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
941	2025-05-09	FakET: Simulating cryo-electron tomograms with neural style transfer 2025-Apr-03, Structure (London, England : 1993) DOI:10.1016/j.str.2025.01.020 PMID:39947174	research paper	提出了一种基于神经风格转移的方法FakET，用于模拟冷冻电子显微镜的透射电子显微镜前向算子，以生成高质量的模拟显微图或倾斜系列数据	FakET方法通过神经风格转移技术显著提高了数据生成速度（750倍），减少了内存使用（33倍），并且能够适应典型的透射电子显微镜检测器尺寸	未提及具体的数据生成质量与真实数据之间的差异，以及在不同冷冻电子显微镜设备上的适用性	提高冷冻电子显微镜中粒子定位和分类的准确性，减少训练数据集的生成时间和资源消耗	冷冻电子显微镜的模拟数据生成	computer vision	NA	神经风格转移	NA	image	NA
942	2025-05-09	Leveraging Physics-Based Synthetic MR Images and Deep Transfer Learning for Artifact Reduction in Echo-Planar Imaging 2025-Apr-02, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8566 PMID:39947682	研究论文	本研究利用基于物理的方法合成真实的MR伪影，并训练一个深度学习生成对抗网络（GAN）以减少EPI（一种关键但易受伪影影响的神经成像序列）中的伪影	采用基于物理的方法合成MR伪影，并提出了'堆叠迁移学习'策略来训练GAN，以有效减少EPI中的伪影	研究主要针对EPI序列的伪影，可能不适用于其他MRI序列	减少EPI（回波平面成像）序列中的伪影，提高神经成像质量	EPI序列中的MR图像伪影	数字病理	复发性胶质母细胞瘤	MRI, 深度学习	GAN, Pix2PixGAN, Attention-R2UNet	MR图像	1,392名患者的4,573个解剖MR序列，49名复发性胶质母细胞瘤患者的ADC图
943	2025-05-09	EEGConvNeXt: A novel convolutional neural network model for automated detection of Alzheimer's Disease and Frontotemporal Dementia using EEG signals 2025-Apr, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108652 PMID:39938252	研究论文	提出了一种名为EEGConvNeXt的新型卷积神经网络模型，用于通过EEG信号自动检测阿尔茨海默病和额颞叶痴呆	EEGConvNeXt是一种轻量级的CNN模型，基于transformer模型构建，具有高效的多类分类能力	依赖相对较小的数据集，需要在更多样化的人群中进行进一步验证	开发一种高效、轻量级的深度学习模型，用于神经退行性疾病的自动检测	阿尔茨海默病(AD)和额颞叶痴呆(FD)患者及对照组的EEG信号	数字病理学	老年病	EEG信号分析	CNN (EEGConvNeXt)	EEG信号转换的功率谱图像	包含AD、FD和对照组三个类别的公开EEG数据集
944	2025-05-09	Stroke Management and Analysis Risk Tool (SMART): An interpretable clinical application for diabetes-related stroke prediction 2025-Apr, Nutrition, metabolism, and cardiovascular diseases : NMCD DOI:10.1016/j.numecd.2024.103841 PMID:39939252	research paper	开发了一个可解释的糖尿病相关中风预测临床工具SMART	结合多种机器学习技术（如RF和DNN）和SHAP解释性方法，开发了针对糖尿病患者的中风预测工具	数据来自单一医院，可能缺乏广泛代表性	分析糖尿病患者中风风险因素并创建预测模型	糖尿病患者	machine learning	cardiovascular disease	LASSO, SVM-RFE, multi-factor regression, SMOTE	RF, DNN	EHR数据	20,014名患者
945	2025-05-09	Genomic prediction with NetGP based on gene network and multi-omics data in plants 2025-Apr, Plant biotechnology journal IF:10.1Q1 DOI:10.1111/pbi.14577 PMID:39950326	研究论文	本文提出了一种基于基因网络和多组学数据的NetGP模型，用于植物基因组预测	首次提出基于Pearson-Collinearity Selection (PCS)的SNP特征提取技术，并开发了新型深度学习模型NetGP	NA	提高植物基因组选择的预测准确性	植物基因组和多组学数据	机器学习	NA	SNP特征提取, 多组学数据分析	NetGP (深度学习模型)	基因组数据, 转录组数据, 多组学数据	多种植物数据(未明确具体数量)
