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
7401	2025-02-04	Enhancer-MDLF: a novel deep learning framework for identifying cell-specific enhancers 2024-01-22, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae083 PMID:38485768	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
7402	2025-02-04	Leveraging deep learning for toxic comment detection in cursive languages 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.2486 PMID:39896410	研究论文	本文提出了一种新的深度学习模型，用于检测乌尔都语中的有毒评论，通过使用transformer进行文本的二元分类	提出了一种新的模型来识别乌尔都语句子中的显著特征，并使用transformer进行有毒评论的检测	乌尔都语作为一种低资源语言，其复杂性和不规则性增加了检测难度	开发一种工具来检测乌尔都语中的有毒评论，以保护社区免受其负面影响	乌尔都语中的有毒评论	自然语言处理	NA	深度学习	transformer, BERT, GPT-2	文本	NA
7403	2025-02-04	Digital labeling for 3D histology: segmenting blood vessels without a vascular contrast agent using deep learning 2023-Jun-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.480230 PMID:37342724	研究论文	本文介绍了一种名为'数字标记'的方法，利用深度学习在无需血管对比剂的情况下，仅基于自发荧光信号和核染色（DAPI）对3D组织中的血管进行分割	创新点在于使用基于U-net架构的深度学习神经网络，并采用回归损失而非常见的分割损失，以提高小血管的检测精度	未来需要验证该方法是否适用于其他生物结构的分割	研究目的是开发一种无需血管对比剂即可对3D组织中的血管进行分割的方法	研究对象是3D组织中的血管	数字病理学	NA	光学组织透明化和3D荧光显微镜	U-net	3D图像	NA
7404	2025-02-04	Self-supervised semantic segmentation of retinal pigment epithelium cells in flatmount fluorescent microscopy images 2023-04-03, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btad191 PMID:37067486	研究论文	本文提出了一种自监督语义分割方法（S4），用于视网膜色素上皮（RPE）细胞在荧光显微镜图像中的分割，以支持RPE衰老研究中的大规模细胞形态分析	开发了一种自监督学习策略，结合重建和成对表示损失以及形态学损失，用于训练具有编码器-解码器架构的语义分割网络，并提出了一种新的图像增强算法（AugCut）以提高网络训练性能	尽管方法表现出色，但仍依赖于高质量的图像数据，且自监督学习策略的泛化能力需要进一步验证	提高视网膜色素上皮（RPE）细胞在荧光显微镜图像中的分割精度，以支持RPE衰老研究	视网膜色素上皮（RPE）细胞	计算机视觉	老年疾病	自监督学习	编码器-解码器架构	图像	大量荧光显微镜图像
7405	2025-02-03	Automatic medical report generation based on deep learning: A state of the art survey 2025-Mar, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2024.102486 PMID:39787734	综述	本文全面回顾了基于深度学习的自动医疗报告生成的最新进展，涵盖了问题描述、数据集介绍、评估指标分析以及现有研究的分类	提供了对自动医疗报告生成领域的全面综述，特别是对现有研究进行了五类分类，并指出了该领域的问题和未来挑战方向	综述文章本身不涉及新的实验或数据，主要依赖于已有文献的分析和总结	加速患者护理过程，减轻放射科医生的工作负担	医疗影像及其报告	自然语言处理	NA	深度学习	检索模型、基于领域知识的模型、基于注意力的模型、基于强化学习的模型、基于大语言模型的模型、融合模型	医疗影像	NA
7406	2025-02-03	Attention incorporated network for sharing low-rank, image and k-space information during MR image reconstruction to achieve single breath-hold cardiac Cine imaging 2025-Mar, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2024.102475 PMID:39808868	研究论文	本文提出了一种新型深度学习网络A-LIKNet，用于心脏Cine磁共振成像（MRI）重建，通过嵌入低秩、图像和k空间等多域信息，实现单次屏气成像	A-LIKNet采用并行分支结构，实现k空间和图像域的独立学习，并通过耦合信息共享层实现域间信息交换，同时引入注意力机制以分配更重要的权重	现有网络存在单域学习、依赖单一正则化项和特征贡献均等等限制，A-LIKNet虽有所改进，但仍需进一步验证其在不同数据集上的泛化能力	加速心脏Cine MRI成像并提高重建质量，实现单次屏气成像	心脏Cine MRI图像	计算机视觉	心血管疾病	深度学习	A-LIKNet	图像	91名心血管病患者和38名健康受试者
7407	2025-01-16	PADS-Net: GAN-based radiomics using multi-task network of denoising and segmentation for ultrasonic diagnosis of Parkinson disease 2025-Mar, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2024.102490 PMID:39808869	研究论文	本文提出了一种基于生成对抗网络的多任务深度学习框架PADS-Net，用于帕金森病的超声图像去噪和分割，以提高诊断准确性	PADS-Net结合了生成对抗网络和多任务深度学习框架，同时进行超声图像去噪和分割，并采用复合损失函数和放射组学技术来提高帕金森病的诊断准确性	未提及具体的研究局限性	提高帕金森病的超声诊断准确性	帕金森病患者的经颅超声图像	计算机视觉	帕金森病	放射组学技术	GAN	图像	未提及具体样本数量
