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
5781	2025-05-01	Identifying mating events of group-housed broiler breeders via bio-inspired deep learning models 2025-Apr-04, Poultry science IF:3.8Q1 DOI:10.1016/j.psj.2025.105126 PMID:40300323	研究论文	开发深度学习模型识别群养肉种鸡的交配行为	结合生物特征和鸟只数量变化，利用深度学习模型自动识别交配行为，显著提高了处理速度	交配事件识别在不同时间段和鸟龄间存在波动，受鸟只重叠、聚集密度和遮挡影响	优化肉种鸡的繁殖效率和生产力	罗斯708品种的肉种鸡（20只母鸡和2-3只公鸡）	计算机视觉	NA	深度学习	YOLOv7, YOLOv8, DeepSORT, StrongSORT, ByteTrack, SAM2, YOLOv8-segmentation, Track Anything	图像	20只母鸡和2-3只公鸡（56周龄）在四个实验栏中监测
5782	2025-05-01	Computational Pathology Detection of Hypoxia-Induced Morphologic Changes in Breast Cancer 2025-Apr, The American journal of pathology DOI:10.1016/j.ajpath.2024.10.023 PMID:39732389	research paper	该研究利用人工智能在计算病理学中评估乳腺癌缺氧情况，通过弱监督深度学习模型检测H&E染色全切片图像中与缺氧相关的形态变化	首次将弱监督深度学习模型应用于常规H&E染色切片中缺氧相关形态变化的检测，无需额外基因表达检测	研究仅基于乳腺癌样本，模型在其他肿瘤类型中的适用性尚待验证	开发一种基于人工智能的方法来检测乳腺癌中的缺氧诱导形态变化	乳腺癌原发部位的H&E染色全切片图像	digital pathology	breast cancer	H&E染色全切片成像	HypOxNet (弱监督深度学习模型)	image	1016例乳腺癌原发部位样本
5783	2025-05-01	Multi-stain deep learning prediction model of treatment response in lupus nephritis based on renal histopathology 2025-Apr, Kidney international IF:14.8Q1 DOI:10.1016/j.kint.2024.12.007 PMID:39733792	研究论文	本研究开发了一种基于肾脏组织病理学的多染色深度学习模型，用于预测狼疮性肾炎患者的治疗反应	首次将深度学习应用于多染色肾脏活检切片，整合四种染色模型构建多染色预测模型，性能优于传统临床病理参数	需要进一步验证才能在临床实践中实施	开发预测狼疮性肾炎患者治疗反应的工具	狼疮性肾炎患者	数字病理学	狼疮性肾炎	深度学习	多染色集成模型	数字病理切片图像	开发队列245名患者(880张数字切片)，外部测试队列71名患者(258张数字切片)
5784	2025-05-01	Incorporating spatial information in deep learning parameter estimation with application to the intravoxel incoherent motion model in diffusion-weighted MRI 2025-Apr, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103414 PMID:39740472	research paper	该研究提出了一种结合空间信息的深度学习方法，用于扩散加权磁共振成像中的参数估计，特别是在体素内不相干运动模型中	通过训练神经网络在包含相邻体素间直接相关性的合成数据块上，有效利用了空间信息，提高了参数估计的准确性	研究主要基于合成数据和少量健康志愿者的体内数据，需要更多临床数据验证	提高扩散加权磁共振成像中模型参数估计的准确性	扩散加权磁共振成像数据	医学图像分析	NA	扩散加权磁共振成像(DWI)	attention模型, CNN	医学图像	12次重复扫描的健康志愿者数据
5785	2025-05-01	Automatic Segmentation of Vestibular Schwannoma From MRI Using Two Cascaded Deep Learning Networks 2025-Apr, The Laryngoscope DOI:10.1002/lary.31979 PMID:39744768	研究论文	本文介绍了一种结合两个卷积神经网络（CNN）的新模型，用于通过深度学习自动分割和检测MRI中的前庭神经鞘瘤（VS），以提高自动分割的性能	提出了一种顺序连接两个UNet并结合空间注意力机制的新模型，用于改进前庭神经鞘瘤的自动分割性能	未提及具体的数据集规模或模型在其他类型肿瘤上的泛化能力	提高前庭神经鞘瘤（VS）在MRI中的自动分割和检测性能	前庭神经鞘瘤（VS）	数字病理学	前庭神经鞘瘤	MRI（对比增强T1和高分辨率T2加权）	UNet（2D、2.5D、3D）	图像	公共和私人数据集（具体数量未提及）
