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
101	2025-04-27	Assessing Cancer Presence in Prostate MRI Using Multi-Encoder Cross-Attention Networks 2025-Mar-26, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging11040098 PMID:40278014	研究论文	本文提出了一种多编码器交叉注意力网络，用于评估前列腺MRI中癌症的存在	首次关注前列腺癌临床工作流程中一个关键但未被充分探索的任务：区分有癌症存在和无癌症存在的病例，并采用大规模多中心数据集进行实验	研究仅基于前列腺MRI数据，未考虑其他影像学或临床数据	准确诊断前列腺癌，为患者提供有效治疗并降低死亡率	前列腺癌患者和无癌症患者	数字病理学	前列腺癌	MRI	多编码器交叉注意力融合架构	图像	训练集4504名患者，测试集975名回顾性患者和435名前瞻性患者
102	2025-04-27	Advanced Thermal Imaging Processing and Deep Learning Integration for Enhanced Defect Detection in Carbon Fiber-Reinforced Polymer Laminates 2025-Mar-25, Materials (Basel, Switzerland) DOI:10.3390/ma18071448 PMID:40271635	研究论文	本文研究了热成像预处理对碳纤维增强聚合物(CFRP)层压板缺陷分割的影响，结合深度学习技术提高了缺陷检测的准确性	采用多项式近似和一阶、二阶导数预处理热成像信号，结合U-Net架构显著提升了缺陷检测性能	研究仅针对CFRP材料，未验证在其他复合材料上的适用性	提高碳纤维增强聚合物层压板缺陷检测的准确性和可靠性	碳纤维增强聚合物(CFRP)层压板	计算机视觉	NA	脉冲热成像技术	U-Net	热成像图像	NA
103	2025-04-27	Large-Scale Coastal Marine Wildlife Monitoring with Aerial Imagery 2025-Mar-24, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging11040094 PMID:40278010	research paper	该研究探讨了利用航拍图像和深度学习方法自动检测、分类和计数沿海海洋物种	开发了一个深度学习框架，用于从航拍图像中自动识别和分类海洋野生动物，支持生态动态分析	模型的F1分数在0.7到0.9之间，具体取决于个体类型，可能存在识别精度不足的问题	提高沿海海洋野生动物监测的效率和准确性	南象海豹和南美海狮群体	computer vision	NA	航拍图像和深度学习	深度学习框架	图像	在阿根廷巴塔哥尼亚的Valdés半岛捕获的高分辨率航拍图像数据集
104	2025-04-27	Deep Learning-Based Detection of Aflatoxin B1 Contamination in Almonds Using Hyperspectral Imaging: A Focus on Optimized 3D Inception-ResNet Model 2025-Mar-22, Toxins IF:3.9Q1 DOI:10.3390/toxins17040156 PMID:40278655	research paper	该研究提出了一种基于深度学习的3D Inception-ResNet模型，用于利用高光谱图像检测杏仁中的黄曲霉毒素B1污染	采用优化的3D Inception-ResNet架构，结合特征选择算法，提高了分类准确率和处理效率	研究仅针对杏仁中的黄曲霉毒素B1污染，未涉及其他食品或毒素类型	开发一种快速、非破坏性的方法来检测杏仁中的黄曲霉毒素B1污染，以确保食品安全	杏仁中的黄曲霉毒素B1污染	computer vision	NA	hyperspectral imaging	3D Inception-ResNet	image	NA
105	2025-04-27	A Color-Based Multispectral Imaging Approach for a Human Detection Camera 2025-Mar-21, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging11040093 PMID:40278009	research paper	提出一种基于颜色的多光谱成像方法，用于开发实时人体检测相机	使用四个特定波长（453、556、668和708 nm）进行衣物与背景分离，构建轻量级机器学习模型（多层感知机）	仅适用于日间条件和常见织物，未解决完全遮挡问题	开发一种计算效率高的实时人体检测相机	衣物（作为人体检测的代理）	computer vision	NA	多光谱成像	multi-layer perceptron	光谱反射数据	NA
