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
5101	2025-03-05	Powerful and accurate case-control analysis of spatial molecular data with deep learning-defined tissue microniches 2025-Feb-08, bioRxiv : the preprint server for biology DOI:10.1101/2025.02.07.637149 PMID:39975274	研究论文	本文介绍了一种名为VIMA的方法，结合深度学习和统计学原理，用于发现与疾病相关的空间特征	VIMA方法利用变分自编码器从小组织块中提取数值“指纹”，定义大量“微生态位”，并通过严格的统计学方法识别与病例对照状态相关的微生态位	NA	识别与疾病相关的关键空间结构	空间分子数据	数字病理学	阿尔茨海默病、溃疡性结肠炎、类风湿性关节炎	空间转录组学、CODEX、免疫组织化学	变分自编码器	空间分子数据	多个数据集（140基因空间转录组学数据集、54标记CODEX数据集、7标记免疫组织化学数据集）
5102	2025-03-05	Inhibition of tumour necrosis factor alpha by Etanercept attenuates Shiga toxin-induced brain pathology 2025-Feb-07, Journal of neuroinflammation IF:9.3Q1 DOI:10.1186/s12974-025-03356-z PMID:39920757	研究论文	本研究探讨了肿瘤坏死因子α（TNF-α）在EHEC感染引起的脑病理中的角色，并评估了Etanercept药物对TNF-α的抑制作用	使用了一种新颖的人机交互深度学习算法对显微成像数据进行分割，以分析小胶质细胞群体的形态变化	研究仅限于小鼠模型，未涉及人类临床试验	探讨TNF-α在EHEC感染引起的脑病理中的作用，并评估Etanercept的治疗潜力	EHEC感染的小鼠模型	数字病理	脑部疾病	LC-MS/MS蛋白质组学，深度学习算法	深度学习	图像，蛋白质组数据	未明确提及样本数量
5103	2025-03-05	GFLearn: Generalized Feature Learning for Drug-Target Binding Affinity Prediction 2025-Feb-04, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3538497 PMID:40031740	研究论文	本文提出了一种新的广义特征学习模型（GFLearn），用于药物-靶标结合亲和力预测，通过整合图神经网络（GNNs）和自监督不变特征学习模块，显著提高了预测性能	GFLearn模型通过整合图神经网络和自监督不变特征学习模块，能够从未见过的药物或靶标中提取鲁棒且高度可泛化的特征，从而显著提高预测性能	NA	提高药物-靶标结合亲和力预测的准确性和泛化能力	药物和靶标	机器学习	NA	图神经网络（GNNs），自监督不变特征学习	GFLearn	药物和靶标的数据	两个不同的数据集，涉及新药物、新靶标及其组合的三种挑战性场景
5104	2025-03-05	Towards Investigating Residual Hearing Loss: Quantification of Fibrosis in a Novel Cochlear OCT Dataset 2025-Feb-03, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3537868 PMID:40031386	研究论文	本文研究了通过光学相干断层扫描（OCT）图像数据集量化耳蜗纤维化，以改善混合耳蜗植入物的效果	首次将计算机视觉技术应用于植入耳蜗的OCT数据集，开发了一种改进的UNET架构（2D-OCT-UNET）用于纤维化分割	研究主要基于豚鼠模型，结果可能不完全适用于人类	研究耳蜗纤维化的形成，以减少纤维化负担并改善耳蜗植入患者的治疗效果	植入耳蜗的豚鼠	计算机视觉	听力损失	光学相干断层扫描（OCT）	改进的UNET架构（2D-OCT-UNET）	图像	NA
5105	2025-03-05	Matryoshka: Exploiting the Over-Parametrization of Deep Learning Models for Covert Data Transmission 2025-Feb, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2024.3434417 PMID:39058616	研究论文	本文提出了一种名为Matryoshka的新型内部攻击，利用深度学习模型的过参数化特性进行隐蔽数据传输	提出了一种新的参数共享方法，利用载体模型的学习能力进行信息隐藏，实现了高容量、解码效率、有效性、鲁棒性和隐蔽性	未提及具体的技术限制或实验中的不足	揭示即使没有暴露接口，机器学习数据的隐私也可能被破坏的可能性	深度学习模型和机器学习数据	机器学习	NA	深度学习	DNN	模型参数	超过10,000个真实世界数据样本
