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
6341	2025-02-22	Intelligent ultrafast total-body PET for sedation-free pediatric [18F]FDG imaging 2024-Jul, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-024-06649-2 PMID:38383744	研究论文	本研究旨在开发深度学习技术，以提高无镇静儿科PET成像的可行性	开发了一种基于245名成年受试者的可变形3D U-Net模型，用于增强模拟快速成像的质量，并在无镇静的儿科患者中进行了前瞻性测试	样本量相对较小，仅包括16名儿童进行回顾性测试和5名儿童进行前瞻性测试	提高无镇静儿科PET成像的可行性	儿童患者	数字病理	NA	深度学习	3D U-Net	PET图像	245名成年受试者，16名儿童进行回顾性测试，5名儿童进行前瞻性测试
6342	2025-02-22	Inference of Developmental Hierarchy and Functional States of Exhausted T Cells from Epigenetic Profiles with Deep Learning 2024-04-22, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c00261 PMID:38545680	研究论文	本研究介绍了一种基于深度神经网络的新型计算框架DeepEpiTEX，用于从表观遗传数据推断肿瘤微环境中耗竭T细胞的发育层次和功能状态	开发了DeepEpiTEX框架，首次利用多模态表观遗传数据（DNA甲基化、microRNA表达、长链非编码RNA表达）来推断耗竭T细胞的功能状态和发育层次，并发现了与免疫检查点阻断疗法反应的潜在关系	研究主要基于TCGA泛癌队列数据，虽然进行了外部验证，但仍需进一步在更大规模和多样化的数据集中验证其普适性	研究旨在通过表观遗传数据推断耗竭T细胞的功能状态和发育层次，以更好地理解肿瘤微环境中的T细胞异质性，并为个体化免疫治疗策略提供依据	耗竭T细胞（TEX）	机器学习	癌症	DNA甲基化测序、microRNA表达分析、长链非编码RNA表达分析	深度神经网络	表观遗传数据	TCGA泛癌队列中的30种实体瘤类型
6343	2025-02-22	Structure-Based Protein Assembly Simulations Including Various Binding Sites and Conformations 2024-04-22, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c00212 PMID:38602938	研究论文	本文介绍了一种基于结构的快速计算模型GoCa，用于模拟大型多蛋白复合物的组装过程	GoCa模型区分了亚基内和亚基间的相互作用，允许包含耦合折叠和结合，并自动处理复合物中相同亚基的排列，同时允许定义多个最小（天然）结构	模型依赖于已知的天然结构，可能不适用于未知结构的复合物	研究大型多蛋白复合物的组装过程	多蛋白复合物	计算生物学	NA	基于结构的计算模型	GoCa	蛋白质结构数据	多个多蛋白复合物
6344	2025-02-22	Spatial and Compositional Biomarkers in Tumor Microenvironment Predicts Clinical Outcomes in Triple-Negative Breast Cancer 2023-Dec-20, bioRxiv : the preprint server for biology DOI:10.1101/2023.12.18.572234 PMID:38187696	研究论文	本文通过成像质谱流式细胞术和计算算法，研究了三阴性乳腺癌肿瘤微环境的空间和组成特征，以预测临床结果	首次在单细胞分辨率下量化三阴性乳腺癌肿瘤微环境的细胞分布模式和空间组织，并利用深度学习模型预测患者对治疗的反应	样本量较小（58例患者），且仅针对三阴性乳腺癌，可能限制了结果的普适性	探索三阴性乳腺癌肿瘤微环境的特征及其与临床结果的关系，以发现新的治疗靶点	三阴性乳腺癌患者的肿瘤微环境	数字病理学	乳腺癌	成像质谱流式细胞术，深度学习	深度学习模型	图像数据	58例三阴性乳腺癌患者样本
6345	2025-02-21	Multi-region nomogram for predicting central lymph node metastasis in papillary thyroid carcinoma using multimodal imaging: A multicenter study 2025-Apr, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108608 PMID:39827707	研究论文	本研究旨在整合基于超声图像的甲状腺乳头状癌深度学习特征、基于CT图像的脂肪放射组学特征和临床特征，构建多模态多区域列线图（MMRN）以预测甲状腺乳头状癌的中央淋巴结转移	首次整合了超声图像深度学习特征、CT图像脂肪放射组学特征和临床特征，构建了多模态多区域列线图（MMRN）用于预测甲状腺乳头状癌的中央淋巴结转移	研究样本来自两个独立中心，可能存在样本选择偏差	预测甲状腺乳头状癌的中央淋巴结转移	甲状腺乳头状癌患者	数字病理学	甲状腺癌	深度学习、放射组学特征提取	Resnet50	超声图像、CT图像	661名甲状腺乳头状癌患者
