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
5001	2025-03-17	Goose multi-omics database: A comprehensive multi-omics database for goose genomics 2025-Mar, Poultry science IF:3.8Q1 DOI:10.1016/j.psj.2025.104842 PMID:39874782	研究论文	本文介绍了鹅多组学数据库（GMD），一个整合鹅基因组数据的统一平台	GMD是首个为鹅基因组研究提供统一接口的多组学数据库，集成了多种分析工具如GBrowse和BLAST，并支持深度学习等前沿方法	未提及数据库的具体数据量或覆盖范围，可能限制了其在某些研究领域的应用	构建一个统一的平台，整合和分析鹅的基因组数据，以促进鹅生物学研究	鹅的基因组数据	基因组学	NA	多组学分析	深度学习	基因组数据	未明确提及具体样本数量
5002	2025-03-17	The use of artificial intelligence to aid the diagnosis of lung cancer - A retrospective-cohort study 2025-Mar, Radiography (London, England : 1995) DOI:10.1016/j.radi.2025.01.011 PMID:39890480	研究论文	本研究探讨了基于深度学习的自动检测算法（DLAD）在胸部X光片（CXR）解释中用于肺癌早期诊断的效果	研究表明AI软件在检测CXR上最初未被发现的肺癌方面表现出色，并有可能提高肺癌检测率并缩短诊断时间	研究中存在假阳性率较高的问题，且样本量相对较小	评估AI软件在肺癌诊断中的临床有效性	105名肺癌患者和103名阴性对照的CXR和胸部CT扫描	数字病理	肺癌	深度学习	DLAD	图像	208名患者的320张CXR
5003	2025-03-17	The potential use of deep learning in performing autocorrection of setup errors in patients receiving radiotherapy 2025-Mar, Radiography (London, England : 1995) DOI:10.1016/j.radi.2025.01.016 PMID:39892051	研究论文	本文探讨了使用深度学习在放射治疗中自动校正患者定位错误的可行性	利用神经网络对获取的端口图像（PFIs）和数字重建放射影像（DRRs）进行自动校正，展示了AI在放射治疗中的潜在应用	需要进一步研究以验证该方法在临床实践中的有效性	探索人工智能在辅助放射治疗患者定位校正中的应用	接受放射治疗的脑部和气道消化道恶性肿瘤患者	数字病理	脑癌, 气道消化道恶性肿瘤	神经网络	神经网络	图像	156名患者（96名气道消化道恶性肿瘤患者，60名脑肿瘤患者）
5004	2025-03-17	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，通过利用采样点之间的空间关系，该模型旨在预测土壤中的Cd和As浓度	DistNet-GCN模型的独特之处在于其能够通过整合GCN在复杂网络中提取节点间依赖关系的强大能力，模拟土壤Cd/As浓度与环境影响因素在局部空间范围内的关系传递过程	NA	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	NA
5005	2025-03-17	An optimized lightweight real-time detection network model for IoT embedded devices 2025-Jan-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-88439-w PMID:39885208	研究论文	本文提出并部署了一种适用于物联网嵌入式设备的优化轻量级实时检测网络模型FRYOLO，用于解决YOLOv8在资源受限设备上部署的挑战	提出了一种针对物联网嵌入式设备优化的轻量级实时检测网络模型FRYOLO，解决了YOLOv8在资源受限设备上部署的难题	未提及模型在其他类型目标检测任务中的表现，仅以水果检测为例进行了验证	开发一种适用于物联网嵌入式设备的轻量级实时检测网络模型	物联网嵌入式设备中的实时目标检测任务	计算机视觉	NA	深度学习	YOLOv8, FRYOLO	图像	未明确提及具体样本数量，仅以水果检测为例
5006	2025-03-17	Deep learning based tractography with TractSeg in patients with hemispherotomy: Evaluation and refinement 2025, NeuroImage. Clinical DOI:10.1016/j.nicl.2025.103738 PMID:39922027	研究论文	本文探讨了基于深度学习的纤维束追踪技术TractSeg在半球切除术患者中的应用及其改进	首次记录了TractSeg在已知手术断开的情况下错误重建纤维束的情况，并提出了改进方法以提高其在病理数据中的适用性	尽管提出了改进方法，但仍建议在将深度学习纤维束追踪技术应用于患者数据时进行手动质量控制	评估和改进TractSeg在半球切除术患者中的纤维束追踪效果	25名接受半球切除术的癫痫患者和25名健康对照者	医学影像分析	癫痫	深度学习纤维束追踪	TractSeg	医学影像数据	25名患者和25名健康对照者
