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
4021	2025-03-19	Deep Learning Initialized Compressed Sensing (Deli-CS) in Volumetric Spatio-Temporal Subspace Reconstruction 2023-Mar-28, bioRxiv : the preprint server for biology DOI:10.1101/2023.03.28.534431 PMID:37034586	研究论文	本文提出了一种名为Deli-CS的深度学习方法，用于加速时空MRI数据的重建，同时减少深度学习引起的幻觉风险	提出了Deli-CS框架，通过深度学习生成的起点来“启动”迭代重建，从而减少重建时间	需要大量训练数据，且在不强制数据一致性的情况下可能产生与采集数据不匹配的结果	减少时空MRI数据的重建时间，同时限制深度学习引起的幻觉风险	全脑多参数映射的时空MRI数据	医学影像处理	NA	深度学习，压缩感知	深度学习模型	时空MRI数据	NA
4022	2025-03-19	Control of hybrid electromagnetic bearing and elastic foil gas bearing under deep learning 2020, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0243107 PMID:33264358	研究论文	本研究基于径向基函数（RBF）神经网络探索了混合电磁和弹性箔气体轴承的控制，以提高其工作稳定性	提出了基于RBF神经网络的CIPD轴承控制方法，具有最短响应时间和最佳控制效果	研究主要基于仿真平台，未涉及实际应用验证	提高混合电磁和弹性箔气体轴承的工作稳定性	混合电磁和弹性箔气体轴承系统	机器学习	NA	径向基函数（RBF）神经网络	RBF神经网络	仿真数据	NA
4023	2025-03-18	Physics-based generative adversarial network for real-time acoustic holography 2025-May, Ultrasonics IF:3.8Q1 DOI:10.1016/j.ultras.2025.107583 PMID:39893755	研究论文	本文提出了一种基于物理模型的生成对抗网络（GAN），用于实时声学全息成像	提出了一种结合物理模型（ASM）的深度学习算法，用于学习从目标场到源相位全息图的逆物理映射，并开发了具有两个解码器分支的Y-Net结构，以解决神经网络在高频特征上的固有局限性	神经网络在高频特征上的固有局限性	提高相位全息图计算的高保真度和实时性能	声学全息成像中的相位全息图	计算机视觉	NA	生成对抗网络（GAN）	GAN, Y-Net	声学全息图	NA
4024	2025-03-18	Efficacy of a deep learning system for automatic analysis of the comprehensive spatial relationship between the mandibular third molar and inferior alveolar canal on panoramic radiographs 2025-May, Oral surgery, oral medicine, oral pathology and oral radiology DOI:10.1016/j.oooo.2024.12.020 PMID:39915134	研究论文	本文开发并评估了一种深度学习系统，用于预测下颌第三磨牙（M3）与下牙槽神经管（IAC）之间的接触和相对位置关系，以用于M3手术的术前评估	开发了一种深度学习系统，能够自动分析全景X光片中M3与IAC之间的空间关系，并在诊断结果上优于经验丰富的牙医	样本量相对较小，仅包含279张全景X光片和441颗M3	开发并评估一种深度学习系统，用于预测M3与IAC之间的接触和相对位置关系，以辅助M3手术的术前评估	下颌第三磨牙（M3）与下牙槽神经管（IAC）之间的空间关系	计算机视觉	口腔疾病	深度学习	ResNet50	图像	279张全景X光片，441颗M3
4025	2025-03-18	Prior Knowledge-Guided U-Net for Automatic Clinical Target Volume Segmentation in Postmastectomy Radiation Therapy of Breast Cancer 2025-Apr-01, International journal of radiation oncology, biology, physics DOI:10.1016/j.ijrobp.2024.11.104 PMID:39667584	研究论文	本研究旨在设计和评估一种基于先验知识引导的U-Net（PK-UNet）模型，用于乳腺癌术后放疗中的临床靶区（CTV）自动分割	首次将先验医学知识整合到深度学习框架中，用于乳腺癌术后放疗的CTV分割	研究样本量相对较小，仅包含102例CT扫描	提高乳腺癌术后放疗中CTV分割的准确性和临床工作效率	乳腺癌术后患者的CT扫描图像	计算机视觉	乳腺癌	CT扫描	U-Net	图像	102例乳腺癌术后患者的CT扫描