946	2025-05-09	LMTTM-VMI: Linked Memory Token Turing Machine for 3D volumetric medical image classification 2025-Apr, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108640 PMID:39951959	研究论文	提出了一种名为LMTTM的新型深度学习模型，用于高效处理3D医学体积图像的分类问题	引入了链接记忆令牌图灵机（LMTTM），利用外部链接记忆有效处理3D医学体积图像的空间依赖性和结构复杂性	未提及具体的数据集局限性或模型适用范围	提高3D医学体积图像分类的准确性和效率	3D医学体积图像	数字病理	NA	深度学习	LMTTM	3D医学图像	六个来自MedMNIST v2的3D医学体积图像数据集
947	2025-05-09	"Brain state network dynamics in pediatric epilepsy: Chaotic attractor transition ensemble network" 2025-Apr, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109832 PMID:39951978	research paper	提出了一种新型的集成框架CATE-NET，用于识别儿童癫痫的神经动力学特征，区分生理性脑活动和癫痫引起的信号异常	结合混沌和动力系统理论，设计了模块化的CATE-NET框架，利用非线性动力学和混沌吸引子（特别是Rössler混沌吸引子）建模头皮EEG数据，并通过LSTM网络和概率图自动分析脑状态	未提及具体样本量，且依赖于EEG信号的质量	改进儿童癫痫的脑状态分析和癫痫活动检测	儿童癫痫患者的脑电图信号	digital pathology	epilepsy	EEG信号分析，混沌吸引子建模，深度学习	LSTM，概率图模型	EEG信号	NA
948	2025-05-09	Detection of brain tumors using a transfer learning-based optimized ResNet152 model in MR images 2025-Apr, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109790 PMID:39951980	research paper	该研究探讨了基于迁移学习的优化ResNet152模型在MR图像中检测脑肿瘤的有效性	结合深度学习和传统机器学习技术，使用预处理管道和PCA进行图像增强和降维，比较ResNet152和GoogleNet的性能	未提及模型在其他类型肿瘤或不同成像技术中的泛化能力	提高脑肿瘤诊断的准确性	脑肿瘤的MR图像	digital pathology	brain tumor	magnetic resonance (MR) scans, PCA, data augmentation	ResNet152, GoogleNet, SVM, KNN, CART, GNB	image	未明确提及具体样本数量，数据集按80%训练和20%测试划分
949	2025-05-09	Illuminating the unseen: Advancing MRI domain generalization through causality 2025-Apr, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103459 PMID:39952023	research paper	提出了一种针对加速MRI重建的领域泛化框架，通过因果对齐增强模型在未见领域的鲁棒性	首次提出专为加速MRI重建设计的领域泛化框架GenCA-MRI，通过机制级不变性（因果对齐）捕获MRI数据内在因果关系	未明确说明计算策略对超参数敏感度或计算资源消耗的具体影响	解决加速MRI重建中训练-测试领域偏移（如图像对比度/解剖区域/采集策略变化）导致的性能下降问题	多领域MRI数据（fastMRI和IXI数据集）	medical imaging	NA	deep learning-based MRI reconstruction	domain generalization framework (GenCA-MRI)	MRI图像	fastMRI和IXI数据集（具体数量未说明）
950	2025-05-09	Automated pediatric TMJ articular disk identification and displacement classification in MRI with machine learning 2025-Apr, Journal of dentistry IF:4.8Q1 DOI:10.1016/j.jdent.2025.105622 PMID:39952550	研究论文	评估一种自动化两步模型在儿科颞下颌关节（TMJ）磁共振成像（MRI）中使用人工智能（AI）进行解释的性能	使用深度学习技术自动识别TMJ骨结构和关节盘，并通过自动化算法对关节盘位移进行分类	样本量相对较小（235名儿科患者），且仅针对儿科TMJ MRI	开发自动化工具以辅助非MRI专家评估儿科TMJ疾病	儿科患者的TMJ MRI图像	数字病理学	颞下颌关节疾病	MRI	UNet++	图像	235名儿科患者（470个关节）
