深度学习在生物医药领域的应用

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	算法框架	模型架构	性能指标	计算资源
18261	2025-10-07	Accuracy of deep learning-based attenuation correction in 99mTc-GSA SPECT/CT hepatic imaging 2025-Jan, Radiography (London, England : 1995) DOI:10.1016/j.radi.2024.11.002 PMID:39549604	研究论文	本研究使用深度学习技术从非衰减校正SPECT图像生成伪CT图像，用于99mTc-GSA SPECT/CT肝脏成像中的衰减校正	首次使用CycleGAN从非衰减校正SPECT图像生成伪CT图像进行衰减校正，避免了CT检查带来的辐射暴露	研究样本量较小，仅包含正常和异常肝功能患者各一例，且需要进一步研究不同肝脏形态和各种肝脏疾病的影响	评估基于深度学习的衰减校正方法在99mTc-GSA SPECT/CT肝脏成像中的准确性和可行性	99mTc标记的半乳糖化人血清白蛋白SPECT/CT肝脏成像	医学影像分析	肝脏疾病	SPECT/CT成像, 深度学习	GAN	医学影像	2例患者（正常和异常肝功能各1例）	NA	CycleGAN	总肝脏计数, 结构相似性指数, 变异系数	NA
18262	2025-10-07	Breath-hold diffusion-weighted MR imaging (DWI) using deep learning reconstruction: Comparison with navigator triggered DWI in patients with malignant liver tumors 2025-Jan, Radiography (London, England : 1995) DOI:10.1016/j.radi.2024.11.027 PMID:39667265	研究论文	比较使用深度学习重建的屏气扩散加权磁共振成像与导航触发扩散加权成像在恶性肝肿瘤患者中的应用效果	首次将深度学习重建技术应用于屏气扩散加权磁共振成像，并与传统导航触发技术进行系统比较	样本量有限（91例患者），未详细说明深度学习模型的具体架构和训练细节	评估深度学习重建的屏气扩散加权磁共振成像在恶性肝肿瘤诊断中的可行性	恶性肝肿瘤患者	医学影像分析	肝癌	扩散加权磁共振成像，深度学习重建	深度学习	磁共振影像	91例恶性肝肿瘤患者	NA	NA	信噪比，对比噪声比，表观扩散系数值，图像质量评分	3T磁共振系统
18263	2025-01-27	Identifying protected health information by transformers-based deep learning approach in Chinese medical text 2025 Jan-Mar, Health informatics journal IF:2.2Q3 DOI:10.1177/14604582251315594 PMID:39862116	研究论文	本文提出了一种基于BERT的深度学习算法，用于识别中文临床文本中的隐私信息，并验证了该方法在中国临床环境中隐私保护的可行性	首次将BERT模型与BiLSTM-CRF结合，用于中文临床文本中的隐私信息识别，并展示了显著的性能提升	研究仅基于中国某市级区域健康信息平台的数据，可能无法完全代表其他地区或国家的临床文本特征	开发一种有效的深度学习模型，用于识别和保护中文临床文本中的隐私信息	中文临床文本中的隐私信息	自然语言处理	NA	BERT, BiLSTM, CRF	BERT-based BiLSTM-CRF	文本	33,017份出院摘要，来自151家医疗机构	NA	NA	NA	NA
18264	2025-10-07	Application of improved and efficient image repair algorithm in rock damage experimental research 2024-Jun-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-65790-y PMID:38937588	研究论文	提出一种改进的增量Transformer图像修复算法，用于修复岩石损伤实验中扭曲或缺失的应变云图	将改进的增量Transformer算法应用于岩石损伤实验中的图像修复，并采用深度可分离卷积网络优化算法运行效率	未明确说明算法在不同类型岩石图像修复中的泛化能力	提高数字图像技术在岩石损伤分析中的效率和准确性	相似材料制成的软硬岩石在单轴压缩实验中的应变云图	计算机视觉	NA	数字图像技术	Transformer	图像	NA	NA	增量Transformer, 深度可分离卷积网络	NA	NA
18265	2025-10-07	TSegLab: Multi-stage 3D dental scan segmentation and labeling 2025-Feb, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109535 PMID:39708498	研究论文	提出一种用于3D牙齿扫描分割和标记的新型深度学习方法TSegLab	采用三阶段流程（粗定位、精细分割和标记），结合2D渲染与3D图神经网络，并引入模拟缺失牙齿的数据增强技术	仅在Teeth3DS数据集（1800个口内3D扫描）上进行评估，未在其他数据集验证泛化能力	提升牙科计算机辅助设计系统中牙齿分割和标记的精度与可靠性	3D牙齿扫描数据	计算机视觉	牙科疾病	3D扫描技术	Mask-RCNN, 图神经网络	3D扫描数据，2D渲染图像	1800个口内3D扫描	NA	Mask-RCNN, 图神经网络	牙齿定位准确率(TLA), 牙齿分割准确率(TSA), 牙齿识别率(TIR)	NA
