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
841	2025-05-10	Sparse Annotation is Sufficient for Bootstrapping Dense Segmentation 2024-Oct-26, bioRxiv : the preprint server for biology DOI:10.1101/2024.06.14.599135 PMID:38915491	研究论文	提出了一种基于深度学习的新方法，通过稀疏的2D注释快速生成密集的3D分割，用于生物成像数据的实例分割任务	开发了一种能够从稀疏的2D注释快速生成密集3D分割的深度学习方法，显著减少了人工标注时间和非专家参与的可能性	NA	解决生物成像数据中密集3D重建的实例分割任务，减少人工标注的工作量	大脑神经纤维网，包括树突、轴突和胶质细胞过程的复杂交织	数字病理	NA	深度学习	NA	图像	NA
842	2025-05-10	Enhanced Electroacoustic Tomography with Supervised Learning for Real-time Electroporation Monitoring 2024-Sep, Precision radiation oncology DOI:10.1002/pro6.1242 PMID:40336975	研究论文	本研究提出了一种基于监督学习的工作流程，用于改善电声断层扫描（EAT）的图像质量，以实时监测纳秒脉冲电场（nsPEF）的电穿孔治疗	首次在实验环境中使用单线性阵列实现高质量EAT，通过深度学习模型校正图像失真	研究仅基于56个实验数据集，样本量较小，且未考虑模拟到真实世界的变异性	提高电声断层扫描（EAT）在实时监测纳秒脉冲电场（nsPEF）电穿孔治疗中的实用性	纳秒脉冲电场（nsPEF）的电穿孔治疗	医学影像处理	NA	电声断层扫描（EAT），深度学习	深度学习模型	电声信号，图像	56个实验数据集（46个用于训练，10个用于测试）
843	2025-05-10	MMDB: Multimodal dual-branch model for multi-functional bioactive peptide prediction 2024-Jul, Analytical biochemistry IF:2.6Q2 DOI:10.1016/j.ab.2024.115491 PMID:38460901	研究论文	提出了一种新型多模态双分支轻量级深度学习模型MMDB，用于多功能生物活性肽的预测	首次使用多尺度扩张卷积在不增加参数的情况下有效提取肽序列特征，并设计双分支结构捕获序列和结构特性的互补信息	NA	提高多功能生物活性肽的预测准确性	多功能生物活性肽	机器学习	NA	深度学习	MMDB（多模态双分支模型），包含多尺度扩张卷积与Bi-LSTM分支以及多层卷积分支	序列数据和结构数据	NA
844	2025-05-10	PhosAF: An integrated deep learning architecture for predicting protein phosphorylation sites with AlphaFold2 predicted structures 2024-Jul, Analytical biochemistry IF:2.6Q2 DOI:10.1016/j.ab.2024.115510 PMID:38513769	研究论文	提出了一种名为PhosAF的集成深度学习架构，用于预测蛋白质磷酸化位点，结合了AlphaFold2预测的结构信息	开发了结合CMA-Net和MFC-Net的新架构PhosAF，首次整合AlphaFold2预测的蛋白质结构信息进行磷酸化位点预测，并提出基于蛋白质二级结构构建可靠负样本的新策略	仅针对人类蛋白质进行研究，未验证在其他物种上的适用性	提高蛋白质磷酸化位点的预测准确性	人类蛋白质的磷酸化位点	生物信息学	NA	深度学习	CMA-Net, MFC-Net	蛋白质序列和结构数据	NA
845	2025-05-10	Streamlining social media information retrieval for public health research with deep learning 2024-Jun-20, Journal of the American Medical Informatics Association : JAMIA IF:4.7Q1 DOI:10.1093/jamia/ocae118 PMID:38718216	research paper	该研究开发了一个深度学习系统，用于从社交媒体数据中提取和规范化医学术语，以改进公共卫生研究中的流行病监测	提出了一种新颖的系统化流程，用于从社交媒体数据中整理症状词典，相比传统的关键词匹配方法能更有效地识别精神疾病症状	研究仅基于COVID-19相关推文，可能不适用于其他疾病或语境	改进公共卫生研究中社交媒体数据的利用效率	COVID-19相关推文中的症状描述	natural language processing	COVID-19	named entity recognition, entity normalization	deep learning	text	498,480条独特的症状实体表达（处理后为38,175条）
