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
401	2025-05-10	A novel detail-enhanced wavelet domain feature compensation network for sparse-view X-ray computed laminography 2025-Mar, Journal of X-ray science and technology IF:1.7Q3 DOI:10.1177/08953996251319183 PMID:39973784	研究论文	提出了一种新型的细节增强小波域特征补偿网络，用于稀疏视角X射线计算机断层扫描成像	设计了编码器-解码器网络，结合小波域特征补偿和细节增强模块，以及Swin Transformer和卷积算子的组合，以提高稀疏视角CL重建的图像质量	NA	构建深度学习网络用于稀疏视角CL重建	焊点的X射线计算机断层扫描图像	计算机视觉	NA	X射线计算机断层扫描	编码器-解码器网络，Swin Transformer，CNN	图像	3200对16视角和1024视角CL图像（2880对用于训练，160对用于验证，160对用于测试）
402	2025-05-10	A multi-model machine learning framework for breast cancer risk stratification using clinical and imaging data 2025-Mar, Journal of X-ray science and technology IF:1.7Q3 DOI:10.1177/08953996241308175 PMID:39973793	research paper	该研究提出了一个综合机器学习框架，通过整合临床特征和深度学习衍生的影像特征来评估乳腺癌的恶性程度	提出了一种基于堆叠的集成模型，结合了影像和临床数据，显著提高了预测准确性	样本量相对较小（1668名患者），可能影响模型的泛化能力	开发一个可靠的乳腺癌恶性风险评估工具	1668名有乳腺病变记录的患者	digital pathology	breast cancer	deep learning	CNN (EfficientNet, ResNet, DenseNet, InceptionNet), stacking-based ensemble model	image, clinical data	1668名患者
403	2025-05-10	An effective COVID-19 classification in X-ray images using a new deep learning framework 2025-Mar, Journal of X-ray science and technology IF:1.7Q3 DOI:10.1177/08953996241290893 PMID:39973798	research paper	提出了一种新的深度学习框架，用于在X射线图像中有效分类COVID-19	结合了多种特征提取方法和优化算法，开发了混合深度学习算法MhA-Bi-GRU with DSAN，并通过DLF-CO算法最小化损失函数	未提及模型在其他数据集上的泛化能力或实际临床环境中的验证	快速识别COVID-19在胸部X射线图像中的表现	胸部X射线图像	digital pathology	lung cancer	深度学习	MhA-Bi-GRU with DSAN	image	公开数据库COVID-19 Chest X-ray中的样本
404	2025-05-10	Advancing lung cancer diagnosis: Combining 3D auto-encoders and attention mechanisms for CT scan analysis 2025-Mar, Journal of X-ray science and technology IF:1.7Q3 DOI:10.1177/08953996241313120 PMID:39973792	研究论文	本研究评估了一种结合3D自编码器和注意力机制的混合深度学习模型在CT扫描图像中早期检测肺癌的有效性	提出了一种结合3D自编码器和注意力机制的混合模型，显著提高了肺癌早期检测的准确性和敏感性	未提及模型在多样化数据集上的泛化能力或实际临床环境中的测试结果	提高肺癌早期诊断的准确性、敏感性和特异性	CT扫描图像	计算机视觉	肺癌	深度学习	3D Auto-encoders与注意力机制结合的混合模型	3D CT图像	NA
405	2025-05-10	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，并识别了影响因素及其可解释性	提出了一种新型图卷积神经网络模型DistNet-GCN，通过利用采样点之间的空间关系来预测土壤Cd和As浓度，并整合GCN的强大能力来提取复杂网络中节点间的依赖关系	未提及具体的研究区域或样本来源，可能影响模型的泛化能力	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	未明确提及具体样本数量