7408	2025-02-03	Deep Equilibrium Unfolding Learning for Noise Estimation and Removal in Optical Molecular Imaging 2025-Mar, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2025.102492 PMID:39823663	研究论文	本文介绍了一种用于光学分子成像中噪声估计和去除的端到端模型驱动方法DEQ-UMamba	提出了一种结合近端梯度下降技术和学习空间频率特征的深度平衡展开Mamba模型，能够将复杂噪声结构解耦为统计分布，实现有效的噪声估计和抑制	NA	解决光学分子成像中由于高帧率和低激发剂量导致的图像退化问题，提高图像质量	荧光图像	计算机视觉	NA	光学分子成像	DEQ-UMamba	图像	临床和体内数据集
7409	2025-02-03	Opportunistic AI for enhanced cardiovascular disease risk stratification using abdominal CT scans 2025-Mar, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2025.102493 PMID:39854859	研究论文	本研究介绍了一种基于深度学习的DL-CVDi评分，利用常规腹部CT扫描预测心血管疾病风险	开发了一种新的生物标志物DL-CVDi评分，利用深度生存学习从腹部CT扫描中提取心血管疾病风险信息	需要进一步在多民族队列中验证，并探索其在合并症患者中的效用	提高心血管疾病风险分层	腹部CT扫描	计算机视觉	心血管疾病	深度学习	Cox比例风险模型	图像	NA
7410	2025-02-03	Predicting benefit from PARP inhibitors using deep learning on H&E-stained ovarian cancer slides 2025-Feb-05, European journal of cancer (Oxford, England : 1990) DOI:10.1016/j.ejca.2024.115199 PMID:39742559	研究论文	本研究利用深度学习技术，通过分析H&E染色的卵巢癌全切片图像，预测患者从PARP抑制剂治疗中获益的可能性	首次尝试使用深度学习直接从组织学全切片图像预测PARP抑制剂的治疗效果，为快速且经济的替代复杂分子测试提供了可能性	模型在外部验证集上的预测性能较低（AUROC仅为57%），且需要更大规模的研究和方法学改进以提高临床实用性	开发一种基于深度学习的预测模型，用于评估卵巢癌患者从PARP抑制剂治疗中获益的可能性	卵巢癌患者	数字病理学	卵巢癌	深度学习	深度学习模型	图像	AGO-TR1队列（n=208：108训练，100测试）和PAOLA-1队列（n=447）
7411	2025-02-03	A review on real time implementation of soft computing techniques in thermal power plant 2025-Feb, Network (Bristol, England) DOI:10.1080/0954898X.2024.2429721 PMID:39601783	综述	本文综述了2019年至2023年间关于利用软计算技术（包括AI-ML和DL）提高热电厂生产力的研究	提供了对现有研究的全面总结，并评估了传统AI方法在提高热电厂生产力方面的有效性	仅限于2019年至2023年间的研究，可能未涵盖所有相关研究	提高热电厂的生产力	热电厂	机器学习	NA	AI-ML, DL	NA	NA	NA
7412	2025-02-03	Ultra-low-dose coronary CT angiography via super-resolution deep learning reconstruction: impact on image quality, coronary plaque, and stenosis analysis 2025-Feb-01, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-11399-2 PMID:39891682	研究论文	本研究探讨了超分辨率深度学习重建（SR-DLR）在冠状动脉CT血管造影（CCTA）中减少辐射暴露的能力，并评估其对图像质量、冠状动脉斑块定量和表征以及狭窄严重性分析的影响	使用SR-DLR算法在CCTA中实现了60%的辐射剂量减少，同时保持了高图像质量和在冠状动脉斑块及狭窄分析中的优异表现	样本量较小，仅包括50名患者，且未进行长期随访以评估SR-DLR的长期效果	评估SR-DLR在CCTA中减少辐射剂量的能力及其对图像质量和临床分析的影响	50名接受低剂量（LD）和超低剂量（ULD）CCTA扫描的患者	医学影像	心血管疾病	超分辨率深度学习重建（SR-DLR）	深度学习	医学影像	50名患者
7413	2025-02-03	Normative values for lung, bronchial sizes, and bronchus-artery ratios in chest CT scans: from infancy into young adulthood 2025-Feb-01, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-11367-w PMID:39891681	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
7414	2025-02-03	Hybrid deep learning based stroke detection using CT images with routing in an IoT environment 2025-Feb-01, Network (Bristol, England) DOI:10.1080/0954898X.2025.2452280 PMID:39893512	研究论文	本文提出了一种基于混合深度学习的CT图像中风检测方法，结合物联网技术进行数据传输	提出了一种新的Jaccard_Residual SqueezeNet模型，用于从CT图像中预测中风，并结合物联网技术进行数据传输	未提及具体的研究局限性	提高中风病变的早期检测和准确分割，以改善治疗效果和减少长期残疾	CT图像中的中风病变	计算机视觉	中风	CT成像	Jaccard_Residual SqueezeNet	图像	未提及具体样本数量
