深度学习在生物医药领域的应用

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	算法框架	模型架构	性能指标	计算资源
9801	2025-06-01	Comparative analysis of multi-zone peritumoral radiomics in breast cancer for predicting NAC response using ABVS-based deep learning models 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1586715 PMID:40438687	research paper	本研究通过基于ABVS的深度学习模型，比较分析乳腺癌多区域瘤周放射组学特征，以预测新辅助化疗（NAC）反应	首次系统比较不同瘤周厚度区域对NAC反应预测的准确性，并开发了结合瘤内和瘤周特征的AI模型	研究为回顾性分析，样本量相对有限（402例患者）	建立可临床实施的框架，通过标准化预测模型早期识别NAC无反应者	乳腺癌患者	digital pathology	breast cancer	Automated Breast Volume Scanning (ABVS), radiomics	TabNet	image	402例乳腺癌患者	NA	NA	NA	NA
9802	2025-06-01	Reducing annotation effort in agricultural data: simple and fast unsupervised coreset selection with DINOv2 and K-means 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1546756 PMID:40438735	research paper	该研究提出了一种结合DINOv2和K-means的无监督核心集选择方法，以减少农业数据标注的工作量	结合了最新的基础模型DINOv2作为特征选择器与K-means聚类方法，提出了一种简单有效的核心集选择方法	未提及方法在大规模数据集上的扩展性或计算效率	减少农业应用中深度学习模型训练所需的标注数据量	农业数据	machine learning	NA	DINOv2, K-means	multiclass classification model	image	在两个不同数据集上进行了验证，具体样本量未提及	NA	NA	NA	NA
9803	2025-06-01	Deep learning-based anomaly detection for precision field crop protection 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1576756 PMID:40438741	research paper	提出了一种结合IMSFNet和AROS的新型框架，用于精准农业中的异常检测和资源优化	整合了多模态数据融合和时空建模的IMSFNet，以及基于实时环境反馈的AROS资源优化策略	未提及具体实验样本量和跨地区应用的普适性验证	优化精准农业中的作物保护和资源利用效率	农田作物健康异常（病虫害爆发、疾病传播、营养缺乏等）	精准农业	NA	多模态数据融合（无人机、卫星、地面传感器、气象站数据）	IMSFNet（集成多模态智能农业网络）	多源时空数据	NA	NA	NA	NA	NA
9804	2025-06-01	Optimizing drug synergy prediction through categorical embeddings in deep neural networks 2025, Biology methods & protocols IF:2.5Q3 DOI:10.1093/biomethods/bpaf033 PMID:40438791	研究论文	本文研究了在深度神经网络中使用分类嵌入来优化药物协同预测	利用分类嵌入捕捉类别元素间的相似性，特别是在数据稀缺情况下表现出优势	未提及具体的数据集规模或模型验证的局限性	提高药物协同作用的预测准确性	药物组合的协同作用	机器学习	癌症	深度神经网络	DNN	药物组合数据	NA	NA	NA	NA	NA
9805	2025-10-06	High resolution kinematic approach for quantifying impaired mobility of dystrophic zebrafish larvae 2024-Dec-09, bioRxiv : the preprint server for biology DOI:10.1101/2024.12.05.627004 PMID:39713379	研究论文	本研究开发了一种基于高速摄像和深度学习的高分辨率运动学方法，用于量化营养不良斑马鱼幼虫的运动障碍	首次将无标记运动捕捉技术应用于斑马鱼幼虫逃逸反应游泳的节段化建模，提供了比传统方法更高分辨率和更低变异性的运动功能评估	方法主要针对斑马鱼幼虫模型，在其他物种或发育阶段的适用性需要进一步验证	开发精确评估杜氏肌营养不良斑马鱼模型运动障碍的新方法	营养不良素缺陷型斑马鱼幼虫和野生型斑马鱼幼虫	计算机视觉	杜氏肌营养不良	高速摄像技术	深度学习	视频	NA	NA	NA	分类准确率	NA
