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
801	2025-06-03	gRNAde: Geometric Deep Learning for 3D RNA inverse design 2025-Feb-26, bioRxiv : the preprint server for biology DOI:10.1101/2024.03.31.587283 PMID:38826198	research paper	介绍了一种名为gRNAde的几何深度学习流程，用于3D RNA逆设计，能够考虑结构和动态性来设计RNA序列	gRNAde采用多状态图神经网络和自回归解码，能够基于一个或多个3D骨架结构设计RNA序列，显著提高了原生序列恢复率	实验验证的成功率为50%，虽然优于Rosetta的35%，但仍有一定提升空间	开发一种能够考虑3D构象多样性的RNA序列设计方法	RNA序列设计，特别是针对结构灵活的RNA	machine learning	NA	几何深度学习，图神经网络	GNN	3D RNA骨架结构数据	14个RNA结构（来自PDB）以及10个结构化RNA骨架的湿实验验证
802	2025-06-03	The information bottleneck as a principle underlying multi-area cortical representations during decision-making 2025-Feb-15, bioRxiv : the preprint server for biology DOI:10.1101/2023.07.12.548742 PMID:37502862	研究论文	该研究探讨了大脑在决策过程中如何通过多个脑区形成最优表征，并利用多区域循环神经网络（RNN）模拟这一过程	揭示了大脑在决策过程中通过多区域计算形成最小充分表征的机制，并发现DLPFC和PMd在任务中的不同作用	研究仅基于猴子的DLPFC和PMd区域数据，未涵盖其他可能参与决策的脑区	理解大脑在决策过程中如何通过多个脑区分布计算并形成最优表征	猴子背外侧前额叶皮层（DLPFC）和背侧前运动皮层（PMd）的神经元活动	神经科学	NA	单神经元和多单位记录，多区域循环神经网络（RNN）模拟	RNN	神经信号	猴子的DLPFC和PMd神经元活动数据
803	2025-06-03	GastroHUN an Endoscopy Dataset of Complete Systematic Screening Protocol for the Stomach 2025-Jan-17, Scientific data IF:5.8Q1 DOI:10.1038/s41597-025-04401-5 PMID:39824869	research paper	介绍了一个名为GastroHUN的开放数据集，用于胃部系统性筛查的内窥镜图像和视频序列	提供了一个基于系统性协议的胃部筛查数据集，包含丰富的标注和多个专家的验证	数据集的规模和多样性可能仍然有限，可能无法覆盖所有临床场景	为机器学习和AI模型开发提供高质量的胃部内窥镜图像和视频数据集	胃部的22个解剖学标志物和不合格图像	digital pathology	gastrointestinal disease	endoscopy	deep learning models	image, video	8,834张图像和4,729个标注视频序列，来自387名患者
804	2025-06-03	A Radiograph Dataset for the Classification, Localization, and Segmentation of Primary Bone Tumors 2025-Jan-16, Scientific data IF:5.8Q1 DOI:10.1038/s41597-024-04311-y PMID:39820508	research paper	该论文介绍了一个用于原发性骨肿瘤分类、定位和分割的X射线数据集BTXRD	建立了首个公开的原发性骨肿瘤X射线数据集BTXRD，包含临床信息和标注	数据集规模相对较小，仅包含3746张图像	促进基于深度学习的原发性骨肿瘤计算机辅助诊断算法开发	原发性骨肿瘤的X射线图像	digital pathology	bone tumor	X-ray imaging	deep learning	image	3746张骨图像（1879张正常，1867张肿瘤）
805	2025-06-03	LDCT image biomarkers that matter most for the deep learning classification of indeterminate pulmonary nodules 2025-Jan, Cancer biomarkers : section A of Disease markers IF:2.2Q3 DOI:10.3233/CBM-230444 PMID:38848168	research paper	本研究通过图像掩蔽和显著性激活图探索了CT图像中肺实质和肿瘤区域对不确定肺结节分类的贡献	结合图像掩蔽和显著性激活图系统性地分析了CT图像中不同区域对肺结节分类的影响	研究仅针对4-20毫米直径的实性肺结节，未考虑其他类型的结节	探索深度学习网络在CT图像中识别肺癌所依赖的放射学特征	来自国家肺癌筛查试验(NLST)的实性肺结节患者	digital pathology	lung cancer	CT扫描	deep neural networks	image	来自NLST的特定尺寸肺结节患者数据
