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
7781	2025-02-22	Intelligent ultrafast total-body PET for sedation-free pediatric [18F]FDG imaging 2024-Jul, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-024-06649-2 PMID:38383744	研究论文	本研究旨在开发深度学习技术，以提高无镇静儿科PET成像的可行性	开发了一种基于245名成年受试者的可变形3D U-Net模型，用于增强模拟快速成像的质量，并在无镇静的儿科患者中进行了前瞻性测试	样本量相对较小，仅包括16名儿童进行回顾性测试和5名儿童进行前瞻性测试	提高无镇静儿科PET成像的可行性	儿童患者	数字病理	NA	深度学习	3D U-Net	PET图像	245名成年受试者，16名儿童进行回顾性测试，5名儿童进行前瞻性测试
7782	2025-02-22	Inference of Developmental Hierarchy and Functional States of Exhausted T Cells from Epigenetic Profiles with Deep Learning 2024-04-22, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c00261 PMID:38545680	研究论文	本研究介绍了一种基于深度神经网络的新型计算框架DeepEpiTEX，用于从表观遗传数据推断肿瘤微环境中耗竭T细胞的发育层次和功能状态	开发了DeepEpiTEX框架，首次利用多模态表观遗传数据（DNA甲基化、microRNA表达、长链非编码RNA表达）来推断耗竭T细胞的功能状态和发育层次，并发现了与免疫检查点阻断疗法反应的潜在关系	研究主要基于TCGA泛癌队列数据，虽然进行了外部验证，但仍需进一步在更大规模和多样化的数据集中验证其普适性	研究旨在通过表观遗传数据推断耗竭T细胞的功能状态和发育层次，以更好地理解肿瘤微环境中的T细胞异质性，并为个体化免疫治疗策略提供依据	耗竭T细胞（TEX）	机器学习	癌症	DNA甲基化测序、microRNA表达分析、长链非编码RNA表达分析	深度神经网络	表观遗传数据	TCGA泛癌队列中的30种实体瘤类型
7783	2025-02-22	Structure-Based Protein Assembly Simulations Including Various Binding Sites and Conformations 2024-04-22, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c00212 PMID:38602938	研究论文	本文介绍了一种基于结构的快速计算模型GoCa，用于模拟大型多蛋白复合物的组装过程	GoCa模型区分了亚基内和亚基间的相互作用，允许包含耦合折叠和结合，并自动处理复合物中相同亚基的排列，同时允许定义多个最小（天然）结构	模型依赖于已知的天然结构，可能不适用于未知结构的复合物	研究大型多蛋白复合物的组装过程	多蛋白复合物	计算生物学	NA	基于结构的计算模型	GoCa	蛋白质结构数据	多个多蛋白复合物
7784	2025-02-22	Spatial and Compositional Biomarkers in Tumor Microenvironment Predicts Clinical Outcomes in Triple-Negative Breast Cancer 2023-Dec-20, bioRxiv : the preprint server for biology DOI:10.1101/2023.12.18.572234 PMID:38187696	研究论文	本文通过成像质谱流式细胞术和计算算法，研究了三阴性乳腺癌肿瘤微环境的空间和组成特征，以预测临床结果	首次在单细胞分辨率下量化三阴性乳腺癌肿瘤微环境的细胞分布模式和空间组织，并利用深度学习模型预测患者对治疗的反应	样本量较小（58例患者），且仅针对三阴性乳腺癌，可能限制了结果的普适性	探索三阴性乳腺癌肿瘤微环境的特征及其与临床结果的关系，以发现新的治疗靶点	三阴性乳腺癌患者的肿瘤微环境	数字病理学	乳腺癌	成像质谱流式细胞术，深度学习	深度学习模型	图像数据	58例三阴性乳腺癌患者样本
7785	2025-02-21	Severity grading of hypertensive retinopathy using hybrid deep learning architecture 2025-Apr, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108585 PMID:39862474	研究论文	本文提出了一种混合深度学习架构，用于高血压视网膜病变（HR）的严重程度分级	引入了一种结合预训练ResNet-50和修改后的Vision Transformer（ViT）架构的混合模型，通过全局和局部自注意力机制增强模型性能，并提出了基于解耦表示和分类器（DRC）的训练方法以解决类别不平衡问题	缺乏公开可用的HR分级数据集，且存在高类别不平衡问题	开发一种准确的高血压视网膜病变严重程度分级方法	高血压视网膜病变（HR）的严重程度分级	计算机视觉	高血压视网膜病变	深度学习	混合模型（ResNet-50 + 修改后的Vision Transformer）	图像	NA
