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
4581	2025-03-13	Deep learning-based approaches for multi-omics data integration and analysis 2024-Oct-02, BioData mining IF:4.0Q1 DOI:10.1186/s13040-024-00391-z PMID:39358793	综述	本文回顾了基于深度学习的多组学数据整合和分析方法，并讨论了这些方法的独特能力和新兴趋势	本文创新性地将深度学习方法分为非生成式和生成式两大类，并详细讨论了它们在多组学数据整合中的应用和优势	本文未涉及具体实验验证，仅进行了方法论的综述和讨论	探讨深度学习在多组学数据整合和分析中的应用	多组学数据（包括分子组学和影像组学数据）	机器学习	NA	深度学习	前馈神经网络、图卷积神经网络、自编码器、变分方法、生成对抗模型、生成预训练模型	多组学数据（包括分子组学和影像组学数据）	NA
4582	2025-03-13	Removing Artifacts in Transcranial Photoacoustic Imaging With Polarized Self-Attention Dense-UNet 2024-10, Ultrasound in medicine & biology DOI:10.1016/j.ultrasmedbio.2024.06.006 PMID:39013725	研究论文	本文提出了一种名为PSAD-UNet的深度学习模型，用于去除经颅光声成像中的伪影，提高成像质量	提出了极化自注意力密集U-Net（PSAD-UNet），用于校正经颅光声成像中的失真，并准确恢复骨板下的成像对象	NA	提高经颅光声成像的成像质量，减少骨板对成像的影响	经颅光声成像中的伪影	计算机视觉	NA	光声成像（PAI）	PSAD-UNet（极化自注意力密集U-Net）	图像	NA
4583	2025-03-13	Transition-zone PSA-density calculated from MRI deep learning prostate zonal segmentation model for prediction of clinically significant prostate cancer 2024-10, Abdominal radiology (New York) DOI:10.1007/s00261-024-04301-z PMID:38896250	研究论文	本文开发了一种基于T2加权图像的深度学习前列腺区域分割模型，并评估了TZ-PSAD在预测临床显著性前列腺癌（csPCa）中的表现，与传统PSAD进行比较	开发了一种深度学习模型用于前列腺区域分割，并首次评估了TZ-PSAD在预测csPCa中的表现，结果显示其略优于传统PSAD	研究依赖于MRI图像和PSA值，且样本量有限，外部验证集仅来自PI-CAI挑战赛	开发并验证一种深度学习模型，用于前列腺区域分割，并评估TZ-PSAD在预测临床显著性前列腺癌中的表现	前列腺MRI图像和前列腺特异性抗原密度（PSAD）	数字病理学	前列腺癌	深度学习	深度学习模型	图像	1020名患者用于模型开发，3461例MRI检查作为内部测试集，1460例MRI检查作为外部测试集
4584	2025-03-13	Advanced MRI techniques in abdominal imaging 2024-10, Abdominal radiology (New York) DOI:10.1007/s00261-024-04369-7 PMID:38802629	综述	本文综述了腹部成像中先进的MRI技术，包括并行成像、三维采集、压缩感知和深度学习等技术	介绍了最新的MRI技术，如并行成像、三维采集、压缩感知和深度学习，以减少扫描时间并提高图像质量	未提及具体的技术局限性或临床应用中的挑战	探讨腹部成像中先进的MRI技术及其应用	腹部成像中的MRI技术	医学影像	NA	并行成像、三维采集、压缩感知、深度学习	NA	图像	NA
4585	2025-03-13	Effectiveness of deep learning-based reconstruction for improvement of image quality and liver tumor detectability in the hepatobiliary phase of gadoxetic acid-enhanced magnetic resonance imaging 2024-10, Abdominal radiology (New York) DOI:10.1007/s00261-024-04374-w PMID:38755452	研究论文	本文评估了基于深度学习的重建（DLR）在提高Gd-EOB-MRI肝胆期（HBP）等体素高分辨率屏气脂肪抑制T1加权成像（HR-BH-FS-T1WI）图像质量和肿瘤检测能力方面的有效性	首次在Gd-EOB-MRI肝胆期成像中应用DLR技术，显著提高了图像质量和肿瘤检测能力	研究为回顾性分析，样本量较小（42例患者，98个肝肿瘤），且仅评估了特定成像技术	评估DLR在Gd-EOB-MRI肝胆期成像中的有效性，以提高图像质量和肿瘤检测能力	42例肝肿瘤患者，共98个肝肿瘤	医学影像	肝肿瘤	Gd-EOB-MRI，DLR	深度学习	医学影像	42例患者，98个肝肿瘤
