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
8101	2025-02-06	Segmentation of cortical bone, trabecular bone, and medullary pores from micro-CT images using 2D and 3D deep learning models 2025-Feb-05, Anatomical record (Hoboken, N.J. : 2007) DOI:10.1002/ar.25633 PMID:39905914	研究论文	本文提出了一种使用2D和3D深度学习模型从微CT图像中分割皮质骨、松质骨和髓腔孔隙的方法	开发了名为BONe的新模型，旨在快速准确地进行骨分割，并比较了2D和3D模型的性能	3D模型的计算成本高，限制了其可扩展性和实用性	实现从微CT图像中自动分割皮质骨、松质骨和髓腔孔隙	水獭长骨的微CT扫描图像	计算机视觉	NA	微CT扫描	CNN	图像	NA
8102	2025-02-06	Artificial intelligence-based cardiac transthyretin amyloidosis detection and scoring in scintigraphy imaging: multi-tracer, multi-scanner, and multi-center development and evaluation study 2025-Feb-05, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-025-07117-1 PMID:39907796	研究论文	本研究旨在利用深度学习技术，在多示踪剂、多扫描仪和多中心数据集上自动检测和评分心脏转甲状腺素蛋白淀粉样变性（ATTR-CM）	开发了一个全自动的管道，用于在多示踪剂、多扫描仪和多中心数据集上检测和评分ATTR-CM，实现了高准确率	数据集#6中的3215名患者没有标签，可能影响模型性能的全面评估	自动检测和评分心脏转甲状腺素蛋白淀粉样变性（ATTR-CM）	心脏转甲状腺素蛋白淀粉样变性（ATTR-CM）患者	数字病理学	心血管疾病	深度学习	CNN	图像	六个数据集，包括93名、216名、41名、53名、129名和3215名患者
8103	2025-02-06	Class-aware multi-level attention learning for semi-supervised breast cancer diagnosis under imbalanced label distribution 2025-Feb-05, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-025-03291-4 PMID:39907850	研究论文	本文提出了一种面向半监督乳腺癌诊断的类感知多级注意力学习模型，旨在减少对大量数据标注的依赖，并通过多级融合注意力学习模块和类感知自适应伪标签模块提高诊断准确性和平衡学习过程	提出了类感知多级注意力学习模型，结合多级融合注意力学习模块和类感知自适应伪标签模块，有效解决了现有乳腺癌诊断模型在数据标注依赖、特征提取和类别不平衡方面的局限性	实验仅在BACH数据集上进行验证，未在其他数据集或实际临床环境中测试其泛化能力	开发一种半监督乳腺癌诊断模型，减少对大量标注数据的依赖并提高诊断准确性	乳腺癌图像数据	计算机视觉	乳腺癌	深度学习	类感知多级注意力学习模型	图像	BACH数据集中的显微图像数据，仅使用40%的标注数据
8104	2025-02-06	Spatio-temporal transformers for decoding neural movement control 2025-Feb-04, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/adaef0 PMID:39870043	研究论文	本文介绍了一种新型的专门用于分析单神经元放电活动的transformer架构，用于解码神经运动控制	提出了一种新型的transformer架构，能够在低数据情况下高效且可解释地分析神经活动，并能够早期预测运动方向和是否生成运动	模型仅在非人类灵长类动物的背侧前运动皮层多电极记录数据上进行了测试，尚未在人类数据上验证	研究神经运动控制的解码方法	非人类灵长类动物的背侧前运动皮层	机器学习	NA	多电极记录	transformer	神经生理数据	非人类灵长类动物的多电极记录数据
8105	2025-02-06	High-resolution deep learning reconstruction for coronary CTA: compared efficacy of stenosis evaluation with other methods at in vitro and in vivo studies 2025-Feb-04, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-11376-9 PMID:39903239	研究论文	本研究比较了混合型迭代重建（IR）、基于模型的迭代重建（MBIR）、深度学习重建（DLR）和高分辨率深度学习重建（HR-DLR）在冠状动脉CT血管造影（CCTA）中对冠状动脉狭窄评估的效果	首次在体外和体内研究中直接比较了HR-DLR与其他重建方法在冠状动脉狭窄评估中的效果	研究样本量较小，仅包括31名患者	比较不同重建方法在冠状动脉狭窄评估中的效果	冠状动脉狭窄评估	医学影像	心血管疾病	CT扫描	深度学习重建（DLR）	CT图像	31名患者和三根不同直径的血管模型
