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
7881	2025-02-20	Dual-Domain Self-Supervised Deep Learning with Graph Convolution for Low-Dose Computed Tomography Reconstruction 2025-Feb-18, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01314-4 PMID:39966223	研究论文	本文提出了一种名为DDoS的双域自监督深度学习框架，用于低剂量计算机断层扫描（LDCT）图像的去噪和重建	DDoS框架结合了图卷积和多通道注意力模块，能够在sinogram域和图像域同时进行去噪，有效提升了LDCT图像的信噪比	尽管DDoS框架在实验中表现出色，但其在临床环境中的实际应用仍需进一步验证	提高低剂量计算机断层扫描（LDCT）图像的信噪比，以满足诊断所需的图像质量	低剂量计算机断层扫描（LDCT）图像	计算机视觉	NA	深度学习	图卷积网络（GCN）	图像	两个大规模LDCT数据集
7882	2025-02-20	Letter to the Editor: "A Deep Learning System to Predict Epithelial Dysplasia in Oral Leukoplakia" 2025-Feb-18, Journal of dental research IF:5.7Q1 DOI:10.1177/00220345251317097 PMID:39966688	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
7883	2025-02-20	Enhancing Semantic Segmentation in High-Resolution TEM Images: A Comparative Study of Batch Normalization and Instance Normalization 2025-Feb-17, Microscopy and microanalysis : the official journal of Microscopy Society of America, Microbeam Analysis Society, Microscopical Society of Canada IF:2.9Q1 DOI:10.1093/mam/ozae093 PMID:39405188	研究论文	本文研究了批量归一化（BN）和实例归一化（IN）对高分辨率透射电子显微镜（TEM）图像语义分割深度学习模型性能的影响	通过比较BN和IN在U-Net和ResNet架构上的表现，发现IN在Dice分数和交并比指标上持续优于BN，强调了选择适当归一化方法的重要性	研究仅基于两种数据集，可能无法全面反映所有TEM图像的特性	探讨不同归一化方法对TEM图像语义分割深度学习模型性能的影响	高分辨率透射电子显微镜（TEM）图像	计算机视觉	NA	深度学习	U-Net, ResNet	图像	两个不同的数据集
7884	2025-02-20	A dataset for surface defect detection on complex structured parts based on photometric stereo 2025-Feb-16, Scientific data IF:5.8Q1 DOI:10.1038/s41597-025-04454-6 PMID:39956811	研究论文	本文提出了一种基于深度学习和光度立体视觉的表面缺陷检测技术，并创建了金属表面缺陷数据集（MSDD）	提出了一种新的缺陷检测技术，结合了光度立体视觉和深度学习，并创建了一个包含多种缺陷类型的金属表面缺陷数据集	NA	解决工业缺陷检测中的阴影和表面反射问题，特别是在非平面零件上的检测	金属表面缺陷	计算机视觉	NA	光度立体视觉	FCOS, YOLOv5, YOLOv8, RT-DETR	图像	138,585张单通道图像和9,239张混合图像
7885	2025-02-20	Helmet material design for mitigating traumatic axonal injuries through AI-driven constitutive law enhancement 2025-Feb-16, Communications engineering DOI:10.1038/s44172-025-00370-0 PMID:39956866	研究论文	本文通过AI驱动的本构定律增强，优化头盔衬里材料设计，以减少创伤性轴索损伤	利用深度学习模型预测不同衬里材料保护下假人头部的峰值旋转速度和加速度，并通过材料优化显著降低脑损伤风险	研究主要针对250至500焦耳冲击能量范围内的脑损伤风险，未涵盖所有可能的冲击条件	提高运动头盔对脑损伤的保护效率	头盔衬里材料	机器学习	脑损伤	深度学习	深度学习模型	模拟数据	NA
