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
121	2025-05-02	Use of deep learning model for paediatric elbow radiograph binomial classification: initial experience, performance and lessons learnt 2025-04-01, Singapore medical journal IF:1.7Q2 DOI:10.4103/singaporemedj.SMJ-2022-078 PMID:40258236	研究论文	本研究比较了基于CNN的深度学习模型与儿科急诊医生在儿童肘部X光片二分类任务上的表现	首次将EfficientNet B1架构应用于儿童肘部X光片的二分类任务，并与医生表现进行对比	样本量相对较小(1,314张图像)，医生间评估一致性仅为一般水平	评估AI模型在儿童肘部X光片异常检测中的性能	儿童肘部侧位X光片	计算机视觉	儿科疾病	深度学习	CNN (EfficientNet B1)	医学影像(X光片)	1,314张儿童肘部X光片(患者平均年龄8.2岁)
122	2025-05-02	Improved Pine Wood Nematode Disease Diagnosis System Based on Deep Learning 2025-Apr, Plant disease IF:4.4Q1 DOI:10.1094/PDIS-06-24-1221-RE PMID:40267359	研究论文	本研究提出了一种基于深度学习的松材线虫病诊断系统，通过荧光识别技术提高检测效率和准确性	首次将荧光识别技术应用于松材线虫病检测，并开发了集激发、检测、数据分析与传输于一体的专用系统，改进了YOLOv5模型，提高了大尺寸图像的识别精度	未提及系统在不同环境条件下的稳定性和泛化能力	开发快速有效的松材线虫病检测方法以减少病害传播和松树砍伐	松材线虫病	计算机视觉	植物病害	荧光识别技术	改进的YOLOv5（集成Res2Net、SimAM注意力机制和Bi-FPN）	图像	未明确提及具体样本数量，但系统可检测DNA浓度低至1 fg/μl的样本
123	2025-05-02	Reconstructing illusory camouflage patterns on moth wings using computer vision 2025-Apr, Journal of the Royal Society, Interface DOI:10.1098/rsif.2024.0757 PMID:40304197	research paper	利用计算机视觉技术重建蛾翅膀上的伪装图案，探讨动物颜色图案如何利用深度感知机制产生错觉	首次结合计算机视觉算法（单目深度估计）研究蛾翅膀图案如何通过深度感知机制产生伪装效果	研究仅针对六种蛾类物种，且深度感知模型的响应受自然世界经验影响	探索动物颜色图案如何利用单目深度线索（如阴影）产生三维错觉以实现伪装功能	六种具有不同深度信息量的蛾类（鳞翅目）翅膀图案	computer vision	NA	单目深度估计（包括本征图像分解和深度学习）	Retinex理论模型与深度学习模型	图像	六种蛾类物种的翅膀图案图像
124	2025-05-02	Deep learning and its applications in nuclear magnetic resonance spectroscopy 2025 Apr-Jun, Progress in nuclear magnetic resonance spectroscopy IF:7.3Q1 DOI:10.1016/j.pnmrs.2024.101556 PMID:40306798	综述	本文综述了深度学习在核磁共振光谱中的基础知识和当前应用，并指出了现有挑战和改进方向	深度学习技术在核磁共振光谱中的应用展示了在速度和准确性上的显著改进	深度学习在核磁共振中的应用仍面临数据量和模型泛化能力的挑战	探讨深度学习如何解决核磁共振光谱中的获取时间长和灵敏度低的问题	核磁共振光谱技术及其在化学、生物学和医学领域的应用	机器学习	NA	核磁共振光谱	深度学习	光谱数据	NA
125	2025-05-02	Review of the Current State of Artificial Intelligence in Pediatric Cardiovascular Magnetic Resonance Imaging 2025-Mar-26, Children (Basel, Switzerland) DOI:10.3390/children12040416 PMID:40310065	综述	本文综述了人工智能在儿科心血管磁共振成像中的当前应用状态	探讨了人工智能如何提高心血管磁共振成像的效率、图像质量并减少错误	未提及具体的技术实施限制	评估人工智能技术在改善先天性心脏病心血管磁共振成像中的应用	儿科心血管磁共振成像	数字病理学	心血管疾病	深度学习	NA	图像	NA
