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
10661	2025-01-24	Mixed reality infrastructure based on deep learning medical image segmentation and 3D visualization for bone tumors using DCU-Net 2025-Feb, Journal of bone oncology IF:3.1Q2 DOI:10.1016/j.jbo.2024.100654 PMID:39839577	研究论文	本研究提出了一种基于双维度降维和通道注意力门控机制的U-Net模型（DCU-Net），用于骨肿瘤的医学图像分割和3D重建，并构建了混合现实（MR）基础设施，探索其在骨肿瘤诊断和治疗中的应用前景	提出了DCU-Net模型，结合双维度降维和通道注意力门控机制，优化特征提取和目标空间聚类能力，实现了骨肉瘤的自动分割和3D重建，并构建了基于深度学习和混合现实的MR基础设施	未提及具体的数据集规模和多样性，可能影响模型的泛化能力	提高骨肿瘤CT图像分割的性能，并通过3D重建和混合现实技术增强临床医生对肿瘤形态和空间关系的理解	骨肿瘤的CT图像	计算机视觉	骨肿瘤	DCU-Net模型，3D重建技术，混合现实（MR）技术	DCU-Net	图像	医院数据集（具体数量未提及）
10662	2025-01-24	Mid-infrared spectra of dried and roasted cocoa (Theobroma cacao L.): A dataset for machine learning-based classification of cocoa varieties and prediction of theobromine and caffeine content 2025-Feb, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2024.111243 PMID:39840227	研究论文	本文提供了一个关于干燥和烘焙可可豆的中红外光谱数据集，用于基于机器学习的可可品种分类和可可碱及咖啡因含量预测	该数据集结合了中红外光谱数据和HPLC定量分析，为机器学习模型提供了非破坏性的方法来预测可可碱和咖啡因含量及可可品种	数据集的应用可能受限于样本的多样性和实验条件的控制	开发自动化工具以支持可可工业中的实时质量控制、品种分类和产品优化	干燥和烘焙的可可豆	机器学习	NA	ATR-FTIR光谱和HPLC	NA	光谱数据	数据集包含根据实验条件和重复组织的Excel表格
10663	2025-01-24	The 'Sandwich' meta-framework for architecture agnostic deep privacy-preserving transfer learning for non-invasive brainwave decoding 2025-Jan-23, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/ad9957 PMID:39622169	研究论文	本文介绍了一种名为'Sandwich'的深度隐私保护元框架，结合了迁移学习和联邦学习，用于非侵入性脑电波解码	提出了一种新的深度隐私保护元框架'Sandwich'，结合了迁移学习和联邦学习，解决了脑电波解码中的数据变异性和隐私问题	NA	解决脑电波解码中的数据变异性和隐私问题	脑电波数据	机器学习	NA	迁移学习, 联邦学习	Inception SanDwich	时间序列数据	使用BEETL运动想象挑战中的异质脑电波数据集进行评估
10664	2025-01-24	A Comprehensive Review on the Application of Artificial Intelligence for Predicting Postsurgical Recurrence Risk in Early-Stage Non-Small Cell Lung Cancer Using Computed Tomography, Positron Emission Tomography, and Clinical Data 2025-Jan-23, Journal of medical radiation sciences IF:1.8Q3 DOI:10.1002/jmrs.860 PMID:39844750	综述	本文综述了利用人工智能（AI）结合CT、PET和临床数据预测早期非小细胞肺癌（NSCLC）术后复发风险的研究	本文综合分析了2018年至2024年间发表的16项研究，评估了放射组学、机器学习和深度学习在预测术后复发风险中的应用，并指出了未来研究方向	现有研究存在样本量小、缺乏外部验证、可解释性问题以及多模态影像技术融合不足等挑战	预测早期非小细胞肺癌（NSCLC）术后复发风险	早期非小细胞肺癌（NSCLC）患者	数字病理学	肺癌	放射组学、机器学习、深度学习	深度学习模型、多模态模型	CT、PET、临床数据	16项研究（具体样本量未明确）
