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
1441	2025-06-01	sChemNET: a deep learning framework for predicting small molecules targeting microRNA function 2024-10-23, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-49813-w PMID:39443444	研究论文	本文介绍了一个名为sChemNET的深度学习框架，用于预测影响miRNA生物活性的小分子	sChemNET通过一个目标函数克服了稀疏化学信息的限制，使神经网络能够从大量未知影响miRNA的化学结构中学习化学空间	小分子-miRNA数据集规模较小	预测与miRNA相关的小分子，以调节与疾病相关的失调细胞过程	小分子和miRNA	机器学习	癌症	深度学习	神经网络	化学结构和序列信息	实验验证了针对miR-451或其靶点的小分子，并在斑马鱼胚胎发生期间测试了它们在红细胞成熟中的作用
1442	2025-06-01	Putting proteins in context 2024-Oct-16, Cell systems IF:9.0Q1 DOI:10.1016/j.cels.2024.09.009 PMID:39418999	研究论文	本文介绍了一种名为PINNACLE的几何深度学习方法，用于生成蛋白质的上下文表示	通过结合蛋白质相互作用和多器官单细胞转录组学分析，生成具有生物或环境背景的蛋白质表示	NA	解决蛋白质表示缺乏生物或环境背景的问题	蛋白质	机器学习	NA	单细胞转录组学	几何深度学习	蛋白质相互作用数据和单细胞转录组数据	NA
1443	2025-06-01	Integrating Deep Learning and Synthetic Biology: A Co-Design Approach for Enhancing Gene Expression via N-Terminal Coding Sequences 2024-09-20, ACS synthetic biology IF:3.7Q1 DOI:10.1021/acssynbio.4c00371 PMID:39229974	research paper	该论文介绍了一种结合深度学习和合成生物学的共设计方法，用于通过N端编码序列（NCS）优化基因表达	提出了一种深度学习和合成生物学共设计的少样本训练工作流程，显著提高了基因表达优化效率	需要进一步验证该方法在其他基因表达优化中的普适性	优化N端编码序列（NCS）以最大化基因表达	绿色荧光蛋白（GFP）和N-乙酰神经氨酸	synthetic biology	NA	deep learning, word2vec, attention mechanisms, time-series network	time-series network	genetic sequence data	六次迭代实验
1444	2025-06-01	Automated deep learning segmentation of neuritic plaques and neurofibrillary tangles in Alzheimer disease brain sections using a proprietary software 2024-Sep-01, Journal of neuropathology and experimental neurology IF:3.2Q2 DOI:10.1093/jnen/nlae048 PMID:38812098	研究论文	开发了一种深度学习工作流程，用于自动注释和分割阿尔茨海默病脑切片中的神经炎性斑块和神经纤维缠结	利用专有图像分析软件（Visiopharm）进行自动深度学习分割，显著提高了复杂神经病理特征的注释质量	研究仅分析了15张全切片图像，样本量较小	提高阿尔茨海默病神经病理特征的自动注释和分割精度	阿尔茨海默病脑切片中的神经炎性斑块和神经纤维缠结	数字病理学	阿尔茨海默病	深度学习	U-Net卷积神经网络	图像	15张全切片图像，来自4个生物库
1445	2025-06-01	Deep learning in the diagnosis for cystic lesions of the jaws: a review of recent progress 2024-06-28, Dento maxillo facial radiology DOI:10.1093/dmfr/twae022 PMID:38814810	综述	本文回顾了深度学习在颌骨囊性病变诊断中的最新进展	总结了深度学习在颌骨囊性病变诊断中的应用及其优于临床医生的判别性能	模型可解释性不足、缺乏多中心数据验证等问题限制了其临床应用	研究深度学习在颌骨囊性病变诊断中的性能	颌骨囊性病变	数字病理学	颌骨囊性病变	深度学习	DL	牙科放射影像	44项研究（初始搜索1862篇）
