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
461	2025-04-16	Comparison of individualized facial growth prediction models using artificial intelligence and partial least squares based on the Mathews growth collection 2025-May-01, The Angle orthodontist DOI:10.2319/082124-687.1 PMID:39884314	research paper	本研究开发并比较了基于人工智能和偏最小二乘法的个体化面部生长预测模型	首次将TabNet深度神经网络应用于面部生长预测，并与传统PLS方法进行性能比较	样本量较小（33名受试者），且仅基于Mathews生长收集的数据	开发并比较不同条件下的人工智能面部生长预测模型	33名受试者的1257对生长前后侧位头颅X光片	computer vision	NA	deep learning, partial least squares	TabNet, PLS	image	33名受试者的1257对侧位头颅X光片
462	2025-04-16	A hybrid network based on multi-scale convolutional neural network and bidirectional gated recurrent unit for EEG denoising 2025-Apr-19, Neuroscience IF:2.9Q2 DOI:10.1016/j.neuroscience.2025.02.035 PMID:40024428	研究论文	提出一种基于多尺度卷积神经网络和双向门控循环单元的混合网络（MSCGRU），用于脑电图（EEG）去噪	结合多尺度卷积模块和通道注意力机制提取EEG信号的不同频率特征，并利用BiGRU捕获时间依赖性特征，通过生成对抗网络进一步提升去噪性能	未明确说明模型在实时处理或计算效率方面的表现	提高EEG信号去噪的准确性和可靠性，以支持神经科学研究	包含肌电、眼电和心电伪迹的EEG信号	机器学习	NA	深度学习	MSCGRU（多尺度CNN+BiGRU的生成对抗网络）	时间序列数据（EEG信号）	公开数据集（具体数量未说明）
463	2025-04-16	Automated comprehensive evaluation of coronary artery plaque in IVOCT using deep learning 2025-Apr-18, iScience IF:4.6Q1 DOI:10.1016/j.isci.2025.112169 PMID:40224006	research paper	开发了一种基于深度学习的语义分割模型（EDA-UNet），用于自动评估冠状动脉斑块	首次提出专门用于IVOCT图像中冠状动脉斑块特征化和量化的EDA-UNet模型	外部测试中脂质斑块的Dice系数相对较低（0.7052）	提高冠状动脉斑块评估的效率和准确性	冠状动脉斑块组织	digital pathology	cardiovascular disease	deep learning	EDA-UNet (UNet变体)	IVOCT图像	来自三个中心的IVOCT图像（两个用于训练和内部测试，一个用于外部测试）
464	2025-04-16	Single-Cell Sequencing-Guided Annotation of Rare Tumor Cells for Deep Learning-Based Cytopathologic Diagnosis of Early Lung Cancer 2025-Apr-15, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202416921 PMID:40231585	研究论文	该研究利用单细胞DNA测序技术指导罕见肿瘤细胞的注释，开发了一种基于深度学习的细胞病理学诊断模型，用于早期肺癌的诊断	使用单细胞DNA测序作为客观的肿瘤细胞注释标准，生成无偏且准确标注的数据集，并开发了高性能的深度学习模型	模型在外部验证队列中的敏感性仍有提升空间	提高支气管肺泡灌洗液细胞学检查在肺癌诊断中的敏感性	支气管肺泡灌洗液中的脱落肿瘤细胞和良性细胞	数字病理学	肺癌	单细胞DNA测序(scDNA-Seq)	深度学习(DL)模型	图像	训练数据集包含580个ETCs和1106个良性细胞，发现队列(n=156)，验证队列(n=158)，外部验证队列(n=141)
465	2025-04-16	Authors' Reply: "Deep Learning for Staging Periodontitis Using Panoramic Radiographs" 2025-Apr-15, Oral diseases IF:2.9Q1 DOI:10.1111/odi.15348 PMID:40231655	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
466	2025-04-16	Selective Single-Bacterium Analysis and Motion Tracking Based on Conductive Bulk-Surface Imprinting 2025-Apr-15, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.5c00198 PMID:40231794	研究论文	本文提出了一种基于导电整体表面印迹的选择性单细菌分析和运动追踪方法	利用密度泛函理论预测理想单体，制备具有清晰和高精度识别位点的分子印迹，开发深度学习辅助的单细菌运动轨迹追踪方法	NA	提高电化学细菌检测的选择性，开发单细菌监测技术	细菌	生物传感器	NA	导电分子印迹、密度泛函理论、深度学习	深度学习模型	细菌运动轨迹数据	NA
467	2025-04-16	Advancing endometriosis detection in daily practice: a deep learning-enhanced multi-sequence MRI analytical model 2025-Apr-15, Abdominal radiology (New York) DOI:10.1007/s00261-025-04942-8 PMID:40232413	research paper	该研究开发了一种深度学习增强的多序列MRI分析模型，用于提高子宫内膜异位症的检测准确性	首次在大型队列中使用多序列MRI的深度学习模型，展示了与训练有素的放射科医生相当的检测效果	研究依赖于单一机构的数据库，可能影响模型的泛化能力	评估深度学习工具在提高基于多序列MRI的子宫内膜异位症检测准确性方面的应用	子宫内膜异位症患者和年龄匹配的对照组	digital pathology	endometriosis	multi-sequence MRI	3D-DenseNet-121	MRI images	395例病例组和356例对照组
