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	2025-06-14	Segment Anything for Microscopy 2025-Mar, Nature methods IF:36.1Q1 DOI:10.1038/s41592-024-02580-4 PMID:39939717	研究论文	本文介绍了一种名为Segment Anything for Microscopy (μSAM)的工具，用于多维显微镜数据的分割和跟踪	通过微调通用模型，显著提高了在广泛成像条件下的分割质量，并实现了交互式和自动分割	NA	解决显微镜图像中对象准确分割的瓶颈问题	显微镜图像中的对象	数字病理学	NA	NA	vision foundation model	图像	NA
142	2025-06-14	Deep Learning-based Brain Age Prediction Using MRI to Identify Fetuses with Cerebral Ventriculomegaly 2025-03, Radiology. Artificial intelligence DOI:10.1148/ryai.240115 PMID:39969279	研究论文	本研究探讨了基于深度学习的胎儿脑龄预测模型在识别脑室扩大胎儿及其严重程度和相关中枢神经系统异常方面的诊断性能	使用二维单通道CNN与多平面MRI切片相结合的胎儿脑龄预测新方法，能够辅助识别脑室扩大及相关中枢神经系统异常	样本量相对有限，且仅使用了MRI数据	评估深度学习模型在胎儿脑室扩大及相关异常诊断中的临床应用价值	胎儿（包括脑室扩大胎儿和正常发育胎儿）	数字病理学	脑室扩大	MRI	CNN	图像	500例胎儿（317例脑室扩大胎儿和183例正常发育胎儿）
143	2025-06-14	Tensor-powered insights into neural dynamics 2025-Feb-24, Communications biology IF:5.2Q1 DOI:10.1038/s42003-025-07711-x PMID:39994447	research paper	提出了一种基于张量空间的新型解码方法LS-STM，用于高效处理高阶张量域中的神经信息	LS-STM是传统向量学习框架的张量化改进，能够保留高维空间中的内在关系，提升神经信号解码性能	未明确提及具体局限性	开发更有效的神经信息解码方法	人类和小鼠的神经信号	machine learning	NA	tensor computing	LS-STM	neural signal	人类和小鼠数据（未明确数量）
144	2025-06-14	Transitioning from wet lab to artificial intelligence: a systematic review of AI predictors in CRISPR 2025-Feb-04, Journal of translational medicine IF:6.1Q1 DOI:10.1186/s12967-024-06013-w PMID:39905452	综述	本文系统回顾了CRISPR-Cas9系统中人工智能预测因子的应用，旨在弥合AI与CRISPR研究之间的知识鸿沟	为AI研究者提供CRISPR-Cas9多步骤过程的生物学基础理解，并详细介绍了80个可用数据集及50个预测管道的性能分析	现有AI预测因子性能有限，许多步骤仍依赖昂贵耗时的湿实验	促进AI在CRISPR-Cas9多步骤过程中的整合与优化	CRISPR-Cas9系统中的AI预测因子	机器学习	癌症、遗传性疾病	CRISPR-Cas9基因编辑	机器学习和深度学习方法	基因组数据	80个数据集和50个预测管道
145	2025-06-14	Real-time detection and monitoring of public littering behavior using deep learning for a sustainable environment 2025-01-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-77118-x PMID:39848984	research paper	利用深度学习实时检测和监控公共乱扔垃圾行为，以促进可持续环境	结合MoViNet视频分类模型和YOLOv8目标检测模型，通过面部识别和车牌识别技术识别乱扔垃圾的个体	数据收集困难，需通过模拟真实场景获取数据	通过技术手段减少公共乱扔垃圾行为，保护环境和人类健康	车辆和行人的乱扔垃圾行为	computer vision	NA	深度学习、计算机视觉	MoViNet, YOLOv8, LRCN, CNN-RNN	视频	模拟真实场景收集的数据集
