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
1201	2025-05-10	Deep learning-based lesion detection and severity grading of small-bowel Crohn's disease ulcers on double-balloon endoscopy images 2024-May, Gastrointestinal endoscopy IF:6.7Q1 DOI:10.1016/j.gie.2023.11.059 PMID:38065509	research paper	使用深度学习模型EfficientNet-b5检测和评估小肠克罗恩病溃疡	首次应用EfficientNet-b5模型对小肠克罗恩病溃疡进行检测和严重程度分级	研究仅基于双气囊内镜图像，未考虑其他影像学检查结果	提高小肠克罗恩病溃疡检测和分级的准确性	小肠克罗恩病溃疡	digital pathology	Crohn's disease	double-balloon endoscopy	EfficientNet-b5	image	28,155张双气囊内镜图像，来自628名患者
1202	2025-05-10	Efficacy of artificial intelligence in reducing miss rates of GI adenomas, polyps, and sessile serrated lesions: a meta-analysis of randomized controlled trials 2024-May, Gastrointestinal endoscopy IF:6.7Q1 DOI:10.1016/j.gie.2024.01.004 PMID:38184117	meta-analysis	该研究通过荟萃分析评估人工智能在降低胃肠道腺瘤、息肉和无蒂锯齿状病变漏诊率方面的效果	首次通过荟萃分析全面评估AI在多种胃肠道病变检测中的效果，特别是对无蒂锯齿状病变和微小腺瘤的检测效果	未观察到AI对高级别腺瘤检测的显著效果，且纳入研究数量有限(仅7项随机对照试验)	评估人工智能在胃肠道内窥镜检查中降低病变漏诊率的效果	胃肠道腺瘤、息肉和无蒂锯齿状病变	digital pathology	gastrointestinal disease	AI辅助诊断	CNN	endoscopic images	7项随机对照试验的汇总数据
1203	2025-05-10	Deep learning model for the detection of prostate cancer and classification of clinically significant disease using multiparametric MRI in comparison to PI-RADs score 2024-05, Urologic oncology DOI:10.1016/j.urolonc.2024.01.021 PMID:38388243	research paper	本研究开发了一种基于深度学习的模型，用于通过多参数MRI检测前列腺癌并分类临床显著性前列腺癌，与PI-RADs评分进行比较	开发了一种集成多参数MRI序列的深度学习模型，在临床显著性前列腺癌分类上表现优于传统的PI-RADS评估	研究仅基于单中心数据，外部验证队列样本量相对较小	比较深度学习算法与PI-RADS分类在前列腺癌检测和临床显著性前列腺癌分类中的性能	接受根治性前列腺切除术或活检的患者	digital pathology	prostate cancer	multiparametric MRI	DL-based ensemble model	MRI图像	1,729名患者（训练队列1,285名，外部测试队列315名）
1204	2025-05-10	ViNe-Seg: deep-learning-assisted segmentation of visible neurons and subsequent analysis embedded in a graphical user interface 2024-03-29, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btae177 PMID:38569889	research paper	介绍了一种基于深度学习的半自动神经元分割工具ViNe-Seg，用于光学功能成像中神经元胞体的分割	ViNe-Seg提供了一种用户友好的图形界面，支持专家监督，确保精确识别感兴趣区域，并允许在实验过程中进行分割	在信噪比低的数据集中，当前分割工具仍难以产生准确的分割结果	提高神经元分割的速度和一致性，减少对人工分割的依赖	光学功能成像中的神经元胞体	digital pathology	NA	deep learning	CNN	image	NA
