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
7861	2025-04-12	A feasibility study of deep learning prediction model for VMAT patient-specific QA 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1509449 PMID:40206587	研究论文	本研究介绍了一种深度学习模型，利用治疗计划系统(TPS)和蒙特卡洛(MC)模拟的独立剂量验证软件计算的剂量，旨在更准确地预测VMAT患者特定QA中的伽马通过率(GPR)	使用深度学习模型结合TPS和MC模拟数据预测GPR，提高了预测的准确性和效率	研究仅基于710个临床VMAT计划，样本量可能不足以覆盖所有临床情况	提高VMAT患者特定质量保证(QA)的效率和准确性	710个临床VMAT计划	机器学习	NA	蒙特卡洛模拟	CNN	剂量分布数据	710个临床VMAT计划
7862	2025-04-12	Deep learning for steganalysis: evaluating model robustness against image transformations 2025, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2025.1532895 PMID:40206705	research paper	本研究评估了基于深度学习的隐写分析模型在常见图像变换下的鲁棒性	首次系统地评估了多种深度学习模型在图像变换下的隐写分析性能，并比较了它们的鲁棒性	仅评估了有限的图像变换类型，未考虑更复杂的现实场景	评估深度学习模型在图像变换条件下的隐写分析性能	五种深度学习模型（EfficientNet、SRNet、ResNet、Xu-Net和Yedroudj-Net）	computer vision	NA	深度学习	EfficientNet, SRNet, ResNet, Xu-Net, Yedroudj-Net	图像	BOSSBase数据集
7863	2025-04-12	Identification of FDFT1 and PGRMC1 as New Biomarkers in Nonalcoholic Steatohepatitis (NASH)-Related Hepatocellular Carcinoma by Deep Learning 2025, Journal of hepatocellular carcinoma IF:4.2Q2 DOI:10.2147/JHC.S505752 PMID:40206734	研究论文	本研究通过深度学习等方法筛选出NASH相关肝癌的新型生物标志物FDFT1和PGRMC1	首次结合深度学习、WGCNA和PPI网络筛选NASH相关肝癌特征基因，并验证FDFT1和PGRMC1的诊断价值	研究主要基于小鼠模型，需要进一步在人类样本中验证	探索NASH相关肝癌的新型生物标志物	NAFLD小鼠模型和NASH相关肝癌特征基因	生物信息学	肝癌	深度学习、WGCNA、PPI网络、实时定量PCR、单细胞测序	NNs	基因组数据	NAFLD小鼠模型
7864	2025-04-12	Deep learning-enabled transformation of anterior segment images to corneal fluorescein staining images for enhanced corneal disease screening 2025, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2025.02.039 PMID:40206787	研究论文	开发了一种基于GAN的人工智能系统Gancor，用于将眼前段图像转化为角膜荧光素染色图像，以增强角膜疾病的筛查	利用GAN将AS图像转化为CFS图像，提高了远程诊断的效率和准确性	样本主要来自特定医院和地区，可能影响模型的泛化能力	开发一种远程诊断角膜疾病的系统	9669张眼前段图像和对应的角膜荧光素染色图像，以及967对通过智能手机拍摄的AS-CFS图像	数字病理学	角膜疾病	GAN	GAN	图像	9669张AS图像和对应的CFS图像，以及967对AS-CFS图像
7865	2025-04-12	NeuroFusionNet: cross-modal modeling from brain activity to visual understanding 2025, Frontiers in computational neuroscience IF:2.1Q3 DOI:10.3389/fncom.2025.1545971 PMID:40207297	research paper	本文提出了一种创新的深度学习模型NeuroFusionNet，通过整合fMRI信号与图像特征来增强对视觉信息的理解	引入了Mutli-scale fMRI Timeformer模块和fMRI-guided loss函数，有效整合图像与大脑活动信息	NA	通过整合fMRI信号与图像特征来增强对视觉信息的理解	fMRI信号和图像特征	machine learning	NA	fMRI	NeuroFusionNet, Mutli-scale fMRI Timeformer	image, fMRI信号	NA