106	2025-04-27	Enhancing Relation Extraction for COVID-19 Vaccine Shot-Adverse Event Associations with Large Language Models 2025-Mar-17, Research square DOI:10.21203/rs.3.rs-6201919/v1 PMID:40166033	研究论文	本研究利用大型语言模型和深度学习模型从VAERS和社交媒体中提取COVID-19疫苗与不良事件之间的关系	使用GPT-3.5和GPT-4等大型语言模型结合传统模型（如RNN和BioBERT）进行关系提取，并通过后处理规则优化结果	数据集仅包含771个关系对，可能不足以覆盖所有疫苗与不良事件的关联	提高疫苗安全监测和临床实践中对疫苗接种后症状的理解	COVID-19疫苗与不良事件之间的关系	自然语言处理	COVID-19	GPT-3.5, GPT-4, RNN, BioBERT	GPT, RNN, BioBERT	文本	771个关系对
107	2025-04-27	MST-m6A: A Novel Multi-Scale Transformer-based Framework for Accurate Prediction of m6A Modification Sites Across Diverse Cellular Contexts 2025-Mar-15, Journal of molecular biology IF:4.7Q1 DOI:10.1016/j.jmb.2024.168856 PMID:39510345	研究论文	提出了一种基于多尺度Transformer的新框架MST-m6A，用于准确预测不同细胞环境中的m6A修饰位点	采用多尺度Transformer架构和双k-mer标记化方法，从RNA序列中捕获丰富的特征表示和全局上下文信息，提高了预测准确性	虽然在不同细胞系和组织中表现良好，但未明确说明在特定疾病或病理条件下的适用性	开发一种能够准确预测m6A修饰位点的计算方法，以理解其在生物过程中的功能和调控机制	m6A修饰位点	生物信息学	NA	高通量测序技术	Transformer, CNN	RNA序列数据	NA
108	2025-04-27	DEKP: a deep learning model for enzyme kinetic parameter prediction based on pretrained models and graph neural networks 2025-Mar-04, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf187 PMID:40273427	研究论文	介绍了一种名为DEKP的深度学习模型，用于基于预训练模型和图神经网络预测酶动力学参数	结合预训练模型和增强的图神经网络，全面表示蛋白质结构特征，有效缓解序列相似性变化导致的性能下降	NA	提高酶动力学参数预测的准确性，加速酶筛选和定向进化研究	酶动力学参数	机器学习	NA	深度学习	图神经网络	蛋白质序列和结构数据	NA
109	2025-04-27	PathSynergy: a deep learning model for predicting drug synergy in liver cancer 2025-Mar-04, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf192 PMID:40273429	research paper	开发了一个名为PathSynergy的深度学习模型，用于预测肝癌中的药物协同作用	PathSynergy结合了图神经网络和通路图谱映射的优势，首次预测并验证了六种FDA批准的药物与索拉非尼或乐伐替尼在肝癌中的协同作用	NA	提高癌症治疗的疗效并克服耐药性	肝癌	machine learning	liver cancer	graph neural networks, pathway map mapping	GNN	drug feature data, cell line data, drug-target interactions, signaling pathways	NA
110	2025-04-27	Combination of Deep Learning Grad-CAM and Radiomics for Automatic Localization and Diagnosis of Architectural Distortion on DBT 2025-Mar, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.10.031 PMID:39496537	研究论文	本研究结合深度学习Grad-CAM和放射组学技术，自动定位和诊断数字乳腺断层合成（DBT）中的结构扭曲（AD）	首次将深度学习Grad-CAM与放射组学结合，实现AD的自动定位和诊断	在纯AD病例中的诊断性能低于伴随其他特征的AD病例	提高数字乳腺断层合成中结构扭曲的检测和诊断准确性	500例DBT报告中存在AD的病例	数字病理	乳腺癌	深度学习Grad-CAM，放射组学	Grad-CAM	医学影像	500例（292例训练，208例测试）
111	2025-04-27	A Stacked Multimodality Model Based on Functional MRI Features and Deep Learning Radiomics for Predicting the Early Response to Radiotherapy in Nasopharyngeal Carcinoma 2025-Mar, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.10.011 PMID:39496536	研究论文	本研究构建并评估了一个整合MRI深度学习放射组学、功能成像和临床指标的综合模型，用于预测鼻咽癌放疗的早期疗效	结合了MRI深度学习放射组学、功能成像和临床指标，构建了一个堆叠模型，具有更强的预测能力	研究为回顾性设计，样本量相对有限，且仅来自两家医院	预测鼻咽癌放疗的早期疗效，为个性化治疗提供指导	鼻咽癌患者	数字病理	鼻咽癌	MRI、DWI、ASL	XGBoost、KNN、SVM、LR、堆叠算法	MRI图像、临床指标	训练集194例，内部验证集82例，外部验证集40例
