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
7281	2025-02-05	Deep learning reconstruction of zero-echo time sequences to improve visualization of osseous structures and associated pathologies in MRI of cervical spine 2025-Jan-29, Insights into imaging IF:4.1Q1 DOI:10.1186/s13244-025-01902-0 PMID:39881081	研究论文	本研究探讨了基于深度学习的零回波时间序列重建（ZTE-DL）在颈椎MRI中提高图像质量和骨骼可视化的效果，并评估了ZTE-DL序列在标准颈椎MRI中的附加价值	首次将深度学习技术应用于零回波时间序列的重建，显著提升了图像质量和骨骼结构的可视化效果	研究为回顾性研究，样本量较小（52例），且仅在1.5-Tesla扫描仪上进行	评估ZTE-DL序列在颈椎MRI中的图像质量和骨骼可视化效果，并探讨其在病理评估中的附加价值	颈椎MRI图像	医学影像	颈椎疾病	零回波时间序列（ZTE）和深度学习重建（ZTE-DL）	深度学习	MRI图像	52例患者
7282	2025-02-05	MRI-based deep learning radiomics to differentiate dual-phenotype hepatocellular carcinoma from HCC and intrahepatic cholangiocarcinoma: a multicenter study 2025-Jan-29, Insights into imaging IF:4.1Q1 DOI:10.1186/s13244-025-01904-y PMID:39881111	研究论文	本研究开发并验证了基于对比增强MRI的放射组学和深度学习模型，用于区分双表型肝细胞癌（DPHCC）与肝细胞癌（HCC）和肝内胆管癌（ICC）	融合模型（基于vgg19）在诊断性能上优于放射组学和其他深度学习迁移学习模型，显著提高了诊断准确性	研究样本来自四个中心，可能存在数据异质性，且外部验证集的样本量相对较小	开发并验证基于MRI的放射组学和深度学习模型，用于术前区分DPHCC、HCC和ICC	381名患者（包括138例HCC、122例DPHCC和121例ICC）	医学影像分析	肝癌	对比增强MRI（CE-MRI）	放射组学模型、深度学习迁移学习模型（DTL）、融合模型（基于vgg19）	MRI图像	381名患者（244例用于训练和内部测试，75例用于外部测试）
7283	2025-02-05	Fully automated segmentation and classification of renal tumors on CT scans via machine learning 2025-Jan-29, BMC cancer IF:3.4Q2 DOI:10.1186/s12885-025-13582-6 PMID:39881216	研究论文	本文开发并测试了一种基于深度学习的全自动系统，用于通过CT扫描对肾肿瘤进行分割和分类	创新点在于使用3D U-Net深度学习模型进行全自动肿瘤分割，并结合传统放射学特征和放射组学特征，通过随机森林分类器对肾肿瘤亚型进行分类	对于小于4厘米的肿瘤，分割和分类的准确性较低	开发一种全自动系统，用于肾肿瘤的分割和分类	肾肿瘤	计算机视觉	肾癌	CT扫描	3D U-Net, 随机森林分类器	图像	561个肾肿瘤（233个透明细胞肾细胞癌，82个乳头状肾细胞癌，74个嗜铬细胞肾细胞癌，172个血管平滑肌脂肪瘤）
7284	2025-02-05	scSMD: a deep learning method for accurate clustering of single cells based on auto-encoder 2025-Jan-29, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-025-06047-x PMID:39881248	研究论文	本文提出了一种基于自编码器的深度学习方法scSMD，用于单细胞数据的精确聚类	SMD模型结合了非线性降维技术和多孔扩张注意力门组件，能够有效捕捉单细胞聚类的关键特征并动态调整特征权重	NA	探索深度学习在单细胞数据聚类中的应用，特别是处理稀疏高维数据	单细胞RNA测序数据	机器学习	骨肉瘤	单细胞RNA测序（scRNA-seq）	卷积自编码器	RNA测序数据	公共数据集和专有的骨肉瘤数据