10665	2025-01-24	Biomimetic Fingerprint-like Unclonable Optical Anticounterfeiting System with Selectively In Situ-Synthesized Perovskite Quantum Dots Embedded in Spontaneous-Phase-Separated Polymers 2025-Jan-22, ACS applied materials & interfaces IF:8.3Q1 DOI:10.1021/acsami.4c20440 PMID:39780348	研究论文	本文提出了一种基于钙钛矿量子点指纹物理不可克隆功能的仿生防伪系统，利用聚合物的自发相分离和选择性原位合成钙钛矿量子点作为熵源	该系统通过调整钙钛矿和聚合物成分，实现了从二进制到多值编码的扩展，具有高编码容量，并兼容主流生产技术和深度学习增强的智能融合方案	未提及具体局限性	开发一种新型防伪技术，以应对物联网时代防伪技术面临的挑战	钙钛矿量子点和聚合物	材料科学	NA	自发相分离和选择性原位合成	深度学习	图像	未提及具体样本数量
10666	2025-01-24	Artificial intelligence streamlines scientific discovery of drug-target interactions 2025-Jan-22, British journal of pharmacology IF:6.8Q1 DOI:10.1111/bph.17427 PMID:39843168	综述	本文综述了人工智能（AI）技术在药物靶点相互作用（DTI）预测中的应用	本文系统性地概述了AI在DTI预测中的应用，包括经典机器学习、深度学习和基于网络的方法，并指出了当前挑战和未来方向	本文未涉及具体实验验证，主要集中于理论和方法论的探讨	探讨AI技术在药物发现和开发中的应用，特别是DTI预测	药物靶点相互作用（DTI）	机器学习	NA	NA	经典机器学习、深度学习、基于网络的方法	NA	NA
10667	2025-01-24	Automated Detection of Cancer-Suspicious Findings in Japanese Radiology Reports with Natural Language Processing: A Multicenter Study 2025-Jan-22, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01338-w PMID:39843717	研究论文	本文开发了一种基于规则的自然语言处理（NLP）算法，用于从日本放射学报告中自动检测癌症可疑发现	提出了一种基于规则的NLP算法，并在多中心数据上验证了其性能，展示了其在不同机构间的泛化能力	算法主要依赖于规则，可能无法覆盖所有复杂的语言表达，且仅针对日文报告	开发并验证一种NLP算法，用于自动检测放射学报告中的癌症可疑发现，以减少漏诊和延误治疗	来自六个机构的胸部和腹部CT报告	自然语言处理	癌症	自然语言处理（NLP）	基于规则的算法，BERT作为基线深度学习模型	文本（放射学报告）	来自六个机构的CT报告，具体样本数量未明确
10668	2025-01-24	Breast Cancer Histopathological Image Classification Based on Graph Assisted Global Reasoning 2025-Jan-22, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01403-y PMID:39843721	研究论文	本研究提出了一种基于图辅助全局推理的乳腺癌组织病理学图像分类方法，旨在通过深度学习提取病理特征并自动识别肿瘤信息，以辅助医生进行高精度的病理诊断	提出了一种双流全局-局部网络（DSGLNet），通过卷积网络提取局部图像特征，并利用图卷积映射构建全局特征交互空间，从而深度融合局部和全局特征以实现精确的图像分类	研究仅在公开的BreakHis数据集上进行了评估，未在其他数据集上验证模型的泛化能力	利用深度学习技术提高乳腺癌组织病理学图像分类的精度，辅助病理诊断	乳腺癌组织病理学图像	数字病理学	乳腺癌	深度学习	双流全局-局部网络（DSGLNet）	图像	BreakHis数据集，包含不同放大倍数的组织病理学图像
10669	2025-01-24	How to Efficiently Annotate Images for Best-Performing Deep Learning-Based Segmentation Models: An Empirical Study with Weak and Noisy Annotations and Segment Anything Model 2025-Jan-22, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01408-7 PMID:39843720	研究论文	本文通过实证研究探讨了在有限标注预算下，如何高效地为深度学习分割模型标注图像，比较了弱标注和噪声标注与传统精确标注的效果	首次系统评估了六种标注策略（共9-10种子策略）在四个数据集上的成本效益，发现精确标注在预算有限时并非最优选择，弱标注和噪声标注在某些情况下能达到与精确标注相似的性能，但成本效益更高	研究仅基于四个数据集，可能无法涵盖所有应用场景，且未探讨不同模型架构对标注策略效果的潜在影响	评估不同标注策略在深度学习图像分割任务中的成本效益，以指导研究者更高效地使用标注预算	图像分割任务中的标注策略	计算机视觉	NA	深度学习	DNN	图像	四个数据集
