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
7061	2025-02-08	Evaluation of deep learning-based scatter correction on a long-axial field-of-view PET scanner 2025-Feb-07, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-025-07120-6 PMID:39918764	研究论文	本文评估了基于深度学习的散射校正方法在长轴视野PET扫描仪上的性能	提出了一种基于卷积神经网络U-Net架构的深度学习方法，用于估计散射正弦图，并在长轴视野PET系统上进行了评估	尽管在[18F]-PSMA数据集上表现一致，但该方法未使用[18F]-PSMA数据进行训练	评估深度学习方法在长轴视野PET系统上的散射校正性能	长轴视野PET系统的散射校正	医学影像	NA	深度学习，蒙特卡罗模拟	CNN U-Net	正弦图，图像数据	7个[18F]-FDG和[18F]-PSMA临床数据集
7062	2025-02-08	Automated detection of traumatic bleeding in CT images using 3D U-Net# and multi-organ segmentation 2025-Feb-06, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/adae14 PMID:39854772	研究论文	本文提出了一种使用3D U-Net#和多器官分割的深度学习方法来自动检测CT图像中的创伤性出血	结合多器官分割方法，显著减少了出血检测过程中的假阳性	需要进一步减少假阳性以提高临床应用的可行性	提高创伤性出血在CT图像中的自动检测准确性和效率	创伤性出血	计算机视觉	创伤	深度学习	3D U-Net#	CT图像	来自四个机构的延迟期对比增强创伤CT图像数据集
7063	2025-02-08	Comparison of data augmentation and classification algorithms based on plastic spectroscopy 2025-Feb-06, Analytical methods : advancing methods and applications IF:2.7Q1 DOI:10.1039/d4ay01759e PMID:39817628	研究论文	本文提出了一种基于C-GAN的塑料光谱生成模型，并通过数据增强方法系统分析和比较了不同分类算法在塑料光谱数据上的性能	提出了一种基于C-GAN的塑料光谱生成模型，有效解决了样本不足的问题，并通过多种方法验证了生成光谱的真实性	数据样本的收集仍然存在挑战，且不同光谱设备的化学分类特征解释可能有限	通过数据增强和分类算法比较，提高塑料光谱数据的分类准确性	塑料光谱数据	机器学习	NA	傅里叶变换红外光谱（FTIR）、拉曼光谱（RAMAN）、激光诱导击穿光谱（LIBS）	C-GAN、SVM、BP、KNN、RF、DT、GoogleNet、ResNet	光谱数据	公共数据集中的塑料光谱数据
7064	2024-12-21	Correction to: A review of multimodal deep learning methods for genomic-enabled prediction in plant breeding 2025-Feb-05, Genetics IF:3.3Q2 DOI:10.1093/genetics/iyae200 PMID:39704758	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
7065	2025-02-08	MtCro: multi-task deep learning framework improves multi-trait genomic prediction of crops 2025-Feb-05, Plant methods IF:4.7Q1 DOI:10.1186/s13007-024-01321-0 PMID:39910577	研究论文	本文介绍了一种名为MtCro的多任务深度学习框架，用于提高作物多性状基因组预测的准确性	MtCro通过多任务学习方法，在共享参数空间中同时捕捉多种植物表型，解决了现有深度学习模型忽视不同表型间相关性的问题	NA	提高作物多性状基因组预测的准确性，加速植物遗传育种进程	作物基因组数据	机器学习	NA	深度学习	多任务学习	基因组数据	Wheat2000、Wheat599和Maize8652数据集
7066	2025-02-08	UniLF: A novel short-term load forecasting model uniformly considering various features from multivariate load data 2025-Feb-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-88566-4 PMID:39905068	研究论文	本文提出了一种新的短期负荷预测模型UniLF，该模型统一考虑了多元负荷数据的多种特征，以提高预测精度	UniLF模型基于Transformer框架，设计了卷积增强融合嵌入方法、特征重构分解块和核心掩码引导的多尺度交互自注意力机制，以全面利用多元负荷数据的三个特征：协变量的影响、多尺度特征和局部-全局变化	NA	提高短期负荷预测的准确性，以支持电力系统的经济和稳定运行	多元负荷数据	机器学习	NA	深度学习	Transformer	多元负荷数据	来自澳大利亚、巴拿马和奥地利的三个负荷数据集
7067	2025-02-06	Author Correction: Sentiment analysis of the Hamas-Israel war on YouTube comments using deep learning 2025-Feb-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-80821-4 PMID:39905118	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
