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
6121	2025-03-18	Quantitative susceptibility mapping via deep neural networks with iterative reverse concatenations and recurrent modules 2025-Mar-16, Medical physics IF:3.2Q1 DOI:10.1002/mp.17747 PMID:40089979	研究论文	本研究提出了一种名为IR2QSM的新型深度学习方法，通过独特的网络架构提高潜在特征的利用率，以改善定量磁化率成像（QSM）的重建精度并减少噪声和伪影	IR2QSM采用了一种先进的U-net架构，包含四次反向连接和中间循环模块，优化了特征融合并提高了QSM的准确性	尽管IR2QSM在模拟和体内数据上表现优异，但其在更广泛的临床数据集上的表现仍需进一步验证	开发一种新的深度学习方法，以提高QSM重建的准确性并减少噪声和伪影	定量磁化率成像（QSM）的重建	计算机视觉	神经系统疾病	MRI	U-net	图像	模拟和体内数据集
6122	2025-03-18	Contrastive Learning with Transformer to Predict the Chronicity of Children with Immune Thrombocytopenia 2025-Mar-14, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3551365 PMID:40085458	研究论文	本文提出了一种结合对比学习和Transformer的新方法，用于预测儿童免疫性血小板减少症（ITP）的慢性化	本文的创新点在于将对比学习与Transformer结合，处理小样本和不平衡数据问题，并通过随机掩码和过采样技术增强数据	由于ITP的自限性和儿童患者数据的稀缺性，数据存在小样本和不平衡问题，这可能影响模型的泛化能力	研究目的是通过深度学习模型准确预测儿童ITP的慢性化，以帮助临床医生制定个性化治疗计划	研究对象为患有免疫性血小板减少症（ITP）的儿童	机器学习	免疫性血小板减少症	对比学习，Transformer	FT-Transformer	表格数据	真实世界的ITP儿童数据
6123	2025-03-18	DenseFormer-MoE: A Dense Transformer Foundation Model with Mixture of Experts for Multi-Task Brain Image Analysis 2025-Mar-14, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3551514 PMID:40085471	研究论文	本文提出了一种结合密集卷积网络、视觉Transformer和专家混合（MoE）的Dense Transformer基础模型（DenseFormer-MoE），用于多任务脑图像分析	该模型通过结合密集卷积网络、视觉Transformer和MoE，逐步学习和整合T1加权磁共振图像（sMRI）的局部和全局特征，以应对多任务学习中的优化冲突	模型主要针对T1加权磁共振图像，未涉及其他类型的脑图像数据	开发一个适用于多种脑图像分析任务的基础模型	T1加权磁共振图像（sMRI）	计算机视觉	脑部疾病	Masked Autoencoder, 自监督学习	DenseFormer-MoE, Vision Transformer, Densenet	图像	多个知名脑成像数据集，包括UK Biobank (UKB), Alzheimer's Disease Neuroimaging Initiative (ADNI), 和 Parkinson's Progression Markers Initiative (PPMI)
6124	2025-03-18	Deep Learning-Based Contrast Boosting in Low-Contrast Media Pre-TAVR CT Imaging 2025-Mar-12, Canadian Association of Radiologists journal = Journal l'Association canadienne des radiologistes DOI:10.1177/08465371251322054 PMID:40071690	研究论文	本研究探讨了基于深度学习的对比增强（DL-CB）在低对比剂（low-CM）CT中对图像质量和测量可靠性的影响，用于经导管主动脉瓣置换术（TAVR）前的评估	首次在低对比剂CT中应用深度学习技术进行对比增强，显著提高了图像质量和测量可靠性	研究为回顾性研究，样本量较小（n=68），且仅限于肾功能不全患者	评估深度学习对比增强技术在低对比剂CT中的效果，用于TAVR前的图像评估	肾功能不全的TAVR候选者	医学影像	心血管疾病	深度学习对比增强（DL-CB）	深度学习	CT图像	68名肾功能不全的TAVR候选者