126	2025-05-02	Imaging Intravoxel Vessel Size Distribution in the Brain Using Susceptibility Contrast Enhanced MRI 2025-Mar-25, ArXiv PMID:40196141	研究论文	本文提出了一种基于磁敏感对比增强MRI的新方法，用于无创成像脑内体素内血管大小分布（VSD），以实现对血管重塑的更全面和定量评估	利用高分辨率光片荧光显微镜图像模拟GESFIDE MRI信号，并训练深度学习模型从GESFIDE信号预测脑血容量（CBV）和VSD	需要进一步验证以确认其在临床前和临床应用中的潜力	开发一种非侵入性成像方法，以更全面地评估血管重塑	啮齿类动物脑血管系统	数字病理学	癌症、神经退行性疾病、纤维化、高血压和糖尿病	磁敏感对比增强MRI、光片荧光显微镜、GESFIDE MRI	深度学习模型	图像	NA
127	2025-05-02	Exploring the Feasibility of Deep Learning for Predicting Lignin GC-MS Analysis Results Using TGA and FT-IR 2025-Mar-18, Polymers IF:4.7Q1 DOI:10.3390/polym17060806 PMID:40292675	研究论文	本研究探讨了利用深度学习方法，通过TGA和FT-IR分析数据预测木质素GC-MS分析结果的可行性	首次提出使用深度学习模型基于TGA和FT-IR数据预测GC-MS分析结果，为预算有限的研究提供替代方案	模型需要进一步验证以提升在不同木质素底物上的泛化能力，且需与有机化学家合作评估实际应用价值	开发一种经济高效的木质素分析方法，替代高成本的GC-MS技术	木质素（植物细胞壁提取的复杂生物聚合物）	机器学习	NA	TGA（热重分析）、FT-IR（傅里叶变换红外光谱）、GC-MS（气相色谱-质谱联用）	深度学习	光谱数据、热分析数据	未明确说明样本数量
128	2025-05-02	A systematic review of deep learning in MRI-based cerebral vascular occlusion-based brain diseases 2025-Mar-05, Neuroscience IF:2.9Q2 DOI:10.1016/j.neuroscience.2025.01.020 PMID:39805420	综述	本文系统回顾了2020年至2024年间发表的61项基于MRI的研究，探讨深度学习在诊断脑血管闭塞相关疾病中的作用	比较了基于CNN和ViT的方法，突出了U-Net变体和基于Transformer的模型在提高临床应用可靠性方面的潜力	讨论了数据隐私和算法可解释性等挑战，以及数据集充分性和多样性的问题	评估深度学习在MRI诊断脑血管闭塞相关疾病中的成功与局限	脑血管闭塞和中风等神经系统疾病	医学影像	脑血管疾病	MRI	CNN, Vision Transformer (ViT), U-Net	MRI图像	61项研究
129	2025-05-02	SP-DTI: subpocket-informed transformer for drug-target interaction prediction 2025-Mar-04, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaf011 PMID:39798127	research paper	介绍了一种名为SP-DTI的子口袋信息Transformer模型，用于提高药物-靶标相互作用预测的准确性和泛化能力	通过子口袋分析和预训练语言模型与图神经网络的结合，提升了模型在未见蛋白质和跨域设置下的性能	未提及具体局限性	提高药物-靶标相互作用预测的准确性和泛化能力，以降低药物发现的成本和实验时间	药物和蛋白质	machine learning	NA	Cavity Identification and Analysis Routine, 预训练语言模型, 图神经网络	Transformer, GNN	分子数据	NA
130	2025-05-02	Automated stenosis estimation of coronary angiographies using end-to-end learning 2025-Mar, The international journal of cardiovascular imaging DOI:10.1007/s10554-025-03324-x PMID:39789341	研究论文	开发了一种基于深度学习的模型，用于自动分类和评估冠状动脉造影中的狭窄程度	相比之前的工作，该方法性能提升，包含所有16个节段，不排除血运重建患者，进行了外部测试，且步骤更简单	NA	提高冠状动脉狭窄评估的准确性和效率	冠状动脉造影的影像数据	计算机视觉	心血管疾病	深度学习	CNN	影像	19,414名患者的332,582段影像循环，其中13,480名患者用于模型开发，5,056名用于内部测试，608名用于外部测试
131	2025-05-02	Automated classification of coronary LEsions fRom coronary computed Tomography angiography scans with an updated deep learning model: ALERT study 2025-Mar, European radiology IF:4.7Q1 DOI:10.1007/s00330-024-11308-z PMID:39792162	研究论文	本研究评估了更新后的深度学习模型CorEx-2.0在冠状动脉CT血管造影（CCTA）中定量测量冠状动脉狭窄的诊断性能	使用更新的深度学习模型CorEx-2.0进行冠状动脉狭窄定量测量，以减少读者间差异并提高临床报告效率	单中心回顾性研究，样本量较小（50名患者和150条血管）	评估深度学习模型在冠状动脉狭窄分级和报告中的客观性	冠状动脉CT血管造影（CCTA）扫描	数字病理学	心血管疾病	冠状动脉CT血管造影（CCTA）	深度学习模型（CorEx-2.0）	医学影像	50名患者和150条血管