846	2025-05-10	Exploiting holographically encoded variance to transmit labelled images through a multimode optical fiber 2024-May-20, Optics express IF:3.2Q2 DOI:10.1364/OE.519379 PMID:38859036	研究论文	本文提出了一种利用全息编码方差通过多模光纤传输标记图像的方法	通过全息调制在输出散斑图案上编码额外的方差层，提高了系统的整体传输能力	未明确提及具体限制	提高多模光纤系统的图像传输能力	多模光纤传输的图像	计算机视觉	NA	全息调制	ResUNet	图像	数千张图像
847	2025-05-10	Deep learning-based lesion detection and severity grading of small-bowel Crohn's disease ulcers on double-balloon endoscopy images 2024-May, Gastrointestinal endoscopy IF:6.7Q1 DOI:10.1016/j.gie.2023.11.059 PMID:38065509	research paper	使用深度学习模型EfficientNet-b5检测和评估小肠克罗恩病溃疡	首次应用EfficientNet-b5模型对小肠克罗恩病溃疡进行检测和严重程度分级	研究仅基于双气囊内镜图像，未考虑其他影像学检查结果	提高小肠克罗恩病溃疡检测和分级的准确性	小肠克罗恩病溃疡	digital pathology	Crohn's disease	double-balloon endoscopy	EfficientNet-b5	image	28,155张双气囊内镜图像，来自628名患者
848	2025-05-10	Efficacy of artificial intelligence in reducing miss rates of GI adenomas, polyps, and sessile serrated lesions: a meta-analysis of randomized controlled trials 2024-May, Gastrointestinal endoscopy IF:6.7Q1 DOI:10.1016/j.gie.2024.01.004 PMID:38184117	meta-analysis	该研究通过荟萃分析评估人工智能在降低胃肠道腺瘤、息肉和无蒂锯齿状病变漏诊率方面的效果	首次通过荟萃分析全面评估AI在多种胃肠道病变检测中的效果，特别是对无蒂锯齿状病变和微小腺瘤的检测效果	未观察到AI对高级别腺瘤检测的显著效果，且纳入研究数量有限(仅7项随机对照试验)	评估人工智能在胃肠道内窥镜检查中降低病变漏诊率的效果	胃肠道腺瘤、息肉和无蒂锯齿状病变	digital pathology	gastrointestinal disease	AI辅助诊断	CNN	endoscopic images	7项随机对照试验的汇总数据
849	2025-05-10	Deep learning model for the detection of prostate cancer and classification of clinically significant disease using multiparametric MRI in comparison to PI-RADs score 2024-05, Urologic oncology DOI:10.1016/j.urolonc.2024.01.021 PMID:38388243	research paper	本研究开发了一种基于深度学习的模型，用于通过多参数MRI检测前列腺癌并分类临床显著性前列腺癌，与PI-RADs评分进行比较	开发了一种集成多参数MRI序列的深度学习模型，在临床显著性前列腺癌分类上表现优于传统的PI-RADS评估	研究仅基于单中心数据，外部验证队列样本量相对较小	比较深度学习算法与PI-RADS分类在前列腺癌检测和临床显著性前列腺癌分类中的性能	接受根治性前列腺切除术或活检的患者	digital pathology	prostate cancer	multiparametric MRI	DL-based ensemble model	MRI图像	1,729名患者（训练队列1,285名，外部测试队列315名）
