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
6301	2025-02-23	Piscis: a novel loss estimator of the F1 score enables accurate spot detection in fluorescence microscopy images via deep learning 2025-Jan-15, bioRxiv : the preprint server for biology DOI:10.1101/2024.01.31.578123 PMID:38352551	研究论文	本文介绍了一种名为Piscis的全自动深度学习算法，用于荧光显微镜图像中的斑点检测，采用了一种新的损失函数SmoothF1 loss	提出了SmoothF1损失函数，该函数近似F1分数，直接惩罚假阳性和假阴性，同时保持可微分性，适用于深度学习训练	NA	开发一种无需手动参数调整的高通量RNA FISH成像数据分析方法	荧光显微镜图像中的斑点检测	计算机视觉	NA	RNA FISH	深度学习	图像	358张手动注释的实验RNA FISH图像和240张合成图像
6302	2025-02-23	G2PDeep-v2: a web-based deep-learning framework for phenotype prediction and biomarker discovery for all organisms using multi-omics data 2025-Jan-09, Research square DOI:10.21203/rs.3.rs-5776937/v1 PMID:39866874	研究论文	G2PDeep-v2是一个基于深度学习的网络平台，用于从多组学数据中进行表型预测和标记物发现，适用于包括人类、植物、动物和病毒在内的所有生物	提供了一个交互式界面，允许研究人员创建深度学习模型，并利用高性能计算资源通过自动超参数调整算法进行训练	未提及具体的技术限制或数据限制	开发一个通用的表型预测和生物标志物发现平台，适用于所有生物	人类、植物、动物和病毒	机器学习	NA	深度学习	深度学习模型	多组学数据	NA
6303	2025-02-23	Multi-site, multi-vendor development and validation of a deep learning model for liver stiffness prediction using abdominal biparametric MRI 2025-Jan-09, European radiology IF:4.7Q1 DOI:10.1007/s00330-024-11312-3 PMID:39779515	研究论文	本文开发并验证了使用腹部双参数MRI数据预测肝脏硬度的深度学习模型	首次在多机构、多厂商的数据集上开发和验证了用于预测肝脏硬度的深度学习模型，并公开了模型代码	模型性能仍有提升空间，可能需要结合临床特征进一步优化	开发并验证用于预测MRE衍生肝脏硬度的深度学习模型	成人和儿童慢性肝病患者	数字病理学	慢性肝病	MRI	深度学习模型	图像	4295名患者的4695次MRI检查
6304	2025-02-23	Unlocking the power of AI for phenotyping fruit morphology in Arabidopsis 2025-Jan-06, GigaScience IF:11.8Q1 DOI:10.1093/gigascience/giae123 PMID:39937596	研究论文	本文评估了深度学习在拟南芥果实形态表型测量中的有效性，并开发了一个基于实例分割模型的表型分析流程	利用深度学习技术自动化测量拟南芥果实形态，显著提高了表型分析的效率和准确性，并成功应用于大规模群体的表型数据获取和基因分析	深度学习在器官水平表型测量中的精确性和适应性仍需进一步验证	评估深度学习在拟南芥果实形态表型测量中的有效性，并开发自动化表型分析流程	拟南芥果实形态	计算机视觉	NA	深度学习	实例分割模型	图像	332,194个拟南芥果实
6305	2025-02-23	A novel dataset for nuclei and tissue segmentation in melanoma with baseline nuclei segmentation and tissue segmentation benchmarks 2025-Jan-06, GigaScience IF:11.8Q1 DOI:10.1093/gigascience/giaf011 PMID:39970004	研究论文	本文介绍了一个用于黑色素瘤中细胞核和组织分割的新数据集PUMA，并评估了几种最先进的深度学习模型的性能	PUMA数据集是第一个专门用于开发黑色素瘤特异性细胞核和组织分割模型的数据集，并展示了如何通过启发式后处理进一步提高模型性能	当前深度学习模型在公开访问性或性能上存在不足	开发用于黑色素瘤中细胞核和组织分割的深度学习模型，以改善预后和预测生物标志物的开发	黑色素瘤中的肿瘤浸润淋巴细胞（TILs）和其他免疫细胞亚群	数字病理学	黑色素瘤	深度学习	Hover-NeXt	图像	155个原发性和155个转移性黑色素瘤的苏木精和伊红染色区域
