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
7321	2025-04-08	CT-based radiomics deep learning signatures for non-invasive prediction of metastatic potential in pheochromocytoma and paraganglioma: a multicohort study 2025-Apr-05, Insights into imaging IF:4.1Q1 DOI:10.1186/s13244-025-01952-4 PMID:40185919	research paper	该研究开发并验证了基于CT的放射组学深度学习特征，用于无创预测嗜铬细胞瘤和副神经节瘤的转移潜能	结合放射组学特征和深度学习模型（ResNet），构建了一个能够术前预测PPGL转移潜能的组合模型	研究为回顾性分析，样本量相对有限（249例患者）	开发非侵入性预测嗜铬细胞瘤和副神经节瘤转移潜能的方法	嗜铬细胞瘤和副神经节瘤（PPGL）患者	digital pathology	pheochromocytoma and paraganglioma	CT imaging, radiomics, deep learning	SVM, ResNet-50	CT images	249例PPGL患者（训练集138例，测试集1 71例，测试集2 40例）
7322	2025-04-08	Short-Term Residential Load Forecasting Framework Based on Spatial-Temporal Fusion Adaptive Gated Graph Convolution Networks 2025-Apr-04, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2025.3551778 PMID:40184286	研究论文	提出了一种基于时空融合自适应门控图卷积网络的短期住宅负荷预测框架	引入了时空融合图构建和创新的门控自适应融合图卷积机制，动态建模时空相关性	未提及具体的数据集规模或实际应用中的潜在限制	提高现代电网中波动性和间歇性电力负荷的预测准确性	住宅短期电力负荷	机器学习	NA	时空融合图卷积网络（STFGCN）、门控时间卷积网络（Gated TCN）	STFAG-GCNs	时空数据	NA
7323	2025-04-08	Parallel boosting neural network with mutual information for day-ahead solar irradiance forecasting 2025-Apr-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-95891-1 PMID:40185800	research paper	提出了一种新颖的并行提升神经网络框架（PBNN），用于日前太阳辐照度预测，结合了提升算法和前馈神经网络	提出了一种新的并行提升神经网络框架（PBNN），结合了三种提升决策树算法（XgBoost、CatBoost和RF回归器）作为基础学习器，并通过前馈神经网络（FFNN）分配最优权重以生成最终预测	虽然PBNN在性能上有所提升，但其计算复杂度可能仍然较高，且依赖于特征选择算法的准确性	提高日前太阳辐照度预测的准确性，以支持光伏系统的可靠运行	太阳辐照度数据	machine learning	NA	并行提升神经网络（PBNN）、互信息（MI）算法	PBNN、XgBoost、CatBoost、RF、FFNN	太阳辐照度数据	两个地理数据集（伊斯兰堡和圣地亚哥）
7324	2025-04-08	Improved deep learning model for accurate energy demand prediction and conservation in electric vehicles integrated with cognitive radio networks 2025-Apr-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-94650-6 PMID:40185809	research paper	提出了一种改进的深度学习模型，用于准确预测电动汽车与认知无线电网络整合中的能源需求并实现节能	结合经验模态分解、CNN和海鸥优化算法（EMD-CNN-SOA），提高了能源需求预测的准确性	未提及具体的数据集来源或实验环境限制	解决电动汽车能源需求预测和节能问题，减轻电网负担并降低充电成本	电动汽车和认知无线电网络	machine learning	NA	Empirical Mode Decomposition, Seagull Optimization Algorithm	EMD-CNN-SOA, CNN, LSTM, RNN	NA	NA
7325	2025-04-08	A performance-driven hybrid text-image classification model for multimodal data 2025-Apr-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-95674-8 PMID:40185890	research paper	本文提出了一种结合文本和图像处理的混合模型HTIC，用于多模态数据的分类任务	HTIC模型采用复杂的深度学习架构，结合VGG16进行图像分类和Roberta与MYSQL进行文本分类，通过多模态特征提取层确保不同类型数据的兼容性	未明确提及具体局限性	提高多模态数据分类的准确性、可解释性和应用性	多模态数据（文本和图像）	machine learning	NA	深度学习、多模态特征提取	HTIC（混合文本图像分类模型）、VGG16、Roberta、CNN	文本、图像	五个不同的数据集（包括NFT数据集）