146	2025-06-14	Investigating the intrinsic top-down dynamics of deep generative models 2025-01-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-85055-y PMID:39843473	research paper	本研究探讨了深度生成模型（特别是迭代深度信念网络iDBN）的内在自上而下动态，及其在生成多样数据原型和持续学习中的应用	通过引入'嵌合体状态'初始化采样过程，增强了模型生成多样化数据原型的能力，并展示了iDBN相比浅层生成模型更丰富的自上而下动态	模型无法在单次生成轨迹中过渡到所有潜在目标状态	研究分层生成模型的自上而下动态特性及其与神经认知发展的关系	迭代深度信念网络（iDBN）的生成动态	machine learning	NA	无监督学习、Hebbian-like学习机制	Deep Belief Networks (DBNs), iterative DBN (iDBN), Restricted Boltzmann Machine	image	基于手写数字和人脸图片的知名数据集（具体数量未说明）
147	2025-01-24	From pixels to patients: the evolution and future of deep learning in cancer diagnostics: (Trends in Molecular Medicine, published online December 11, 2024) 2025-Jan-21, Trends in molecular medicine IF:12.8Q1 DOI:10.1016/j.molmed.2024.12.012 PMID:39843287	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
148	2025-06-14	Integrated Deep Learning Model for the Detection, Segmentation, and Morphologic Analysis of Intracranial Aneurysms Using CT Angiography 2025-01, Radiology. Artificial intelligence DOI:10.1148/ryai.240017 PMID:39503602	研究论文	开发了一种基于CT血管造影数据的深度学习模型，用于未破裂颅内动脉瘤的形态学测量，并在多中心数据集上验证其性能	提出了一个集成的深度学习模型，能够同时进行未破裂颅内动脉瘤的检测、分割和形态学分析，并验证了其辅助初级放射科医生提升诊断性能的能力	研究为回顾性设计，可能受到数据选择和收集偏差的影响	开发并验证一个深度学习模型，用于未破裂颅内动脉瘤的形态学测量	未破裂颅内动脉瘤患者及无动脉瘤的对照人群	数字病理	颅内动脉瘤	CT血管造影(CTA)	nnU-Net	医学影像	训练数据集包括1182名未破裂颅内动脉瘤患者和578名对照，多中心外部测试集包括535名患者
149	2025-06-14	Combining Biology-based and MRI Data-driven Modeling to Predict Response to Neoadjuvant Chemotherapy in Patients with Triple-Negative Breast Cancer 2025-01, Radiology. Artificial intelligence DOI:10.1148/ryai.240124 PMID:39503605	research paper	结合基于生物学的模型和MRI数据驱动的深度学习来预测三阴性乳腺癌患者对新辅助化疗的反应	整合了基于生物学的数学模型和卷积神经网络（CNN）来预测肿瘤对新辅助化疗的时空演变	研究为回顾性研究，样本量相对较小（118名患者）	预测三阴性乳腺癌患者对新辅助化疗的反应	局部晚期三阴性乳腺癌患者	digital pathology	breast cancer	MRI, deep learning	CNN	image	118名女性患者（中位年龄51岁，范围29-78岁）
150	2025-06-14	SCIseg: Automatic Segmentation of Intramedullary Lesions in Spinal Cord Injury on T2-weighted MRI Scans 2025-01, Radiology. Artificial intelligence DOI:10.1148/ryai.240005 PMID:39503603	研究论文	开发了一种名为SCIseg的深度学习工具，用于在T2加权MRI扫描上自动分割脊髓和脊髓损伤中的髓内病变	SCIseg是一个开源工具，通过主动学习的三阶段过程训练，能够自动分割髓内SCI病变和脊髓，并在多样化的数据集上表现出色	研究未提及模型在不同扫描参数或病变类型间的泛化能力	开发自动分割脊髓损伤中髓内病变的深度学习工具	脊髓损伤患者的T2加权MRI扫描	数字病理	脊髓损伤	T2加权MRI扫描	CNN	图像	191名脊髓损伤患者
151	2025-06-14	Deep Learning Applied to Diffusion-weighted Imaging for Differentiating Malignant from Benign Breast Tumors without Lesion Segmentation 2025-01, Radiology. Artificial intelligence DOI:10.1148/ryai.240206 PMID:39565222	研究论文	评估和比较不同人工智能模型在扩散加权成像（DWI）中区分良性和恶性乳腺肿瘤的性能，并与放射科医生的评估进行比较	应用深度学习模型（特别是小型2D CNN）在无需病灶分割的情况下，利用DWI数据区分乳腺肿瘤的良恶性，且性能与放射科医生相当	研究为回顾性设计，样本量相对较小（334个乳腺病灶），且所有患者均为女性	评估AI模型在乳腺肿瘤良恶性鉴别中的性能	乳腺肿瘤患者	计算机视觉	乳腺癌	扩散加权成像（DWI）	2D CNN, ResNet-18, EfficientNet-B0, 3D CNN	医学影像	293名女性患者的334个乳腺病灶
