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
8021	2025-02-09	SIAM: Spatial and Intensity Awareness Module for cerebrovascular segmentation 2025-Mar, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2024.108511 PMID:39626410	研究论文	本文提出了一种新的空间和强度感知模块（SIAM），用于有限的脑血管分割，通过引入空间和像素强度扰动来构建新的匹配数据，以增强模型的学习能力	SIAM模块通过空间和像素强度扰动构建新的匹配数据，增强了模型对脑血管语义的理解，且具有即插即用的特性	尽管SIAM在有限数据下表现良好，但其在更大规模数据集上的性能仍需进一步验证	提高脑血管分割的准确性和鲁棒性，特别是在数据有限的情况下	脑血管图像	计算机视觉	脑血管疾病	深度学习	SIAM模块	3D图像	三个不同模态的脑血管数据集
8022	2025-02-09	A multi-task framework for breast cancer segmentation and classification in ultrasound imaging 2025-Mar, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2024.108540 PMID:39647406	研究论文	本文提出了一种用于超声图像中乳腺癌分割和分类的多任务框架，旨在提高乳腺癌病变的检测效果	引入了一种端到端的多任务框架，利用乳腺癌病变分类和分割任务之间的内在相关性，并在广泛使用的公共乳腺癌超声数据集BUSI上进行了综合分析	研究中未提及具体的数据标准化问题，且未详细讨论非肿瘤图像在训练中的影响	探索多任务系统在增强乳腺癌病变检测中的潜力	乳腺癌超声图像	计算机视觉	乳腺癌	深度学习	多任务框架	图像	使用公共乳腺癌超声数据集BUSI
8023	2025-02-09	Time-hybrid OSAformer (THO): A hybrid temporal sequence transformer for accurate detection of obstructive sleep apnea via single-lead ECG signals 2025-Mar, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2024.108558 PMID:39662234	研究论文	本文提出了一种名为时间混合OSAformer（THO）的新方法，利用单导联心电图信号进行阻塞性睡眠呼吸暂停（OSA）的准确检测	THO模型结合了扩张卷积和长短期记忆（LSTM）的混合架构，以及多尺度特征融合策略，并集成了多头部注意力模型中的嵌入式记忆衰减机制，以捕捉时间序列数据的实时特征	NA	提高使用单导联心电图信号进行阻塞性睡眠呼吸暂停（OSA）检测的准确性	阻塞性睡眠呼吸暂停（OSA）患者	机器学习	阻塞性睡眠呼吸暂停	单导联心电图信号分析	THO（结合扩张卷积和LSTM的混合架构）	时间序列数据（心电图信号）	NA
8024	2025-02-09	EpiBrCan-Lite: A lightweight deep learning model for breast cancer subtype classification using epigenomic data 2025-Mar, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2024.108553 PMID:39667144	研究论文	本文提出了一种名为EpiBrCan-Lite的轻量级深度学习模型，用于利用DNA甲基化数据对乳腺癌亚型进行分类	EpiBrCan-Lite模型通过改进传统的Transformer编码器，使用GRU模块替代MLP模块，减少了可训练权重参数（TWP），并捕捉了输入特征数据的长程依赖关系	模型在TCGA乳腺癌数据集上进行了验证，但该数据集存在类别不平衡问题，尽管使用了SMOTE技术进行缓解，但仍可能影响模型的泛化能力	提高乳腺癌亚型分类的准确性和效率，以便更好地进行患者预后	乳腺癌亚型分类	机器学习	乳腺癌	DNA甲基化数据	EpiBrCan-Lite（基于Transformer和GRU的混合模型）	DNA甲基化数据	TCGA乳腺癌数据集
8025	2025-02-09	Improving real-time detection of laryngeal lesions in endoscopic images using a decoupled super-resolution enhanced YOLO 2025-Mar, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2024.108539 PMID:39689500	研究论文	本研究提出了一种名为SRE-YOLO的深度学习方法，用于实时检测喉部病变，通过结合YOLOv8n基线和超分辨率分支来提高病变检测的准确性	SRE-YOLO方法在YOLOv8n基线的基础上集成了超分辨率分支，以增强病变检测，并在推理过程中解耦以保持低计算需求	研究依赖于多中心数据集，可能受到数据集多样性和采集模态的限制	开发一种高效的深度学习驱动决策支持系统，用于实时检测喉部病变	喉部病变	计算机视觉	喉癌	深度学习	YOLOv8n	图像	多中心数据集，涵盖多种喉部病理和采集模态
