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
6481	2025-02-20	Deep Learning-based U-Mamba Model to Predict Differentiated Gastric Cancer using Radiomics Features from Spleen Segmentation 2024, Current medical imaging IF:1.1Q3 DOI:10.2174/0115734056349216241118115005 PMID:39710921	研究论文	本研究旨在开发一种基于深度学习的自动化方法，用于分割脾脏CT图像，并构建预测胃癌分化的模型	使用U-Mamba深度学习模型实现脾脏CT图像的自动分割，并结合放射组学特征预测胃癌分化程度	研究仅纳入了262名患者，样本量相对较小	开发自动化脾脏CT图像分割方法并构建胃癌分化预测模型	262名病理确诊的胃癌患者	数字病理	胃癌	CT成像	U-Mamba	图像	262名胃癌患者
6482	2025-02-20	Deep learning and explainable AI for classification of potato leaf diseases 2024, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2024.1449329 PMID:39963448	研究论文	本研究提出了一种结合可解释人工智能（XAI）和迁移学习的深度学习方法，用于马铃薯叶部病害的准确分类	结合迁移学习和可解释AI技术，提升模型在有限标注数据下的学习能力，并通过Grad-CAM增强模型的可解释性	未提及具体的数据集规模限制或模型在其他作物病害上的泛化能力	提高马铃薯叶部病害分类的准确性和模型的可解释性	马铃薯叶部病害	计算机视觉	NA	迁移学习，可解释AI（XAI）	深度学习模型	图像	使用公开的马铃薯叶部病害数据集，具体样本数量未提及
6483	2025-02-20	Author Correction: Deep learning enables fast, gentle STED microscopy 2023-Aug-10, Communications biology IF:5.2Q1 DOI:10.1038/s42003-023-05222-1 PMID:37563357	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
6484	2025-02-20	Deep learning enables fast, gentle STED microscopy 2023-06-27, Communications biology IF:5.2Q1 DOI:10.1038/s42003-023-05054-z PMID:37369761	研究论文	本文介绍了利用深度学习恢复STED显微镜图像的方法，以减少光漂白和光损伤，并显著降低像素停留时间	通过深度学习技术，实现了对STED显微镜图像的快速、温和恢复，减少了光漂白和光损伤，并显著降低了像素停留时间	NA	研究目的是通过深度学习技术改进STED显微镜成像，减少光漂白和光损伤，并提高成像效率	STED显微镜图像	计算机视觉	NA	STED显微镜	深度学习	图像	NA
6485	2025-02-20	Accurate Prediction of Transcriptional Activity of Single Missense Variants in HIV Tat with Deep Learning 2023-Mar-24, International journal of molecular sciences IF:4.9Q2 DOI:10.3390/ijms24076138 PMID:37047108	研究论文	本文提出了一种结合GigaAssay和深度学习的方法，用于预测HIV Tat基因中单错义变体的转录活性	首次将深度学习应用于预测HIV Tat基因单错义变体的转录活性，并取得了高精度的预测结果	目前仅适用于单错义变体，尚未扩展到更复杂的Tat等位基因	更好地理解HIV基因组转录的遗传控制，以帮助理解AIDS的病理和治疗	HIV Tat基因的单错义变体	机器学习	AIDS	GigaAssay, 深度学习	深度学习	实验数据	NA
6486	2025-02-19	Bean leaf image dataset annotated with leaf dimensions, segmentation masks, and camera calibration 2025-Apr, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2025.111328 PMID:39959655	研究论文	本文介绍了一个包含6981张普通豆叶图像的数据库，这些图像附有基准标记和已知叶片尺寸的注释	提供了一个包含详细注释的叶片图像数据库，包括图像分割、已知区域、基准标记区域、标记姿态、拍摄条件和相机校准信息	NA	开发用于叶片尺寸测量及相关问题的深度学习算法	普通豆叶	计算机视觉	NA	NA	NA	图像	6981张图像，涉及612片普通豆叶