7786	2025-02-21	Towards practical and privacy-preserving CNN inference service for cloud-based medical imaging analysis: A homomorphic encryption-based approach 2025-Apr, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108599 PMID:39874935	研究论文	本文提出了一种基于同态加密的实用且保护隐私的CNN推理框架PPCNN，用于云端医学影像分析	PPCNN框架结合了低扩展同态加密方案和基于噪声的掩码方法，通过优化计算成本、引入系数感知打包方法和数据掩码技术，显著提高了响应时间和降低了使用成本	现有隐私保护解决方案因卷积层内积操作的计算复杂性和非线性激活函数评估的高通信成本而存在显著的延迟问题，使得当前解决方案在实际应用中不切实际	解决移动云端医学影像分析中的隐私保护问题，确保用户在使用云端CNN模型分类私人放射影像时的数据隐私	私人身体相关的放射影像	数字病理	NA	同态加密	CNN	图像	三个真实世界的放射影像数据集
7787	2025-02-21	A bio-lattice deep learning framework for modeling discrete biological materials 2025-Apr, Journal of the mechanical behavior of biomedical materials IF:3.3Q3 DOI:10.1016/j.jmbbm.2025.106900 PMID:39891961	研究论文	本文提出了一种基于机器学习的多尺度框架，结合深度神经网络（DNNs）、有限元方法（FEM）和受晶格弹簧模型（LSM）启发的微观结构描述，用于研究离散、空间异质材料的行为	提出了一种新颖的机器学习多尺度框架，结合DNNs、FEM和LSM，用于研究离散、空间异质材料的行为，并开发了一个无假设的晶格框架	未明确提及具体局限性	研究离散、空间异质材料的力学行为	生物组织的微观结构和宏观材料行为	机器学习	NA	深度神经网络（DNNs）、有限元方法（FEM）、晶格弹簧模型（LSM）	深度神经网络（DNNs）	微观结构数据	NA
7788	2025-02-21	ViroNia: LSTM based proteomics model for precise prediction of HCV 2025-Mar, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109573 PMID:39733555	研究论文	本文介绍了ViroNia，一种基于LSTM的蛋白质组学模型，用于高精度预测HCV病毒蛋白分类	ViroNia利用LSTM架构进行病毒蛋白分类，展示了其在分类任务中的高效性，并优于其他深度学习架构如Simple RNN、GRU、1d CNN和双向LSTM	尽管ViroNia在分类任务中表现出色，但其在更广泛数据集上的泛化能力尚未验证	开发高精度的病毒蛋白分类模型，以支持病毒研究和干预设计	HCV病毒蛋白	自然语言处理	NA	LSTM	LSTM	蛋白质序列	2250个蛋白质序列
7789	2025-02-21	Improved early detection accuracy for breast cancer using a deep learning framework in medical imaging 2025-Mar, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109751 PMID:39884057	研究论文	本文提出了一种新的深度学习框架，用于提高乳腺癌早期检测的准确性	结合卷积神经网络（CNN）与特征选择和融合方法，自动从图像中学习并找到相关特征，从而超越现有方法	未提及具体的数据集大小或多样性限制	提高乳腺癌早期检测的准确性	乳腺癌的医学影像	计算机视觉	乳腺癌	深度学习	CNN	图像	NA
7790	2025-02-21	Deep learning image registration for cardiac motion estimation in adult and fetal echocardiography via a focus on anatomic plausibility and texture quality of warped image 2025-Mar, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109719 PMID:39884059	研究论文	本文提出了一种深度学习图像配准方法，用于成人和胎儿超声心动图中的心脏运动估计，重点关注变形图像的解剖合理性和纹理质量	提出了一种新的深度学习图像配准框架，通过引入解剖形状编码约束和数据驱动的纹理约束，提高了变形图像的解剖合理性和纹理质量	尽管方法在成人和胎儿超声心动图中表现出色，但未提及在其他类型医学图像上的适用性	提高超声心动图中心脏运动估计的准确性和一致性	成人和胎儿超声心动图	计算机视觉	心血管疾病	深度学习图像配准（DLIR）	深度学习模型	图像	多人口胎儿数据集和公共CAMUS成人数据集
