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
1001	2025-05-10	A comprehensive review of deep learning-based approaches for drug-drug interaction prediction 2025-Jan-15, Briefings in functional genomics IF:2.5Q3 DOI:10.1093/bfgp/elae052 PMID:39987494	review	本文综述了基于深度学习的药物-药物相互作用（DDI）预测方法	提供了最新的、易于理解的DDI预测方法指南，包括基于相似性、网络和整合的方法，并对广泛使用的分子表示和从图数据中提取特征的模型理论框架进行了深入分析	未提及具体实验验证或实际应用效果的局限性	为不同领域的研究者提供关于DDI预测的全面指南	药物-药物相互作用（DDI）	machine learning	NA	deep learning	NA	graph data	NA
1002	2025-05-10	Intelligent skin disease prediction system using transfer learning and explainable artificial intelligence 2025-01-11, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-83966-4 PMID:39799199	研究论文	提出了一种基于迁移学习和可解释人工智能的智能皮肤病预测系统	使用预训练的VGG16模型进行迁移学习，并结合层相关传播（LRP）技术提高模型的可解释性	VGG16模型作为黑箱模型，无法解释系统运作的原因和方式	快速识别和预测皮肤病，如鸡痘、麻疹和猴痘	皮肤病的图像数据	计算机视觉	皮肤病	迁移学习（TL）和层相关传播（LRP）	VGG16	图像	包含鸡痘、麻疹、猴痘和正常皮肤四类图像的数据集
1003	2025-05-10	A benchmark of deep learning approaches to predict lung cancer risk using national lung screening trial cohort 2025-01-11, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-84193-7 PMID:39799226	research paper	本文通过比较和分析当前最先进的深度学习模型，评估了它们在肺癌风险预测任务中的性能	首次全面比较和验证了多种3D和2D深度学习模型在肺癌风险预测中的表现，并探讨了预训练数据集对模型性能的影响	研究样本量有限（253名患者），且仅使用了无对比剂的CT扫描数据	评估深度学习模型在肺癌风险预测中的性能，为临床应用的模型选择提供依据	来自国家肺癌筛查试验(NLST)的253名患者的CT扫描数据	digital pathology	lung cancer	CT扫描	3D和2D深度学习模型（如CNN等）	image	253名患者的CT扫描数据
1004	2025-05-10	Deep learning algorithms enable MRI-based scapular morphology analysis with values comparable to CT-based assessments 2025-01-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-84107-7 PMID:39794358	研究论文	本研究提出了一种基于深度学习的MRI肩胛骨形态分析方法，其准确性可与CT评估相媲美	利用深度学习技术从各向异性分辨率和有限视野的MRI中自动进行肩胛骨形态分析，克服了传统MRI方法的误差问题	虽然准确性接近CT，但仍存在微小偏差，且样本量和多样性未明确说明	开发一种无需CT即可准确评估肩胛骨形态的方法	肩胛骨的形态特征	数字病理学	肩袖修复术后再撕裂	MRI和CT成像	深度学习分割网络	医学影像	NA
1005	2025-05-10	A hybrid explainable model based on advanced machine learning and deep learning models for classifying brain tumors using MRI images 2025-01-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-85874-7 PMID:39794374	research paper	提出了一种结合轻量级并行深度可分离卷积神经网络（PDSCNN）和混合岭回归极限学习机（RRELM）的新方法，用于基于MRI图像准确分类四种脑肿瘤	结合PDSCNN和RRELM，采用CLAHE增强MRI图像中肿瘤特征的可见性和清晰度，并通过SHAP提高模型的可解释性	未提及具体的数据集来源和样本多样性，可能影响模型的泛化能力	提高脑肿瘤的早期检测和准确分类，以支持有效的治疗策略	四种脑肿瘤（胶质瘤、脑膜瘤、无肿瘤和垂体瘤）的MRI图像	digital pathology	brain tumor	MRI, CLAHE, SHAP	PDSCNN, RRELM	image	未提及具体样本数量