5007	2025-03-17	Boostering diagnosis of frontotemporal lobar degeneration with AI-driven neuroimaging - A systematic review and meta-analysis 2025, NeuroImage. Clinical DOI:10.1016/j.nicl.2025.103757 PMID:39983552	系统综述与荟萃分析	本文评估了基于神经影像特征的AI算法在诊断和预测额颞叶变性（FTLD）方面的效果	利用AI驱动的神经影像技术，特别是机器学习和深度学习算法，显著提高了FTLD的诊断准确性	在多类别分类中，敏感性较低，尤其是在更高类别的区分中（如5类和11类）	评估神经影像特征基于AI算法在FTLD诊断和预测中的效果	额颞叶变性（FTLD）患者	数字病理学	老年疾病	机器学习（ML）和深度学习	深度学习	神经影像数据	75篇文章，20,601名受试者，包括8,051名FTLD患者
5008	2025-03-17	Multi-atlas multi-modality morphometry analysis of the South Texas Alzheimer's Disease Research Center postmortem repository 2025, NeuroImage. Clinical DOI:10.1016/j.nicl.2025.103752 PMID:39987858	研究论文	本文介绍了对南德克萨斯阿尔茨海默病研究中心尸检库进行的多图谱多模态形态学分析，旨在研究共病性痴呆	开发了新的处理流程，利用可用的MRI序列，解决了尸检神经影像中的多个挑战，如从固定液中分离脑组织、更新脑图谱以及脑固定引起的组织对比变化	区域脑体积在尸检扫描中难以测量，尽管可以获得反映性别差异和年龄趋势的稳健估计	研究共病性痴呆的神经病理学和神经影像学特征	南德克萨斯阿尔茨海默病研究中心尸检库中的脑捐赠和MRI扫描数据	数字病理学	阿尔茨海默病	MRI	深度学习网络	MRI图像	200个脑捐赠和100个MRI扫描
5009	2025-03-17	DeepSeeded: Volumetric Segmentation of Dense Cell Populations with a Cascade of Deep Neural Networks in Bacterial Biofilm Applications 2024-Mar-15, Expert systems with applications IF:7.5Q1 DOI:10.1016/j.eswa.2023.122094 PMID:38646063	研究论文	本文提出了一种名为DeepSeeded的新型3D细胞分割方法，通过级联深度学习架构估计种子，用于经典的种子区域生长分割	DeepSeeded方法通过级联深度学习架构增强细胞内部和边界信息，并使用欧几里得距离变换进行体素级分类，从而在密集且强度不均匀的显微镜图像体积中分割接触的细胞实例	尽管在密集细胞群的分割上表现出色，但该方法在低信噪比和高细胞密度的显微镜图像上可能仍存在挑战	开发一种能够准确分割密集细胞群的3D显微镜图像的方法，以量化细胞属性并促进生物医学研究的新发现	细菌生物膜中的密集细胞群	计算机视觉	NA	深度学习	级联深度神经网络	3D显微镜图像	合成数据集和两个真实生物膜数据集
5010	2025-03-16	Fingerprinting of Boletus bainiugan: FT-NIR spectroscopy combined with machine learning a new workflow for storage period identification 2025-Aug, Food microbiology IF:4.5Q1 DOI:10.1016/j.fm.2025.104743 PMID:40086983	研究论文	本文提出了一种结合FT-NIR光谱和机器学习的新工作流程，用于识别牛肝菌的储存期	结合FT-NIR光谱和机器学习，特别是CNN和BPNN模型，用于识别牛肝菌的储存期，提供了一种低成本且用户友好的解决方案	未提及具体的研究局限性	开发一种实时确定牛肝菌储存期的方法，以确保食品安全和真实性	831个储存0、1和2年的牛肝菌样本	机器学习	NA	高效液相色谱（HPLC）和傅里叶变换近红外光谱（FT-NIR）	卷积神经网络（CNN）、反向传播神经网络（BPNN）、数据驱动的软独立建模类类比（DD-SIMCA）、偏最小二乘回归（PLSR）	光谱数据	831个牛肝菌样本