8106	2025-02-06	Age-stratified deep learning model for thyroid tumor classification: a multicenter diagnostic study 2025-Feb-04, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-11386-7 PMID:39903238	研究论文	本研究开发了一种基于年龄分层的深度学习模型（ASMCNet），用于甲状腺结节的分类，并探讨了年龄分层对模型准确性的影响	首次将年龄分层引入深度学习模型，用于甲状腺结节的分类，并验证了其提高诊断准确性的潜力	研究为回顾性研究，可能存在数据偏差，且未在更大规模的多中心数据集中验证模型的泛化能力	探讨年龄分层对甲状腺结节分类模型准确性的影响，并评估模型在临床诊断中的辅助作用	甲状腺结节患者	数字病理	甲状腺癌	深度学习	ASMCNet	超声图像	5934名患者的10391张超声图像
8107	2025-02-06	Deep-ELA: Deep Exploratory Landscape Analysis with Self-Supervised Pretrained Transformers for Single- and Multi-Objective Continuous Optimization Problems 2025-Feb-04, Evolutionary computation IF:4.6Q1 DOI:10.1162/evco_a_00367 PMID:39903851	研究论文	本文提出了一种结合深度学习和探索性景观分析（ELA）特征的混合方法Deep-ELA，用于单目标和多目标连续优化问题的分析	提出了一种结合深度学习和ELA特征的混合方法，解决了传统ELA特征在多目标优化问题中的局限性，并减少了深度学习对大量标注数据的依赖	需要预训练大量随机生成的优化问题，可能在实际应用中存在计算资源消耗较大的问题	改进单目标和多目标连续优化问题的分析方法	单目标和多目标连续优化问题	机器学习	NA	深度学习，探索性景观分析（ELA）	Transformer	数值特征	数百万个随机生成的优化问题
8108	2025-02-06	A novel cross-modal data augmentation method based on contrastive unpaired translation network for kidney segmentation in ultrasound imaging 2025-Feb-04, Medical physics IF:3.2Q1 DOI:10.1002/mp.17663 PMID:39904615	研究论文	本文提出了一种基于对比无配对翻译网络的新型跨模态数据增强方法，用于提高基于深度学习的肾脏超声图像分割性能	采用对比无配对翻译网络（CUT）从标记的腹部CT数据和无标记的肾脏超声图像中低成本获取模拟的标记肾脏超声图像，并提出了一种实例加权训练策略	需要依赖标记的CT数据和无标记的超声图像，且模拟图像的质量可能影响最终分割效果	提高基于深度学习的肾脏超声图像分割模型的准确性和泛化能力	肾脏超声图像	计算机视觉	肾脏疾病	对比无配对翻译网络（CUT）	U-Net	图像	4418张标记的CT切片和4594张无标记的超声图像用于生成网络训练，4594张模拟和100张真实的肾脏超声图像用于分割网络训练，20张用于验证，169张用于测试
8109	2025-02-06	The Dipeptidyl Peptidase-4 Inhibitor Saxagliptin as a Candidate Treatment for Disorders of Consciousness: A Deep Learning and Retrospective Clinical Analysis 2025-Feb-04, Neurocritical care IF:3.1Q2 DOI:10.1007/s12028-025-02217-0 PMID:39904872	研究论文	本研究利用深度学习模型筛选FDA批准的药物，发现二肽基肽酶-4抑制剂沙格列汀可能作为治疗意识障碍的新药物，并通过回顾性临床分析验证其效果	首次使用深度学习模型预测现有药物的觉醒效果，并发现沙格列汀在急性及长期意识障碍中的潜在治疗作用	研究为回顾性分析，需进一步的前瞻性临床试验验证沙格列汀的疗效和安全性	探索现有FDA批准药物在治疗意识障碍中的新用途	4047名因创伤、血管性或缺氧性脑损伤导致的昏迷患者	机器学习	意识障碍	深度学习	深度学习模型	临床数据	4047名患者