5106	2025-03-05	Interactive Isosurface Visualization in Memory Constrained Environments Using Deep Learning and Speculative Raycasting 2025-Feb, IEEE transactions on visualization and computer graphics IF:4.7Q1 DOI:10.1109/TVCG.2024.3420225 PMID:38941206	研究论文	本文提出了一种新颖的隐式等值面渲染算法，用于在内存受限的环境中进行大规模体积数据的交互式可视化	通过渐进式遍历光线波前并按需解压数据块来执行隐式光线-等值面交叉，同时使用预训练的深度神经网络改进中间结果的质量，并引入推测性光线-块交叉以加速渲染和提高GPU利用率	算法在图像质量和渲染时间之间进行权衡，可能会影响最终图像的精度	解决在轻量级终端设备上可视化大规模数据集时的内存限制问题	大规模体积数据	计算机视觉	NA	深度学习	深度神经网络	体积数据	NA
5107	2025-03-05	Sparse Non-Local CRF With Applications 2025-Feb, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2024.3474468 PMID:39361458	研究论文	本文提出了一种新的成对条件随机场（CRF）模型，称为稀疏非局部CRF，该模型结合了稀疏CRF的效率和密集CRF的非局部连接特性	提出了一种新的稀疏非局部CRF模型，结合了稀疏CRF的效率和密集CRF的非局部连接特性，且边缘权重不受限制	未明确提及具体局限性	研究一种新的CRF模型，以提高计算机视觉任务中的空间一致性建模效率	图像像素	计算机视觉	NA	条件随机场（CRF）	稀疏非局部CRF	图像	NA
5108	2025-03-05	Intelligent Bionic Polarization Orientation Method Using Biological Neuron Model for Harsh Conditions 2025-Feb, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2024.3484183 PMID:39437271	研究论文	本文开发了一种智能创新定向方法，以提高在恶劣条件下偏振罗盘的准确性	该方法结合了生物神经元模型和卷积神经网络，模拟了Syrphidae视觉神经通路的高效感知机制，并优化了自适应反对称环算法，提高了在弱偏振条件下的定向精度	NA	提高在恶劣天气条件和局部遮挡情况下的偏振罗盘定向精度	偏振罗盘在恶劣条件下的定向精度	计算机视觉	NA	卷积神经网络（CNN）	CNN	图像	NA
5109	2025-03-05	Noise Self-Regression: A New Learning Paradigm to Enhance Low-Light Images Without Task-Related Data 2025-Feb, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2024.3487361 PMID:39466857	研究论文	本文提出了一种新的低光图像增强学习范式NoiSER，利用纯高斯噪声完成低光图像增强任务，无需任何任务相关数据	NoiSER通过自回归方法利用纯高斯噪声进行低光图像增强，进一步降低了对训练数据的要求，并可作为实际应用中的另一种选择	NA	研究目的是提出一种新的低光图像增强方法，减少对训练数据的依赖	低光图像	计算机视觉	NA	深度学习	CNN	图像	NA
5110	2025-03-05	Spatial transcriptomic clocks reveal cell proximity effects in brain ageing 2025-Feb, Nature IF:50.5Q1 DOI:10.1038/s41586-024-08334-8 PMID:39695234	研究论文	本文通过构建空间分辨的单细胞转录组图谱，研究了大脑老化过程中细胞间相互作用的影响	开发了空间老化时钟，利用机器学习模型识别老化和再生过程中的空间和细胞类型特异性转录组特征，揭示了T细胞和神经干细胞对邻近细胞的显著影响	研究主要基于小鼠模型，尚未在人类中进行验证	研究大脑老化过程中细胞间相互作用的影响及其对组织衰退的贡献	420万个来自20个不同年龄段的成年小鼠大脑细胞	生物信息学	老年疾病	空间分辨单细胞转录组学	机器学习模型	转录组数据	420万个细胞