7866	2025-04-12	ODD-Net: a hybrid deep learning architecture for image dehazing 2024-Dec-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-82558-6 PMID:39715769	research paper	提出了一种名为ODD-Net的混合深度学习架构，用于图像去雾	结合了预训练的A-Net和T-Net模型，在大气散射模型中实现了卓越的去雾质量，特别是在传输图估计和深度测量方面超越了现有技术	深度学习方法需要大量数据集和计算资源	提高户外拍摄图像的可见度和对比度	受雾霾影响的图像	computer vision	NA	dilated convolution, batch normalisation, ReLU activation functions, multiscale convolutions, nonlinear regression	CNN	image	NA
7867	2025-04-12	Deep Learning Model for Predicting Neurodevelopmental Outcome in Very Preterm Infants Using Cerebral Ultrasound 2024-Dec, Mayo Clinic proceedings. Digital health DOI:10.1016/j.mcpdig.2024.09.003 PMID:40206534	研究论文	开发深度学习模型，结合新生儿颅脑超声和临床变量，预测极早产儿3岁时的神经发育障碍	首次将CNN模型应用于颅脑超声和临床变量的结合，以预测极早产儿的神经发育障碍	研究为回顾性设计，且仅在单一地区进行，可能影响模型的泛化能力	预测极早产儿3岁时的神经发育障碍	极早产儿（胎龄220-306周）	数字病理	神经发育障碍	颅脑超声（CUS）	CNN, elastic net (EN)	图像, 临床数据	619名极早产儿，包含4184张颅脑超声图像
7868	2025-04-12	Sparse Annotation is Sufficient for Bootstrapping Dense Segmentation 2024-Nov-14, Research square DOI:10.21203/rs.3.rs-5339143/v1 PMID:39606484	研究论文	提出一种基于深度学习的方法，通过稀疏的2D标注快速生成密集的3D分割，用于生物成像数据的实例分割任务	开发了一种新颖的深度学习方法，能够从单一切片上的少量对象稀疏标注中快速生成密集的3D分割，显著减少了人工标注时间和非专家标注的需求	未明确提及方法的适用范围或在不同类型生物成像数据上的泛化能力	解决生物成像数据中密集3D重建的实例分割任务，减少生成训练数据所需的人工标注时间和专家依赖	大脑神经纤维网中的树突、轴突和胶质细胞过程	数字病理	NA	深度学习	NA	图像	未明确提及具体样本数量，但涉及大型图像体积
7869	2025-04-12	Detailed delineation of the fetal brain in diffusion MRI via multi-task learning 2024-Sep-12, ArXiv PMID:39314513	research paper	开发了一种基于多任务学习的计算方法，用于胎儿脑部扩散MRI数据的详细描绘	提出了一个统一的计算框架，能够同时完成脑组织分割、白质束分割和脑部皮层分区三项任务	未提及该方法在异常胎儿脑部发育研究中的表现	开发自动化方法来提高胎儿脑部扩散MRI数据分析的准确性和可重复性	胎儿脑部扩散MRI数据	医学影像分析	NA	扩散加权MRI(dMRI)	多任务深度学习	MRI图像	97个胎儿脑部样本
7870	2025-04-12	Deep Learning-Based Prediction of Hepatic Decompensation in Patients With Primary Sclerosing Cholangitis With Computed Tomography 2024-Sep, Mayo Clinic proceedings. Digital health DOI:10.1016/j.mcpdig.2024.07.002 PMID:40206109	研究论文	本研究探讨了使用深度学习模型基于CT影像预测原发性硬化性胆管炎（PSC）患者肝失代偿的潜力	首次应用3D-DenseNet121模型分析CT影像预测PSC患者的肝失代偿，并通过解剖区域分割验证模型决策过程	回顾性研究设计，样本量有限（277例），未进行外部验证	开发基于深度学习的肝失代偿预测工具	原发性硬化性胆管炎（PSC）患者	数字病理	肝病	CT成像	3D-DenseNet121	3D医学影像	277例接受腹部CT扫描的成人PSC患者