4586	2025-03-13	Auto-segmentation of hemi-diaphragms in free-breathing dynamic MRI of pediatric subjects with thoracic insufficiency syndrome 2024-Sep-18, medRxiv : the preprint server for health sciences DOI:10.1101/2024.09.17.24313704 PMID:39371175	研究论文	本文提出了一种在自由呼吸动态MRI中自动分割儿科胸廓功能不全综合征患者半膈肌的方法	利用深度学习技术（如Path Aggregation Network、Dual Attention Network、Dense-Net、Residual-Net、GoogleNet和Recurrent Neural Network）进行半膈肌的识别、描绘和分离，解决了低分辨率、运动模糊、对比度分辨率不佳等挑战	研究主要针对胸廓功能不全综合征（TIS）患者，可能不适用于其他疾病或正常人群	开发一种自动分割方法，用于分析胸廓功能不全综合征患者的半膈肌运动，以支持手术规划和治疗效果评估	儿科胸廓功能不全综合征患者的半膈肌	数字病理学	胸廓功能不全综合征	动态磁共振成像（dMRI）	Path Aggregation Network, Dual Attention Network, Dense-Net, Residual-Net, GoogleNet, Recurrent Neural Network	4D图像	100个3D测试图像和约430个3D图像用于模型构建
4587	2025-03-13	Deep learning-based arterial subtraction images improve the detection of LR-TR algorithm for viable HCC on extracellular agents-enhanced MRI 2024-09, Abdominal radiology (New York) DOI:10.1007/s00261-024-04277-w PMID:38642094	研究论文	本研究探讨了基于深度学习的动脉减影图像在细胞外增强MRI上使用LR-TR算法评估肝细胞癌（HCC）存活性的作用	首次将深度学习生成的动脉减影图像应用于LR-TR算法，显著提高了检测存活HCC的敏感性和准确性	研究为回顾性设计，样本量相对较小（105名患者，286个观察结果），且未探讨深度学习模型的具体架构和训练细节	评估深度学习生成的动脉减影图像在细胞外增强MRI上使用LR-TR算法检测存活HCC的效果	接受局部治疗的HCC患者	数字病理学	肝癌	深度学习，MRI	深度学习模型（未具体说明）	图像	105名患者，286个观察结果
4588	2025-03-13	Deep learning in magnetic resonance enterography for Crohn's disease assessment: a systematic review 2024-09, Abdominal radiology (New York) DOI:10.1007/s00261-024-04326-4 PMID:38693270	系统综述	本文综述了深度学习在磁共振肠造影（MRE）中用于克罗恩病（CD）评估的最新研究进展	探讨了深度学习在MRE图像质量增强、肠道分割以量化疾病负担以及3D重建用于手术规划等方面的应用	大多数研究是初步的、回顾性研究，且至少在一个类别中存在高偏倚风险	评估深度学习在克罗恩病评估中的应用及其潜力	克罗恩病患者	医学影像分析	克罗恩病	磁共振肠造影（MRE）	深度学习	医学影像	468名受试者
4589	2025-03-13	Hybrid deep learning and optimal graph search method for optical coherence tomography layer segmentation in diseases affecting the optic nerve 2024-Jun-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.516045 PMID:38867777	研究论文	本文提出了一种结合深度学习和3D图搜索的混合方法Deep LOGISMOS，用于提高光学相干断层扫描（OCT）图像中视网膜层分割的准确性、鲁棒性和泛化能力	Deep LOGISMOS结合了深度学习和3D图搜索的优势，克服了现有算法在病理导致视网膜层拓扑不规则时的局限性	NA	提高视网膜层分割的准确性，以辅助视神经疾病的诊断和治疗管理	OCT图像中的视网膜层	计算机视觉	视神经疾病	光学相干断层扫描（OCT）	Deep LOGISMOS（结合深度学习和3D图搜索）	图像	124个OCT体积（31名非动脉性前部缺血性视神经病变患者）、40个OCT体积（20名NAION患者）、29个OCT体积（29名青光眼患者）、35个OCT体积（21名多发性硬化症患者和14名对照者）、155个OCT体积（15名青光眼患者）
4590	2025-03-13	Exercise-Related Physical Activity Relates to Brain Volumes in 10,125 Individuals 2024, Journal of Alzheimer's disease : JAD DOI:10.3233/JAD-230740 PMID:38073389	研究论文	本研究探讨了定期中高强度体力活动与大脑体积之间的关系，通过磁共振神经影像技术对10,125名健康参与者进行了分析	使用深度学习模型分析MRI扫描的轴向、矢状和冠状视图，首次在大规模人群中量化体力活动与大脑体积的关系	研究为横断面设计，无法确定因果关系，且体力活动数据依赖于自我报告，可能存在偏差	探讨定期中高强度体力活动与大脑体积之间的关系，以揭示体力活动对大脑结构的潜在神经保护作用	10,125名健康参与者	数字病理	NA	磁共振成像（MRI）	深度学习模型	图像	10,125名健康参与者
