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
6461	2025-02-26	Lentil plant disease and quality assessment: A detailed dataset of high-resolution images for deep learning research 2025-Feb, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2024.111224 PMID:39989639	研究论文	本文介绍了一个包含高分辨率扁豆植物图像的详细数据集，旨在支持机器学习模型在扁豆种植中的疾病检测和质量评估	提供了一个全面的高分辨率扁豆植物图像数据集，专门用于农业研究中的计算机视觉和深度学习应用	数据集仅涵盖孟加拉国地区的扁豆植物，可能不适用于其他地区的扁豆种植	开发机器学习模型以精确检测扁豆疾病并评估其质量，从而提高扁豆生产效率	扁豆植物	计算机视觉	扁豆疾病（如褐斑病、锈病和白粉病）	深度学习	NA	图像	四个月内在孟加拉国多个地点收集的高分辨率扁豆植物图像
6462	2025-02-26	Explainability of a Deep Learning-Based Classification Model for Antineutrophil Cytoplasmic Autoantibody-Associated Glomerulonephritis 2025-Feb, Kidney international reports IF:5.7Q1 DOI:10.1016/j.ekir.2024.11.005 PMID:39990883	研究论文	本文介绍了一种基于深度学习的模型，用于分类抗中性粒细胞胞浆抗体相关性肾小球肾炎（ANCA-GN）的肾活检样本，并探讨了模型的可解释性	首次开发了基于深度学习的计算流程，用于按照Berden分类法对ANCA-GN肾活检进行分类，并利用可解释的人工智能技术使模型决策对肾病理学家透明	研究样本量较小，仅包括80名患者的肾活检样本，且数据来自三个欧洲中心，可能限制了模型的泛化能力	开发并验证一种深度学习模型，用于分类ANCA-GN肾活检样本，并提高模型决策的透明度和可解释性	80名ANCA-GN患者的肾活检样本	数字病理学	肾小球肾炎	深度学习	深度学习模型	图像	80名患者的肾活检样本
6463	2025-02-26	Automated CT Measurement of Total Kidney Volume for Predicting Renal Function Decline after 177Lu Prostate-specific Membrane Antigen-I&T Radioligand Therapy 2025-Feb, Radiology IF:12.1Q1 DOI:10.1148/radiol.240427 PMID:39998377	研究论文	本研究探讨了自动CT测量总肾脏体积（TKV）在预测177Lu前列腺特异性膜抗原（PSMA）放射配体治疗后肾功能下降中的应用	首次使用基于nnU-Net框架的深度学习分割模型TotalSegmentator自动从CT图像中提取TKV，并发现TKV在6个月时的10%或更大减少可预测12个月时30%或更大的eGFR下降	研究为回顾性设计，样本量相对较小（121名患者），且仅包括接受至少四次Lu-PSMA-I&T治疗的患者	识别在接受Lu-PSMA-I&T放射配体治疗的患者中，预测肾功能显著恶化的标志物	接受至少四次Lu-PSMA-I&T治疗的转移性去势抵抗性前列腺癌患者	数字病理	前列腺癌	CT成像，深度学习分割	nnU-Net	CT图像	121名患者
6464	2025-02-26	[Research Progress and Prospects of Minimally Invasive Surgical Instrument Segmentation Methods Based on Artificial Intelligence] 2025-Jan-30, Zhongguo yi liao qi xie za zhi = Chinese journal of medical instrumentation DOI:10.12455/j.issn.1671-7104.240436 PMID:39993977	综述	本文总结了基于深度学习的微创手术器械语义和实例分割方法，并探讨了基于Segment Anything Model的方法	深入分析了训练算法的监督方法、网络结构改进和注意力机制，并探讨了当前的数据增强方法	深度学习方法对数据要求极高，当前数据增强方法仍需进一步探索	提升微创内窥镜成像系统和手术视频分析系统的性能	微创手术器械	计算机视觉	NA	深度学习	Segment Anything Model	图像	NA
6465	2025-02-26	Machine learning-optimized targeted detection of alternative splicing 2025-Jan-24, Nucleic acids research IF:16.6Q1 DOI:10.1093/nar/gkae1260 PMID:39727154	研究论文	本文介绍了一种高效的靶向RNA测序方法LSV-seq，用于全面检测和量化选择性剪接	提出了LSV-seq方法，利用机器学习算法Optimal Prime设计引物，显著提高了剪接信息性读段的富集效率	未提及具体局限性	优化选择性剪接的靶向检测	RNA剪接事件	机器学习	NA	RNA-seq, LSV-seq	深度学习	RNA序列数据	NA
