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
5541	2024-12-21	Predicting Intracerebral Hemorrhage Outcomes Using Deep Learning Models to Extract Head CT Imaging Features 2025-Mar, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.12.019 PMID:39701844	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
5542	2025-03-03	Automatic segmentation of cardiac structures can change the way we evaluate dose limits for radiotherapy in the left breast 2025-Mar, Journal of medical imaging and radiation sciences IF:1.3Q3 DOI:10.1016/j.jmir.2024.101844 PMID:39740303	研究论文	本研究评估了自动分割技术在左乳腺癌放疗中剂量分布的应用，并建立了与心脏区域剂量相关的模型	使用自动分割技术（如TotalSegmentator和Limbus AI）替代传统手动分割，评估心脏亚结构的剂量分布，并提出剂量限制参数	研究未提及样本的具体数量，且自动分割工具在某些亚结构中的应用可能受限	评估左乳腺癌放疗中自动分割心脏亚结构的剂量分布，并建立剂量相关模型	左乳腺癌患者的放疗剂量分布及心脏亚结构	数字病理	乳腺癌	自动分割技术（TotalSegmentator和Limbus AI）	对数线性回归模型	医学影像数据	NA
5543	2025-03-03	Bidirectional f-Divergence-Based Deep Generative Method for Imputing Missing Values in Time-Series Data 2025-Mar, Stats IF:0.9Q3 DOI:10.3390/stats8010007 PMID:39911165	研究论文	本文提出了一种基于f-散度的双向生成对抗网络tf-BiGAIN，用于高维时间序列数据中的缺失值填补	tf-BiGAIN引入了两个关键创新点：使用f-散度作为目标函数以增强模型的灵活性和适应性，以及使用双向门控循环单元以利用前后时间信息	NA	解决高维时间序列数据中缺失值填补的挑战	高维时间序列数据	机器学习	NA	生成对抗网络	tf-BiGAIN	时间序列数据	两个真实世界的时间序列数据集
5544	2025-03-03	Quantifying Facial Gestures Using Deep Learning in a New World Monkey 2025-Mar, American journal of primatology IF:2.0Q1 DOI:10.1002/ajp.70013 PMID:40019116	研究论文	本研究利用深度学习技术量化新世界猴的面部表情，探索其在多模态交流中的独特性	首次使用无标记姿态估计算法量化棉顶狨猴的面部表情，并开发了能够识别面部标志点的模型	研究依赖于圈养个体的视频数据，可能无法完全反映野外行为	开发自动化工具以从原始视频数据中提取行为线索，并研究面部表情在不同行为背景下的特异性	棉顶狨猴	计算机视觉	NA	无标记姿态估计	深度学习	视频	圈养棉顶狨猴的视频数据
5545	2025-03-03	GBCHV an advanced deep learning anatomy aware model for accurate classification of gallbladder cancer utilizing ultrasound images 2025-Feb-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-89232-5 PMID:40016258	研究论文	本研究介绍了一种新颖的深度学习方法，旨在利用来自具有挑战性的GBC USG数据集的超声图像，准确分类胆囊癌（GBC）为良性、恶性和正常类别	该模型的创新点在于其解剖感知机制，采用水平-垂直条带变换来更准确地描绘胆囊组织的空间关系和复杂解剖特征	NA	研究目的是通过先进的深度学习和图像处理技术，实现对胆囊癌的精确和早期分类	研究对象是胆囊癌的超声图像	计算机视觉	胆囊癌	深度学习，图像处理技术（中值滤波和对比度受限的自适应直方图均衡化）	Transformer-based模型（GBCHV-Trans）	图像	NA
5546	2025-03-03	Deep learning-based weed detection for precision herbicide application in turf 2025-Feb-28, Pest management science IF:3.8Q1 DOI:10.1002/ps.8728 PMID:40022516	研究论文	本文探讨了基于深度学习的杂草检测方法，用于精准除草剂应用	使用深度卷积神经网络（DCNNs）进行除草剂敏感性杂草映射，并结合路径规划算法优化喷洒路径	未提及具体样本数量及实验环境的具体限制	评估基于除草剂敏感性的杂草映射在精准除草剂应用中的可行性	草坪中的杂草	计算机视觉	NA	深度卷积神经网络（DCNNs）	DenseNet, GoogLeNet, ResNet	图像	NA