6125	2025-03-11	A Need for Multi-Institutional Collaboration for Deep Learning-Driven Assessment of Osteosarcoma Treatment Response 2025-Mar-07, The American journal of pathology DOI:10.1016/j.ajpath.2025.02.002 PMID:40056973	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
6126	2025-03-18	Leveraging functional annotations to map rare variants associated with Alzheimer's disease with gruyere 2025-Mar-04, medRxiv : the preprint server for health sciences DOI:10.1101/2024.12.06.24318577 PMID:39677477	研究论文	本文提出了一种名为gruyere的贝叶斯概率模型，用于利用功能注释改进罕见变异的优先排序，并应用于阿尔茨海默病的全基因组测序数据	gruyere模型通过全局、特定性状的功能注释权重学习，改进了现有方法，特别是在结合细胞类型特异性信息方面	现有方法在结合细胞类型特异性信息方面缺乏足够的能力，gruyere模型试图填补这一空白	研究目的是通过改进的罕见变异关联测试方法，识别与阿尔茨海默病相关的基因和功能注释	研究对象为阿尔茨海默病测序项目中的7,966例病例和13,412例对照的全基因组测序数据	基因组学	阿尔茨海默病	全基因组测序（WGS）	贝叶斯概率模型（gruyere）	基因组数据	7,966例病例和13,412例对照
6127	2025-03-18	Metric-Guided Conformal Bounds for Probabilistic Image Reconstruction 2025-Mar-04, ArXiv PMID:38711427	研究论文	本文提出了一种框架，用于计算从概率黑箱图像重建算法得出的预测边界，以提供关于受试者真实状态的可证明有效的统计声明	该框架通过使用临床相关指标表示重建扫描，并利用共形预测（CP）校准真实指标的边界，提供了比传统基于像素的边界方法更好的语义解释	需要先前的校准数据集来校准边界，可能限制了其在新数据集上的应用	提供关于受试者真实状态的可证明有效的统计声明	稀疏视图计算机断层扫描（CT）图像	计算机视觉	NA	共形预测（CP）	概率黑箱图像重建算法	图像	NA
6128	2025-03-18	phyddle: software for exploring phylogenetic models with deep learning 2025-Feb-28, bioRxiv : the preprint server for biology DOI:10.1101/2024.08.06.606717 PMID:39149349	研究论文	本文介绍了phyddle，一种基于深度学习的软件，用于在缺乏可处理似然函数的系统发育模型中进行建模任务	phyddle通过无似然深度学习方法，解决了传统方法无法处理的系统发育模型问题，并提供了灵活的命令行界面	NA	开发一种软件工具，用于在缺乏可处理似然函数的系统发育模型中进行建模任务	系统发育树	机器学习	NA	深度学习	NA	系统发育数据	NA
6129	2025-03-18	Artificial Intelligence in Pancreatic Imaging: A Systematic Review 2025-02, United European gastroenterology journal IF:5.8Q1 DOI:10.1002/ueg2.12723 PMID:39865461	综述	本文探讨了人工智能在胰腺影像学中的角色、技术进步、临床应用及相关挑战	深入分析了人工智能，特别是深度学习和放射组学在胰腺疾病检测和诊断中的应用及其潜力	面临法律和伦理问题、算法透明度及数据安全等挑战	提升胰腺疾病的诊断和治疗效果，改善患者预后和生存率	胰腺疾病，包括急性和慢性胰腺炎及各种胰腺肿瘤	数字病理学	胰腺癌	深度学习、放射组学	CNN	影像数据（CT、MRI、内镜超声）	涉及人类受试者的英文文章，截至2024年3月31日
6130	2025-03-18	Automatic rating of incomplete hippocampal inversions evaluated across multiple cohorts 2025-Jan-20, ArXiv PMID:39148932	研究论文	本文提出了一种自动评估不完全海马反转（IHI）的方法，通过预测四个解剖学标准并汇总形成IHI评分，进行了广泛的机器学习方法和训练策略的实验研究	首次提出自动评估IHI的方法，并展示了深度学习模型在多个队列中的泛化能力	研究基于特定队列，可能缺乏对其他人群的普适性	开发自动评估不完全海马反转（IHI）的方法，以理解其与神经和精神疾病的潜在关系	不完全海马反转（IHI）	数字病理	癫痫, 精神分裂症	深度学习	conv5-FC3, ResNet, SECNN, 岭回归	T1加权MR图像	IMAGEN研究的2,008名参与者，QTIM研究的993名参与者，QTAB研究的403名参与者，以及UKBiobank的985名受试者
