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
61	2025-06-15	Deep learning-based video-analysis of instrument motion in microvascular anastomosis training 2024-01-12, Acta neurochirurgica IF:1.9Q2 DOI:10.1007/s00701-024-05896-4 PMID:38214753	研究论文	本研究开发了一种基于深度学习的自动化手术器械尖端检测算法，用于微血管吻合训练中的运动学分析	利用YOLOv2开发了自动化器械尖端追踪算法，并通过运动经济性和平滑性参数评估手术熟练度	研究仅针对微血管吻合训练，未涉及其他手术场景	开发并验证深度学习算法在微血管吻合训练中的性能评估能力	神经外科培训中的微血管吻合手术器械运动	计算机视觉	NA	深度学习视频分析	YOLOv2	视频	包含新手、中级和专家外科医生的微血管吻合训练视频
62	2025-06-14	Deep learning-based virtual H& E staining from label-free autofluorescence lifetime images 2024, Npj imaging DOI:10.1038/s44303-024-00021-7 PMID:38948152	research paper	提出了一种基于深度学习的虚拟H&E染色方法，从无标记的自发荧光寿命图像中生成临床级虚拟H&E染色图像	结合先进的深度学习模型和当代图像质量度量，利用荧光寿命信息（而不仅仅是强度）实现更准确的虚拟染色重建	未提及具体样本量的限制或模型在更广泛组织类型上的泛化能力	解决FLIM图像快速精确解释的难题，实现无标记组织样本的即时准确细胞级分析	肿瘤微环境中常见的七种不同细胞类型	digital pathology	multiple cancer types	fluorescence lifetime imaging microscopy (FLIM)	DL (unspecified architecture)	autofluorescence lifetime images	NA (未明确提及具体样本数量)
63	2025-06-14	Expert-centered Evaluation of Deep Learning Algorithms for Brain Tumor Segmentation 2024-01, Radiology. Artificial intelligence DOI:10.1148/ryai.220231 PMID:38197800	研究论文	本文通过文献调查和专家评估，探讨了深度学习算法在脑肿瘤分割中的评估实践及专家对分割质量的感知	揭示了专家对脑肿瘤分割质量感知的低一致性，并指出现有定量指标与临床感知之间的低相关性	专家评估样本量较小（60例），且专家间评分一致性较低（Krippendorff α=0.34）	评估深度学习算法在脑肿瘤分割中的性能及专家对分割质量的感知差异	脑肿瘤分割算法及医学专家对分割质量的评价	数字病理	脑肿瘤	深度学习算法	NA	医学影像	60例脑肿瘤分割案例（由医学专家评估），180篇文献调查
64	2025-06-14	A Deep Learning Pipeline for Assessing Ventricular Volumes from a Cardiac MRI Registry of Patients with Single Ventricle Physiology 2024-01, Radiology. Artificial intelligence DOI:10.1148/ryai.230132 PMID:38166332	research paper	开发了一个端到端的深度学习管道，用于自动分割来自多中心Fontan循环患者的心脏MRI数据	提出了一个包含三个深度学习模型的管道，用于识别短轴电影堆栈、图像裁剪和分割，实现了对单心室生理患者心脏MRI数据的快速标准化分割	在475例未见过的检查中，有26%需要轻微调整，5%需要重大调整，0.4%的裁剪模型失败	开发一个自动化深度学习管道，用于评估单心室生理患者的心脏MRI心室容积	来自13个机构的250例心脏MRI检查	digital pathology	cardiovascular disease	cardiac MRI	U-Net 3+	image	250例心脏MRI检查（训练、验证和测试），并在475例未见过的检查中进一步评估
65	2025-06-14	Revisiting the Trustworthiness of Saliency Methods in Radiology AI 2024-01, Radiology. Artificial intelligence DOI:10.1148/ryai.220221 PMID:38166328	research paper	评估放射学AI中显著性方法的可信度，特别是其对输入微小扰动的敏感性和鲁棒性	提出预测-显著性相关性(PSC)系数作为评估显著性方法敏感性和鲁棒性的新指标	研究仅基于胸部X光片和脑部MR图像数据集，可能无法推广到其他医学影像领域	验证医学AI解释方法的可信度	胸部X光片和脑部MR图像	digital pathology	lung cancer	deep learning	CNN	image	191229张胸部X光片和7022张脑部MR图像