406	2025-05-10	Automatic segmentation and volumetric analysis of intracranial hemorrhages in brain CT images 2025-Mar, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.111952 PMID:39978270	research paper	该研究开发并评估了基于3D U-Net的深度学习模型，用于在非对比脑CT图像中自动分割和分类颅内出血及相关病理	使用3D U-Net模型进行颅内出血的自动分割和分类，并研究了分割类别数量对模型性能的影响	对于小于1毫升的出血检测存在假阴性，且与文献相比Dice分数较低	开发自动分割和分类颅内出血的深度学习模型，以增强临床决策	非对比脑CT图像中的颅内出血及相关病理	digital pathology	intracranial hemorrhages	deep learning	3D U-Net	image	1508个非对比CT系列，来自医院、QURE500数据集和RSNA 2019脑出血数据集
407	2025-05-10	Spatial Radiomic Graphs for Outcome Prediction in Radiation Therapy-treated Head and Neck Squamous Cell Carcinoma Using Pretreatment CT 2025-Mar, Radiology. Imaging cancer DOI:10.1148/rycan.240161 PMID:39982207	研究论文	开发了一种名为RadGraph的放射组学图框架，用于分析头颈部鳞状细胞癌（HNSCC）治疗前CT图像的空间特征，以改善局部区域复发（LR）和远处转移（DM）的预测	利用计算图和图注意力深度学习方法全面建模头颈部解剖的多个区域，显著提高了LR和DM的预测性能	研究为回顾性分析，可能受到数据收集时间和来源的限制	提高头颈部鳞状细胞癌患者局部区域复发和远处转移的预测准确性	头颈部鳞状细胞癌患者的治疗前CT图像	数字病理学	头颈部鳞状细胞癌	CT成像	图注意力深度学习	图像	3434名患者（训练集1576名，验证集379名，测试集1479名）
408	2025-05-10	Deep learning-based surrogates for multi-objective optimization of the groundwater abstraction schemes to manage seawater intrusion into coastal aquifers 2025-Mar, Journal of environmental management IF:8.0Q1 DOI:10.1016/j.jenvman.2025.124592 PMID:39986155	研究论文	本研究开发并比较了六种基于深度学习的替代模型，用于优化沿海含水层的地下水抽取方案，以管理海水入侵	开发了六种深度学习替代模型，并比较了它们在优化地下水抽取问题中的性能，同时采用了多目标优化算法来获取帕累托最优解	研究可能受限于特定地理区域的数据可用性和模型泛化能力	优化沿海含水层的地下水抽取方案，以管理海水入侵并确保地下水的可持续性	沿海含水层的地下水抽取系统	机器学习	NA	深度学习	Simple and Deep Feed Forward Neural Networks, LSTM, Bi-LSTM, pro-LSTM, GRU	模拟数据	NA
409	2025-05-10	Self-Supervised Learning for Feature Extraction from Glomerular Images and Disease Classification with Minimal Annotations 2025-03-01, Journal of the American Society of Nephrology : JASN IF:10.3Q1 DOI:10.1681/ASN.0000000514 PMID:40029749	research paper	该研究应用自监督学习方法DINO从肾小球图像中提取特征，并用于疾病分类，减少了对大量标注数据的依赖	使用自监督学习DINO方法从未标注的肾小球图像中提取特征，显著降低了深度学习对标注数据的依赖，并在疾病分类任务中表现优于传统ImageNet预训练模型	研究仅使用了PAS染色的肾小球图像，未验证其他染色方法的效果	探索自监督学习在数字肾脏病理学中的应用，提高疾病分类的准确性	肾小球图像和四种肾脏疾病（微小病变、系膜增生性GN、膜性肾病和糖尿病肾病）及临床参数（高血压、蛋白尿和血尿）	digital pathology	kidney disease	self-supervised learning (DINO), principal component analysis	DINO-pretrained backbone, k-nearest neighbor classifiers, linear head layers	image	10,423张肾小球图像，来自384张PAS染色的肾脏活检切片
410	2025-05-10	Routine and Advanced Neurologic Imaging at 0.55-T MRI: Opportunities and Challenges 2025-03, Radiographics : a review publication of the Radiological Society of North America, Inc IF:5.2Q1 DOI:10.1148/rg.240076 PMID:39946265	research paper	探讨在0.55-T MRI系统上进行常规和高级神经影像检查的机会与挑战	利用低磁场强度（0.55-T）MRI系统进行神经影像检查，减少磁敏感伪影并提高MRI安全性	0.55-T系统的图像质量低于1.5-T系统，且存在加速伪影和动态对比增强灌注成像信号不足的问题	评估0.55-T MRI系统在神经影像检查中的应用潜力	脑部和脊髓的常规及高级神经影像检查	医学影像	神经系统疾病	MRI	NA	影像数据	NA
