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
4341	2025-03-26	Deep Learning-Assisted Diagnosis of Placenta Accreta Spectrum Using the DenseNet-121 Model: A Multicenter, Retrospective Study 2025-Mar-24, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01475-w PMID:40128503	研究论文	探讨基于MRI的深度学习成像在预测高风险孕妇胎盘植入谱（PAS）中的诊断价值	使用DenseNet-121模型进行深度学习辅助诊断，与传统临床模型或机器学习放射组学模型相比表现出更好的性能	研究为回顾性设计，样本量相对较小（263例患者）	评估深度学习模型在预测胎盘植入谱（PAS）中的诊断效能	高风险孕妇中的疑似胎盘植入患者	数字病理	胎盘植入谱（PAS）	MRI成像	DenseNet-121, SVM, KNN, RF, LGBM	医学影像	263例患者（170例训练集，93例外部验证集）
4342	2025-03-26	Microscope-Assisted Hypertensive Retinopathy Diagnosis Using Deep Learning Models 2025-Mar-24, Microscopy research and technique IF:2.0Q3 DOI:10.1002/jemt.24847 PMID:40129051	研究论文	本文提出了一种基于U-Net和Dense-Net的深度学习模型，用于通过视网膜图像自动检测和分级高血压视网膜病变（HR）	结合U-Net和Dense-Net模型，通过计算动静脉比率（AVR）实现HR的自动检测和分级	NA	开发一种自动化的高血压视网膜病变诊断和分级方法	高血压视网膜病变（HR）患者的视网膜图像	数字病理学	心血管疾病	深度学习	U-Net, Dense-Net	图像	AVRDB数据集
4343	2025-03-26	Toward Informative Representations of Blood-Based Infrared Spectra via Unsupervised Deep Learning 2025-Mar-24, Journal of biophotonics IF:2.0Q3 DOI:10.1002/jbio.70011 PMID:40129053	研究论文	本研究探索利用无监督深度学习技术，从人类血液的红外分子指纹中提取低维表示	开发了一种全卷积去噪自编码器，用于处理FTIR光谱数据，通过自定义损失函数有效降噪并保留关键分子信息，提高了肺癌检测准确率2.6个百分点	NA	探索红外光谱数据的低维表示方法以提升疾病诊断效果	人类血液的红外分子指纹	机器学习	肺癌	FTIR光谱技术	全卷积去噪自编码器	光谱数据	NA
4344	2025-03-26	Augmenting atmospheric turbulence effects on thermal-adapted deep object detection models 2025-Mar-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-86830-1 PMID:40121214	research paper	本文探讨了大气湍流图像增强技术在提高热适应和基于深度学习的物体检测模型在大气湍流条件下的准确性和鲁棒性方面的有效性	研究了三种不同的基于近似的湍流模拟器（几何、Zernike-based和P2S）生成的湍流训练和测试数据集，并评估了三种最先进的深度学习物体检测模型（RTMDet-x、DINO-4scale和YOLOv8-x）在这些数据集上的性能	NA	提高物体检测模型在大气湍流条件下的准确性和鲁棒性	热适应和基于深度学习的物体检测模型	computer vision	NA	turbulence image augmentation techniques	RTMDet-x, DINO-4scale, YOLOv8-x	image	NA
4345	2025-03-26	Deep learning on T2WI to predict the muscle-invasive bladder cancer: a multi-center clinical study 2025-Mar-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-82909-3 PMID:40121216	研究论文	开发基于MRI的深度学习模型以预测肌层浸润性膀胱癌（MIBC）	利用多中心临床数据构建深度学习模型，结合T2WI图像、分割膀胱和感兴趣区域进行MIBC预测	外部测试集的敏感性和阳性预测值较低，分别为57.1%和50.0%	预测肌层浸润性膀胱癌（MIBC）	559名膀胱癌患者（包括521名内部中心和38名外部中心患者）	数字病理	膀胱癌	MRI	Inception V3	图像	559名患者（2012-2023年）