6346	2025-02-21	Multiscale feature enhanced gating network for atrial fibrillation detection 2025-Apr, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108606 PMID:39847993	研究论文	本文提出了一种新颖的多尺度特征增强门控网络（MFEG Net），用于心房颤动（AF）的诊断	该网络集成了多尺度卷积、自适应特征增强和动态时间处理，能够有效捕捉全局和局部信息，消除冗余特征并强调有效特征，增强了对噪声和无关信息的鲁棒性和准确性	NA	提高心房颤动（AF）的自动诊断准确性和鲁棒性	心电图（ECG）信号	机器学习	心血管疾病	深度学习	多尺度特征增强门控网络（MFEG Net）	心电图信号	PhysioNet Challenge 2017数据集、CinC2017数据库、CPSC2018数据库和AFDB数据库
6347	2025-02-21	Severity grading of hypertensive retinopathy using hybrid deep learning architecture 2025-Apr, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108585 PMID:39862474	研究论文	本文提出了一种混合深度学习架构，用于高血压视网膜病变（HR）的严重程度分级	引入了一种结合预训练ResNet-50和修改后的Vision Transformer（ViT）架构的混合模型，通过全局和局部自注意力机制增强模型性能，并提出了基于解耦表示和分类器（DRC）的训练方法以解决类别不平衡问题	缺乏公开可用的HR分级数据集，且存在高类别不平衡问题	开发一种准确的高血压视网膜病变严重程度分级方法	高血压视网膜病变（HR）的严重程度分级	计算机视觉	高血压视网膜病变	深度学习	混合模型（ResNet-50 + 修改后的Vision Transformer）	图像	NA
6348	2025-02-21	Towards practical and privacy-preserving CNN inference service for cloud-based medical imaging analysis: A homomorphic encryption-based approach 2025-Apr, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108599 PMID:39874935	研究论文	本文提出了一种基于同态加密的实用且保护隐私的CNN推理框架PPCNN，用于云端医学影像分析	PPCNN框架结合了低扩展同态加密方案和基于噪声的掩码方法，通过优化计算成本、引入系数感知打包方法和数据掩码技术，显著提高了响应时间和降低了使用成本	现有隐私保护解决方案因卷积层内积操作的计算复杂性和非线性激活函数评估的高通信成本而存在显著的延迟问题，使得当前解决方案在实际应用中不切实际	解决移动云端医学影像分析中的隐私保护问题，确保用户在使用云端CNN模型分类私人放射影像时的数据隐私	私人身体相关的放射影像	数字病理	NA	同态加密	CNN	图像	三个真实世界的放射影像数据集
6349	2025-02-21	A bio-lattice deep learning framework for modeling discrete biological materials 2025-Apr, Journal of the mechanical behavior of biomedical materials IF:3.3Q3 DOI:10.1016/j.jmbbm.2025.106900 PMID:39891961	研究论文	本文提出了一种基于机器学习的多尺度框架，结合深度神经网络（DNNs）、有限元方法（FEM）和受晶格弹簧模型（LSM）启发的微观结构描述，用于研究离散、空间异质材料的行为	提出了一种新颖的机器学习多尺度框架，结合DNNs、FEM和LSM，用于研究离散、空间异质材料的行为，并开发了一个无假设的晶格框架	未明确提及具体局限性	研究离散、空间异质材料的力学行为	生物组织的微观结构和宏观材料行为	机器学习	NA	深度神经网络（DNNs）、有限元方法（FEM）、晶格弹簧模型（LSM）	深度神经网络（DNNs）	微观结构数据	NA
6350	2025-02-21	Antimicrobial resistance recommendations via electronic health records with graph representation and patient population modeling 2025-Apr, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108616 PMID:39913994	研究论文	本研究提出了一种基于电子健康记录（EHR）的深度学习框架，用于生成抗菌素耐药性（AMR）推荐	该框架首次结合了深度图神经网络、患者群体建模和多任务学习策略，以增强AMR推荐的准确性和效率	研究主要针对尿路感染患者，可能不适用于其他类型的感染	开发一种能够利用EHR数据生成AMR推荐的深度学习框架	超过110,000名尿路感染患者的EHR数据	机器学习	尿路感染	深度图神经网络	图神经网络（GNN）	电子健康记录（EHR）	超过110,000名尿路感染患者