6487	2025-02-19	Prediction of Visual Acuity After Cataract Surgery by Deep Learning Methods Using Clinical Information and Color Fundus Photography 2025-Mar, Current eye research IF:1.7Q3 DOI:10.1080/02713683.2024.2430212 PMID:39651583	研究论文	本研究探讨了使用术前临床信息和彩色眼底摄影（CFP）通过深度学习方法预测白内障手术后视力的性能	结合了彩色眼底摄影和临床信息的多模态模型，用于预测白内障手术后的视力	多模态输入对预测性能的改善效果不明显，未来研究需要进一步明确多模态输入的影响	预测白内障手术后的视力	接受白内障手术的患者	计算机视觉	白内障	深度学习	Xception和下游神经网络	图像和临床数据	446名患者的673张眼底图像
6488	2025-02-19	DeepPD: A Deep Learning Method for Predicting Peptide Detectability Based on Multi-feature Representation and Information Bottleneck 2025-Mar, Interdisciplinary sciences, computational life sciences DOI:10.1007/s12539-024-00665-4 PMID:39661307	研究论文	本文介绍了一种名为DeepPD的深度学习框架，用于基于多特征表示和信息瓶颈原则预测肽的可检测性	DeepPD结合了多特征表示和信息瓶颈原则，通过进化尺度建模2（ESM-2）提取肽的语义信息，并整合序列和进化信息构建特征空间，有效减少了特征空间的冗余	NA	预测肽的可检测性，以改进蛋白质组学中的基本任务	肽	机器学习	NA	进化尺度建模2（ESM-2）	深度学习	序列数据	多个数据集
6489	2025-02-19	Structural and functional alterations in hypothalamic subregions in male patients with alcohol use disorder 2025-Mar-01, Drug and alcohol dependence IF:3.9Q1 DOI:10.1016/j.drugalcdep.2025.112554 PMID:39848134	研究论文	本研究探讨了酒精使用障碍（AUD）男性患者下丘脑亚区的结构和功能变化	首次使用深度学习算法对下丘脑进行细分，并比较AUD患者与健康对照组在下丘脑亚区体积和功能连接性上的差异	样本量较小，仅包括男性患者，且未考虑其他可能影响下丘脑结构的因素	研究酒精使用障碍对下丘脑亚区结构和功能的影响	24名男性AUD患者和24名健康男性对照	神经影像学	酒精使用障碍	深度学习算法，静息态功能磁共振成像	NA	脑结构图像，功能磁共振成像数据	48名男性（24名AUD患者，24名健康对照）
6490	2025-02-19	Lens-Free Holographic Imaging-Based Immunosensor Using Unpaired Data Set Signal-to-Noise Ratio-Enhanced Modal Transformation for Biosensing 2025-Feb-18, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.4c04453 PMID:39901522	研究论文	本研究提出了一种结合便携式无透镜全息成像设备和CuO@SiO纳米颗粒点击反应信号放大策略的免疫传感器，用于准确检测抗生素	通过构建基于非配对数据集的模态转换模型，解决了传统方法需要一对一匹配数据集的复杂性，实现了大视场成像和信噪比增强的全息重建	NA	开发一种高灵敏度和宽线性范围的便携式检测设备，用于食品安全检查和临床诊断	抗生素（如氯霉素）	数字病理	NA	无透镜全息成像，点击反应信号放大	深度学习模态转换模型	图像	NA
6491	2025-02-19	Convolutional Neural Networks Assisted Peak Classification in Targeted LC-HRMS/MS for Equine Doping Control Screening Analyses 2025-Feb-18, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.4c03608 PMID:39901649	研究论文	本文探讨了在针对马匹兴奋剂控制筛查分析中，使用卷积神经网络（CNN）辅助色谱峰分类的可行性	首次将深度学习策略应用于马匹兴奋剂控制中的色谱图分类，结合CNN评分模型和线性判别分析（LDA）分类器，展示了高准确性和可行性	研究中未明确提及样本的具体数量，且未详细讨论模型在其他类型兴奋剂控制中的适用性	自动化兴奋剂控制筛查分析，提高准确性和处理速度	马匹兴奋剂控制中的色谱图	机器学习	NA	超高压液相色谱-高分辨率串联质谱（UHPLC-HRMS/MS）	卷积神经网络（CNN）结合线性判别分析（LDA）	图像（色谱图）	未明确提及具体样本数量