7415	2025-02-03	Statin use and longitudinal bone marrow lesion burden: analysis of knees without osteoarthritis from the Osteoarthritis Initiative study 2025-Jan-31, Skeletal radiology IF:1.9Q3 DOI:10.1007/s00256-025-04878-6 PMID:39890641	研究论文	本研究探讨了他汀类药物使用与无骨关节炎参与者膝关节骨髓病变（BML）体积纵向变化之间的关系	首次在无基线膝关节骨关节炎的参与者中，使用深度学习算法定量测量MRI基础上的BML体积，并分析他汀类药物使用对BML体积变化的影响	研究仅针对无基线膝关节骨关节炎的参与者，可能不适用于已有骨关节炎的患者	确定他汀类药物使用与无放射学膝关节骨关节炎参与者中基于MRI的BML体积纵向变化之间的关联	无放射学膝关节骨关节炎的参与者	数字病理学	骨关节炎	MRI, 深度学习算法	深度学习	图像	1502个膝关节（751个他汀类药物使用者和751个非使用者）
7416	2025-02-03	DICOM LUT is a Key Step in Medical Image Preprocessing Towards AI Generalizability 2025-Jan-31, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01418-5 PMID:39890738	研究论文	本研究探讨了医学图像预处理对深度学习模型性能的影响，特别是直方图均衡化（HE）和感兴趣值查找表（VOI-LUT）变换在胸部X光片（CXR）中的应用	揭示了直方图均衡化增强对模型性能的显著影响，特别是在泛化能力方面，并指出仅使用HE增强数据集训练的模型在外部验证集上表现较差，表明可能存在过拟合和信息丢失	研究仅针对胸部X光片，未涵盖其他类型的医学图像	探讨医学图像预处理技术对深度学习模型性能的影响，特别是对泛化能力的影响	胸部X光片（CXR）	计算机视觉	肺气肿	直方图均衡化（HE）和感兴趣值查找表（VOI-LUT）变换	深度学习分类器	图像	内部CXR数据集生成的两个基线数据集，并在两个外部数据集上进行评估
7417	2025-02-03	MMnc: Multi-modal interpretable representation for non-coding RNA classification and class annotation 2025-Jan-31, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaf051 PMID:39891346	研究论文	本文介绍了一种名为MMnc的可解释深度学习方法，用于将非编码RNA分类到功能组中	MMnc利用基于注意力的多模态数据集成方法，整合序列、二级结构和表达等多种数据源，确保学习有意义的表示，并处理部分样本中缺失的数据源	NA	旨在通过深度学习技术对非编码RNA进行功能分类和注释	非编码RNA	机器学习	NA	深度学习	基于注意力的多模态数据集成模型	序列、二级结构、表达数据	NA
7418	2025-02-03	Versatile waste sorting in small batch and flexible manufacturing industries using deep learning techniques 2025-Jan-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-87226-x PMID:39885307	研究论文	本研究评估了Segment Anything Model (SAM)系列深度学习架构在机器人垃圾分类中分离高度可变物体的能力，提出了一种基于SAM架构的通用视觉垃圾分类两步程序	提出了一种基于SAM架构的两步程序，消除了开发专用垃圾分类和分割算法的必要性，并显著减少了适应不同用例的时间和成本	NA	评估深度学习架构在机器人垃圾分类中的应用能力，以提高生产率和降低费用	高度可变物体	计算机视觉	NA	深度学习	SAM, FastSAM, MobileSAMv2, EfficientSAM, MobileNetV2, VGG19, Dense-Net, Squeeze-Net, ResNet, Inception-v3	图像	四个用例（漂浮垃圾、城市垃圾、电子垃圾和智能垃圾桶）
7419	2025-02-03	Expanding genomic prediction in plant breeding: harnessing big data, machine learning, and advanced software 2025-Jan-30, Trends in plant science IF:17.3Q1 DOI:10.1016/j.tplants.2024.12.009 PMID:39890501	综述	本文回顾了提高基因组选择（GS）效率的关键因素，重点关注统计机器学习方法和软件	强调了深度学习模型在基因组预测中的独特优势，并介绍了支持GS方法的最新数据管理工具	未提及具体的实验验证或实际应用案例	提高植物育种中基因组选择的效率	植物育种中的基因组数据	机器学习	NA	基因组选择（GS）	深度学习（DL）	基因组数据	NA
7420	2025-02-03	Deep Learning Prediction of Drug-Induced Liver Toxicity by Manifold Embedding of Quantum Information of Drug Molecules 2025-Jan, Pharmaceutical research IF:3.5Q2 DOI:10.1007/s11095-024-03800-4 PMID:39663331	研究论文	本文介绍了一种利用深度学习和分子表面电子属性的流形嵌入来预测药物诱导肝毒性的方法	创新点在于将分子表面的局部电子属性映射到低维流形嵌入，并将其作为深度学习模型的分子输入	未提及具体局限性	研究目的是预测药物诱导的肝毒性（DILI）	研究对象是药物分子	机器学习	肝病	深度学习	深度学习模型	分子数据	NA