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
741	2025-05-10	Self-Supervised Learning for Feature Extraction from Glomerular Images and Disease Classification with Minimal Annotations 2025-03-01, Journal of the American Society of Nephrology : JASN IF:10.3Q1 DOI:10.1681/ASN.0000000514 PMID:40029749	research paper	该研究应用自监督学习方法DINO从肾小球图像中提取特征，并用于疾病分类，减少了对大量标注数据的依赖	使用自监督学习DINO方法从未标注的肾小球图像中提取特征，显著降低了深度学习对标注数据的依赖，并在疾病分类任务中表现优于传统ImageNet预训练模型	研究仅使用了PAS染色的肾小球图像，未验证其他染色方法的效果	探索自监督学习在数字肾脏病理学中的应用，提高疾病分类的准确性	肾小球图像和四种肾脏疾病（微小病变、系膜增生性GN、膜性肾病和糖尿病肾病）及临床参数（高血压、蛋白尿和血尿）	digital pathology	kidney disease	self-supervised learning (DINO), principal component analysis	DINO-pretrained backbone, k-nearest neighbor classifiers, linear head layers	image	10,423张肾小球图像，来自384张PAS染色的肾脏活检切片
742	2025-05-10	Routine and Advanced Neurologic Imaging at 0.55-T MRI: Opportunities and Challenges 2025-03, Radiographics : a review publication of the Radiological Society of North America, Inc IF:5.2Q1 DOI:10.1148/rg.240076 PMID:39946265	research paper	探讨在0.55-T MRI系统上进行常规和高级神经影像检查的机会与挑战	利用低磁场强度（0.55-T）MRI系统进行神经影像检查，减少磁敏感伪影并提高MRI安全性	0.55-T系统的图像质量低于1.5-T系统，且存在加速伪影和动态对比增强灌注成像信号不足的问题	评估0.55-T MRI系统在神经影像检查中的应用潜力	脑部和脊髓的常规及高级神经影像检查	医学影像	神经系统疾病	MRI	NA	影像数据	NA
743	2025-05-10	Neural Network-Assisted Dual-Functional Hydrogel-Based Microfluidic SERS Sensing for Divisional Recognition of Multimolecule Fingerprint 2025-Feb-28, ACS sensors IF:8.2Q1 DOI:10.1021/acssensors.4c03096 PMID:39964084	研究论文	提出了一种基于深度学习的双功能分区微流控集成水凝胶表面增强拉曼散射(SERS)平台，用于多分子指纹的分区识别	结合深度学习和双功能微流控水凝胶SERS平台，实现了多分子的分区采样和同步检测	NA	提高拉曼检测系统的灵敏度、集成度和实用性	罗丹明6G(R6G)、福美双、芘、蒽和邻苯二甲酸二丁酯等分子	机器学习和微流控技术	NA	表面增强拉曼散射(SERS)和全连接神经网络技术	全连接神经网络	拉曼光谱数据	四种实际分子(福美双、芘、蒽和邻苯二甲酸二丁酯)
744	2025-05-10	A Graph-Theoretic Approach to Detection of Parkinsonian Freezing of Gait From Videos 2025-Feb-28, Statistics in medicine IF:1.8Q1 DOI:10.1002/sim.70020 PMID:39976295	研究论文	本研究提出了一种基于图论的方法，用于从帕金森病患者的视频数据中检测步态冻结现象	采用图论方法构建姿态图序列，利用Fréchet统计量识别步态冻结的转折点，与主流的基于像素的深度学习方法不同	仅在Kinect3D和AlphaPose两个数据集上进行了验证，样本量有限	开发一种新的步态冻结检测方法，以改善帕金森病的诊断和治疗	帕金森病患者的视频数据	计算机视觉	帕金森病	图论方法	图拉普拉斯矩阵	视频	两个数据集（Kinect3D和AlphaPose）
745	2025-05-10	Derivation of an artificial intelligence-based electrocardiographic model for the detection of acute coronary occlusive myocardial infarction 2025-Feb-28, Archivos de cardiologia de Mexico IF:0.7Q4 DOI:10.24875/ACM.24000195 PMID:40020200	research paper	开发了一种基于人工智能的心电图模型，用于检测急性冠状动脉闭塞性心肌梗死	使用深度学习模型（CNN）通过智能手机摄像头获取的心电图数据来检测ACOMI，其性能优于人类专家和STEMI标准	研究为单中心研究，需要进一步的外部验证	评估AI-ECG模型在急性冠状动脉综合征（ACS）患者中检测急性冠状动脉闭塞性心肌梗死（ACOMI）的性能	被初步诊断为ACS（包括STEMI和NSTEMI）的患者	machine learning	cardiovascular disease	ECG	CNN	ECG图像	未明确提及样本数量，但包括STEMI和NSTEMI患者
