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
4061	2025-03-17	AI-Based 3D Liver Segmentation and Volumetric Analysis in Living Donor Data 2025-Mar-14, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01468-9 PMID:40087225	研究论文	本研究探讨了深度学习在活体肝移植中的3D肝脏分割和体积分析的应用	使用多种U-Net变体模型进行术前和术后的肝脏分割，并评估其性能，同时进行体积分析以测量肝脏切除和再生率	样本量较小，仅包含55名捐赠者的数据	评估深度学习模型在活体肝移植中的肝脏分割和体积分析的准确性和临床应用性	活体肝移植捐赠者的腹部CT数据	计算机视觉	肝病	深度学习	3D U-Net, RU-Net, DU-Net, RDU-Net	3D CT图像	55名捐赠者的腹部CT数据
4062	2025-03-17	De novo design of self-assembling peptides with antimicrobial activity guided by deep learning 2025-Mar-14, Nature materials IF:37.2Q1 DOI:10.1038/s41563-025-02164-3 PMID:40087536	研究论文	本文描述了一种基于深度学习的自组装肽抗菌材料设计方法，用于解决细菌耐药性问题	结合非天然氨基酸增强肽自组装，并通过最小实验注释有效预测自组装肽材料的功能活性	NA	设计具有抗菌功能的自组装肽材料，以应对细菌耐药性问题	自组装肽材料	生物医学工程	细菌感染	深度学习	NA	NA	小鼠肠道细菌感染模型
4063	2025-03-17	Quantitative multislice and jointly optimized rapid CEST for in vivo whole-brain imaging 2025-Mar-14, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.30488 PMID:40087839	研究论文	本文开发了一种用于体内全脑成像的定量多层化学交换饱和转移（CEST）调度优化和脉冲序列，以减少多层序列固有的灵敏度损失	开发了一种深度学习框架，用于同时优化扫描参数和切片顺序，提高了多层CEST成像的准确性和可重复性	研究仅在3名健康受试者中进行了测试，样本量较小，且仅在一名受试者中测试了全脑临床成像的可行性	开发一种减少多层序列灵敏度损失的定量多层CEST调度优化和脉冲序列	健康受试者的大脑白质（WM）和灰质（GM）区域	医学影像	NA	化学交换饱和转移（CEST）	深度学习框架	医学影像数据	3名健康受试者
4064	2025-03-17	Enhanced dose prediction for head and neck cancer artificial intelligence-driven radiotherapy based on transfer learning with limited training data 2025-Mar-14, Journal of applied clinical medical physics IF:2.0Q3 DOI:10.1002/acm2.70012 PMID:40087841	研究论文	本研究探讨了迁移学习对头颈癌人工智能驱动放疗剂量预测模型性能的影响，特别是在训练数据有限的情况下	通过迁移学习微调Hierarchically Densely Connected U-net模型，显著提高了AI驱动放疗剂量预测的准确性	研究依赖于有限的数据集，可能影响模型的泛化能力	提高头颈癌患者AI驱动放疗剂量预测的准确性	头颈癌患者	数字病理	头颈癌	AI-based nodal radiotherapy (AINRT), Daily Adaptive AI-based nodal radiotherapy (DA-AINRT)	Hierarchically Densely Connected U-net	放疗剂量数据	AINRT和DA-AINRT患者数据集
4065	2025-03-17	Self-training EEG discrimination model with weakly supervised sample construction: An age-based perspective on ASD evaluation 2025-Mar-10, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.107337 PMID:40088831	研究论文	本研究开发了一个名为STEM的自训练EEG判别模型框架，用于在标记样本有限的情况下优化自闭症谱系障碍（ASD）的评估	STEM框架通过自训练模型和伪标签样本构建，解决了标记样本有限和个体差异的问题，特别是在ASD评估中表现出色	研究主要依赖于有限的标记样本，且样本来自ASD可疑儿童，可能限制了模型的泛化能力	优化EEG判别模型，提高ASD评估的准确性和适应性	自闭症谱系障碍（ASD）可疑儿童的静息态EEG数据	脑机接口	自闭症谱系障碍	自训练模型，伪标签样本构建	AutoEncoder, BiGRU, 多任务学习模型（MAC）	EEG数据	175名不同年龄组的ASD可疑儿童