8026	2025-02-09	Transferable automatic hematological cell classification: Overcoming data limitations with self-supervised learning 2025-Mar, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2024.108560 PMID:39693791	研究论文	本研究提出将自监督学习（SSL）集成到细胞分类流程中，以解决数据稀缺和模型泛化能力有限的问题	通过自监督学习提取细胞图像特征，无需使用图像注释，并在少量标注图像上训练轻量级机器学习分类器，提高了分类准确性和模型适应性	研究仅基于四个公开的血液学单细胞图像数据集，可能无法完全代表所有实验室的情况	开发稳健可靠的自动细胞分类系统，以解决数据稀缺和模型泛化能力有限的问题	外周血和骨髓细胞	数字病理学	血液疾病	自监督学习（SSL）	轻量级机器学习分类器	图像	四个公开的血液学单细胞图像数据集，包括一个骨髓和三个外周血数据集
8027	2025-02-09	Multimodal autism detection: Deep hybrid model with improved feature level fusion 2025-Mar, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2024.108492 PMID:39700689	研究论文	本研究提出了一种基于深度学习的多模态自闭症检测模型，通过改进的特征级融合方法提高预测准确性	提出了一种新的自闭症检测模型，结合了改进的特征级融合方法和混合模型（CNN和Bi-GRU），显著提高了预测准确性	未提及样本的具体来源和多样性，可能影响模型的泛化能力	开发一种基于深度学习的自闭症检测模型，以提高诊断准确性	自闭症谱系障碍（ASD）患者	机器学习	自闭症	Gabor滤波、Wiener滤波、CSP、改进的奇异谱熵、相关维度、改进的主动外观模型、GLCM特征、SLBT	CNN、Bi-GRU	图像、EEG信号	NA
8028	2025-02-09	Robust multi-modal fusion architecture for medical data with knowledge distillation 2025-Mar, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2024.108568 PMID:39709743	研究论文	本文提出了一种新颖且高效的多模态融合框架，用于医疗数据集，即使在缺少一个或多个模态的情况下也能保持一致的性能	提出了一种基于池化瓶颈（PB）注意力的多模态融合模块，并结合知识蒸馏（KD）和梯度调制（GM）方法，以增强模型在缺失模态情况下的推理能力	研究仅在MIMIC-IV数据集上进行评估，可能需要进一步验证在其他数据集上的泛化能力	开发一种能够在缺失模态情况下保持性能的多模态融合框架，用于医疗数据	胸部X光片、现病史文本、人口统计和实验室测试等表格数据	数字病理	NA	知识蒸馏（KD）、梯度调制（GM）	多模态融合模型	图像、文本、表格数据	MIMIC-IV数据集
8029	2025-02-09	Deep learning-based multimodal integration of imaging and clinical data for predicting surgical approach in percutaneous transforaminal endoscopic discectomy 2025-Feb-08, European spine journal : official publication of the European Spine Society, the European Spinal Deformity Society, and the European Section of the Cervical Spine Research Society IF:2.6Q1 DOI:10.1007/s00586-025-08668-5 PMID:39920320	研究论文	本研究开发了一种基于深度学习的多模态模型，通过综合分析影像和临床数据，为经皮椎间孔镜椎间盘切除术（PTED）的手术入路选择提供客观参考	创新点在于结合了影像和临床数据，采用多输入ResNet 50模型和机器学习模型，并通过贝叶斯优化确定模型融合的最佳权重	研究为回顾性研究，可能存在数据偏差，且样本量未明确说明	研究目的是开发一种深度学习模型，辅助医生选择PTED手术入路	研究对象为多节段腰椎间盘突出症（LDH）患者	医学影像分析	腰椎间盘突出症	深度学习（DL）、机器学习（ML）	多输入ResNet 50模型、自定义模型	影像数据、临床数据	NA
8030	2025-02-09	Deep learning radiomics model based on contrast-enhanced MRI for distinguishing between tuberculous spondylitis and pyogenic spondylitis 2025-Feb-08, European spine journal : official publication of the European Spine Society, the European Spinal Deformity Society, and the European Section of the Cervical Spine Research Society IF:2.6Q1 DOI:10.1007/s00586-025-08696-1 PMID:39920318	研究论文	本研究旨在开发和验证一种基于对比增强MRI的深度学习放射组学列线图（DLRN），用于区分结核性脊柱炎（TS）和化脓性脊柱炎（PS）	结合放射组学和深度学习特征，开发了一种新的深度学习放射组学列线图（DLRN），用于区分TS和PS	研究样本量相对较小，且仅基于两个中心的数据	区分结核性脊柱炎（TS）和化脓性脊柱炎（PS）	被诊断为TS或PS的患者	数字病理学	脊柱炎	对比增强MRI（CE-MRI）	深度学习放射组学列线图（DLRN）	图像	147名患者（训练队列102名，外部测试队列45名）