4026	2025-03-18	Explainable attention-enhanced heuristic paradigm for multi-view prognostic risk score development in hepatocellular carcinoma 2025-Mar-16, Hepatology international IF:5.9Q1 DOI:10.1007/s12072-025-10793-8 PMID:40089963	研究论文	本研究提出了一种新颖的深度学习辅助范式，通过生成可解释的多视角风险评分来分层肝细胞癌（HCC）患者的预后风险	引入了一种新的深度学习辅助范式，结合注意力机制（ATAT）启发式识别高风险组织，并开发了混合深度评分（HDS），提供了从微观到宏观的多视角风险评分系统	依赖于内部和外部数据集，可能限制了模型的泛化能力	开发一种可解释的多视角风险评分系统，以分层HCC患者的预后风险	肝细胞癌（HCC）患者	数字病理学	肝细胞癌	深度学习	神经网络	图像	内部数据集（SYSUCC）510名HCC患者，外部测试队列（TCGA-LIHC）341名HCC患者
4027	2025-03-18	An MR-only deep learning inference model-based dose estimation algorithm for MR-guided adaptive radiation therapy 2025-Mar-16, Medical physics IF:3.2Q1 DOI:10.1002/mp.17759 PMID:40089982	研究论文	本研究开发了一种基于深度学习的剂量计算引擎，用于磁共振引导的自适应放射治疗（MRgART），仅依赖MR图像进行剂量计算	提出了一种仅依赖MR图像的深度学习剂量计算引擎，消除了对CT图像和复杂射线追踪过程的需求，显著提高了MRgART工作流程的效率和准确性	研究仅针对前列腺癌患者，样本量相对较小（30名患者），且未在其他癌症类型或MR-linac系统上进行验证	开发一种仅依赖MR图像的深度学习剂量计算引擎，以解决MRgART工作流程中准确且快速剂量计算的需求	前列腺癌患者	医学影像分析	前列腺癌	深度学习	U-Net	MR图像	30名前列腺癌患者，120个在线治疗计划，1080个独立光束
4028	2025-03-18	Quantitative susceptibility mapping via deep neural networks with iterative reverse concatenations and recurrent modules 2025-Mar-16, Medical physics IF:3.2Q1 DOI:10.1002/mp.17747 PMID:40089979	研究论文	本研究提出了一种名为IR2QSM的新型深度学习方法，通过独特的网络架构提高潜在特征的利用率，以改善定量磁化率成像（QSM）的重建精度并减少噪声和伪影	IR2QSM采用了一种先进的U-net架构，包含四次反向连接和中间循环模块，优化了特征融合并提高了QSM的准确性	尽管IR2QSM在模拟和体内数据上表现优异，但其在更广泛的临床数据集上的表现仍需进一步验证	开发一种新的深度学习方法，以提高QSM重建的准确性并减少噪声和伪影	定量磁化率成像（QSM）的重建	计算机视觉	神经系统疾病	MRI	U-net	图像	模拟和体内数据集
4029	2025-03-18	Contrastive Learning with Transformer to Predict the Chronicity of Children with Immune Thrombocytopenia 2025-Mar-14, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3551365 PMID:40085458	研究论文	本文提出了一种结合对比学习和Transformer的新方法，用于预测儿童免疫性血小板减少症（ITP）的慢性化	本文的创新点在于将对比学习与Transformer结合，处理小样本和不平衡数据问题，并通过随机掩码和过采样技术增强数据	由于ITP的自限性和儿童患者数据的稀缺性，数据存在小样本和不平衡问题，这可能影响模型的泛化能力	研究目的是通过深度学习模型准确预测儿童ITP的慢性化，以帮助临床医生制定个性化治疗计划	研究对象为患有免疫性血小板减少症（ITP）的儿童	机器学习	免疫性血小板减少症	对比学习，Transformer	FT-Transformer	表格数据	真实世界的ITP儿童数据