5547	2025-03-03	Neurofind: using deep learning to make individualised inferences in brain-based disorders 2025-Feb-27, Translational psychiatry IF:5.8Q1 DOI:10.1038/s41398-025-03290-x PMID:40016187	研究论文	本文介绍了Neurofind，一个基于深度学习的工具，用于在脑部疾病中进行个体化推断	Neurofind是一个新的免费工具，将数据协调和高级规范模型的方法整合到一个基于网络的平台中，用户只需最小输入	需要进一步验证其在其他脑部疾病中的应用效果	开发一个易于使用的工具，用于在脑部疾病中进行个体化推断	健康对照者和阿尔茨海默病及精神分裂症患者的脑部MRI图像	数字病理学	阿尔茨海默病, 精神分裂症	深度学习	对抗自编码器, 支持向量回归	MRI图像	3362张健康对照者的MRI图像，364张阿尔茨海默病和精神分裂症患者的MRI图像
5548	2025-03-03	Improving ALS detection and cognitive impairment stratification with attention-enhanced deep learning models 2025-Feb-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-90881-9 PMID:40016300	研究论文	本研究开发了一种结合DenseNet121和Squeeze-and-Excitation注意力机制的卷积神经网络Miniset-DenseSENet，用于提高ALS的检测和认知障碍分层	结合DenseNet121和Squeeze-and-Excitation注意力机制，显著提高了ALS检测和认知障碍分层的准确性	研究样本量较小，仅使用了190例尸检脑图像	提高ALS的早期诊断准确性，改善患者分层	ALS患者及其认知障碍分层	计算机视觉	ALS（肌萎缩侧索硬化症）	卷积神经网络	DenseNet121结合Squeeze-and-Excitation注意力机制	图像	190例尸检脑图像
5549	2025-03-03	Deeply supervised two stage generative adversarial network for stain normalization 2025-Feb-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-91587-8 PMID:40016308	研究论文	本文提出了一种深度监督的两阶段生成对抗网络（DSTGAN），用于解决组织病理学图像中的染色标准化问题	创新性地在生成对抗网络中引入深度监督，增强模型的学习能力，并设计了一种新颖的两阶段染色策略，利用半监督概念充分利用源域图像进行训练	未明确提及具体局限性	提高组织病理学图像分析中染色标准化的效果，以提升下游分类和分割任务的准确性	组织病理学图像	数字病理学	NA	生成对抗网络（GAN）	DSTGAN（深度监督两阶段生成对抗网络）	图像	TUPAC-2016、MITOS-ATYPIA-14、ICIAR-BACH-2018和MICCAI-16-GlaS数据集
5550	2025-03-03	T1-weighted MRI-based brain tumor classification using hybrid deep learning models 2025-Feb-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-92020-w PMID:40016334	研究论文	本研究利用U-Net架构和卷积神经网络（如Inception-V3、EfficientNetB4和VGG19）对脑肿瘤（如胶质瘤、脑膜瘤和垂体瘤）进行分类，并通过迁移学习技术增强模型性能	本研究结合U-Net架构和多种卷积神经网络模型，通过迁移学习技术提升脑肿瘤分类的准确性，并在跨数据集验证中展示了U-Net的鲁棒性	未明确提及研究的具体局限性	提高脑肿瘤分类的准确性，以支持早期检测和治疗规划	脑肿瘤（如胶质瘤、脑膜瘤和垂体瘤）	计算机视觉	脑肿瘤	MRI	U-Net, Inception-V3, EfficientNetB4, VGG19	图像	未明确提及具体样本数量