66	2025-06-14	Deep Learning-based Identification of Brain MRI Sequences Using a Model Trained on Large Multicentric Study Cohorts 2024-01, Radiology. Artificial intelligence DOI:10.1148/ryai.230095 PMID:38166331	research paper	开发了一种基于深度学习的全自动设备无关和序列无关的卷积神经网络(CNN)，用于可靠且高通量地标记异质、非结构化的MRI数据	使用大规模多中心研究队列训练的模型，能够可靠地区分九种MRI序列类型，且在存在或不存在肿瘤的情况下均保持高准确率	NA	开发一个可靠且高通量的MRI序列自动标记系统	多中心脑MRI数据	computer vision	glioblastoma	MRI	CNN, ResNet-18	image	2179名胶质母细胞瘤患者，8544次检查，63327个序列，来自249家医院和29种扫描仪类型
67	2025-06-14	Examination-Level Supervision for Deep Learning-based Intracranial Hemorrhage Detection on Head CT Scans 2024-01, Radiology. Artificial intelligence DOI:10.1148/ryai.230159 PMID:38294324	research paper	比较弱监督（仅检查级别标签）和强监督（图像级别标签）在训练深度学习模型检测头CT扫描中的颅内出血（ICH）方面的效果	研究表明弱监督模型在特定条件下性能优于强监督模型，且能显著减少放射科医生的工作量	研究仅基于回顾性数据集，未在临床前瞻性环境中验证	评估不同监督级别对深度学习模型检测颅内出血性能的影响	头CT扫描中的颅内出血检测	digital pathology	intracranial hemorrhage	CT扫描	attention-based CNN	image	21,736次检查（内部数据集）和511次检查（外部数据集）
68	2024-10-02	Towards deep learning methods for quantification of the right ventricle using 2D echocardiography 2024, Future cardiology IF:1.6Q3 DOI:10.1080/14796678.2024.2347125 PMID:39351980	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
69	2025-06-07	Real-time monitoring of single dendritic cell maturation using deep learning-assisted surface-enhanced Raman spectroscopy 2024, Theranostics IF:12.4Q1 DOI:10.7150/thno.100298 PMID:39479453	research paper	该研究开发了一种基于深度学习和表面增强拉曼光谱（SERS）的方法，用于实时监测单个树突状细胞（DC）的成熟状态	结合Au@CpG@PEG纳米颗粒作为自报告纳米疫苗，利用无标记SERS策略和深度学习CNN算法，实现了对DC成熟状态的动态实时检测，准确率超过98.92%	未提及具体样本量或实验重复次数，可能影响结果的普遍性	开发一种实时监测单个树突状细胞成熟状态的方法，以预测免疫系统激活、评估疫苗效果和免疫治疗有效性	树突状细胞（DC）	digital pathology	NA	表面增强拉曼光谱（SERS）	CNN	光谱数据	NA
70	2025-06-06	Dimensionality Reduction and Nearest Neighbors for Improving Out-of-Distribution Detection in Medical Image Segmentation 2024, The journal of machine learning for biomedical imaging DOI:10.59275/j.melba.2024-g93a PMID:40453064	research paper	该研究通过应用马氏距离和k近邻距离方法，提高了医学图像分割中分布外数据的检测性能	提出使用降维技术和非参数k近邻距离方法改进分布外检测，显著提升了可扩展性和性能	研究仅针对肝脏分割任务进行了验证，未在其他器官或模态上进行测试	提高医学图像分割模型对分布外数据的检测能力	T1加权磁共振成像和计算机断层扫描的肝脏分割	digital pathology	liver cancer	principal component analysis, uniform manifold approximation and projection	Swin UNETR, nnU-net	image	NA