7326	2025-04-08	Tunnel face rock mass class rapid identification based on TBM cutterhead vibration monitoring and deep learning model 2025-Apr-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-96875-x PMID:40186002	研究论文	基于TBM刀盘振动监测和深度学习模型，开发了一种端到端的隧道工作面岩体等级快速识别方法	结合1DCNN、BiLSTM和自注意力机制的优势，提出了一种新的深度学习模型，能够自动提取信号中的时空域特征，无需中断正常掘进过程即可快速识别岩体等级	缺乏对长隧道段连续振动记录的获取，且对TBM刀盘振动监测的研究较少	优化TBM操作参数和选择后续隧道支护措施	TBM隧道工作面的岩体条件	机器学习	NA	深度学习	1DCNN, BiLSTM, 自注意力机制	振动信号	NA
7327	2025-04-08	Compact Model Training by Low-Rank Projection With Energy Transfer 2025-Apr, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3400928 PMID:38843062	研究论文	提出了一种名为LRPET的新训练方法，用于从头开始训练低秩压缩网络，并实现竞争性性能	通过交替执行随机梯度下降训练和权重矩阵的低秩流形投影，并结合能量转移和BN校正，提高了低秩压缩网络的性能	未明确提及具体限制，但可能包括对特定网络架构的依赖或计算资源需求	开发一种高效的深度神经网络低秩压缩方法	深度神经网络	机器学习	NA	低秩投影与能量转移（LRPET）	CNN, Transformer	图像	CIFAR-10和ImageNet数据集
7328	2025-04-08	Supervise-Assisted Self-Supervised Deep-Learning Method for Hyperspectral Image Restoration 2025-Apr, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3386809 PMID:38722728	研究论文	提出了一种监督辅助的自监督深度学习方法，用于高光谱图像（HSI）的恢复	结合监督学习和自监督学习，引入噪声自适应损失函数，利用噪声退化HSI的内部统计信息进行恢复	未明确提及具体限制，但可能面临复杂噪声场景下的泛化能力挑战	解决高光谱图像恢复中的分布差距和噪声干扰问题	高光谱图像（HSI）	计算机视觉	NA	深度学习	监督辅助的自监督深度学习网络	高光谱图像	未明确提及具体样本数量，但使用了大量训练数据集
7329	2025-04-08	Personalized deep learning auto-segmentation models for adaptive fractionated magnetic resonance-guided radiation therapy of the abdomen 2025-Apr, Medical physics IF:3.2Q1 DOI:10.1002/mp.17580 PMID:39699250	研究论文	本研究探讨了利用患者特异性自动分割方法改进腹部癌症患者在分次磁共振引导放疗中的自动分割效果	提出了基于患者特异性数据的自动分割模型，通过整合治疗计划和先前分次的MR图像，优化了分次治疗中的自动分割效果	研究样本量有限（151名患者），且仅针对特定类型的腹部癌症	改进分次磁共振引导放疗中的自动分割方法，以减少手动轮廓校正的时间消耗	腹部癌症患者的分次磁共振引导放疗数据	数字病理	腹部癌症	磁共振成像（MRI）	深度学习自动分割模型	图像	151名腹部癌症患者的151份计划MR图像和215份分次MR图像
7330	2025-04-08	Impact of deep learning reconstructions on image quality and liver lesion detectability in dual-energy CT: An anthropomorphic phantom study 2025-Apr, Medical physics IF:3.2Q1 DOI:10.1002/mp.17651 PMID:39887750	research paper	评估深度学习图像重建（DLIR）在双能CT（DECT）中对图像质量和肝血管性病变检测的影响	首次在DECT中使用DLIR算法评估其对肝血管性病变检测的影响，并与传统重建方法进行比较	研究基于人体模型，未涉及真实患者数据，可能无法完全反映临床情况	评估DLIR在DECT中对图像质量和肝血管性病变检测的影响	模拟的肝血管性肝细胞癌（HCC）病变	digital pathology	liver cancer	dual-energy CT (DECT), deep learning image reconstruction (DLIR)	DLIR	CT image	一个人体模型（BMI为23 kg/m²），包含模拟的肝血管性病变