4346	2025-03-26	Development and validation of a postoperative prognostic model for hormone receptor positive early stage breast cancer recurrence 2025-Mar-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-92872-2 PMID:40121273	研究论文	开发并验证了一个基于Transformer的深度学习预后模型HERPAI，用于预测激素受体阳性早期乳腺癌患者的复发风险	首次为低复发风险患者开发了一个基于Transformer的深度学习预后模型，并在多个独立医疗中心的外部测试中验证了其性能	研究是回顾性的，可能存在选择偏倚	预测激素受体阳性早期乳腺癌患者的复发风险，以指导辅助治疗	激素受体阳性/人表皮生长因子受体阴性早期乳腺癌患者	数字病理	乳腺癌	深度学习	Transformer	临床和病理数据	6340名患者（5424名用于推导队列，916名用于外部测试队列）
4347	2025-03-26	A novel framework for segmentation of small targets in medical images 2025-Mar-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-94437-9 PMID:40121297	research paper	提出了一种名为STS-Net的新型框架，专门用于医学图像中小目标的精确分割	采用ResNeXt50-32x4d架构作为编码器，并在编码阶段集成注意力机制以增强网络的特征表示能力	在训练样本数量有限的情况下，现有网络处理极小目标分割仍存在困难	解决医学图像中小目标分割的挑战	医学图像中的小目标	digital pathology	NA	deep learning	CNN, STS-Net	image	四个公开数据集
4348	2025-03-26	High-resolution image reflection removal by Laplacian-based component-aware transformer 2025-Mar-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-94464-6 PMID:40121298	research paper	提出了一种基于Laplacian金字塔和transformer的高分辨率图像反射去除框架LapCAT	利用Laplacian金字塔网络去除高频反射模式，并通过反射感知的多头自注意力机制设计组件可分离transformer块（CSTB）	NA	解决高分辨率图像反射去除问题，提升照片拍摄质量和场景理解	高分辨率图像中的反射模式	computer vision	NA	Laplacian金字塔网络，transformer	transformer (CSTB)	image	多个基准数据集
4349	2025-03-26	Mechanical Evolution of Metastatic Cancer Cells in 3D Microenvironment 2025-Mar-21, Small (Weinheim an der Bergstrasse, Germany) DOI:10.1002/smll.202403242 PMID:40116569	research paper	该研究利用光学布里渊显微镜在3D微环境中对转移性癌细胞的机械特性进行纵向监测，并开发了一种深度学习流程用于癌症分类	首次在3D生理环境中长期监测癌细胞的机械特性，并证明这些机械特征可作为癌症分类的新生物标志物	研究仅针对体外培养的癌细胞球体，尚未在体内环境中验证	探究癌细胞在3D微环境中的机械特性演化及其在癌症分类中的应用	转移性癌细胞和正常细胞的3D球体模型	生物医学工程	癌症	光学布里渊显微镜	深度学习	图像	8天生长周期的癌细胞球体
4350	2025-03-26	RNAmigos2: accelerated structure-based RNA virtual screening with deep graph learning 2025-Mar-21, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-57852-0 PMID:40118849	research paper	介绍了一种名为RNAmigos2的基于深度图学习的RNA虚拟筛选方法，显著提高了筛选速度和准确性	首次将数据驱动的虚拟筛选流程应用于RNA，结合粗粒度3D建模、合成数据增强和RNA特异性自监督学习，实现了比传统分子对接快10,000倍的速度	RNA领域的数据有限，且机器学习方法在该领域的实际评估不足	开发一种高效的RNA虚拟筛选方法，以加速RNA药物的发现	RNA分子及其结合位点	machine learning	NA	deep graph learning, 3D modeling, synthetic data augmentation	deep learning model	3D RNA结构数据	20,000种化合物的体外微阵列测试