5551	2025-03-03	A hybrid multi model artificial intelligence approach for glaucoma screening using fundus images 2025-Feb-27, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-025-01473-w PMID:40016437	研究论文	本文提出了一种基于人工智能的混合多模型方法，用于通过眼底图像进行青光眼筛查	使用六个轻量级深度学习模型（总大小：110 MB）分析眼底图像，以识别早期结构变化，如视盘凹陷、出血和神经纤维层缺陷	在真实世界测试中，独立二元青光眼分类模型的灵敏度下降至0.5652，而完整AI-GS网络的灵敏度保持在0.8053	开发一种高效且准确的人工智能方法，用于青光眼的早期筛查	眼底图像	计算机视觉	青光眼	深度学习	混合多模型	图像	NA
5552	2025-03-03	A hybrid deep learning model approach for automated detection and classification of cassava leaf diseases 2025-Feb-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-90646-4 PMID:40016508	研究论文	本文探讨了使用深度学习技术自动检测和分类木薯叶疾病的方法	混合模型（DenseNet169 + EfficientNetB0）结合了DenseNet169的特征重用能力和EfficientNetB0的计算效率，提高了准确性和可扩展性	NA	开发自动化的木薯叶疾病检测和分类系统	木薯叶	计算机视觉	植物疾病	深度学习	DenseNet169, EfficientNetB0, Xception, MobileNetV2, ResNet, Vgg19, InceptionV3, InceptionResNetV2	图像	约36,000张标记的木薯叶图像
5553	2025-03-03	A deep learning based ultrasound diagnostic tool driven by 3D visualization of thyroid nodules 2025-Feb-27, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-025-01455-y PMID:40016505	研究论文	本研究开发了一种基于深度学习的两阶段框架，利用动态超声视频进行甲状腺结节诊断的工具TNVis，通过三维可视化提高诊断准确性	利用动态超声视频和三维可视化技术，开发了一种新的甲状腺结节诊断工具TNVis，显著提高了放射科医生的诊断能力	NA	提高甲状腺结节的诊断准确性	甲状腺结节	计算机视觉	甲状腺疾病	深度学习	两阶段深度学习框架	动态超声视频	4569例病例
5554	2025-03-03	Comparative Assessment of Protein Large Language Models for Enzyme Commission Number Prediction 2025-Feb-27, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-025-06081-9 PMID:40016653	研究论文	本文比较了不同蛋白质大语言模型（LLM）在预测酶委员会编号（EC编号）任务中的表现，并与BLASTp和基于独热编码的深度学习模型进行了对比	首次全面比较了ESM2、ESM1b和ProtBERT等LLM在EC编号预测任务中的表现，并揭示了LLM与BLASTp在预测不同EC编号时的互补性	LLM在主流酶注释任务中仍需改进以超越BLASTp，且在某些情况下预测性能仍有限	评估不同蛋白质大语言模型在预测酶功能（EC编号）任务中的性能	酶序列及其对应的EC编号	自然语言处理	NA	蛋白质序列比对（BLASTp、DIAMOND）、深度学习	ESM2、ESM1b、ProtBERT、全连接神经网络	蛋白质序列	NA
5555	2025-03-03	Auxiliary meta-learning strategy for cancer recognition: leveraging external data and optimized feature mapping 2025-Feb-27, BMC cancer IF:3.4Q2 DOI:10.1186/s12885-025-13740-w PMID:40016648	研究论文	本文提出了一种辅助元学习策略，用于癌症识别，通过利用外部数据和优化特征映射来提高识别准确性	提出了一种新的辅助元学习策略，结合外部数据训练特征映射模型，减少误分类概率，并利用深度过参数化卷积层加速训练过程	尽管在癌症识别中表现出色，但该方法在数据稀缺类别中的表现仍需进一步验证	提高癌症识别的准确性，特别是在数据稀缺的情况下	癌症识别	计算机视觉	癌症	元学习，深度过参数化卷积层	三分支结构，特征映射模型	图像	BreakHis, Pap smear, 和 ISIC 2018 数据集