7791	2025-02-21	A comparative study of statistical, radiomics, and deep learning feature extraction techniques for medical image classification in optical and radiological modalities 2025-Mar, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109768 PMID:39891957	研究论文	本文比较了统计、放射组学和深度学习特征提取技术在医学图像分类中的应用效果	通过对比不同特征提取技术在多种医学影像模态下的表现，揭示了深度学习技术在准确性和速度上的优势	研究仅针对二分类问题，未涉及多分类或更复杂的医学图像分析任务	评估不同特征提取技术对医学图像分类模型性能的影响	H&E染色图像、胸部X光片和视网膜OCT图像	计算机视觉	NA	统计特征提取、放射组学特征提取、深度学习特征提取	PCA-LDA, ResNet50, DenseNet121	图像	NA
7792	2025-02-21	Atomic force microscopy combined with microfluidics for label-free sorting and automated nanomechanics of circulating tumor cells in liquid biopsy 2025-Feb-20, Nanoscale IF:5.8Q1 DOI:10.1039/d4nr04033c PMID:39865849	研究论文	本文介绍了一种结合原子力显微镜（AFM）和微流控技术的无标记分选和自动化纳米力学测量方法，用于液体活检中的循环肿瘤细胞（CTCs）研究	创新点在于结合AFM和微流控技术，实现了CTCs的无标记分选和自动化纳米力学测量，为临床提供了新的可能性	研究仍处于概念验证阶段，样本量有限，需要进一步验证和优化	研究目的是开发一种高效测量液体活检中CTCs机械性能的方法，以推动癌症管理	研究对象为液体活检中的循环肿瘤细胞（CTCs）	数字病理学	癌症	原子力显微镜（AFM）、微流控技术、深度学习光学图像识别模型	深度学习模型	图像、力学数据	三个实验样本系统，包括不同大小的混合微球、不同类型癌细胞的混合物以及癌细胞和血细胞的混合物
7793	2025-02-21	Improved Assessment of Juxtacortical Lesions in Multiple Sclerosis Using Highly-accelerated High-resolution Double Inversion Recovery MR Imaging with Deep Learning-based Reconstruction 2025-Feb-20, Magnetic resonance in medical sciences : MRMS : an official journal of Japan Society of Magnetic Resonance in Medicine IF:2.5Q2 DOI:10.2463/mrms.mp.2024-0126 PMID:39971311	研究论文	本研究旨在使用深度学习重建技术（DLS）实现高分辨率双反转恢复（DIR）成像，并比较其在检测多发性硬化症（MS）皮质旁病变中的诊断性能与传统DIR（C-DIR）的差异	开发了一种新的基于深度学习的重建技术（DLS），用于重建高度欠采样的MR数据，并在检测MS皮质旁病变中表现出优于压缩感知的性能	研究样本量较小，仅包括25名MS患者	比较DLS-DIR和C-DIR在检测MS皮质旁病变中的诊断性能	25名多发性硬化症患者的MRI数据	医学影像	多发性硬化症	深度学习重建技术（DLS）	深度学习	MRI图像	25名多发性硬化症患者
7794	2025-02-21	Boosting 2D brain image registration via priors from large model 2025-Feb-20, Medical physics IF:3.2Q1 DOI:10.1002/mp.17696 PMID:39976314	研究论文	本文探讨了如何利用基础模型DINOv2的先验知识来支持基于学习的无监督配准网络，以提高2D脑图像配准的准确性	首次将基础模型DINOv2应用于医学图像配准任务，提出了三种DINOv2辅助配准模式，并研究了三种特征聚合方法在配准框架中的适用性	研究仅限于2D脑图像配准，未涉及3D或其他类型的医学图像	克服深度学习配准方法在有限数据集上的过拟合问题，提高配准精度和泛化能力	2D脑图像	计算机视觉	NA	深度学习	DINOv2	图像	IXI和OASIS公共数据集
7795	2025-02-21	Artificial intelligence-powered coronary artery disease diagnosis from SPECT myocardial perfusion imaging: a comprehensive deep learning study 2025-Feb-20, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-025-07145-x PMID:39976703	研究论文	本研究旨在开发先进的深度学习模型，利用SPECT心肌灌注成像（MPI）进行冠状动脉疾病（CAD）的诊断	采用了多种监督和半监督深度学习算法及训练策略，包括迁移学习和数据增强，以提高CAD诊断的准确性	研究仅针对LAD区域的诊断，未涵盖所有冠状动脉区域	开发并验证基于深度学习的SPECT-MPI图像分析模型，用于CAD的自动化诊断	940名接受SPECT-MPI检查的患者，其中281名患者进行了侵入性冠状动脉造影（ICA）	数字病理学	心血管疾病	SPECT-MPI, 侵入性冠状动脉造影（ICA）	DenseNet201, ResNet152V2, InceptionResNetV2	图像	940名患者，其中281名进行了ICA