132	2025-05-02	Artificial Intelligence for Predicting HER2 Status of Gastric Cancer Based on Whole-Slide Histopathology Images: A Retrospective Multicenter Study 2025-Mar, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202408451 PMID:39792693	研究论文	该研究开发了一种名为HER2Net的深度学习模型，用于基于全切片组织病理学图像预测胃癌的HER2状态	创新性地开发了HER2Net模型，通过定量计算HER2高表达区域的比例来预测HER2状态	研究为回顾性多中心研究，可能存在数据偏差	开发一种经济可行且易于使用的工具，用于区分胃癌患者的HER2状态	胃癌患者的全切片组织病理学图像	数字病理学	胃癌	深度学习	CNN	图像	内部训练集520名患者的531张H&E全切片图像，内部测试集111名患者的115张图像，外部多中心测试集101名患者的102张图像
133	2025-05-02	A novel lightweight deep learning based approaches for the automatic diagnosis of gastrointestinal disease using image processing and knowledge distillation techniques 2025-Mar, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2024.108579 PMID:39798279	研究论文	提出了一种基于轻量级深度学习的自动诊断胃肠道疾病的方法，结合图像处理和知识蒸馏技术	通过集成模型压缩技术、ConvLSTM层和ConvNext Blocks，并利用知识蒸馏优化，提出了一种计算高效的轻量级模型	研究仅基于6000张内窥镜图像，可能缺乏更大规模或多样化的数据验证	解决深度神经网络在临床环境中的计算效率问题，提高胃肠道疾病的自动诊断效率	胃肠道疾病的内窥镜图像	计算机视觉	胃肠道疾病	知识蒸馏（KD）、图像预处理技术（自适应降噪和图像细节增强）	ConvLSTM、ConvNext Blocks	图像	6000张内窥镜图像
134	2025-05-02	Colorectal cancer classification using weakly annotated whole slide images: Multiple instance learning optimization study 2025-Mar, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109649 PMID:39798507	研究论文	本研究利用深度学习技术，通过弱标注的组织病理学全切片图像（WSIs）研究结直肠癌（CRC）分类问题	提出WSI标签预测函数与多实例学习（MIL）算法结合，显著提升了WSI级别分类的性能，并在仅使用弱标注WSIs的情况下超越了基于强标注数据集预训练的基线结果	仅针对结直肠癌分类进行研究，未涉及其他癌症类型	开发高效的计算机辅助诊断（CAD）系统，用于结直肠癌的早期检测和分类	结直肠癌的组织病理学全切片图像（WSIs）	数字病理学	结直肠癌	深度学习	MIL（多实例学习）	图像	NA
135	2025-05-02	Automatic medical imaging segmentation via self-supervising large-scale convolutional neural networks 2025-Mar, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2025.110711 PMID:39798701	研究论文	本研究开发了一种基于自监督学习的大规模深度学习模型，用于医学图像分割，旨在克服监督学习和临床数据变异性的限制	利用自监督学习和稀疏子流形卷积进行预训练，设计了一系列不同规模的稀疏子流形U-Net（SS-UNets），在多个未见数据集上表现出优越性能	未提及具体的数据集规模限制或模型在不同医疗中心间的泛化能力验证	开发一种鲁棒的医学图像分割模型，减少对大量标注数据的依赖，提高模型的泛化能力	医学图像（CT、MRI和PET）中的器官和病变分割	数字病理	癌症	自监督学习，稀疏子流形卷积	SS-UNets（基于U-Net的变体）	医学影像（CT、MRI和PET）	多中心CT数据集，TotalSegmentator数据集，四个未见数据集和三个额外数据集用于评估
