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
6021	2025-02-25	Foundations of a knee joint digital twin from qMRI biomarkers for osteoarthritis and knee replacement 2025-Feb-21, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-025-01507-3 PMID:39984725	研究论文	本研究基于定量MRI（qMRI）和机器学习技术，构建了一个膝关节的数字孪生系统，旨在推进骨关节炎（OA）管理和膝关节置换（KR）预测的精准医疗	结合深度学习分割膝关节结构和降维技术，创建了一个成像生物标志物的嵌入特征空间，并识别出与OA发病率和KR结果显著相关的特定生物标志物	NA	推进骨关节炎管理和膝关节置换预测的精准医疗	膝关节	数字病理学	骨关节炎	定量MRI（qMRI）	深度学习	图像	NA
6022	2025-02-25	Deep learning models for differentiating three sinonasal malignancies using multi-sequence MRI 2025-Feb-21, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-024-01517-9 PMID:39984860	研究论文	本研究开发了基于MRI的深度学习模型，用于区分鼻窦鳞状细胞癌、腺样囊性癌和嗅神经母细胞瘤，并评估这些模型是否能提高资深和初级放射科医生的诊断性能	首次使用ResNet101网络结合多序列MRI数据，构建深度学习模型，显著提高了对三种鼻窦恶性肿瘤的区分能力，并提升了放射科医生的诊断表现	研究为回顾性分析，可能存在选择偏差，且样本量相对有限，外部验证集仅有93例患者	开发并验证基于MRI的深度学习模型，以提高对鼻窦鳞状细胞癌、腺样囊性癌和嗅神经母细胞瘤的诊断准确性	465名鼻窦恶性肿瘤患者（包括229例鳞状细胞癌、128例腺样囊性癌和108例嗅神经母细胞瘤）	医学影像分析	鼻窦恶性肿瘤	MRI（包括T2加权成像、对比增强T1加权成像和表观扩散系数）	ResNet101	MRI图像	465名患者（训练和验证集325名，外部测试集93名）
6023	2025-02-25	An ensemble deep learning framework for multi-class LncRNA subcellular localization with innovative encoding strategy 2025-Feb-21, BMC biology IF:4.4Q1 DOI:10.1186/s12915-025-02148-4 PMID:39984880	研究论文	本文提出了一种名为MGBLncLoc的深度学习模型，用于多类LncRNA亚细胞定位预测，采用了一种创新的编码策略	引入了基于多类核苷酸组分布密度的广义编码技术（MCD-ND），能更精确地反映核苷酸分布，区分序列中的恒定和判别区域，从而提升预测性能	未明确提及具体局限性	提高LncRNA亚细胞定位预测的准确性	长非编码RNA（LncRNA）	自然语言处理	NA	深度学习	CNN, BiGRU, Multi-Dconv Head Transposed Attention, Gated-Dconv Feed-forward Network	序列数据	未明确提及样本数量
6024	2025-02-25	Multi-cancer early detection based on serum surface-enhanced Raman spectroscopy with deep learning: a large-scale case-control study 2025-Feb-21, BMC medicine IF:7.0Q1 DOI:10.1186/s12916-025-03887-5 PMID:39984977	研究论文	本研究提出了一种基于血清表面增强拉曼光谱（SERS）技术和深度学习的多癌症早期检测平台	结合了SERS技术、重采样策略、特征维度增强、深度学习和可解释性分析方法，实现了敏感且准确的泛癌症筛查	研究中未提及对晚期癌症患者的检测效果，且样本量虽大但部分癌症类型样本较少	开发一种高效的多癌症早期检测方法	早期乳腺癌、肺癌、甲状腺癌、结直肠癌、胃癌、食管癌患者及健康对照者	数字病理学	多癌症	表面增强拉曼光谱（SERS）	ResNet（卷积神经网络）	光谱数据	1655名早期癌症患者（包括569名乳腺癌、513名肺癌、220名甲状腺癌、215名结直肠癌、100名胃癌、38名食管癌）和1896名健康对照者
6025	2025-02-25	Combinatorial mapping of E3 ubiquitin ligases to their target substrates 2025-Feb-20, Molecular cell IF:14.5Q1 DOI:10.1016/j.molcel.2025.01.016 PMID:39919746	研究论文	本文介绍了组合映射E3泛素连接酶与其靶标底物的方法COMET，用于大规模识别E3-底物对	开发了COMET框架，能够在一个实验中测试多个E3在降解多个候选底物中的作用，并利用深度学习预测E3-底物相互作用的结构基础	未明确提及具体局限性	识别E3泛素连接酶与其靶标底物的关系，并预测其相互作用的结构基础	E3泛素连接酶及其靶标底物	生物信息学	NA	组合映射、深度学习	深度学习模型	蛋白质序列数据	6,716个F-box-ORF组合和26,028个E3-TF组合