6131	2025-03-18	High resolution kinematic approach for quantifying impaired mobility of dystrophic zebrafish larvae 2024-Dec-09, bioRxiv : the preprint server for biology DOI:10.1101/2024.12.05.627004 PMID:39713379	研究论文	本文开发了一种高分辨率运动学方法，用于量化营养不良斑马鱼幼虫的受损运动能力	使用高速摄像技术和基于深度学习的无标记运动捕捉技术，开发了幼虫逃逸反应游泳的链接段模型，提供了高精度的运动学估计	NA	开发一种高分辨率的方法来评估营养不良斑马鱼幼虫的运动能力，作为早期治疗开发的生理相关目标	营养不良斑马鱼幼虫	计算机视觉	肌肉疾病	高速摄像技术，深度学习	随机森林，支持向量机	视频	NA
6132	2025-03-18	A Learnable Prior Improves Inverse Tumor Growth Modeling 2024-Nov-06, ArXiv PMID:38495563	研究论文	本文提出了一种结合深度学习和进化策略的新框架，用于从磁共振图像中估计脑肿瘤细胞浓度	提出了一种结合深度学习和进化策略的协同框架，显著提高了逆问题求解的效率和精度	未明确提及具体局限性	提高从磁共振图像中估计脑肿瘤细胞浓度的效率和精度	脑肿瘤细胞浓度	计算机视觉	脑肿瘤	深度学习算法与高精度进化策略	深度学习集成模型	磁共振图像	未明确提及样本数量
6133	2025-03-18	Biophysical neural adaptation mechanisms enable artificial neural networks to capture dynamic retinal computation 2024-Jul-16, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-50114-5 PMID:39009568	研究论文	本文开发了一种新的深度学习模型，该模型在传统卷积神经网络（CNN）前端结合了光感受器适应的生物物理学，以改进对动态输入条件下视网膜神经节细胞（RGC）响应的预测	在传统CNN模型中嵌入神经适应机制，特别是光感受器适应层，以提高对动态自然刺激下RGC响应的预测能力	NA	探索在人工神经网络（ANN）中嵌入神经适应机制是否能提高其在动态输入条件下预测神经输出的能力	灵长类和鼠类的视网膜神经节细胞（RGC）	计算机视觉	NA	深度学习	卷积神经网络（CNN）	自然刺激数据	NA
6134	2025-03-18	Automated detection of incidental abdominal aortic aneurysms on computed tomography 2024-02, Abdominal radiology (New York) DOI:10.1007/s00261-023-04119-1 PMID:38091064	研究论文	本文开发了一种全自动深度学习软件，用于在无症状成年患者群体中检测和评估CT扫描中的腹主动脉瘤	使用全自动深度学习模型进行腹主动脉瘤的检测和评估，并在大规模无症状患者群体中进行了外部验证	研究仅基于CT结肠造影扫描数据，未涉及其他类型的CT扫描	开发并验证一种全自动深度学习软件，用于检测和评估腹主动脉瘤	无症状成年患者群体	数字病理学	心血管疾病	深度学习	深度学习模型	CT扫描图像	9172名无症状门诊患者
6135	2025-03-18	An improved beluga whale optimizer-Derived Adaptive multi-channel DeepLabv3+ for semantic segmentation of aerial images 2023, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0290624 PMID:37903154	研究论文	本文提出了一种改进的白鲸鲸优化算法驱动的自适应多通道DeepLabv3+模型，用于航空图像的语义分割	采用改进的白鲸鲸优化算法（IBWO）优化多通道DeepLabv3+的超参数，显著提高了分割精度和计算效率	未提及具体的数据集规模或多样性限制	提高航空图像语义分割的准确性和效率	航空图像	计算机视觉	NA	深度学习	AMC-Deeplabv3+, IBWO	图像	未提及具体样本数量