4066	2025-03-17	Graphene-based FETs for advanced biocatalytic profiling: investigating heme peroxidase activity with machine learning insights 2025-03-03, Mikrochimica acta DOI:10.1007/s00604-025-06955-y PMID:40029395	研究论文	本研究利用石墨烯场效应晶体管（GFET）系统探索了辣根过氧化物酶（HRP）和血红素分子的过氧化物酶活性，并评估了GFET在分析这些化合物过氧化物酶活性方面的有效性	结合多层感知器深度学习架构的机器学习算法，显著提高了酶行为预测的准确性	NA	评估GFET在分析过氧化物酶活性方面的有效性，并探索HRP和血红素分子的酶促反应机制	辣根过氧化物酶（HRP）和血红素分子	生物化学分析	NA	石墨烯场效应晶体管（GFET）	多层感知器深度学习架构	酶活性数据	NA
4067	2025-03-17	Toward understanding the role of genomic repeat elements in neurodegenerative diseases 2025-Mar-01, Neural regeneration research IF:5.9Q1 DOI:10.4103/NRR.NRR-D-23-01568 PMID:38886931	综述	本文综述了基因组重复元件变异与多种神经退行性疾病之间的关联，并探讨了长读长测序技术和计算模型在识别疾病相关重复元件变异中的应用	强调了基因组重复区域在神经退行性疾病中的重要作用，并介绍了利用长读长测序技术和深度学习语言模型来增强对重复元件变异功能影响的理解	未提及具体的研究数据或样本量，可能缺乏实证支持	探讨基因组重复元件在神经退行性疾病中的作用及其分子机制	基因组重复元件变异	基因组学	神经退行性疾病	长读长测序技术	深度学习语言模型	基因组数据	NA
4068	2025-03-17	MrSeNet: Electrocardiogram signal denoising based on multi-resolution residual attention network 2025 Mar-Apr, Journal of electrocardiology IF:1.3Q3 DOI:10.1016/j.jelectrocard.2024.153858 PMID:39742813	研究论文	本文提出了一种基于多分辨率残差注意力网络的ECG信号去噪方法MrSeNet，旨在提高ECG信号的质量	提出了一种新的端到端多分辨率深度学习网络MrSeNet，结合注意力机制和挤压激励模块，有效融合不同尺度的特征进行ECG信号去噪	未提及具体局限性	减少ECG信号中的噪声，提高信号质量	ECG信号	机器学习	心血管疾病	深度学习	MrSeNet（多分辨率残差注意力网络）	ECG信号数据	CPSC2018数据库和MIT-BIH数据库
4069	2025-03-17	Residual-attention deep learning model for atrial fibrillation detection from Holter recordings 2025 Mar-Apr, Journal of electrocardiology IF:1.3Q3 DOI:10.1016/j.jelectrocard.2025.153876 PMID:39827741	研究论文	本研究开发了一种基于残差注意力机制的深度学习模型，用于从Holter记录中检测心房颤动（AF）	提出了结合残差网络和注意力机制的深度学习模型，能够捕捉长距离依赖和复杂的时间关系，从而提高AF检测的准确性	需要进一步在更大规模的数据集上进行验证和开发	开发一种高效的心房颤动检测模型，以辅助临床决策	661份2导联Holter记录	机器学习	心血管疾病	深度学习	残差注意力网络	心电图数据	661份Holter记录
4070	2025-03-17	Can artificial intelligence lower the global sudden cardiac death rate? A narrative review 2025 Mar-Apr, Journal of electrocardiology IF:1.3Q3 DOI:10.1016/j.jelectrocard.2025.153882 PMID:39862597	综述	本文探讨了人工智能在预测和预防心脏骤停中的作用和应用	综述了人工智能、机器学习和深度学习在心脏骤停风险分层中的显著前景，并提出了未来研究的方向	当前的人工智能技术尚未得到充分的训练和测试，需要进一步研究可解释性技术、更大的样本量、外部验证、更多样化的患者样本、多模态工具、伦理和偏见缓解	探索人工智能在预测和预防心脏骤停中的作用和应用	心脏骤停	机器学习	心血管疾病	NA	机器学习, 深度学习	NA	NA