7285	2025-02-05	AiGPro: a multi-tasks model for profiling of GPCRs for agonist and antagonist 2025-Jan-29, Journal of cheminformatics IF:7.1Q1 DOI:10.1186/s13321-024-00945-7 PMID:39881398	研究论文	本文介绍了AiGPro，一种用于预测231种人类GPCRs的小分子激动剂和拮抗剂的多任务模型，旨在提高GPCRs的药物发现效率	AiGPro是首个用于大规模GPCR分析的多任务模型，采用多尺度上下文聚合和双向多头交叉注意力机制，无需集成模型即可预测复杂的GPCR状态和小分子相互作用	模型主要针对人类GPCRs，可能不适用于其他物种的GPCRs	提高GPCRs的药物发现效率，通过预测小分子激动剂和拮抗剂的生物活性	231种人类GPCRs	机器学习	NA	深度学习	多任务模型	分子数据	231种人类GPCRs
7286	2025-02-05	Neuron signal attenuation activation mechanism for deep learning 2025-Jan-10, Patterns (New York, N.Y.) DOI:10.1016/j.patter.2024.101117 PMID:39896257	研究论文	本文提出了一种新的神经元信号激活机制，通过广义线性系统中的微分方程推断来增强深度学习的效率	提出了一种新的神经元信号衰减激活机制（Ant），能够表示高阶导数并稳定深度学习任务中的数据分布	未提及具体的局限性	探索超越当前学习效果的深度学习神经元信号激活机制	神经元信号激活机制	机器学习	NA	微分方程推断	深度学习模型	NA	NA
7287	2025-02-05	A deep learning model for characterizing protein-RNA interactions from sequences at single-base resolution 2025-Jan-10, Patterns (New York, N.Y.) DOI:10.1016/j.patter.2024.101150 PMID:39896261	研究论文	本文介绍了一种名为Reformer的深度学习模型，用于从序列数据中预测蛋白质-RNA结合亲和力	Reformer模型在单碱基分辨率上预测蛋白质-RNA结合亲和力，揭示了传统eCLIP-seq方法难以检测的结合基序	模型依赖于eCLIP-seq数据集，可能受限于数据质量和多样性	研究旨在提高RNA-蛋白质相互作用预测的分辨率，并优先考虑影响RNA调控的突变	155种RNA结合蛋白在三种细胞系中的225个eCLIP-seq数据集	自然语言处理	NA	eCLIP-seq	深度学习模型	序列数据	225个eCLIP-seq数据集
7288	2025-02-05	Revolutionizing colorectal cancer detection: A breakthrough in microbiome data analysis 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0316493 PMID:39879257	研究论文	本文介绍了一种新的特征工程方法，通过结合从输入数据中提取的两个特征集生成新数据集，并进行特征选择，显著提高了深度神经网络（DNN）算法在结直肠癌检测中的AUC性能	提出了一种新的特征工程方法，显著提高了DNN算法在结直肠癌检测中的性能	未提及具体局限性	提高结直肠癌检测的准确性和效率	肠道微生物组数据	机器学习	结直肠癌	NGS	DNN	微生物组数据	NA
7289	2025-02-05	GGSYOLOv5: Flame recognition method in complex scenes based on deep learning 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0317990 PMID:39888970	研究论文	本文提出了一种基于深度学习的复杂场景火焰识别方法GGSYOLOv5	在YOLOv5网络的骨干部分添加了全局注意力机制（GAM），并在特征融合部分添加了无参数注意力机制，最后在输出端使用分组随机卷积（GSConv）替换了原始卷积	NA	提高复杂场景下火焰识别的准确率和实时性	火焰	计算机视觉	NA	深度学习	YOLOv5	图像	NA
7290	2025-02-05	Automatic detection of main pancreatic duct dilation and pancreatic parenchymal atrophy based on a shape feature in abdominal contrast-enhanced CT images 2025-Jan, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.12.1.014504 PMID:39895855	研究论文	本研究开发并评估了一种基于形状特征的算法，用于自动检测腹部增强CT图像中的主胰管扩张和胰腺实质萎缩	提出了一种新的形状特征——90th DP比率，用于自动检测主胰管扩张和胰腺实质萎缩	研究样本量较小，仅使用了56张腹部增强CT图像	开发并评估一种自动检测主胰管扩张和胰腺实质萎缩的算法	腹部增强CT图像	计算机视觉	胰腺疾病	深度学习卷积神经网络（CNN）	CNN	图像	56张腹部增强CT图像
