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
3961	2025-03-19	Development and evaluation of a deep learning framework for pelvic and sacral tumor segmentation from multi-sequence MRI: a retrospective study 2025-Mar-13, Cancer imaging : the official publication of the International Cancer Imaging Society IF:3.5Q1 DOI:10.1186/s40644-025-00850-8 PMID:40082955	研究论文	本文开发并评估了一种深度学习框架，用于从多序列MRI中分割盆腔和骶骨肿瘤	提出了一种结合2.5D U-net和MobileNetV2的深度学习框架，并采用快速注释策略进行多序列MRI的自动分割	研究为回顾性研究，可能存在数据偏差	开发一种高效的深度学习框架，用于从多序列MRI中分割盆腔和骶骨肿瘤	616名经病理确认的盆腔和骶骨肿瘤患者	数字病理	盆腔和骶骨肿瘤	多序列MRI（包括T1加权、T2加权、扩散加权成像和对比增强T1加权）	2.5D U-net和MobileNetV2	MRI图像	616名患者
3962	2025-03-19	Exploring the significance of the frontal lobe for diagnosis of schizophrenia using explainable artificial intelligence and group level analysis 2025-Mar-13, Psychiatry research. Neuroimaging DOI:10.1016/j.pscychresns.2025.111969 PMID:40096788	研究论文	本文通过可解释的人工智能和群体水平分析，探讨了额叶在精神分裂症诊断中的重要性	使用可解释的深度学习方法（Grad-CAM）和群体水平分析，识别精神分裂症患者的重要脑区，并在额叶中发现了显著的分类特征	未提及样本的具体数量或多样性，可能影响结果的普适性	研究精神分裂症诊断中额叶的作用，并帮助临床医生制定治疗方案	精神分裂症患者和健康对照组（CN）	数字病理学	精神分裂症	功能性磁共振成像（fMRI）、结构性磁共振成像（sMRI）	深度学习（Grad-CAM）	MRI图像（sMRI和fMRI）	NA
3963	2025-03-19	Deep Learning Estimation of Small Airways Disease from Inspiratory Chest CT: Clinical Validation, Repeatability, and Associations with Adverse Clinical Outcomes in COPD 2025-Mar-12, American journal of respiratory and critical care medicine IF:19.3Q1 DOI:10.1164/rccm.202409-1847OC PMID:40072247	研究论文	本文开发了一种基于生成式AI的模型，用于从单一的吸气CT扫描中评估小气道疾病，并与双体积参数响应映射方法进行了比较	通过生成式AI模型从单一吸气CT扫描中评估小气道疾病，无需额外的呼气CT扫描，提高了临床适用性	研究结果在COPDGene研究中的验证样本量相对较小（n = 458），可能影响结果的普适性	评估AI模型在慢性阻塞性肺疾病（COPD）中从小气道疾病（fSAD）的吸气CT扫描中估计fSADTLC的能力，并验证其临床关联性和重复性	来自SPIROMICS研究的2513名参与者和COPDGene研究的458名参与者	数字病理学	慢性阻塞性肺疾病	生成式AI模型	生成式模型	CT图像	SPIROMICS研究中的2513名参与者和COPDGene研究中的458名参与者
3964	2025-03-19	[Development of an abdominal acupoint localization system based on AI deep learning] 2025-Mar-12, Zhongguo zhen jiu = Chinese acupuncture & moxibustion DOI:10.13703/j.0255-2930.20240207-0003 PMID:40097227	研究论文	本研究开发了一种基于计算机视觉和卷积神经网络（CNNs）的腹部穴位定位系统	构建了一个多任务CNNs架构，用于定位神阙（CV8）和人体边界，并通过仿射变换矩阵将图像坐标映射到穴位模板空间，实现腹部穴位的精确定位	NA	开发一种基于AI深度学习的腹部穴位定位系统，以支持中医远程教育、诊断辅助和高级中医设备的发展	腹部穴位，特别是神阙（CV8）、上脘（CV13）、曲骨（CV2）和双侧大横（SP15）	计算机视觉	NA	卷积神经网络（CNNs）	CNN	图像	NA