8110	2025-02-06	Comparative Analysis of U-Net and U-Net3 + for Retinal Exudate Segmentation: Performance Evaluation Across Regions 2025-Feb-04, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01419-4 PMID:39904940	研究论文	本研究比较了U-Net和U-Net3+在视网膜渗出物分割中的性能，评估了它们在不同区域的检测效果	首次在不同视网膜区域（如血管周围与血管外区域、黄斑周围与黄斑外区域）对U-Net和U-Net3+模型进行了详细的性能评估	研究仅基于U-Net3+模型的结果进行评估，未进一步探讨其他深度学习模型的表现	评估深度学习模型在视网膜渗出物检测中的性能，以提高糖尿病视网膜病变的诊断准确性和效率	糖尿病视网膜病变患者的眼底图像	计算机视觉	糖尿病视网膜病变	深度学习	U-Net, U-Net3+	图像	NA
8111	2025-02-06	Preoperatively Predicting PIT1 Expression in Pituitary Adenomas Using Habitat, Intra-tumoral and Peri-tumoral Radiomics Based on MRI 2025-Feb-04, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01376-4 PMID:39904941	研究论文	本研究旨在利用基于MRI的生境、瘤内和瘤周放射组学模型预测垂体腺瘤中垂体转录因子1（PIT1）的表达	创新点在于结合了生境、瘤内和瘤周放射组学特征，并构建了深度学习放射组学列线图（DLRN）用于个体预测	研究样本量相对较小，且为回顾性研究，可能存在选择偏倚	预测垂体腺瘤中PIT1的表达	129名垂体腺瘤患者	数字病理学	垂体腺瘤	MRI	logistic regression (LR), support vector machines (SVM), multilayer perceptron (MLP), deep learning radiomics nomogram (DLRN)	图像	129名患者（训练集103名，测试集26名）
8112	2025-02-06	Learning Phenotype Associated Signature in Spatial Transcriptomics with PASSAGE 2025-Feb-04, Small methods IF:10.7Q1 DOI:10.1002/smtd.202401451 PMID:39905872	研究论文	本文介绍了一种名为PASSAGE的深度学习框架，用于在空间转录组学中有效表征与表型相关的特征	PASSAGE框架通过图嵌入方法，能够在多个异质性空间切片中有效表征与表型相关的特征，超越了传统的无监督方法	NA	研究目的是开发一种能够利用样本特征（如生理/病理状态）来识别空间转录组学中表型相关特征的计算工具	空间转录组学数据	数字病理学	NA	空间转录组学	深度学习	空间转录组数据	NA
8113	2025-02-06	Functional feature extraction and validation from twelve-lead electrocardiograms to identify atrial fibrillation 2025-Feb-02, Communications medicine IF:5.4Q1 DOI:10.1038/s43856-025-00749-2 PMID:39894874	研究论文	本文提出了一种非参数特征提取方法，用于识别与心房颤动发展相关的特征	与深度学习方法相比，本文提出的特征直观且能提供个体水平上心房颤动发展前的纵向心电图变化洞察	方法仍需要进一步验证以确认其广泛适用性	识别与心房颤动发展相关的心电图特征	慢性肾功能不全队列研究中的参与者	机器学习	心血管疾病	功能主成分分析	Cox比例风险模型	心电图数据	慢性肾功能不全队列研究中的参与者（2003-2008年和2013-2015年）
8114	2025-02-06	Advancing forecasting capabilities: A contrastive learning model for forecasting tropical cyclone rapid intensification 2025-Jan-28, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2415501122 PMID:39835899	研究论文	本文提出了一种基于对比学习的热带气旋快速增强预测模型，以提高预测准确性	该模型通过解决样本不平衡问题并结合热带气旋结构特征，显著提高了预测性能	模型仅在西北太平洋2020至2021年的1149个热带气旋周期上进行了测试，可能需要更多数据验证其泛化能力	提高热带气旋快速增强的预测能力	热带气旋快速增强事件	机器学习	NA	对比学习	RITCF-contrastive	卫星红外图像、大气和海洋数据	1149个热带气旋周期