806	2025-06-03	Machine Learning, Deep Learning, Artificial Intelligence and Aesthetic Plastic Surgery: A Qualitative Systematic Review 2025-Jan, Aesthetic plastic surgery IF:2.0Q2 DOI:10.1007/s00266-024-04421-3 PMID:39384606	系统综述	本文通过系统综述评估了机器学习、深度学习和人工智能在美容整形手术中的应用	首次系统性地总结了AI、ML和DL在美容整形手术中的多种应用及其潜力	可能产生不切实际的术后效果预期，需要谨慎使用这些工具	评估AI技术在美容整形手术领域的应用现状	美容整形手术中的AI应用研究	人工智能在医疗中的应用	整形外科	机器学习(ML)、深度学习(DL)、人工智能(AI)	NA	图像数据	41篇研究进行全文审查，最终纳入18篇研究
807	2025-06-03	Blip-up blip-down circular EPI (BUDA-cEPI) for distortion-free dMRI with rapid unrolled deep learning reconstruction 2025-Jan, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2024.110277 PMID:39566835	研究论文	本文开发了一种名为BUDA-cEPI RUN-UP的快速重建管道，用于实现高质量、高分辨率的扩散磁共振成像（dMRI），并通过深度学习重建技术显著缩短重建时间	提出了基于机器学习的展开重建方法，引入了虚拟线圈概念，并设计了模仿S-LORAKS正则化的网络架构，显著提高了重建速度	虽然重建速度大幅提升，但该方法仍依赖于额外的非扩散图像（b值=0 s/mm2）以获得最佳效果	开发快速重建管道，促进BUDA-cEPI在常规临床和神经科学应用中的部署	扩散磁共振成像（dMRI）数据	医学影像处理	NA	扩散磁共振成像（dMRI），深度学习重建	U-Net	医学影像	NA
808	2025-06-03	Do Sharpness-Based Optimizers Improve Generalization in Medical Image Analysis? 2025, IEEE access : practical innovations, open solutions IF:3.4Q2 DOI:10.1109/ACCESS.2025.3568641 PMID:40443707	research paper	本文评估了基于锐度的优化器在医学图像分析中提高深度学习模型泛化能力的有效性	首次系统评估了多种基于锐度的优化器在医学图像数据集上的表现，发现SAM是唯一能一致提升泛化性能的方法	研究仅使用了三种医学图像数据集，可能无法代表所有医学图像场景	评估基于锐度的优化器在医学图像分析中提高模型泛化能力的有效性	医学图像数据集（乳腺超声、胸部X光和结肠组织病理学图像）	digital pathology	breast cancer, lung disease, colon disease	deep learning optimization	CNN, vision transformers	image	三种医学图像数据集
809	2025-06-03	Advances in Electrocardiogram-Based Artificial Intelligence Reveal Multisystem Biomarkers 2025, Journal of clinical & experimental cardiology PMID:40443717	review	本文讨论了基于心电图的人工智能在临床心脏病学中的进展、局限性和未来方向	利用基于心电图的深度学习模型识别心脏壁运动异常，并超越人类专家解释	讨论了深度学习模型在基于心电图的人工智能应用中的局限性和公平性考虑	探讨人工智能在临床心脏病学中的应用，提供创新的诊断、预后和治疗解决方案	心电图数据	machine learning	cardiovascular disease	Deep Learning	DL	ECG数据	NA
810	2025-06-03	XLLC-Net: A lightweight and explainable CNN for accurate lung cancer classification using histopathological images 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0322488 PMID:40445896	研究论文	该研究介绍了一种轻量级且可解释的CNN模型XLLC-Net，用于从组织病理学图像中准确分类肺癌	XLLC-Net是一种轻量级CNN模型，仅包含300万个参数，显著降低了计算资源需求，同时集成了可解释AI技术（如Saliency Map和GRAD-CAM）以增强模型的可解释性	研究仅关注了LC25000数据集中的三类肺癌，未包含其他类型的癌症或更广泛的数据集	开发一种轻量级且可解释的深度学习模型，用于肺癌的准确分类	组织病理学图像中的三类肺癌	数字病理学	肺癌	深度学习	CNN	图像	LC25000数据集中的三类肺癌样本