7871	2025-04-12	Detailed delineation of the fetal brain in diffusion MRI via multi-task learning 2024-Aug-30, bioRxiv : the preprint server for biology DOI:10.1101/2024.08.29.609697 PMID:39257731	研究论文	本文开发了一个多任务深度学习框架，用于胎儿大脑扩散MRI数据的自动分割和分区	提出了一个统一的计算框架，能够同时完成胎儿大脑组织的分割、白质束的分割以及大脑皮层的分区，这在胎儿神经影像学领域是一个创新	研究仅基于97个胎儿大脑的标注数据，样本量相对较小，可能影响模型的泛化能力	开发自动化方法以提高胎儿大脑扩散MRI数据的分析效率和准确性	胎儿大脑的扩散MRI数据	数字病理学	NA	扩散加权MRI (dMRI)	多任务深度学习	MRI图像	97个胎儿大脑
7872	2025-04-12	Hybrid deep learning technique for COX-2 inhibition bioactivity detection against breast cancer disease 2024-Jul, Biomedical engineering letters IF:3.2Q2 DOI:10.1007/s13534-024-00355-6 PMID:39512384	研究论文	本研究开发了一种混合深度学习技术，用于检测乳腺癌中COX-2抑制的生物活性	结合UNet架构进行特征提取，采用改进的鸡群优化算法(MCSO)处理数据维度，并使用改进的Laguerre神经网络(ILNN)进行分类	NA	开发高效技术以精确检测COX-2抑制的生物活性，助力抗癌化合物识别和乳腺癌治疗进展	乳腺癌中的COX-2抑制生物活性	机器学习	乳腺癌	混合深度学习	UNet, MCSO, ILNN	生物活性数据	使用ChEMBL数据库进行验证
7873	2025-04-12	Conversion of single-energy CT to parametric maps of dual-energy CT using convolutional neural network 2024-May-29, The British journal of radiology DOI:10.1093/bjr/tqae076 PMID:38597871	研究论文	提出一种基于卷积神经网络的多任务学习框架，用于将单能CT图像直接转换为双能CT的三种参数图	开发了VMI-Net、EAN-Net和RED-Net三个网络，实现了单能CT到双能CT参数图的直接转换，无需双能CT设备	研究样本量较小（67例患者），且仅使用了特定型号的双能CT设备数据	探索通过深度学习实现单能CT到双能CT参数图转换的方法	单能CT图像	医学影像分析	NA	深度学习	CNN	医学影像	67例患者（2019-2020年间收集）
7874	2025-04-12	Machine learning and deep learning to identifying subarachnoid haemorrhage macrophage-associated biomarkers by bulk and single-cell sequencing 2024-05, Journal of cellular and molecular medicine IF:4.3Q2 DOI:10.1111/jcmm.18296 PMID:38702954	研究论文	本研究通过单细胞转录组测序和批量RNA-seq技术，识别了蛛网膜下腔出血（SAH）中巨噬细胞亚群及其相关关键基因，并构建了诊断模型和潜在治疗靶点	首次在SAH中识别出独特的巨噬细胞亚群，并利用hdWGCNA方法发现160个关键基因，构建了高性能诊断模型，同时通过分子对接识别潜在治疗药物	需要进一步的实验和临床研究来验证这些发现并探索靶点在SAH治疗中的临床意义	改善蛛网膜下腔出血的诊断和治疗策略	SAH大鼠模型中的巨噬细胞亚群及其相关基因	数字病理学	蛛网膜下腔出血	单细胞转录组测序, 批量RNA-seq, 分子对接	卷积神经网络(CNN), lasso回归	RNA测序数据	SAH大鼠模型脑组织样本
7875	2025-04-12	PBAC: A pathway-based attention convolution neural network for predicting clinical drug treatment responses 2024-05, Journal of cellular and molecular medicine IF:4.3Q2 DOI:10.1111/jcmm.18298 PMID:38683133	research paper	提出了一种基于通路注意力的卷积神经网络PBAC，用于预测临床药物治疗反应	PBAC整合了深度学习框架和注意力机制，专注于重要通路，提高了药物反应预测性能，并提供了药物作用机制的解释	NA	开发一种基于生物学通路信息的药物反应预测工具	四种化疗药物（Bortezomib、Cisplatin、Docetaxel和Paclitaxel）和11个免疫治疗数据集	machine learning	cancer	deep learning	CNN with attention mechanism	biological pathway information	11 immunotherapy datasets