71	2025-06-04	Pose analysis in free-swimming adult zebrafish, Danio rerio : "fishy" origins of movement design 2024-Jan-01, bioRxiv : the preprint server for biology DOI:10.1101/2023.12.31.573780 PMID:38260397	研究论文	通过无标记跟踪和无监督多变量时间序列分析，研究成年斑马鱼自由游泳时的典型姿势	利用DeepLabCut和B-SOiD机器学习软件进行无标记姿势跟踪和无监督聚类分析，揭示了斑马鱼运动设计的效率	研究仅基于12只斑马鱼的数据，样本量较小	探究斑马鱼运动设计中最小化主动神经控制的效率	成年斑马鱼	计算机视觉	NA	DeepLabCut, B-SOiD	深度学习	视频	12只自由行为的斑马鱼，超过14,000帧序列记录
72	2025-06-04	Identifying keystone species in microbial communities using deep learning 2024-Jan, Nature ecology & evolution IF:13.9Q1 DOI:10.1038/s41559-023-02250-2 PMID:37974003	research paper	提出了一种基于深度学习的框架DKI，用于识别微生物群落中的关键物种	利用深度学习模型从特定生境的微生物组样本中学习群落的组装规则，并通过假想实验量化物种的关键性	未提及具体的数据集大小或模型验证的局限性	解决微生物群落中关键物种识别的系统性问题	微生物群落中的关键物种	machine learning	NA	deep learning	deep-learning model	microbiome samples	NA
73	2025-06-03	Multimodal feature fusion in deep learning for comprehensive dental condition classification 2024, Journal of X-ray science and technology IF:1.7Q3 DOI:10.3233/XST-230271 PMID:38217632	研究论文	本研究评估了深度学习和多模态特征融合技术在自动化牙科疾病分类中的有效性	结合多模态特征融合与先进机器学习算法，显著提高了牙科疾病分类系统的精确性和鲁棒性	仅使用了11,653张临床图像，样本量可能不足以覆盖所有牙科疾病的多样性	推进自动化牙科疾病分类领域的发展	六种常见牙科疾病（龋齿、牙结石、牙龈炎、牙齿变色、溃疡和少牙症）	计算机视觉	牙科疾病	多模态特征融合	CNN, SVM, Naive Bayes	图像	11,653张临床图像
74	2025-06-03	An adaptive weighted ensemble learning network for diabetic retinopathy classification 2024, Journal of X-ray science and technology IF:1.7Q3 DOI:10.3233/XST-230252 PMID:38217630	研究论文	提出了一种基于光学相干断层扫描（OCT）图像的自适应加权集成学习方法，用于糖尿病视网膜病变（DR）分类	提出了一种基于贝叶斯理论的新型决策融合方案，动态调整基模型的权重分布，以缓解数据不平衡带来的负面影响	未提及方法的计算复杂度或在实际临床环境中的适用性	提高糖尿病视网膜病变的自动检测性能	糖尿病视网膜病变（DR）患者的光学相干断层扫描（OCT）图像	计算机视觉	糖尿病视网膜病变	光学相干断层扫描（OCT）	集成学习模型（基于三种先进的深度学习模型）	图像	两个公共数据集（DRAC2022和APTOS2019）
75	2025-06-03	A dense and U-shaped transformer with dual-domain multi-loss function for sparse-view CT reconstruction 2024, Journal of X-ray science and technology IF:1.7Q3 DOI:10.3233/XST-230184 PMID:38306086	research paper	提出一种基于深度学习的密集U型Transformer模型，用于稀疏视图CT重建中的伪影抑制	结合DenseNet和Transformer架构的优势，设计双域多损失函数优化模型	实验仅在Mayo Clinic LDCT数据集上进行验证，需进一步临床验证	开发先进方法抑制稀疏视图CT重建中的伪影	稀疏视图CT图像	computer vision	NA	deep learning	Dense U-shaped Transformer (D-U-Transformer)	CT图像	Mayo Clinic LDCT数据集