811	2025-06-03	Deep learning reconstruction of free-breathing, diffusion-weighted imaging of the liver: A comparison with conventional free-breathing acquisition 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0320362 PMID:40445963	研究论文	本研究比较了自由呼吸下使用深度学习重建的扩散加权成像（FB-DL-DWI）与传统扩散加权成像（FB-C-DWI）在肝脏MRI中的图像质量和实体性肝脏局灶性病变（FLL）评估	首次在自由呼吸条件下应用深度学习重建技术进行肝脏扩散加权成像，并与传统方法进行对比	FB-DL-DWI表现出比FB-C-DWI更强的人工感觉（P<0.001）	比较两种扩散加权成像技术在肝脏MRI中的表现	199名接受临床肝脏MRI检查的患者	医学影像分析	肝脏疾病	扩散加权成像（DWI），深度学习重建	深度学习模型（具体类型未说明）	医学影像数据	199名患者（其中110名患有慢性肝病），138个实体性肝脏局灶性病变
812	2025-06-03	Prediction of drug-target interactions based on substructure subsequences and cross-public attention mechanism 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0324146 PMID:40445972	研究论文	提出了一种基于子结构子序列和交叉公共注意力机制的药物-靶点相互作用预测模型SSCPA-DTI	采用多特征信息挖掘模块(MIMM)提取药物和蛋白质的原始及子结构特征，并利用交叉公共注意力模块(CPA)整合特征及提取相互作用信息，提高了预测准确性和可解释性	仅在三个公共数据集上进行了实验，未在其他数据集上验证模型的泛化能力	提高药物-靶点相互作用预测的准确性和可解释性	药物和蛋白质的相互作用	机器学习	NA	深度学习	SSCPA-DTI (基于注意力机制的模型)	序列数据(SMILES序列和蛋白质序列)	三个公共数据集
813	2025-06-03	Enhancing the dataset of CycleGAN-M and YOLOv8s-KEF for identifying apple leaf diseases 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0321770 PMID:40445983	研究论文	本研究提出了一种基于深度学习的方法，通过改进CycleGAN-M和YOLOv8s-KEF模型来提高苹果叶病害的识别准确率	使用多尺度注意力机制增强CycleGAN-M网络生成合成样本，改进YOLOv8s-KEF模型的特征提取能力，特别是针对小病变和复杂纹理	模型大小增加了6MB，可能影响部署效率	提高苹果叶病害的识别准确率，解决数据集有限、样本量小和识别精度低的问题	苹果叶病害	计算机视觉	植物病害	深度学习	CycleGAN-M, YOLOv8s-KEF	图像	NA
814	2025-06-03	ArsenicNet: An efficient way of arsenic skin disease detection using enriched fusion Xception model 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0322405 PMID:40446004	研究论文	提出了一种名为ArsenicNet的融合Xception模型，用于高效检测砷污染引起的皮肤疾病	结合Xception模型与Inception模块的深度学习架构，在砷皮肤疾病检测中表现出优越性能	数据集样本量较小（仅1287个样本），且仅基于孟加拉国人群	开发高效准确的砷皮肤疾病检测方法	砷污染引起的皮肤疾病	计算机视觉	皮肤疾病	深度学习	Xception与Inception模块融合的CNN	图像	1287张基于孟加拉国人群的皮肤图像
815	2025-06-03	Segmentation-based deep 2D-3D multibranch learning approach for effective hyperspectral image classification 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0321559 PMID:40446012	研究论文	本文提出了一种基于分割的深度2D-3D多分支学习方法，用于高效的高光谱图像分类	提出了一种新颖的多层多分支2D-3D CNN模型，结合了SPCA和mRMR技术，能够分层处理不同重要性的特征	未明确提及具体局限性，但可能涉及计算复杂性和模型泛化能力	解决高光谱图像分类中的数据冗余、计算成本高、样本不足和维度诅咒等问题	高光谱图像中的土地覆盖物体分类	计算机视觉	NA	Segmented Principal Component Analysis (SPCA), minimum-Redundancy-Maximum-Relevance (mRMR)	2D-3D CNN	高光谱图像	Salinas Scene、University of Pavia和Indian Pines高光谱图像数据集