746	2025-05-10	Deep Learning Protocol for Predicting Full-Spectrum Infrared and Raman Spectra of Polypeptides and Proteins Using All-Atom Models 2025-Feb-27, The journal of physical chemistry letters IF:4.8Q1 DOI:10.1021/acs.jpclett.5c00169 PMID:39966082	研究论文	本研究开发了一种基于深度学习的协议，用于预测多肽和蛋白质的全谱红外和拉曼光谱	利用转移学习和DetaNet模型成功模拟了数千个原子组成蛋白质的振动光谱，效率比传统量子化学方法高10^10倍	NA	开发高效预测蛋白质振动光谱的深度学习方法	氨基酸、二肽、三肽以及大型多肽和蛋白质	机器学习	NA	红外光谱、拉曼光谱	DetaNet（深度等变张量注意力网络）	光谱数据	氨基酸、二肽和三肽的综合数据集
747	2025-05-10	Toward equitable major histocompatibility complex binding predictions 2025-Feb-25, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2405106122 PMID:39964728	research paper	该研究开发了一种机器学习框架，用于评估MHC结合预测中的数据不平衡问题，并提出了一种先进的MHC结合预测模型，以减少不同种族群体间的数据差异	引入了一种机器学习框架来评估MHC等位基因结合预测中的数据不平衡影响，并开发了一种先进的MHC结合预测模型，提供每个等位基因的性能估计	尽管模型减轻了大部分数据差异，但仍存在一些不平等问题需要进一步解决	开发公平的MHC结合预测模型，用于个性化免疫疗法和疫苗开发	MHC等位基因及其结合数据	machine learning	cancer	deep learning	NA	biological data	NA
748	2025-05-10	AI for image quality and patient safety in CT and MRI 2025-Feb-23, European radiology experimental IF:3.7Q1 DOI:10.1186/s41747-025-00562-5 PMID:39987533	综述	本文综述了人工智能（AI）在计算机断层扫描（CT）和磁共振成像（MRI）中提升图像质量和患者安全的最新进展	AI算法在减少辐射剂量、优化对比剂使用、降低噪声和伪影、提高图像重建速度和质量方面的创新应用	模型的泛化能力有限、缺乏外部验证、模型解释性不足以及决策过程不透明	探讨AI如何优化CT和MRI的成像过程，以提高诊断准确性和患者安全性	计算机断层扫描（CT）和磁共振成像（MRI）的成像过程	数字病理学	NA	深度学习	NA	图像	NA
749	2025-05-10	Event-driven figure-ground organisation model for the humanoid robot iCub 2025-Feb-22, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-56904-9 PMID:39984477	研究论文	本文提出了一种受灵长类视觉系统启发的生物启发感知系统，用于神经形态机器人iCub的事件驱动图形-背景组织模型	采用生物启发的分层架构和事件驱动视觉技术，减少数据冗余和计算需求，与传统方法相比具有更高的效率	在复杂场景下的性能尚未完全验证，可能需要进一步优化以适应更复杂的环境	开发一种高效的图形-背景分割方法，用于自主机器人应用	神经形态机器人iCub	计算机视觉	NA	事件驱动视觉	生物启发分层架构	事件驱动摄像头数据	在模拟和真实场景中进行了定性和定量评估，包括Berkeley Segmentation数据集
750	2025-05-10	Artificial intelligence assessment of tissue-dissection efficiency in laparoscopic colorectal surgery 2025-Feb-22, Langenbeck's archives of surgery DOI:10.1007/s00423-025-03641-8 PMID:39984705	研究论文	本研究通过深度学习模型评估腹腔镜结直肠手术中组织解剖效率的可行性	首次使用深度学习技术自动评估手术技能，特别是组织解剖效率	研究为回顾性设计，依赖手术视频数据，可能存在选择偏差	验证基于深度学习的手术技能自动评估方法的可行性	腹腔镜结直肠手术中的组织解剖过程	计算机视觉	结直肠癌	深度学习	CNN	视频	766例来自日本多中心的腹腔镜结直肠手术视频