468	2025-04-16	Focusing properties and deep learning-based efficient tuning of symmetric butterfly beams 2025-Apr-15, Optics letters IF:3.1Q2 DOI:10.1364/OL.557170 PMID:40232438	研究论文	本文报告了一种新型的突然自聚焦光束——对称蝴蝶高斯光束（SBGBs），并提出了基于深度学习的模型来快速准确地预测SBGBs的传播特性	提出了一种新型的对称蝴蝶高斯光束（SBGBs），并开发了基于深度学习的快速预测模型，其预测速度比传统算法快8000倍	未提及具体实验验证或实际应用中的潜在问题	研究新型光束的聚焦特性及其在光学操纵、光通信和生物医学中的应用	对称蝴蝶高斯光束（SBGBs）	光学	NA	深度学习	深度学习模型	光学数据	NA
469	2025-04-16	Multi-viewpoint tampering detection for integral imaging 2025-Apr-15, Optics letters IF:3.1Q2 DOI:10.1364/OL.557452 PMID:40232459	研究论文	提出了一种新的3D积分成像方案，能够在保证清晰光场显示的同时实现篡改检测和自我恢复	结合像素映射和深度学习技术，实现了像素级的深度和角度数据提取，并嵌入多视点恢复信息以重建完整的元素图像阵列	未提及具体计算成本降低的程度和实际应用场景的限制	开发一种具有篡改检测和自我恢复功能的3D积分成像方案	相机阵列基础的积分成像系统	计算机视觉	NA	深度学习	NA	图像	NA
470	2025-04-16	Development and application of deep learning-based diagnostics for pathologic diagnosis of gastric endoscopic submucosal dissection specimens 2025-Apr-15, Gastric cancer : official journal of the International Gastric Cancer Association and the Japanese Gastric Cancer Association IF:6.0Q1 DOI:10.1007/s10120-025-01612-y PMID:40232558	研究论文	开发并评估了一种基于深度学习的模型，用于诊断胃内镜黏膜下剥离术（ESD）标本	首次应用深度学习模型对ESD标本进行肿瘤和黏膜下浸润的自动检测，显著缩短诊断时间	研究仅针对腺癌类型的ESD标本，未涵盖其他类型的胃癌	提高早期胃癌ESD标本的诊断准确性和效率	366例腺癌ESD标本的整张切片图像	数字病理学	胃癌	深度学习	CNN	图像	366例ESD标本，包含2257个标注感兴趣区域和83,839个补丁图像
471	2025-04-16	Automated pulmonary nodule classification from low-dose CT images using ERBNet: an ensemble learning approach 2025-Apr-15, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-025-03358-2 PMID:40232605	research paper	开发了一种深度学习方法来分析不同剂量和质量的CT图像，旨在将肺部病变分类为结节和非结节	提出了一个名为ERBNet的集成学习模型，能够处理不同剂量水平的低剂量CT图像，并在结节分类上达到高准确率	模型在低剂量CT图像上的性能相对较差，表明需要为每个低剂量水平开发专用模型	开发一种能够分析不同剂量和质量CT图像的深度学习模型，用于肺部结节分类	肺部结节和非结节	digital pathology	lung cancer	low-dose CT (LDCT), full-dose CT (FDCT)	3D CNN, ensemble learning	image	400 nodule and 400 non-nodule samples
472	2025-04-16	Geometric deep learning framework for de novo genome assembly 2025-Apr-14, Genome research IF:6.2Q1 DOI:10.1101/gr.279307.124 PMID:39472021	research paper	介绍了一个基于几何深度学习的框架GNNome，用于从PacBio HiFi reads中重建基因组组装	利用几何深度学习技术，不依赖现有组装策略，直接从组装图中训练模型，提高了基因组组装的连续性和质量	目前主要适用于单倍体基因组的组装，对于多倍体和非整倍体基因组的重建仍需进一步研究	开发一种新的基因组组装方法，解决现有算法在重复区域导致的复杂图纠缠问题	基因组组装图	machine learning	NA	PacBio HiFi reads	GNN	genomic sequences	several species
473	2025-04-16	DistAL: A Domain-Shift Active Learning Framework with Transferable Feature Learning for Lesion Detection 2025-Apr-14, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3558861 PMID:40227902	研究论文	提出了一种结合主动学习和域不变特征学习的框架DistAL，用于解决医学图像分析中的域偏移问题	结合对比一致性训练和混合样本选择策略RUDY，有效学习判别性和域不变特征	需要从目标域中标注少量样本，可能在实际应用中受到标注成本的限制	解决医学图像分析中因域偏移导致的性能下降问题	医学图像中的病灶检测	计算机视觉	NA	对比一致性训练，K-means++初始化	深度学习	医学图像	八个来自不同医院的数据集，标注目标域样本的1.7%