5011	2025-03-16	Use of deep learning-based high-resolution magnetic resonance to identify intracranial and extracranial symptom-related plaques 2025-Apr-06, Neuroscience IF:2.9Q2 DOI:10.1016/j.neuroscience.2025.02.055 PMID:40032038	研究论文	本研究旨在开发一种基于高分辨率血管壁成像（HR-VWI）的深度学习模型，以区分与症状相关的颅内和颅外斑块，这对中风治疗和预防至关重要	使用深度学习模型结合HR-VWI数据，首次实现了对症状相关颅内和颅外斑块的高效区分	研究为回顾性分析，样本量相对较小，可能影响模型的泛化能力	开发一种深度学习模型，用于区分与症状相关的颅内和颅外斑块	235名患者的HR-VWI数据	医学影像分析	中风	高分辨率血管壁成像（HR-VWI）	DenseNet 201	医学影像（T1加权和对比增强T1WI图像）	235名患者（训练集156名，测试集79名）
5012	2025-03-16	Image quality and diagnostic performance of deep learning reconstruction for diffusion- weighted imaging in 3 T breast MRI 2025-Apr, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.111997 PMID:39970544	研究论文	本研究评估了深度学习重建（DLR）在3T乳腺MRI扩散加权成像（DWI）中的图像质量和诊断价值，并与传统的单次激发平面回波成像（ss-EPI）进行了比较	首次在3T乳腺MRI中比较了DLR和ss-EPI在DWI中的图像质量和诊断性能，并发现DLR在图像质量上显著优于ss-EPI，且不影响诊断性能	研究为单中心前瞻性研究，样本量相对较小（50名患者），且未涉及多中心验证	评估DLR在3T乳腺MRI DWI中的图像质量和诊断价值	50名接受乳腺MRI检查的患者及其62个乳腺病变（55个恶性，7个良性）	数字病理学	乳腺癌	扩散加权成像（DWI），深度学习重建（DLR）	深度学习模型	医学影像	50名患者，62个乳腺病变
5013	2025-03-16	Automated segmentation by SCA-UNet can be directly used for radiomics diagnosis of thymic epithelial tumors 2025-Apr, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.112004 PMID:40014944	研究论文	本文介绍了一种名为SCA-UNet的深度学习网络，用于胸腺病变的自动分割，并应用于胸腺上皮肿瘤（TETs）的放射组学诊断和风险评估	提出了SCA-UNet模型，通过空间通道注意力机制增强了全局上下文感知能力，提高了分割效率和准确性	研究依赖于单一医院的CT数据集，可能影响模型的泛化能力	开发一种高效的自动分割模型，用于胸腺上皮肿瘤的放射组学诊断和风险评估	712名患有纵隔病变的患者	数字病理学	胸腺上皮肿瘤	深度学习	SCA-UNet	CT图像	712名患者
5014	2025-03-16	The need for balancing 'black box' systems and explainable artificial intelligence: A necessary implementation in radiology 2025-Apr, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.112014 PMID:40031377	评论	本文讨论了在放射学中平衡'黑箱'系统和可解释人工智能的必要性	提出了在放射学中优先考虑可解释人工智能（XAI）的观点，以增强透明度和伦理标准	XAI可能不如黑箱模型性能优越	探讨在放射学中实施人工智能的挑战和解决方案	放射学中的人工智能系统	机器学习和数字病理学	NA	机器学习和深度学习	黑箱模型和可解释人工智能（XAI）	图像数据	NA
5015	2025-03-16	Deep learning combined Monte Carlo simulation reveal the fundamental light propagation in apple puree: Monitoring the quality changes from different cultivar, storage period and heating duration 2025-Apr, Food research international (Ottawa, Ont.) DOI:10.1016/j.foodres.2025.115997 PMID:40086950	研究论文	本研究通过深度学习结合蒙特卡罗模拟，揭示了苹果泥中光传播的基本规律，以监测不同品种、储存期和加热时间对苹果泥质量的影响	结合深度学习和蒙特卡罗模拟，首次系统地研究了苹果泥在不同条件下的光传播特性，并提出了基于光学参数的质量监测策略	研究仅针对苹果泥，未涉及其他水果或食品基质的光传播特性	研究苹果泥在不同条件下的光传播特性，以监测其化学、结构和流变学参数的变化	苹果泥	机器学习	NA	蒙特卡罗模拟	反向传播神经网络	光学数据	不同品种、储存期和加热时间的苹果泥样本