411	2025-05-10	Neural Network-Assisted Dual-Functional Hydrogel-Based Microfluidic SERS Sensing for Divisional Recognition of Multimolecule Fingerprint 2025-Feb-28, ACS sensors IF:8.2Q1 DOI:10.1021/acssensors.4c03096 PMID:39964084	研究论文	提出了一种基于深度学习的双功能分区微流控集成水凝胶表面增强拉曼散射(SERS)平台，用于多分子指纹的分区识别	结合深度学习和双功能微流控水凝胶SERS平台，实现了多分子的分区采样和同步检测	NA	提高拉曼检测系统的灵敏度、集成度和实用性	罗丹明6G(R6G)、福美双、芘、蒽和邻苯二甲酸二丁酯等分子	机器学习和微流控技术	NA	表面增强拉曼散射(SERS)和全连接神经网络技术	全连接神经网络	拉曼光谱数据	四种实际分子(福美双、芘、蒽和邻苯二甲酸二丁酯)
412	2025-05-10	A Graph-Theoretic Approach to Detection of Parkinsonian Freezing of Gait From Videos 2025-Feb-28, Statistics in medicine IF:1.8Q1 DOI:10.1002/sim.70020 PMID:39976295	研究论文	本研究提出了一种基于图论的方法，用于从帕金森病患者的视频数据中检测步态冻结现象	采用图论方法构建姿态图序列，利用Fréchet统计量识别步态冻结的转折点，与主流的基于像素的深度学习方法不同	仅在Kinect3D和AlphaPose两个数据集上进行了验证，样本量有限	开发一种新的步态冻结检测方法，以改善帕金森病的诊断和治疗	帕金森病患者的视频数据	计算机视觉	帕金森病	图论方法	图拉普拉斯矩阵	视频	两个数据集（Kinect3D和AlphaPose）
413	2025-05-10	Derivation of an artificial intelligence-based electrocardiographic model for the detection of acute coronary occlusive myocardial infarction 2025-Feb-28, Archivos de cardiologia de Mexico IF:0.7Q4 DOI:10.24875/ACM.24000195 PMID:40020200	research paper	开发了一种基于人工智能的心电图模型，用于检测急性冠状动脉闭塞性心肌梗死	使用深度学习模型（CNN）通过智能手机摄像头获取的心电图数据来检测ACOMI，其性能优于人类专家和STEMI标准	研究为单中心研究，需要进一步的外部验证	评估AI-ECG模型在急性冠状动脉综合征（ACS）患者中检测急性冠状动脉闭塞性心肌梗死（ACOMI）的性能	被初步诊断为ACS（包括STEMI和NSTEMI）的患者	machine learning	cardiovascular disease	ECG	CNN	ECG图像	未明确提及样本数量，但包括STEMI和NSTEMI患者
414	2025-05-10	Deep Learning Protocol for Predicting Full-Spectrum Infrared and Raman Spectra of Polypeptides and Proteins Using All-Atom Models 2025-Feb-27, The journal of physical chemistry letters IF:4.8Q1 DOI:10.1021/acs.jpclett.5c00169 PMID:39966082	研究论文	本研究开发了一种基于深度学习的协议，用于预测多肽和蛋白质的全谱红外和拉曼光谱	利用转移学习和DetaNet模型成功模拟了数千个原子组成蛋白质的振动光谱，效率比传统量子化学方法高10^10倍	NA	开发高效预测蛋白质振动光谱的深度学习方法	氨基酸、二肽、三肽以及大型多肽和蛋白质	机器学习	NA	红外光谱、拉曼光谱	DetaNet（深度等变张量注意力网络）	光谱数据	氨基酸、二肽和三肽的综合数据集
415	2025-05-10	Toward equitable major histocompatibility complex binding predictions 2025-Feb-25, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2405106122 PMID:39964728	research paper	该研究开发了一种机器学习框架，用于评估MHC结合预测中的数据不平衡问题，并提出了一种先进的MHC结合预测模型，以减少不同种族群体间的数据差异	引入了一种机器学习框架来评估MHC等位基因结合预测中的数据不平衡影响，并开发了一种先进的MHC结合预测模型，提供每个等位基因的性能估计	尽管模型减轻了大部分数据差异，但仍存在一些不平等问题需要进一步解决	开发公平的MHC结合预测模型，用于个性化免疫疗法和疫苗开发	MHC等位基因及其结合数据	machine learning	cancer	deep learning	NA	biological data	NA