951	2025-05-09	Artificial intelligence in gastrointestinal cancer research: Image learning advances and applications 2025-Apr-01, Cancer letters IF:9.1Q1 DOI:10.1016/j.canlet.2025.217555 PMID:39952597	综述	本文综述了人工智能在胃肠道肿瘤研究中的最新进展和应用，特别是在早期筛查、诊断、分子标志物识别、治疗规划和预后预测方面的应用	总结了AI在胃肠道肿瘤研究中的最新进展，包括其在提高诊断准确性、个性化治疗设计和肿瘤微环境基础研究中的应用	未提及具体的AI模型或技术在临床应用中的局限性	探讨人工智能在胃肠道肿瘤研究中的应用及其潜力	胃肠道肿瘤	数字病理学	胃肠道癌症	深度学习、大语言模型、神经网络	NA	图像、多组学数据	NA
952	2025-05-09	Geometric deep learning with adaptive full-band spatial diffusion for accurate, efficient, and robust cortical parcellation 2025-Apr, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103492 PMID:39954339	research paper	该论文提出了一种基于几何深度学习的自适应全波段空间扩散策略，用于准确、高效且稳健的皮质分区	提出了一种全波段谱加速空间扩散策略，直接在个体空间中对原始表面进行分区，避免了传统方法中的球面映射过程，并构建了一个紧凑的深度网络（Cortex-Diffusion）	未提及具体局限性	开发一种自动化的皮质分区方法，以提高分区准确性、效率和鲁棒性	婴儿和成人脑成像数据集中的皮质表面	digital pathology	NA	几何深度学习	Cortex-Diffusion	3D顶点坐标	婴儿和成人脑成像数据集
953	2025-05-09	Methods for estimating resting energy expenditure in intensive care patients: A comparative study of predictive equations with machine learning and deep learning approaches 2025-Apr, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108657 PMID:39954654	research paper	比较预测方程与机器学习和深度学习方法在重症监护患者静息能量消耗估计中的性能	首次将机器学习和深度学习方法应用于重症监护患者的静息能量消耗估计，并与传统预测方程进行比较	研究样本量较小（300例），且未在独立数据集和多样化患者群体中进行进一步验证	评估机器学习和深度学习方法在重症监护患者静息能量消耗估计中的准确性和应用潜力	重症监护患者的静息能量消耗	machine learning	重症监护	机器学习（XGBoost, RFR, SVR）和深度学习（CNN）	XGBoost, Random Forest Regressor, Support Vector Regression, CNN	静态变量（年龄、身高、体重）和动态变量（分钟通气量、体温）	300例重症监护患者的间接测热法测量数据
954	2025-05-09	PBScreen: A server for the high-throughput screening of placental barrier-permeable contaminants based on multifusion deep learning 2025-Apr-01, Environmental pollution (Barking, Essex : 1987) DOI:10.1016/j.envpol.2025.125858 PMID:39954759	research paper	介绍了一个名为PBScreen的服务器，用于基于多融合深度学习的高通量筛选胎盘屏障可渗透污染物	使用多融合深度学习模型（结合图卷积网络和深度神经网络算法）进行高通量筛选，准确率高达0.927，假阴性率为0.074，AUC为0.960	未提及具体的数据集规模或模型在不同类型污染物上的泛化能力	开发高效的高通量筛选工具，以识别胎盘屏障可渗透的污染物，提升相关公共健康风险评估	胎盘屏障可渗透的化学污染物	machine learning	NA	multifusion deep learning, graph convolutional networks, deep neural networks	multifusion DL model (GCN + DNN)	chemical data	NA
955	2025-05-09	A quantitatively interpretable model for Alzheimer's disease prediction using deep counterfactuals 2025-Apr-01, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2025.121077 PMID:39954872	研究论文	本研究提出了一种可定量解释的深度学习模型，用于预测阿尔茨海默病，并通过反事实推理提供直观的医学解释	结合反事实推理和灰质密度图，提供定量解释的AD预测模型，并生成AD相关指数	仅基于结构MRI数据，未考虑其他模态数据如功能MRI或生物标记物	开发可解释的阿尔茨海默病预测模型	阿尔茨海默病患者的结构MRI数据	数字病理学	老年病	深度学习，反事实推理	CNN（基于使用图像数据推测）	MRI图像	未明确提及具体样本量