1446	2025-06-01	Deep learning with noisy labels in medical prediction problems: a scoping review 2024-Jun-20, Journal of the American Medical Informatics Association : JAMIA IF:4.7Q1 DOI:10.1093/jamia/ocae108 PMID:38814164	scoping review	本文对深度学习在医学预测问题中处理噪声标签的研究进行了全面的范围综述	全面综述了医学预测问题中噪声标签的管理方法，包括噪声检测、处理及评估	仅涵盖了2016年至2023年的60篇论文，可能未完全覆盖所有相关研究	探讨医学研究中噪声标签的来源、影响、检测及处理方法	医学预测问题中的噪声标签	machine learning	NA	深度学习	NA	NA	60篇论文
1447	2025-06-01	Disentangling developmental effects of play aspects in rat rough-and-tumble play 2024-05, Biology letters IF:2.8Q2 DOI:10.1098/rsbl.2024.0037 PMID:38808945	research paper	本研究探讨了大鼠粗野游戏中运动和社交方面对发育的不同影响	通过选择性减少大鼠粗野游戏中的运动或社交方面，揭示了不同游戏方面对发育影响的特异性	研究仅针对雄性大鼠，结果可能不适用于雌性或其他物种	理解动物游戏中不同方面对发育的具体贡献	发育中的雄性大鼠	动物行为学	NA	深度学习框架	NA	超声波发声(USVs)	NA
1448	2025-06-01	Segment anything with inception module for automated segmentation of endometrium in ultrasound images 2024-May, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.11.3.034504 PMID:38827779	research paper	该论文提出了一种名为SAIM的模型，专门用于超声图像中子宫内膜结构的自动分割	SAIM模型是对segment anything模型的专门改进，通过增强图像编码器结构和集成点提示来引导分割过程	NA	提高超声图像中子宫内膜分割的准确性和效率，以支持妇科诊断和治疗计划	超声图像中的子宫内膜结构	computer vision	妇科疾病	深度学习	SAIM (Segment Anything with Inception Module)	超声图像	接受宫腔镜手术的妇科患者的超声图像
1449	2025-06-01	Quantifying lung fissure integrity using a three-dimensional patch-based convolutional neural network on CT images for emphysema treatment planning 2024-May, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.11.3.034502 PMID:38817711	research paper	该研究提出了一种基于三维补丁的卷积神经网络（CNN）的深度学习方法，用于在CT图像上分割肺裂并定量评估肺裂完整性，以帮助肺气肿患者的治疗规划	使用三维补丁基础的CNN和nnU-Net配置来分割肺裂，并定量计算肺裂完整性评分（FIS），为肺气肿患者的EBV治疗提供辅助	测试集中不同肺裂的预测FIS与参考FIS之间的绝对百分比误差存在差异，尤其是右水平裂（RHF）的误差较大	评估肺气肿患者的肺裂完整性，以确定是否适合进行支气管内阀（EBV）治疗	严重肺气肿患者的CT扫描图像	digital pathology	lung cancer	CT扫描	CNN, nnU-Net	image	129例CT扫描（86例用于训练，43例用于测试）
1450	2025-05-31	MedScale-Former: Self-guided multiscale transformer for medical image segmentation 2025-Jul, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103554 PMID:40209553	研究论文	提出了一种名为MedScale-Former的双分支Transformer网络，用于医学图像分割，通过自监督学习和多尺度策略提高分割准确性	引入了双分支Transformer网络，结合自监督学习和多尺度策略，提出选择性核区域注意力模块以增强对象边界定义	需要进一步验证在不同医学图像数据集上的泛化能力	提高医学图像分割的准确性，减少对大量标注数据的依赖	医学图像（皮肤病变、肺器官、多发性骨髓瘤浆细胞）	数字病理	皮肤病变、肺器官疾病、多发性骨髓瘤	自监督学习、多尺度Transformer	Transformer	医学图像	NA