7886	2025-02-20	Global Daily Column Average CO2 at 0.1° × 0.1° Spatial Resolution Integrating OCO-3, GOSAT, CAMS with EOF and Deep Learning 2025-Feb-14, Scientific data IF:5.8Q1 DOI:10.1038/s41597-024-04135-w PMID:39952969	研究论文	本研究通过整合CAMS、GOSAT和OCO-3卫星数据，利用DINEOF和DINCAE方法重建了高时空分辨率的全球二氧化碳柱平均浓度数据集	结合DINEOF和DINCAE两种先进的数据重建方法，填补了卫星观测数据中的缺失，生成了高分辨率、无间隙的全球二氧化碳柱平均浓度数据集	未提及具体的数据覆盖时间范围或长期稳定性验证	解决卫星观测数据中的缺失问题，生成高时空分辨率的全球二氧化碳分布数据	全球二氧化碳柱平均浓度	机器学习	NA	DINEOF, DINCAE	卷积自编码器	卫星观测数据	整合了CAMS、GOSAT和OCO-3卫星的观测数据
7887	2025-02-20	Predicting early recurrence in locally advanced gastric cancer after gastrectomy using CT-based deep learning model: a multicenter study 2025-Feb-01, International journal of surgery (London, England) DOI:10.1097/JS9.0000000000002184 PMID:39715142	研究论文	本研究开发了一种基于术前多期CT图像的深度学习模型（DLER MLP），用于预测局部晚期胃癌（LAGC）患者的早期复发，并探讨了该模型的生物学基础	结合DenseNet169和多期2.5D CT图像开发了DLER模型，并整合临床因素构建了DLER MLP分类器，显著提高了早期复发的预测性能	研究为回顾性设计，可能存在选择偏倚，且样本来源仅限于三个医疗中心和TCIA数据库	开发一种基于CT图像的深度学习模型，用于预测局部晚期胃癌患者的早期复发，并优化治疗策略	局部晚期胃癌（LAGC）患者	数字病理学	胃癌	RNA测序	DenseNet169, 多层感知器（MLP）	CT图像	620名LAGC患者，来自三个医疗中心和TCIA数据库
7888	2025-02-20	Necessity and impact of specialization of large foundation model for medical segmentation tasks 2025-Jan, Medical physics IF:3.2Q1 DOI:10.1002/mp.17470 PMID:39431952	研究论文	本文探讨了大型基础模型在医学图像分割任务中的专业化需求及其影响，评估了MedSAM及其轻量版LiteMedSAM在盆腔MR图像分割中的表现	通过评估现成的医学基础模型MedSAM在特定医学图像分割任务中的表现，揭示了进一步专业化微调的必要性和性能提升	现成的MedSAM和LiteMedSAM在非连续或非凸结构上的表现较差，且不同边界框输入的提示方案影响有限	评估大型基础模型在医学图像分割中的临床效用，并探索通过专业化微调提升性能的潜力	盆腔MR图像中的解剖结构	计算机视觉	NA	深度学习	MedSAM, LiteMedSAM, nnU-Net	图像	589张盆腔MR图像，80%用于训练，20%用于测试
7889	2025-02-20	Investigating the Use of Generative Adversarial Networks-Based Deep Learning for Reducing Motion Artifacts in Cardiac Magnetic Resonance 2025, Journal of multidisciplinary healthcare IF:2.7Q2 DOI:10.2147/JMDH.S492163 PMID:39963324	研究论文	本文评估了基于生成对抗网络（GANs）的深度学习技术在减少心脏磁共振（CMR）电影序列中运动伪影方面的有效性	首次将GANs应用于CMR电影序列中的运动伪影减少，展示了其在临床应用中优化CMR运动伪影管理的潜力	研究主要基于模拟的运动伪影数据，真实世界数据的样本量相对较小	评估GANs在减少CMR电影序列中运动伪影方面的有效性	心脏磁共振（CMR）电影序列中的运动伪影	计算机视觉	心血管疾病	深度学习	GAN	图像	2000对清晰和模糊图像用于训练，200对用于测试，100张模拟运动伪影图像和37张真实世界运动伪影图像用于评估
