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
141	2025-10-05	Effective image compression using transformer and residual network for balanced handling of high and low-frequency information 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0333376 PMID:41042778	研究论文	提出一种基于Transformer和残差网络的端到端图像压缩方法TRN，平衡处理图像中的高频和低频信息	设计双网络架构结合自注意力机制和残差网络，作为高低频混合器，能同时保留图像的高频和低频特征	NA	开发高效的图像压缩方法，在减小数据大小的同时保留重要图像内容	图像数据	计算机视觉	NA	端到端深度学习，率失真优化方法	Transformer, 残差网络, 自编码器	图像	CLIC数据集
142	2025-10-05	A general temperature-guided language model to design proteins of enhanced stability and activity 2024-Nov-29, Science advances IF:11.7Q1 DOI:10.1126/sciadv.adr2641 PMID:39602544	研究论文	提出一种基于温度感知语言模型的深度学习工具PRIME，用于设计具有更高稳定性和活性的蛋白质突变体	无需特定蛋白质的实验突变数据即可预测优质突变体，采用温度感知语言建模技术	NA	开发能够同时提升蛋白质稳定性和活性的计算方法	蛋白质突变体设计	机器学习	NA	温度感知语言建模	深度学习语言模型	蛋白质序列数据	283个蛋白质检测数据集和5个蛋白质验证实验
143	2025-10-05	A medical image classification method based on self-regularized adversarial learning 2024-Nov, Medical physics IF:3.2Q1 DOI:10.1002/mp.17320 PMID:39078069	研究论文	提出一种基于自正则化对抗学习的医学图像分类框架GAN-DL	创新性地将GAN模型作为补充正则化项来支持分类任务，无需额外数据标注	NA	提升医学图像分类性能并缓解过拟合问题	COVID-19胸部X光图像和口咽鳞状细胞癌PET图像	计算机视觉	COVID-19, 口咽鳞状细胞癌	生成对抗网络(GAN)	GAN-DL框架（包含F-Net、分类器、R-Net和D-Net）	医学图像	COVID-19数据集13,958张胸部X光图像，OPSCC数据集3,255张PET图像
144	2025-10-05	Evaluating the Quality of Brain MRI Generators 2024-Oct, Medical image computing and computer-assisted intervention : MICCAI ... International Conference on Medical Image Computing and Computer-Assisted Intervention DOI:10.1007/978-3-031-72117-5_28 PMID:40364898	研究论文	本文提出了一种评估脑部MRI生成模型质量的框架，重点关注解剖结构的合理性	提出了专门针对脑部MRI生成模型的评估框架，强调解剖结构合理性的量化评估，并首次系统验证分割结果的可靠性	仅评估了6种生成模型，样本量相对有限，且主要关注结构MRI	改进脑部MRI生成模型的质量评估方法，解决现有自然图像评估指标在医学图像上的不足	脑部结构MRI图像及其生成模型	医学图像分析	神经系统疾病	深度学习生成模型，自动分割技术	生成模型	MRI图像	超过3000个MRI样本，涉及6种最先进的生成模型
145	2025-10-05	Digital Volumetric Biopsy Cores Improve Gleason Grading of Prostate Cancer Using Deep Learning 2024-Sep-12, ArXiv PMID:39314499	研究论文	本研究提出了一种基于深度学习的数字体积活检核心方法，用于改进前列腺癌的格里森分级	提出了新型数字病理数据源'体积核心'，通过形态保持对齐框架从连续组织切片中提取并对齐，并使用改进的视频变换器处理体积块	NA	开发基于深度学习的自动格里森分级系统，提高前列腺癌诊断准确性	前列腺癌活检组织样本	数字病理	前列腺癌	注意力多实例学习(ABMIL)、自监督学习	改进的视频变换器、ABMIL框架	3D体积图像数据	10,210个体积核心，其中30%用于预训练
146	2025-10-05	Optimizing mammography interpretation education: leveraging deep learning for cohort-specific error detection to enhance radiologist training 2024-Sep, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.11.5.055502 PMID:39372519	研究论文	本研究探索利用深度学习技术识别乳腺X线摄影中假阳性错误区域，以优化放射科医师的培训	首次将CNN迁移学习应用于针对特定地理特征放射科医师群体的假阳性错误区域难度预测	概念验证研究，样本规模有限，仅针对两个地理群体	开发基于深度学习的乳腺X线摄影解读错误检测方法，提升放射科医师培训效果	乳腺X线摄影图像中的假阳性错误区域	计算机视觉	乳腺疾病	迁移学习，卷积神经网络	CNN，ResNet-50	医学影像	两个地理群体（群体A和B）的乳腺X线摄影测试集