3965	2025-03-19	Deep Learning for Odor Prediction on Aroma-Chemical Blends 2025-Mar-11, ACS omega IF:3.7Q2 DOI:10.1021/acsomega.4c07078 PMID:40092758	研究论文	本文探讨了深度学习技术在预测香气化学混合物嗅觉品质方面的应用	提出了图神经网络模型，用于准确预测香气化学混合物的嗅觉品质，并分析了模型架构变化对预测性能的显著影响	研究主要集中于分子对的预测，未涉及更复杂的混合物	探索深度学习在预测香气化学混合物嗅觉品质中的应用	香气化学混合物	机器学习	NA	深度学习	图神经网络	分子对数据	NA
3966	2025-03-19	DeepEpiIL13: Deep Learning for Rapid and Accurate Prediction of IL-13-Inducing Epitopes Using Pretrained Language Models and Multiwindow Convolutional Neural Networks 2025-Mar-11, ACS omega IF:3.7Q2 DOI:10.1021/acsomega.4c10960 PMID:40092768	研究论文	本文介绍了一种名为DeepEpilL13的新型深度学习框架，用于快速准确地预测IL-13诱导的表位	DeepEpilL13结合了预训练语言模型和多窗口卷积神经网络（CNN），能够从蛋白质序列中有效探索与IL-13诱导相关的局部和全局序列模式	NA	提高IL-13诱导表位预测的效率和准确性，以推动针对过敏性炎症、COVID-19相关细胞因子风暴及相关疾病的靶向治疗	IL-13诱导的表位	自然语言处理	COVID-19	深度学习	预训练语言模型和多窗口卷积神经网络（CNN）	蛋白质序列	基准数据集和独立的SARS-CoV-2数据集
3967	2025-03-19	Deep Learning-Assisted Triboelectric Sensor for Complex Gesture Recognition 2025-Mar-11, ACS omega IF:3.7Q2 DOI:10.1021/acsomega.4c10150 PMID:40092790	研究论文	本文提出了一种基于人工智能的手势识别系统，结合摩擦电传感器、Arduino信号处理模块和深度学习模块，用于复杂手势识别	将摩擦电技术与深度学习相结合，特别是使用一维卷积神经网络（CNN），实现了超过95%的12种不同手势识别准确率	未提及具体样本量或实验场景的局限性	开发一种灵活、高效且准确的手势识别系统，以满足物联网和5G技术的需求	手势识别系统	机器学习	NA	摩擦电传感器技术	一维卷积神经网络（CNN）	传感器信号	NA
3968	2025-03-19	Leveraging large language models for knowledge-free weak supervision in clinical natural language processing 2025-Mar-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-68168-2 PMID:40064991	研究论文	本文提出了一种利用大型语言模型（LLMs）进行无领域知识的弱监督方法，用于临床自然语言处理	通过微调LLMs并结合弱监督，无需大量领域知识，即可生成弱标签数据用于训练下游BERT模型，并在少量黄金标准数据上进一步微调，显著提升了性能	LLMs的推理计算量较大	解决临床自然语言处理中标注数据不足的问题	临床命名实体识别	自然语言处理	NA	弱监督学习、微调LLMs	BERT、Llama2	文本	三个i2b2/n2c2数据集，不超过10个黄金标准笔记
3969	2025-03-19	Comparison of Multimodal Deep Learning Approaches for Predicting Clinical Deterioration in Ward Patients 2025-Mar-07, medRxiv : the preprint server for health sciences DOI:10.1101/2025.03.06.25322855 PMID:40093217	研究论文	本文比较了使用和不使用临床笔记信息的多模态深度学习模型在预测病房患者临床恶化方面的表现	首次比较了结合结构化数据与SapBERT嵌入的多模态模型在预测临床恶化中的表现，并发现添加临床笔记信息并未显著提升模型性能	研究结果可能受限于特定医院的数据集，且未探讨模型在其他临床环境中的泛化能力	比较不同多模态深度学习模型在预测病房患者临床恶化中的表现	芝加哥大学和威斯康星大学麦迪逊分校的病房成年患者	机器学习	NA	深度学习	深度循环神经网络	结构化数据和非结构化数据（临床笔记）	506,076名病房患者
3970	2025-03-19	DDCSR: A Novel End-to-End Deep Learning Framework for Cortical Surface Reconstruction from Diffusion MRI 2025-Mar-05, ArXiv PMID:40093365	研究论文	本文提出了一种名为DDCSR的端到端深度学习框架，用于从扩散MRI数据直接进行皮质表面重建	首次实现了直接从扩散MRI数据进行皮质表面重建，克服了传统方法依赖T1加权数据和跨模态配准的局限性	未提及具体的样本量或数据来源的多样性限制	提高从扩散MRI数据进行皮质表面重建的准确性和效率	扩散MRI数据	数字病理学	NA	扩散MRI	深度学习框架	MRI图像	NA