1006	2025-05-10	Characteristics of successful expansion of tumor-infiltrating lymphocytes from colorectal cancer liver metastasis 2025-01-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-85892-5 PMID:39794519	research paper	本研究探讨了从结直肠癌肝转移组织中成功扩增肿瘤浸润淋巴细胞（TILs）的特征及其与组织病理学因素的相关性	首次系统研究了结直肠癌肝转移组织中TILs的扩增特性，并发现KM评分可作为TILs扩增潜力的预测指标	样本量较小（仅15例），且仅5例进行了快速扩增实验	探索结直肠癌肝转移组织中TILs的扩增特性及其临床应用潜力	结直肠癌肝转移患者的肿瘤组织样本	digital pathology	colorectal cancer	TILs培养技术（初始扩增和快速扩增），深度学习空间分析	NA	组织病理学数据，细胞计数数据	15例结直肠癌肝转移组织样本（其中5例进行了快速扩增实验）
1007	2025-05-10	A novel dataset for nuclei and tissue segmentation in melanoma with baseline nuclei segmentation and tissue segmentation benchmarks 2025-Jan-06, GigaScience IF:11.8Q1 DOI:10.1093/gigascience/giaf011 PMID:39970004	研究论文	介绍了一个用于黑色素瘤细胞核和组织分割的新数据集PUMA，并评估了几种先进深度学习模型的性能	创建了首个针对黑色素瘤的细胞核和组织分割数据集PUMA，并展示了通过启发式后处理提高模型性能的方法	数据集来自单一黑色素瘤转诊机构，可能限制了模型的泛化能力	开发用于黑色素瘤细胞核和组织分割的深度学习模型，以改善预后和预测生物标志物的开发	黑色素瘤组织中的细胞核和组织	数字病理学	黑色素瘤	深度学习	Hover-NeXt	图像	310个（155个原发性和155个转移性黑色素瘤）H&E染色区域
1008	2025-05-10	Unsupervised neural network-based image stitching method for bladder endoscopy 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0311637 PMID:39964991	研究论文	提出了一种基于无监督神经网络的膀胱内窥镜图像拼接方法	无需标记数据集，采用无监督学习方法进行图像拼接，解决了医学数据标记困难的问题	未提及具体的数据集规模或多样性限制	开发一种无需标记数据的膀胱内窥镜图像拼接方法，以扩展视野并辅助诊断	膀胱内窥镜图像	计算机视觉	膀胱疾病	无监督深度学习	无监督对齐网络和无监督融合网络	图像	NA
1009	2025-05-10	TGF-Net: Transformer and gist CNN fusion network for multi-modal remote sensing image classification 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0316900 PMID:39970154	research paper	提出了一种基于Transformer和gist CNN的融合网络TGF-Net，用于多模态遥感图像分类	结合了特征重构模块（FRM）和基于Transformer的光谱特征提取模块（TSFEM）以及基于gist的空间特征提取模块（GSFEM），用于提取多模态遥感数据的独特和共同特征	未提及具体的数据集大小或实验结果的局限性	解决多模态遥感数据分类中的挑战	多模态遥感图像（HSI和SAR数据）	computer vision	NA	matrix factorization, self-attention mechanism	Transformer, CNN	image	两个数据集（HSI和SAR数据）
1010	2025-05-10	Enhanced swin transformer based tuberculosis classification with segmentation using chest X-ray 2025-Jan, Journal of X-ray science and technology IF:1.7Q3 DOI:10.1177/08953996241300018 PMID:39973770	research paper	本文提出了一种基于深度学习的胸部分割和分类模型，用于结核病的早期检测	结合了Attention UNet分割和Enhanced Swin Transformer分类模型，并采用Enhanced Lotus Effect Optimization算法优化损失函数	未提及模型在临床环境中的实际应用效果和泛化能力	提高结核病的自动检测准确率	结核病的胸片图像	digital pathology	tuberculosis	deep learning	Attention UNet (A_UNet), Enhanced Swin Transformer (EnSTrans)	image	NA
