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	2025-02-05	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
7322	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
7323	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
7324	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
7325	2025-02-05	Quantifying the Characteristics of Diabetic Retinopathy in Macular Optical Coherence Tomography Angiography Images: A Few-Shot Learning and Explainable Artificial Intelligence Approach 2025-Jan, Cureus DOI:10.7759/cureus.76746 PMID:39897224	研究论文	本文探讨了使用少样本学习和可解释人工智能方法在糖尿病视网膜病变（DR）分期分类中的应用，以提高光学相干断层扫描血管成像（OCTA）图像的准确性	结合少样本学习（FSL）和自注意力机制的可解释人工智能（XAI）方法，解决了在数据有限的情况下进行DR分期分类的挑战	研究样本量较小，仅包含206张OCTA图像，可能影响模型的泛化能力	提高糖尿病视网膜病变（DR）分期分类的准确性，特别是在数据有限的情况下	糖尿病视网膜病变（DR）患者的光学相干断层扫描血管成像（OCTA）图像	计算机视觉	糖尿病视网膜病变	光学相干断层扫描血管成像（OCTA）	ResNet-50, DenseNet-161, MobileNet-v2, MTUNet	图像	206张OCTA图像（104例非增殖性糖尿病视网膜病变和102例增殖性糖尿病视网膜病变）
7326	2025-02-05	Current status, challenges, and prospects of artificial intelligence applications in wound repair theranostics 2025, Theranostics IF:12.4Q1 DOI:10.7150/thno.105109 PMID:39897550	综述	本文综述了人工智能在伤口修复诊疗中的应用现状、挑战及前景	全面总结了人工智能在伤口修复中的最新进展，包括伤口类型分类、伤口测量、伤口组织类型分类、伤口监测与预测以及个性化治疗	在实现伤口管理的闭环护理系统方面仍存在挑战，涵盖伤口诊断、监测和治疗的综合应用	探讨人工智能在伤口修复诊疗中的应用，提供科学证据和技术支持	皮肤损伤	人工智能	皮肤损伤	机器学习、深度学习、神经网络	NA	图像	NA
7327	2025-02-05	Automatic etiological classification of stroke thrombus digital photographs using a deep learning model 2025, Frontiers in neurology IF:2.7Q3 DOI:10.3389/fneur.2025.1534845 PMID:39897943	研究论文	本研究开发了一种基于深度学习的模型，用于自动分类缺血性中风血栓的病因，利用机械取栓术获取的血栓数字图像	首次将深度学习技术应用于中风血栓的自动病因分类，结合图像分割和分类网络，提高了分类的准确性和精确性	样本量相对较小（166例患者），且仅在一个医院进行，可能限制了模型的泛化能力	开发一种自动分类缺血性中风血栓病因的深度学习模型	接受机械取栓术的大血管闭塞中风患者	数字病理学	心血管疾病	深度学习	卷积神经网络（CNN）	图像	166例患者
7328	2025-02-05	Coronal Plane Alignment of the Knee (CPAK) Type Shifts Toward Constitutional Varus with Increasing Kellgren and Lawrence Grade: A Radiographic Analysis of 17,365 Knees 2024-Dec-24, The Journal of bone and joint surgery. American volume DOI:10.2106/JBJS.24.00316 PMID:39719004	研究论文	本研究通过深度学习软件分析了17,365个膝盖的X光片，探讨了膝关节冠状面对齐（CPAK）类型与骨关节炎（OA）严重程度之间的关系	首次大规模分析了CPAK类型在不同OA严重程度下的分布变化，并揭示了OA严重程度对CPAK类型的影响	研究为回顾性横断面研究，无法确定因果关系，且未考虑其他可能影响OA进展的因素	探讨膝关节冠状面对齐（CPAK）类型与骨关节炎（OA）严重程度之间的关系	17,365个膝盖的X光片	数字病理	骨关节炎	深度学习	NA	X光片	17,365个膝盖
7329	2025-02-05	Mean pulmonary artery pressure prediction with explainable multi-view cardiovascular magnetic resonance cine series deep learning model 2024-Dec-05, Journal of cardiovascular magnetic resonance : official journal of the Society for Cardiovascular Magnetic Resonance IF:4.2Q1 DOI:10.1016/j.jocmr.2024.101133 PMID:39645082	研究论文	本研究旨在通过深度学习模型从心脏磁共振（MR）数据中无创估计右心导管检查（RHC）参数，并识别关键的成像特征	使用可解释的多视角卷积神经网络（CNN）从四个不同视角的心脏MR电影序列中预测平均肺动脉压（mPAP），并识别关键贡献特征	研究样本量有限，仅包含1646次检查	无创估计RHC参数并识别关键成像特征	心脏磁共振（MR）数据	计算机视觉	心血管疾病	深度学习	CNN	图像	1646次检查
