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
6881	2025-03-21	Deep learning initialized compressed sensing (Deli-CS) in volumetric spatio-temporal subspace reconstruction 2025-Apr, Magma (New York, N.Y.) DOI:10.1007/s10334-024-01222-2 PMID:39891798	研究论文	本研究提出了一种名为Deli-CS的深度学习方法，用于加速体积多轴螺旋投影MRF的重建，旨在实现全脑T1和T2映射	引入了深度学习初始化的压缩感知（Deli-CS）方法，通过DL生成的种子点启动迭代重建，减少收敛所需的迭代次数	NA	减少MRI重建时间，提高全脑多参数映射的效率	体积多轴螺旋投影MRF数据	医学影像处理	NA	深度学习，压缩感知	深度学习模型	MRI图像	NA
6882	2025-02-05	Direct estimation of fetal biometry measurements from ultrasound video scans through deep learning 2025-Apr, American journal of obstetrics & gynecology MFM IF:3.8Q1 DOI:10.1016/j.ajogmf.2025.101623 PMID:39900243	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
6883	2025-03-21	CommRad RF: A dataset of communication radio signals for detection, identification and classification 2025-Apr, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2025.111387 PMID:40103755	研究论文	本文介绍了一个创新的通信无线电信号数据集CommRad RF，旨在提高通信信道的安全性，并提出了两种深度学习模型用于高效处理和学习复杂无线电信号数据	填补了目前没有公开的步话机/商用无线电数据集的空白，并提出了两种新的深度学习模型Light Weight 1DCNN和Light Weight Bivariate 1DCNN	数据集仅包含室内多径环境下的无线电信号，可能不适用于其他环境	提高通信信道的安全性，检测和识别未经授权的传输源	无线电信号	机器学习	NA	深度学习	Light Weight 1DCNN, Light Weight Bivariate 1DCNN	无线电信号	超过2700个无线电信号，来自27个无线电设备
6884	2025-03-21	A novel rotation and scale-invariant deep learning framework leveraging conical transformers for precise differentiation between meningioma and solitary fibrous tumor 2025-Apr, Journal of pathology informatics DOI:10.1016/j.jpi.2025.100422 PMID:40104410	研究论文	本文提出了一种新颖的旋转和尺度不变的深度学习框架，利用锥形变换器从全切片图像中捕捉全局和局部成像标记，以准确区分脑膜瘤和孤立性纤维瘤	采用了锥形变换器的新架构，结合加权多数投票方案，提高了诊断的准确性和鲁棒性	数据集规模较小，仅包含92名患者，可能影响模型的泛化能力	开发一种基于AI的诊断工具，用于精确区分脑膜瘤和孤立性纤维瘤	脑膜瘤和孤立性纤维瘤	数字病理学	脑膜瘤	深度学习	锥形变换器	图像	92名患者（46名脑膜瘤患者和46名孤立性纤维瘤患者）
6885	2025-03-21	Deep Learning-Driven Computational Approaches for Studying Intrinsically Disordered Regions in S100-A9 2025-Mar-20, Methods in molecular biology (Clifton, N.J.) DOI:10.1007/7651_2025_617 PMID:40106150	研究论文	本文介绍了使用深度学习方法研究S100-A9蛋白中内在无序区域（IDRs）的计算方法	利用人工智能预测、分析和建模内在无序区域，提供了一种初步识别蛋白质IDRs的简单协议	仅以S100-A9蛋白为例，未涉及其他蛋白质或更广泛的应用	研究S100-A9蛋白中内在无序区域的特征，以揭示其在银屑病中的复杂分子相互作用	S100-A9蛋白的内在无序区域	机器学习	银屑病	深度学习	NA	蛋白质序列数据	NA