1205	2025-05-10	SPACEL: deep learning-based characterization of spatial transcriptome architectures 2023-11-22, Nature communications IF:14.7Q1 DOI:10.1038/s41467-023-43220-3 PMID:37990022	研究论文	介绍了一种基于深度学习的空间转录组架构表征工具SPACEL，用于分析空间转录组数据	SPACEL包含三个模块，分别用于单一切片的细胞类型去卷积、多切片空间域识别和3D组织架构构建，性能优于19种现有方法	未明确提及具体限制	解决空间转录组数据中多切片联合分析和3D组织架构重建的挑战	空间转录组数据	数字病理学	NA	空间转录组技术	多层感知机(MLP)、图卷积网络(GCN)、对抗学习算法	空间转录组数据	模拟和真实ST数据集，来自多种组织和ST技术
1206	2025-05-10	PET/CT based cross-modal deep learning signature to predict occult nodal metastasis in lung cancer 2023-11-18, Nature communications IF:14.7Q1 DOI:10.1038/s41467-023-42811-4 PMID:37980411	research paper	开发了一种基于PET/CT的跨模态深度学习特征来预测非小细胞肺癌中的隐匿性淋巴结转移	提出了一种新的深度学习特征（DLNMS），其预测性能显著优于单模态深度学习模型、临床模型和医生判断	研究未提及模型在其他类型癌症或更大规模数据集上的泛化能力	预测临床N0期非小细胞肺癌中的隐匿性淋巴结转移	非小细胞肺癌患者	digital pathology	lung cancer	PET/CT	deep learning	image	内部队列1911例，外部队列355例，前瞻性队列999例
1207	2025-05-10	Deep learning of human polyadenylation sites at nucleotide resolution reveals molecular determinants of site usage and relevance in disease 2023-11-15, Nature communications IF:14.7Q1 DOI:10.1038/s41467-023-43266-3 PMID:37968271	research paper	该研究开发了深度学习模型，用于在核苷酸水平上识别人类基因组中的多聚腺苷酸化位点，并分析其在疾病中的功能作用	首次在核苷酸分辨率水平上识别全基因组多聚腺苷酸化位点，并定量测量位点特异性基序的重要性及其相互作用	NA	解析人类基因组中多聚腺苷酸化位点的分子机制及其在疾病中的功能角色	人类基因组中的多聚腺苷酸化位点	machine learning	NA	deep learning, machine learning	deep learning models	genomic data	NA
1208	2025-05-10	CROSS-DOMAIN DIFFUSION BASED SPEECH ENHANCEMENT FOR VERY NOISY SPEECH 2023-Jun, Proceedings of the ... IEEE International Conference on Acoustics, Speech, and Signal Processing. ICASSP (Conference) DOI:10.1109/icassp49357.2023.10096985 PMID:40330790	研究论文	本文提出了一种基于跨域扩散的语音增强方法，用于极低信噪比条件下的非平稳噪声场景	将基于扩散的学习方法引入增强模型，提高了在极低信噪比条件下的鲁棒性	实验仅在TIMIT数据集上进行，未在其他数据集上验证	提高极低信噪比条件下的语音增强性能	语音信号	语音处理	NA	扩散模型	扩散模型	语音信号	TIMIT数据集
1209	2025-05-10	Artificial Intelligence-based Tumor Segmentation in Mouse Models of Lung Adenocarcinoma 2022, Journal of pathology informatics DOI:10.1016/j.jpi.2022.100007 PMID:35242446	研究论文	开发了一种基于深度学习的新模型，用于在数字扫描的H&E组织切片上分割肺肿瘤病灶	使用DeepLabV3+和UNet架构的深度学习模型进行肺肿瘤病灶的自动分割，减少了人工测量的时间和误差	不同染色标准化策略未显示出对基线模型的改进，假阳性率较高	提高肺腺癌小鼠模型中肿瘤负荷测量的准确性和效率	肺腺癌小鼠模型的H&E组织切片	数字病理学	肺腺癌	H&E染色	DeepLabV3+, UNet	图像	239只小鼠的H&E组织切片，分为训练集（137）、验证集（37）和测试集（65）
1210	2025-05-09	A review of denoising methods in single-particle cryo-EM 2025-Jul, Micron (Oxford, England : 1993) DOI:10.1016/j.micron.2025.103817 PMID:40164016	review	本文全面回顾了单粒子冷冻电镜图像去噪方法的最新进展，涵盖了从传统滤波方法到最新的基于深度学习的策略	通过分析和比较主流去噪方法，推动单粒子冷冻电镜去噪领域的发展，促进获取更高质量的图像	未提及具体方法的局限性	提高冷冻电镜图像的信噪比，使下游分析更准确可靠	冷冻电镜图像	digital pathology	NA	冷冻电镜	深度学习	图像	NA
