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
1721	2025-04-16	Deep-Learning-Based Nanomechanical Vibration for Rapid and Label-Free Assay of Epithelial Mesenchymal Transition 2024-01-30, ACS nano IF:15.8Q1 DOI:10.1021/acsnano.3c10811 PMID:38169507	research paper	该研究开发了一种基于深度学习和纳米机械振动的无标记快速检测方法，用于分类上皮/间充质癌细胞集落	结合纳米机械振动和深度学习，提出了一种无破坏性、无标记且高灵敏度的癌细胞表型分类方法	NA	研究癌细胞的上皮和间充质表型分类及其在抗癌药物筛选中的应用	癌细胞集落	digital pathology	cancer	纳米机械振动检测	deep learning	vibration data	NA
1722	2025-04-16	Functional Near-Infrared Spectroscopy-Based Computer-Aided Diagnosis of Major Depressive Disorder Using Convolutional Neural Network with a New Channel Embedding Layer Considering Inter-Hemispheric Asymmetry in Prefrontal Hemodynamic Responses 2024, Depression and anxiety IF:4.7Q1 DOI:10.1155/2024/4459867 PMID:40226684	研究论文	本研究提出了一种基于卷积神经网络（CNN）的新型深度学习框架，用于利用功能性近红外光谱（fNIRS）进行重度抑郁症（MDD）的计算机辅助诊断	提出了一种新的CNN模型，包含三个1D深度卷积层，专门设计用于反映MDD患者与健康对照组之间血流动力学反应的半球间不对称性	样本量相对较小（48名MDD患者和68名健康对照组）	开发一种基于fNIRS的MDD计算机辅助诊断系统，提高诊断准确性	MDD患者和健康对照组	数字病理学	抑郁症	fNIRS	CNN	血流动力学响应数据	48名MDD患者和68名健康对照组
1723	2025-04-16	A novel stacked generalization of models for improved TB detection in chest radiographs 2018-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC.2018.8512337 PMID:30440497	研究论文	提出了一种新型的堆叠泛化模型，用于提高胸部X光片中结核病的检测效果	结合手工工程和CNN特征的分类器堆叠方法，提高了结核病检测的准确性和性能	未明确提及具体的数据集大小或多样性限制	开发一种计算机辅助诊断工具，以改善资源受限地区结核病的及时检测	胸部X光片中的结核病检测	计算机视觉	结核病	CNN和手工工程特征	堆叠泛化模型	图像	NA
1724	2025-04-15	Large language models as an academic resource for radiologists stepping into artificial intelligence research 2025 May-Jun, Current problems in diagnostic radiology IF:1.5Q3 DOI:10.1067/j.cpradiol.2024.12.004 PMID:39672727	研究论文	评估GPT-4o作为推荐系统，帮助放射科医生理解和实施AI研究中的ML和DL算法	利用大型语言模型（如GPT-4o）作为虚拟顾问，为放射科研究人员提供定制化的算法推荐	需要进一步研究将大型语言模型整合到常规工作流程中及其在持续专业发展中的作用	提升放射科医生对AI技术的理解和应用能力	放射科医生和早期职业研究人员	自然语言处理	NA	GPT-4o	U-Net, Random Forest, Attention U-Net, EfficientNet	医疗影像数据	NA
1725	2025-04-15	MSTNet: Multi-scale spatial-aware transformer with multi-instance learning for diabetic retinopathy classification 2025-May, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103511 PMID:40020421	research paper	提出了一种名为MSTNet的新型多尺度空间感知Transformer网络，用于糖尿病视网膜病变分类	MSTNet通过多尺度图像块编码信息，构建双路径主干网络，结合空间感知模块和多实例学习策略，有效捕捉局部细节和全局上下文，提升对细微病变区域的关联性	未明确提及具体局限性	提高糖尿病视网膜病变的分类准确率	糖尿病视网膜病变患者的眼底图像	computer vision	diabetic retinopathy	Multiple Instance Learning (MIL)	Transformer	image	四个公共DR数据集（APTOS2019、RFMiD2020、Messidor和IDRiD）