6466	2025-02-26	Automatic Segmentation of the Cisternal Segment of Trigeminal Nerve on MRI Using Deep Learning 2025, International journal of biomedical imaging IF:3.3Q2 DOI:10.1155/ijbi/6694599 PMID:39989710	研究论文	本文提出了一种基于深度学习的U-Net模型，用于自动分割三叉神经池段，以提高三叉神经相关疾病的诊断和治疗效率	首次提出了一种全自动的三叉神经池段分割方法，使用U-Net模型在解剖MRI图像上进行分割	NA	提高三叉神经池段分割的准确性和效率，以辅助三叉神经相关疾病的诊断和治疗	三叉神经池段	计算机视觉	三叉神经痛	深度学习	U-Net	MRI图像	健康对照图像和三叉神经痛患者数据集
6467	2025-02-26	Algorithmic emergence? Epistemic in/justice in AI-directed transformations of healthcare 2025, Frontiers in sociology IF:2.0Q2 DOI:10.3389/fsoc.2025.1520810 PMID:39990252	研究论文	本文探讨了人工智能（AI）在医疗保健和公共卫生领域集成所带来的认识论、社会政治和技术影响，特别是深度学习和生成式AI技术	本文创新性地分析了AI与循证医学（EBM）的社会技术纠缠对健康AI的公平发展和治理的影响，并提出了如何在这些纠缠中嵌入参与式参与	本文主要关注AI在医疗领域的应用，可能未全面覆盖AI在其他领域的影响	研究AI在医疗保健和公共卫生领域的集成及其对医疗组织、治理和角色的影响	医疗保健和公共卫生领域	机器学习	NA	深度学习, 生成式AI	NA	NA	NA
6468	2025-02-26	Exploring the role of artificial intelligence in chemotherapy development, cancer diagnosis, and treatment: present achievements and future outlook 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1475893 PMID:39990683	综述	本文探讨了人工智能在化疗开发、癌症诊断和治疗中的作用，总结了当前进展并指出了领域中的关键缺口	本文综合了人工智能在癌症诊断、化疗创新和治疗反应中的最新应用，强调了其在优化诊断准确性、个性化治疗计划和改善治疗效果方面的潜力	尽管人工智能在肿瘤学中展现出巨大潜力，但其预测准确性仍存在争议，特别是在机器学习和深度学习技术方面	探讨人工智能在预测化疗开发、癌症诊断和治疗反应结果中的作用	固体肿瘤和血液肿瘤	机器学习	癌症	机器学习（ML）、深度学习（DL）	NA	NA	NA
6469	2025-02-26	Deep learning and hyperspectral features for seedling stage identification of barnyard grass in paddy field 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1507442 PMID:39990719	研究论文	本文提出了一种名为DeepBGS的高光谱特征解析框架，用于在水稻田中识别稗草幼苗	首次将深度卷积网络与双层LSTM模块结合，用于高光谱数据的特征提取，实现了在2-3叶期准确区分稗草和水稻的高精度识别	未提及样本的具体数量及多样性，可能影响模型的泛化能力	探索高光谱成像技术在早期识别稗草幼苗中的可行性，并开发先进的早期检测系统	稗草和水稻的幼苗	计算机视觉	NA	高光谱成像技术	CNN, LSTM	高光谱图像	NA
6470	2025-02-26	Multi-label material and human risk factors recognition model for construction site safety management 2024-Dec, Journal of safety research IF:3.9Q2 DOI:10.1016/j.jsr.2024.10.002 PMID:39998535	研究论文	本研究提出了一种基于深度学习模型的多标签风险因素识别（MRFR）框架，用于自动识别建筑工地上的多种潜在材料和人为风险因素	开发并优化了深度学习模型，以自动并发地识别和分类建筑工地上的多种材料和人为风险因素，并通过可视化解释模型的决策过程	MRFR模型在识别视觉模糊性和涉及透视时倾向于关注附近物体方面存在困难，导致性能下降	开发并优化深度学习模型，用于自动识别和分类建筑工地上的多种材料和人为风险因素，并理解模型的决策过程以改进实际应用	建筑工地上的材料和人为风险因素	计算机视觉	NA	深度学习	多标签识别模型	图像	14,605个实例，涉及八种类型的材料和人为风险因素