6886	2025-03-21	Emerging Trends and Innovations in Radiologic Diagnosis of Thoracic Diseases 2025-Mar-20, Investigative radiology IF:7.0Q1 DOI:10.1097/RLI.0000000000001179 PMID:40106831	综述	本文总结了胸部影像学领域的关键发展，包括成像模式、计算工具和临床应用，重点介绍了在肺癌、肺结节、间质性肺病、慢性阻塞性肺病、COVID-19肺炎和肺栓塞等疾病中的重大突破，并展望了未来方向	本文强调了人工智能驱动的计算机辅助检测系统和放射组学分析在肺结节检测和分类中的显著改进，以及光子计数探测器CT和低场MRI在提高分辨率或无辐射策略方面的应用	本文主要集中于已有研究的总结，未涉及具体实验数据或新方法的详细验证	总结胸部影像学领域的最新进展，并展望未来发展方向	胸部疾病，包括肺癌、肺结节、间质性肺病、慢性阻塞性肺病、COVID-19肺炎和肺栓塞	数字病理学	肺癌	光子计数探测器CT（PCD-CT）、低场MRI、CT纹理分析、灌注成像、双能CT、暗场X线摄影、深度学习	人工智能（AI）	影像数据	NA
6887	2025-03-21	Influence of deep learning-based super-resolution reconstruction on Agatston score 2025-Mar-20, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-11506-3 PMID:40108013	研究论文	本文评估了基于深度学习的超分辨率重建（DLSRR）对图像质量和Agatston评分的影响	首次系统评估了DLSRR在心脏CT图像中的应用，特别是其对Agatston评分的影响	研究中观察到一些CAC-DRS重新分类的情况，需谨慎在临床中使用DLSRR	评估DLSRR对图像质量和Agatston评分的影响	接受心脏CT检查的连续患者	计算机视觉	心血管疾病	深度学习超分辨率重建（DLSRR）	NA	CT图像	111名患者
6888	2025-03-21	Evaluating the robustness of deep learning models trained to diagnose idiopathic pulmonary fibrosis using a retrospective study 2025-Mar-20, Medical physics IF:3.2Q1 DOI:10.1002/mp.17752 PMID:40111345	研究论文	本研究评估了用于诊断特发性肺纤维化（IPF）的深度学习模型在不同CT成像协议下的鲁棒性	首次系统地评估了深度学习模型在不同CT成像协议下的诊断性能，揭示了模型在非参考条件下的特异性下降问题	研究的回顾性设计可能限制了结果的普遍性	评估深度学习模型在不同CT成像协议下诊断特发性肺纤维化的鲁棒性	间质性肺病（ILD）患者的CT扫描数据	数字病理学	特发性肺纤维化	CT成像	2D和3D深度学习模型	CT图像	389名IPF患者和700名非IPF ILD患者的CT扫描数据，其中343名患者的数据用于模型评估
6889	2025-03-21	Robust protein-ligand interaction modeling through integrating physical laws and geometric knowledge for absolute binding free energy calculation 2025-Mar-19, Chemical science IF:7.6Q1 DOI:10.1039/d4sc07405j PMID:40007661	研究论文	本文提出了一种名为LumiNet的蛋白质-配体相互作用建模框架，通过结合物理定律和几何知识来提高绝对结合自由能计算的准确性	LumiNet框架结合了物理模型和黑箱算法，利用子图变压器从分子图中提取多尺度信息，并通过几何神经网络整合蛋白质-配体信息，从而提高了绝对结合自由能计算的准确性	尽管LumiNet在数据稀缺的情况下表现良好，但其在更广泛的应用场景中的泛化能力仍需进一步验证	提高蛋白质-配体结合自由能计算的准确性和效率，以支持药物发现	蛋白质-配体相互作用	机器学习	NA	深度学习	子图变压器、几何神经网络	分子图	NA
6890	2025-03-21	Commentary on "Machine Learning, Deep Learning, Artificial Intelligence and Aesthetic Plastic Surgery: A Qualitative Systematic Review" by Nogueira et al. (2025) 2025-Mar-19, Aesthetic plastic surgery IF:2.0Q2 DOI:10.1007/s00266-025-04825-9 PMID:40105945	comments	本文是对Nogueira等人（2025年）发表的关于机器学习、深度学习、人工智能与美容整形外科的定性系统综述的评论	NA	NA	评论Nogueira等人关于机器学习、深度学习、人工智能在美容整形外科中的应用的系统综述	Nogueira等人的系统综述	machine learning	NA	NA	NA	NA	NA