4591	2025-03-13	Whole slide image-based weakly supervised deep learning for predicting major pathological response in non-small cell lung cancer following neoadjuvant chemoimmunotherapy: a multicenter, retrospective, cohort study 2024, Frontiers in immunology IF:5.7Q1 DOI:10.3389/fimmu.2024.1453232 PMID:39372403	研究论文	本研究利用弱监督深度学习技术，通过全切片图像预测非小细胞肺癌患者在新辅助化疗免疫治疗后的主要病理反应	采用弱监督学习框架和多实例学习算法，结合创新的数据增强和归一化技术，提升了模型的鲁棒性和解释性	研究为回顾性研究，样本量相对较小，且仅针对非小细胞肺癌患者	开发预测模型以准确预测非小细胞肺癌患者在新辅助化疗免疫治疗后的主要病理反应	186名非小细胞肺癌患者的治疗前全切片图像	数字病理学	肺癌	弱监督深度学习	DenseNet121, ResNet50, Inception V3, XGBoost	图像	186名非小细胞肺癌患者
4592	2025-03-13	Quantifying the spatial patterns of retinal ganglion cell loss and progression in optic neuropathy by applying a deep learning variational autoencoder approach to optical coherence tomography 2024, Frontiers in ophthalmology DOI:10.3389/fopht.2024.1497848 PMID:39963427	研究论文	本研究提出了一种增强型变分自编码器（bVAE）方法，用于捕捉视网膜神经节细胞（RGC）损失的空间变化，并生成潜在空间（LS）蒙太奇图，以可视化视神经束损伤的不同程度和空间模式	提出了一种新的增强型变分自编码器（bVAE）模型，能够捕捉RGC损失的空间变化并生成潜在空间蒙太奇图，同时能够追踪RGC变薄的空间模式并分类潜在病因	未来工作将集中在整合额外的图像模态以进一步优化模型的诊断能力	通过bVAE模型可视化和量化视神经病变中的GCL变薄模式	视网膜神经节细胞（RGC）	计算机视觉	视神经病变	光学相干断层扫描（OCT）	增强型变分自编码器（bVAE）	图像	822名受试者的10,701次OCT黄斑扫描
4593	2025-03-12	iAMP-CRA: Identifying Antimicrobial Peptides Using Convolutional Recurrent Neural Network with Self-Attention 2025-Dec, Health information science and systems IF:4.7Q1 DOI:10.1007/s13755-025-00342-w PMID:40062190	研究论文	本文提出了一种使用卷积循环神经网络与自注意力机制相结合的深度学习模型(iAMP-CRA)，用于从大量蛋白质序列中快速筛选出抗菌肽(AMPs)的候选样本	设计了灵活的、可解释的深度学习模型iAMP-CRA，结合了卷积循环神经网络和自注意力机制，能够自适应地融合异构特征，并在基准数据集上表现出优异的学习能力	未提及具体的数据集大小或模型训练时间等限制	快速筛选抗菌肽(AMPs)候选样本，以帮助发现新的抗菌肽	抗菌肽(AMPs)	自然语言处理	NA	深度学习	卷积循环神经网络(CNN-RNN)与自注意力机制	蛋白质序列	未提及具体样本数量
4594	2025-03-12	Adaptive boundary-enhanced Dice loss for image segmentation 2025-Aug, Biomedical signal processing and control IF:4.9Q1 DOI:10.1016/j.bspc.2025.107741 PMID:40061446	研究论文	本文提出了一种自适应边界增强的Dice损失函数（ABeDice），用于提高医学图像分割的准确性	ABeDice损失函数结合了指数递归互补（ERC）函数与传统Dice损失，通过动态调整预测概率分布，优先考虑高概率区域，从而提升分割性能	NA	提高医学图像分割的准确性	医学图像	计算机视觉	NA	深度学习	Swin-Unet	图像	三个公开数据集（REFUGE、ISIC2018、RIT-Eyes）