3971	2025-03-19	Sul-BertGRU: an ensemble deep learning method integrating information entropy-enhanced BERT and directional multi-GRU for S-sulfhydration sites prediction 2025-Mar-04, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaf078 PMID:39977366	研究论文	本文提出了一种名为Sul-BertGRU的深度学习方法，用于预测蛋白质中的S-硫化位点	Sul-BertGRU结合了信息熵增强的BERT和多向门控循环单元（GRU），通过并行多头自注意力机制和卷积神经网络深入分析序列特征	NA	解决准确识别蛋白质中S-硫化位点的挑战	蛋白质序列	自然语言处理	心血管疾病	深度学习	BERT, GRU, CNN	蛋白质序列数据	NA
3972	2025-03-19	Measurement noise scaling laws for cellular representation learning 2025-Mar-04, ArXiv PMID:40093368	研究论文	本文探讨了测量噪声对深度学习模型性能的影响，并提出了一个信息论指标来评估细胞表示模型的质量	首次将测量噪声作为性能扩展轴，并发现其遵循独特的对数规律，同时提出了一个通用的信息论指标来评估模型质量	研究主要基于生物单细胞基因组数据，虽然结果在图像分类模型中也有体现，但尚未广泛验证于其他领域	研究测量噪声对深度学习模型性能的影响，并探索其在数据生成和整理中的指导作用	生物单细胞基因组数据和图像分类模型	机器学习	NA	单细胞基因组学	表示学习模型	基因组数据和图像数据	多个数据集，具体样本数量未明确
3973	2025-03-19	BMSMM-Net: A Bone Metastasis Segmentation Framework Based on Mamba and Multiperspective Extraction 2025-03, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.11.018 PMID:39617656	研究论文	本文提出了一种基于Mamba和多视角提取的骨转移分割框架BMSMM-Net，旨在提高骨转移的快速、精确分割	BMSMM-Net框架集成了新提出的Bottleneck Gating Mamba层（BGM）、Skip-Mamba（SKM）模块和多视角提取（MPE）模块，增强了长程依赖性和多尺度特征融合能力	NA	提高骨转移的自动分割精度，以改善患者预后和生存率	骨转移病灶	计算机视觉	骨转移	深度学习	BMSMM-Net	医学图像	BM-Seg数据集
3974	2025-03-19	CryoSamba: Self-supervised deep volumetric denoising for cryo-electron tomography data 2025-Mar, Journal of structural biology IF:3.0Q3 DOI:10.1016/j.jsb.2024.108163 PMID:39710216	研究论文	本文介绍了CryoSamba，一种基于自监督深度学习的模型，用于去噪冷冻电子断层扫描（cryo-ET）图像	CryoSamba通过深度学习插值平均运动补偿的邻近平面，增强单连续2D平面，模仿增加曝光，从而增强相干信号并减少高频噪声，显著提高断层扫描对比度和信噪比	NA	提高冷冻电子断层扫描图像的信噪比和对比度，以便更好地进行3D断层扫描视觉解释	冷冻电子断层扫描图像	计算机视觉	NA	深度学习	自监督深度学习模型	3D体积数据	NA
3975	2025-03-19	Prediction of Lymph Node Metastasis in Colorectal Cancer Using Intraoperative Fluorescence Multi-Modal Imaging 2025-Mar, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3510836 PMID:40030456	研究论文	本文提出了一种结合术中荧光多模态成像和深度学习的模型，用于预测结直肠癌的淋巴结转移	提出了多模态荧光成像特征融合预测（MFI-FFP）模型，结合白光、荧光和伪彩色成像，显著提高了多模态信息的互补性，并设计了新的损失函数以解决样本不平衡和区分困难的问题	未提及具体的样本量限制或模型在其他数据集上的泛化能力	提高结直肠癌淋巴结转移的预测效率	结直肠癌患者的淋巴结	数字病理学	结直肠癌	术中荧光多模态成像	MFI-FFP模型	图像	未提及具体样本量