6351	2025-02-21	Why does my medical AI look at pictures of birds? Exploring the efficacy of transfer learning across domain boundaries 2025-Apr, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108634 PMID:39913993	研究论文	本文探讨了在医学深度学习中使用领域内预训练模型与跨领域预训练模型的效能差异	研究表明，在CT图像任务中，使用领域内（RadNet）预训练模型相比跨领域（ImageNet）预训练模型具有优势，尤其是在CT图像领域内	研究结果仅适用于CT图像领域，对于其他医学影像模态，ImageNet预训练模型表现更好	比较领域内预训练与跨领域预训练在医学深度学习任务中的效能	CT图像数据集（RadNet-12M、RadNet-1.28M）和自然图像数据集	计算机视觉	NA	自监督对比预训练	深度学习模型	图像	超过12百万/1.28百万CT图像切片，来自90,663次扫描
6352	2025-02-21	DIFLF: A domain-invariant features learning framework for single-source domain generalization in mammogram classification 2025-Apr, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108592 PMID:39813937	研究论文	本研究提出了一种用于单源域泛化的领域不变特征学习框架（DIFLF），旨在提高深度学习模型在乳腺癌筛查中的临床应用	提出了风格增强模块（SAM）和内容-风格解耦模块（CSDM），通过增加源域特征多样性和解耦领域不变特征来减少领域偏移的影响	仅使用一个源数据集进行训练，可能限制了模型在其他数据集上的泛化能力	提高深度学习模型在乳腺癌筛查中的跨机构泛化能力	乳腺X光片	计算机视觉	乳腺癌	深度学习	DIFLF（包含SAM和CSDM）	图像	一个私有数据集（PRI1）用于训练，另一个私有数据集（PRI2）和两个公共数据集（INbreast和MIAS）用于测试
6353	2025-02-21	Neurophysiological data augmentation for EEG-fNIRS multimodal features based on a denoising diffusion probabilistic model 2025-Apr, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108594 PMID:39813939	研究论文	本文提出了一种基于去噪扩散概率模型（DDPM）和高斯噪声添加的EEG-fNIRS数据增强框架（EFDA-CDG），用于提升混合脑机接口（BCI）系统的性能	结合DDPM生成模型和传统的高斯噪声添加方法，为分类器提供更丰富的训练数据，并通过EEG特征注意力和fNIRS地形注意力提高分类准确率	数据增强的效果依赖于手动提取特征和空间映射插值的质量，且实验验证仅限于特定任务和数据库	提升混合脑机接口系统的性能	EEG和fNIRS信号	脑机接口	NA	去噪扩散概率模型（DDPM），高斯噪声添加	DDPM	EEG和fNIRS信号	三个公开数据库和一个自收集数据库
6354	2025-02-21	ViroNia: LSTM based proteomics model for precise prediction of HCV 2025-Mar, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109573 PMID:39733555	研究论文	本文介绍了ViroNia，一种基于LSTM的蛋白质组学模型，用于高精度预测HCV病毒蛋白分类	ViroNia利用LSTM架构进行病毒蛋白分类，展示了其在分类任务中的高效性，并优于其他深度学习架构如Simple RNN、GRU、1d CNN和双向LSTM	尽管ViroNia在分类任务中表现出色，但其在更广泛数据集上的泛化能力尚未验证	开发高精度的病毒蛋白分类模型，以支持病毒研究和干预设计	HCV病毒蛋白	自然语言处理	NA	LSTM	LSTM	蛋白质序列	2250个蛋白质序列
6355	2025-02-21	Improved early detection accuracy for breast cancer using a deep learning framework in medical imaging 2025-Mar, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109751 PMID:39884057	研究论文	本文提出了一种新的深度学习框架，用于提高乳腺癌早期检测的准确性	结合卷积神经网络（CNN）与特征选择和融合方法，自动从图像中学习并找到相关特征，从而超越现有方法	未提及具体的数据集大小或多样性限制	提高乳腺癌早期检测的准确性	乳腺癌的医学影像	计算机视觉	乳腺癌	深度学习	CNN	图像	NA