5111	2025-03-05	A Neural Network Approach to Identify Left-Right Orientation of Anatomical Brain MRI 2025-Feb, Brain and behavior IF:2.6Q3 DOI:10.1002/brb3.70299 PMID:39924951	研究论文	本研究提出了一种深度学习新应用，用于提高解剖脑MRI扫描中左右方向识别的准确性	首次将三维卷积神经网络应用于脑MRI的左右方向识别，解决了因元数据丢失或模糊导致的识别难题	研究中仍有四例左右方向识别错误，涉及显著脑部特征变异，如颞叶附近的大蛛网膜囊肿或心室不对称，需进一步研究	提高脑MRI扫描中左右方向识别的准确性，确保神经科学研究的可靠性	脑MRI扫描图像	计算机视觉	神经退行性疾病	深度学习	三维卷积神经网络（3D CNN）	图像	350个MRI用于训练，3056个MRI用于评估
5112	2025-03-05	EasyMetagenome: A user-friendly and flexible pipeline for shotgun metagenomic analysis in microbiome research 2025-Feb, iMeta IF:23.7Q1 DOI:10.1002/imt2.70001 PMID:40027489	研究论文	本文介绍了一个名为EasyMetagenome的用户友好且灵活的宏基因组分析流程，旨在解决宏基因组数据处理复杂性和可重复性的挑战	开发了一个支持多种分析方法（包括质量控制、宿主去除、基于读长、基于组装和分箱）的灵活且用户友好的宏基因组分析流程，并具有可定制设置、全面的数据可视化和详细的参数解释	需要进一步解决宿主污染问题，优化第三代测序数据的工作流程，并整合深度学习和网络分析等新兴技术	开发一个用户友好的宏基因组分析流程，以简化数据处理并提高可重复性	微生物组数据	宏基因组学	NA	shotgun metagenomics	NA	宏基因组数据	NA
5113	2025-03-05	Artificial intelligence in the detection and treatment of depressive disorders: a narrative review of literature 2025-Feb, International review of psychiatry (Abingdon, England) DOI:10.1080/09540261.2024.2384727 PMID:40035375	综述	本文综述了人工智能在抑郁症检测和治疗中的应用，重点关注自然语言处理、聊天机器人、机器学习和深度学习技术	本文综合了当前国际文献中关于人工智能在抑郁症诊断和治疗中应用的最重要证据，特别是自然语言处理、聊天机器人、机器学习和深度学习的应用	本文为叙述性综述，可能未涵盖所有相关研究，且未进行系统性分析或元分析	探讨人工智能在抑郁症筛查、诊断和治疗中的潜在应用	抑郁症患者及其相关临床数据	自然语言处理, 机器学习	抑郁症	自然语言处理, 机器学习, 深度学习	NA	文本, 神经影像数据, 遗传数据, 生物标志物	NA
5114	2025-03-05	Score-based Diffusion Models with Self-supervised Learning for Accelerated 3D Multi-contrast Cardiac MR Imaging 2025-Jan-30, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3534206 PMID:40031249	研究论文	本研究提出了一种基于自监督学习的分数扩散模型，用于加速三维多对比心脏磁共振成像（3D-MC-CMR）的采集	创新点在于结合自监督贝叶斯重建网络和分数扩散模型，实现了无需全采样训练数据的精确重建	未提及具体局限性	加速3D-MC-CMR成像的采集过程	三维多对比心脏磁共振成像数据	医学影像处理	心血管疾病	自监督学习，分数扩散模型，Langenvin Markov链蒙特卡洛采样	自监督贝叶斯重建网络，分数扩散模型	3D多对比心脏磁共振图像	使用3D联合心肌T和T映射序列采集的数据集
5115	2025-03-05	Fall-Risk Monitoring in Diverse Terrains Using Dual-Task Learning and Wearable Sensing System 2025-Jan-30, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3536030 PMID:40031371	研究论文	本文介绍了一种新型多传感器系统，结合地形感知传感器和惯性测量单元（IMU），用于在不同地形上监测跌倒风险	提出了一种基于改进的CNN-LSTM模型的双任务学习（DTL）架构，用于从传感器信号中确定跌倒风险级别和地形	实验主要在实验室和医院环境中进行，可能无法完全反映真实世界中的复杂情况	开发一种可靠的跌倒风险监测系统，以减少老年人跌倒事故	年轻人和老年人	机器学习	老年疾病	双任务学习（DTL）	改进的CNN-LSTM模型	传感器信号	10名年轻人和10名老年人