4071	2025-03-17	Goose multi-omics database: A comprehensive multi-omics database for goose genomics 2025-Mar, Poultry science IF:3.8Q1 DOI:10.1016/j.psj.2025.104842 PMID:39874782	研究论文	本文介绍了鹅多组学数据库（GMD），一个整合鹅基因组数据的统一平台	GMD是首个为鹅基因组研究提供统一接口的多组学数据库，集成了多种分析工具如GBrowse和BLAST，并支持深度学习等前沿方法	未提及数据库的具体数据量或覆盖范围，可能限制了其在某些研究领域的应用	构建一个统一的平台，整合和分析鹅的基因组数据，以促进鹅生物学研究	鹅的基因组数据	基因组学	NA	多组学分析	深度学习	基因组数据	未明确提及具体样本数量
4072	2025-03-17	The use of artificial intelligence to aid the diagnosis of lung cancer - A retrospective-cohort study 2025-Mar, Radiography (London, England : 1995) DOI:10.1016/j.radi.2025.01.011 PMID:39890480	研究论文	本研究探讨了基于深度学习的自动检测算法（DLAD）在胸部X光片（CXR）解释中用于肺癌早期诊断的效果	研究表明AI软件在检测CXR上最初未被发现的肺癌方面表现出色，并有可能提高肺癌检测率并缩短诊断时间	研究中存在假阳性率较高的问题，且样本量相对较小	评估AI软件在肺癌诊断中的临床有效性	105名肺癌患者和103名阴性对照的CXR和胸部CT扫描	数字病理	肺癌	深度学习	DLAD	图像	208名患者的320张CXR
4073	2025-03-17	The potential use of deep learning in performing autocorrection of setup errors in patients receiving radiotherapy 2025-Mar, Radiography (London, England : 1995) DOI:10.1016/j.radi.2025.01.016 PMID:39892051	研究论文	本文探讨了使用深度学习在放射治疗中自动校正患者定位错误的可行性	利用神经网络对获取的端口图像（PFIs）和数字重建放射影像（DRRs）进行自动校正，展示了AI在放射治疗中的潜在应用	需要进一步研究以验证该方法在临床实践中的有效性	探索人工智能在辅助放射治疗患者定位校正中的应用	接受放射治疗的脑部和气道消化道恶性肿瘤患者	数字病理	脑癌, 气道消化道恶性肿瘤	神经网络	神经网络	图像	156名患者（96名气道消化道恶性肿瘤患者，60名脑肿瘤患者）
4074	2025-03-17	A novel graph convolutional neural network model for predicting soil Cd and As pollution: Identification of influencing factors and interpretability 2025-Mar-01, Ecotoxicology and environmental safety IF:6.2Q1 DOI:10.1016/j.ecoenv.2025.117926 PMID:39978104	研究论文	本研究探讨了一种新型图卷积神经网络模型DistNet-GCN在预测土壤镉（Cd）和砷（As）污染中的应用，通过利用采样点之间的空间关系，该模型旨在预测土壤中的Cd和As浓度	DistNet-GCN模型的独特之处在于其能够通过整合GCN在复杂网络中提取节点间依赖关系的强大能力，模拟土壤Cd/As浓度与环境影响因素在局部空间范围内的关系传递过程	NA	准确预测土壤中有毒金属浓度，以保障土壤环境安全	土壤中的镉（Cd）和砷（As）浓度	机器学习	NA	图卷积神经网络（GCN）	DistNet-GCN	空间关系图结构数据	NA
4075	2025-03-17	An optimized lightweight real-time detection network model for IoT embedded devices 2025-Jan-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-88439-w PMID:39885208	研究论文	本文提出并部署了一种适用于物联网嵌入式设备的优化轻量级实时检测网络模型FRYOLO，用于解决YOLOv8在资源受限设备上部署的挑战	提出了一种针对物联网嵌入式设备优化的轻量级实时检测网络模型FRYOLO，解决了YOLOv8在资源受限设备上部署的难题	未提及模型在其他类型目标检测任务中的表现，仅以水果检测为例进行了验证	开发一种适用于物联网嵌入式设备的轻量级实时检测网络模型	物联网嵌入式设备中的实时目标检测任务	计算机视觉	NA	深度学习	YOLOv8, FRYOLO	图像	未明确提及具体样本数量，仅以水果检测为例