7291	2025-02-05	A review of deep learning in blink detection 2025, PeerJ. Computer science DOI:10.7717/peerj-cs.2594 PMID:39896005	综述	本文综述了深度学习在眨眼检测领域的研究进展，分析了多种经典深度学习模型在实际应用中的表现，并总结了常用的数据集和评估指标	系统总结了深度学习在眨眼检测中的应用，对比了不同方法的优缺点，并指出了未来的研究方向	当前研究缺乏系统性的总结和对比，且面临训练数据不平衡、复杂环境干扰、实时处理问题和应用设备限制等挑战	全面回顾基于深度学习的眨眼检测方法的研究进展，帮助研究人员清晰了解该领域的各种方法	眨眼检测方法	计算机视觉	NA	深度学习	CNN, LSTM, GAN等	图像	NA
7292	2025-02-05	Deep learning for enhanced risk management: a novel approach to analyzing financial reports 2025, PeerJ. Computer science DOI:10.7717/peerj-cs.2661 PMID:39896001	研究论文	本文提出了一种混合金融风险预测模型（HFRP），结合卷积神经网络（CNN）和长短期记忆网络（LSTM），以提高金融风险预测的准确性和稳定性	提出了结合CNN和LSTM的混合金融风险预测模型（HFRP），显著提高了金融风险预测的准确性和稳定性	未提及具体的数据集大小或样本来源，可能影响模型的泛化能力	提高金融风险预测的准确性和稳定性，以支持更好的风险管理决策	金融报告中的定量和定性数据	机器学习	NA	CNN, LSTM	混合模型（HFRP）	文本数据	未提及具体样本数量
7293	2025-02-05	Hybrid deep learning approach for brain tumor classification using EfficientNetB0 and novel quantum genetic algorithm 2025, PeerJ. Computer science DOI:10.7717/peerj-cs.2556 PMID:39896007	研究论文	本文提出了一种结合深度学习与量子遗传算法的新方法，用于脑肿瘤的自动多类分类	结合预训练的EfficientNetB0模型与量子遗传算法，提出了一种新的特征选择方法，显著提高了脑肿瘤分类的准确性和可靠性	未提及具体的数据集大小和多样性，可能影响模型的泛化能力	开发一种高精度、高可靠性的脑肿瘤自动分类方法	脑肿瘤	医学影像	脑肿瘤	深度学习与量子遗传算法结合	EfficientNetB0与量子遗传算法	图像	未提及具体样本数量
7294	2025-02-05	Foreign object debris detection in lane images using deep learning methodology 2025, PeerJ. Computer science DOI:10.7717/peerj-cs.2570 PMID:39896023	研究论文	本文提出了一种基于视频的深度学习方法，用于检测机场跑道上的外来物碎片（FOD），以提高检测的准确性和鲁棒性	提出了一种新的视频深度学习方法，结合对象分类和定位模块，有效降低了雷达检测的高成本	未提及具体的数据集规模和实验环境限制	降低机场跑道外来物碎片检测的成本，提高检测效率和安全性	机场跑道上的外来物碎片（FOD）	计算机视觉	NA	深度学习	NA	视频	大规模视频数据集
7295	2025-02-05	Modified MobileNetV2 transfer learning model to detect road potholes 2025, PeerJ. Computer science DOI:10.7717/peerj-cs.2519 PMID:39896032	研究论文	本文提出了一种改进的MobileNetV2迁移学习模型，用于检测道路坑洞	引入了一种改进的MobileNetV2（MMNV2）模型，通过在MobileNetV2框架中添加一个五层预训练网络，提高了分类、检测和预测的准确性	NA	提高道路坑洞检测的准确性和效率	道路坑洞	计算机视觉	NA	迁移学习、深度学习	改进的MobileNetV2（MMNV2）	图像	5000张道路图像