7331	2025-04-08	Multiscale Deep Learning for Detection and Recognition: A Comprehensive Survey 2025-Apr, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3389454 PMID:38652624	综述	本文全面介绍了多尺度深度学习在目标检测和识别中的发展，构建了一个易于理解且强大的知识结构	综合介绍了多尺度深度学习的理论和方法，包括金字塔表示、尺度空间表示和多尺度几何表示，并比较了不同多尺度结构设计的性能	指出了多尺度深度学习中存在的几个开放问题和未来方向，但未提出具体的解决方案	探讨计算机视觉中的多尺度问题，特别是目标检测和识别中的多尺度表示	多尺度深度学习的理论和方法	计算机视觉	NA	NA	CNN, Vision Transformers (ViTs)	图像	NA
7332	2025-04-08	Deep learning-based multimodal CT/MRI image fusion and segmentation strategies for surgical planning of oral and maxillofacial tumors: A pilot study 2025-Mar-31, Journal of stomatology, oral and maxillofacial surgery DOI:10.1016/j.jormas.2025.102324 PMID:40174752	研究论文	本研究评估了基于深度学习的多模态CT/MRI图像融合和分割策略在口腔颌面部肿瘤手术规划中的可行性和准确性	结合了三种融合模型和三种分割模型，生成了九种混合深度学习模型，并评估了它们在口腔颌面部肿瘤分割中的性能	样本量较小（30例患者），且为单中心研究，可能影响结果的普遍性	评估深度学习在多模态CT/MRI图像融合和分割中的应用，为口腔颌面部肿瘤的虚拟手术规划提供基础	30名口腔颌面部肿瘤患者	数字病理	口腔颌面部肿瘤	CT/MRI扫描	Elastix, ANTs, NiftyReg, nnU-Net, 3D UX-Net, U-Net	医学影像（CT/MRI）	30名口腔颌面部肿瘤患者
7333	2025-04-08	A Deep Learning Model of Histologic Tumor Differentiation as a Prognostic Tool in Hepatocellular Carcinoma 2025-Mar-12, Modern pathology : an official journal of the United States and Canadian Academy of Pathology, Inc IF:7.1Q1 DOI:10.1016/j.modpat.2025.100747 PMID:40086592	研究论文	本研究开发了一种基于深度学习的AI模型，用于量化肝细胞癌（HCC）肿瘤分化的组织学特征并预测癌症相关结果	首次使用AI模型量化HCC肿瘤分化的多个组织学特征，并证明其在预测HCC相关预后方面的优越性	研究样本量较小（99例HCC切除标本），需要更大样本验证	评估AI模型在量化HCC肿瘤分化特征和预测癌症相关结果方面的性能	肝细胞癌（HCC）切除标本	数字病理学	肝细胞癌	深度学习	监督学习AI模型	组织学图像	99例HCC切除标本
7334	2025-04-08	Predictive models for posttransplant diabetes mellitus in kidney transplant recipients using machine learning and deep learning approach: a nationwide cohort study from South Korea 2025-01-09, Kidney research and clinical practice IF:2.9Q1 DOI:10.23876/j.krcp.24.113 PMID:40176402	研究论文	本研究利用机器学习和深度学习方法预测肾移植受者术后糖尿病（PTDM）的风险	首次在全国性队列研究中应用多种机器学习和深度学习模型预测PTDM，并比较其性能	研究仅基于韩国器官移植注册数据，可能不适用于其他人群	预测肾移植受者术后糖尿病的风险	肾移植受者	机器学习	糖尿病	机器学习、深度学习	XGBoost, CatBoost, light gradient boosting machine, logistic regression	临床数据	3,213名肾移植受者
7335	2025-04-08	Synthetic temporal bone CT generation from UTE-MRI using a cycleGAN-based deep learning model: advancing beyond CT-MR imaging fusion 2025-Jan, European radiology IF:4.7Q1 DOI:10.1007/s00330-024-10967-2 PMID:39026063	研究论文	本研究开发了一种基于CycleGAN的深度学习模型，用于从超短回波时间磁共振成像（MRI）扫描生成合成颞骨计算机断层扫描（CT）图像	使用CycleGAN模型从MRI生成合成CT图像，解决了MRI在颞骨解剖标志定位上的固有局限性	对于五个主要解剖结构的生成成功率较低（24%至83%）	开发一种深度学习模型，以生成合成颞骨CT图像，克服MRI在颞骨解剖标志定位上的局限性	颞骨MRI和CT图像	数字病理学	NA	点状编码时间减少与径向采集（PETRA）MRI	CycleGAN	图像	102名患者（训练数据集54名，验证数据集48名）