147	2025-10-05	qMAP enabled microanatomical mapping of human skin aging 2024-Jul-06, bioRxiv : the preprint server for biology DOI:10.1101/2024.04.03.588011 PMID:39005293	研究论文	开发了一种名为qMAP的组织图像分析工作流程，用于定量分析人类皮肤衰老过程中的微观解剖变化	首次建立了能够全面标记组织和细胞区室的定量微观解剖表型分析工作流程，填补了组织层面衰老研究的空白	研究仅针对皮肤组织，样本量相对有限（99名捐赠者）	识别与衰老相关的组织微观结构特征，开发新型衰老生物标志物	人类皮肤组织	数字病理学	衰老相关疾病	深度学习、机器视觉	深度学习模型	组织图像	99名年龄在14至92岁之间的捐赠者
148	2025-10-05	Prediction of MRI-Induced Power Absorption in Patients with DBS Leads 2024-Jun, Proceedings. IEEE International Symposium on Computer-Based Medical Systems DOI:10.1109/cbms61543.2024.00087 PMID:41030917	研究论文	使用机器学习和深度学习算法预测深部脑刺激患者在接受MRI检查时DBS导线尖端的局部比吸收率值	首次将XgBoost和残差网络家族模型应用于DBS患者MRI诱导功率吸收预测，显著超越了现有最佳方法	受限于小数据机制，已提取的有限特征更适合XgBoost集成学习而非深度网络	开发高效算法预测DBS患者在MRI检查时的组织加热风险	植入深部脑刺激系统的患者	机器学习	神经系统疾病	电磁仿真，机器学习，深度学习	XgBoost，残差网络	电磁仿真数据	260个样本（包含患者来源和人工生成数据）
149	2025-10-05	Fully Automated OCT-based Tissue Screening System 2024-May-15, ArXiv PMID:38800655	研究论文	本研究开发了一种基于光学相干断层扫描(OCT)的全自动组织筛选系统，用于离体组织培养的高通量筛选应用	结合定制设计的电动平台、组织检测能力和基于Transformer的深度学习分割算法，实现了自动化、连续的组织成像和高效分析	目前仅在视网膜退行性病变小鼠模型的视网膜外植体培养中进行了验证	开发用于组织筛选的全自动OCT成像系统，推动药物发现和相关研究领域发展	小鼠视网膜外植体培养组织	数字病理	视网膜退行性病变	光学相干断层扫描(OCT)	Transformer	图像	NA
150	2025-10-04	The role of artificial intelligence in implant dentistry: a systematic review 2025-Nov, International journal of oral and maxillofacial surgery IF:2.2Q2 DOI:10.1016/j.ijom.2025.04.005 PMID:40436717	系统综述	本文系统综述了人工智能在种植牙领域的应用研究	首次对2018-2024年间AI在种植牙领域的应用进行全面系统分析，揭示了该领域的发展趋势和技术特征	纳入研究存在偏倚风险，其中11项研究具有高偏倚风险，且该领域整体仍处于相对不成熟阶段	综合分析人工智能在牙科种植学中的应用研究	2018年至2024年10月15日期间发表的与AI和种植学相关的文献	数字病理	牙科疾病	深度学习算法	深度学习	图像数据	共纳入120篇相关论文
151	2025-10-04	Current Research and Development in the Field of Magnetic Resonance Contrast Media 2025-Nov-01, Investigative radiology IF:7.0Q1 DOI:10.1097/RLI.0000000000001206 PMID:40622723	综述	本文讨论磁共振造影剂领域的新一代高弛豫率钆基造影剂、安全性研究、MR技术改进及其他造影剂的持续开发	重点介绍新一代钆基造影剂gadopiclenol和gadoquatrane可能取代现有标准，重新研究锰基化合物，并探讨人工智能在MR造影剂领域的应用潜力	锰基化合物的临床成像影响尚不明确，部分技术仍处于发展阶段	综述磁共振造影剂领域的最新研究进展和发展趋势	钆基造影剂、锰基化合物、MR技术、人工智能技术	医学影像	NA	磁共振成像、人工智能、深度学习	深度学习	医学影像数据	NA
152	2025-10-04	Progress of MRI-based radiomics and deep learning for predicting the prognosis of locally advanced rectal cancer (Review) 2025-Nov, Oncology letters IF:2.5Q3 DOI:10.3892/ol.2025.15282 PMID:41040910	综述	本文综述了基于MRI的影像组学和深度学习在预测局部晚期直肠癌患者预后方面的最新进展	系统总结了多参数影像组学模型、Delta影像组学和深度学习模型在预测局部晚期直肠癌预后方面的性能提升	NA	评估MRI影像组学和深度学习在预测局部晚期直肠癌患者预后方面的应用价值	接受新辅助放化疗的局部晚期直肠癌患者	数字病理	直肠癌	MRI影像组学、深度学习	深度学习模型	医学影像	NA
153	2025-10-04	An overview of the current situation and future development direction of grain detection: taking computer vision combined with deep learning 2025-Nov, Journal of food science and technology DOI:10.1007/s13197-025-06428-3 PMID:41041505	综述	本文概述了计算机视觉与深度学习在粮食检测中的现状和未来发展方向	系统总结了计算机视觉与深度学习技术在粮食质量检测领域的应用现状和发展趋势	NA	探讨计算机视觉与深度学习在粮食质量检测中的应用前景	粮食质量检测技术	计算机视觉	NA	深度学习	NA	图像	NA
