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
8241	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
8242	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
8243	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
8244	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
8245	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
8246	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
8247	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
8248	2025-02-20	Accurate Prediction of Transcriptional Activity of Single Missense Variants in HIV Tat with Deep Learning 2023-Mar-24, International journal of molecular sciences IF:4.9Q2 DOI:10.3390/ijms24076138 PMID:37047108	研究论文	本文提出了一种结合GigaAssay和深度学习的方法，用于预测HIV Tat基因中单错义变体的转录活性	首次将深度学习应用于预测HIV Tat基因单错义变体的转录活性，并取得了高精度的预测结果	目前仅适用于单错义变体，尚未扩展到更复杂的Tat等位基因	更好地理解HIV基因组转录的遗传控制，以帮助理解AIDS的病理和治疗	HIV Tat基因的单错义变体	机器学习	AIDS	GigaAssay, 深度学习	深度学习	实验数据	NA
8249	2025-02-19	Bean leaf image dataset annotated with leaf dimensions, segmentation masks, and camera calibration 2025-Apr, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2025.111328 PMID:39959655	研究论文	本文介绍了一个包含6981张普通豆叶图像的数据库，这些图像附有基准标记和已知叶片尺寸的注释	提供了一个包含详细注释的叶片图像数据库，包括图像分割、已知区域、基准标记区域、标记姿态、拍摄条件和相机校准信息	NA	开发用于叶片尺寸测量及相关问题的深度学习算法	普通豆叶	计算机视觉	NA	NA	NA	图像	6981张图像，涉及612片普通豆叶
8250	2025-02-19	Prediction of Visual Acuity After Cataract Surgery by Deep Learning Methods Using Clinical Information and Color Fundus Photography 2025-Mar, Current eye research IF:1.7Q3 DOI:10.1080/02713683.2024.2430212 PMID:39651583	研究论文	本研究探讨了使用术前临床信息和彩色眼底摄影（CFP）通过深度学习方法预测白内障手术后视力的性能	结合了彩色眼底摄影和临床信息的多模态模型，用于预测白内障手术后的视力	多模态输入对预测性能的改善效果不明显，未来研究需要进一步明确多模态输入的影响	预测白内障手术后的视力	接受白内障手术的患者	计算机视觉	白内障	深度学习	Xception和下游神经网络	图像和临床数据	446名患者的673张眼底图像
8251	2025-02-19	DeepPD: A Deep Learning Method for Predicting Peptide Detectability Based on Multi-feature Representation and Information Bottleneck 2025-Mar, Interdisciplinary sciences, computational life sciences DOI:10.1007/s12539-024-00665-4 PMID:39661307	研究论文	本文介绍了一种名为DeepPD的深度学习框架，用于基于多特征表示和信息瓶颈原则预测肽的可检测性	DeepPD结合了多特征表示和信息瓶颈原则，通过进化尺度建模2（ESM-2）提取肽的语义信息，并整合序列和进化信息构建特征空间，有效减少了特征空间的冗余	NA	预测肽的可检测性，以改进蛋白质组学中的基本任务	肽	机器学习	NA	进化尺度建模2（ESM-2）	深度学习	序列数据	多个数据集
8252	2025-02-19	Automated quantification of brain PET in PET/CT using deep learning-based CT-to-MR translation: a feasibility study 2025-Feb-18, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-025-07132-2 PMID:39964542	研究论文	本研究提出了一种深度学习框架，用于将PET/CT中的CT图像转换为合成MR图像（MRSYN），并利用MRSYN进行自动定量区域分析	提出了一种新的深度学习框架，能够在不依赖MRI的情况下，通过CT图像生成合成MR图像，并用于PET图像的定量分析	研究中排除了前扣带回区域，且样本量相对较小（139名受试者）	解决PET/CT和MRI图像对不总是可用且对齐困难的问题，实现自动定量脑部PET分析	139名接受脑部[18F]FBB PET/CT和T1加权MRI的受试者	医学影像分析	脑部疾病	深度学习	U-Net	图像	139名受试者
8253	2025-02-19	Deep learning-based time-of-flight (ToF) enhancement of non-ToF PET scans for different radiotracers 2025-Feb-18, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-025-07119-z PMID:39964543	研究论文	本文评估了一种基于深度学习的时间飞行（DLToF）模型，该模型旨在提升非ToF PET图像的质量，使其接近ToF图像的质量	开发了一种适用于多种示踪剂的深度学习模型，能够显著提升非ToF PET图像的质量，使其接近ToF图像的质量	研究仅基于特定型号的扫描仪（GE Discovery MI）和特定数量的数据集，可能限制了模型的普适性	评估深度学习模型在提升非ToF PET图像质量方面的效果	非ToF PET图像	医学影像处理	NA	深度学习	3D残差U-NET	PET图像	309个训练数据集和33个验证数据集，测试集包括60个数据集，每个数据集包含5个图像系列