6306	2025-02-23	Deep learning in gonarthrosis classification: a comparative study of model architectures and single vs. multi-model methods 2025, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2025.1413820 PMID:39974355	研究论文	本研究通过比较单一模型和多模型深度学习方法，使用膝关节前后位X光片对Kellgren-Lawrence（KL）骨关节炎阶段进行分类	提出了多模型深度学习方法，并与传统单一模型方法进行比较，探讨了CLAHE对分类性能的影响	未探索集成建模和高级增强技术，缺乏临床验证	比较单一模型和多模型深度学习方法在KL骨关节炎阶段分类中的效果	膝关节前后位X光片	计算机视觉	骨关节炎	深度学习	CNN（包括NfNet-F0/F1, EfficientNet-B0/B3, Inception-ResNet-v2, VGG16）	图像	14,607张来自三家医院的膝关节前后位X光片
6307	2025-02-23	Dynamic Visualization of Computer-Aided Peptide Design for Cancer Therapeutics 2025, Drug design, development and therapy DOI:10.2147/DDDT.S497126 PMID:39974609	研究论文	本文通过文献计量分析探讨了计算机辅助设计抗癌肽（ACPs）的现状、热点和未来趋势	利用文献计量工具如CiteSpace、VOSviewer等分析了1547篇相关文献，揭示了深度学习技术在抗癌肽设计中的新兴热点和潜力	研究主要基于文献计量分析，缺乏实验验证和具体应用案例	探讨计算机辅助设计抗癌肽的现状、热点和未来趋势	抗癌肽（ACPs）	生物信息学	癌症	分子动力学模拟、分子对接、深度学习	NA	文献数据	1547篇相关出版物
6308	2025-02-23	Research trends in livestock facial identification: a review 2025-Jan, Journal of animal science and technology IF:2.7Q1 DOI:10.5187/jast.2025.e4 PMID:39974780	综述	本文综述了视频处理和基于卷积神经网络（CNN）的深度学习在动物面部识别、个体识别和再识别中的应用	通过整合视频处理和基于CNN的深度学习，实现了对动物生长、个体识别和行为的自动化监测，提升了畜牧管理系统的效率	NA	探讨视频处理和深度学习技术在精准畜牧业中的应用，以提高生产效率、动物福利和环境可持续性	牲畜	计算机视觉	NA	视频处理, 深度学习	CNN	视频	NA
6309	2025-02-23	Research progress of MRI-based radiomics in hepatocellular carcinoma 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1420599 PMID:39980543	综述	本文综述了基于MRI的放射组学在肝细胞癌（HCC）诊断和治疗中的临床进展	本文系统评估了MRI放射组学在HCC管理中的多方面应用，包括肿瘤分化、亚型分类、病理分级、微血管侵犯预测、治疗反应评估、早期复发预测和转移预测	当前放射组学领域缺乏可解释性，需要进一步的研究和验证	评估放射组学方法并描述基于MRI的放射组学在肝细胞癌诊断和治疗中的临床进展	肝细胞癌（HCC）	数字病理	肝癌	MRI放射组学	机器学习和深度学习	影像数据	93篇文献的综合分析
6310	2025-02-23	A pelvis MR transformer-based deep learning model for predicting lung metastases risk in patients with rectal cancer 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1496820 PMID:39980546	研究论文	本研究开发并验证了一种基于骨盆MR图像和临床特征的transformer深度学习模型，用于预测直肠癌患者的肺转移风险	首次将transformer深度学习模型应用于直肠癌肺转移的预测，结合了骨盆MR图像和临床特征，展示了优于现有深度学习方法的预测性能	研究样本量相对有限，且仅基于单一医疗中心的数据，可能影响模型的泛化能力	开发并验证一种基于骨盆MR图像和临床特征的深度学习模型，用于预测直肠癌患者的肺转移风险	819名经组织学确认的直肠癌患者，这些患者接受了术前骨盆MRI和CEA测试	数字病理	直肠癌	磁共振成像（MRI）	transformer-based深度学习模型	图像（骨盆MR图像）	819名直肠癌患者