1726	2025-04-15	Deep learning based coronary vessels segmentation in X-ray angiography using temporal information 2025-May, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103496 PMID:40049029	research paper	提出了一种基于深度学习的冠状动脉血管分割方法TVS-Net，利用时间信息在X射线血管造影中进行血管分割	提出了一种新颖的密集连接3D编码器-2D解码器结构，结合基于弹性交互的损失函数，融合了连续的ICA信息	使用了相对宽松的标注协议，生成了粗粒度的样本，可能影响分割精度	提高冠状动脉血管在ICA中的分割准确性，以辅助诊断和治疗计划制定	冠状动脉血管	computer vision	cardiovascular disease	深度学习	TVS-Net（密集连接3D编码器-2D解码器结构）	X射线血管造影图像	323个ICA样本（173训练，82验证，68测试），外加60张本地医院图像用于外部评估
1727	2025-04-15	Motor imagery EEG decoding based on TS-former for spinal cord injury patients 2025-May, Brain research bulletin IF:3.5Q2 DOI:10.1016/j.brainresbull.2025.111298 PMID:40081503	研究论文	提出一种基于Transformer的迁移学习方法TS-former，用于脊髓损伤患者的运动想象脑电信号解码	结合FBCSP和Transformer构建新型时空域特征提取网络，采用迁移学习实现跨任务适应	未说明模型在更大人群或不同病理条件下的泛化能力	开发高效脑机接口系统用于脊髓损伤患者康复训练	16名脊髓损伤患者的运动想象脑电信号	脑机接口	脊髓损伤	Filter Bank Common Spatial Pattern (FBCSP), Transformer	TS-former (基于Transformer的混合架构)	EEG信号	16名患者数据（十折交叉验证）
1728	2025-04-15	UniSAL: Unified Semi-supervised Active Learning for histopathological image classification 2025-May, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103542 PMID:40101375	research paper	提出了一种统一的半监督主动学习框架（UniSAL），用于高效选择信息丰富且具有代表性的组织病理学图像进行标注	引入双视角高置信度伪训练和伪标签引导的类对比学习，以及设计新颖的不确定性和代表性样本选择策略	未提及具体局限性	减少标注成本并提高组织病理学图像分类的效率	组织病理学图像	digital pathology	cancer	deep learning	dual-view networks	image	CRC5000, Chaoyang和CRC100K三个公共病理图像分类数据集
1729	2025-04-15	Predicting infant brain connectivity with federated multi-trajectory GNNs using scarce data 2025-May, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103541 PMID:40107118	research paper	该论文提出了一种名为FedGmTE-Net++的联邦图多轨迹演化网络，用于在数据稀缺环境下预测婴儿大脑连接的多轨迹演化	首次设计了专门用于大脑多轨迹演化预测的联邦学习框架，在局部目标函数中加入了辅助正则化器以利用所有纵向大脑连接数据，并引入了一个两步插补过程	需要依赖多个医院的数据合作，可能面临数据协调和隐私保护的挑战	预测婴儿出生后第一年大脑连接网络的多轨迹演化	婴儿大脑连接网络	digital pathology	NA	federated learning, GNN	FedGmTE-Net++ (基于GNN的联邦学习模型)	graph data (大脑连接网络)	来自多家医院的有限数据集
1730	2025-04-15	A deep learning approach to multi-fiber parameter estimation and uncertainty quantification in diffusion MRI 2025-May, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103537 PMID:40112509	研究论文	本文提出了一种基于深度学习的多纤维参数估计和不确定性量化方法，用于扩散MRI中的脑微结构研究	引入了一种新颖的顺序方法，将多纤维参数推断任务分解为一系列可管理的子问题，并使用针对特定问题和对称性定制的深度神经网络进行求解	方法在HCP类采集方案下，对细胞外平行扩散率的估计具有高度不确定性	开发一种可靠且计算效率高的参数推断方法，用于常见的dMRI生物物理模型	脑微结构中的白质纤维群体	医学影像分析	NA	扩散MRI (dMRI)	深度神经网络	医学影像数据	Human Connectome Project (HCP) 的成像数据