4595	2025-03-12	Non-destructive origin and ginsenoside analysis of American ginseng via NIR and deep learning 2025-Jun-05, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2025.125913 PMID:39987608	研究论文	本研究开发了一种结合近红外光谱和多任务深度学习网络的非破坏性方法，用于西洋参的产地追溯和总皂苷含量预测	提出了一种混合多任务深度学习网络MMTDL，结合残差网络、注意力机制和混合头网络，增强了从近红外光谱数据中提取特征的能力	样本量相对较小，仅包含150个样本，可能影响模型的泛化能力	开发一种非破坏性方法，同时识别西洋参的产地和预测总皂苷含量	西洋参	机器学习	NA	近红外光谱	MMTDL（混合多任务深度学习网络）	光谱数据	150个样本，来自四个不同产地
4596	2025-03-12	Optimizing multimodal scene recognition through relevant feature selection approach for scene classification 2025-Jun, MethodsX IF:1.6Q2 DOI:10.1016/j.mex.2025.103226 PMID:40061570	研究论文	本文提出了一种新颖的多模态特征提取和特征选择技术，以提高场景分类中迁移学习的效率	引入了多模态特征提取和特征选择技术，结合CNN进行特征提取，以提高模型性能和计算效率	未提及具体局限性	优化场景分类中的多模态特征提取和选择，以提高迁移学习的效率	场景分类任务	计算机视觉	NA	迁移学习，特征选择技术	CNN	图像	Scene数据集（6类）和AID数据集
4597	2025-03-12	Electrocardiographic-Driven artificial intelligence Model: A new approach to predicting One-Year mortality in heart failure with reduced ejection fraction patients 2025-May, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2025.105843 PMID:39986123	研究论文	本文开发并验证了一种基于深度学习的AI模型，用于预测射血分数降低的心力衰竭（HFrEF）患者的一年死亡率	利用大量ECG数据训练深度学习模型，显著提高了HFrEF患者一年死亡率的预测准确性	研究依赖于特定时间段内的医院数据，可能限制了模型的普遍适用性	开发并验证一种AI模型，用于预测HFrEF患者的一年死亡率	射血分数降低的心力衰竭（HFrEF）患者	机器学习	心血管疾病	深度学习	深度学习模型	ECG数据	3,894名HFrEF患者
4598	2025-03-12	Explainability and uncertainty: Two sides of the same coin for enhancing the interpretability of deep learning models in healthcare 2025-May, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2025.105846 PMID:39993336	研究论文	本文探讨了在医疗保健领域结合不确定性量化（UQ）与可解释人工智能（XAI）方法，以提高深度学习模型的可靠性和可信度	提出将UQ与XAI方法结合，以增强深度学习模型在医疗保健应用中的可靠性，并减少解释偏差和对AI的过度依赖	NA	提高深度学习模型在医疗保健应用中的透明度和可解释性	深度学习模型在医疗保健中的应用	机器学习	NA	不确定性量化（UQ）与可解释人工智能（XAI）方法	深度学习模型	NA	NA
4599	2025-03-12	Unlocking the potential of digital pathology: Novel baselines for compression 2025-Apr, Journal of pathology informatics DOI:10.1016/j.jpi.2025.100421 PMID:40059908	研究论文	本文探讨了数字病理学中全切片图像（WSI）的压缩问题，提出了一种新的评估指标，用于评估感知质量和下游任务质量	提出了一种基于特征相似性的新评估指标，能够很好地与压缩WSI的实际下游性能对齐，并鼓励统一评估有损压缩方案以加速数字病理学的临床应用	深度学习模型在训练数据中存在的压缩伪影上表现出显著偏差，难以在各种压缩方案中泛化	评估和优化数字病理学中全切片图像的压缩方案，以提高临床决策的准确性和效率	全切片图像（WSI）	数字病理学	NA	深度学习	NA	图像	四个不同的数据集
4600	2025-03-12	Dual-Component Gas Sensor Based on Light-Induced Thermoelastic Spectroscopy and Deep Learning 2025-Mar-11, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.4c06588 PMID:40012474	研究论文	本文首次报道了一种基于光诱导热弹性光谱和深度学习的乙炔-二氧化碳双组分气体传感器	首次结合光诱导热弹性光谱和深度学习技术，开发了一种新型的双组分气体传感器，并采用了SSA-CNN-BiGRU-Attention模型来提高浓度反演的准确性	研究仅限于乙炔和二氧化碳两种气体的检测，未来需要扩展到更多气体成分的研究	开发一种高精度的双组分气体传感器，用于气体浓度的精确反演	乙炔和二氧化碳气体	传感器技术	NA	光诱导热弹性光谱	SSA-CNN-BiGRU-Attention	光谱数据	NA