10670	2025-01-24	Semi-Supervised Medical Image Segmentation Based on Frequency Domain Aware Stable Consistency Regularization 2025-Jan-22, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01397-7 PMID:39843719	研究论文	本文提出了一种基于频域感知稳定一致性正则化的半监督医学图像分割方法	利用图像的固有频域信息作为一致性约束，避免了人为设置扰动引入的偏差，并在模型训练的编码器阶段引入监督，确保模型不会因强增强导致的原始特征空间破坏而学习失败	未提及具体的数据集或样本量限制，也未讨论在更广泛医学图像数据集上的泛化能力	改进半监督医学图像分割方法，提高模型在有限标注数据下的性能	医学图像	计算机视觉	NA	频域分析	半监督学习模型	图像	NA
10671	2025-01-24	From pixels to patients: the evolution and future of deep learning in cancer diagnostics: (Trends in Molecular Medicine, published online December 11, 2024) 2025-Jan-21, Trends in molecular medicine IF:12.8Q1 DOI:10.1016/j.molmed.2024.12.012 PMID:39843287	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
10672	2025-01-24	On the Effect of the Patient Table on Attenuation in Myocardial Perfusion Imaging SPECT 2025-Jan-20, EJNMMI physics IF:3.0Q2 DOI:10.1186/s40658-024-00713-4 PMID:39832088	研究论文	本研究探讨了患者检查台对心肌灌注成像（MPI）SPECT中衰减的影响，通过比较幻影扫描和患者研究的重建结果	使用深度学习方法和自动去除患者检查台的算法，首次在患者研究中评估了检查台对衰减的影响	研究仅基于15名患者的回顾性队列，样本量较小	评估患者检查台对MPI SPECT中衰减的影响	Jaszczak幻影扫描和15名患者的MPI数据	医学影像	心血管疾病	SPECT成像	NA	图像	15名患者
10673	2025-01-24	Triple-attentions based salient object detector for strip steel surface defects 2025-Jan-20, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-86353-9 PMID:39833226	研究论文	本文提出了一种基于三重注意力机制的显著目标检测器TADet，用于带钢表面缺陷的检测	引入了创新的三重注意力机制（TA），通过三个不同且相互关联的二维平面视角（通道-宽度、通道-高度和宽度-高度）同时迭代地提炼和整合特征图，增强了特征的表示能力	NA	提高带钢表面缺陷检测的准确性和鲁棒性	带钢表面缺陷	计算机视觉	NA	深度学习	编码器-解码器网络	图像	NA
10674	2025-01-24	Multi-branch LSTM encoded latent features with CNN-LSTM for Youtube popularity prediction 2025-Jan-20, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-86785-3 PMID:39833294	研究论文	本文提出了一种新颖的多分支LSTM编码潜在特征与CNN-LSTM融合的方法，用于预测YouTube视频的流行度	提出了一种新颖的多分支LSTM网络来映射视频特征到低维空间，并使用融合的CNN-LSTM模型预测视频流行度	未提及具体的数据集大小和多样性，可能影响模型的泛化能力	预测YouTube视频的流行度，以提高内容驱动视频的收益	YouTube视频数据	自然语言处理	NA	LSTM, CNN	多分支LSTM, CNN-LSTM	视频数据	未提及具体样本数量
10675	2025-01-24	Prediction of post-treatment recurrence in early-stage breast cancer using deep-learning with mid-infrared chemical histopathological imaging 2025-Jan-17, NPJ precision oncology IF:6.8Q1 DOI:10.1038/s41698-024-00772-x PMID:39825009	研究论文	本研究利用傅里叶变换红外（FTIR）化学成像技术，通过深度学习模型预测早期乳腺癌患者的长期复发风险	首次将FTIR化学成像与深度学习结合，用于乳腺癌复发预测，提供了一种无标记的组织病理学预后平台	模型的预测性能（ROC AUC约为0.64）虽然与现有临床检测方法相当，但仍有提升空间	开发一种新的方法来预测早期乳腺癌患者的长期复发风险	早期乳腺癌患者的组织样本	数字病理学	乳腺癌	傅里叶变换红外（FTIR）化学成像	二维卷积网络和二维可分离卷积网络	化学图像	未明确提及具体样本数量