1451	2025-05-31	Bi-variational physics-informed operator network for fractional flow reserve curve assessment from coronary angiography 2025-Jul, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103564 PMID:40245779	研究论文	本文提出了一种基于双变分物理信息神经算子（BVPINO）的方法，用于从冠状动脉造影中评估分数流储备（FFR）曲线	结合变分机制指导基函数学习和残差评估，实现了FFR曲线评估在准确性和效率之间的最优平衡	未明确提及具体局限性	开发一种高效准确的方法，用于从冠状动脉造影中评估FFR曲线	冠状动脉造影图像及FFR曲线	数字病理学	心血管疾病	双变分物理信息神经算子（BVPINO）	神经算子	图像	184名受试者的215条血管的冠状动脉造影数据
1452	2025-05-31	Joint semi-supervised and contrastive learning enables domain generalization and multi-domain segmentation 2025-Jul, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103575 PMID:40245778	research paper	提出了一种名为SegCLR的框架，结合半监督和对比学习，用于跨域图像分割	SegCLR框架通过同时使用监督和对比学习，有效利用标记和未标记数据，提高了模型在不同域间的泛化能力	未明确提及具体局限性	提升深度学习模型在不同域图像分割中的泛化性能	3D视网膜光学相干断层扫描（OCT）图像	computer vision	视网膜疾病	对比学习，半监督学习	SegCLR	3D图像	三个不同的临床数据集，涉及10种不同的网络初始化
1453	2025-05-31	One for multiple: Physics-informed synthetic data boosts generalizable deep learning for fast MRI reconstruction 2025-Jul, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103616 PMID:40279827	research paper	提出了一种名为PISF的物理信息合成数据学习框架，用于快速MRI重建，通过单一训练模型实现多场景MRI重建的通用性	PISF框架通过将2D图像重建分解为多个1D基本问题，并利用合成数据进行训练，显著减少对真实MRI数据的依赖（高达96%），同时支持多种采样模式、解剖结构、对比度、厂商和中心的高质量重建	尽管PISF在多种场景下表现出色，但其在更广泛的患者群体和更复杂的病理条件下的适用性仍需进一步验证	提升深度学习在快速MRI重建中的通用性和广泛应用	MRI图像重建	医学影像处理	NA	深度学习	DL	MRI图像	验证了2种神经和2种心血管患者群体，由10位经验丰富的医疗专业人员进行评估
1454	2025-05-31	General retinal image enhancement via reconstruction: Bridging distribution shifts using latent diffusion adaptors 2025-Jul, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103603 PMID:40300379	research paper	提出了一种通用的视网膜图像增强方法，通过分解任务为重建和适应阶段来提高泛化能力和灵活性	采用自监督训练和潜在扩散模型，减少了配对训练数据的需求、可训练参数的数量，并加快了收敛速度	方法虽然在多个数据集和退化类型上表现出适应性，但具体性能可能依赖于预训练和微调的质量	提高视网膜图像增强的泛化能力和灵活性，适应不同的数据集和退化类型	视网膜图像	computer vision	NA	潜在扩散模型	autoencoders, diffusion networks	image	利用大量公共数据集进行自监督训练，具体样本数量未提及
1455	2025-05-31	Medical image translation with deep learning: Advances, datasets and perspectives 2025-Jul, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103605 PMID:40311301	综述	本文回顾了基于深度学习的医学图像翻译的最新进展，包括任务、应用、基础模型、生成模型、评估指标、常用数据集以及未来趋势和挑战	详细阐述了医学图像翻译的多样任务和实际应用，并深入探讨了多种生成模型及其评估指标	未提及具体实验数据或样本量的限制	推动医学图像翻译领域的持续进步和创新	医学图像翻译技术及其应用	数字病理	NA	深度学习	CNN, Transformer, SSM, GAN, VAE, AR, diffusion Models, flow Models	医学图像	NA