474	2025-04-16	Crystal Structure Prediction Using a Self-Attention Neural Network and Semantic Segmentation 2025-Apr-14, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c02345 PMID:40228012	research paper	该研究开发了一种基于自注意力神经网络的模型，用于预测晶体结构	结合自注意力机制，学习并提取三维结构的局部和全局特征，将晶体中的原子视为点集，实现有效的语义分割和准确的晶胞预测	训练数据可能无法完全覆盖所有可能的晶体构型多样性，且模型仅适用于含有最多500个原子的晶胞	加速新材料的开发过程	晶体结构	machine learning	NA	deep learning	self-attention neural network	crystallographic information files	数千个来自现有晶体结构数据库的晶体学信息文件
475	2025-04-16	Saturation transfer MR fingerprinting for magnetization transfer contrast and chemical exchange saturation transfer quantification 2025-Apr-14, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.30532 PMID:40228056	研究论文	本研究开发了一种基于深度学习的饱和转移MR指纹识别技术，用于快速准确量化自由水、磁化转移对比、酰胺质子转移参数及B0场不均匀性	提出了基于生物物理模型驱动的深度学习框架，结合Bloch-McConnell模拟器进行神经网络训练，显著提升了参数估计精度	研究仅在数值模型和健康人脑中进行验证，未涉及病理状态组织的测试	开发快速准确的饱和转移MR定量成像技术	水分子、磁化转移对比、酰胺质子转移参数及B0场	医学影像分析	NA	饱和转移MR指纹识别(ST-MRF)、深度学习	深度学习网络	MR影像数据	数值模型测试及健康人脑数据(尺寸256×256×9×103)
476	2025-04-16	Invited Perspective: How Do Green- and Bluespaces Reduce Heat-Related Health Risks? Gaining New Insights from Street-View Imagery, Deep Learning Models, and Smartphone Data 2025-Apr-14, Environmental health perspectives IF:10.1Q1 DOI:10.1289/EHP15400 PMID:40228076	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
477	2025-04-16	A CNN-transformer-based hybrid U-shape model with long-range relay for esophagus 3D CT image gross tumor volume segmentation 2025-Apr-14, Medical physics IF:3.2Q1 DOI:10.1002/mp.17818 PMID:40229138	research paper	提出了一种基于CNN和Transformer的混合U型模型（LRRM-U-TransNet），用于提高食管3D CT图像中肿瘤体积分割的准确性	引入了长距离接力机制和两个即用型模块（Dual FastViT和Dual AxialViT），以增强特征表示能力和全局信息获取	未提及具体局限性	提高食管肿瘤体积（GTV）在CT图像中的分割准确性，以改善诊断和治疗效果	食管肿瘤的3D CT图像	digital pathology	食管癌	深度学习	CNN-Transformer混合模型（LRRM-U-TransNet）	3D CT图像	1665例真实患者CT样本，由五位放射科专家标注
478	2025-04-16	Topology-Enhanced Machine Learning Model (Top-ML) for Anticancer Peptide Prediction 2025-Apr-14, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c00476 PMID:40229641	研究论文	本文提出了一种基于拓扑特征的机器学习模型（Top-ML），用于预测抗癌肽	利用肽的拓扑特征（通过谱描述符表征的序列'连接'信息）进行抗癌肽预测，提高了模型的性能和可解释性	NA	开发一种高效的抗癌肽预测方法	抗癌肽	机器学习	癌症	谱描述符	Extra-Trees分类器	序列数据	AntiCP 2.0和mACPpred 2.0基准数据集
479	2025-04-16	An Automated AI Framework for Quantitative Measurement of Mammalian Behavior 2025-Apr-14, Integrative zoology IF:3.5Q1 DOI:10.1111/1749-4877.12985 PMID:40230073	研究论文	开发了一个基于面部识别和深度学习的框架，用于自动跟踪、测量和量化多种哺乳动物的行为	首次提出一个自动化框架，利用面部识别和深度学习技术对多种哺乳动物的行为进行定量测量和分析	未提及具体样本数量，且准确率在不同物种间存在差异	开发一种自动化和定量测量动物行为的方法	10种不同的哺乳动物类群，包括灵长类、牛科、食肉目和马科动物	计算机视觉	NA	深度学习、面部识别	NA	视频	NA
480	2025-04-16	Advancing the frontier of artificial intelligence on emerging technologies to redefine cancer diagnosis and care 2025-Apr-13, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110178 PMID:40228444	综述	本文综述了人工智能在癌症诊断和治疗中的应用，特别是在放射组学、深度学习和机器学习方面的潜力	探讨了AI在多组学数据处理和精准肿瘤学决策支持中的关键作用，以及生成式AI在医患互动中的应用	罕见癌症由于数据不足导致AI应用受限，需要进一步的临床验证和监管考量	评估AI在癌症诊断和治疗中的潜力，特别是在精准肿瘤学和早期检测方面的应用	癌症患者，特别是乳腺癌和肺癌等高发癌症患者	机器学习	癌症	DNA和RNA测序	深度学习和机器学习	多组学数据和数字化健康信息	NA