8031	2025-02-09	Deep learning aided determination of the optimal number of detectors for photoacoustic tomography 2025-Feb-07, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/adaf29 PMID:39874604	研究论文	本文介绍了一种基于深度学习的卷积神经网络架构RDUNet，用于解决光声断层扫描（PAT）中的条纹伪影问题，并优化探测器数量	提出了一种结合残差块和密集块的RDUNet架构，显著减少了光声断层扫描中所需的探测器数量	研究主要基于模拟数据，实验数据占比仅为19%，可能影响模型在实际应用中的泛化能力	优化光声断层扫描的图像质量并减少探测器数量	光声断层扫描图像	计算机视觉	NA	光声断层扫描（PAT）	CNN（卷积神经网络），RDUNet	图像	模拟数据（81%）和实验数据（19%）
8032	2025-02-09	Deep Learning Reconstruction Combined With Conventional Acceleration Improves Image Quality of 3 T Brain MRI and Does Not Impact Quantitative Diffusion Metrics 2025-Feb-07, Investigative radiology IF:7.0Q1 DOI:10.1097/RLI.0000000000001158 PMID:39919383	研究论文	本研究评估了传统加速与基于Deep Resolve Boost（DRB）重建技术在3 T脑MRI中的单次激发平面回波成像（ssEPI）扩散加权成像（DWI）上的图像质量特征，并与最先进的DWI序列进行了比较	结合传统加速和DRB重建技术，显著提高了3 T脑MRI的图像质量，并缩短了采集时间	在DRB重建序列中，某些切片中观察到更多的伪影，且随着加速和DRB的应用，ADC值的差异增加	评估传统加速与DRB重建技术在3 T脑MRI中的图像质量特征	24名患者的标准护理ssEPI DWI和5种额外的适应性ssEPI DWI序列	医学影像	脑部疾病	单次激发平面回波成像（ssEPI）扩散加权成像（DWI）	Deep Resolve Boost（DRB）	图像	24名患者
8033	2025-02-09	Predicting hematoma expansion after intracerebral hemorrhage: a comparison of clinician prediction with deep learning radiomics models 2025-Feb-07, Neurocritical care IF:3.1Q2 DOI:10.1007/s12028-025-02214-3 PMID:39920546	研究论文	本文比较了深度学习放射组学模型与临床专家在预测非创伤性脑出血后血肿扩张的准确性	首次将深度学习放射组学模型与临床专家的预测能力进行比较，并展示了机器学习模型在此任务上的潜在优势	尽管机器学习模型表现优于临床专家，但其AUC值仍处于中等水平，表明仍有改进空间	预测非创伤性脑出血后血肿扩张，以指导早期治疗干预	900名非创伤性脑出血患者	数字病理学	脑出血	机器学习	随机森林分类器, 深度学习模型	图像, 临床数据	900名患者（训练队列621名，测试队列279名）
8034	2025-02-09	Predicting cognitive decline: Deep-learning reveals subtle brain changes in pre-MCI stage 2025-Feb-06, The journal of prevention of Alzheimer's disease DOI:10.1016/j.tjpad.2025.100079 PMID:39920001	研究论文	本研究利用深度学习技术，通过结构磁共振成像（MRI）检测前轻度认知障碍（pre-MCI）阶段的细微脑部变化，以预测认知衰退	开发了一种独特的深度学习框架，结合单ROI网络（SRNet）和多ROI网络（MRNet），用于预测从正常认知（NC）到轻度认知障碍（MCI）的转变，并提出了渐进指数（PI）作为评估AD转化倾向的指标	研究依赖于特定的数据集（ADNI-1、ADNI-2和CLAS），可能限制了模型的普遍适用性	发现早期结构性神经影像变化，区分稳定和进展性认知状态，并建立MCI转化的预测模型	正常认知（NC）和轻度认知障碍（MCI）患者	数字病理学	老年疾病	结构磁共振成像（MRI）	卷积神经网络（CNN）	图像	ADNI-1数据库中的845名受试者，ADNI-2数据库中的321名受试者，以及中国纵向老龄化研究（CLAS）中的109名受试者
8035	2025-02-09	Deep empirical neural network for optical phase retrieval over a scattering medium 2025-Feb-05, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-56522-5 PMID:39910048	研究论文	本文提出了一种深度经验神经网络（DENN），用于在不透明散射介质中进行光学相位恢复	DENN结合了深度神经网络和经验模型，能够在没有标签数据的情况下实现光学相位恢复，且在保真度上比监督学习方法提高了58%	DENN在处理没有解析解的系统时表现出色，但在其他类型的系统上可能效果有限	研究目的是开发一种能够在没有标签数据的情况下进行光学相位恢复的深度学习方法	研究对象是光学相位恢复，特别是在不透明散射介质中的应用	机器学习	NA	深度经验神经网络（DENN）	深度神经网络	光学数据	30000对数据