6492	2025-02-19	UNET-FLIM: A Deep Learning-Based Lifetime Determination Method Facilitating Real-Time Monitoring of Rapid Lysosomal pH Variations in Living Cells 2025-Feb-18, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.4c05271 PMID:39902564	研究论文	本文介绍了一种基于一维U-net的深度学习架构UNET-FLIM，用于荧光寿命成像显微镜（FLIM）中的寿命测定，特别适用于处理低光子计数和高背景噪声的数据	UNET-FLIM能够有效处理低光子计数和高背景噪声的数据，并且可以通过模拟衰减曲线进行训练，适用于各种时域FLIM系统	本文主要基于模拟数据进行评估，尚未在广泛的实验数据上进行验证	开发一种深度学习模型，用于实时监测活细胞中溶酶体pH值的快速变化	活细胞中的溶酶体pH值	计算机视觉	NA	荧光寿命成像显微镜（FLIM）	一维U-net	图像	NA
6493	2025-02-19	Multi-task learning for automated contouring and dose prediction in radiotherapy 2025-Feb-18, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/adb23d PMID:39904047	研究论文	本研究应用多任务学习（MTL）方法，将自动轮廓绘制和基于体素的剂量预测任务无缝集成，以提高放射治疗中自动治疗计划的效率和准确性	首次将多任务学习方法应用于放射治疗中的自动轮廓绘制和剂量预测任务，利用两个任务之间的共同信息，提高了自动任务的效率	研究仅使用了前列腺癌和头颈癌两个数据集，可能限制了模型的泛化能力	提高放射治疗中自动治疗计划的效率和准确性	前列腺癌和头颈癌患者	数字病理学	前列腺癌, 头颈癌	深度学习（DL）	多任务学习（MTL）	医学影像	内部前列腺癌数据集和公开可用的头颈癌数据集OpenKBP
6494	2025-02-19	Impact of pectoral muscle removal on deep-learning-based breast cancer risk prediction 2025-Feb-18, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/adb367 PMID:39914024	研究论文	本研究探讨了在训练/微调深度学习模型时排除胸肌对乳腺癌风险预测模型性能的影响	首次研究了在训练/微调过程中排除胸肌对乳腺癌风险预测模型性能的影响，并发现排除胸肌后模型的预测性能有所提升	研究仅基于特定数据集（美国马萨诸塞州总医院和斯洛文尼亚筛查项目的数据），可能无法推广到其他数据集或人群	评估排除胸肌对深度学习模型在乳腺癌风险预测中的性能影响	乳腺X光片	数字病理学	乳腺癌	深度学习	MIRAI	图像	23,792张乳腺X光片（来自斯洛文尼亚筛查项目）
6495	2025-02-19	Automated quantification of brain PET in PET/CT using deep learning-based CT-to-MR translation: a feasibility study 2025-Feb-18, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-025-07132-2 PMID:39964542	研究论文	本研究提出了一种深度学习框架，用于将PET/CT中的CT图像转换为合成MR图像（MRSYN），并利用MRSYN进行自动定量区域分析	提出了一种新的深度学习框架，能够在不依赖MRI的情况下，通过CT图像生成合成MR图像，并用于PET图像的定量分析	研究中排除了前扣带回区域，且样本量相对较小（139名受试者）	解决PET/CT和MRI图像对不总是可用且对齐困难的问题，实现自动定量脑部PET分析	139名接受脑部[18F]FBB PET/CT和T1加权MRI的受试者	医学影像分析	脑部疾病	深度学习	U-Net	图像	139名受试者