1011	2025-05-10	Spine X-ray image segmentation based on deep learning and marker controlled watershed 2025-Jan, Journal of X-ray science and technology IF:1.7Q3 DOI:10.1177/08953996241299998 PMID:39973775	研究论文	提出了一种基于深度学习和标记控制分水岭的脊柱X射线图像分割方法，用于解决相邻椎骨的粘连问题	结合高分辨率网络（HRNet）和VU-Net网络，设计新的骨方向损失（BD-Loss）和位置信息感知模块（PIPM），并创新性地利用HRNet和VU-Net的输出初始化标记控制分水岭算法	仅在两个脊柱X射线数据集上进行了评估，未涉及更多类型的脊柱图像或临床验证	开发自动椎骨分割方法，以客观分析脊柱图像中的每个椎骨	脊柱X射线图像中的椎骨	计算机视觉	脊柱疾病	深度学习，标记控制分水岭算法	HRNet, VU-Net	图像	两个脊柱X射线数据集（颈椎矢状面图像和全脊柱冠状面图像）
1012	2025-05-10	CT image super-resolution under the guidance of deep gradient information 2025-Jan, Journal of X-ray science and technology IF:1.7Q3 DOI:10.1177/08953996241289225 PMID:39973779	研究论文	提出一种基于生成对抗学习的CT图像超分辨率网络，通过梯度分支和SR分支的结合，提升图像的结构保持和细节恢复能力	网络结合梯度分支和SR分支，利用梯度信息指导超分辨率重建，并通过结合图像空间损失函数、梯度损失和梯度方差损失，生成更真实的细节纹理	未提及具体计算复杂度或实时性表现，可能在实际应用中存在效率问题	解决CT图像超分辨率问题，提升图像分辨率和细节恢复能力	CT图像	计算机视觉	NA	生成对抗学习	GAN	图像	模拟数据和实验数据（未提及具体数量）
1013	2025-05-10	A study on CT detection image generation based on decompound synthesize method 2025-Jan, Journal of X-ray science and technology IF:1.7Q3 DOI:10.1177/08953996241296249 PMID:39973778	research paper	本研究提出了一种基于分解合成方法的CT检测图像生成算法，用于增强缺陷检测训练数据集	提出了一种名为Decompound Synthesize Method (DSM)的新型CT检测图像生成算法，将图像生成过程分解为模型转换、背景生成和缺陷合成三个步骤	缺陷数据集的稀缺性和类别不平衡问题限制了深度学习检测算法的性能	解决缺陷检测模型训练中的小样本和类别不平衡问题	高温气冷堆(HTGR)核心中的核石墨和碳组件	computer vision	NA	Helical Computed Tomography (CT)	Contour-CycleGAN	image	有限的CT重建图像和稀疏分布的缺陷样本
1014	2025-05-10	Quantitative analysis of deep learning reconstruction in CT angiography: Enhancing CNR and reducing dose 2025-Jan, Journal of X-ray science and technology IF:1.7Q3 DOI:10.1177/08953996241301696 PMID:39973777	研究论文	本研究通过深度学习重建技术定量评估了CT血管造影中对比噪声比的提升和剂量减少效果	使用先进的深度学习重建技术AiCE，与传统FBP方法相比，显著提升了对比噪声比并减少了辐射剂量	研究基于体模设置，未涉及真实患者数据	评估深度学习重建技术在CT血管造影中的图像质量和剂量减少效果	CT血管造影图像	数字病理	心血管疾病	CT扫描	深度学习重建技术（AiCE）	图像	使用8种不同碘浓度的体模设置
1015	2025-05-10	Radiomics and deep learning features of pericoronary adipose tissue on non-contrast computerized tomography for predicting non-calcified plaques 2025-Jan, Journal of X-ray science and technology IF:1.7Q3 DOI:10.1177/08953996241292476 PMID:39973776	research paper	该研究结合放射组学和深度学习技术，基于非对比计算机断层扫描（CT）图像，预测冠状动脉非钙化斑块（NCP）的存在	首次将放射组学与深度学习特征结合，利用非对比CT扫描的冠状动脉周围脂肪组织（PCAT）数据预测NCP	研究样本量有限（353例患者），且需要手动勾画感兴趣区域（ROI）	探讨放射组学和深度学习特征在预测冠状动脉炎症和NCP中的价值	353例患者的临床和影像数据	digital pathology	cardiovascular disease	non-contrast CT	XGBoost, Random Forest (RF)	image	353例患者