6026	2025-02-25	Optimizing potato leaf disease recognition: Insights DENSE-NET-121 and Gaussian elimination filter fusion 2025-Feb-15, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2025.e42318 PMID:39991243	研究论文	本文提出了一种基于深度学习的混合模型DENSE-NET-121与2D高斯消元滤波器，用于通过早期检测马铃薯叶片病害来提高产量	结合DENSE-NET-121和2D高斯消元滤波器，实现了前所未有的训练和验证准确率，并显著降低了训练和验证损失	NA	提高马铃薯产量，通过早期检测叶片病害	马铃薯叶片	计算机视觉	马铃薯病害	深度学习	DENSE-NET-121	图像	来自Kaggle数据集的三种马铃薯叶片类别（早疫病、健康、晚疫病）
6027	2025-02-25	A Physics-Informed Deep Learning Model for MRI Brain Motion Correction 2025-Feb-13, ArXiv PMID:39990792	研究论文	本研究介绍了一种物理信息驱动的深度学习模型PI-MoCoNet，用于MRI脑部运动校正，通过整合空间和k空间信息来消除运动伪影，提高图像质量和诊断可靠性	PI-MoCoNet无需显式运动参数估计，通过结合空间和k空间信息来校正运动伪影，创新性地使用了U-net与Swin Transformer模块结合的架构，并引入了三种损失函数进行优化	研究主要基于模拟的运动伪影数据，实际临床环境中的复杂运动可能未被完全覆盖	开发一种高效的MRI脑部运动校正方法，以提高图像质量和诊断可靠性	MRI脑部图像	计算机视觉	NA	深度学习	U-net, Swin Transformer	图像	IXI和MR-ART数据集
6028	2025-02-25	Deep Learning Derived Adipocyte Size Reveals Adipocyte Hypertrophy is under Genetic Control 2025-Feb-12, medRxiv : the preprint server for health sciences DOI:10.1101/2025.02.11.25322053 PMID:39990583	研究论文	本研究利用深度学习方法对皮下和内脏脂肪组织样本进行语义分割，探讨脂肪细胞大小与肥胖相关性状及其遗传关联	首次大规模研究自动脂肪细胞表型分析，结合组织学测量和遗传学数据，揭示了脂肪细胞肥大与代谢不良的关联，并发现了与脂肪细胞大小相关的遗传位点	研究样本主要来自特定人群，可能限制了结果的普适性	探讨脂肪细胞大小与肥胖相关性状及其遗传关联	皮下和内脏脂肪组织样本	数字病理学	肥胖相关疾病	深度学习	语义分割模型	图像	2,667个样本，来自5个独立队列，包含9,000张全切片图像，超过2,700万个脂肪细胞
6029	2025-02-25	Classification of Major Depressive Disorder Using Vertex-Wise Brain Sulcal Depth, Curvature, and Thickness with a Deep and a Shallow Learning Model 2025-Jan-24, ArXiv PMID:39975425	研究论文	本研究探讨了使用深度学习模型和浅层学习模型结合脑部沟深、曲率和厚度等顶点形态特征对重度抑郁症（MDD）进行分类的效果	首次在MDD分类中整合了顶点形态特征，并比较了DenseNet和SVM两种模型的性能，同时应用了ComBat工具消除多站点数据的潜在影响	尽管使用了非线性分类器和顶点形态特征，但分类性能接近随机水平，表明当前特征和分类器组合在MDD分类中不可行	探索基于脑部形态特征的MDD分类方法，并评估深度学习模型在此任务中的潜力	重度抑郁症患者和健康对照者	神经影像分析	重度抑郁症	深度学习，机器学习	DenseNet, SVM	脑部MRI图像	7,012名参与者（2,772名MDD患者和4,240名健康对照者）来自30个站点
6030	2025-02-25	Phyla: Towards a foundation model for phylogenetic inference 2025-Jan-22, bioRxiv : the preprint server for biology DOI:10.1101/2025.01.17.633626 PMID:39896621	研究论文	本文介绍了Phyla，一种用于系统发育推断的基础模型，采用混合状态空间变换器架构和新颖的树损失函数，在序列推理基准和系统发育树重建上实现了最先进的性能	Phyla模型通过引入显式的高层次语义表示系统发育树，采用混合状态空间变换器架构和新的树损失函数，提升了序列推理和系统发育树重建的性能	模型仍处于开发阶段，尚未完全验证其在不同生物数据集上的广泛适用性	开发一种能够进行跨序列推理的基础模型，以增强系统发育推断和计算生物学中其他任务的通用性和性能	蛋白质序列和系统发育树	计算生物学	NA	混合状态空间变换器架构	Transformer	序列数据	NA