7068	2025-02-08	Ensemble of feature augmented convolutional neural network and deep autoencoder for efficient detection of network attacks 2025-Feb-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-88243-6 PMID:39905125	研究论文	本文提出了一种新颖的深度学习技术集成方法，以提高网络入侵检测系统（NIDS）中数据包流分类的效率	提出了一种集成特征增强卷积神经网络（FA-CNN）和深度自编码器的新方法，用于网络攻击检测	NA	提高网络入侵检测系统中数据包流分类的效率和准确性	网络流量数据	机器学习	NA	深度学习	CNN, 深度自编码器	网络流量数据	使用NSL-KDD和CICDS2017基准数据集进行实验
7069	2025-02-06	Author Correction: Synthetic augmentation of cancer cell line multi-omic datasets using unsupervised deep learning 2025-Feb-04, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-56686-0 PMID:39905123	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
7070	2025-02-08	Using deep learning model integration to build a smart railway traffic safety monitoring system 2025-Feb-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-88830-7 PMID:39905256	研究论文	本研究旨在通过集成目标检测、分割、机器学习和通知系统，构建一个智能铁路交通安全系统	结合Mask R-CNN、YOLO v3和XGBoost模型，以及LINE bot通知系统，实现了铁路安全的智能监控	未提及系统的实时性能评估和长期稳定性测试	构建一个智能铁路交通安全监控系统，以预防相关事故	铁路交通安全监控	计算机视觉	NA	目标检测、分割、机器学习	Mask R-CNN, YOLO v3, XGBoost	图像	未明确提及样本数量
7071	2025-02-08	Deep learning-based CT-free attenuation correction for cardiac SPECT: a new approach 2025-Feb-04, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-01570-y PMID:39905320	研究论文	本文提出了一种基于深度学习的无CT衰减校正方法，用于心脏SPECT成像	提出了一种新的基于深度学习的无CT衰减校正方法，通过多尺度特征对齐和对抗学习技术，显著提高了无CT衰减校正的性能	研究样本量相对较小，训练集和测试集分别为167和35例	开发一种无需CT扫描的心脏SPECT成像衰减校正方法	心脏SPECT成像	医学影像处理	心血管疾病	深度学习	3D U-Net	图像	训练集167例，测试集35例
7072	2025-02-08	UTR-Insight: integrating deep learning for efficient 5' UTR discovery and design 2025-Feb-04, BMC genomics IF:3.5Q2 DOI:10.1186/s12864-025-11269-7 PMID:39905334	研究论文	本文介绍了UTR-Insight，一个结合预训练语言模型和CNN-Transformer架构的模型，用于高效发现和设计5' UTR	UTR-Insight模型在随机和内生5' UTRs中分别解释了89.1%和82.8%的核糖体负载变异，超越了现有模型	NA	提高mRNA稳定性和翻译效率，用于治疗	5' UTRs	自然语言处理	NA	深度学习	CNN-Transformer	序列数据	数十万条来自灵长类、小鼠和病毒的内生5' UTRs
7073	2025-02-08	Quantifying the tumour vasculature environment from CD-31 immunohistochemistry images of breast cancer using deep learning based semantic segmentation 2025-Feb-04, Breast cancer research : BCR IF:6.1Q1 DOI:10.1186/s13058-024-01950-2 PMID:39905431	研究论文	本文提出了一种基于深度学习的语义分割方法，用于从乳腺癌CD-31免疫组化图像中自动测量血管参数，以详细描述血管形态	使用U-Net卷积神经网络自动分割血管结构和肿瘤区域，并首次在3D组织学分析中提供更全面的血管形态可视化	样本量较小，仅使用了36张部分注释的全切片图像和21张额外图像	研究乳腺癌肿瘤血管环境及其与周围细胞和组织类型的关系	乳腺癌CD-31免疫组化图像	数字病理学	乳腺癌	免疫组化（IHC）	U-Net	图像	36张部分注释的全切片图像（来自27名患者）和21张额外图像（来自15名患者）
7074	2025-02-08	Transitioning from wet lab to artificial intelligence: a systematic review of AI predictors in CRISPR 2025-Feb-04, Journal of translational medicine IF:6.1Q1 DOI:10.1186/s12967-024-06013-w PMID:39905452	综述	本文系统回顾了CRISPR-Cas9系统中人工智能预测器的应用，旨在通过AI算法优化CRISPR-Cas9的多步骤过程	本文为AI研究人员提供了一个独特的平台，以深入理解CRISPR-Cas9多步骤过程中的生物学基础，并详细介绍了80个可用的CRISPR-Cas9系统相关数据集	现有的AI预测器性能有限，许多步骤仍依赖于昂贵且耗时的湿实验室实验	通过AI算法优化CRISPR-Cas9系统的多步骤过程	CRISPR-Cas9系统及其多步骤过程	机器学习	癌症、遗传病、遗传性疾病	CRISPR-Cas9	机器学习、深度学习	数据集	80个CRISPR-Cas9系统相关数据集