8036	2025-02-09	Screening of multi deep learning-based de novo molecular generation models and their application for specific target molecular generation 2025-Feb-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-86840-z PMID:39910075	研究论文	本文研究了多种基于深度学习的从头分子生成模型，并应用于特定靶点分子的生成	提出了一种基于生成预训练Transformer（GPT）架构的改进模型，并引入了一种基于完整编码器-解码器架构的Transformer模型（T5）的端到端神经网络学习框架	NA	改进和评估基于自然语言处理（NLP）的分子生成模型，用于针对非小细胞肺癌中L858R/T790M/C797S突变的EGFR的从头药物发现	非小细胞肺癌中的L858R/T790M/C797S突变EGFR	自然语言处理	肺癌	深度学习	Transformer, GPT, T5	分子序列（SMILES）	NA
8037	2025-02-09	Classification of schizophrenia, bipolar disorder and major depressive disorder with comorbid traits and deep learning algorithms 2025-Feb-05, Schizophrenia (Heidelberg, Germany) DOI:10.1038/s41537-025-00564-7 PMID:39910091	研究论文	本研究利用多基因风险评分（PRSs）和深度学习算法，探讨了共享遗传责任在精神分裂症、双相情感障碍和重度抑郁症分类与区分中的应用	通过结合目标特异性PRS和共病特征的PRS，提高了目标疾病的分类准确性，且仅使用共病特征的PRS也能有效区分未受影响的对照组和患者	未明确提及研究的局限性	评估共享遗传责任在精神分裂症、双相情感障碍和重度抑郁症分类与区分中的效用	精神分裂症（SCZ）、双相情感障碍（BIP）和重度抑郁症（MDD）患者及未受影响的对照组	机器学习	精神疾病	多基因风险评分（PRSs）	深度学习算法	基因数据	未明确提及样本数量
8038	2025-02-09	A feature extraction method for hydrofoil attached cavitation based on deep learning image semantic segmentation algorithm 2025-Feb-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-88582-4 PMID:39910333	研究论文	本文提出了一种基于深度学习图像语义分割技术的水翼附着空化特征提取方法，用于研究水翼上从片状空化到云状空化的转变过程	该方法不仅能够自动准确地获取空化长度，还能提取更敏感的空化区域面积和位置变化指标，有助于更精确地分析附着空化的发展机制	NA	研究水翼附着空化的特征提取及其发展机制	水翼上的空化现象	计算机视觉	NA	深度学习图像语义分割技术	NA	图像	NA
8039	2025-02-09	Barlow Twins deep neural network for advanced 1D drug-target interaction prediction 2025-Feb-05, Journal of cheminformatics IF:7.1Q1 DOI:10.1186/s13321-025-00952-2 PMID:39910404	研究论文	本文提出了一种名为BarlowDTI的新方法，利用Barlow Twins架构进行特征提取，并结合目标蛋白结构，用于药物-靶点相互作用预测	结合Barlow Twins架构和梯度提升机的混合方法，仅使用一维输入数据，在多个基准测试中实现了最先进的预测性能，并提出了影响方法以解释模型决策	未提及具体局限性	提高药物-靶点相互作用预测的效率和准确性，加速药物发现过程	药物-靶点相互作用	机器学习	NA	深度学习，梯度提升机	Barlow Twins，梯度提升机	一维数据	未提及具体样本数量
8040	2025-02-09	Positional embeddings and zero-shot learning using BERT for molecular-property prediction 2025-Feb-05, Journal of cheminformatics IF:7.1Q1 DOI:10.1186/s13321-025-00959-9 PMID:39910649	研究论文	本研究探讨了在分子性质预测中使用BERT模型的位置嵌入（PEs）的潜力，特别是在化学文本分析任务中	探索了在BERT模型中整合位置信息的不同方法，并评估了这些方法在零样本学习分析中的潜力	研究主要集中在SMILES和DeepSMILES表示上，可能未涵盖所有分子表示方法	提高分子性质预测的准确性和泛化能力	化学结构表示和分子性质预测	自然语言处理	NA	BERT模型	BERT	文本（SMILES和DeepSMILES表示）	涉及COVID-19、生物测定数据及其他分子和生物性质的数据集