1211	2025-05-09	Beyond Batch Learning: Global Awareness Enhanced Domain Adaptation 2025-Jun, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3541207 PMID:40036452	research paper	提出了一种名为GAN-DA的新型域适应方法，通过全局统计和几何特征增强，克服了传统批量学习的限制	引入了预定义特征表示（PFR）以对齐跨域分布，创新性地扩展了正交和共同特征方面，增强了全局流形结构的统一和决策边界的优化	NA	改进域适应（DA）方法，提升跨域图像分类任务的性能	跨域图像分类任务	machine learning	NA	domain adaptation	GAN-DA	image	27个不同的跨域图像分类任务
1212	2025-05-09	A Lightweight Deep Exclusion Unfolding Network for Single Image Reflection Removal 2025-Jun, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3548148 PMID:40048344	research paper	本文提出了一种轻量级的深度排除展开网络（DExNet），用于单图像反射去除（SIRR）	DExNet通过展开和参数化一种新的基于模型的SIRR优化公式，结合通用的排除先验，提高了反射去除的准确性和可解释性	未提及具体限制	解决单图像反射去除问题，提高图像分离的准确性	反射污染的图像	computer vision	NA	深度学习	DExNet	image	四个基准数据集
1213	2025-05-09	Graph Foundation Models: Concepts, Opportunities and Challenges 2025-Jun, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3548729 PMID:40048343	综述	本文介绍了图基础模型（GFMs）的概念，并详细解释了其关键特征和基础技术	提出了图基础模型（GFMs）的新概念，并对其进行了系统分类和分析	缺乏对图基础模型（GFMs）的明确定义和系统分析	探讨图基础模型（GFMs）在图形机器学习中的潜力和发展方向	图基础模型（GFMs）及其相关技术	机器学习	NA	NA	图神经网络（GNNs）、大语言模型（LLMs）	图数据	NA
1214	2025-05-09	On the Upper Bounds of Number of Linear Regions and Generalization Error of Deep Convolutional Neural Networks 2025-Jun, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3548620 PMID:40042958	research paper	本文研究了卷积神经网络（CNNs）的超参数对性能的影响，基于CNNs的分段线性（PWL）函数特性，提出了线性区域数量的紧界和泛化误差的上界	通过将卷积、ReLU和最大池化操作表示为矩阵乘法，提供了CNNs的代数表达式，并首次提出了考虑网络层数、池化维度和宽度等因素的线性区域数量紧界和泛化误差上界	矩阵表示方法具有较高的时间复杂度	研究CNN网络结构超参数对性能的影响	卷积神经网络（CNNs）	machine learning	NA	NA	CNN	NA	NA
1215	2025-05-09	Lag-Net: Lag correction for cone-beam CT via a convolutional neural network 2025-Jun, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108753 PMID:40233441	research paper	提出了一种名为Lag-Net的卷积神经网络方法，用于校正锥束CT中的滞后信号，以减少伪影并提高图像质量	引入深度学习方法来消除滞后信号，利用硬件校正的无滞后结果作为训练目标，避免了传统线性时不变校正的局限性	硬件校正方法操作复杂，对CT仪器要求高，而深度学习方法的校正效果在低曝光条件下仍有提升空间	提高锥束CT图像质量，减少由滞后信号引起的伪影	锥束CT中的滞后信号及其引起的伪影	digital pathology	NA	deep learning, convolutional neural network	CNN	image	模拟和真实数据集