9806	2025-10-06	sChemNET: a deep learning framework for predicting small molecules targeting microRNA function 2024-10-23, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-49813-w PMID:39443444	研究论文	开发了一个名为sChemNET的深度学习框架，用于基于化学结构和序列信息预测影响miRNA生物活性的小分子	通过目标函数克服稀疏化学信息限制，使神经网络能够从大量未知影响miRNA的化学结构中学习化学空间	小分子-miRNA数据集规模较小	预测靶向miRNA功能的小分子	小分子、microRNA、人类和其他哺乳动物生物	机器学习	癌症、传染性疾病	深度学习、体外实验、体内实验	神经网络	化学结构、序列信息	小分子-miRNA数据集	NA	sChemNET	实验验证	NA
9807	2025-10-06	Putting proteins in context 2024-Oct-16, Cell systems IF:9.0Q1 DOI:10.1016/j.cels.2024.09.009 PMID:39418999	研究论文	介绍了一种名为PINNACLE的几何深度学习方法，通过整合分析蛋白质相互作用和多器官单细胞转录组数据生成蛋白质的上下文表征	首次将蛋白质相互作用与多器官单细胞转录组数据相结合，为蛋白质生成具有生物环境上下文的表征	NA	解决现有蛋白质表征方法缺乏生物环境上下文的问题	蛋白质及其在细胞类型特异性功能和相互作用中的表征	机器学习	NA	单细胞转录组学	几何深度学习	蛋白质相互作用数据，单细胞转录组数据	NA	NA	PINNACLE	NA	NA
9808	2025-10-06	Integrating Deep Learning and Synthetic Biology: A Co-Design Approach for Enhancing Gene Expression via N-Terminal Coding Sequences 2024-09-20, ACS synthetic biology IF:3.7Q1 DOI:10.1021/acssynbio.4c00371 PMID:39229974	研究论文	提出一种深度学习与合成生物学协同设计的少样本训练工作流，用于优化N端编码序列以增强基因表达	开发了结合k近邻编码、word2vec、注意力机制和时间序列网络的深度学习框架，仅需少量训练数据即可高效优化NCS序列	方法仅在GFP和N-乙酰神经氨酸合成相关基因上验证，需要进一步扩展到更多基因系统	通过优化N端编码序列来最大化基因表达水平	绿色荧光蛋白(GFP)和N-乙酰神经氨酸合成关键限速基因	机器学习	NA	基因工程，荧光报告系统	注意力机制，时间序列网络	基因序列数据，荧光强度数据	少量训练数据，6次迭代实验	word2vec	注意力机制，时间序列网络	荧光增强因子	NA
9809	2025-10-06	Deep learning in the diagnosis for cystic lesions of the jaws: a review of recent progress 2024-06-28, Dento maxillo facial radiology DOI:10.1093/dmfr/twae022 PMID:38814810	综述	本文综述了深度学习在颌骨囊性病变诊断中的最新研究进展与应用效果	首次系统评估深度学习在颌骨囊性病变鉴别诊断中的性能表现，涵盖44项相关研究	缺乏模型可解释性、多中心数据验证不足，尚未达到常规临床应用标准	研究深度学习在颌骨囊性病变诊断中的性能表现	颌骨囊性病变的影像学诊断	数字病理	颌骨囊性病变	深度学习	NA	牙科放射影像	44项研究（初始1862篇文献筛选得出）	NA	NA	鉴别性能	NA
9810	2025-10-06	Deep learning with noisy labels in medical prediction problems: a scoping review 2024-Jun-20, Journal of the American Medical Informatics Association : JAMIA IF:4.7Q1 DOI:10.1093/jamia/ocae108 PMID:38814164	综述	对医学预测问题中带噪声标签的深度学习研究进行范围综述，涵盖噪声标签检测、处理和评估方法	首次系统综述医学预测领域中带噪声标签的深度学习研究，提供噪声标签检测和处理方法的分类框架	仅纳入2016-2023年间60篇文献，可能未覆盖所有相关研究	系统梳理医学预测问题中带噪声标签的深度学习研究现状和方法	医学预测问题中的噪声标签管理方法	机器学习	NA	深度学习	NA	医学数据	60篇文献	NA	NA	NA	NA