154	2025-10-04	Getting Started on Artificial Intelligence in Health Care and Clinical Research: Includes Rigor Checklist for Authors and Reviewers 2025-Oct-03, Advances in wound care IF:5.8Q1 DOI:10.1177/21621918251380217 PMID:41039915	综述	本文为医疗保健和临床研究领域的人工智能应用提供入门指南和严谨性检查清单	提出系统性的三层框架（基础、核心技术、应用）和严谨性检查清单，强调从人员培养入手的AI实施策略	NA	为研究人员、临床医生和评审人员提供理解和应用人工智能的路线图	医疗保健和生物医学研究领域的人工智能应用	医疗人工智能	NA	符号AI、专家系统、机器学习、深度学习、可解释AI、自然语言处理、计算机视觉	NA	NA	NA
155	2025-10-04	Rapid whole-brain T2* and susceptibility mapping using 3D multiple overlapping-echo detachment acquisition and missing modality synthesis embedded simulation 2025-Oct-03, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.70108 PMID:41040040	研究论文	开发了一种3D多重重叠回波分离成像技术，用于快速全脑T2*和磁化率定量成像	将MOLED编码扩展到3D多激发采集，结合深度学习缺失模态合成方法和伪3D Bloch仿真，实现快速数据生成和重建	NA	开发快速全脑T2*和QSM成像技术，提高扫描速度和运动鲁棒性	健康志愿者和临床参与者	医学影像	NA	3D-MOLED成像、双回波blip反转EPI序列、深度学习缺失模态合成、伪3D Bloch仿真	深度学习	磁共振影像	健康志愿者和临床参与者队列
156	2025-10-04	Reply to 'Risk stratification of cutaneous melanoma using deep learning on whole slide images' 2025-Oct-03, Journal of the European Academy of Dermatology and Venereology : JEADV IF:8.4Q1 DOI:10.1111/jdv.70092 PMID:41041696	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
157	2025-10-04	Prediction of Pathological Subthalamic Nucleus Beta Burst Occurrence in Parkinson's Disease 2025-Oct-03, Movement disorders : official journal of the Movement Disorder Society IF:7.4Q1 DOI:10.1002/mds.70076 PMID:41041724	研究论文	本研究开发深度学习模型预测帕金森病患者丘脑底核β爆发的发生	首次发现β振幅下降可作为预测β爆发发生的生物标志物，实现提前100毫秒预测	研究样本量有限，需要进一步验证模型的泛化能力	开发预测帕金森病丘脑底核β爆发发生的方法	帕金森病患者的丘脑底核活动记录	机器学习	帕金森病	深度学习神经网络	深度学习模型	神经电生理信号	两个独立数据集的丘脑底核记录，包括自然行为期间的长期记录
158	2025-10-04	Highly Tunable Synaptic Modulation in Photo-Activated Remote Charge Trap Memory for Hardware-Based Fault-Tolerant Learning 2025-Oct-03, Advanced materials (Deerfield Beach, Fla.) DOI:10.1002/adma.202515140 PMID:41041969	研究论文	提出一种基于硬件的光激活远程电荷陷阱存储器，用于处理带噪声标签数据集的容错学习	利用缺陷工程六方氮化硼实现4380的高突触可调比，能选择性衰减误训练信号引起的权重更新	仅在MNIST数据集上验证，未在更复杂数据集测试	开发硬件容错学习算法以解决内存计算中噪声标签导致的识别效率问题	人工突触器件和带噪声标签的数据集	机器学习	NA	光激活远程电荷陷阱存储技术	人工突触器件	图像数据	MNIST数据集
159	2025-10-04	Multilevel Correlation-aware and Modal-aware Graph Convolutional Network for Diagnosing Neurodevelopmental Disorders 2025-Oct-02, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3617348 PMID:41037545	研究论文	提出一种多级相关性感知和模态感知图卷积网络(MCM-GCN)，用于神经发育障碍的可靠诊断	在个体层面设计相关性驱动特征生成模块感知图间相关性，在群体层面通过多模态解耦特征增强模块深度整合多模态信息	NA	开发可靠的神经发育障碍诊断方法	自闭症谱系障碍(ASD)和注意缺陷多动障碍(ADHD)患者	医学影像分析	神经发育障碍	静息态功能磁共振成像	图卷积网络(GCN)	脑网络图数据、表型数据	两个公共数据集(ASD和ADHD)
160	2025-10-04	GenoGraph: an Interpretable Graph Contrastive Learning Approach for Identifying Breast Cancer Risk Variants 2025-Oct-02, IEEE transactions on computational biology and bioinformatics DOI:10.1109/TCBBIO.2025.3617088 PMID:41037551	研究论文	提出一种基于图对比学习的可解释框架GenoGraph，用于识别乳腺癌风险基因变异	通过图对比学习方法在低样本量场景下建模高维遗传数据，解决了传统GWAS方法忽略遗传互作和现有机器学习方法过拟合及可解释性差的问题	仅在东芬兰生物库数据上验证，样本量有限	开发能够识别乳腺癌风险基因变异及其相互作用的计算方法	乳腺癌相关的基因变异	机器学习	乳腺癌	图对比学习	图神经网络	基因型数据	东芬兰生物库数据集