6496	2025-02-19	Deep learning-based time-of-flight (ToF) enhancement of non-ToF PET scans for different radiotracers 2025-Feb-18, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-025-07119-z PMID:39964543	研究论文	本文评估了一种基于深度学习的时间飞行（DLToF）模型，该模型旨在提升非ToF PET图像的质量，使其接近ToF图像的质量	开发了一种适用于多种示踪剂的深度学习模型，能够显著提升非ToF PET图像的质量，使其接近ToF图像的质量	研究仅基于特定型号的扫描仪（GE Discovery MI）和特定数量的数据集，可能限制了模型的普适性	评估深度学习模型在提升非ToF PET图像质量方面的效果	非ToF PET图像	医学影像处理	NA	深度学习	3D残差U-NET	PET图像	309个训练数据集和33个验证数据集，测试集包括60个数据集，每个数据集包含5个图像系列
6497	2025-02-19	TongueTransUNet: toward effective tongue contour segmentation using well-managed dataset 2025-Feb-18, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-024-03278-7 PMID:39964658	研究论文	本文提出了一种名为TongueTransUNet的方法，用于有效地分割舌轮廓，以理解语言行为并作为生物反馈应用于不同领域	提出了一种结合UNet、Vision Transformer (ViT)和对比损失的混合架构，利用动态大小的数据集进行有效训练，并通过人类专家验证新输入数据	需要人类专家手动标注被拒绝的样本，增加了时间和成本	研究舌轮廓分割技术，以理解语言行为并应用于生物反馈	舌轮廓	计算机视觉	NA	舌部超声	UNet, Vision Transformer (ViT)	图像	动态大小的数据集
6498	2025-02-19	Deep learning for retinal vessel segmentation: a systematic review of techniques and applications 2025-Feb-18, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-025-03324-y PMID:39964659	系统综述	本文系统回顾了2020年至2024年间发表的79项关于基于深度学习的视网膜血管分割的研究，重点关注数据集、分割模型、评估指标和新兴趋势	本文首次系统性地总结了U-Net和Transformer架构在视网膜血管分割中的应用，并提出了结合U-Net、Transformers和GANs的混合模型作为未来研究方向	尽管深度学习方法在视网膜血管分割中取得了显著成果，但仍存在挑战，如需要进一步提高分割精度	探讨深度学习在视网膜血管分割中的应用及其技术进展	视网膜血管	计算机视觉	眼科疾病	深度学习	U-Net, Transformer, GAN	图像	79项研究
6499	2025-02-19	3D Deep Learning for Virtual Orbital Defect Reconstruction: A Precise and Automated Approach 2025-Feb-17, The Journal of craniofacial surgery IF:1.0Q3 DOI:10.1097/SCS.0000000000011143 PMID:39960444	研究论文	本研究介绍了一种改进的3D U-Net+++架构，用于眼眶缺损的虚拟重建，旨在提高精度和自动化水平	提出了一种改进的3D U-Net+++架构，特别适用于涉及中线两侧的眼眶缺损，相比传统方法具有更高的精度和自动化水平	研究样本量较小，仅包含300个合成缺损和15个临床病例，需要进一步的大规模验证	开发一种精确且高度自动化的眼眶缺损虚拟重建方法，以辅助术前规划	眼眶缺损的虚拟重建	计算机视觉	眼眶骨折	3D深度学习	3D U-Net+++	3D CT扫描图像	300个合成缺损和15个临床病例
6500	2025-02-19	World's first real-time artificial intelligence-assisted mechanical thrombectomy for acute ischemic stroke 2025-Feb-17, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8704 PMID:39961616	研究论文	本文介绍了在急性缺血性卒中（AIS）机械取栓术（MT）中使用实时人工智能（AI）辅助的初步经验	首次在急性缺血性卒中的机械取栓术中应用实时AI辅助系统，并评估其效果、准确性和安全性	研究样本量较小（16例患者），需要更大规模的研究来验证其对手术流程和临床结果的影响	评估实时AI辅助系统在急性缺血性卒中机械取栓术中的有效性和安全性	16例急性缺血性卒中患者	医疗人工智能	急性缺血性卒中	深度学习	NA	视频记录	16例患者