3976	2025-03-19	Pyramid Network With Quality-Aware Contrastive Loss for Retinal Image Quality Assessment 2025-Mar, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3501405 PMID:40030237	研究论文	本文提出了一种名为QAC-Net的统一视网膜图像质量评估框架，能够定性和定量地评估视网膜图像质量	QAC-Net通过金字塔网络结构和质量感知对比损失（QAC）提取区分性特征，提高了预测准确性，并构建了一个包含2300张真实失真视网膜图像的数据集	定量评估任务的数据集不足	设计有效的视网膜图像质量评估（RIQA）方法，以减少低质量图像导致的误诊风险	视网膜图像	计算机视觉	NA	深度学习	QAC-Net	图像	2300张真实失真视网膜图像
3977	2025-03-19	Deep Learning for High Speed Optical Coherence Elastography With a Fiber Scanning Endoscope 2025-Mar, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3505676 PMID:40030355	研究论文	本文介绍了一种用于高速光学相干弹性成像的微型光纤扫描内窥镜，并提出了基于深度学习的信号处理流程以实现实时弹性估计	提出了一种新型的微型光纤扫描内窥镜设计，并结合深度学习网络处理复杂的波场数据，实现了实时弹性成像	研究仅在体外表征的模型和离体猪组织中进行，尚未在人体内进行验证	开发一种适用于微创手术中的实时弹性成像技术	软组织的弹性特性	计算机视觉	NA	光学相干弹性成像	时空深度学习网络	图像序列	多个弹性模型和离体猪组织
3978	2025-03-19	Real-time quantification of activated sludge concentration and viscosity through deep learning of microscopic images 2025-Mar, Environmental science and ecotechnology IF:14.0Q1 DOI:10.1016/j.ese.2025.100527 PMID:40083746	研究论文	本文介绍了一种通过深度学习分析显微镜图像实时量化活性污泥浓度和粘度的系统	创新点在于使用Xception卷积神经网络架构，从显微镜图像中实时定量识别活性污泥的混合液悬浮固体（MLSS）和表观粘度	研究仅在实验室规模的序批式反应器中进行，尚未在实际废水处理厂中验证	研究目的是开发一种实时在线测量活性污泥参数的方法，以支持未来智能废水处理厂的运行	研究对象是活性污泥的混合液悬浮固体（MLSS）和表观粘度	计算机视觉	NA	深度学习	Xception卷积神经网络	显微镜图像	41482张高质量图像
3979	2025-03-19	Using a fully automated, quantitative fissure integrity score extracted from chest CT scans of emphysema patients to predict endobronchial valve response 2025-Mar, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.12.2.024501 PMID:40093557	研究论文	本文旨在开发和验证一个预测模型，使用从治疗前CT图像中提取的完全自动化的定量裂隙完整性评分（FIS）来识别适合进行支气管内瓣膜（EBV）治疗的患者	创新点在于使用完全自动化的深度学习方法来定量评估裂隙完整性，并以此作为预测EBV治疗效果的生物标志物	研究的局限性在于样本量相对较小（96例），且为回顾性研究，可能影响模型的泛化能力	研究目的是开发一个预测模型，用于识别适合进行EBV治疗的肺气肿患者	研究对象为中度至重度肺气肿患者，这些患者接受了EBV治疗	数字病理学	肺气肿	深度学习	逻辑回归模型	CT图像	96例患者的治疗前后胸部CT检查
3980	2025-03-19	Explainable deep learning algorithm for identifying cerebral venous sinus thrombosis-related hemorrhage (CVST-ICH) from spontaneous intracerebral hemorrhage using computed tomography 2025-Mar, EClinicalMedicine IF:9.6Q1 DOI:10.1016/j.eclinm.2025.103128 PMID:40093990	研究论文	本研究开发了一种可解释的深度学习模型，用于基于非增强计算机断层扫描（NCCT）快速识别由脑静脉窦血栓形成（CVST）引起的脑出血（ICH）	提出了一种基于迁移学习的3D U-Net模型，结合分割和分类，仅使用入院时的平扫CT进行CVST-ICH的识别，并采用多种可解释性方法（如Grad-CAM++、SHAP、IG和遮挡）来理解模型的注意力	需要更大样本量的前瞻性验证	开发一种可解释的深度学习模型，用于快速识别CVST-ICH与自发性脑出血（sICH）	CVST-ICH患者和自发性脑出血（sICH）患者	数字病理学	脑静脉窦血栓形成（CVST）	非增强计算机断层扫描（NCCT）	3D U-Net	CT图像	内部数据集包括102名CVST-ICH患者和306名sICH患者，外部数据集包括38名CVST-ICH患者和119名sICH患者