751	2025-05-10	SVEA: an accurate model for structural variation detection using multi-channel image encoding and enhanced AlexNet architecture 2025-Feb-22, Journal of translational medicine IF:6.1Q1 DOI:10.1186/s12967-025-06213-y PMID:39987107	research paper	介绍了一种名为SVEA的深度学习模型，用于通过多通道图像编码和增强的AlexNet架构准确检测结构变异	SVEA采用了新颖的多通道图像编码方法，结合多头自注意力机制和多尺度卷积模块，提高了对复杂结构变异的检测能力	虽然SVEA在准确率上优于现有方法约4%，但仍存在进一步优化的空间	提高结构变异检测的准确性	基因组中的结构变异	machine learning	NA	multi-channel image encoding, multi-head self-attention mechanisms, multi-scale convolution modules	AlexNet	genomic datasets	多样化的基因组数据集
752	2025-05-10	A hybrid inception-dilated-ResNet architecture for deep learning-based prediction of COVID-19 severity 2025-Feb-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-91322-3 PMID:39987169	research paper	提出了一种基于深度学习的混合Inception-dilated-ResNet架构，用于预测COVID-19的严重程度	首次将Inception-ResNet与扩张机制结合，用于COVID-19严重程度的评估，并在CT图像分类任务中表现优于非扩张模型	需要依赖专业放射科医生对CT扫描进行标注，且样本量相对有限	开发一种有效的深度学习方法，用于评估COVID-19患者的肺部病变严重程度	COVID-19患者的胸部CT扫描图像	computer vision	COVID-19	deep learning	Inception-dilated-ResNet (dResNet)	image	1548例人类胸部CT扫描
753	2025-05-10	Semi-supervised tissue segmentation from histopathological images with consistency regularization and uncertainty estimation 2025-Feb-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-90221-x PMID:39987243	research paper	提出一种半监督方法用于组织病理学图像中的组织结构语义分割	结合自监督训练和一致性正则化，利用CNN教师模型生成伪标签训练学生模型，并采用蒙特卡洛dropout估计模型不确定性	需要大量标注数据训练模型，且对于罕见疾病数据获取困难	提高组织病理学图像分割的准确性	组织病理学图像中的组织结构	digital pathology	NA	semi-supervised learning, Monte Carlo dropout	CNN	image	public dataset (具体数量未提及)
754	2025-05-10	Enhanced recognition and counting of high-coverage Amorphophallus konjac by integrating UAV RGB imagery and deep learning 2025-Feb-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-91364-7 PMID:39987316	研究论文	本研究通过整合无人机RGB影像和深度学习技术，提高了高覆盖率魔芋植株的识别和计数准确性	提出了一种结合早期和高覆盖率阶段魔芋位置信息的深度学习模型，显著提高了高覆盖率阶段魔芋植株的识别和计数准确率	研究主要针对魔芋这种具有单一茎干和直立生长特性的作物，对其他作物的适用性需要进一步验证	提高高覆盖率阶段魔芋植株的识别和计数准确性，为农业管理和产量预测提供支持	魔芋植株	计算机视觉	NA	无人机RGB影像	深度学习模型	图像	未明确说明样本数量
755	2025-05-10	Integrating blockchain technology with artificial intelligence for the diagnosis of tibial plateau fractures 2025-Feb-21, European journal of trauma and emergency surgery : official publication of the European Trauma Society IF:1.9Q2 DOI:10.1007/s00068-025-02793-y PMID:39984717	研究论文	本研究评估了结合区块链技术和人工智能的高级诊断模型在急诊环境中识别胫骨平台骨折的可行性和有效性	首次将区块链技术与AI结合用于胫骨平台骨折的诊断，实现安全、协作且便捷的辅助诊断	研究仅在三家独立医院进行，样本来源可能有限	评估区块链与AI结合的高级诊断模型在急诊胫骨平台骨折识别中的效果	胫骨平台骨折（TPFs）患者	数字病理	骨科创伤	区块链技术，深度学习	YOLOv8n，分布式AI模型	图像	来自三家独立医院的图像数据