4351	2025-03-26	4D-ONIX for reconstructing 3D movies from sparse X-ray projections via deep learning 2025-Mar-21, Communications engineering DOI:10.1038/s44172-025-00390-w PMID:40119014	research paper	提出了一种基于深度学习的4D-ONIX方法，用于从极少数X射线投影中重建3D电影	结合X射线与物质相互作用的计算物理模型和最先进的深度学习方法，能够从极少数投影中高质量重建4D信息	需要验证在更广泛实验条件下的适用性	解决从稀疏投影重建4D信息的挑战	水滴碰撞模拟和增材制造实验数据	计算机视觉	NA	X射线多投影成像	深度学习	X射线投影图像	模拟水滴碰撞和增材制造实验数据，每个时间戳仅2-3个投影
4352	2025-03-26	The artificial intelligence revolution in gastric cancer management: clinical applications 2025-Mar-21, Cancer cell international IF:5.3Q1 DOI:10.1186/s12935-025-03756-4 PMID:40119433	review	本文全面回顾了人工智能算法在胃癌管理中的最新研究现状和应用	人工智能技术，特别是机器学习和深度学习，在胃癌的诊断、治疗和预后评估中带来了前所未有的创新和突破	目前大多数基于AI的模型尚未在临床实践中广泛应用	探讨人工智能技术在胃癌临床管理中的应用及其潜力	胃癌	digital pathology	gastric cancer	machine learning, deep learning	NA	image, text	NA
4353	2025-03-26	Nomogram to predict 1-year cognitive decline after stent placement for unruptured intracranial aneurysms 2025-Mar-21, iScience IF:4.6Q1 DOI:10.1016/j.isci.2025.111839 PMID:40124476	研究论文	开发了一种深度学习放射组学列线图（DLRN）用于预测未破裂颅内动脉瘤支架置入术后1年认知功能下降	首次结合治疗后DWI和临床特征，利用深度学习放射组学方法构建预测模型	样本量相对有限（526例），且前瞻性队列样本量较小（108例）	预测未破裂颅内动脉瘤支架置入术后认知功能下降风险	接受支架置入术治疗的未破裂颅内动脉瘤患者	数字病理学	颅内动脉瘤	扩散加权磁共振成像（DWI）	深度学习放射组学列线图（DLRN）	医学影像	526例患者（训练队列251例，外部验证队列167例，前瞻性队列108例）
4354	2025-03-26	CSEA-Net: A channel-spatial enhanced attention network for lung tumor segmentation on CT images 2025-Mar-21, iScience IF:4.6Q1 DOI:10.1016/j.isci.2025.111974 PMID:40124480	研究论文	介绍了一种名为CSEA-Net的深度学习模型，用于在CT图像上自动分割肺结节	提出了结合双分支通道-空间特征增强网络和坐标注意力机制的深度学习架构，以提高对小且轮廓不清的肺结节的分割精度	未提及具体的数据集限制或模型在特定条件下的性能下降情况	提高肺结节分割的效率和准确性，以辅助肺癌的早期检测	CT图像中的肺结节	数字病理	肺癌	深度学习	CSEA-Net（结合双分支通道-空间特征增强网络和坐标注意力机制的CNN）	CT图像	多个公开数据集（未提及具体数量）
4355	2025-03-26	Single-View 3D Hair Modeling with Clumping Optimization 2025-Mar-20, IEEE transactions on visualization and computer graphics IF:4.7Q1 DOI:10.1109/TVCG.2025.3552919 PMID:40111766	research paper	该论文提出了一种结合毛发成簇效应的单视图3D毛发建模方法，通过分层毛发表示和可微分框架优化毛发的几何结构和成簇参数	引入了毛发成簇修饰器到引导毛发和基于蒙皮的毛发表达中，提出了一种分层毛发表示方法，并设计了一个完全可微分的框架来迭代求解引导毛发位置和成簇参数	未提及具体的数据集规模或计算资源需求，可能在实际应用中存在性能限制	提升单视图毛发重建的真实感，特别是毛发的成簇效果，以支持高质量的毛发渲染和模拟	3D毛发建模	computer vision	NA	深度学习，基于线的栅格化渲染	NA	image	NA