6356	2025-02-21	Deep learning image registration for cardiac motion estimation in adult and fetal echocardiography via a focus on anatomic plausibility and texture quality of warped image 2025-Mar, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109719 PMID:39884059	研究论文	本文提出了一种深度学习图像配准方法，用于成人和胎儿超声心动图中的心脏运动估计，重点关注变形图像的解剖合理性和纹理质量	提出了一种新的深度学习图像配准框架，通过引入解剖形状编码约束和数据驱动的纹理约束，提高了变形图像的解剖合理性和纹理质量	尽管方法在成人和胎儿超声心动图中表现出色，但未提及在其他类型医学图像上的适用性	提高超声心动图中心脏运动估计的准确性和一致性	成人和胎儿超声心动图	计算机视觉	心血管疾病	深度学习图像配准（DLIR）	深度学习模型	图像	多人口胎儿数据集和公共CAMUS成人数据集
6357	2025-02-21	A comparative study of statistical, radiomics, and deep learning feature extraction techniques for medical image classification in optical and radiological modalities 2025-Mar, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109768 PMID:39891957	研究论文	本文比较了统计、放射组学和深度学习特征提取技术在医学图像分类中的应用效果	通过对比不同特征提取技术在多种医学影像模态下的表现，揭示了深度学习技术在准确性和速度上的优势	研究仅针对二分类问题，未涉及多分类或更复杂的医学图像分析任务	评估不同特征提取技术对医学图像分类模型性能的影响	H&E染色图像、胸部X光片和视网膜OCT图像	计算机视觉	NA	统计特征提取、放射组学特征提取、深度学习特征提取	PCA-LDA, ResNet50, DenseNet121	图像	NA
6358	2025-02-21	ABIET: An explainable transformer for identifying functional groups in biological active molecules 2025-Mar, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109740 PMID:39894011	研究论文	本文介绍了一种名为ABIET的可解释Transformer模型，用于识别生物活性分子中药物-靶点相互作用的关键区域——功能基团	ABIET模型通过利用Transformer编码器架构的注意力权重，结合双向交互、基于层的提取和激活变换等策略，有效区分功能基团与非功能基团原子，提升了Transformer模型的可解释性	NA	提高Transformer模型在药物发现中的可解释性，识别生物活性分子中的功能基团	生物活性分子中的功能基团	自然语言处理	NA	Transformer模型	Transformer	SMILES表示的分子数据	针对多种药理学受体（包括VEGFR2、AA2A、GSK3、JNK3和DRD2）的多样化数据集
6359	2025-02-21	Automated dysphagia characterization in head and neck cancer patients using videofluoroscopic swallowing studies 2025-Mar, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109759 PMID:39914196	研究论文	本研究介绍了一种自动化分析视频荧光吞咽研究（VFSS）的新框架，用于表征头颈癌（HNC）患者的吞咽困难	提出了一种结合深度学习标记框架、吞咽动态参数提取和机器学习分类的自动化分析方法，用于从VFSS中识别十个感兴趣区域和四种吞咽困难相关损伤	数据集大小和VFSS的变异性带来的挑战	开发自动化分析VFSS的方法，以表征头颈癌患者的吞咽困难	头颈癌患者、健康个体以及非头颈癌相关吞咽困难患者	计算机视觉	头颈癌	深度学习、机器学习	深度学习标记框架、机器学习分类器	视频	未明确提及具体样本数量，但涉及健康个体、头颈癌患者放疗前后及非头颈癌相关吞咽困难患者
6360	2025-02-21	You get the best of both worlds? Integrating deep learning and traditional machine learning for breast cancer risk prediction 2025-Mar, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109733 PMID:39914201	研究论文	本文提出了一种结合深度学习和传统机器学习的方法，用于基于图像的乳腺癌风险预测	结合深度学习和传统机器学习方法进行乳腺癌风险预测，探索了图像数据在风险预测中的应用	需要进一步验证以确认其临床适用性	开发一种基于图像的乳腺癌风险预测模型，以个性化筛查需求	乳腺癌风险预测	计算机视觉	乳腺癌	深度学习, 传统机器学习	深度学习模型, 传统机器学习模型	图像	3720例对照组和1471例风险病例的乳腺X光片