18266	2025-10-07	Generalized fractional optimization-based explainable lightweight CNN model for malaria disease classification 2025-Feb, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109593 PMID:39709870	研究论文	提出一种基于广义分数阶优化的可解释轻量级CNN模型用于疟疾疾病分类	将分数阶优化算法与轻量级CNN结合，在保持高精度的同时提升计算效率和模型可解释性	NA	开发高效准确的疟疾自动诊断系统	疟疾寄生虫图像	计算机视觉	疟疾	深度学习	CNN	图像	标准NIH数据集、外部MP-IDB数据集和M5测试集	NA	轻量级卷积神经网络	准确率, 精确率, 召回率, F1分数	NA
18267	2025-10-07	Named entity recognition for de-identifying Spanish electronic health records 2025-Feb, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109576 PMID:39709869	研究论文	本研究探索了基于命名实体识别技术的西班牙语电子健康记录自动去标识化方法	首次针对西班牙语电子健康记录开发去标识化系统，比较了RNN和Transformer两种深度学习方法的性能，并创建了基于网络的临床应用工具	使用的私有语料库规模有限（599个临床案例），且仅针对西班牙语，缺乏多语言验证	开发西班牙语电子健康记录的自动去标识化系统，保护患者隐私信息	西班牙语电子健康记录中的受保护健康信息	自然语言处理	NA	命名实体识别	RNN, Transformer	文本	599个真实临床案例	NA	XLM-RoBERTa large	精确率, 召回率, F1分数	NA
18268	2025-10-07	Latent representation learning for classification of the Doppler ultrasound images 2025-Feb, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109575 PMID:39729855	研究论文	提出一种用于多普勒超声图像分类的潜在表示权重学习方法	能够处理可变长度的多图像输入，特别适用于不规则多图像问题	未明确说明样本量的具体规模	妊娠预测的多普勒超声图像分类	多普勒超声图像	计算机视觉	妊娠相关疾病	多普勒超声	深度学习模型	图像	真实不规则生殖数据集和两个合成规则数据集	L-BFGS-B, ADM	NA	准确率, 收敛性	NA
18269	2025-10-07	Development and routine implementation of deep learning algorithm for automatic brain metastases segmentation on MRI for RANO-BM criteria follow-up 2025-Feb-01, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2025.121002 PMID:39800174	研究论文	开发并验证用于自动分割脑转移瘤的深度学习算法，以简化RANO-BM标准随访流程	首次实现基于UNETR迁移学习的脑转移瘤自动分割算法，并开发用户友好界面使非AI专家也能使用	研究样本量相对有限（132名患者），需要在更大多中心数据集中进一步验证	开发能够自动分割MRI脑转移瘤的AI解决方案，实现RANO-BM标准的自动化评估	脑转移瘤患者的MRI影像	医学影像分析	脑转移瘤	MRI钆对比增强T1加权成像	深度学习	医学影像	132名患者的27,456张MRI图像	PyTorch, PyTorch Lightning	UNETR	准确率, DICE系数	NA
18270	2025-10-07	AggNet: Advancing protein aggregation analysis through deep learning and protein language model 2025-Feb, Protein science : a publication of the Protein Society IF:4.5Q1 DOI:10.1002/pro.70031 PMID:39840791	研究论文	提出基于蛋白质语言模型和深度学习的AggNet框架，用于预测蛋白质聚集倾向和识别聚集易发区域	首次结合ESM2和AlphaFold2的蛋白质语言模型，整合物理化学、进化和结构信息进行蛋白质聚集分析	NA	开发高效的计算方法来预测蛋白质聚集，替代昂贵且耗时的实验方法	淀粉样和非淀粉样肽段，不同蛋白质中的聚集易发区域	机器学习	NA	蛋白质语言模型，深度学习	深度学习框架	蛋白质序列和结构数据	NA	NA	ESM2, AlphaFold2	基准测试性能，预测稳定性	NA