5556	2025-03-03	MultiCycPermea: accurate and interpretable prediction of cyclic peptide permeability using a multimodal image-sequence model 2025-Feb-27, BMC biology IF:4.4Q1 DOI:10.1186/s12915-025-02166-2 PMID:40016695	研究论文	本文提出了一种名为MultiCycPermea的新型深度学习模型，用于预测环肽的渗透性	MultiCycPermea模型从环肽的图像信息（2D结构信息）和序列信息（1D结构信息）中提取特征，并提出了一个子结构约束的特征对齐模块来对齐这两种类型的特征，显著提高了预测准确性	NA	开发一种能够快速评估环肽渗透性的工具，以促进环肽药物的开发	环肽	机器学习	NA	深度学习	MultiCycPermea	图像和序列数据	CycPeptMPDB数据集
5557	2025-03-03	Development of an artificial intelligence-based multimodal diagnostic system for early detection of biliary atresia 2025-Feb-27, BMC medicine IF:7.0Q1 DOI:10.1186/s12916-025-03962-x PMID:40016769	研究论文	本研究开发了一种基于人工智能的多模态诊断系统，用于早期检测胆道闭锁	利用多模态数据（超声图像、临床数据和实验室结果）开发了一种新型深度学习模型，并通过简化模型减少了对血液样本的需求	尽管模型在内部和外部测试集上表现良好，但仍需进一步验证其在更广泛临床环境中的适用性	开发一种智能诊断系统，以提高胆道闭锁的早期诊断准确性	胆道闭锁患者	数字病理	胆道闭锁	深度学习	深度学习模型	超声图像、临床数据、实验室结果	1579名参与者（回顾性研究），171例（前瞻性研究外部测试集）
5558	2025-03-03	Predicting the efficacy of neoadjuvant chemotherapy in breast cancer patients based on ultrasound longitudinal temporal depth network fusion model 2025-Feb-27, Breast cancer research : BCR IF:6.1Q1 DOI:10.1186/s13058-025-01971-5 PMID:40016785	研究论文	本研究开发并验证了一种基于纵向超声数据和临床特征的深度学习放射组学模型，用于预测乳腺癌患者新辅助化疗后的病理完全缓解	结合了治疗前和治疗后2周期的超声图像特征以及临床特征，构建了集成模型，显著提高了预测性能	样本量相对较小，且仅基于单一中心的患者数据，可能影响模型的泛化能力	预测乳腺癌患者新辅助化疗后的病理完全缓解	312名经组织学确认的乳腺癌患者	数字病理	乳腺癌	深度学习放射组学	XGBoost	超声图像	312名患者（训练队列219名，测试队列93名）
5559	2025-03-03	ScreenDx, an artificial intelligence-based algorithm for the incidental detection of pulmonary fibrosis 2025-Feb-26, The American journal of the medical sciences DOI:10.1016/j.amjms.2025.02.011 PMID:40020875	研究论文	本文介绍了一种基于人工智能的算法ScreenDx，用于在计算机断层扫描（CT）图像中偶然检测肺纤维化	开发并验证了一种深度学习卷积神经网络算法ScreenDx，用于筛查CT图像并识别肺纤维化的偶然病例	研究未涉及不同种族或地区患者的表现差异，且样本量相对有限	开发一种机器学习算法，用于筛查CT图像中的肺纤维化特征	CT图像数据，包括正常和异常的CT图像，以及患有COPD、肺气肿和社区获得性肺炎的患者的CT图像	计算机视觉	肺纤维化	深度学习	卷积神经网络（CNN）	图像	总样本量为4,722例CT图像，包括3,658例用于开发算法的多源数据集（队列A），381例用于调整算法的美国队列（队列B），以及683例用于外部验证的国际数据集（队列C）
5560	2025-03-03	Imaging Results in Data Usefully Analyzed by Artificial Intelligence Machine Learning 2025-Feb-26, Arthroscopy : the journal of arthroscopic & related surgery : official publication of the Arthroscopy Association of North America and the International Arthroscopy Association IF:4.4Q1 DOI:10.1016/j.arthro.2025.02.024 PMID:40021066	研究论文	本文探讨了人工智能（AI）和机器学习（ML）在诊断影像分析中的应用，强调了深度学习在减少观察者间差异和提升诊断准确性方面的潜力	提出了一个有效的三步方法，包括检测器、注意力模块和可解释性，以提高影像分析的效率和准确性	需要外部验证以确定模型在单一机构外的泛化能力	研究AI和ML在诊断影像分析中的应用，以提高诊断的准确性和一致性	诊断影像数据	计算机视觉	NA	深度学习	NA	图像	NA