5786	2025-05-01	Overfit detection method for deep neural networks trained to beamform ultrasound images 2025-Apr, Ultrasonics IF:3.8Q1 DOI:10.1016/j.ultras.2024.107562 PMID:39746284	研究论文	提出一种检测深度神经网络在超声图像波束成形任务中过拟合的方法	仅需网络架构和训练权重即可检测过拟合，无需耗时重新训练或额外测试数据	方法仅在三种人工输入（零、一和高斯噪声）上验证，未在更广泛数据上测试	开发无需额外测试数据即可检测深度神经网络过拟合的方法	用于超声图像波束成形的深度神经网络	计算机视觉	NA	深度神经网络训练与评估	DNN	超声图像	多中心数据训练的三种DNN模型
5787	2025-05-01	CPI-GGS: A deep learning model for predicting compound-protein interaction based on graphs and sequences 2025-Apr, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2024.108326 PMID:39752853	research paper	本文提出了一种基于图和序列的深度学习模型CPI-GGS，用于预测化合物-蛋白质相互作用	CPI-GGS模型结合了图和序列信息，提高了化合物-蛋白质相互作用的预测准确性	模型在不同数据集上的泛化能力仍需进一步验证	提高化合物-蛋白质相互作用预测的准确性，以促进药物发现和设计	化合物-蛋白质相互作用	machine learning	NA	deep learning	CPI-GGS	graph and sequence data	NA
5788	2025-05-01	Mapping the knowledge landscape of the PET/MR domain: a multidimensional bibliometric analysis 2025-Apr, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-024-07043-8 PMID:39754665	研究论文	本文通过文献计量分析探讨了2010年至2024年PET/MR领域的研究趋势、合作模式和新兴主题	首次对PET/MR领域进行多维度的文献计量分析，揭示了研究热点和发展趋势	仅基于Web of Science数据库，可能遗漏其他来源的重要文献	探索PET/MR领域的研究现状和未来发展方向	PET/MR领域的4349篇文献	医学影像分析	肿瘤学、神经系统疾病和心血管疾病	文献计量分析工具VOSviewer和CiteSpace	NA	文献数据	4349篇出版物
5789	2025-05-01	MPIC: Exploring alternative approach to standard convolution in deep neural networks 2025-Apr, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2024.107082 PMID:39754840	研究论文	本文提出了一种名为MPIC的多尺度渐进推理卷积方法，旨在增强标准卷积的特征提取能力同时保持参数数量相近	MPIC结合了大感受野、多尺度处理和渐进推理的优点，与现有卷积变体网络兼容并能显著提升特征提取能力	NA	探索标准卷积的替代方法以增强特征提取能力	卷积神经网络(CNNs)	计算机视觉	NA	NA	MPIC, CNN	图像	多个知名数据集(未具体说明数量)
5790	2025-05-01	Interpretable deep learning for acoustic leak detection in water distribution systems 2025-Apr-01, Water research IF:11.4Q1 DOI:10.1016/j.watres.2024.123076 PMID:39756226	研究论文	本研究提出了一种用于水分配系统中声学泄漏检测的可解释深度学习方法	提出了多通道卷积神经网络（MCNN）模型和MGrad-CAM方法，以提高泄漏检测的准确性和模型的可解释性	未提及具体的研究局限性	提高水分配系统中泄漏检测的准确性和模型的可解释性	水分配系统中的声学泄漏信号	机器学习	NA	深度学习，聚类分析	MCNN, FCNN	声学信号	实验数据和实际现场数据