9811	2025-10-06	Disentangling developmental effects of play aspects in rat rough-and-tumble play 2024-05, Biology letters IF:2.8Q2 DOI:10.1098/rsbl.2024.0037 PMID:38808945	研究论文	本研究通过选择性减少大鼠打闹游戏中的运动或社交方面，探讨不同游戏方面对发育的影响	首次通过选择性减少游戏特定方面（运动或社交）来区分不同游戏方面对发育的独立影响	研究仅针对雄性大鼠，未包括雌性；仅评估了对人类-大鼠游戏的反应，未涵盖其他行为表现	理解动物游戏中不同方面（运动和社会方面）对发育的具体贡献	发育期雄性大鼠	行为神经科学	NA	超声波发声记录，深度学习分类	深度学习	音频数据（50 kHz超声波发声）	多组发育期雄性大鼠（具体数量未在摘要中说明）	NA	NA	超声波发声数量，发声亚型分类	NA
9812	2025-10-06	Segment anything with inception module for automated segmentation of endometrium in ultrasound images 2024-May, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.11.3.034504 PMID:38827779	研究论文	提出一种专门用于超声图像中子宫内膜分割的改进模型SAIM	在Segment Anything模型基础上引入inception模块和点提示机制，专门针对子宫内膜分割任务进行优化	NA	开发自动化子宫内膜分割方法以提高妇科诊断效率和准确性	接受宫腔镜手术患者的超声图像	计算机视觉	妇科疾病	超声成像	CNN	图像	NA	NA	Segment Anything Model, Inception模块	Dice相似系数, 交并比	NA
9813	2025-10-06	Quantifying lung fissure integrity using a three-dimensional patch-based convolutional neural network on CT images for emphysema treatment planning 2024-May, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.11.3.034502 PMID:38817711	研究论文	开发基于三维块状卷积神经网络的深度学习方法来分割肺裂并定量评估肺裂完整性，用于肺气肿患者的治疗规划	首次提出使用三维块状卷积神经网络自动量化肺裂完整性评分，为肺气肿患者的支气管内瓣膜治疗提供决策支持	样本量相对有限（129例CT扫描），且右水平裂的预测误差较大（12.2%）	开发自动量化肺裂完整性的方法以辅助肺气肿治疗规划	严重肺气肿患者的CT图像	医学影像分析	肺气肿	CT成像	CNN	三维医学图像	129例严重肺气肿患者的CT扫描（86例训练，43例测试）	nnU-Net	U-Net	绝对百分比误差	NA
9814	2025-10-06	Sub-second photon dose prediction via transformer neural networks 2023-May, Medical physics IF:3.2Q1 DOI:10.1002/mp.16231 PMID:36669122	研究论文	提出一种结合Transformer和卷积层的深度学习算法iDoTA，用于快速预测光子束剂量分布	首次将Transformer架构与3D卷积结合用于剂量预测，将3D剂量预测任务建模为序列建模问题	训练数据仅包含1700个束流剂量分布，需要更多样化的临床数据验证	开发快速准确的光子束剂量预测算法，支持在线和实时自适应放疗	光子束剂量分布预测	医学影像分析	前列腺癌, 肺癌, 头颈癌	深度学习	Transformer, CNN	3D CT影像, 剂量分布数据	1700个束流剂量分布，来自11个临床VMAT计划（每个计划194-354个束流）	NA	Transformer, 3D卷积神经网络	gamma通过率, 相对剂量误差	NA
9815	2025-05-31	MedScale-Former: Self-guided multiscale transformer for medical image segmentation 2025-Jul, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103554 PMID:40209553	研究论文	提出了一种名为MedScale-Former的双分支Transformer网络，用于医学图像分割，通过自监督学习和多尺度策略提高分割准确性	引入了双分支Transformer网络，结合自监督学习和多尺度策略，提出选择性核区域注意力模块以增强对象边界定义	需要进一步验证在不同医学图像数据集上的泛化能力	提高医学图像分割的准确性，减少对大量标注数据的依赖	医学图像（皮肤病变、肺器官、多发性骨髓瘤浆细胞）	数字病理	皮肤病变、肺器官疾病、多发性骨髓瘤	自监督学习、多尺度Transformer	Transformer	医学图像	NA	NA	NA	NA	NA
