫痫发作行为	computer vision	epilepsy	deep learning, computer vision	PoseC3D	video	两个数据集，包括大鼠骨架关键点和癫痫发作行为视频
377	2025-05-10	Physics-informed neural networks for enhanced reference evapotranspiration estimation in Morocco: Balancing semi-physical models and deep learning 2025-Apr, Chemosphere IF:8.1Q1 DOI:10.1016/j.chemosphere.2025.144238 PMID:39983624	研究论文	本文提出了一种基于物理信息神经网络（PINNs）的方法，用于在摩洛哥增强参考蒸散量（ETo）的估计，以平衡半物理模型和深度学习的优势	通过将半物理模型整合到神经网络的损失函数中，提出了一种新的残差损失计算方法，结合了数据驱动损失和半物理模型损失，提高了模型的准确性和可解释性	研究仅基于摩洛哥Tensift流域四个自动气象站的数据，可能限制了模型的泛化能力	提高参考蒸散量（ETo）的估计准确性，以支持农业水资源管理和灌溉系统优化	参考蒸散量（ETo）	环境科学	NA	物理信息神经网络（PINNs），CMA-ES优化算法	PINN	气象数据（气温、太阳辐射、相对湿度、风速）	摩洛哥Tensift流域四个自动气象站的数据
378	2025-05-10	Subtraction-free artifact-aware digital subtraction angiography image generation for head and neck vessels from motion data 2025-Apr, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2025.102512 PMID:39983664	research paper	提出了一种无需减影的、基于运动数据的头颈部血管数字减影血管造影（DSA）图像生成方法，旨在消除运动伪影	创新性地提出了Artifact-aware DSA图像生成方法（AaDSA），仅利用运动数据生成无伪影的DSA图像，无需减影过程，并通过梯度场变换（GFT）技术生成伪影掩码指导模型训练	需要进一步验证在更广泛临床数据集上的泛化能力	开发一种能够自动生成无运动伪影的DSA图像的方法，以提高血管疾病诊断的准确性	头颈部血管的DSA图像	digital pathology	cardiovascular disease	deep learning, Gradient Field Transformation (GFT)	DL-based model	image	真实头颈部DSA数据集（具体样本量未明确说明）
379	2025-05-10	A novel generative model for brain tumor detection using magnetic resonance imaging 2025-Apr, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2025.102498 PMID:39985841	研究论文	提出了一种基于深度学习的脑肿瘤检测新方法，结合Yolov8框架和智能计算单元，实现了高精度的肿瘤区域分割和分类	结合Yolov8框架与智能计算单元进行精细调优，引入数据融合技术提升分类性能，并首次将LLM模型用于预诊断生成	仅在同数据库对比中验证性能，未说明跨数据库泛化能力	开发基于AI的计算机辅助诊断系统，提高脑肿瘤检测准确率和效率	MRI图像中的脑肿瘤区域	数字病理	脑肿瘤	深度学习，数据融合	Yolov8, CNN, LLM	MRI图像	两个肿瘤数据集（未明确数量）
380	2025-05-10	Protein language models for predicting drug-target interactions: Novel approaches, emerging methods, and future directions 2025-Apr, Current opinion in structural biology IF:6.1Q1 DOI:10.1016/j.sbi.2025.103017 PMID:39985946	综述	本文综述了蛋白质语言模型在药物-靶点相互作用预测中的应用，探讨了新兴方法和未来研究方向	探讨了端到端学习模型和预训练基础蛋白质语言模型的应用，以及异质数据整合的作用	数据相关限制和算法约束导致准确识别药物-靶点相互作用仍存在挑战	加速药物开发过程中的新候选药物识别	药物-靶点相互作用（DTI）预测	自然语言处理	NA	蛋白质语言模型（pLMs）	端到端学习模型、预训练基础pLMs	蛋白质结构、知识图谱	NA