7075	2025-02-08	Synthetic CT generation from CBCT and MRI using StarGAN in the Pelvic Region 2025-Feb-04, Radiation oncology (London, England) DOI:10.1186/s13014-025-02590-2 PMID:39905495	研究论文	本研究评估了StarGAN在从磁共振成像（MRI）和锥形束计算机断层扫描（CBCT）数据生成合成计算机断层扫描（sCT）图像方面的性能，并与常用的CycleGAN进行了比较	使用StarGAN单一模型从MRI和CBCT数据生成sCT图像，以提供准确的Hounsfield单位（HU）数据，用于剂量计算，从而实现MRI模拟和自适应放射治疗（ART）	StarGAN在定量指标上不如CycleGAN，尽管在解剖结构保留方面表现更好	评估StarGAN在生成sCT图像方面的性能，以支持MRI模拟和自适应放射治疗	53例盆腔癌症病例	计算机视觉	盆腔癌症	深度学习	StarGAN, CycleGAN	图像	53例盆腔癌症病例
7076	2025-02-08	Enabling high-throughput quantitative wood anatomy through a dedicated pipeline 2025-Feb-04, Plant methods IF:4.7Q1 DOI:10.1186/s13007-025-01330-7 PMID:39905535	研究论文	本文介绍了一种半自动化的高通量管道，用于样本制备、千兆像素成像和分析木材端面解剖结构	提出了一种结合协作机器人、定制开源千兆像素成像系统和深度学习分析的全新半自动化管道，显著提高了木材解剖结构的分析效率和精度	目前仅展示了在榉木样本上的应用，尚未验证其在其他树种或更广泛样本上的适用性	开发一种高效、精确的木材解剖结构分析方法，以解锁树木在其生命周期中存储的环境信息	木材端面解剖结构，特别是导管和射线的量化分析	数字病理学	NA	深度学习，千兆像素成像	YOLOv8	图像	30-35厘米直径的榉木圆盘和5根30厘米长的榉木增量芯
7077	2025-02-08	3D convolutional deep learning for nonlinear estimation of body composition from whole body morphology 2025-Feb-02, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-025-01469-6 PMID:39894882	研究论文	本文提出了一种使用3D卷积深度学习网络和非线性高斯过程回归从全身形态学估计身体成分的新方法	首次将深度3D卷积图网络和非线性高斯过程回归应用于人体形状参数化和身体成分估计	仅对男性使用深度形状特征时预测误差减少，且数据集样本量有限	研究从3D光学图像中预测身体成分的非线性方法	人体身体成分	计算机视觉	NA	3D卷积深度学习，高斯过程回归	3D卷积图网络，高斯过程回归	3D光学图像	4286次扫描
7078	2025-02-08	Deep learning to decode sites of RNA translation in normal and cancerous tissues 2025-Feb-02, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-56543-0 PMID:39894899	研究论文	本文介绍了一种基于Transformer模型的RiboTIE方法，用于增强核糖体分析数据的分析，以解码正常和癌变组织中的RNA翻译位点	RiboTIE直接利用原始核糖体分析数据，以高精度和高灵敏度检测翻译的开放阅读框（ORFs），并在多种数据集上进行了评估	未明确提及具体局限性	提高核糖体分析数据的分析精度和深度，以更好地理解蛋白质合成及其在疾病中的意义	正常脑组织和髓母细胞瘤癌症样本中的RNA翻译位点	自然语言处理	癌症	Ribo-Seq	Transformer	核糖体分析数据	多种数据集，包括正常脑组织和髓母细胞瘤癌症样本
7079	2025-02-08	Automated 24-sector grid-map algorithm for prostate mpMRI improves precision and efficacy of prostate lesion location reporting 2025-Feb, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2024.111897 PMID:39729944	研究论文	本研究开发了一种基于深度学习的自动前列腺24分区网格图算法，用于提高前列腺病变位置报告的精确性和效率	首次开发了一种自动化的24分区网格图算法，用于前列腺多参数磁共振成像（mpMRI）的病变定位，显著提高了定位报告的准确性	研究样本量较小，仅使用了50个mpMRI数据集进行验证	训练并验证一种基于深度学习的前列腺自动分区映射算法，以提高前列腺病变位置报告的精确性和效率	前列腺病变	数字病理学	前列腺癌	深度学习	深度学习模型	图像	50个mpMRI数据集
7080	2025-02-08	Improving functional correlation of quantification of interstitial lung disease by reducing the vendor difference of CT using generative adversarial network (GAN) style conversion 2025-Feb, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2024.111899 PMID:39740598	研究论文	本研究评估了使用生成对抗网络（GAN）进行CT风格转换以减少不同CT厂商间差异，从而改善间质性肺病（ILD）定量测量的功能相关性	首次使用可路由生成对抗网络（RouteGAN）进行CT风格转换，以减少不同CT厂商间的差异，提高ILD定量测量的准确性	研究样本量较小，仅包括112名患者，且仅针对特发性肺纤维化（IPF）患者	评估CT风格转换对间质性肺病（ILD）定量测量的影响，以提高定量CT（QCT）测量的功能相关性	特发性肺纤维化（IPF）患者	计算机视觉	肺纤维化	生成对抗网络（GAN）	RouteGAN	CT图像	112名患者（平均年龄61岁，82名男性）