7876	2025-04-12	MFNet: Meta-learning based on frequency-space mix for MRI segmentation in nasopharyngeal carcinoma 2024-05, Journal of cellular and molecular medicine IF:4.3Q2 DOI:10.1111/jcmm.18355 PMID:38685683	research paper	提出了一种基于频率空间混合的元学习方法MFNet，用于鼻咽癌MRI分割，以提高模型在不同中心的泛化能力	通过将MRI模态从空间域转换到频率域，并采用混合特征的元学习方法，显著提升了模型在未见领域的泛化性能	需要手动标注的MRI数据，且样本量相对有限（321例患者）	解决鼻咽癌MRI分割模型在不同医疗中心部署时的泛化问题	鼻咽癌患者的MRI图像	digital pathology	nasopharyngeal carcinoma	Fourier transform, meta-learning	MFNet	MRI图像（T1WI、T2WI、CE-T1WI）	321例患者来自两家医院
7877	2025-04-12	A Multi-Element Identification System Based on Deep Learning for the Visual Field of Percutaneous Endoscopic Spine Surgery 2024-May, Indian journal of orthopaedics IF:1.1Q3 DOI:10.1007/s43465-024-01134-2 PMID:38694692	研究论文	开发了一种基于深度学习的多元素识别系统，用于经皮内窥镜脊柱手术视野中的解剖组织和手术器械识别	首次将深度学习技术应用于经皮内窥镜脊柱手术视野的多元素识别，并评估了不同卷积神经网络模型的性能	样本量较小（仅48名患者），且未在实际手术环境中验证系统性能	开发适用于经皮内窥镜脊柱手术的多元素识别系统，并评估其可行性	腰椎间盘突出症患者的经皮内窥镜脊柱手术视野图像	计算机视觉	腰椎间盘突出症	深度学习	CNN（包括Solov2、CondInst、Mask R-CNN和Yolact）	图像	48名患者的6000张手术视野图像
7878	2025-04-12	Artificial Intelligence Detection and Segmentation Models: A Systematic Review and Meta-Analysis of Brain Tumors in Magnetic Resonance Imaging 2024-Mar, Mayo Clinic proceedings. Digital health DOI:10.1016/j.mcpdig.2024.01.002 PMID:40206681	系统综述与荟萃分析	本文通过系统综述和荟萃分析，深入探讨了深度学习算法在脑肿瘤检测和分割模型中的泛化能力影响因素	研究揭示了MRI硬件制造商对数据集多样性的影响，并发现3D模型在检测性能上优于2D和集成模型	需要进一步研究开发全面的多样性指数，并利用生成对抗网络进行数据多样化	分析影响深度学习算法在脑肿瘤检测和分割模型中泛化能力的因素	脑肿瘤患者的MRI数据	数字病理学	脑肿瘤	MRI	3D模型、2D模型、集成模型	图像	19项研究，涉及12,000名患者
7879	2025-04-12	Differences Between Patient and Clinician-Taken Images: Implications for Virtual Care of Skin Conditions 2024-Mar, Mayo Clinic proceedings. Digital health DOI:10.1016/j.mcpdig.2024.01.005 PMID:40206682	research paper	比较患者自拍和临床拍摄的皮肤状况图像在临床、人口统计学和图像质量特征上的差异	首次系统性地分析了患者自拍和临床拍摄皮肤图像的多维度差异，并识别出与拍摄来源相关的关键因素	研究为回顾性设计，仅基于单一医疗系统的数据，且排除了无法诊断或多重病症的病例	探究不同来源皮肤图像的特征差异及其对虚拟皮肤科护理的启示	2500例斯坦福医疗保健系统eConsult中的皮肤病例图像（628例患者自拍和1719例临床拍摄）	digital pathology	skin conditions	deep learning	NA	image	2347例有效病例（628 PAT + 1719 CLIN）
7880	2025-04-12	An Automated Approach for Diagnosing Allergic Contact Dermatitis Using Deep Learning to Support Democratization of Patch Testing 2024-Mar, Mayo Clinic proceedings. Digital health DOI:10.1016/j.mcpdig.2024.01.006 PMID:40206684	research paper	开发一种深度学习算法用于分析斑贴试验结果，以支持过敏性接触性皮炎的自动化诊断	利用深度学习模型从照片中分类斑贴试验结果，实现过敏性接触性皮炎的自动化检测	样本量较小（37名患者），模型性能仍有提升空间	开发一种自动化方法来诊断过敏性接触性皮炎，支持斑贴试验的普及	斑贴试验的照片结果	digital pathology	allergic contact dermatitis	deep learning	CNN	image	5070个测试部位（来自37名患者）