816	2025-06-03	Deep Learning in Ultrasound Localization Microscopy: Applications and Perspectives 2024-12, IEEE transactions on ultrasonics, ferroelectrics, and frequency control DOI:10.1109/TUFFC.2024.3462299 PMID:39288061	综述	本文全面回顾了深度学习在超声定位显微镜（ULM）中的应用，重点关注稀疏微泡分布的假设方法	深度学习在ULM中的应用显著提高了图像质量、处理速度，并减少了微泡高浓度下的采集时间，为ULM的临床应用提供了新思路	当前方法在优化问题表述、评估标准和网络架构方面存在差异，仍需解决这些方法的局限性和挑战	探讨深度学习在超声定位显微镜中的应用及其未来潜力	超声定位显微镜（ULM）中的微泡定位、血流速度估计和像差校正	医学影像处理	NA	超声定位显微镜（ULM）	深度学习	图像	NA
817	2025-06-03	VoxelMorph-Based Deep Learning Motion Correction for Ultrasound Localization Microscopy of Spinal Cord 2024-12, IEEE transactions on ultrasonics, ferroelectrics, and frequency control DOI:10.1109/TUFFC.2024.3463188 PMID:39292568	研究论文	提出了一种基于VoxelMorph的深度学习运动校正方法，用于提高脊髓超声定位显微镜（ULM）成像的性能	首次将VoxelMorph深度学习模型应用于脊髓超声定位显微镜的运动校正，显著提高了微血管重建的分辨率	未提及在极端运动条件下的性能表现	提高脊髓血管超声定位显微镜成像的准确性	脊髓血管系统	医学影像处理	脊髓损伤	超声定位显微镜（ULM）	VoxelMorph	超声图像	NA
818	2025-06-03	Deep Power-Aware Tunable Weighting for Ultrasound Microvascular Imaging 2024-12, IEEE transactions on ultrasonics, ferroelectrics, and frequency control DOI:10.1109/TUFFC.2024.3488729 PMID:39480714	研究论文	本文提出了一种基于深度学习的功率感知可调加权方法（DPT），用于改善超声微血管成像（UMI）的质量	提出了一种结合卷积和Transformer的混合结构模型Yformer，用于估计噪声和信号功率，并引入可调噪声控制因子（NCF）以提高不同UMI应用的质量	模型仅在私有大鼠脑数据集上进行训练，可能在其他数据集上的泛化能力有待进一步验证	提高超声微血管成像（UMI）的图像质量，降低计算复杂度	超声微血管成像（UMI）中的噪声和信号功率估计	医学影像处理	NA	深度学习（DL）、平面波（PW）传输、延迟求和（DAS）波束成形	Yformer（结合CNN和Transformer的混合结构）	超声图像	公共模拟数据集、公共大鼠脑数据集、私有大鼠脑数据集、私有大鼠肝数据集
819	2025-06-03	ULM-MbCNRT: In Vivo Ultrafast Ultrasound Localization Microscopy by Combining Multibranch CNN and Recursive Transformer 2024-12, IEEE transactions on ultrasonics, ferroelectrics, and frequency control DOI:10.1109/TUFFC.2024.3388102 PMID:38607709	研究论文	本文提出了一种结合多分支CNN和递归Transformer的深度学习框架ULM-MbCNRT，用于从少量超声帧中直接重建超分辨率图像，实现超快超声定位显微镜成像	结合多分支CNN和递归Transformer的新型深度学习框架，显著减少了数据采集和计算时间	NA	开发一种能够快速实现超分辨率超声定位显微镜成像的方法	超声定位显微镜成像中的微血管	医学影像处理	NA	超声定位显微镜(ULM)	多分支CNN和递归Transformer(RT)	超声图像	数值模拟和体内实验
820	2025-06-03	Uncertainty Quantification for Conditional Treatment Effect Estimation under Dynamic Treatment Regimes 2024-Dec, Proceedings of machine learning research PMID:40443560	research paper	该研究提出了一种在动态治疗策略下估计条件治疗效果时量化深度学习模型中不确定性的方法	首次提出并比较了在机器学习模型中量化g-computation不确定性的多种方法，以改进动态治疗策略下的条件治疗效果估计	研究使用了模拟数据集和单一真实世界数据集（脓毒症数据），可能限制了结果的普遍性	改进动态治疗策略下条件治疗效果的估计，并量化模型不确定性	动态治疗策略下的治疗效果	machine learning	sepsis	variational dropout, deep ensembles	deep learning	clinical data	两个模拟数据集和一个真实世界脓毒症数据集