4356	2025-03-26	A Unified Framework for Dynamics Modeling and Control Design Using Deep Learning With Side Information on Stabilizability 2025-Mar-20, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2025.3543926 PMID:40111782	research paper	本文提出了一个统一的框架，利用深度学习结合稳定性先验信息进行动力学建模和控制设计	提出了一种新颖的基于神经网络的框架，同时学习系统动力学、稳定反馈控制器和闭环系统的李雅普诺夫函数，显式保证学习模型的稳定性	NA	开发一个数据驱动且具有控制理论保证的动力学建模和控制设计框架	控制系统	machine learning	NA	deep learning	NN	NA	NA
4357	2025-03-26	Inference for Log-Gaussian Cox Point Processes using Bayesian Deep Learning: Application to Human Oral Microbiome Image Data 2025-Mar-18, ArXiv PMID:40034134	研究论文	本文提出了一种基于贝叶斯深度学习的无似然推断方法，用于对数高斯考克斯点过程（LGCPs）的参数估计，并应用于人类口腔微生物图像数据分析	使用BayesFlow方法和可逆神经网络近似感兴趣参数的后验分布，实现了计算效率的大幅提升	方法在高维情况下可能仍面临计算挑战	开发一种计算高效的方法来量化空间点模式中的聚集现象	人类口腔微生物生物膜图像	机器学习	NA	BayesFlow方法	可逆神经网络	图像	两个不同的口腔微生物生物膜图像
4358	2025-03-26	Population-Driven Synthesis of Personalized Cranial Development from Cross-Sectional Pediatric CT Images 2025-Mar-18, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3550842 PMID:40100672	research paper	提出了一种新的深度学习方法来预测儿科颅骨发育并合成时间序列图像	设计了一种新的生成对抗网络（GAN），具有Siamese循环编码器-解码器生成器架构和身份保留机制，能够仅使用横断面数据进行训练	需要进一步验证在更大规模数据集上的泛化能力	预测儿科颅骨发育并合成个性化时间序列图像	儿科颅骨发育	计算机视觉	儿科疾病	深度学习	GAN	CT图像	2,014名受试者（年龄0-10岁）的横断面头部CT图像
4359	2025-03-26	Attention-Enhanced Multi-Task Deep Learning Model for Classification and Segmentation of Esophageal Lesions 2025-Mar-18, ACS omega IF:3.7Q2 DOI:10.1021/acsomega.4c10763 PMID:40124037	research paper	提出了一种新型多任务深度学习模型，用于食管病变的分类和分割，以辅助内窥镜医师进行诊断	结合分类和分割任务，采用MobileNetV2架构并增强互注意力模块，显著提升模型性能	模型设计并非替代内窥镜医师，而是辅助其修正错误预测，需额外支持信息	提高食管病变的自动诊断准确率，辅助内窥镜医师减轻工作负担并提升诊断精度	食管病变	digital pathology	esophageal cancer	deep learning	MobileNetV2 with mutual attention module	image	三个数据集：Early Esophageal Cancer (EEC)、CVC-ClinicDB和KVASIR
4360	2025-03-26	A differentiable Gillespie algorithm for simulating chemical kinetics, parameter estimation, and designing synthetic biological circuits 2025-Mar-17, eLife IF:6.4Q1 DOI:10.7554/eLife.103877 PMID:40095799	research paper	本文提出了一种可微分的Gillespie算法（DGA），用于模拟化学动力学、参数估计和设计合成生物电路	利用深度学习的最新突破，开发了完全可微分的Gillespie算法变体，通过平滑函数近似不连续操作，实现反向传播梯度计算	未提及具体应用场景的限制或算法性能的边界条件	开发一种可微分算法以加速化学动力学参数学习和生物网络设计	化学反应网络和基因启动子的随机模型	合成生物学	NA	可微分Gillespie算法（DGA）	NA	mRNA表达水平的实验测量数据	两个不同的启动子