7890	2025-02-20	Quantitative analysis of the dexamethasone side effect on human-derived young and aged skeletal muscle by myotube and nuclei segmentation using deep learning 2024-12-26, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btae658 PMID:39752317	研究论文	本文提出了一种使用深度学习和后处理技术对人类来源的年轻和老年骨骼肌中地塞米松副作用进行定量分析的新方法	通过同时进行肌管和细胞核分割，结合后处理技术，提高了分析的准确性和一致性	NA	定量分析地塞米松对人类来源的年轻和老年骨骼肌的副作用	人类来源的年轻和老年骨骼肌细胞	计算机视觉	NA	深度学习	NA	图像	NA
7891	2025-02-20	Development of a deep learning algorithm for Paneth cell density quantification for inflammatory bowel disease 2024-Dec, EBioMedicine IF:9.7Q1 DOI:10.1016/j.ebiom.2024.105440 PMID:39536395	研究论文	本文开发了一种深度学习算法，用于量化炎症性肠病中潘氏细胞密度，以作为疾病预后的生物标志物	创新点在于使用深度学习技术自动量化潘氏细胞密度，显著提高了量化效率和准确性	研究的局限性在于样本量相对较小，且仅基于回顾性数据，需要进一步的前瞻性研究验证	研究目的是开发一种深度学习工具，用于量化潘氏细胞密度，作为炎症性肠病的预测生物标志物	研究对象为患有或不患有炎症性肠病的患者的回肠组织样本	数字病理学	炎症性肠病	深度学习	U-net	图像	190例患者（142例克罗恩病患者和48例非炎症性肠病患者）
7892	2025-02-20	Coronary Artery Stenosis and High-Risk Plaque Assessed With an Unsupervised Fully Automated Deep Learning Technique 2024-Sep, JACC. Advances DOI:10.1016/j.jacadv.2024.100861 PMID:39372456	研究论文	本研究开发并验证了一种全自动深度学习系统，用于在冠状动脉CT血管造影（CCTA）上评估狭窄程度和高风险斑块（HRP）	提出了一种全自动无监督的深度学习系统，能够快速评估狭窄程度和HRP，具有很好的诊断性能	需要进一步验证在更大样本和更多中心的应用效果	开发并验证一种全自动深度学习系统，用于评估冠状动脉狭窄和高风险斑块	冠状动脉狭窄和高风险斑块	数字病理	心血管疾病	CCTA	深度学习	图像	570名患者用于训练，769名患者（3,012条血管）用于狭窄程度测试，45名患者（325条血管）用于HRP测试
7893	2025-02-20	CRISPR-Enhanced Photocurrent Polarity Switching for Dual-lncRNA Detection Combining Deep Learning for Cancer Diagnosis 2024-08-13, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.4c02617 PMID:39092917	研究论文	本文开发了一种新型CRISPR/Cas13a增强的光电流极性转换光电化学（PEC）生物传感器，用于联合检测双长链非编码RNA（lncRNA），并结合深度学习（DL）辅助癌症诊断	结合CRISPR/Cas13a技术和深度学习，开发了一种新型光电化学生物传感器，用于双lncRNA的联合检测和癌症早期智能诊断	未提及具体局限性	开发一种新型生物传感器，用于双lncRNA的联合检测和癌症早期智能诊断	长链非编码RNA（lncRNA）	生物传感器	癌症	CRISPR/Cas13a技术，光电化学（PEC）技术，深度学习（DL）	深度学习模型	光电化学数据	全血样本
7894	2025-02-20	Systematic Assessment of Deep Learning-Based Predictors of Fragmentation Intensity Profiles 2024-06-07, Journal of proteome research IF:3.8Q1 DOI:10.1021/acs.jproteome.3c00857 PMID:38728051	研究论文	本文对六种基于深度学习的肽段碎片强度预测方法进行了全面评估	首次系统评估了六种深度学习方法在预测肽段碎片强度方面的表现，并考虑了多种实验条件的影响	研究仅限于六种方法，可能未涵盖所有相关的最新方法	评估和比较不同深度学习方法在预测肽段碎片强度方面的准确性和速度	肽段碎片强度预测方法	机器学习	NA	质谱分析	深度学习	质谱数据	近170万前体（包括胰蛋白酶肽和HLA肽）对应的超过1800万实验光谱，来自40个独立的PRIDE库提交