6891	2025-03-21	Automated Detection of Hydrocephalus in Pediatric Head Computed Tomography Using VGG 16 CNN Deep Learning Architecture and Based Automated Segmentation Workflow for Ventricular Volume Estimation 2025-Mar-19, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01482-x PMID:40108068	研究论文	本研究提出了一种基于VGG16架构的卷积神经网络（CNN）模型，用于在婴儿头部CT图像中自动检测脑积水，并集成了自动脑室体积提取方法	本研究首次将VGG16 CNN架构应用于婴儿脑积水的自动检测，并开发了一种自动脑室体积提取方法，结合了多种图像处理技术	研究样本量较小，仅包含105个头部CT扫描，可能影响模型的泛化能力	开发一种自动化的脑积水检测和脑室体积提取方法，以提高临床诊断的准确性和效率	婴儿头部CT图像	计算机视觉	脑积水	CT扫描、图像分割、形态学操作	VGG16 CNN	图像	105个头部CT扫描，共6300张切片
6892	2025-03-21	High-Resolution Magnetic Resonance Imaging Radiomics for Identifying High-Risk Intracranial Plaques 2025-Mar-19, Translational stroke research IF:3.8Q2 DOI:10.1007/s12975-025-01345-1 PMID:40108073	研究论文	本文旨在构建一个基于高分辨率磁共振成像（HRMRI）的放射组学模型，用于区分症状性和无症状性颅内斑块，以预测脑血管事件	结合放射组学特征和深度学习技术，构建了一个混合模型，用于准确识别高风险颅内斑块	样本量相对较小，且仅基于HRMRI数据，未考虑其他影像学或临床数据	识别高风险颅内斑块，预测脑血管事件	172名患者的188个颅内动脉粥样硬化斑块（100个症状性，88个无症状性）	数字病理学	心血管疾病	高分辨率磁共振成像（HRMRI）	随机森林、岭回归、最小绝对收缩和选择算子（LASSO）、深度学习（DL）	图像	172名患者的188个颅内斑块
6893	2025-03-21	Deep-learning based multibeat echocardiographic cardiac phase detection 2025-Mar-19, Medical physics IF:3.2Q1 DOI:10.1002/mp.17733 PMID:40108797	研究论文	本研究介绍了一种新型的多拍超声心动图心脏相位检测网络EchoPhaseNet，旨在以低标注成本和有限数据实现快速准确的心脏相位检测	EchoPhaseNet通过仅使用ED/ES标签实现有效的心脏相位检测，显著降低了标注成本，并适用于更广泛的检测场景	研究中使用的数据集规模有限，可能影响模型的泛化能力	开发一种快速、准确且低成本的自动心脏相位检测方法	多拍超声心动图序列	计算机视觉	心血管疾病	深度学习	EchoPhaseNet	图像	五个超声心动图数据集，包括一个小规模私有数据集Echo-DT、一个中等规模公开数据集PhaseDetection，以及三个额外公开数据集EchoNet-Dynamic、CAMUS和EchoNet-Dynamic-MultiBeat
6894	2025-03-21	Enhanced lung cancer subtype classification using attention-integrated DeepCNN and radiomic features from CT images: a focus on feature reproducibility 2025-Mar-17, Discover oncology IF:2.8Q2 DOI:10.1007/s12672-025-02115-z PMID:40095252	研究论文	本研究评估了一种结合放射组学特征与深度学习和注意力机制的混合框架，以提高使用CT图像对肺癌亚型分类的准确性	结合放射组学特征与深度学习和注意力机制，特别是通过注意力机制增强深度学习模型，以提高肺癌亚型分类的准确性	研究未提及对模型在不同医疗中心间的泛化能力进行详细验证	提高使用CT图像对肺癌亚型分类的准确性	肺癌CT图像	计算机视觉	肺癌	CT扫描	DeepCNN, XGBoost, Stacking	图像	2725张肺癌图像，涵盖腺癌（552张）、鳞状细胞癌（380张）、小细胞肺癌（307张）、大细胞癌（215张）和肺类癌（180张）
6895	2025-03-21	Research on movie rating based on BERT-base model 2025-Mar-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-92430-w PMID:40097502	研究论文	本文提出了一种基于BERT-base模型的电影评分分类方法，通过改进BERT模型来提高电影评论分类的准确性和公平性	引入了动态位置偏移编码机制和动态加权融合池化策略，增强了模型对位置信息的处理能力和特征提取的全面性，同时通过数据预处理减少敏感信息带来的模型偏差	尽管在IMDb数据集上表现良好，但模型在其他数据集上的泛化能力仍需进一步验证	提高电影评论分类的准确性和公平性	电影评论	自然语言处理	NA	BERT模型	BERT-base	文本	IMDb电影评论数据集