7296	2025-02-05	EFNet: estimation of left ventricular ejection fraction from cardiac ultrasound videos using deep learning 2025, PeerJ. Computer science DOI:10.7717/peerj-cs.2506 PMID:39896038	研究论文	本文提出了一种名为EFNet的深度学习方法，用于从心脏超声视频中直接估计左心室射血分数（EF）	EFNet结合了卷积神经网络（CNN）和Transformer模型，并引入了残差Transformer模块（RTM），以分析心脏超声视频的时空特征	方法的性能可能受到超声视频质量和操作者依赖性的影响	开发一种精确且可解释的深度学习方法，用于从心脏超声视频中自动预测左心室射血分数	心脏超声视频	计算机视觉	心血管疾病	深度学习	CNN, Transformer	视频	EchoNet-Dynamic数据集
7297	2025-02-05	Edge and texture aware image denoising using median noise residue U-net with hand-crafted features 2025, PeerJ. Computer science DOI:10.7717/peerj-cs.2449 PMID:39896035	研究论文	本文提出了一种结合中值噪声残差U-Net和手工特征的方法，用于边缘和纹理感知的图像去噪	在U-Net的输入层中加入手工特征，提高了模型的学习能力，并通过中值滤波器和图像梯度信息估计噪声，提升了去噪性能	模型在有限训练数据集上训练，未使用图像增强技术，可能影响泛化能力	提高图像去噪的性能，特别是在高噪声水平下	噪声图像	计算机视觉	NA	中值滤波，梯度信息提取	U-Net	图像	NA
7298	2025-02-05	The value of AI for assessing longitudinal brain metastases treatment response 2025 Jan-Dec, Neuro-oncology advances IF:3.7Q2 DOI:10.1093/noajnl/vdae216 PMID:39896076	研究论文	本文探讨了AI在评估脑转移瘤治疗反应中的价值，比较了手动和自动（基于深度学习）的病灶轮廓绘制方法	使用自动轮廓绘制和体积测量方法，提高了评估的稳定性和结果预测能力，减少了观察者间的变异性	研究样本量较小（49名患者），且为回顾性研究，可能影响结果的普遍性	提高脑转移瘤患者治疗后随访的准确性和效率，优化治疗决策	脑转移瘤患者	数字病理学	脑转移瘤	深度学习	NA	MRI图像	49名患者，184次MRI研究，448个病灶
7299	2025-02-05	Dynamics of spindle assembly and position checkpoints: Integrating molecular mechanisms with computational models 2025, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2024.12.021 PMID:39897055	综述	本文综述了有丝分裂检查点的分子机制与计算模型的整合，探讨了从简单蛋白质相互作用到全系统模拟的数学模型框架	通过计算模型揭示检查点动态的多尺度特性，包括驱动纺锤体组装检查点（SAC）激活的双稳态开关和纺锤体位置检查点（SPOC）信号的空间组织原则	在整合空间和时间尺度、优化参数估计以及提高空间建模精度方面仍存在挑战	通过计算模型深入理解有丝分裂检查点的系统级行为，为癌症研究和治疗开发提供理论基础	有丝分裂检查点的分子机制和系统级行为	计算生物学	癌症	单分子成像、数据驱动算法、深度学习	常微分方程、随机模拟、基于规则的模型、化学组织理论	分子相互作用数据、活细胞成像数据	NA
7300	2025-02-05	Explainable deep learning identifies patterns and drivers of freshwater harmful algal blooms 2025-Jan, Environmental science and ecotechnology IF:14.0Q1 DOI:10.1016/j.ese.2024.100522 PMID:39897111	研究论文	本文开发了一种可解释的深度学习方法，用于识别淡水有害藻华的模式和驱动因素	结合LSTM模型和解释技术，能够捕捉复杂模式并提供对关键藻华驱动因素的可解释性见解	数据可用性不均和藻类过程的强区域特异性可能导致模型泛化能力受限	解决淡水有害藻华（HABs）建模中的关键挑战，包括区域特异性和数据限制	中国湖泊和水库中的藻类密度	机器学习	NA	LSTM模型	LSTM	时间序列数据	102个中国湖泊和水库的三年数据