4030	2025-03-18	DenseFormer-MoE: A Dense Transformer Foundation Model with Mixture of Experts for Multi-Task Brain Image Analysis 2025-Mar-14, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3551514 PMID:40085471	研究论文	本文提出了一种结合密集卷积网络、视觉Transformer和专家混合（MoE）的Dense Transformer基础模型（DenseFormer-MoE），用于多任务脑图像分析	该模型通过结合密集卷积网络、视觉Transformer和MoE，逐步学习和整合T1加权磁共振图像（sMRI）的局部和全局特征，以应对多任务学习中的优化冲突	模型主要针对T1加权磁共振图像，未涉及其他类型的脑图像数据	开发一个适用于多种脑图像分析任务的基础模型	T1加权磁共振图像（sMRI）	计算机视觉	脑部疾病	Masked Autoencoder, 自监督学习	DenseFormer-MoE, Vision Transformer, Densenet	图像	多个知名脑成像数据集，包括UK Biobank (UKB), Alzheimer's Disease Neuroimaging Initiative (ADNI), 和 Parkinson's Progression Markers Initiative (PPMI)
4031	2025-03-18	Deep Learning-Based Contrast Boosting in Low-Contrast Media Pre-TAVR CT Imaging 2025-Mar-12, Canadian Association of Radiologists journal = Journal l'Association canadienne des radiologistes DOI:10.1177/08465371251322054 PMID:40071690	研究论文	本研究探讨了基于深度学习的对比增强（DL-CB）在低对比剂（low-CM）CT中对图像质量和测量可靠性的影响，用于经导管主动脉瓣置换术（TAVR）前的评估	首次在低对比剂CT中应用深度学习技术进行对比增强，显著提高了图像质量和测量可靠性	研究为回顾性研究，样本量较小（n=68），且仅限于肾功能不全患者	评估深度学习对比增强技术在低对比剂CT中的效果，用于TAVR前的图像评估	肾功能不全的TAVR候选者	医学影像	心血管疾病	深度学习对比增强（DL-CB）	深度学习	CT图像	68名肾功能不全的TAVR候选者
4032	2025-03-11	A Need for Multi-Institutional Collaboration for Deep Learning-Driven Assessment of Osteosarcoma Treatment Response 2025-Mar-07, The American journal of pathology DOI:10.1016/j.ajpath.2025.02.002 PMID:40056973	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
4033	2025-03-18	Leveraging functional annotations to map rare variants associated with Alzheimer's disease with gruyere 2025-Mar-04, medRxiv : the preprint server for health sciences DOI:10.1101/2024.12.06.24318577 PMID:39677477	研究论文	本文提出了一种名为gruyere的贝叶斯概率模型，用于利用功能注释改进罕见变异的优先排序，并应用于阿尔茨海默病的全基因组测序数据	gruyere模型通过全局、特定性状的功能注释权重学习，改进了现有方法，特别是在结合细胞类型特异性信息方面	现有方法在结合细胞类型特异性信息方面缺乏足够的能力，gruyere模型试图填补这一空白	研究目的是通过改进的罕见变异关联测试方法，识别与阿尔茨海默病相关的基因和功能注释	研究对象为阿尔茨海默病测序项目中的7,966例病例和13,412例对照的全基因组测序数据	基因组学	阿尔茨海默病	全基因组测序（WGS）	贝叶斯概率模型（gruyere）	基因组数据	7,966例病例和13,412例对照
4034	2025-03-18	Metric-Guided Conformal Bounds for Probabilistic Image Reconstruction 2025-Mar-04, ArXiv PMID:38711427	研究论文	本文提出了一种框架，用于计算从概率黑箱图像重建算法得出的预测边界，以提供关于受试者真实状态的可证明有效的统计声明	该框架通过使用临床相关指标表示重建扫描，并利用共形预测（CP）校准真实指标的边界，提供了比传统基于像素的边界方法更好的语义解释	需要先前的校准数据集来校准边界，可能限制了其在新数据集上的应用	提供关于受试者真实状态的可证明有效的统计声明	稀疏视图计算机断层扫描（CT）图像	计算机视觉	NA	共形预测（CP）	概率黑箱图像重建算法	图像	NA