6031	2025-02-25	Accurate predictions on small data with a tabular foundation model 2025-Jan, Nature IF:50.5Q1 DOI:10.1038/s41586-024-08328-6 PMID:39780007	研究论文	本文介绍了一种名为TabPFN的表格基础模型，该模型在小数据集上表现出色，超越了所有现有方法	TabPFN是一种基于生成式Transformer的基础模型，能够在短时间内超越经过长时间调优的基线模型，并支持微调、数据生成、密度估计和学习可重用嵌入	模型在数据集样本量超过10,000时表现未提及，可能在大规模数据集上存在局限性	提升表格数据上的预测能力，以加速科学发现和增强各领域的重要决策	表格数据（如电子表格中的行和列）	机器学习	NA	生成式Transformer	TabPFN	表格数据	最多10,000个样本
6032	2025-02-25	Computational microscopy with coherent diffractive imaging and ptychography 2025-Jan, Nature IF:50.5Q1 DOI:10.1038/s41586-024-08278-z PMID:39780004	综述	本文回顾了相干衍射成像（CDI）和ptychography在计算显微镜领域的创新进展，这些技术统一了显微镜和晶体学，克服了它们的局限性	CDI和ptychography技术在长度尺度上实现了九个数量级的成像能力，从亚埃分辨率的材料原子结构到厘米级组织的定量相位成像	NA	探讨计算显微镜技术在材料科学、生物学等领域的应用及其未来发展	晶体缺陷、非晶材料、高温超导体中的氧空位、磁性、量子、能源材料、纳米材料、集成电路和生物样本	计算显微镜	NA	相干衍射成像（CDI）、ptychography、第四代同步辐射、X射线自由电子激光、高次谐波产生、电子显微镜、光学显微镜、深度学习	NA	图像	NA
6033	2025-02-25	Ventilator pressure prediction employing voting regressor with time series data of patient breaths 2025 Jan-Mar, Health informatics journal IF:2.2Q3 DOI:10.1177/14604582241295912 PMID:39988551	研究论文	本研究提出了一种新颖的混合呼吸机压力预测器（H-VPP），用于预测呼吸机呼吸回路中的气道压力	提出了一种新的混合呼吸机压力预测器（H-VPP），并通过实验验证其在预测呼吸机压力方面的优越性能	未提及具体的研究局限性	预测呼吸机呼吸回路中的气道压力，以提高呼吸机使用的精确性和安全性	COVID-19患者的呼吸机数据	机器学习	COVID-19	投票回归器	混合模型	时间序列数据	未提及具体样本数量
6034	2025-02-25	Intelligent Recognition and Segmentation of Blunt Craniocerebral Injury CT Images Based on DeepLabV3+ Model 2024-Oct-25, Fa yi xue za zhi DOI:10.12116/j.issn.1004-5619.2024.440801 PMID:39992333	研究论文	本文基于DeepLabV3+模型，通过训练卷积神经网络，实现了对钝性颅脑损伤CT图像的智能识别和分割，并探讨了深度学习在法医学中自动诊断钝性颅脑损伤的价值	本研究首次将DeepLabV3+模型应用于钝性颅脑损伤的CT图像分割，并探索了该模型在活体和尸体CT图像上的应用价值	直接使用活体CT图像训练的模型在尸体CT图像上的分割能力相对较差，存在一定的局限性	实现钝性颅脑损伤CT图像的智能识别和分割，并探讨深度学习在法医学中的应用价值	钝性颅脑损伤的CT图像	计算机视觉	颅脑损伤	深度学习	DeepLabV3+	CT图像	5486张活体CT图像（训练集、验证集和测试集），255张活体CT图像和156张正常颅脑CT图像（盲测集），340张尸体CT图像和120张正常颅脑CT图像（新盲测集）
6035	2025-02-25	Construction of an antidepressant priority list based on functional, environmental, and health risks using an interpretable mixup-transformer deep learning model 2024-08-05, Journal of hazardous materials IF:12.2Q1 DOI:10.1016/j.jhazmat.2024.134651 PMID:38843640	研究论文	本研究构建了一个基于功能、环境及健康风险的抗抑郁药物优先级筛选系统（ADRank），并采用改进的mixup-transformer深度学习模型进行分类，以提高分类准确性和可靠性	采用改进的mixup-transformer深度学习模型，相较于随机森林模型，分类准确性提高了23.25%，可靠性提高了80%	研究中未明确提及样本量及数据来源的具体细节	构建抗抑郁药物的风险优先级筛选系统，以识别和管理抗抑郁药物的风险	抗抑郁药物（AD）	机器学习	NA	深度学习	mixup-transformer	NA	NA