18271	2025-10-07	Artificial Intelligence-Based Detection and Numbering of Dental Implants on Panoramic Radiographs 2025-Feb, Clinical implant dentistry and related research IF:3.7Q1 DOI:10.1111/cid.70000 PMID:39846131	研究论文	开发基于人工智能的深度学习模型，用于在全景X光片上检测和编号牙科种植体	该模型能够同时检测和编号种植体，为牙科种植学提供临床决策支持改进	需要在更多样化的数据集上进行进一步验证以增强临床适用性	开发用于牙科种植体检测和编号的人工智能模型	牙科种植体在全景X光片上的检测和编号	计算机视觉	牙科疾病	全景X光成像	YOLOv8	图像	32,585张全景X光片（来自2014-2024年Sivas Cumhuriyet University患者）	YOLOv8	YOLOv8	精确度,召回率,F1分数	NA
18272	2025-10-07	Fully automated coronary artery calcium score and risk categorization from chest CT using deep learning and multiorgan segmentation: A validation study from National Lung Screening Trial (NLST) 2025-Feb, International journal of cardiology. Heart & vasculature DOI:10.1016/j.ijcha.2024.101593 PMID:39850777	研究论文	本研究开发了一种基于深度学习的全自动方法，从胸部CT扫描中计算冠状动脉钙化评分并进行风险分类	首次使用基于Mask R-CNN的神经网络进行多器官分割，实现非心电图门控胸部CT扫描的冠状动脉钙化全自动检测和风险分类	研究样本量相对有限，训练集仅包含80名患者，且仅在美国国家肺癌筛查试验数据上验证	开发自动化冠状动脉钙化评分和风险分类系统，改善心血管疾病风险评估	高风险人群的胸部CT扫描数据	医学影像分析	冠状动脉疾病	低剂量CT扫描	CNN, R-CNN	医学影像	80名患者用于训练，1442名患者用于验证	NA	Mask R-CNN	Dice系数, Cohen's kappa系数, F-score, 灵敏度, 特异性	NA
18273	2025-01-26	Deep learning analyses of splicing variants identify the link of PCP4 with amyotrophic lateral sclerosis 2025-Jan-24, Brain : a journal of neurology IF:10.6Q1 DOI:10.1093/brain/awaf025 PMID:39852553	研究论文	本研究开发了基于深度学习的Spliformer模型，用于预测RNA剪接，并揭示了PCP4与肌萎缩侧索硬化症（ALS）的关联	开发了Spliformer和Spliformer-motif模型，能够准确预测和解释pre-mRNA剪接，并发现了与ALS相关的罕见剪接变异	研究主要依赖于计算模型预测，实验验证部分仍需进一步扩展	研究目的是通过深度学习模型预测RNA剪接，并探索ALS的遗传机制	研究对象包括ALS患者和对照组的全基因组测序数据、RNA-seq数据以及Clinvar数据集	自然语言处理	肌萎缩侧索硬化症	RNA-seq、全基因组测序（WGS）、minigene实验	Transformer	基因组数据、RNA-seq数据	1,370名ALS患者的全基因组测序数据	NA	NA	NA	NA
18274	2025-10-07	Deep Learning Enabled Scoring of Pancreatic Neuroendocrine Tumors Based on Cancer Infiltration Patterns 2025-Jan-23, Endocrine pathology IF:11.3Q1 DOI:10.1007/s12022-025-09846-3 PMID:39847242	研究论文	本研究开发了一种基于深度学习的计算流程，首次实现胰腺神经内分泌肿瘤的自动分类	首次将病理学领域知识整合到图神经网络中，通过构建细胞实体图来定量表征肿瘤浸润模式	研究仅基于105张HE染色全切片图像，样本规模有限	开发自动化系统减少胰腺神经内分泌肿瘤分类中的人工判断变异	胰腺神经内分泌肿瘤组织	数字病理	胰腺神经内分泌肿瘤	HE染色	图神经网络(GNN)	全切片图像	105张胰腺神经内分泌肿瘤组织HE染色全切片图像	NA	图神经网络	F1分数	NA