112	2025-04-27	Image quality in three-dimensional (3D) contrast-enhanced dynamic magnetic resonance imaging of the abdomen using deep learning denoising technique: intraindividual comparison between T1-weighted sequences with compressed sensing and with a modified Fast 3D mode wheel 2025-Mar, Japanese journal of radiology IF:2.9Q2 DOI:10.1007/s11604-024-01687-0 PMID:39503820	研究论文	评估结合深度学习降噪技术的改良Fast 3D模式轮在腹部对比增强3D动态磁共振成像中的图像质量，并与压缩感知技术进行个体内比较	首次将改良Fast 3D模式轮与深度学习降噪技术（AiCE）结合应用于腹部3D动态MRI，并证明其在图像质量上的优势	研究样本量较小（42例患者），且为回顾性研究	评估不同MRI序列在腹部动态增强成像中的图像质量差异	腹部器官的MRI图像质量	医学影像	NA	3D动态磁共振成像（MRI）、深度学习降噪（AiCE）	深度学习（AiCE）	医学影像	42例患者
113	2025-04-27	The Segment Anything foundation model achieves favorable brain tumor auto-segmentation accuracy in MRI to support radiotherapy treatment planning 2025-Mar, Strahlentherapie und Onkologie : Organ der Deutschen Rontgengesellschaft ... [et al] IF:2.7Q2 DOI:10.1007/s00066-024-02313-8 PMID:39503868	研究论文	评估Segment Anything基础模型在MRI中自动分割脑肿瘤的准确性，以支持放射治疗计划	使用Segment Anything（SA）这一新型通用深度学习自动分割模型进行交互式肿瘤自动轮廓绘制	使用建议的掩码时分割准确性较低（0.572）	评估基础分割模型在放射治疗计划中的潜在应用	369个MRI数据集中的16,744个横断面切片，用于胶质瘤脑肿瘤自动轮廓绘制	数字病理	脑肿瘤	MRI	Segment Anything（SA）	图像	369个MRI数据集中的16,744个横断面切片
114	2025-04-27	Deep learning-based human gunshot wounds classification 2025-Mar, International journal of legal medicine IF:2.2Q1 DOI:10.1007/s00414-024-03355-4 PMID:39503869	research paper	本研究探讨了深度学习在法医领域中枪伤分类的应用，特别是区分入口和出口伤口以及确定医学法律射击距离	首次将深度学习技术应用于法医枪伤分类，并构建了一个包含2551张图像的综合数据库	伤口图像因拍摄条件不同而难以标准化，样本不平衡影响了部分评估指标	提升法医病理学实践中枪伤分类的准确性和效率	枪伤图像，包括入口和出口伤口	computer vision	NA	深度学习	ResNet152	image	2551张图像（1883张入口伤口，668张出口伤口）
115	2025-04-27	Automated acute skin toxicity scoring in a mouse model through deep learning 2025-Mar, Radiation and environmental biophysics IF:1.5Q3 DOI:10.1007/s00411-024-01096-x PMID:39503921	研究论文	本研究通过先进的成像设置和深度学习，提出了一种在临床前放射治疗试验中评估皮肤毒性的新方法	利用深度学习框架自动评估小鼠模型中的急性皮肤毒性，减少了观察者间的变异性和评估时间	特定毒性等级的细微挑战未被完全解决，未来需要通过扩展训练数据集来改进系统	开发一种客观且可重复的皮肤毒性评估方法，以改进临床前放射治疗试验中的毒性评分	160只小鼠的右后腿皮肤反应	数字病理学	皮肤毒性	深度学习	对象检测模型和分类模型	图像	160只小鼠，7542张图像