6036	2025-02-25	Early detection of nicosulfuron toxicity and physiological prediction in maize using multi-branch deep learning models and hyperspectral imaging 2024-08-05, Journal of hazardous materials IF:12.2Q1 DOI:10.1016/j.jhazmat.2024.134723 PMID:38815392	研究论文	本研究利用多分支深度学习模型和高光谱成像技术，开发了HerbiNet模型，用于早期检测玉米中nicosulfuron除草剂的毒性	开发了HerbiNet和HerbiNet-Lite模型，能够早期准确预测玉米中nicosulfuron的毒性，并在不同年份和季节的数据集上表现出更高的泛化能力	研究仅针对nicosulfuron一种除草剂，未涉及其他除草剂的毒性检测	开发早期检测玉米中除草剂毒性的方法，以保护玉米生产和田间环境	玉米作物及其高光谱图像	计算机视觉	NA	高光谱成像	多分支深度学习模型	图像	NA
6037	2025-02-25	Deep Learning Analysis of Surgical Video Recordings to Assess Nontechnical Skills 2024-07-01, JAMA network open IF:10.5Q1 DOI:10.1001/jamanetworkopen.2024.22520 PMID:39083274	研究论文	本研究探讨了利用手术视频记录中的运动特征自动评估心脏手术过程中非技术技能的可行性	首次使用深度学习技术从手术视频中提取运动特征，以自动评估手术团队的非技术技能	研究仅在一家医院进行，且样本量较小，需要进一步在不同医院和专科中验证结果	探索自动评估手术室非技术技能的方法，以提高手术表现和患者安全	心脏手术过程中的手术团队	计算机视觉	心血管疾病	OpenPose库用于视频分析	深度学习	视频	30例完整的心脏手术过程
6038	2025-02-25	CEUS in prediction of early recurrence of hepatocellular carcinoma after curative resection and to stratify the risk of early recurrence: a retrospective observational study 2024-06, Abdominal radiology (New York) DOI:10.1007/s00261-024-04252-5 PMID:38557770	研究论文	本研究探讨了术前对比增强超声（CEUS）在预测肝细胞癌（HCC）根治性切除术后早期复发（ER）中的作用，并分层了ER的风险	首次使用CEUS结合DL放射组学复发评分来预测HCC的早期复发，并基于预测因子数量对患者进行风险分层	研究为回顾性观察研究，可能存在选择偏差	预测肝细胞癌根治性切除术后的早期复发并分层风险	556名在2011年1月至2018年12月期间接受根治性切除术的HCC患者	数字病理	肝细胞癌	对比增强超声（CEUS）	深度学习（DL）	图像	556名HCC患者
6039	2025-02-25	Deep learning-based image reconstruction for the multi-arterial phase images: improvement of the image quality to assess the small hypervascular hepatic tumor on gadoxetic acid-enhanced liver MRI 2024-06, Abdominal radiology (New York) DOI:10.1007/s00261-024-04236-5 PMID:38512517	研究论文	本文评估了基于深度学习的图像重建技术在多动脉期磁共振成像（MA-MRI）中对小血管性肝肿瘤图像质量的提升效果	首次将深度学习技术应用于多动脉期磁共振成像的图像重建，显著提高了图像质量	研究样本量较小，且为回顾性研究，可能影响结果的普遍性	评估深度学习图像重建技术在多动脉期磁共振成像中的应用效果	55名患有小血管性肝肿瘤的成年患者	计算机视觉	肝肿瘤	深度学习图像重建	深度学习模型	图像	55名成年患者
6040	2025-02-25	Noninvasive diagnosis of liver cirrhosis: qualitative and quantitative imaging biomarkers 2024-06, Abdominal radiology (New York) DOI:10.1007/s00261-024-04225-8 PMID:38372765	综述	本文综述了用于非侵入性诊断肝硬化的定性和定量影像生物标志物，并讨论了评估肝功能和预后的挑战及未来方向	介绍了影像组学和深度学习在提高诊断准确性并减少主观性方面的应用	部分定量影像特征尚未在临床实践中应用	探讨非侵入性诊断肝硬化的影像生物标志物及其在评估肝功能和预后中的应用	肝硬化患者	数字病理学	肝硬化	超声、CT、MRI、弹性成像技术、影像组学、深度学习	NA	影像数据	NA