8115	2025-02-06	Inferring disease progression stages in single-cell transcriptomics using a weakly supervised deep learning approach 2025-Jan-22, Genome research IF:6.2Q1 DOI:10.1101/gr.278812.123 PMID:39622637	研究论文	本文提出了一种新的深度学习方法scIDST，用于推断单细胞转录组学中的疾病进展阶段	scIDST方法通过弱监督框架推断单个细胞的疾病进展水平，解决了患者来源组织中细胞异质性问题	NA	解决单细胞转录组学中细胞异质性问题，识别与疾病相关的分子特征	患者来源组织中的单个细胞	单细胞转录组学	NA	单细胞/核基因组测序	深度学习	单细胞转录组数据	NA
8116	2025-02-04	Estimating Task-based Performance Bounds for Accelerated MRI Image Reconstruction Methods by Use of Learned-Ideal Observers 2025-Jan-16, ArXiv PMID:39876930	研究论文	本文探讨了使用学习理想观察者（CNN-IOs）来估计加速MRI图像重建方法的任务性能界限	将卷积神经网络（CNN）近似的理想观察者（CNN-IOs）应用于多线圈磁共振成像（MRI）系统，以建立图像重建的任务性能界限	研究仅限于多线圈SENSE MRI系统和深度生成的随机脑模型，可能不适用于其他类型的成像系统或模型	设计和优化医学成像系统，特别是加速MRI图像重建方法，以确保诊断信息的完整性	多线圈磁共振成像（MRI）系统	医学影像	NA	卷积神经网络（CNN）	CNN	图像	深度生成的随机脑模型
8117	2025-02-06	A Vessel Bifurcation Landmark Pair Dataset for Abdominal CT Deformable Image Registration (DIR) Validation 2025-Jan-15, ArXiv PMID:39876932	研究论文	本文介绍了一种用于腹部CT可变形图像配准（DIR）验证的首个基准数据集，包含大量高精度的血管分叉标志点对	首次提供了用于腹部CT DIR验证的基准数据集，包含大量高精度的血管分叉标志点对	数据集仅包含30名患者的腹部CT图像，样本量相对较小	支持未来DIR算法的开发与验证	腹部CT图像中的血管分叉标志点对	数字病理学	NA	深度学习模型	NA	CT图像	30名患者的腹部CT图像，共1895个标志点对
8118	2025-02-06	Reusable specimen-level inference in computational pathology 2025-Jan-10, ArXiv PMID:39867428	研究论文	本文介绍了SpinPath工具包，旨在通过提供预训练的标本级模型、Python推理引擎和JavaScript推理平台，普及标本级深度学习在计算病理学中的应用	开发了SpinPath工具包，填补了标本级模型在计算病理学中不可用的空白，促进了标本级深度学习的普及和应用	未提及具体的技术或模型性能限制	推动计算病理学中标本级深度学习的应用和普及	计算病理学中的标本级任务	数字病理学	NA	深度学习	预训练模型	标本级数据	涉及九个基础模型的转移检测任务
8119	2025-02-06	Counterfactual Diffusion Models for Mechanistic Explainability of Artificial Intelligence Models in Pathology 2025-Jan-08, bioRxiv : the preprint server for biology DOI:10.1101/2024.10.29.620913 PMID:39554184	研究论文	本文提出并验证了MoPaDi（Morphing histoPathology Diffusion），一种用于生成反事实机制解释的模型，以提高人工智能模型在病理学中的可解释性	MoPaDi利用扩散自编码器操纵病理图像块，并通过改变形态翻转其生物标志物状态，同时结合多实例学习处理弱监督问题	NA	提高深度学习模型在病理学中的可解释性	病理学全切片图像	数字病理学	癌症	扩散自编码器	扩散模型	图像	四个数据集，包括组织类型、不同器官的癌症类型、切片中心来源和微卫星不稳定性生物标志物
8120	2025-02-06	Multiscale Cell-Cell Interactive Spatial Transcriptomics Analysis 2025-Jan-03, Research square DOI:10.21203/rs.3.rs-5743704/v1 PMID:39801521	研究论文	本文提出了一种多尺度细胞间交互空间转录组学（MCIST）分析方法，用于整合基因表达谱及其空间位置，以识别空间域、推断细胞类型动态和检测组织内的基因表达模式	MCIST结合了多尺度拓扑表示和前沿空间深度学习技术的优势，填补了当前空间转录组学分析中忽视多尺度细胞间交互的空白	NA	提升空间转录组学数据分析的准确性和多尺度洞察力	空间转录组学数据	空间转录组学	NA	空间转录组学分析	空间深度学习技术	空间转录组学数据	37个基准空间转录组学数据集