1016	2025-05-10	Enhancing brain tumor classification by integrating radiomics and deep learning features: A comprehensive study utilizing ensemble methods on MRI scans 2025-Jan, Journal of X-ray science and technology IF:1.7Q3 DOI:10.1177/08953996241299996 PMID:39973780	研究论文	本研究通过结合放射组学特征和深度学习特征，利用集成学习方法提升MRI扫描中脑肿瘤分类的准确性和可靠性	结合放射组学特征和深度学习特征，并采用集成学习方法显著提高了脑肿瘤分类的准确性和可靠性	需要进一步通过额外的MRI序列和先进的机器学习技术来增强模型的泛化能力和精确性	评估结合放射组学特征和深度学习特征在脑肿瘤分类中的有效性	脑肿瘤（胶质瘤、脑膜瘤和垂体瘤）	数字病理	脑肿瘤	MRI扫描、3D CNN、LASSO特征选择	SVM、DT、RF、AdaBoost、Bagging、KNN、MLP	MRI图像	3064个T1加权对比增强脑MRI扫描
1017	2025-05-10	MRI classification and discrimination of spinal schwannoma and meningioma based on deep learning 2025-Jan, Journal of X-ray science and technology IF:1.7Q3 DOI:10.1177/08953996241289745 PMID:39973782	研究论文	本研究基于深度学习构建了一个分类模型，用于自动诊断脊柱神经鞘瘤和脑膜瘤	引入了选择性卷积核模块改进CNN模型，增强网络对肿瘤特征的关注并有效提升性能	样本量较小（74例患者），且数据来自单一医院	促进患者早期诊断并减轻临床医生压力	脊柱神经鞘瘤（SCH）和脑膜瘤（MEN）患者	数字病理学	脊柱肿瘤	MRI成像	ResNet34-SKConv（改进的CNN模型）	图像（MRI切片）	74例经病理确诊的患者（2015-2020年）
1018	2025-05-10	Three-dimensional semi-supervised lumbar vertebrae region of interest segmentation based on MAE pre-training 2025-Jan, Journal of X-ray science and technology IF:1.7Q3 DOI:10.1177/08953996241301685 PMID:39973800	研究论文	提出一种基于MAE预训练的三维半监督腰椎感兴趣区域分割方法	修改了原始MAE预训练网络的掩蔽策略，并采用伪标签生成的半监督方法进行训练，显著提高了分割性能	在标注数据有限的情况下进行实验，可能影响模型的泛化能力	提高腰椎感兴趣区域的分割效率，以辅助临床骨密度检查	腰椎的三维图像	计算机视觉	骨科疾病	MAE预训练	MAE, UNetr	三维图像	未明确说明样本数量
1019	2025-05-10	Mask R-CNN assisted diagnosis of spinal tuberculosis 2025-Jan, Journal of X-ray science and technology IF:1.7Q3 DOI:10.1177/08953996241290326 PMID:39973774	research paper	提出了一种基于深度学习的辅助诊断方法，用于脊柱结核的诊断，使用改进的Mask R-CNN模型	通过结合ResPath和cbam*改进Mask R-CNN模型，提高了性能指标	未提及具体样本量及数据来源的详细信息	开发一种准确且客观的脊柱结核诊断方法	脊柱结核的CT影像	computer vision	spinal tuberculosis	deep learning	Mask R-CNN, Faster-RCNN, SSD	image	NA
1020	2025-05-10	Dynamic Visualization of Computer-Aided Peptide Design for Cancer Therapeutics 2025, Drug design, development and therapy DOI:10.2147/DDDT.S497126 PMID:39974609	research paper	通过文献计量分析探讨计算机辅助肽设计在癌症治疗领域的现状、热点和未来趋势	利用文献计量工具分析计算机辅助肽设计的研究热点，如细胞穿透肽和肽疫苗，并指出深度学习技术的潜在影响	研究仅基于Web of Science数据库的1547篇出版物，可能未涵盖所有相关研究	探索计算机辅助肽设计在癌症治疗领域的现状、热点和未来趋势	抗癌肽（ACPs）及其在癌症治疗中的应用	生物信息学	癌症	分子动力学模拟、分子对接、深度学习	NA	文献数据	1547篇相关出版物