7796	2025-02-21	EBHOA-EMobileNetV2: a hybrid system based on efficient feature selection and classification for cardiovascular disease diagnosis 2025-Feb-19, Computer methods in biomechanics and biomedical engineering IF:1.7Q3 DOI:10.1080/10255842.2025.2466081 PMID:39970065	研究论文	本文提出了一种基于深度学习的智能医疗框架，用于心血管疾病的诊断，结合了有效的特征选择和分类技术	结合了增强的二进制蝗虫优化算法（EBHOA）和增强的MobileNetV2模型（EMobileNetV2），以提高心血管疾病预测的准确性和一致性	未提及模型在其他数据集上的泛化能力，以及在实际临床环境中的应用效果	提高心血管疾病预测的准确性，以改善临床实践和患者护理	心血管疾病（CVD）患者	机器学习	心血管疾病	增强的二进制蝗虫优化算法（EBHOA）、增强的MobileNetV2模型（EMobileNetV2）	EMobileNetV2	结构化数据	UCI Heart Disease和Framingham Heart Study数据集
7797	2025-02-21	Mental Health Screening Using the Heart Rate Variability and Frontal Electroencephalography Features: A Machine Learning-Based Approach 2025-Feb-19, JMIR mental health IF:4.8Q1 DOI:10.2196/72803 PMID:39971280	研究论文	本研究探讨了使用心率和前额脑电图特征进行心理健康筛查的机器学习方法	结合心率和前额脑电图特征进行心理健康筛查，展示了可能的协同效应	需要进一步研究以预测治疗反应并基于基线生理标志物提出优选治疗方案	探讨心率和前额脑电图特征在机器学习算法中对精神病患者和健康对照者的分类准确性	182名参与者（87名精神病患者和95名健康对照者）	机器学习	精神疾病	支持向量机（SVM）	SVM	生理信号（心率和脑电图）	182名参与者（87名精神病患者和95名健康对照者）
7798	2025-02-21	Enhancing Chest X-ray Diagnosis with a Multimodal Deep Learning Network by Integrating Clinical History to Refine Attention 2025-Feb-19, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01446-1 PMID:39971817	研究论文	本研究介绍了一种多模态胸部X光网络（MCX-Net），通过整合胸部X光图像和临床病史文本进行多标签疾病诊断	MCX-Net通过结合预训练的文本编码器、图像编码器和图像-文本跨模态编码器，显著提升了胸部X光的多标签疾病诊断性能	模型训练面临标签不平衡和某些疾病样本稀缺的挑战	提升胸部X光的多标签疾病诊断准确性	胸部X光图像和临床病史文本	医学影像分析	肺部疾病	深度学习	MCX-Net（结合预训练的文本编码器、图像编码器和图像-文本跨模态编码器）	图像和文本	基于公开的MIMIC-CXR-JPG数据集进行训练和测试
7799	2025-02-21	NMTNet: A Multi-task Deep Learning Network for Joint Segmentation and Classification of Breast Tumors 2025-Feb-19, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01440-7 PMID:39971818	研究论文	本文提出了一种新型多任务深度学习网络（NMTNet），用于联合分割和分类乳腺肿瘤，基于卷积神经网络（CNN）和U形架构	NMTNet结合了共享编码器、多尺度融合通道细化（MFCR）模块、分割分支和分类分支，通过病变区域增强（LRE）模块和细粒度分类器提高了分割和分类的准确性	NA	提高乳腺肿瘤的分割和分类准确性，以辅助乳腺癌诊断	乳腺肿瘤	计算机视觉	乳腺癌	深度学习	CNN, U-shaped architecture	超声图像, 磁共振成像	NA
7800	2025-02-21	Artificial Intelligence for Diabetic Foot Screening Based on Digital Image Analysis: A Systematic Review 2025-Feb-17, Journal of diabetes science and technology IF:4.1Q2 DOI:10.1177/19322968251317521 PMID:39960227	系统综述	本文系统回顾了基于数字图像分析的人工智能技术在糖尿病足筛查中的应用	探讨了人工智能在糖尿病足筛查中的潜力，特别是深度学习方法的应用	需要进一步评估临床适用性，包括伦理问题和患者数据安全性，以及开发更全面的数据集	识别并分析使用数字图像分析开发AI模型进行糖尿病足筛查的研究	糖尿病足筛查	计算机视觉	糖尿病	数字图像分析	人工神经网络（ANNs）和卷积神经网络（CNNs）	热成像或足部热图	2214篇相关文章，其中9篇符合纳入标准