6311	2025-02-23	Machine learning-based myocardial infarction bibliometric analysis 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1477351 PMID:39981082	研究论文	本研究分析了2008年至2024年间机器学习在心肌梗死领域的研究趋势，旨在识别该领域的新兴趋势和热点，为未来的研究方向提供见解	首次对机器学习在心肌梗死领域的研究趋势进行全面的文献计量分析，揭示了深度学习在该领域的新兴研究方向	研究主要基于Web of Science数据库的出版物，可能未涵盖所有相关研究	分析机器学习在心肌梗死领域的研究趋势，识别新兴趋势和热点	心肌梗死（MI）和机器学习（ML）的研究文献	机器学习	心血管疾病	文献计量分析	神经网络	文献数据	1,036篇出版物
6312	2025-02-23	Development and validation of a deep learning-enhanced prediction model for the likelihood of pulmonary embolism 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1506363 PMID:39981086	研究论文	本研究开发并验证了一种基于深度学习的肺栓塞（PE）风险预测模型（PE-Mind），旨在克服现有临床工具的局限性，提供更精准的风险评估解决方案	使用卷积神经网络（CNN）并结合三个自定义模块，显著提升了预测性能，开发了实时操作的Web服务器PulmoRiskAI	未提及模型在更广泛人群中的适用性或外部验证结果	开发一种高效、精准的肺栓塞风险预测模型，以改进急性深静脉血栓（DVT）患者的风险评估	急性深静脉血栓（DVT）患者	机器学习	肺栓塞	深度学习	卷积神经网络（CNN）	临床数据	未明确提及样本数量
6313	2025-02-23	Automated Segmentation of Knee Menisci Using U-Net Deep Learning Model: Preliminary Results 2024-Dec, Maedica DOI:10.26574/maedica.2024.19.4.690 PMID:39974461	研究论文	本研究使用U-Net深度学习模型对膝关节半月板进行自动检测和分割，初步结果显示该方法在临床环境中具有显著潜力	首次使用U-Net深度学习模型对膝关节半月板进行自动检测和分割，并通过与骨科医生的标注进行验证	数据稀缺性和需要序列特定优化是主要挑战	开发一种自动识别和分割膝关节半月板的模型	膝关节半月板	计算机视觉	NA	深度学习	U-Net	MRI图像	104个膝关节MRI图像用于训练，50个MRI图像用于微调
6314	2025-02-23	Cough2COVID-19 detection using an enhanced multi layer ensemble deep learning framework and CoughFeatureRanker 2024-10-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-76639-9 PMID:39448760	研究论文	本文介绍了Cough2COVID-19框架，该框架利用咳嗽音频信号进行COVID-19检测，并通过多层级集成深度学习（MLEDL）框架提高检测效率	提出了Cough2COVID-19框架和CoughFeatureRanker算法，通过咳嗽音频信号进行非侵入性COVID-19检测，显著提高了检测的准确性和效率	未提及具体的研究局限性	开发一种成本效益高、非侵入性且广泛可及的COVID-19检测方法	咳嗽音频信号	机器学习	COVID-19	多层级集成深度学习（MLEDL）	集成深度学习框架	音频	未提及具体样本数量
6315	2025-02-23	Deep learning improves physician accuracy in the comprehensive detection of abnormalities on chest X-rays 2024-10-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-76608-2 PMID:39448764	研究论文	本文介绍了一种FDA批准的AI系统，通过深度学习算法辅助医生全面检测和定位胸部X光片上的异常	该AI系统在胸部X光片异常检测中表现出高准确性，并显著提高了医生（包括非放射科医生）的诊断准确性和效率	未提及具体局限性	研究目的是通过AI系统提高医生在胸部X光片异常检测中的准确性	胸部X光片	计算机视觉	NA	深度学习	NA	图像	大规模数据集及公开数据集