850	2025-05-10	ViNe-Seg: deep-learning-assisted segmentation of visible neurons and subsequent analysis embedded in a graphical user interface 2024-03-29, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btae177 PMID:38569889	research paper	介绍了一种基于深度学习的半自动神经元分割工具ViNe-Seg，用于光学功能成像中神经元胞体的分割	ViNe-Seg提供了一种用户友好的图形界面，支持专家监督，确保精确识别感兴趣区域，并允许在实验过程中进行分割	在信噪比低的数据集中，当前分割工具仍难以产生准确的分割结果	提高神经元分割的速度和一致性，减少对人工分割的依赖	光学功能成像中的神经元胞体	digital pathology	NA	deep learning	CNN	image	NA
851	2025-05-10	SPACEL: deep learning-based characterization of spatial transcriptome architectures 2023-11-22, Nature communications IF:14.7Q1 DOI:10.1038/s41467-023-43220-3 PMID:37990022	研究论文	介绍了一种基于深度学习的空间转录组架构表征工具SPACEL，用于分析空间转录组数据	SPACEL包含三个模块，分别用于单一切片的细胞类型去卷积、多切片空间域识别和3D组织架构构建，性能优于19种现有方法	未明确提及具体限制	解决空间转录组数据中多切片联合分析和3D组织架构重建的挑战	空间转录组数据	数字病理学	NA	空间转录组技术	多层感知机(MLP)、图卷积网络(GCN)、对抗学习算法	空间转录组数据	模拟和真实ST数据集，来自多种组织和ST技术
852	2025-05-10	PET/CT based cross-modal deep learning signature to predict occult nodal metastasis in lung cancer 2023-11-18, Nature communications IF:14.7Q1 DOI:10.1038/s41467-023-42811-4 PMID:37980411	research paper	开发了一种基于PET/CT的跨模态深度学习特征来预测非小细胞肺癌中的隐匿性淋巴结转移	提出了一种新的深度学习特征（DLNMS），其预测性能显著优于单模态深度学习模型、临床模型和医生判断	研究未提及模型在其他类型癌症或更大规模数据集上的泛化能力	预测临床N0期非小细胞肺癌中的隐匿性淋巴结转移	非小细胞肺癌患者	digital pathology	lung cancer	PET/CT	deep learning	image	内部队列1911例，外部队列355例，前瞻性队列999例
853	2025-05-10	Deep learning of human polyadenylation sites at nucleotide resolution reveals molecular determinants of site usage and relevance in disease 2023-11-15, Nature communications IF:14.7Q1 DOI:10.1038/s41467-023-43266-3 PMID:37968271	research paper	该研究开发了深度学习模型，用于在核苷酸水平上识别人类基因组中的多聚腺苷酸化位点，并分析其在疾病中的功能作用	首次在核苷酸分辨率水平上识别全基因组多聚腺苷酸化位点，并定量测量位点特异性基序的重要性及其相互作用	NA	解析人类基因组中多聚腺苷酸化位点的分子机制及其在疾病中的功能角色	人类基因组中的多聚腺苷酸化位点	machine learning	NA	deep learning, machine learning	deep learning models	genomic data	NA
854	2025-05-10	CROSS-DOMAIN DIFFUSION BASED SPEECH ENHANCEMENT FOR VERY NOISY SPEECH 2023-Jun, Proceedings of the ... IEEE International Conference on Acoustics, Speech, and Signal Processing. ICASSP (Conference) DOI:10.1109/icassp49357.2023.10096985 PMID:40330790	研究论文	本文提出了一种基于跨域扩散的语音增强方法，用于极低信噪比条件下的非平稳噪声场景	将基于扩散的学习方法引入增强模型，提高了在极低信噪比条件下的鲁棒性	实验仅在TIMIT数据集上进行，未在其他数据集上验证	提高极低信噪比条件下的语音增强性能	语音信号	语音处理	NA	扩散模型	扩散模型	语音信号	TIMIT数据集