152	2024-12-12	Integrating Deep Learning with Biology: A New Frontier in Triple-Negative Breast Cancer Treatment Prediction? 2025-01, Radiology. Artificial intelligence DOI:10.1148/ryai.240740 PMID:39660996	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
153	2025-06-14	Innovative data techniques for centrifugal pump optimization with machine learning and AI model 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0325952 PMID:40493691	research paper	本文探讨了利用机器学习和AI模型优化离心泵的数据技术	采用Dewesoft FFT DAQ系统和传感器融合技术提取高质量数据，结合EDA、数据可视化和特征工程提升数据可解释性，并通过假设测试验证数据完整性	未提及具体模型在极端条件下的表现或泛化能力	提高离心泵的运营效率并减少模型训练时间	离心泵机器(CPM)	machine learning	NA	Exploratory Data Analysis (EDA), Data Visualization, Feature Engineering (FE)	machine learning classifiers, deep learning algorithms	sensor data	NA
154	2025-06-14	A plaque recognition algorithm for coronary OCT images by Dense Atrous Convolution and attention mechanism 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0325911 PMID:40493701	research paper	提出了一种结合Dense Atrous Convolution和注意力机制的深度学习算法，用于冠状动脉OCT图像中的斑块高精度分割和分类	首次将Dense Atrous Convolution与注意力机制结合用于冠状动脉斑块分割，在钙化、纤维和脂质斑块的dice系数上均优于现有五种医学图像分割网络	未提及算法在临床实际应用中的验证情况，也未说明计算复杂度等实际部署问题	提高冠状动脉OCT图像中斑块自动分割的准确率，为临床决策提供支持	冠状动脉OCT图像中的钙化、纤维和脂质斑块	digital pathology	cardiovascular disease	OCT成像	Dense Atrous Convolution + attention mechanism	医学图像	760张原始图像（通过数据增强扩展至8,000张）
155	2025-06-14	A User-Friendly Machine Learning Pipeline for Automated Leaf Segmentation in Atriplex lentiformis 2025, Bioinformatics and biology insights IF:2.3Q3 DOI:10.1177/11779322251344033 PMID:40496491	研究论文	本文介绍了一种用于植物表型分析的端到端深度学习管道，专注于自动化叶片分割	结合了微调的Mask R-CNN模型与自然语言提示技术，并集成了QR码自动识别功能，开发了用户友好的Streamlit网络应用	训练数据集较小（仅176张植物图像）	开发一个准确、可扩展且用户友好的自动化叶片分割管道	Atriplex lentiformis植物的叶片	计算机视觉	NA	深度学习	Mask R-CNN, Segment Anything Model (SAM), Grounded SAM	图像	176张植物图像
156	2025-06-14	Empowering Precision Medicine for Rare Diseases through Cloud Infrastructure Refactoring 2025, AMIA Joint Summits on Translational Science proceedings. AMIA Joint Summits on Translational Science PMID:40502250	research paper	该研究旨在通过开发基于云的计算基础设施，加速罕见疾病的诊断	提出了一种结合数据挖掘、语义网技术、深度学习和基于图的嵌入技术的全面信息学框架，并通过云基础设施重构解决了可扩展性、维护和协作的挑战	未提及具体样本量或数据集的详细信息，可能影响研究结果的普适性	加速罕见疾病的诊断，提升数据整合和预测建模能力	罕见疾病患者及其相关医疗数据	数字病理学	罕见疾病	数据挖掘、语义网技术、深度学习、基于图的嵌入技术	深度学习	医疗数据	NA