116	2025-04-27	Building a Synthetic Vascular Model: Evaluation in an Intracranial Aneurysms Detection Scenario 2025-Mar, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3492313 PMID:39504285	研究论文	本文提出了一种能够模拟脑血管树各组成部分的全合成模型，用于颅内动脉瘤检测	开发了一个全合成3D模型，模拟脑血管结构，包括动脉几何形状、动脉瘤形状和背景噪声，并用于数据增强	模型依赖于合成数据，可能无法完全捕捉真实临床数据的复杂性	构建一个合成血管模型，用于提高颅内动脉瘤检测的效率和准确性	脑血管树，包括脑动脉、分叉和颅内动脉瘤	数字病理学	颅内动脉瘤	磁共振血管造影（MRA），飞行时间（TOF）原理	3D CNN	3D图像	NA
117	2025-04-27	A Learnable Prior Improves Inverse Tumor Growth Modeling 2025-Mar, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3494022 PMID:39514352	研究论文	提出了一种结合深度学习和进化策略的新框架，用于从磁共振图像中估计脑肿瘤细胞浓度	通过结合深度学习集合和进化策略，显著提高了逆问题求解的效率和精度	未提及该方法在其他类型肿瘤或疾病中的适用性	改进逆肿瘤生长建模，提高个性化疾病治疗方案的效果	脑肿瘤细胞浓度	数字病理学	脑肿瘤	磁共振成像	深度学习集合与进化策略	图像	NA
118	2025-04-27	Feasibility of Ultra-low Radiation and Contrast Medium Dosage in Aortic CTA Using Deep Learning Reconstruction at 60 kVp: An Image Quality Assessment 2025-Mar, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.10.042 PMID:39542806	research paper	评估在主动脉CT血管造影中使用超低辐射和对比剂剂量结合深度学习重建算法的可行性	采用60kVp管电压和新型深度学习图像重建算法（ClearInfinity, DLIR-CI）实现辐射剂量和对比剂用量的显著降低	研究仅针对非肥胖患者，未涵盖肥胖患者群体	评估超低辐射和对比剂剂量在主动脉CTA中的可行性	接受主动脉CTA检查的非肥胖患者	digital pathology	cardiovascular disease	computed tomography angiography (CTA)	deep learning image reconstruction algorithm (DLIR-CI)	image	两组非肥胖患者（具体人数未明确说明）
119	2025-04-27	Repeatability of Microperimetry in Areas of Retinal Pigment Epithelium and Photoreceptor Loss in Geographic Atrophy Supported by Artificial Intelligence-Based Optical Coherence Tomography Biomarker Quantification 2025-Mar, American journal of ophthalmology IF:4.1Q1 DOI:10.1016/j.ajo.2024.11.005 PMID:39547308	研究论文	本研究通过人工智能支持的光学相干断层扫描生物标志物量化，评估了地理萎缩(GA)中视网膜色素上皮和光感受器损失区域的微视野检查的重复性	结合深度学习算法量化视网膜生物标志物，首次提供了MAIA和MP3设备在GA患者中的点对点测试-重测重复性参考值	样本量较小(20名受试者)，仅评估了两种微视野设备	评估地理萎缩患者视网膜特定区域微视野检查的重复性	地理萎缩患者的视网膜功能	数字病理学	老年性疾病	光学相干断层扫描(OCT)，微视野检查(MP)	深度学习算法	医学影像	20名受试者，每台设备900个刺激点
120	2025-04-27	Whole Slide Imaging, Artificial Intelligence, and Machine Learning in Pediatric and Perinatal Pathology: Current Status and Future Directions 2025 Mar-Apr, Pediatric and developmental pathology : the official journal of the Society for Pediatric Pathology and the Paediatric Pathology Society IF:1.3Q3 DOI:10.1177/10935266241299073 PMID:39552500	review	本文综述了全切片成像（WSI）、人工智能（AI）和机器学习在儿科和围产期病理学中的当前应用和未来发展方向	探讨了AI在儿科和发育病理学中的潜在应用，如提高诊断效率、自动化常规任务以及解决特定诊断挑战	整合WSI-AI到临床实验室面临证据质量、监管适应、临床评估和安全考虑等挑战	概述AI在儿科和发育病理学中的应用进展和挑战	儿科和围产期病理学中的数字病理图像	digital pathology	pediatric and perinatal pathology	whole slide imaging (WSI), AI, deep learning	machine learning	image	NA