756	2025-05-10	Deep learning models for differentiating three sinonasal malignancies using multi-sequence MRI 2025-Feb-21, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-024-01517-9 PMID:39984860	research paper	开发基于MRI的深度学习模型，用于区分三种鼻窦恶性肿瘤，并评估这些模型是否能提高资深和初级放射科医生的诊断性能	使用ResNet101网络构建的深度学习模型在区分鼻窦鳞状细胞癌、腺样囊性癌和嗅神经母细胞瘤方面表现出色，并能显著提升放射科医生的诊断准确性	研究为回顾性分析，可能存在选择偏倚，且样本量相对有限	开发并验证基于MRI的深度学习模型，以提高鼻窦恶性肿瘤的诊断准确性	465名鼻窦恶性肿瘤患者（包括229例鳞状细胞癌、128例腺样囊性癌和108例嗅神经母细胞瘤）	digital pathology	鼻窦恶性肿瘤	MRI（包括T2加权成像、对比增强T1加权成像和表观扩散系数）	ResNet101, ResNet50, DensNet121	MRI图像	465名患者（训练和验证队列372名，独立外部测试队列93名）
757	2025-05-10	An ensemble deep learning framework for multi-class LncRNA subcellular localization with innovative encoding strategy 2025-Feb-21, BMC biology IF:4.4Q1 DOI:10.1186/s12915-025-02148-4 PMID:39984880	research paper	提出了一种名为MGBLncLoc的深度学习模型，用于预测长非编码RNA（LncRNA）的亚细胞定位	采用了一种新颖的多类编码技术MCD-ND，能更精确地反映核苷酸分布，并结合多种先进的神经网络模块	未提及具体的数据集规模或模型在更广泛数据集上的泛化能力	提高LncRNA亚细胞定位预测的准确性	长非编码RNA（LncRNA）	生物信息学	NA	深度学习	Multi-Dconv Head Transposed Attention, Gated-Dconv Feed-forward Network, CNN, Bidirectional Gated Recurrent Unit	序列数据	NA
758	2025-05-10	Multi-cancer early detection based on serum surface-enhanced Raman spectroscopy with deep learning: a large-scale case-control study 2025-Feb-21, BMC medicine IF:7.0Q1 DOI:10.1186/s12916-025-03887-5 PMID:39984977	研究论文	本研究提出了一种基于血清表面增强拉曼光谱（SERS）技术和深度学习的多癌症早期检测方法	结合SERS技术、重采样策略、特征维度增强、深度学习和可解释性分析方法，实现了高灵敏度和高准确性的泛癌筛查	研究样本中某些癌症类型的病例数较少（如食管癌仅38例），可能影响模型的泛化能力	开发一种高效的多癌症早期检测方法	1655例早期癌症患者（包括乳腺癌、肺癌、甲状腺癌、结直肠癌、胃癌、食管癌）和1896例健康对照	数字病理学	多癌症（乳腺癌、肺癌、甲状腺癌、结直肠癌、胃癌、食管癌）	表面增强拉曼光谱（SERS）、连续小波变换（CWT）	ResNet（CNN算法）、深度神经网络（DNN）	血清SERS光谱数据	3551例样本（1655例癌症患者和1896例健康对照）
759	2025-05-10	Impact of deep learning on pediatric elbow fracture detection: a systematic review and meta-analysis 2025-Feb-20, European journal of trauma and emergency surgery : official publication of the European Trauma Society IF:1.9Q2 DOI:10.1007/s00068-025-02779-w PMID:39976732	meta-analysis	该研究通过系统评价和荟萃分析评估了深度学习模型在儿童肘部骨折检测中的性能	首次系统评价和荟萃分析了深度学习模型在儿童肘部骨折检测中的应用及其性能	仅纳入了6项符合标准的研究，样本量有限	评估深度学习模型在儿童肘部骨折检测中的准确性和性能	0至16岁儿童的肘部骨折	digital pathology	pediatric elbow fractures	deep learning	ResNet	image	6项研究的数据
760	2025-05-10	High throughput analysis of rare nanoparticles with deep-enhanced sensitivity via unsupervised denoising 2025-Feb-20, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-56812-y PMID:39979247	研究论文	开发了一种结合无监督深度学习和光流体设备的纳米颗粒分析方法，实现了高可扩展性、高吞吐量和高灵敏度的纳米颗粒检测	提出了一种名为'Deep Nanometry' (DNM)的新方法，结合无监督深度学习和光流体设备，显著提高了纳米颗粒检测的灵敏度和吞吐量	未明确提及具体限制，但可能涉及设备复杂性和成本	开发一种高灵敏度、高吞吐量的纳米颗粒分析方法，用于生物学、医学和材料科学领域	纳米颗粒，特别是稀有纳米颗粒和细胞外囊泡(EVs)	机器学习	结直肠癌	无监督深度学习，光流体技术	无监督深度学习	纳米颗粒检测数据	1,214,392个总颗粒，其中包括0.002%的稀有目标细胞外囊泡(EVs)，以及结直肠癌患者和健康对照血清中的0.93%和0.17%的诊断标记EVs