416	2025-05-10	AI for image quality and patient safety in CT and MRI 2025-Feb-23, European radiology experimental IF:3.7Q1 DOI:10.1186/s41747-025-00562-5 PMID:39987533	综述	本文综述了人工智能（AI）在计算机断层扫描（CT）和磁共振成像（MRI）中提升图像质量和患者安全的最新进展	AI算法在减少辐射剂量、优化对比剂使用、降低噪声和伪影、提高图像重建速度和质量方面的创新应用	模型的泛化能力有限、缺乏外部验证、模型解释性不足以及决策过程不透明	探讨AI如何优化CT和MRI的成像过程，以提高诊断准确性和患者安全性	计算机断层扫描（CT）和磁共振成像（MRI）的成像过程	数字病理学	NA	深度学习	NA	图像	NA
417	2025-05-10	Event-driven figure-ground organisation model for the humanoid robot iCub 2025-Feb-22, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-56904-9 PMID:39984477	研究论文	本文提出了一种受灵长类视觉系统启发的生物启发感知系统，用于神经形态机器人iCub的事件驱动图形-背景组织模型	采用生物启发的分层架构和事件驱动视觉技术，减少数据冗余和计算需求，与传统方法相比具有更高的效率	在复杂场景下的性能尚未完全验证，可能需要进一步优化以适应更复杂的环境	开发一种高效的图形-背景分割方法，用于自主机器人应用	神经形态机器人iCub	计算机视觉	NA	事件驱动视觉	生物启发分层架构	事件驱动摄像头数据	在模拟和真实场景中进行了定性和定量评估，包括Berkeley Segmentation数据集
418	2025-05-10	Artificial intelligence assessment of tissue-dissection efficiency in laparoscopic colorectal surgery 2025-Feb-22, Langenbeck's archives of surgery DOI:10.1007/s00423-025-03641-8 PMID:39984705	研究论文	本研究通过深度学习模型评估腹腔镜结直肠手术中组织解剖效率的可行性	首次使用深度学习技术自动评估手术技能，特别是组织解剖效率	研究为回顾性设计，依赖手术视频数据，可能存在选择偏差	验证基于深度学习的手术技能自动评估方法的可行性	腹腔镜结直肠手术中的组织解剖过程	计算机视觉	结直肠癌	深度学习	CNN	视频	766例来自日本多中心的腹腔镜结直肠手术视频
419	2025-05-10	SVEA: an accurate model for structural variation detection using multi-channel image encoding and enhanced AlexNet architecture 2025-Feb-22, Journal of translational medicine IF:6.1Q1 DOI:10.1186/s12967-025-06213-y PMID:39987107	research paper	介绍了一种名为SVEA的深度学习模型，用于通过多通道图像编码和增强的AlexNet架构准确检测结构变异	SVEA采用了新颖的多通道图像编码方法，结合多头自注意力机制和多尺度卷积模块，提高了对复杂结构变异的检测能力	虽然SVEA在准确率上优于现有方法约4%，但仍存在进一步优化的空间	提高结构变异检测的准确性	基因组中的结构变异	machine learning	NA	multi-channel image encoding, multi-head self-attention mechanisms, multi-scale convolution modules	AlexNet	genomic datasets	多样化的基因组数据集
420	2025-05-10	A hybrid inception-dilated-ResNet architecture for deep learning-based prediction of COVID-19 severity 2025-Feb-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-91322-3 PMID:39987169	research paper	提出了一种基于深度学习的混合Inception-dilated-ResNet架构，用于预测COVID-19的严重程度	首次将Inception-ResNet与扩张机制结合，用于COVID-19严重程度的评估，并在CT图像分类任务中表现优于非扩张模型	需要依赖专业放射科医生对CT扫描进行标注，且样本量相对有限	开发一种有效的深度学习方法，用于评估COVID-19患者的肺部病变严重程度	COVID-19患者的胸部CT扫描图像	computer vision	COVID-19	deep learning	Inception-dilated-ResNet (dResNet)	image	1548例人类胸部CT扫描