6316	2025-02-23	The gene expression signature of electrical stimulation in the human brain 2024-Oct-22, bioRxiv : the preprint server for biology DOI:10.1101/2023.09.21.558812 PMID:37790527	研究论文	本文通过先进的转录组和表观基因组测序技术，研究了人类大脑前颞叶直接电刺激后的分子变化，揭示了电刺激对微胶质细胞特异性细胞因子活性相关基因表达的显著影响	挑战了临床常用电刺激主要影响神经元基因表达的观点，揭示了微胶质细胞对电刺激的强烈反应及其对神经元回路活动的塑造作用	研究样本仅限于接受神经外科手术的患者，可能限制了结果的普遍性	探索电刺激对人类大脑的分子影响	人类大脑前颞叶	神经科学	NA	转录组和表观基因组测序	深度学习计算工具	基因表达数据	接受神经外科手术的患者
6317	2025-02-23	Generating multi-pathological and multi-modal images and labels for brain MRI 2024-Oct, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103278 PMID:39059240	研究论文	本文提出了一种两阶段生成模型，能够生成2D和3D语义标签图及对应的多模态图像，用于增强真实数据集并支持下游分割任务	提出了一种结合潜在扩散模型和VAE-GAN的两阶段生成模型，能够生成成对的图像和分割样本，填补了该领域的空白	未明确提及模型在特定病理条件下的生成效果或对复杂病理的适应性	开发一种生成模型，用于生成多病理和多模态的脑MRI图像及标签，以增强数据集并支持下游分割任务	脑MRI图像及语义标签图	计算机视觉	NA	潜在扩散模型、VAE-GAN	生成模型（潜在扩散模型、VAE-GAN）	图像（2D和3D脑MRI图像）	未明确提及具体样本数量
6318	2025-02-23	Real-world application of a 3D deep learning model for detecting and localizing cerebral microbleeds 2024-Sep-26, Acta neurochirurgica IF:1.9Q2 DOI:10.1007/s00701-024-06267-9 PMID:39325068	研究论文	本研究验证了一种三维深度学习模型在真实世界环境中检测和定位脑微出血（CMBs）的性能	该研究不仅检测CMBs，还识别其解剖位置，且在真实世界环境中验证了模型性能	需要更大规模和更多样化的人群研究以确立临床实用性	验证三维深度学习模型在检测和定位脑微出血中的性能	脑微出血（CMBs）	数字病理学	脑血管疾病	三维深度学习	3D深度学习模型	图像	33名患者（21名有116个CMBs，12名无CMBs）
6319	2025-02-23	Deep learning-based video-analysis of instrument motion in microvascular anastomosis training 2024-Jan-12, Acta neurochirurgica IF:1.9Q2 DOI:10.1007/s00701-024-05896-4 PMID:38214753	研究论文	本研究开发了一种基于深度学习的自动化器械尖端检测算法，并验证了其在微血管吻合训练中的性能	使用深度学习算法自动检测和跟踪手术器械尖端，提供了一种客观评估显微手术技能的新方法	研究主要基于模拟训练视频，临床实际应用效果需进一步验证	开发并验证一种基于深度学习的自动化器械尖端检测算法，以客观评估显微手术技能	显微手术器械的运动分析	计算机视觉	NA	深度学习	YOLOv2	视频	临床显微手术视频和微血管吻合练习视频
6320	2025-02-23	ADVANCING THE UNDERSTANDING OF CLINICAL SEPSIS USING GENE EXPRESSION-DRIVEN MACHINE LEARNING TO IMPROVE PATIENT OUTCOMES 2024-Jan-01, Shock (Augusta, Ga.) DOI:10.1097/SHK.0000000000002227 PMID:37752080	研究论文	本研究探讨了机器学习技术在结合临床数据和基因表达信息以更好地预测和理解脓毒症方面的潜力	利用机器学习模型，特别是神经网络、深度学习和集成方法，填补脓毒症研究中的关键证据空白，并通过基因转录信息提供对脓毒症病理生理学和生物标志物识别的见解	机器学习模型在解释性和偏见方面存在挑战	提高脓毒症患者预后，推进精准医学方法	脓毒症患者	机器学习	脓毒症	基因表达分析	神经网络, 深度学习, 集成方法	基因表达数据, 临床数据	NA