5791	2025-05-01	SegRap2023: A benchmark of organs-at-risk and gross tumor volume Segmentation for Radiotherapy Planning of Nasopharyngeal Carcinoma 2025-Apr, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103447 PMID:39756265	research paper	介绍SegRap2023挑战赛及其为鼻咽癌放疗计划提供的器官风险区域和肿瘤体积分割基准数据集	提出了一个大规模基准数据集，包含200名鼻咽癌患者的400次CT扫描，用于评估OARs和GTVs的分割性能	对于GTVs和较小或较薄的OARs分割仍需更多努力	提升鼻咽癌放疗计划中器官风险区域和肿瘤体积的精确分割	鼻咽癌患者的CT扫描图像	digital pathology	nasopharyngeal carcinoma	CT扫描	NA	image	200名患者的400次CT扫描
5792	2025-05-01	Traditional versus modern approaches to screening mammography: a comparison of computer-assisted detection for synthetic 2D mammography versus an artificial intelligence algorithm for digital breast tomosynthesis 2025-Apr, Breast cancer research and treatment IF:3.0Q2 DOI:10.1007/s10549-024-07589-z PMID:39786500	research paper	比较传统计算机辅助检测算法和现代人工智能算法在乳腺X线摄影中的性能	首次比较了传统机器学习CADe算法和深度学习AI算法在乳腺X线摄影中的表现	研究仅使用了Hologic公司的特定算法，可能无法推广到其他厂商的算法	比较传统和现代方法在乳腺X线摄影筛查中的效果	乳腺X线摄影图像	digital pathology	breast cancer	synthetic 2D mammography, digital breast tomosynthesis (DBT)	traditional machine learning CADe, deep learning-based AI	image	764名患者（平均年龄58岁±11），包含106例活检证实的癌症和658例阴性病例
5793	2025-05-01	Domain-guided conditional diffusion model for unsupervised domain adaptation 2025-Apr, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2024.107031 PMID:39778293	研究论文	提出了一种领域引导的条件扩散模型（DCDM），用于无监督领域自适应（UDA），以生成高保真的目标领域样本	引入了类信息来控制生成样本的标签，并使用领域分类器引导生成样本朝向目标领域	性能可能受到领域差异大和目标领域数据有限的限制	解决深度学习模型在新应用场景中迁移性能受限的问题	无监督领域自适应（UDA）	机器学习	NA	扩散模型	DCDM	NA	NA
5794	2025-05-01	Cooperative multi-task learning and interpretable image biomarkers for glioma grading and molecular subtyping 2025-Apr, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103435 PMID:39778265	研究论文	提出了一种新型协作多任务学习网络（CMTLNet），用于胶质瘤分级和分子亚型预测，并提供可解释的影像生物标志物	设计了任务通用特征提取模块、任务特定独特特征提取模块和独特-通用特征协作分类模块，实现了胶质瘤多任务预测的可解释性	未明确提及具体局限性	开发一种能够同时准确预测胶质瘤组织学分级和分子亚型并提供可靠影像生物标志物的方法	胶质瘤	数字病理	胶质瘤	深度学习	CMTLNet	影像	超过1800例的多中心数据集
5795	2025-05-01	A practical approach to the spatial-domain calculation of nonprewhitening model observers in computed tomography 2025-Apr, Medical physics IF:3.2Q1 DOI:10.1002/mp.17599 PMID:39780034	研究论文	提出了一种在空间域计算CT中非预白化模型观察者的实用方法，避免了傅里叶域的缺点	提出了一种避免噪声协方差矩阵显式估计的空间域计算方法，并提供了检测指数估计的不确定性公式	傅里叶域方法在强迭代重建和深度学习重建算法中显示出更高的检测能力，空间域方法可能低估噪声抑制效果	开发一种用于CT图像质量评估的模型观察者计算方法	CT图像重建算法（迭代重建和深度学习重建）	医学影像处理	NA	CT扫描、迭代重建(IR)、深度学习重建(DLR)	非预白化(NPW)模型观察者	CT图像	使用内部开发的体模，包含两种对比度水平（2和8 mgI/mL）和不同特征尺寸（1-10 mm直径），采用两种单能协议（80和120 kV）和两种剂量水平（CTDIvol = 5和13 mGy）