6471	2025-02-26	[Deep Learning Reconstruction Algorithm Combined With Smart Metal Artifact Reduction Technique Improves Image Quality of Upper Abdominal CT in Critically Ill Patients] 2024-Nov-20, Sichuan da xue xue bao. Yi xue ban = Journal of Sichuan University. Medical science edition DOI:10.12182/20241160102 PMID:39990832	研究论文	本文评估了深度学习重建算法结合智能金属伪影减少技术（DLMAR）在无法举起手臂并需要心电图监测的危重患者腹部CT图像质量上的效果	结合深度学习重建算法和智能金属伪影减少技术，显著提高了危重患者腹部CT图像的质量	研究样本量较小（102例），且为回顾性研究，可能存在选择偏倚	评估DLMAR在危重患者腹部CT图像质量上的效果	无法举起手臂并需要心电图监测的危重患者	医学影像	危重病	深度学习重建算法、智能金属伪影减少技术	深度学习	CT图像	102例危重患者
6472	2025-02-26	scMGATGRN: a multiview graph attention network-based method for inferring gene regulatory networks from single-cell transcriptomic data 2024-Sep-23, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae526 PMID:39417321	研究论文	本文提出了一种基于多视图图注意力网络的新方法scMGATGRN，用于从单细胞转录组数据中推断基因调控网络	scMGATGRN模型结合了图注意力网络（GAT）、多视图模型和视图级注意力机制，能够充分利用图拓扑信息和高阶邻居信息，从而更有效地推断基因调控网络	尽管scMGATGRN在多个基准数据集上表现出色，但其在更广泛和多样化的数据集上的泛化能力仍需进一步验证	研究目标是开发一种更有效的深度学习方法，用于从单细胞转录组数据中推断基因调控网络	研究对象是单细胞转录组数据，特别是来自五种细胞系（两种人类和三种小鼠）的七个基准单细胞RNA测序数据集	机器学习	NA	单细胞RNA测序（scRNA-seq）	多视图图注意力网络（scMGATGRN）	单细胞转录组数据	七个基准单细胞RNA测序数据集，涉及五种细胞系（两种人类和三种小鼠）
6473	2025-02-26	Deep learning-based image quality assessment: impact on detection accuracy of prostate cancer extraprostatic extension on MRI 2024-08, Abdominal radiology (New York) DOI:10.1007/s00261-024-04468-5 PMID:38958754	研究论文	本研究使用基于深度学习的AI算法评估前列腺癌MRI图像质量对前列腺外扩展（EPE）检测准确性的影响	首次使用深度学习AI算法对前列腺MRI图像质量进行分类，并证明高质量T2WI图像与EPE病理预测准确性相关	研究为单机构回顾性研究，样本量有限，且仅使用了一种AI算法进行图像质量分类	评估前列腺MRI图像质量对EPE检测准确性的影响	前列腺癌患者	数字病理学	前列腺癌	深度学习	AI算法	MRI图像	773名患者
6474	2025-02-26	Deep learning-accelerated T2WI: image quality, efficiency, and staging performance against BLADE T2WI for gastric cancer 2024-08, Abdominal radiology (New York) DOI:10.1007/s00261-024-04323-7 PMID:38662208	研究论文	本研究比较了深度学习加速的单次屏息T2加权磁共振成像（DLSB-T2WI）与BLADE-T2WI在胃癌成像中的图像质量、效率和诊断性能	首次将深度学习加速技术应用于单次屏息T2加权磁共振成像，显著缩短了成像时间并提高了图像质量	研究样本量相对较小，且仅在单一中心进行，可能影响结果的普遍性	比较DLSB-T2WI与BLADE-T2WI在胃癌成像中的性能	112名胃癌患者	数字病理	胃癌	T2加权磁共振成像（T2WI）	深度学习模型	图像	112名胃癌患者
6475	2025-02-26	Comparison of model-based versus deep learning-based image reconstruction for thin-slice T2-weighted spin-echo prostate MRI 2024-08, Abdominal radiology (New York) DOI:10.1007/s00261-024-04256-1 PMID:38520510	研究论文	本文比较了基于模型的图像重建（MBIR）与新开发的基于深度学习的图像重建方法，在1毫米高分辨率T2加权自旋回波前列腺MRI中提供改进的信噪比（SNR）	本文的创新点在于首次将深度学习技术应用于1毫米高分辨率T2加权自旋回波前列腺MRI的图像重建，并展示了其在信噪比提升方面的优势	研究的局限性在于深度学习重建在过高水平（DL High）时，放射学清晰度和对比度保真度会降低	研究目的是比较不同图像重建方法在前列腺MRI中的性能，特别是信噪比的提升	研究对象为17名临床需要进行前列腺MRI的患者	医学影像	前列腺癌	T2加权自旋回波MRI	深度学习	图像	17名患者