18275	2025-10-07	A deep learning approach for early prediction of breast cancer neoadjuvant chemotherapy response on multistage bimodal ultrasound images 2025-Jan-23, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-024-01543-7 PMID:39849366	研究论文	提出一种新型卷积神经网络模型，利用多阶段双模态超声图像早期预测乳腺癌新辅助化疗疗效	提出双模态分层特征融合模块(BLFFM)和时间混合注意力模块(THAM)，能够挖掘灰阶超声和彩色多普勒血流成像之间的复杂关联特征，并关注化疗周期前后病灶进展的关键特征	样本量相对有限（101名患者），需在更大数据集上验证模型泛化能力	早期预测乳腺癌新辅助化疗疗效	局部晚期乳腺癌患者	计算机视觉	乳腺癌	灰阶超声(GUS)，彩色多普勒血流成像(CDFI)	CNN	超声图像，视频	101名患者的3000组多阶段双模态超声图像组合	NA	BLFFM, THAM	NA	NA
18276	2025-01-26	Artificial Intelligence Revolution in Pharmaceutical Sciences: Advancements, Clinical Impacts, and Applications 2025-Jan-23, Current pharmaceutical biotechnology IF:2.2Q3 DOI:10.2174/0113892010356115241224104018 PMID:39851128	综述	本文综述了人工智能在药物科学领域的革命性进展、临床影响及应用	探讨了AI在药物发现、开发过程中的应用，特别是在固体剂型开发中的创新，以及3D打印技术在个性化治疗中的应用	未具体提及研究的局限性	探讨人工智能在药物科学和医疗保健中的应用及其对提高生产效率和个性化医疗的贡献	药物发现与开发过程、个性化治疗、疾病诊断与预测	机器学习	NA	深度学习、神经网络	NA	复杂生物数据	NA	NA	NA	NA	NA
18277	2025-10-07	Dendrites endow artificial neural networks with accurate, robust and parameter-efficient learning 2025-Jan-22, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-56297-9 PMID:39843414	研究论文	本文提出一种融入生物树突结构特性的人工神经网络新架构，在图像分类任务中实现更精确、鲁棒且参数高效的学习	首次将生物树突的结构化连接和受限采样特性整合到人工神经网络架构中	未明确说明实验所涉及的具体数据集规模和模型复杂度范围	开发参数效率更高、抗过拟合能力更强的人工神经网络架构	人工神经网络的学习策略和性能表现	机器学习	NA	NA	人工神经网络	图像	NA	NA	树突人工神经网络	分类准确率, 参数效率, 鲁棒性	NA
18278	2025-10-07	Research on the improvement method of imbalance of ground penetrating radar image data 2025-Jan-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-87123-3 PMID:39843521	研究论文	提出基于生成对抗网络的探地雷达图像数据不平衡改进方法，通过生成损伤样本提升分类准确率	在生成对抗网络中引入编码器并对生成器、判别器和编码器进行多项改进，实现小样本下稳定生成损伤样本	未明确说明具体改进细节和实验样本规模	解决探地雷达图像数据不平衡导致的损伤分类准确率低问题	高速公路路面结构的损伤检测	计算机视觉	NA	探地雷达	GAN	图像	NA	NA	生成对抗网络,编码器	准确率,FID	NA
18279	2025-10-07	Enhanced streamflow forecasting using hybrid modelling integrating glacio-hydrological outputs, deep learning and wavelet transformation 2025-Jan-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-87187-1 PMID:39843529	研究论文	提出一种融合冰川水文模型输出、深度学习和小波变换的混合方法，用于增强河流流量预测	将物理过程与数据驱动方法相结合，通过小波变换进行多尺度分析，显著提高了高流量事件的预测精度	缺乏直接测量数据	提高径流预测准确性，为水资源管理和洪水风险缓解提供可靠见解	源自难以到达高山的河流流域的冰雪融化动态	机器学习	NA	小波变换	CNN-LSTM	气象数据、冰川水文模型输出	NA	NA	CNN-LSTM	NSE, KGE, R, RMSE, MAE	NA
18280	2025-10-07	Single-cell RNA-seq data augmentation using generative Fourier transformer 2025-Jan-22, Communications biology IF:5.2Q1 DOI:10.1038/s42003-025-07552-8 PMID:39843603	研究论文	提出一种无需训练的生成式傅里叶变换器scGFT，用于单细胞RNA测序数据增强	开发了首个基于傅里叶变换的免训练生成模型，能够合成具有自然基因表达谱的单细胞数据	未明确说明模型在特定细胞类型或疾病中的适用性限制	解决单细胞RNA测序数据稀缺问题，提升统计可靠性	单细胞RNA测序数据	机器学习	罕见疾病	单细胞RNA测序(scRNA-seq)	生成模型, Transformer	基因表达数据	NA	NA	傅里叶变换器	NA	NA