1731	2025-04-15	Segment Like A Doctor: Learning reliable clinical thinking and experience for pancreas and pancreatic cancer segmentation 2025-May, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103539 PMID:40112510	研究论文	提出了一种名为SLAD的新框架，通过学习医生的临床思维和经验，提高胰腺和胰腺癌在CT图像上的分割准确性	首次模拟医生在胰腺癌诊断过程中的逻辑思维和经验，包括器官、病变和边界三个阶段，并设计了相应的模块（AMAE、CGRM和DDCM）来实现这一目标	未提及具体的数据集规模限制或模型在其他类型癌症上的泛化能力	提高胰腺和胰腺癌在CT图像上的分割准确性，以满足临床需求	胰腺和胰腺癌的CT图像	数字病理	胰腺癌	CT图像分析	AMAE、CGRM、DDCM	图像	三个独立数据集（未提及具体样本数量）
1732	2025-04-15	Graph-based prototype inverse-projection for identifying cortical sulcal pattern abnormalities in congenital heart disease 2025-May, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103538 PMID:40121807	研究论文	本研究开发了一种基于深度学习的脑沟模式分析方法，用于识别先天性心脏病患者的皮层脑沟模式异常	提出了一种基于原型图神经网络的脑沟模式分析方法，并引入原型逆投影以提高模型的可解释性	需要更多样本来验证方法的普适性，且计算成本可能较高	开发一种敏感且可解释的脑沟模式分析工具，用于识别神经发育差异	健康对照组（174人）和先天性心脏病患者（345人）的脑沟模式	数字病理学	先天性心脏病	深度学习	图神经网络（GNN）	脑沟模式图	519人（174健康对照+345患者）
1733	2025-04-15	An extragradient and noise-tuning adaptive iterative network for diffusion MRI-based microstructural estimation 2025-May, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103535 PMID:40157297	研究论文	本文提出了一种基于扩散MRI的微结构估计的外梯度和噪声调谐自适应迭代网络	引入了一种自适应机制，根据特定的dMRI模型、数据集和下采样策略灵活调整稀疏表示过程，避免了手动选择并加速推理，同时提出了噪声调谐模块帮助网络逃离局部极小值/鞍点	未提及具体局限性	改进扩散MRI模型参数估计的准确性和通用性	扩散MRI数据	医学影像分析	NA	扩散MRI (dMRI)	外梯度和噪声调谐自适应迭代网络	MRI图像	两个3T Human Connectome Project (HCP)数据集和一个7T HCP数据集
1734	2025-04-15	ArtiDiffuser: A unified framework for artifact restoration and synthesis for histology images via counterfactual diffusion model 2025-May, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103567 PMID:40188685	研究论文	提出ArtiDiffuser，一种基于反事实扩散模型的统一框架，用于组织学图像的伪影修复和合成	首次将反事实扩散模型应用于组织学图像的伪影修复与合成，通过Swin-Transformer去噪网络和类别引导的专家混合增强特征处理能力	需要人工标注的伪影类别数据，且模型性能依赖于标注质量	解决组织学图像中伪影导致的误诊问题	组织学图像中的伪影区域	数字病理学	NA	扩散模型	Swin-Transformer+MoE	图像	包含723个标注图像块的首个综合组织学数据集
1735	2025-04-15	Unsupervised brain MRI tumour segmentation via two-stage image synthesis 2025-May, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103568 PMID:40199108	研究论文	本文提出了一种通过两阶段图像合成策略进行无监督脑部MRI肿瘤分割的方法	采用两阶段图像合成策略，生成更真实的合成数据以缩小真实与合成数据之间的领域差距	未明确提及具体局限性，但可能依赖于合成数据的质量和伪标签的准确性	开发一种无需专家标注的无监督脑部肿瘤分割方法	脑部MRI图像中的肿瘤区域	数字病理	脑肿瘤	两阶段图像合成策略	无监督学习模型	MRI图像	五个脑部成像数据集