855	2025-05-10	Artificial Intelligence-based Tumor Segmentation in Mouse Models of Lung Adenocarcinoma 2022, Journal of pathology informatics DOI:10.1016/j.jpi.2022.100007 PMID:35242446	研究论文	开发了一种基于深度学习的新模型，用于在数字扫描的H&E组织切片上分割肺肿瘤病灶	使用DeepLabV3+和UNet架构的深度学习模型进行肺肿瘤病灶的自动分割，减少了人工测量的时间和误差	不同染色标准化策略未显示出对基线模型的改进，假阳性率较高	提高肺腺癌小鼠模型中肿瘤负荷测量的准确性和效率	肺腺癌小鼠模型的H&E组织切片	数字病理学	肺腺癌	H&E染色	DeepLabV3+, UNet	图像	239只小鼠的H&E组织切片，分为训练集（137）、验证集（37）和测试集（65）
856	2025-05-09	A review of denoising methods in single-particle cryo-EM 2025-Jul, Micron (Oxford, England : 1993) DOI:10.1016/j.micron.2025.103817 PMID:40164016	review	本文全面回顾了单粒子冷冻电镜图像去噪方法的最新进展，涵盖了从传统滤波方法到最新的基于深度学习的策略	通过分析和比较主流去噪方法，推动单粒子冷冻电镜去噪领域的发展，促进获取更高质量的图像	未提及具体方法的局限性	提高冷冻电镜图像的信噪比，使下游分析更准确可靠	冷冻电镜图像	digital pathology	NA	冷冻电镜	深度学习	图像	NA
857	2025-05-09	Beyond Batch Learning: Global Awareness Enhanced Domain Adaptation 2025-Jun, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3541207 PMID:40036452	research paper	提出了一种名为GAN-DA的新型域适应方法，通过全局统计和几何特征增强，克服了传统批量学习的限制	引入了预定义特征表示（PFR）以对齐跨域分布，创新性地扩展了正交和共同特征方面，增强了全局流形结构的统一和决策边界的优化	NA	改进域适应（DA）方法，提升跨域图像分类任务的性能	跨域图像分类任务	machine learning	NA	domain adaptation	GAN-DA	image	27个不同的跨域图像分类任务
858	2025-05-09	A Lightweight Deep Exclusion Unfolding Network for Single Image Reflection Removal 2025-Jun, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3548148 PMID:40048344	research paper	本文提出了一种轻量级的深度排除展开网络（DExNet），用于单图像反射去除（SIRR）	DExNet通过展开和参数化一种新的基于模型的SIRR优化公式，结合通用的排除先验，提高了反射去除的准确性和可解释性	未提及具体限制	解决单图像反射去除问题，提高图像分离的准确性	反射污染的图像	computer vision	NA	深度学习	DExNet	image	四个基准数据集
859	2025-05-09	Graph Foundation Models: Concepts, Opportunities and Challenges 2025-Jun, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3548729 PMID:40048343	综述	本文介绍了图基础模型（GFMs）的概念，并详细解释了其关键特征和基础技术	提出了图基础模型（GFMs）的新概念，并对其进行了系统分类和分析	缺乏对图基础模型（GFMs）的明确定义和系统分析	探讨图基础模型（GFMs）在图形机器学习中的潜力和发展方向	图基础模型（GFMs）及其相关技术	机器学习	NA	NA	图神经网络（GNNs）、大语言模型（LLMs）	图数据	NA
860	2025-05-09	On the Upper Bounds of Number of Linear Regions and Generalization Error of Deep Convolutional Neural Networks 2025-Jun, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3548620 PMID:40042958	research paper	本文研究了卷积神经网络（CNNs）的超参数对性能的影响，基于CNNs的分段线性（PWL）函数特性，提出了线性区域数量的紧界和泛化误差的上界	通过将卷积、ReLU和最大池化操作表示为矩阵乘法，提供了CNNs的代数表达式，并首次提出了考虑网络层数、池化维度和宽度等因素的线性区域数量紧界和泛化误差上界	矩阵表示方法具有较高的时间复杂度	研究CNN网络结构超参数对性能的影响	卷积神经网络（CNNs）	machine learning	NA	NA	CNN	NA	NA