10676	2025-01-24	Pre-trained artificial intelligence-aided analysis of nanoparticles using the segment anything model 2025-Jan-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-86327-x PMID:39825089	研究论文	本文介绍了一种利用预训练人工智能模型进行纳米颗粒形态表征的方法，特别是针对细分颗粒和颗粒基材料	使用预训练的Segment Anything Model进行纳米颗粒的自动分割，并将颗粒的细分组织成集合，这是该领域的一种新方法	NA	通过预训练的人工智能模型提高纳米颗粒形态表征的准确性和效率	纳米颗粒，包括纳米球、哑铃形颗粒和三聚体	计算机视觉	NA	预训练的深度学习模型	Segment Anything Model	图像	三种类型的纳米颗粒：纳米球、哑铃形颗粒和三聚体
10677	2025-01-24	A radiomics and deep learning nomogram developed and validated for predicting no-collapse survival in patients with osteonecrosis after multiple drilling 2025-Jan-15, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-025-02859-2 PMID:39815247	研究论文	本研究利用放射组学和深度学习技术，开发并验证了一种预测股骨头坏死患者在多孔钻孔治疗后无塌陷生存的模型	结合放射组学和深度学习技术，开发了一种新的预测模型，用于评估股骨头坏死患者在多孔钻孔治疗后的无塌陷生存率	样本量相对较小，仅包括144名患者（212髋），可能需要更大规模的研究来验证模型的普遍适用性	预测股骨头坏死患者在多孔钻孔治疗后的无塌陷生存率	股骨头坏死患者	数字病理学	骨坏死	放射组学，深度学习	DLRC模型	影像数据	144名患者（212髋）
10678	2025-01-24	DNALongBench: A Benchmark Suite for Long-Range DNA Prediction Tasks 2025-Jan-08, bioRxiv : the preprint server for biology DOI:10.1101/2025.01.06.631595 PMID:39829833	研究论文	本文介绍了DNALongBench，一个用于评估依赖长程DNA依赖性的基因组学任务的基准数据集	提出了一个涵盖五个重要基因组学任务的基准数据集，这些任务考虑了长达100万碱基对的长程依赖性	未提及具体的数据集规模或样本量，可能限制了其广泛适用性	解决长程DNA依赖性建模的挑战，并提供一个标准化的资源来评估新兴的DNA序列深度学习模型	基因组结构及其功能	基因组学	NA	深度学习模型	CNN, HyenaDNA, Caduceus-Ph, Caduceus-PS	DNA序列数据	NA
10679	2025-01-24	A large annotated cervical cytology images dataset for AI models to aid cervical cancer screening 2025-Jan-07, Scientific data IF:5.8Q1 DOI:10.1038/s41597-025-04374-5 PMID:39774182	研究论文	本文提供了一个大规模且详尽标注的宫颈细胞学图像数据集，用于训练AI模型以辅助宫颈癌筛查	提供了一个包含8,037张图像的大规模宫颈细胞学图像数据集，这些图像来源于129张Thinprep细胞学测试（TCT）切片图像，并进行了详尽的异常细胞标注	数据集的收集和标注过程耗时，可能限制了模型的泛化性能	提高宫颈癌筛查中异常细胞检测的效率和准确性	宫颈细胞学图像	数字病理学	宫颈癌	深度学习	NA	图像	8,037张图像，来源于129张TCT切片
10680	2025-01-24	Engineering of CRISPR-Cas PAM recognition using deep learning of vast evolutionary data 2025-Jan-06, bioRxiv : the preprint server for biology DOI:10.1101/2025.01.06.631536 PMID:39829748	研究论文	本文介绍了一种名为Protein2PAM的深度学习模型，该模型基于超过45,000个CRISPR-Cas PAMs的数据集训练，能够快速准确地预测Cas蛋白的PAM特异性	首次成功应用机器学习实现Cas酶的定制化，以识别不同的PAM，为个性化基因组编辑铺平道路	需要进一步实验验证模型预测的Cas蛋白变体的实际效果	通过机器学习定制Cas酶以识别不同的PAM，扩展基因组编辑的目标范围	CRISPR-Cas系统的Cas蛋白	机器学习	NA	深度学习，深度突变扫描	深度学习模型	蛋白质序列数据	超过45,000个CRISPR-Cas PAMs