7336	2025-04-08	Deep learning-based 3D quantitative total tumor burden predicts early recurrence of BCLC A and B HCC after resection 2025-Jan, European radiology IF:4.7Q1 DOI:10.1007/s00330-024-10941-y PMID:39028376	研究论文	本研究评估了基于深度学习的自动化三维定量肿瘤负荷在MRI上预测肝细胞癌术后早期复发的潜力	首次使用深度学习辅助的自动化三维定量肿瘤负荷作为预测肝细胞癌术后早期复发的生物标志物，并改进了BCLC A和B期患者的亚分类	单中心回顾性研究，样本量有限（592例患者）	预测肝细胞癌（HCC）术后早期复发（ER）	接受切除术的BCLC A和B期肝细胞癌患者	数字病理学	肝细胞癌	MRI	深度学习	医学影像	592例患者（525例BCLC A期，67例BCLC B期）
7337	2025-04-08	The value of deep learning-based X-ray techniques in detecting and classifying K-L grades of knee osteoarthritis: a systematic review and meta-analysis 2025-Jan, European radiology IF:4.7Q1 DOI:10.1007/s00330-024-10928-9 PMID:38997539	meta-analysis	本文通过系统综述和荟萃分析评估了基于深度学习的X射线技术在检测和分类膝关节骨关节炎K-L分级中的价值	首次对深度学习在膝关节骨关节炎K-L分级中的敏感性进行了全面的荟萃分析	对于K-L1和K-L2分级的敏感性仍需提高，且需要更多研究数据支持临床实践	评估深度学习技术在膝关节骨关节炎X射线诊断中的敏感性和临床价值	膝关节骨关节炎的X射线图像	digital pathology	geriatric disease	deep learning	NA	image	62,158张X射线图像（包括22,388张K-L0，13,415张K-L1，15,597张K-L2，7,768张K-L3和2,990张K-L4）
7338	2025-04-08	Deep learning in pulmonary nodule detection and segmentation: a systematic review 2025-Jan, European radiology IF:4.7Q1 DOI:10.1007/s00330-024-10907-0 PMID:38985185	系统性综述	本文系统性地综述了深度学习在肺结节检测和分割中的应用	填补了现有文献中的方法学空白和偏见，并强调了标准化数据处理和代码共享的重要性	仅包含九项符合纳入标准的研究，可能存在样本量不足的问题	比较使用深度学习技术的肺结节检测和分割方法	肺结节	计算机视觉	肺癌	深度学习	CNN	医学影像	九项研究，主要使用公共数据集如Lung Image Database Consortium Image Collection和Image Database Resource Initiative
7339	2025-04-08	P253 Next-generation phenotyping facilitates the identification of structural brain malformations in rare disorders through computational brain MRI analysis 2025, Genetics in medicine open DOI:10.1016/j.gimo.2025.103424 PMID:40191138	研究论文	本研究提出了一种基于深度学习的下一代表型分析（NGP）方法，用于检测脑部结构畸形及其相关疾病，为临床医生提供诊断支持	首次将NGP应用于脑部MRI数据，通过大规模脑部MRI图像数据集学习模式，识别结构性畸形	初步分析仅针对两种特定疾病，需要扩展到更广泛的遗传疾病谱	开发一种能够识别罕见疾病中脑部结构畸形的计算方法	罕见疾病中的脑部结构畸形	数字病理学	神经发育疾病	MRI	ResNet-50	图像	413张脑部MRI图像，涵盖56种不同疾病
7340	2025-04-08	MultiSC: a deep learning pipeline for analyzing multiomics single-cell data 2024-Sep-23, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae492 PMID:39376034	research paper	提出了一种名为MultiSC的深度学习流程，用于分析多组学单细胞数据	开发了一个新的流程MultiSC，利用多模态约束自编码器和基于矩阵分解的模型来整合多组学数据并预测转录因子调控的靶基因	未提及具体的数据处理或模型性能限制	解决多组学单细胞数据整合和分析工具缺乏的问题	多组学单细胞数据，包括基因表达、染色质可及性和转录因子蛋白表达	machine learning	NA	NEAT-seq	multimodal constraint autoencoder, matrix factorization-based model (scMF), multivariate linear regression models	multiomics single-cell data	未提及具体样本数量