5796	2025-05-01	Automated Posterior Tibial Slope Measurement Using Lateral Knee Radiographs: A Novel Landmark-Based Approach Using Deep Learning 2025-Apr, Orthopaedic journal of sports medicine IF:2.4Q2 DOI:10.1177/23259671251331067 PMID:40297052	research paper	本研究验证了一种基于解剖标志的深度学习模型，用于在未经校准的膝关节侧位X光片上测量后胫骨斜率（PTS）	提出了一种基于标志点的新型方法，使用深度学习模型自动测量PTS，具有时间效率和准确性	需要外部验证以确认模型的临床适用性	验证一种在线计算机视觉模型，用于在膝关节侧位X光片上测量PTS	膝关节侧位X光片	computer vision	osteoarthritis	deep learning	CNN	image	10,007张膝关节侧位X光片（9277张训练，500张验证，230张测试）
5797	2025-05-01	Digital pathology and artificial intelligence in diagnostic pathology 2025-Apr, The Malaysian journal of pathology PMID:40302471	review	本文简要概述了数字病理学和深度学习在诊断病理学中的应用及其未来潜力	探讨了人工智能在诊断病理学中的优势、用途、障碍和未来潜力，以及病理学家与AI系统合作的优越性能	病理学家在诊断最终确定中仍起关键作用，AI应用仍存在障碍和约束	提高疾病诊断的效率和准确性	数字病理学和人工智能在诊断病理学中的应用	digital pathology	NA	deep learning	NA	image	NA
5798	2025-05-01	GeOKG: geometry-aware knowledge graph embedding for Gene Ontology and genes 2025-Mar-29, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaf160 PMID:40217132	research paper	提出了一种几何感知的知识图谱嵌入方法GeOKG，用于基因本体和基因的表示学习，以改进蛋白质-蛋白质相互作用预测	利用几何交互来更好地反映基因本体的复杂层次结构，克服了单空间嵌入的不足	NA	改进基因本体和基因的表示学习，以提升下游生物任务如蛋白质-蛋白质相互作用预测的性能	基因本体(GO)和基因本体注释(GOA)	生物信息学	NA	深度学习	知识图谱嵌入	图数据	NA
5799	2025-05-01	Human Brain Inspired Artificial Intelligence Neural Networks 2025-Mar-28, Journal of integrative neuroscience IF:2.5Q3 DOI:10.31083/JIN26684 PMID:40302263	research paper	探讨人工智能（AI）发展如何从人脑结构和功能中汲取灵感，并比较关键脑区与AI范式之间的对应关系	通过映射神经和计算架构，展示AI模型如何逐步模仿人脑的复杂性，从基本模式识别到高级推理	当前面临的挑战包括克服学习限制和实现可比的神经可塑性	研究AI如何从人脑结构和功能中获取灵感，并比较两者之间的对应关系	人脑关键区域（如脑干、感觉皮层、基底节、丘脑、边缘系统、前额叶皮层）和AI范式（如通用AI、机器学习、深度学习、人工通用智能）	machine learning	NA	NA	deep learning, artificial general intelligence (AGI)	NA	NA
5800	2025-05-01	New Method of Impact Localization on Plate-like Structures Using Deep Learning and Wavelet Transform 2025-Mar-20, Sensors (Basel, Switzerland) DOI:10.3390/s25061926 PMID:40293079	research paper	提出了一种利用二维卷积神经网络（CNN）和小波变换（WT）在板状结构上定位冲击事件的新方法	结合CNN和小波变换处理冲击信号，提高了冲击定位的准确性	模型难以区分特征相似的数据样本，主要由于信号分段间隔和冲击距离的影响	开发一种高效准确的冲击事件定位方法	板状结构上的冲击事件	machine learning	NA	小波变换（WT）	CNN	image	8个数据集，包含2至5次冲击信号