5116	2025-03-05	Gesture recognition from surface electromyography signals based on the SE-DenseNet network 2025-Jan-29, Biomedizinische Technik. Biomedical engineering DOI:10.1515/bmt-2024-0282 PMID:39873377	研究论文	本文提出了一种基于SE-DenseNet网络的手势识别方法，用于从表面肌电信号中识别手势	结合Squeeze-and-Excitation Networks (SE) 和 DenseNet，在DenseBlock和Transition之间插入注意力机制，以关注最重要的信息，提高特征表示能力，并有效解决梯度消失问题	现有手势识别算法在全局特征捕捉、模型计算复杂度和泛化能力方面仍需进一步改进	提供更自然、方便和个性化的人机交互，特别是在康复技术领域	表面肌电信号（sEMG）	机器学习	NA	NA	SE-DenseNet	肌电信号	NinaPro DB2 和 DB4 数据集
5117	2025-03-05	Automatic multimodal registration of cone-beam computed tomography and intraoral scans: a systematic review and meta-analysis 2025-Jan-29, Clinical oral investigations IF:3.1Q1 DOI:10.1007/s00784-025-06183-x PMID:39878846	系统综述与元分析	本文系统回顾和分析了锥形束计算机断层扫描（CBCT）与口内扫描（IOS）自动多模态配准技术的最新进展及其在牙科中的临床意义	对比了几何基础方法与人工智能（AI）技术在CBCT和IOS配准中的应用，揭示了AI方法在自动化和鲁棒性方面的显著改进	研究中存在配准标志不稳定或数据集多样性有限等挑战，需进一步研究以确保在复杂临床场景中的稳定性	评估CBCT和IOS自动多模态配准技术的最新进展及其在牙科中的临床意义	锥形束计算机断层扫描（CBCT）和口内扫描（IOS）	数字病理	NA	几何基础方法和人工智能（AI）技术	深度学习模型	3D图像数据	493篇文章中筛选出22篇符合条件的研究
5118	2025-03-05	Cardiac Phase Estimation Using Deep Learning Analysis of Pulsed-Mode Projections: Towards Autonomous Cardiac CT Imaging 2025-Jan-29, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3536160 PMID:40031322	研究论文	本文提出了一种通过深度学习和分析脉冲模式投影（PMPs）来实现自主心脏CT成像的新方法	首次在投影域中提出前瞻性心脏相位估计，并开发了一种不确定性驱动的Viterbi正则化器来优化深度学习估计	研究使用了基于物理的模拟数据进行评估，尚未在真实临床数据上进行验证	实现自主心脏CT扫描，减少对心电图设备和专家操作的依赖	心脏CT成像	计算机视觉	心血管疾病	深度学习	LSTM, CNN	图像	基于物理的模拟数据
5119	2025-03-05	End-To-End Prediction of Knee Osteoarthritis Progression With Multimodal Transformers 2025-Jan-29, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3536170 PMID:40031337	研究论文	本研究利用深度学习中的Transformer模型，融合多模态膝关节成像数据，预测膝关节骨关节炎（KOA）的进展	首次使用Transformer模型融合多模态膝关节成像数据，提供了一种端到端的KOA进展预测框架，并公开了源代码和预训练模型	研究结果仍需进一步验证，特别是在不同临床环境中的应用效果	预测膝关节骨关节炎（KOA）的进展，以增强临床试验设计	膝关节骨关节炎（KOA）患者	计算机视觉	骨关节炎	深度学习	Transformer	图像	3967/2421例来自骨关节炎倡议（Osteoarthritis Initiative）的数据
5120	2025-03-05	Class-Agnostic Feature-Learning-Based Deep-Learning Model for Robust Melanoma Prediction 2025-Jan-28, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3535536 PMID:40031346	研究论文	本研究开发了一种基于类无关激活映射（CAAMs）的深度学习模型，用于提高黑色素瘤预测的准确性和可靠性	使用类无关激活映射（CAAMs）来解决图像变异性和变换鲁棒性问题，从而提高诊断准确性和可靠性	未明确提及具体局限性	开发一种鲁棒的深度学习模型，用于黑色素瘤预测	黑色素瘤和痣的皮肤病变图像	计算机视觉	黑色素瘤	深度学习	ConvNeXt, ResNet	图像	ISIC 2017和2019数据集