7330	2025-02-05	Development of a deep learning-based 1D convolutional neural network model for cross-species natural killer T cell identification using peripheral blood mononuclear cell single-cell RNA sequencing data 2024-Dec, Veterinary world IF:1.7Q2 DOI:10.14202/vetworld.2024.2846-2857 PMID:39897371	研究论文	本研究开发了一种基于一维卷积神经网络（1DCNN）的模型，用于跨物种识别自然杀伤T细胞（NKT细胞），并利用单细胞RNA测序数据验证了其有效性	首次将1DCNN模型应用于跨物种NKT细胞的识别，并成功识别了人类、犬类和猪类PBMC数据集中的NKT细胞	需要进一步的研究来验证这些发现，并且模型的泛化能力尚未在其他细胞类型上得到验证	开发一种能够跨物种识别NKT细胞的深度学习模型，并探索其在不同物种中的免疫功能基因	人类、犬类和猪类的外周血单核细胞（PBMC）中的NKT细胞	机器学习	NA	单细胞RNA测序（scRNA-Seq）	1DCNN	RNA测序数据	人类、犬类和猪类的PBMC数据集
7331	2025-02-05	Exploit Spatially Resolved Transcriptomic Data to Infer Cellular Features from Pathology Imaging Data 2024-Aug-07, bioRxiv : the preprint server for biology DOI:10.1101/2024.08.05.606654 PMID:39149252	研究论文	本文提出了一种利用空间分辨转录组数据注释病理图像的新方法，并开发了一个名为STpath的迁移学习神经网络模型，用于预测细胞类型比例或分类肿瘤微环境	利用空间分辨转录组数据注释病理图像，开发了STpath模型，解决了病理图像标注数据稀缺的问题	训练数据有限，可能影响模型的泛化能力	提高病理图像分析的准确性和效率，辅助病理学家进行诊断	乳腺癌数据集中的病理图像和空间分辨转录组数据	数字病理学	乳腺癌	空间分辨转录组数据	迁移学习神经网络模型（STpath）	图像和转录组数据	三个不同的乳腺癌数据集
7332	2025-02-05	Long axial-range double-helix point spread functions for 3D volumetric super-resolution imaging 2024-Aug-01, bioRxiv : the preprint server for biology DOI:10.1101/2024.07.31.605907 PMID:39131321	研究论文	本文介绍了一种使用长轴向范围双螺旋点扩散函数（DH-PSFs）进行3D单分子超分辨率成像的方法，简化了厚样本（如整个哺乳动物细胞）的成像和分析流程	提出了使用长轴向范围双螺旋点扩散函数（DH-PSFs）进行3D单分子超分辨率成像，避免了传统方法中需要多片层采集和后处理拼接的复杂性	尽管该方法简化了成像和分析流程，但在厚样本中的应用仍需进一步验证其分辨率和成像速度的优化	研究目的是开发一种简化3D超分辨率成像的方法，以获取厚样本（如整个哺乳动物细胞）的纳米级结构信息	研究对象包括荧光珠和哺乳动物细胞（U-2 OS细胞）中的核层蛋白lamin B1	生物医学成像	NA	单分子定位显微镜（SMLM）、DNA-PAINT成像	深度学习算法	图像	荧光珠和U-2 OS细胞
7333	2025-02-05	A Systematic Review of Artificial Intelligence Models for Time-to-Event Outcome Applied in Cardiovascular Disease Risk Prediction 2024-Jul-19, Journal of medical systems IF:3.5Q2 DOI:10.1007/s10916-024-02087-7 PMID:39028429	系统综述	本文系统综述了人工智能模型在心血管疾病风险预测中的应用，特别是针对时间到事件结果的处理	首次系统评估了处理右删失数据的人工智能模型在心血管疾病风险预测中的应用，并强调了社会健康决定因素和性别分层的重要性	只有少数研究纳入了广泛的社会健康决定因素，且仅五分之一的研究进行了性别分层分析	评估和比较机器学习和深度学习模型在心血管疾病风险预测中的效果	心血管疾病风险预测模型	机器学习	心血管疾病	机器学习（ML）和深度学习（DL）	随机生存森林（RSF）、生存梯度提升模型、惩罚Cox模型、DeepSurv	生存数据	33项研究
7334	2025-02-05	Artificial intelligence in suicide prevention: Utilizing deep learning approach for early detection 2024 Jul-Dec, Industrial psychiatry journal DOI:10.4103/ipj.ipj_20_24 PMID:39898082	研究论文	本文介绍了一种利用人工神经网络（ANN）架构的人工智能模型，用于预测有自杀倾向的学生，旨在通过技术手段早期识别并干预	首次将人工神经网络应用于学生自杀风险的早期预测，并通过严格的超参数优化和统计指标评估模型性能	模型训练和测试数据为虚构和模拟的，未来需要真实世界的数据验证和模型优化	构建一个AI模型，用于早期识别有自杀倾向的学生，以便及时干预	面临考试压力的学生	机器学习	心理健康	人工神经网络（ANN）	ANN	虚构和模拟的学生档案数据	NA