8254	2025-02-19	TongueTransUNet: toward effective tongue contour segmentation using well-managed dataset 2025-Feb-18, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-024-03278-7 PMID:39964658	研究论文	本文提出了一种名为TongueTransUNet的方法，用于有效地分割舌轮廓，以理解语言行为并作为生物反馈应用于不同领域	提出了一种结合UNet、Vision Transformer (ViT)和对比损失的混合架构，利用动态大小的数据集进行有效训练，并通过人类专家验证新输入数据	需要人类专家手动标注被拒绝的样本，增加了时间和成本	研究舌轮廓分割技术，以理解语言行为并应用于生物反馈	舌轮廓	计算机视觉	NA	舌部超声	UNet, Vision Transformer (ViT)	图像	动态大小的数据集
8255	2025-02-19	Deep learning for retinal vessel segmentation: a systematic review of techniques and applications 2025-Feb-18, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-025-03324-y PMID:39964659	系统综述	本文系统回顾了2020年至2024年间发表的79项关于基于深度学习的视网膜血管分割的研究，重点关注数据集、分割模型、评估指标和新兴趋势	本文首次系统性地总结了U-Net和Transformer架构在视网膜血管分割中的应用，并提出了结合U-Net、Transformers和GANs的混合模型作为未来研究方向	尽管深度学习方法在视网膜血管分割中取得了显著成果，但仍存在挑战，如需要进一步提高分割精度	探讨深度学习在视网膜血管分割中的应用及其技术进展	视网膜血管	计算机视觉	眼科疾病	深度学习	U-Net, Transformer, GAN	图像	79项研究
8256	2025-02-19	3D Deep Learning for Virtual Orbital Defect Reconstruction: A Precise and Automated Approach 2025-Feb-17, The Journal of craniofacial surgery IF:1.0Q3 DOI:10.1097/SCS.0000000000011143 PMID:39960444	研究论文	本研究介绍了一种改进的3D U-Net+++架构，用于眼眶缺损的虚拟重建，旨在提高精度和自动化水平	提出了一种改进的3D U-Net+++架构，特别适用于涉及中线两侧的眼眶缺损，相比传统方法具有更高的精度和自动化水平	研究样本量较小，仅包含300个合成缺损和15个临床病例，需要进一步的大规模验证	开发一种精确且高度自动化的眼眶缺损虚拟重建方法，以辅助术前规划	眼眶缺损的虚拟重建	计算机视觉	眼眶骨折	3D深度学习	3D U-Net+++	3D CT扫描图像	300个合成缺损和15个临床病例
8257	2025-02-19	World's first real-time artificial intelligence-assisted mechanical thrombectomy for acute ischemic stroke 2025-Feb-17, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8704 PMID:39961616	研究论文	本文介绍了在急性缺血性卒中（AIS）机械取栓术（MT）中使用实时人工智能（AI）辅助的初步经验	首次在急性缺血性卒中的机械取栓术中应用实时AI辅助系统，并评估其效果、准确性和安全性	研究样本量较小（16例患者），需要更大规模的研究来验证其对手术流程和临床结果的影响	评估实时AI辅助系统在急性缺血性卒中机械取栓术中的有效性和安全性	16例急性缺血性卒中患者	医疗人工智能	急性缺血性卒中	深度学习	NA	视频记录	16例患者
8258	2025-02-19	Multimodal deep learning: tumor and visceral fat impact on colorectal cancer occult peritoneal metastasis 2025-Feb-17, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-11450-2 PMID:39961863	研究论文	本研究提出了一种多模态深度学习方法，用于研究肿瘤和内脏脂肪对结直肠癌隐匿性腹膜转移的影响	基于ResNet18构建的多尺度特征融合网络（MSFF-Net）能够利用CT图像中的肿瘤和内脏脂肪特征来检测结直肠癌的隐匿性腹膜转移	研究主要依赖于术前CT扫描数据，可能无法涵盖所有相关临床信息	研究结直肠癌患者中肿瘤和内脏脂肪对隐匿性腹膜转移的影响	结直肠癌患者	数字病理学	结直肠癌	CT扫描	ResNet18, 随机森林分类器	图像	内部和外部测试集的结直肠癌患者
8259	2025-02-19	Precise dental caries segmentation in X-rays with an attention and edge dual-decoder network 2025-Feb-17, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-025-03318-w PMID:39961911	研究论文	本文提出了一种名为AEDD-Net的新型网络，结合注意力机制和双解码器结构，以提高龋齿边界分割的性能	AEDD-Net集成了空洞空间金字塔池化和交叉坐标注意力机制，有效融合全局和多尺度特征，并引入了专门的边界生成模块和创新边界损失函数	NA	提高龋齿边界分割的准确性	龋齿的X射线图像	计算机视觉	龋齿	深度学习	AEDD-Net	图像	NA
8260	2025-02-19	Rapid wall shear stress prediction for aortic aneurysms using deep learning: a fast alternative to CFD 2025-Feb-17, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-025-03311-3 PMID:39961912	研究论文	本文提出了一种使用深度学习快速预测主动脉瘤壁面剪应力的方法，作为计算流体动力学的快速替代方案	提出了一种名为MultiViewUNet的深度学习替代模型，采用领域转换技术将复杂的主动脉几何形状转换为与先进神经网络兼容的表示，以快速预测时间平均壁面剪应力分布	未提及具体局限性	开发一种快速且准确的主动脉瘤壁面剪应力预测方法，以支持临床决策	腹主动脉瘤（AAA）	机器学习	心血管疾病	深度学习	MultiViewUNet	几何数据	真实和合成的AAA几何数据