4035	2025-03-18	phyddle: software for exploring phylogenetic models with deep learning 2025-Feb-28, bioRxiv : the preprint server for biology DOI:10.1101/2024.08.06.606717 PMID:39149349	研究论文	本文介绍了phyddle，一种基于深度学习的软件，用于在缺乏可处理似然函数的系统发育模型中进行建模任务	phyddle通过无似然深度学习方法，解决了传统方法无法处理的系统发育模型问题，并提供了灵活的命令行界面	NA	开发一种软件工具，用于在缺乏可处理似然函数的系统发育模型中进行建模任务	系统发育树	机器学习	NA	深度学习	NA	系统发育数据	NA
4036	2025-03-18	Consequences of training data composition for deep learning models in single-cell biology 2025-Feb-24, bioRxiv : the preprint server for biology DOI:10.1101/2025.02.19.639127 PMID:40060416	研究论文	本文系统研究了训练数据集组成对单细胞转录组学深度学习模型行为的影响	首次系统探讨了训练数据组成对单细胞转录组学基础模型性能的影响，并提出了优化策略	研究主要聚焦于人类造血系统，可能限制了结果的普适性	探讨训练数据组成对单细胞转录组学深度学习模型性能的影响	人类造血系统中的单细胞转录组数据	单细胞生物学	NA	单细胞转录组学	深度学习模型	单细胞转录组数据	包括成人和发育组织、疾病状态和扰动图谱的细胞
4037	2025-03-18	Artificial Intelligence in Pancreatic Imaging: A Systematic Review 2025-02, United European gastroenterology journal IF:5.8Q1 DOI:10.1002/ueg2.12723 PMID:39865461	综述	本文探讨了人工智能在胰腺影像学中的角色、技术进步、临床应用及相关挑战	深入分析了人工智能，特别是深度学习和放射组学在胰腺疾病检测和诊断中的应用及其潜力	面临法律和伦理问题、算法透明度及数据安全等挑战	提升胰腺疾病的诊断和治疗效果，改善患者预后和生存率	胰腺疾病，包括急性和慢性胰腺炎及各种胰腺肿瘤	数字病理学	胰腺癌	深度学习、放射组学	CNN	影像数据（CT、MRI、内镜超声）	涉及人类受试者的英文文章，截至2024年3月31日
4038	2025-03-18	Automatic rating of incomplete hippocampal inversions evaluated across multiple cohorts 2025-Jan-20, ArXiv PMID:39148932	研究论文	本文提出了一种自动评估不完全海马反转（IHI）的方法，通过预测四个解剖学标准并汇总形成IHI评分，进行了广泛的机器学习方法和训练策略的实验研究	首次提出自动评估IHI的方法，并展示了深度学习模型在多个队列中的泛化能力	研究基于特定队列，可能缺乏对其他人群的普适性	开发自动评估不完全海马反转（IHI）的方法，以理解其与神经和精神疾病的潜在关系	不完全海马反转（IHI）	数字病理	癫痫, 精神分裂症	深度学习	conv5-FC3, ResNet, SECNN, 岭回归	T1加权MR图像	IMAGEN研究的2,008名参与者，QTIM研究的993名参与者，QTAB研究的403名参与者，以及UKBiobank的985名受试者
4039	2025-03-18	High resolution kinematic approach for quantifying impaired mobility of dystrophic zebrafish larvae 2024-Dec-09, bioRxiv : the preprint server for biology DOI:10.1101/2024.12.05.627004 PMID:39713379	研究论文	本文开发了一种高分辨率运动学方法，用于量化营养不良斑马鱼幼虫的受损运动能力	使用高速摄像技术和基于深度学习的无标记运动捕捉技术，开发了幼虫逃逸反应游泳的链接段模型，提供了高精度的运动学估计	NA	开发一种高分辨率的方法来评估营养不良斑马鱼幼虫的运动能力，作为早期治疗开发的生理相关目标	营养不良斑马鱼幼虫	计算机视觉	肌肉疾病	高速摄像技术，深度学习	随机森林，支持向量机	视频	NA
4040	2025-03-18	A Learnable Prior Improves Inverse Tumor Growth Modeling 2024-Nov-06, ArXiv PMID:38495563	研究论文	本文提出了一种结合深度学习和进化策略的新框架，用于从磁共振图像中估计脑肿瘤细胞浓度	提出了一种结合深度学习和进化策略的协同框架，显著提高了逆问题求解的效率和精度	未明确提及具体局限性	提高从磁共振图像中估计脑肿瘤细胞浓度的效率和精度	脑肿瘤细胞浓度	计算机视觉	脑肿瘤	深度学习算法与高精度进化策略	深度学习集成模型	磁共振图像	未明确提及样本数量