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
4661	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
4662	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)
4663	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
4664	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
4665	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
4666	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
4667	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
4668	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
4669	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
4670	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
4671	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
4672	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
4673	2025-03-18	Biophysical neural adaptation mechanisms enable artificial neural networks to capture dynamic retinal computation 2024-Jul-16, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-50114-5 PMID:39009568	研究论文	本文开发了一种新的深度学习模型，该模型在传统卷积神经网络（CNN）前端结合了光感受器适应的生物物理学，以改进对动态输入条件下视网膜神经节细胞（RGC）响应的预测	在传统CNN模型中嵌入神经适应机制，特别是光感受器适应层，以提高对动态自然刺激下RGC响应的预测能力	NA	探索在人工神经网络（ANN）中嵌入神经适应机制是否能提高其在动态输入条件下预测神经输出的能力	灵长类和鼠类的视网膜神经节细胞（RGC）	计算机视觉	NA	深度学习	卷积神经网络（CNN）	自然刺激数据	NA
4674	2025-03-18	Automated detection of incidental abdominal aortic aneurysms on computed tomography 2024-02, Abdominal radiology (New York) DOI:10.1007/s00261-023-04119-1 PMID:38091064	研究论文	本文开发了一种全自动深度学习软件，用于在无症状成年患者群体中检测和评估CT扫描中的腹主动脉瘤	使用全自动深度学习模型进行腹主动脉瘤的检测和评估，并在大规模无症状患者群体中进行了外部验证	研究仅基于CT结肠造影扫描数据，未涉及其他类型的CT扫描	开发并验证一种全自动深度学习软件，用于检测和评估腹主动脉瘤	无症状成年患者群体	数字病理学	心血管疾病	深度学习	深度学习模型	CT扫描图像	9172名无症状门诊患者
4675	2025-03-18	TransformEHR: transformer-based encoder-decoder generative model to enhance prediction of disease outcomes using electronic health records 2023-Nov-29, Nature communications IF:14.7Q1 DOI:10.1038/s41467-023-43715-z PMID:38030638	研究论文	本文介绍了TransformEHR，一种基于transformer的编码器-解码器生成模型，用于增强使用电子健康记录（EHR）预测疾病结果的能力	TransformEHR采用了一种新的预训练目标——从患者之前的就诊记录预测未来就诊时的所有疾病和结果，从而在多个临床预测任务中达到了新的最先进性能	NA	提高使用电子健康记录（EHR）预测临床疾病或结果的能力	电子健康记录（EHR）	自然语言处理	胰腺癌, 创伤后应激障碍	transformer-based encoder-decoder generative model	transformer	电子健康记录（EHR）	NA
4676	2025-03-18	An improved beluga whale optimizer-Derived Adaptive multi-channel DeepLabv3+ for semantic segmentation of aerial images 2023, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0290624 PMID:37903154	研究论文	本文提出了一种改进的白鲸鲸优化算法驱动的自适应多通道DeepLabv3+模型，用于航空图像的语义分割	采用改进的白鲸鲸优化算法（IBWO）优化多通道DeepLabv3+的超参数，显著提高了分割精度和计算效率	未提及具体的数据集规模或多样性限制	提高航空图像语义分割的准确性和效率	航空图像	计算机视觉	NA	深度学习	AMC-Deeplabv3+, IBWO	图像	未提及具体样本数量
4677	2025-03-17	Multimodal radiopathological integration for prognosis and prediction of adjuvant chemotherapy benefit in resectable lung adenocarcinoma: A multicentre study 2025-Apr-28, Cancer letters IF:9.1Q1 DOI:10.1016/j.canlet.2025.217557 PMID:39954935	研究论文	本研究开发并验证了一种多模态分析框架，整合CT图像和H&E染色的全切片图像（WSIs），以增强肺腺癌（LUAD）患者的风险分层并预测辅助化疗的益处	创新点在于整合了CT图像和WSIs的多模态特征，使用生存支持向量机（SVM）建立了放射病理学特征，显著优于现有的深度学习方法	研究为回顾性研究，可能存在选择偏差，且样本量虽大但来自多个中心，可能存在异质性	开发并验证一种多模态分析框架，用于肺腺癌患者的风险分层和辅助化疗益处的预测	1039名可切除的肺腺癌患者（I-III期）	数字病理学	肺癌	CT图像和H&E染色的全切片图像（WSIs）分析	生存支持向量机（SVM）	图像	1039名患者（训练集303名，测试集197名和228名，特征测试集311名）
4678	2025-03-17	Kernel representation-based End-to-End network-enabled decoding strategy for precise and medical diagnosis 2025-Apr-05, Journal of hazardous materials IF:12.2Q1 DOI:10.1016/j.jhazmat.2025.137233 PMID:39823885	研究论文	本文提出了一种名为CellNet的神经网络模型，用于检测密集目标，并通过形状感知的径向基函数学习对象的核表示，提高了目标计数的准确性	CellNet模型通过形状感知的径向基函数学习对象的核表示，显著提高了密集目标的检测准确性，并在识别粘附的聚苯乙烯微球方面表现出色	文中未明确提及模型的局限性	开发一种能够精确检测密集目标的神经网络模型，以提升医学诊断的准确性	密集目标，特别是粘附的聚苯乙烯微球和血清样本中的降钙素原	计算机视觉	NA	人工智能转码（bs-SMART）	神经网络模型（CellNet）	图像	未明确提及具体样本数量
4679	2025-03-17	Spatiotemporal estimates of anthropogenic NOx emissions across China during 2015-2022 using a deep learning model 2025-Apr-05, Journal of hazardous materials IF:12.2Q1 DOI:10.1016/j.jhazmat.2025.137308 PMID:39847932	研究论文	本文开发了一种新的深度学习模型，用于模拟GEOS-Chem模型的逆过程，以改进2015-2019年期间的人为NOx排放强度估计，并预测2020-2022年的排放强度	使用深度学习模型模拟GEOS-Chem模型的逆过程，提高了NOx排放强度的估计精度	模型依赖于高分辨率NO浓度数据集，可能受数据质量和可用性的限制	改进人为NOx排放强度的估计，并预测未来几年的排放趋势	中国2015-2022年的人为NOx排放	机器学习	NA	深度学习	深度学习模型	高分辨率NO浓度数据	2015-2022年的NOx排放数据
4680	2025-03-17	Diagnostic accuracy of an automated classifier for the detection of pleural effusions in patients undergoing lung ultrasound 2025-Apr, The American journal of emergency medicine DOI:10.1016/j.ajem.2025.01.041 PMID:39874677	研究论文	本文开发并验证了一种深度学习模型，用于在肺部超声图像中检测胸腔积液，并针对特定临床场景调整性能特征	开发了一种结合帧级卷积神经网络和片段级预测算法的深度学习模型，能够有效检测不同大小和复杂性的胸腔积液，并在不同临床环境中表现出色	当前模型在多样化临床环境中诊断胸腔积液的能力仍有不足	开发并验证一种深度学习模型，用于在肺部超声图像中检测胸腔积液	肺部超声图像中的胸腔积液	计算机视觉	胸腔积液	深度学习	卷积神经网络 (CNN)	图像	103个肺部超声片段来自46名胸腔积液患者，136个片段来自83名无积液患者