6896	2025-03-21	Convolutional Fine-Tuned Threshold Adaboost approach for effectual content-based image retrieval 2025-Mar-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-93309-6 PMID:40097565	研究论文	本文提出了一种新颖的卷积微调阈值Adaboost（CFTAB）方法，结合深度学习和机器学习技术，以提高基于内容的图像检索（CBIR）的性能	提出了一种结合深度学习和机器学习的CFTAB方法，通过动态调整阈值水平来优化训练结果，从而提高CBIR的性能	未提及具体的研究限制	提高基于内容的图像检索（CBIR）的性能	图像数据	计算机视觉	NA	Adaptive Histogram Equalization (AHE), VGG16	CFTAB, Adaboost	图像	未提及具体样本数量
6897	2025-03-21	Conditional variational auto encoder based dynamic motion for multitask imitation learning 2025-Mar-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-93888-4 PMID:40097597	研究论文	本文提出了一种结合传统动态运动基元（DMP）方法和条件变分自编码器（cVAE）的框架，用于多任务模仿学习	结合DMP和cVAE，通过生成扭矩而非直接生成轨迹，使生成的轨迹能够适应新的目标位置，并提出了保证通过点约束的微调方法	需要进一步验证在更复杂任务和更大规模数据集上的性能	提高多任务模仿学习的效率和泛化能力	手写数字数据集和机器人操作任务（如推动、到达和抓取）	机器学习	NA	条件变分自编码器（cVAE）	cVAE	图像和机器人操作数据	手写数字数据集和UR10机械臂的机器人操作任务
6898	2025-03-21	A multimodal framework for assessing the link between pathomics, transcriptomics, and pancreatic cancer mutations 2025-Mar-15, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2025.102526 PMID:40107149	研究论文	本研究开发了一个可解释的多模态框架，用于预测胰腺导管腺癌（PDAC）中的关键基因突变，结合了病理组学和转录组学数据	创新点在于结合了病理组学和转录组学数据，使用多模态深度学习模型预测PDAC中的基因突变，并通过注意力机制和SHAP方法解释模型结果	研究的外部验证集仅使用了CPTAC-PDA数据集，样本量可能有限，且对于SMAD4和CDKN2A基因的预测性能较低	研究目的是开发一个可解释的多模态框架，用于预测PDAC中的关键基因突变	研究对象是胰腺导管腺癌（PDAC）中的KRAS、TP53、SMAD4和CDKN2A基因突变	数字病理学	胰腺癌	RNA-seq	CLAM（Clustering-constrained Attention Multiple Instance Learning）、ResNet50、UNI、CONCH、自动编码器	图像、RNA-seq数据	两个独立数据集：TCGA-PAAD（训练集）和CPTAC-PDA（外部验证集）
6899	2025-03-21	CQENet: A segmentation model for nasopharyngeal carcinoma based on confidence quantitative evaluation 2025-Mar-13, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2025.102525 PMID:40107148	研究论文	本文提出了一种基于置信度定量评估的鼻咽癌自动分割模型CQENet，旨在提高鼻咽癌肿瘤区域的精确分割	引入了置信度评估模块（CAM）以输出分割结果的置信度，提出肿瘤特征调整模块（FAM）用于精确定位肿瘤位置和范围，以及方差注意力机制（VAM）用于辅助模糊边界的精细分割	未提及具体的局限性	提高鼻咽癌肿瘤区域的自动分割精度，增强模型输出结果的置信度量化	鼻咽癌肿瘤区域	计算机视觉	鼻咽癌	深度学习	CQENet	图像	多中心鼻咽癌数据集
6900	2025-03-21	Photodiagnosis with deep learning: A GAN and autoencoder-based approach for diabetic retinopathy detection 2025-Mar-08, Photodiagnosis and photodynamic therapy IF:3.1Q2 DOI:10.1016/j.pdpdt.2025.104552 PMID:40064432	研究论文	本研究提出了一种结合生成对抗网络（GANs）、去噪自编码器和EfficientNetB0的深度学习框架，用于糖尿病视网膜病变（DR）的检测	该研究创新性地整合了GANs用于数据增强、去噪自编码器用于降噪以及EfficientNetB0用于分类模型，显著提升了DR分类模型的性能	未来研究方向包括整合可解释性工具以增强临床采用，并探索其他成像模态以进一步提高泛化能力	提升糖尿病视网膜病变（DR）的早期检测和准确诊断能力	糖尿病视网膜病变（DR）	计算机视觉	糖尿病视网膜病变	GANs, 去噪自编码器, EfficientNetB0	GAN, 自编码器, EfficientNetB0	图像	自定义的高分辨率OCT数据集