157	2025-06-14	MRISeqClassifier: A Deep Learning Toolkit for Precise MRI Sequence Classification 2025, AMIA Joint Summits on Translational Science proceedings. AMIA Joint Summits on Translational Science PMID:40502266	research paper	开发了一个基于深度学习的工具包MRISeqClassifier，用于精确分类MRI序列	针对小型、未精炼的MRI数据集开发了轻量级模型架构，并采用投票集成方法提高准确性和稳定性，仅需10%的数据即可达到99%的准确率	未提及工具包在不同MRI设备或不同扫描参数下的泛化能力	解决MRI序列分类问题，提高诊断工具的准确性和效率	MRI序列（如T1加权、T2加权和FLAIR）	computer vision	NA	deep learning	轻量级模型架构，投票集成方法	MRI图像	未明确提及具体样本数量，但仅需10%的典型研究数据量
158	2025-06-14	Explainable Diagnosis Prediction through Neuro-Symbolic Integration 2025, AMIA Joint Summits on Translational Science proceedings. AMIA Joint Summits on Translational Science PMID:40502272	research paper	本研究探讨了神经符号方法（特别是逻辑神经网络LNNs）在可解释诊断预测中的应用，通过结合领域特定知识和可学习权重与阈值，开发了性能优于传统模型的诊断预测模型	使用逻辑神经网络（LNNs）结合领域特定知识，开发了可解释的诊断预测模型，提高了预测准确性和可解释性	未来研究需要扩展到更大和更多样化的数据集，以验证模型在不同医疗条件和人群中的适用性	开发可解释的诊断预测模型，以提升医疗AI应用的准确性和可解释性	糖尿病预测	machine learning	diabetes	Logical Neural Networks (LNNs)	LNN	NA	NA
159	2025-06-14	An integrated approach for mental health assessment using emotion analysis and scales 2025 Jan-Dec, Healthcare technology letters IF:2.8Q3 DOI:10.1049/htl2.12040 PMID:40502325	research paper	该研究提出了一种结合情绪分析和量表的综合方法进行心理健康评估，特别是针对抑郁症的初步评估	整合了四种模块（面部情绪识别、量表问卷、语音情绪识别和医生聊天）进行抑郁症评估，提高了预测的准确性	情绪识别的准确性仍有提升空间，且用户可能需要与真实医生交流以消除疑虑	开发一种综合方法，通过情绪分析和量表评估抑郁症	抑郁症患者或潜在患者	machine learning	mental illness	Facial Emotion Recognition (FER), Speech Emotion Recognition (SER), 量表问卷	深度学习模型（未明确具体类型）	image, audio, text	使用了FER2013数据集以及RAVDESS、TESS、SAVEE和CREMA-D数据集
160	2025-06-14	Integration of T cell repertoire, CyTOF, genotyping and symptomatology data reveals subphenotypic variability in COVID-19 patients 2025, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2025.05.016 PMID:40502932	研究论文	该研究通过整合T细胞受体库、CyTOF、基因分型和症状学数据，揭示了COVID-19患者的亚表型变异性	使用LCM-BIC算法整合多种免疫表型和遗传数据，识别出三个新的患者聚类，并通过深度学习分析TCR氨基酸序列，发现与疾病严重程度相关的SARS-CoV-2特异性TCR序列	样本量较小（61名患者），且仅来自西班牙人群，可能限制结果的普适性	通过整合多种数据识别COVID-19患者的免疫和遗传特征，以帮助分层和管理患者	61名西班牙COVID-19患者（33名轻度，28名重度）	免疫学	COVID-19	CyTOF, TCRseq, SNP分析, 深度学习	LCM-BIC算法, 深度学习模型	免疫表型数据, 基因分型数据, 症状学数据	61名COVID-19患者（33名轻度，28名重度）