956	2025-05-09	Label-efficient sequential model-based weakly supervised intracranial hemorrhage segmentation in low-data non-contrast CT imaging 2025-Apr, Medical physics IF:3.2Q1 DOI:10.1002/mp.17689 PMID:39962740	研究论文	提出了一种基于弱监督的颅内出血分割方法，用于低数据量的非对比CT成像	利用图像级标签和类激活图（CAMs）进行弱监督分割，并通过无监督方式优化伪掩码，同时利用连续切片间的依赖关系提高激活图的鲁棒性	需要进一步验证在不同临床环境中的泛化能力	减少对体素级标注数据的依赖，提供一种高效的颅内出血分割方法	非对比CT图像中的颅内出血（ICH）	数字病理	心血管疾病	深度学习	CNN	图像	RSNA数据集（21,784例）、INSTANCE数据集（100例）、PhysioNet数据集（75例）
957	2025-05-09	Automatic Joint Lesion Detection by enhancing local feature interaction 2025-Apr, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2025.102509 PMID:39947085	research paper	该论文提出了一种通过增强局部特征交互来自动检测关节病变的方法，并改进了YOLO模型	提出了局部注意力特征融合（LAFF）和高斯位置编码（GPE）模块，显著提高了关节病变检测的准确率	研究仅基于X射线图像，可能不适用于其他类型的医学影像	提高自动关节病变检测（AJLD）的准确性和效率，以满足临床需求	关节病变的X射线图像	computer vision	arthritis	deep learning	YOLO	image	960张X射线图像（由两位关节炎专家和一位放射科医生标注）和216张X射线图像，补充了MURA数据集
958	2025-05-09	Interpretable multi-stage attention network to predict cancer subtype, microsatellite instability, TP53 mutation and TMB of endometrial and colorectal cancer 2025-Apr, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2025.102499 PMID:39947084	研究论文	提出了一种可解释的多阶段注意力深度学习网络，用于从子宫内膜癌和结直肠癌的组织病理学全切片图像中预测癌症亚型、微卫星不稳定性、TP53突变和肿瘤突变负荷	开发了一种新型深度学习网络，能够直接从低成本、常规使用的组织病理学图像中预测多个分子状态，显著优于现有方法	研究仅针对子宫内膜癌和结直肠癌，未验证在其他癌症类型中的适用性	开发一种低成本、高效的深度学习方法来预测癌症分子状态，以支持个性化免疫治疗决策	子宫内膜癌和结直肠癌的组织病理学全切片图像	数字病理学	子宫内膜癌, 结直肠癌	深度学习	多阶段注意力网络	图像	NA
959	2025-05-09	EAMAPG: Explainable Adversarial Model Analysis via Projected Gradient Descent 2025-Apr, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109788 PMID:39946791	研究论文	本研究提出了一种使用投影梯度下降（PGD）生成对抗样本的新颖可解释性方法，以分析医学图像中深度学习模型的透明度	通过对抗样本生成分析图像，识别影响模型决策的关键特征，为深度学习模型在医学图像分析中的可解释性提供了新的解决方案	仅测试了六种常见的CNN模型，且对抗攻击的有效性可能受限于特定数据集和模型	提高深度学习模型在医学图像分析中的可解释性和透明度	脑肿瘤、眼病和COVID-19的医学图像数据集	计算机视觉	脑肿瘤、眼病、COVID-19	投影梯度下降（PGD）	CNN（包括DenseNet121、InceptionV3、ResNet101等）	医学图像	NA
960	2025-05-09	Gabor-modulated depth separable convolution for retinal vessel segmentation in fundus images 2025-Apr, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109789 PMID:39946785	研究论文	提出了一种基于Gabor调制深度可分离卷积的UNet模型，用于眼底图像中的视网膜血管分割	结合Gabor滤波器的方向敏感性和深度可分离卷积的高效性，有效识别不同宽度和方向的血管	在噪声较多或病情进展的糖尿病视网膜病变图像上可能仍有改进空间	提高糖尿病视网膜病变中视网膜血管分割的准确性	眼底图像中的视网膜血管	计算机视觉	糖尿病视网膜病变	Gabor滤波器和深度可分离卷积	UNet	图像	DRIVE、STARE和CHASE_DB1数据集