7895	2025-02-20	Vocabulary Matters: An Annotation Pipeline and Four Deep Learning Algorithms for Enzyme Named Entity Recognition 2024-06-07, Journal of proteome research IF:3.8Q1 DOI:10.1021/acs.jproteome.3c00367 PMID:38733346	研究论文	本研究开发了一个用于酶命名实体识别（NER）的注释管道和四种深度学习算法，旨在提高生物医学文献的自动化处理效率	首次开发了酶NER算法，结合了字典匹配和基于规则的关键词搜索的自动化注释管道，并评估了四种不同词汇和架构的深度学习模型	尽管注释管道在精度上表现优异，但在1-score和召回率上被微调的transformer模型超越，表明其在训练数据之外的泛化能力有限	开发并评估用于酶命名实体识别的自动化注释管道和深度学习模型，以提高生物医学文献的自动化处理效率	酶命名实体识别	自然语言处理	NA	深度学习	BiLSTM, transformer	文本	超过4800篇全文出版物，其中526篇为手动注释
7896	2025-02-20	An investigation into augmentation and preprocessing for optimising X-ray classification in limited datasets: a case study on necrotising enterocolitis 2024-Jun, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-024-03107-0 PMID:38652416	研究论文	本文探讨了在有限数据集上优化X射线分类的数据增强和预处理技术，以坏死性小肠结肠炎（NEC）为例	提出了两种基于颜色对比和边缘增强的优化管道，以提高在有限数据集上开发可靠计算机辅助诊断模型的性能	研究仅限于NEC数据集，可能不适用于其他疾病或更大规模的数据集	优化X射线分类在有限数据集上的性能，特别是针对坏死性小肠结肠炎的诊断	364名患者的1090张腹部X射线图像	计算机视觉	坏死性小肠结肠炎	数据增强和预处理技术	ResNet-50	图像	1090张腹部X射线图像，来自364名患者
7897	2025-02-20	Deep Learning-based U-Mamba Model to Predict Differentiated Gastric Cancer using Radiomics Features from Spleen Segmentation 2024, Current medical imaging IF:1.1Q3 DOI:10.2174/0115734056349216241118115005 PMID:39710921	研究论文	本研究旨在开发一种基于深度学习的自动化方法，用于分割脾脏CT图像，并构建预测胃癌分化的模型	使用U-Mamba深度学习模型实现脾脏CT图像的自动分割，并结合放射组学特征预测胃癌分化程度	研究仅纳入了262名患者，样本量相对较小	开发自动化脾脏CT图像分割方法并构建胃癌分化预测模型	262名病理确诊的胃癌患者	数字病理	胃癌	CT成像	U-Mamba	图像	262名胃癌患者
7898	2025-02-20	Deep learning and explainable AI for classification of potato leaf diseases 2024, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2024.1449329 PMID:39963448	研究论文	本研究提出了一种结合可解释人工智能（XAI）和迁移学习的深度学习方法，用于马铃薯叶部病害的准确分类	结合迁移学习和可解释AI技术，提升模型在有限标注数据下的学习能力，并通过Grad-CAM增强模型的可解释性	未提及具体的数据集规模限制或模型在其他作物病害上的泛化能力	提高马铃薯叶部病害分类的准确性和模型的可解释性	马铃薯叶部病害	计算机视觉	NA	迁移学习，可解释AI（XAI）	深度学习模型	图像	使用公开的马铃薯叶部病害数据集，具体样本数量未提及
7899	2025-02-20	Author Correction: Deep learning enables fast, gentle STED microscopy 2023-Aug-10, Communications biology IF:5.2Q1 DOI:10.1038/s42003-023-05222-1 PMID:37563357	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
7900	2025-02-20	Deep learning enables fast, gentle STED microscopy 2023-06-27, Communications biology IF:5.2Q1 DOI:10.1038/s42003-023-05054-z PMID:37369761	研究论文	本文介绍了利用深度学习恢复STED显微镜图像的方法，以减少光漂白和光损伤，并显著降低像素停留时间	通过深度学习技术，实现了对STED显微镜图像的快速、温和恢复，减少了光漂白和光损伤，并显著降低了像素停留时间	NA	研究目的是通过深度学习技术改进STED显微镜成像，减少光漂白和光损伤，并提高成像效率	STED显微镜图像	计算机视觉	NA	STED显微镜	深度学习	图像	NA