136	2025-05-02	Artificial intelligence for left ventricular hypertrophy detection and differentiation on echocardiography, cardiac magnetic resonance and cardiac computed tomography: A systematic review 2025-Mar-01, International journal of cardiology IF:3.2Q2 DOI:10.1016/j.ijcard.2025.132979 PMID:39798885	系统综述	本文系统综述了人工智能在心脏影像学中检测和区分左心室肥厚（LVH）及其病因的诊断性能	探讨了AI在LVH检测和病因区分中的应用，展示了深度学习与传统机器学习在不同心脏影像技术中的表现	需要更多研究进行实际验证和成本效益分析	研究AI模型在心脏影像学中检测和区分LVH及其常见病因的诊断性能	左心室肥厚（LVH）及其病因	数字病理学	心血管疾病	超声心动图、心脏磁共振（CMR）、心脏计算机断层扫描（CT）	深度学习（DL）、卷积神经网络（CNN）、传统机器学习（ML）	影像数据	30项研究（14项超声心动图、15项CMR、1项心脏CT）
137	2025-05-02	An efficient deep learning system for automatic detection of Acute Lymphoblastic Leukemia 2025-Mar, ISA transactions IF:6.3Q1 DOI:10.1016/j.isatra.2024.12.043 PMID:39799077	research paper	提出了一种基于深度学习的急性淋巴细胞白血病自动检测系统，结合MobileNetV2和ShuffleNet以提高检测性能	结合MobileNetV2和ShuffleNet，引入建议的权重因子和最优阈值以平衡计算效率和分类性能	未提及模型在其他数据集上的泛化能力	开发高效的急性淋巴细胞白血病自动检测系统	急性淋巴细胞白血病（ALL）的检测	digital pathology	leukemia	deep learning, transfer learning	MobileNetV2, ShuffleNet	image	ALLIDB1和ALLIDB2数据集
138	2025-05-02	Glo-net: A dual task branch based neural network for multi-class glomeruli segmentation 2025-Mar, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109670 PMID:39799830	研究论文	提出了一种名为Glo-Net的深度学习模型，用于肾病理学中多类肾小球的精确分割和分类	Glo-Net通过将传统语义分割网络分为分割和分类两个分支，并引入创新的损失函数来解决类别不平衡问题，提高了小类肾小球的分类准确性和分割性能	NA	提高肾病理学中肾小球的分割和分类准确性	数字化病理切片中的肾小球	数字病理学	肾脏疾病	深度学习	Glo-Net（基于双任务分支的神经网络）	图像	多机构数据集（包括外部验证集）
139	2025-05-02	Application of deep learning in automated localization and interpretation of coronary artery calcification in oncological PET/CT scans 2025-Mar, The international journal of cardiovascular imaging DOI:10.1007/s10554-025-03327-8 PMID:39804436	研究论文	本研究开发了一种基于DLA-3D模型的AI方法，用于在非门控PET/CT扫描中自动检测冠状动脉钙化（CAC）	首次将DLA-3D模型应用于非门控、自由呼吸、低剂量CT图像的CAC自动检测，实现了专家级别的性能	研究仅基于单一医疗中心的回顾性数据，样本量为677例PET/CT扫描	开发AI方法用于自动检测癌症患者PET/CT扫描中的冠状动脉钙化	677例来自医疗中心的PET/CT扫描数据	数字病理学	心血管疾病	PET/CT扫描	DLA-3D	医学影像	677例PET/CT扫描（训练集88%，测试集12%）
140	2025-05-02	MMFuncPhos: A Multi-Modal Learning Framework for Identifying Functional Phosphorylation Sites and Their Regulatory Types 2025-Mar, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202410981 PMID:39804866	research paper	开发了一个基于多模态深度学习框架的深度学习模型MMFuncPhos，用于预测功能性磷酸化位点及其调控类型	首次开发了基于迁移学习的EFuncType模型，用于预测磷酸化残基是否上调或下调酶活性	NA	理解磷酸化的功能调控机制，并为精准医学、酶工程和药物发现提供有价值的工具	蛋白质磷酸化位点及其调控类型	machine learning	NA	deep learning, transfer learning	MMFuncPhos, EFuncType	protein phosphorylation data	NA