1736	2025-04-15	Development and validation of radiomics and deep transfer learning models to assess cognitive impairment in patients with cerebral small vessel disease 2025-Apr-19, Neuroscience IF:2.9Q2 DOI:10.1016/j.neuroscience.2025.03.012 PMID:40068720	研究论文	本研究开发和验证了基于深度迁移学习和放射组学特征的预测模型，用于评估脑小血管病患者的认知障碍	结合深度迁移学习和放射组学特征，开发了预测脑小血管病认知障碍的模型，并展示了综合模型的优越性能	样本量有限，Delong检验未显示模型间统计显著性差异	开发有效的诊断工具以评估脑小血管病患者的认知障碍	脑小血管病患者和对照受试者	数字病理学	脑小血管病	3D T1加权MRI	ResNet101_32x8d, Random Forest, Naive Bayes	图像	145名脑小血管病患者和99名对照受试者
1737	2025-04-15	Artificial intelligence in stroke rehabilitation: From acute care to long-term recovery 2025-Apr-19, Neuroscience IF:2.9Q2 DOI:10.1016/j.neuroscience.2025.03.017 PMID:40068721	综述	本文综述了人工智能在脑卒中康复中的应用，从急性期护理到长期恢复	探讨了AI在早期诊断、运动恢复和认知康复中的创新应用，如AI驱动的影像技术、机器人辅助和脑机接口	涉及AI实施的伦理、法律和监管挑战，包括数据隐私和技术整合问题	研究AI在脑卒中康复中的潜在应用及其对患者恢复的影响	脑卒中患者	数字病理学	心血管疾病	深度学习、机器学习、神经信号处理	深度学习模型、机器学习模型	影像数据（CT、MRI）、神经信号、穿戴设备数据	NA
1738	2025-04-15	Accelerated Missense Mutation Identification in Intrinsically Disordered Proteins Using Deep Learning 2025-Apr-14, Biomacromolecules IF:5.5Q1 DOI:10.1021/acs.biomac.4c01124 PMID:40072940	研究论文	结合布朗动力学模拟和深度学习策略，快速识别内在无序蛋白质中错义突变引起的大结构变化	开发了一种多层感知器神经网络架构，能够以97%的准确度预测内在无序蛋白质的旋转半径，并显著提高计算效率	方法目前仅适用于长度为20-300的内在无序蛋白质序列	快速识别和理解与内在无序蛋白质中错义突变相关的疾病，并开发潜在的治疗干预措施	内在无序蛋白质（IDPs）及其错义突变	机器学习	NA	布朗动力学模拟（BD）、深度学习（DL）	多层感知器神经网络（MLP NN）	蛋白质序列数据	约6500个来自MobiDB数据库的IDP序列
1739	2025-04-15	Multitarget Natural Compounds for Ischemic Stroke Treatment: Integration of Deep Learning Prediction and Experimental Validation 2025-Apr-14, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c00135 PMID:40084909	研究论文	本研究开发了一个结合深度学习和实验验证的创新药物发现流程，用于识别具有全面神经保护特性的天然化合物，以治疗缺血性中风	结合了基于transformer的深度学习模型SELFormer和多种深度学习算法，预测天然化合物对七个关键中风相关靶点的生物活性，并通过实验验证了四种高效化合物的神经保护效果	实验验证仅限于NGF分化的PC12细胞在氧糖剥夺条件下的研究，未进行动物模型或临床试验	开发一个深度学习驱动的框架，用于识别多靶点天然治疗剂，以治疗缺血性中风	天然化合物及其对缺血性中风的神经保护作用	机器学习	缺血性中风	深度学习、分子对接、QSAR建模、UMAP投影	SELFormer（基于transformer的深度学习模型）	化学结构数据、生物活性数据	11种中等活性化合物和57种高活性化合物，其中4种高活性化合物进行了实验验证
1740	2025-04-15	Accurate Prediction of CRISPR/Cas13a Guide Activity Using Feature Selection and Deep Learning 2025-Apr-14, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c02438 PMID:40091632	研究论文	本研究开发了一种双分支神经网络模型，用于准确预测CRISPR/Cas13a引导活性，并在两个独立数据集上表现出优于现有模型的性能	结合直接序列编码和描述性特征，通过统计分析提取出1553个特征中的99个关键描述性特征，显著提高了预测准确性	NA	提高CRISPR/Cas13a引导活性的预测准确性，以支持稳健和敏感的核酸诊断	CRISPR/Cas13a引导活性	机器学习	NA	CRISPR/Cas13a	双分支神经网络	序列数据	两个独立CRISPR/Cas13a数据集