1456	2025-05-31	World of Forms: Deformable geometric templates for one-shot surface meshing in coronary CT angiography 2025-Jul, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103582 PMID:40318517	研究论文	提出了一种基于几何先验的数据高效深度学习方法，用于直接生成3D解剖对象表面网格	使用多分辨率图神经网络和几何模板变形技术，提出了一种新颖的3D球形数据掩码自编码器预训练策略	在低数据条件下的性能仍有提升空间	解决医学图像分割和表面网格生成中的拓扑不一致性问题	冠状动脉CT血管造影中的心包、左心室腔和左心室心肌	数字病理	心血管疾病	深度学习	图神经网络(GNN)	3D医学图像	未明确说明样本数量
1457	2025-05-31	ProtoASNet: Comprehensive evaluation and enhanced performance with uncertainty estimation for aortic stenosis classification in echocardiography 2025-Jul, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103600 PMID:40324320	research paper	提出了一种基于原型的新型神经网络ProtoASNet，用于从B型超声心动图视频中分类主动脉瓣狭窄的严重程度，并增强预测的可解释性和不确定性估计	ProtoASNet通过相似性分数和可学习的时空原型提供内在可解释性，并利用弃权损失估计数据的不确定性，增强了模型的透明度和临床适用性	研究依赖于私有和公开数据集，可能无法涵盖所有临床场景，且模型性能在不确定案例中有所下降	开发一种可解释且具有不确定性估计能力的深度学习模型，用于主动脉瓣狭窄的自动分类	主动脉瓣狭窄（AS）患者	digital pathology	cardiovascular disease	B-mode echocardiography	prototype-based neural network	video	私有数据集和公开可用的TMED-2数据集
1458	2025-05-31	Deep implicit optimization enables robust learnable features for deformable image registration 2025-Jul, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103577 PMID:40328129	research paper	该论文提出了一种深度隐式优化方法，用于在可变形图像配准中实现鲁棒的可学习特征	通过将优化作为深度网络中的一层，结合统计学习和优化的优势，首次实现了在测试时无需重新训练即可切换任意变换表示	NA	弥合统计学习与优化方法在图像配准中的差距，提高配准性能和对领域偏移的鲁棒性	可变形图像配准	computer vision	NA	deep learning, iterative optimization solver	deep network	image	NA
1459	2025-05-31	Rethinking boundary detection in deep learning-based medical image segmentation 2025-Jul, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103615 PMID:40344946	research paper	提出了一种名为CTO的新型网络架构，结合CNN、ViT和显式边缘检测算子，以解决医学图像分割中边界区域精确分割的挑战	CTO网络架构结合了CNN、ViT和显式边缘检测算子，通过双流编码器网络和边界引导解码器网络，提高了边界区域的分割精度	未提及具体局限性	提高医学图像分割中边界区域的精确分割能力	医学图像分割	digital pathology	NA	CNN, ViT, 边缘检测算子	CTO (结合CNN和ViT的双流编码器网络及边界引导解码器网络)	image	七个医学图像分割数据集（ISIC 2016, PH2, ISIC 2018, CoNIC, LiTS17, BraTS, BTCV）
1460	2025-05-31	CausalMixNet: A mixed-attention framework for causal intervention in robust medical image diagnosis 2025-Jul, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103581 PMID:40359724	research paper	提出了一种名为CausalMixNet的创新方法，通过混合注意力机制探究医学图像与标签之间的因果关系，以提高诊断的准确性和泛化性能	采用查询混合内部注意力和键值混合外部注意力机制，结合非局部推理模块和键值混合外部注意力进行前门调整策略，以及补丁掩码排序模块和查询混合内部注意力增强中介学习	未明确提及具体限制	提高医学图像诊断的准确性和泛化性能，探究图像与标签之间的因果关系	医学图像及其诊断标签	digital pathology	NA	deep learning	CausalMixNet	image	多个数据集，具体数量未提及