9816	2025-05-31	General retinal image enhancement via reconstruction: Bridging distribution shifts using latent diffusion adaptors 2025-Jul, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103603 PMID:40300379	research paper	提出了一种通用的视网膜图像增强方法，通过分解任务为重建和适应阶段来提高泛化能力和灵活性	采用自监督训练和潜在扩散模型，减少了配对训练数据的需求、可训练参数的数量，并加快了收敛速度	方法虽然在多个数据集和退化类型上表现出适应性，但具体性能可能依赖于预训练和微调的质量	提高视网膜图像增强的泛化能力和灵活性，适应不同的数据集和退化类型	视网膜图像	computer vision	NA	潜在扩散模型	autoencoders, diffusion networks	image	利用大量公共数据集进行自监督训练，具体样本数量未提及	NA	NA	NA	NA
9817	2025-05-31	Medical image translation with deep learning: Advances, datasets and perspectives 2025-Jul, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103605 PMID:40311301	综述	本文回顾了基于深度学习的医学图像翻译的最新进展，包括任务、应用、基础模型、生成模型、评估指标、常用数据集以及未来趋势和挑战	详细阐述了医学图像翻译的多样任务和实际应用，并深入探讨了多种生成模型及其评估指标	未提及具体实验数据或样本量的限制	推动医学图像翻译领域的持续进步和创新	医学图像翻译技术及其应用	数字病理	NA	深度学习	CNN, Transformer, SSM, GAN, VAE, AR, diffusion Models, flow Models	医学图像	NA	NA	NA	NA	NA
9818	2025-05-31	ProtoASNet: Comprehensive evaluation and enhanced performance with uncertainty estimation for aortic stenosis classification in echocardiography 2025-Jul, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103600 PMID:40324320	research paper	提出了一种基于原型的新型神经网络ProtoASNet，用于从B型超声心动图视频中分类主动脉瓣狭窄的严重程度，并增强预测的可解释性和不确定性估计	ProtoASNet通过相似性分数和可学习的时空原型提供内在可解释性，并利用弃权损失估计数据的不确定性，增强了模型的透明度和临床适用性	研究依赖于私有和公开数据集，可能无法涵盖所有临床场景，且模型性能在不确定案例中有所下降	开发一种可解释且具有不确定性估计能力的深度学习模型，用于主动脉瓣狭窄的自动分类	主动脉瓣狭窄（AS）患者	digital pathology	cardiovascular disease	B-mode echocardiography	prototype-based neural network	video	私有数据集和公开可用的TMED-2数据集	NA	NA	NA	NA
9819	2025-05-31	Deep implicit optimization enables robust learnable features for deformable image registration 2025-Jul, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103577 PMID:40328129	research paper	该论文提出了一种深度隐式优化方法，用于在可变形图像配准中实现鲁棒的可学习特征	通过将优化作为深度网络中的一层，结合统计学习和优化的优势，首次实现了在测试时无需重新训练即可切换任意变换表示	NA	弥合统计学习与优化方法在图像配准中的差距，提高配准性能和对领域偏移的鲁棒性	可变形图像配准	computer vision	NA	deep learning, iterative optimization solver	deep network	image	NA	NA	NA	NA	NA
9820	2025-05-31	Rethinking boundary detection in deep learning-based medical image segmentation 2025-Jul, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103615 PMID:40344946	research paper	提出了一种名为CTO的新型网络架构，结合CNN、ViT和显式边缘检测算子，以解决医学图像分割中边界区域精确分割的挑战	CTO网络架构结合了CNN、ViT和显式边缘检测算子，通过双流编码器网络和边界引导解码器网络，提高了边界区域的分割精度	未提及具体局限性	提高医学图像分割中边界区域的精确分割能力	医学图像分割	digital pathology	NA	CNN, ViT, 边缘检测算子	CTO (结合CNN和ViT的双流编码器网络及边界引导解码器网络)	image	七个医学图像分割数据集（ISIC 2016, PH2, ISIC 2018, CoNIC, LiTS17, BraTS, BTCV）	NA	NA	NA	NA