6476	2025-02-26	High-throughput classification of S. cerevisiae tetrads using deep learning 2024-07, Yeast (Chichester, England) DOI:10.1002/yea.3965 PMID:38850080	研究论文	本文开发了一种基于深度学习的图像识别和分类管道，用于高通量检测和分类酿酒酵母四分体的减数分裂交叉	利用深度学习技术自动化分析酿酒酵母四分体的减数分裂交叉，提高了分析效率和准确性	研究主要针对酿酒酵母，可能不直接适用于其他生物体	自动化分析酿酒酵母四分体的减数分裂交叉，以加速发现与减数分裂重组相关的新基因	酿酒酵母四分体	计算机视觉	NA	深度学习	CNN	图像	大量野生型和特定基因敲除突变体的图像数据集
6477	2025-02-26	A deep learning approach for diagnosis of schizophrenia disorder via data augmentation based on convolutional neural network and long short-term memory 2024-Jul, Biomedical engineering letters IF:3.2Q2 DOI:10.1007/s13534-024-00360-9 PMID:38946814	研究论文	本文提出了一种基于卷积神经网络和长短期记忆网络的深度学习方法，通过数据增强技术自动诊断精神分裂症	提出了一种端到端的深度学习方法，结合15层CNN和16层CNN-LSTM网络，利用数据增强技术提高数据多样性，实现了高精度的精神分裂症诊断	未提及具体的数据集来源和样本的多样性，可能影响模型的泛化能力	开发一种自动诊断精神分裂症的工具，帮助精神病医生进行早期诊断	精神分裂症患者的脑电图（EEG）信号	机器学习	精神分裂症	生成对抗网络（GAN）用于数据增强	CNN, LSTM	脑电图（EEG）信号	大规模EEG数据集，具体样本数量未提及
6478	2025-02-26	Black Box Warning: Large Language Models and the Future of Infectious Diseases Consultation 2024-04-10, Clinical infectious diseases : an official publication of the Infectious Diseases Society of America IF:8.2Q1 DOI:10.1093/cid/ciad633 PMID:37971399	评论	本文探讨了大型语言模型（LLMs）在传染病咨询中的潜在应用及其局限性	提出了LLMs在医疗咨询中的潜在应用，并强调了其当前的技术限制和伦理问题	LLMs存在频繁的虚构、缺乏上下文意识、训练数据和方法不透明以及容易再现偏见等问题	探讨LLMs在传染病临床咨询中的应用前景及其潜在风险	大型语言模型（LLMs）	自然语言处理	传染病	深度学习算法	LLMs	文本	NA
6479	2025-02-26	Exploring the application of knowledge transfer to sports video data 2024, Frontiers in sports and active living IF:2.3Q2 DOI:10.3389/fspor.2024.1460429 PMID:39989920	研究论文	本研究探讨了知识转移在体育视频数据中的应用，特别是零样本学习（ZSL）和球员重识别技术	利用预训练的重识别模型提取特征嵌入，在零样本学习环境下评估其在橄榄球联赛和篮网球中的应用，展示了在动态体育环境中部分模型的有效性	非部分模型在背景干扰下表现不佳，且需要大量资源来重现结果	探索更高效的方法，以在不同体育项目中应用AI和计算机视觉技术，减少数据标注和模型训练成本	橄榄球联赛和篮网球的体育视频数据	计算机视觉	NA	零样本学习（ZSL）	预训练的重识别模型	视频	橄榄球联赛近35,000帧和篮网球近14,000帧的广播视频剪辑
6480	2025-02-26	Multiomics Research: Principles and Challenges in Integrated Analysis 2024, Biodesign research DOI:10.34133/bdr.0059 PMID:39990095	综述	本文综述了多组学研究的基本原则和挑战，强调了数据整合在揭示生物系统复杂相互作用和调控机制中的必要性	探讨了深度学习、图神经网络（GNNs）和生成对抗网络（GANs）等最新计算方法在多组学数据合成和解释中的应用，并提出了大语言模型在多组学分析中的潜力	需要大量的计算资源和复杂的模型调优	指导研究人员在多组学研究中导航原则和挑战，以促进整合生物分析的发展	多组学数据	生物信息学	NA	多组学技术（基因组学、转录组学、蛋白质组学、代谢组学等）	深度学习、图神经网络（GNNs）、生成对抗网络（GANs）	多组学数据	NA