1216	2025-05-09	Reconstruction of highly and extremely aberrated wavefront for ocular Shack-Hartmann sensor using multi-task Attention-UNet 2025-Jun, Experimental eye research IF:3.0Q1 DOI:10.1016/j.exer.2025.110394 PMID:40254120	研究论文	本研究提出了一种多任务注意力UNet（HR-HDR-SHUNet）用于高分辨率和宽动态范围的Shack-Hartmann波前重建，以解决高度和极度像差眼睛中的波前记录问题	首次将多任务学习方案应用于高分辨率和宽动态范围的Shack-Hartmann波前重建，同时输出波前图和Zernike系数	未明确提及具体局限性	提高高度和极度像差眼睛中Shack-Hartmann波前重建的准确性和计算效率	具有不同高阶像差水平（正常、高度和极度像差）的眼睛	计算机视觉	眼科疾病（圆锥角膜和角膜激光手术后）	深度学习	改进的注意力UNet（HR-HDR-SHUNet）	波前图像数据	三个大型数据集（包含不同像差水平的样本）
1217	2025-05-09	Improved prediction of chlorophyll-a concentrations using advancing graph neural network variants 2025-Jun-01, The Science of the total environment DOI:10.1016/j.scitotenv.2025.179481 PMID:40280091	研究论文	本研究提出了一种基于深度学习的框架，用于长期叶绿素a（Chl-a）浓度模拟，结合了不规则测量的水质观测数据和恒定时间步长的气候数据	引入了先进的图神经网络（GNN）架构（如ChebNet和GCN）来处理连续气候数据，并提出了一个门控机制来整合两个处理模块的输出	研究仅使用了韩国汉江上游流域的每日数据集，可能限制了模型的泛化能力	提高有害藻华预测的准确性，以保护地表水资源	叶绿素a（Chl-a）浓度	机器学习	NA	深度学习，图神经网络	GCN, LSTM	水质观测数据，气候数据	韩国汉江上游流域的每日数据集
1218	2025-05-09	Incremental capacity analysis of battery under dynamic load conditions 2025-Jun, MethodsX IF:1.6Q2 DOI:10.1016/j.mex.2025.103331 PMID:40337556	研究论文	本文提出了一种基于增量容量分析（ICA）的方法，用于在动态负载条件下评估电动汽车电池的容量和健康状态（SOH）	该方法不仅提供了标记的SOH值，还提取了可用于数据驱动的容量或SOH预测的健康特征	NA	开发一种在动态负载条件下准确评估电动汽车电池容量和健康状态的方法	电动汽车电池	机器学习	NA	增量容量分析（ICA）	机器学习或深度学习模型	电池数据	NA
1219	2025-05-09	Electroencephalography estimates brain age in infants with high precision: Leveraging advanced machine learning in healthcare 2025-May-15, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2025.121200 PMID:40216216	研究论文	本研究利用脑电图（EEG）和机器学习技术，开发了一种可靠的方法来量化婴儿的脑龄差距（BAG），作为评估大脑发育速度的指标	结合传统机器学习和新型深度学习网络，高效量化脑龄差距，并在临床风险人群中验证其有效性	研究样本量相对较小，且仅针对特定年龄段的婴儿	开发一种非侵入性的脑成熟度评估工具，用于早期临床干预和护理计划	219名3至14个月大的正常发育婴儿，以及临床风险人群（巨脑症患者）	机器学习	神经发育疾病	EEG	深度学习网络	EEG记录	219名婴儿的EEG数据，深度学习网络输入样本增至2628条记录
1220	2025-05-09	A CVAE-based generative model for generalized B1 inhomogeneity corrected chemical exchange saturation transfer MRI at 5 T 2025-May-15, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2025.121202 PMID:40268259	research paper	提出一种基于条件变分自编码器（CVAE）的生成模型，用于在5T磁场下生成广义B1不均匀性校正的化学交换饱和转移（CEST）MRI图像	使用CVAE模型从单次CEST采集生成B1不均匀性校正的Z谱，克服了传统方法需要多B1水平采集数据的问题，并提高了对其他B1水平的泛化能力	研究仅在5T磁场下进行数值模拟和健康人脑成像验证，未在其他场强下验证模型的普适性	开发一种能够进行广义B1不均匀性校正的CEST MRI方法	化学交换饱和转移（CEST）磁共振成像	医学影像处理	NA	化学交换饱和转移（CEST）磁共振成像	CVAE（条件变分自编码器）	MRI图像数据	数值模拟和健康人脑成像数据