5016	2025-03-16	NiSNN-A: Noniterative Spiking Neural Network With Attention With Application to Motor Imagery EEG Classification 2025-Mar-14, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2025.3538335 PMID:40085464	研究论文	本文提出了一种结合注意力机制的非迭代脉冲神经网络（NiSNN-A），用于运动想象（MI）脑电图（EEG）分类，旨在提高精度并降低能耗	提出了一种非迭代漏积分发放（NiLIF）神经元模型，解决了传统SNN在长时间步中使用迭代LIF神经元的梯度问题，并引入了基于序列的注意力机制来优化特征图	尽管NiSNN-A在精度和能效上有所提升，但其在EEG分类任务中的表现仍需进一步验证和优化	提高运动想象（MI）脑电图（EEG）分类的精度并降低能耗	运动想象（MI）脑电图（EEG）数据	机器学习	NA	NA	非迭代脉冲神经网络（NiSNN-A）	脑电图（EEG）数据	两个MI EEG数据集（OpenBMI和BCIC IV 2a）
5017	2025-03-16	Fast and reliable probabilistic reflectometry inversion with prior-amortized neural posterior estimation 2025-Mar-14, Science advances IF:11.7Q1 DOI:10.1126/sciadv.adr9668 PMID:40085716	研究论文	本文提出了一种新的概率深度学习方法，用于快速可靠地从X射线或中子散射测量中重建薄膜和多层结构	提出了一种名为PANPE（先验摊销神经后验估计）的新方法，结合了基于模拟的推理和自适应先验，能够在几秒钟内识别所有现实结构	未明确提及具体限制	提高从反射测量数据中重建薄膜和多层结构的可靠性和计算效率	薄膜和多层结构	物理学	NA	反射测量	PANPE（先验摊销神经后验估计）	X射线或中子散射测量数据	未明确提及具体样本数量
5018	2025-03-16	A deep learning-based clinical-radiomics model predicting the treatment response of immune checkpoint inhibitors (ICIs)-based conversion therapy in potentially convertible hepatocelluar carcinoma patients: a tumour marker prognostic study 2025-Mar-14, International journal of surgery (London, England) DOI:10.1097/JS9.0000000000002322 PMID:40085751	研究论文	本文开发了一种基于CT的临床-放射组学模型，用于预测潜在可转化肝细胞癌患者对免疫检查点抑制剂（ICIs）治疗的持久临床获益（DCB）	结合放射组学特征、深度学习模型和临床变量，构建了一个综合模型，能够有效预测ICIs治疗的DCB，并揭示与免疫相关机制的关联	模型的预测能力在训练集和测试集之间存在一定差异，且需要进一步验证其在不同人群中的适用性	开发一种预测模型，用于评估潜在可转化肝细胞癌患者对ICIs治疗的响应	潜在可转化肝细胞癌患者	数字病理学	肝细胞癌	CT成像、放射组学分析、RNA和DNA测序	深度学习模型	CT图像、临床数据、RNA和DNA测序数据	未明确提及具体样本数量
5019	2025-03-16	The effect of cryopreservation on enamel microcracks - A μCT analysis using a deep learning algorithm 2025-Mar-13, Cryobiology IF:2.3Q3 DOI:10.1016/j.cryobiol.2025.105207 PMID:39929328	研究论文	本研究通过μCT分析和深度学习算法，探讨了冷冻保存对牙釉质微裂纹的影响	首次使用深度学习算法对冷冻保存引起的牙釉质裂纹进行直接评估，并提出了可扩展且精确的量化方法	研究样本量较小，仅涉及5颗牙齿，且未探讨裂纹对牙齿功能的具体影响	研究冷冻保存对牙釉质微裂纹的影响	牙釉质微裂纹	计算机视觉	NA	μCT分析	U-Net	图像	5颗牙齿
5020	2025-03-16	Deep learning models in classifying primary bone tumors and bone infections based on radiographs 2025-Mar-13, NPJ precision oncology IF:6.8Q1 DOI:10.1038/s41698-025-00855-3 PMID:40074845	研究论文	本研究开发了一种集成深度学习框架，用于基于X光片准确区分原发性骨肿瘤和骨感染	提出了一种集成深度学习框架，结合多中心X光片和广泛的临床特征，提高了诊断准确性	研究依赖于特定数据集，可能无法完全推广到其他医疗环境	提高原发性骨肿瘤和骨感染的诊断精度	原发性骨肿瘤和骨感染	计算机视觉	骨肿瘤	深度学习	EfficientNet B3, EfficientNet B4, Vision Transformer, Swin Transformers	X光片	外部数据集423例，内部数据集1044例（训练集）、354例（测试集）、171例（验证集）