4076	2025-03-17	A deep learning approach versus expert clinician panel in the classification of posterior circulation infarction 2025, NeuroImage. Clinical DOI:10.1016/j.nicl.2025.103732 PMID:39826393	研究论文	本研究旨在开发和验证一种深度学习方法来分类后循环梗死（POCI），使用CT灌注成像（CTP）数据	首次将3D-DenseNet应用于POCI的分类，并展示了其优于专家临床医生的诊断性能	研究结果依赖于特定数据集，且模型性能的提升程度因临床医生而异	开发并验证一种基于深度学习的POCI分类方法，以改善诊断准确性	后循环梗死（POCI）患者	数字病理学	心血管疾病	CT灌注成像（CTP）	3D-DenseNet	图像	3541名患者，其中541名用于模型分析
4077	2025-03-17	Deep learning based tractography with TractSeg in patients with hemispherotomy: Evaluation and refinement 2025, NeuroImage. Clinical DOI:10.1016/j.nicl.2025.103738 PMID:39922027	研究论文	本文探讨了基于深度学习的纤维束追踪技术TractSeg在半球切除术患者中的应用及其改进	首次记录了TractSeg在已知手术断开的情况下错误重建纤维束的情况，并提出了改进方法以提高其在病理数据中的适用性	尽管提出了改进方法，但仍建议在将深度学习纤维束追踪技术应用于患者数据时进行手动质量控制	评估和改进TractSeg在半球切除术患者中的纤维束追踪效果	25名接受半球切除术的癫痫患者和25名健康对照者	医学影像分析	癫痫	深度学习纤维束追踪	TractSeg	医学影像数据	25名患者和25名健康对照者
4078	2025-03-17	Boostering diagnosis of frontotemporal lobar degeneration with AI-driven neuroimaging - A systematic review and meta-analysis 2025, NeuroImage. Clinical DOI:10.1016/j.nicl.2025.103757 PMID:39983552	系统综述与荟萃分析	本文评估了基于神经影像特征的AI算法在诊断和预测额颞叶变性（FTLD）方面的效果	利用AI驱动的神经影像技术，特别是机器学习和深度学习算法，显著提高了FTLD的诊断准确性	在多类别分类中，敏感性较低，尤其是在更高类别的区分中（如5类和11类）	评估神经影像特征基于AI算法在FTLD诊断和预测中的效果	额颞叶变性（FTLD）患者	数字病理学	老年疾病	机器学习（ML）和深度学习	深度学习	神经影像数据	75篇文章，20,601名受试者，包括8,051名FTLD患者
4079	2025-03-17	Multi-atlas multi-modality morphometry analysis of the South Texas Alzheimer's Disease Research Center postmortem repository 2025, NeuroImage. Clinical DOI:10.1016/j.nicl.2025.103752 PMID:39987858	研究论文	本文介绍了对南德克萨斯阿尔茨海默病研究中心尸检库进行的多图谱多模态形态学分析，旨在研究共病性痴呆	开发了新的处理流程，利用可用的MRI序列，解决了尸检神经影像中的多个挑战，如从固定液中分离脑组织、更新脑图谱以及脑固定引起的组织对比变化	区域脑体积在尸检扫描中难以测量，尽管可以获得反映性别差异和年龄趋势的稳健估计	研究共病性痴呆的神经病理学和神经影像学特征	南德克萨斯阿尔茨海默病研究中心尸检库中的脑捐赠和MRI扫描数据	数字病理学	阿尔茨海默病	MRI	深度学习网络	MRI图像	200个脑捐赠和100个MRI扫描
4080	2025-03-17	DeepSeeded: Volumetric Segmentation of Dense Cell Populations with a Cascade of Deep Neural Networks in Bacterial Biofilm Applications 2024-Mar-15, Expert systems with applications IF:7.5Q1 DOI:10.1016/j.eswa.2023.122094 PMID:38646063	研究论文	本文提出了一种名为DeepSeeded的新型3D细胞分割方法，通过级联深度学习架构估计种子，用于经典的种子区域生长分割	DeepSeeded方法通过级联深度学习架构增强细胞内部和边界信息，并使用欧几里得距离变换进行体素级分类，从而在密集且强度不均匀的显微镜图像体积中分割接触的细胞实例	尽管在密集细胞群的分割上表现出色，但该方法在低信噪比和高细胞密度的显微镜图像上可能仍存在挑战	开发一种能够准确分割密集细胞群的3D显微镜图像的方法，以量化细胞属性并促进生物医学研究的新发现	细菌生物膜中的密集细胞群	计算机视觉	NA	深度学习	级联深度神经网络	3D显微镜图像	合成数据集和两个真实生物膜数据集