7335	2025-02-05	Mathematical Model-Driven Deep Learning Enables Personalized Adaptive Therapy 2024-Jun-04, Cancer research IF:12.5Q1 DOI:10.1158/0008-5472.CAN-23-2040 PMID:38569183	研究论文	本文提出了一种结合数学模型和深度强化学习（DRL）的个性化自适应治疗策略，用于优化前列腺癌的治疗方案	创新点在于将深度强化学习应用于自适应药物调度，并展示了其在数学模型校准的前列腺癌动态中优于现有自适应协议的表现	本文的局限性在于未明确提及在实际临床环境中的验证情况，且未详细讨论模型的泛化能力	研究目的是通过深度强化学习优化自适应治疗策略，以延迟或预防肿瘤进展	研究对象为前列腺癌患者及其肿瘤动态	机器学习	前列腺癌	深度强化学习（DRL）	DRL	数学模型数据	未明确提及样本量
7336	2025-02-05	Deep learning-based spectroscopic single-molecule localization microscopy 2024-06, Journal of biomedical optics IF:3.0Q2 DOI:10.1117/1.JBO.29.6.066501 PMID:38799979	研究论文	本文提出了一种基于深度学习的计算方法，用于重建无标记和荧光标记的光谱单分子定位显微镜（sSMLM）成像数据	开发了一种名为DsSMLM的双网络模型深度学习算法，用于重建sSMLM数据，并在多种样本上进行了验证	未明确提及具体局限性	开发一种新的计算方法，利用深度学习重建sSMLM成像数据，以实现纳米级的亚细胞结构可视化	无标记的单链DNA纤维、荧光标记的组蛋白标记物、COS-7和U2OS细胞、合成DNA折纸纳米尺	计算机视觉	NA	光谱单分子定位显微镜（sSMLM）	深度学习（双网络模型）	图像	多种样本，包括单链DNA纤维、COS-7和U2OS细胞、合成DNA折纸纳米尺
7337	2025-02-05	Multibranch CNN With MLP-Mixer-Based Feature Exploration for High-Performance Disease Diagnosis 2024-06, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2023.3250490 PMID:37028335	研究论文	本文提出了一种名为ME-Mixer的新型特征探索网络，用于高性能疾病诊断	ME-Mixer网络结合了监督和无监督特征，利用流形嵌入网络提取类区分特征，并通过MLP-Mixer进行全局接收场编码，增强了特征探索能力	尽管在计算复杂度可接受的情况下提高了分类准确性，但未提及对数据量的需求或模型在其他数据集上的泛化能力	优化深度神经网络设计，以提高疾病诊断的性能	医学数据集	计算机视觉	NA	深度学习	CNN, MLP-Mixer	图像	两个医学数据集
7338	2025-02-05	A CONVEX COMPRESSIBILITY-INSPIRED UNSUPERVISED LOSS FUNCTION FOR PHYSICS-DRIVEN DEEP LEARNING RECONSTRUCTION 2024-May, Proceedings. IEEE International Symposium on Biomedical Imaging DOI:10.1109/ISBI56570.2024.10635138 PMID:39886655	研究论文	本文提出了一种基于凸压缩性启发的无监督损失函数，用于物理驱动的深度学习重建	提出了一种新的凸损失函数，用于评估输出图像的可压缩性，并在多种设置下评估重建质量	未提及具体局限性	改进快速MRI扫描的重建质量	MRI扫描图像	机器学习	NA	深度学习	PD-DL网络	图像	NA
7339	2025-02-05	Systemic lupus in the era of machine learning medicine 2024-Mar-04, Lupus science & medicine IF:3.7Q1 DOI:10.1136/lupus-2023-001140 PMID:38443092	综述	本文讨论了机器学习方法如何迅速融入系统性红斑狼疮（SLE）研究领域，并概述了当前的研究空白、挑战和机遇	机器学习方法为研究SLE这一多因素、高度异质性和复杂的疾病提供了新的可能性，特别是在疾病发病机制、早期诊断和预后方面的应用	大多数预测模型在临床采用前仍需外部验证，且需要更多关于人工智能在医学中使用的伦理、治理和法规的意识	探讨机器学习在SLE研究中的应用，包括疾病发病机制、早期诊断和预后	系统性红斑狼疮（SLE）	机器学习	系统性红斑狼疮	监督学习和无监督学习	深度学习模型	大数据集	NA
7340	2025-02-05	Application of deep learning and feature selection technique on external root resorption identification on CBCT images 2024-Feb-19, BMC oral health IF:2.6Q1 DOI:10.1186/s12903-024-03910-w PMID:38373931	研究论文	本研究旨在评估四种深度学习模型在外部牙根吸收（ERR）识别中的表现，并探讨结合特征选择技术（FST）对模型识别能力的影响	结合特征选择技术与深度学习模型，提高了外部牙根吸收识别的准确性	研究仅基于模拟的外部牙根吸收数据，未涉及真实临床数据	评估深度学习模型在外部牙根吸收识别中的表现，并探讨特征选择技术对模型性能的影响	88颗拔除的前磨牙	计算机视觉	牙科疾病	Cone beam CT	Random Forest (RF) + Visual Geometry Group 16 (VGG), RF + EfficienNetB4 (EFNET), Support Vector Machine (SVM) + VGG, SVM + EFNET	图像	88颗前磨牙