6136	2025-03-17	Spatiotemporal estimates of anthropogenic NOx emissions across China during 2015-2022 using a deep learning model 2025-Apr-05, Journal of hazardous materials IF:12.2Q1 DOI:10.1016/j.jhazmat.2025.137308 PMID:39847932	研究论文	本文开发了一种新的深度学习模型，用于模拟GEOS-Chem模型的逆过程，以改进2015-2019年期间的人为NOx排放强度估计，并预测2020-2022年的排放强度	使用深度学习模型模拟GEOS-Chem模型的逆过程，提高了NOx排放强度的估计精度	模型依赖于高分辨率NO浓度数据集，可能受数据质量和可用性的限制	改进人为NOx排放强度的估计，并预测未来几年的排放趋势	中国2015-2022年的人为NOx排放	机器学习	NA	深度学习	深度学习模型	高分辨率NO浓度数据	2015-2022年的NOx排放数据
6137	2025-03-17	Diagnostic accuracy of an automated classifier for the detection of pleural effusions in patients undergoing lung ultrasound 2025-Apr, The American journal of emergency medicine DOI:10.1016/j.ajem.2025.01.041 PMID:39874677	研究论文	本文开发并验证了一种深度学习模型，用于在肺部超声图像中检测胸腔积液，并针对特定临床场景调整性能特征	开发了一种结合帧级卷积神经网络和片段级预测算法的深度学习模型，能够有效检测不同大小和复杂性的胸腔积液，并在不同临床环境中表现出色	当前模型在多样化临床环境中诊断胸腔积液的能力仍有不足	开发并验证一种深度学习模型，用于在肺部超声图像中检测胸腔积液	肺部超声图像中的胸腔积液	计算机视觉	胸腔积液	深度学习	卷积神经网络 (CNN)	图像	103个肺部超声片段来自46名胸腔积液患者，136个片段来自83名无积液患者
6138	2025-03-17	A deep learning framework for multiplet splitting classification in 1H NMR 2025-Apr, Journal of magnetic resonance (San Diego, Calif. : 1997) DOI:10.1016/j.jmr.2025.107851 PMID:39978294	研究论文	本文提出了一种名为MuSe Net的深度学习框架，用于一维核磁共振（NMR）光谱中的多重峰分裂分类	MuSe Net是一种新颖的监督概率深度学习框架，能够模拟专家光谱学家在注释小分子生成的一维NMR光谱时的任务，并利用不确定性量化生成置信度评分	NA	开发一种自动化方法，以简化化学化合物的表征，并确保科学界结果的一致性	小分子生成的一维NMR光谱	机器学习	NA	NMR	深度学习	光谱数据	48个实验性H NMR光谱
6139	2025-03-17	Replicating PET Hydrolytic Activity by Positioning Active Sites with Smaller Synthetic Protein Scaffolds 2025-Mar-16, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202500859 PMID:40089854	研究论文	本文展示了一种计算策略，通过利用已知的催化机制并实施多种深度学习和分子计算算法，创建新型的聚对苯二甲酸乙二醇酯水解酶（PET水解酶）	通过计算构建的蛋白质支架重新构建功能基序，成功复制了PET水解活性，并设计了比模板酶（LCC）序列长度至少短30%的设计酶	NA	扩展酶多样性，获取自然界中不存在的高活性和稳健的酶	聚对苯二甲酸乙二醇酯水解酶（PET水解酶）	蛋白质工程	NA	深度学习算法和分子计算	NA	蛋白质序列数据	NA
6140	2025-03-17	Automated liver magnetic resonance elastography quality control and liver stiffness measurement using deep learning 2025-Mar-15, Abdominal radiology (New York) DOI:10.1007/s00261-025-04883-2 PMID:40088296	研究论文	本研究旨在通过深度学习技术实现肝脏磁共振弹性成像（MRE）质量控制和肝脏硬度测量（LSM）的全自动化	首次提出使用深度学习模型（SqueezeNet和2D U-Net）自动化处理MRE图像的质量控制和肝脏硬度测量，显著提高了效率和准确性	研究为单中心回顾性研究，样本量相对较小（69名患者），可能影响结果的普适性	通过深度学习技术解决MRE质量控制和肝脏硬度测量中的挑战，提升临床应用的效率和准确性	69名患者的897个MRE图像切片	医学影像分析	肝纤维化	磁共振弹性成像（MRE）	SqueezeNet, 2D U-Net	图像	69名患者的897个MRE图像切片