76	2025-06-03	Severity-stratification of interstitial lung disease by deep learning enabled assessment and quantification of lesion indicators from HRCT images 2024, Journal of X-ray science and technology IF:1.7Q3 DOI:10.3233/XST-230218 PMID:38306087	研究论文	提出了一种基于深度学习的框架，用于评估和量化高分辨率CT图像中的病变指标，以预测间质性肺疾病的严重程度	首次使用深度学习技术对间质性肺疾病的五种病变类型进行分割和量化，并结合临床数据建立多元预测模型	研究样本量未明确说明，且模型在部分病变类型的预测性能仍有提升空间	提高间质性肺疾病严重程度评估的准确性和客观性	间质性肺疾病患者的HRCT图像	数字病理学	间质性肺疾病	HRCT成像	CNN	医学影像	NA
77	2025-05-31	DeepDate: A deep fusion model based on whale optimization and artificial neural network for Arabian date classification 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0305292 PMID:39078864	研究论文	提出了一种基于鲸鱼优化算法和人工神经网络的深度融合模型DeepDate，用于阿拉伯椰枣分类	结合鲸鱼优化算法和人工神经网络，提高了椰枣分类的准确性和效率	未提及模型在小规模生产者中的实际应用效果	提高椰枣分类的准确性和效率	阿拉伯椰枣（Barhi, Khalas, Meneifi, Naboot Saif, Sullaj）	计算机视觉	NA	深度学习算法	人工神经网络（ANN）	图像	五类椰枣图像（具体数量未提及）
78	2025-05-31	Predicting recovery following stroke: Deep learning, multimodal data and feature selection using explainable AI 2024, NeuroImage. Clinical DOI:10.1016/j.nicl.2024.103638 PMID:39002223	research paper	该研究利用深度学习和多模态数据结合可解释AI技术，预测中风后的恢复情况	提出了一种新颖的方法，通过训练CNN在结合MRI提取的ROIs和表格数据的符号表示的图像上，以提高分类准确性	数据集在机器学习标准下相对较小，可能影响模型的泛化能力	预测中风后症状及其对康复的反应，以提高分类准确性	758名英语中风幸存者，参与PLORAS研究	machine learning	cardiovascular disease	MRI扫描和表格数据结合	CNN, 2D Residual Neural Network (ResNet), 3D CNN	image, tabular data	758名中风幸存者，其中286名初始有中度或重度失语症
79	2025-05-31	Large-Kernel Attention for 3D Medical Image Segmentation 2024, Cognitive computation IF:4.3Q1 DOI:10.1007/s12559-023-10126-7 PMID:38974012	research paper	提出了一种新型3D大核注意力模块，用于提高多器官和肿瘤在3D医学图像中的分割准确性	结合了生物启发的自注意力和卷积的优点，包括局部上下文信息、长距离依赖和通道适应性，同时通过分解大核卷积优化计算成本	未明确提及具体限制，但可能包括对特定类型医学图像的适用性或计算资源需求	实现准确的3D医学图像分割，特别是多器官和肿瘤的分割	MRI和CT扫描中的多器官和肿瘤	digital pathology	cancer	deep learning	U-Net with 3D LK attention module	3D medical images (MRI, CT)	CT-ORG and BraTS 2020 datasets
80	2025-05-31	Interpolation-split: a data-centric deep learning approach with big interpolated data to boost airway segmentation performance 2024, Journal of big data IF:8.6Q1 DOI:10.1186/s40537-024-00974-x PMID:39109339	研究论文	提出了一种基于数据中心的深度学习方法Interpolation-Split，通过大数据插值提升气道分割性能	利用插值和图像分割技术提高数据质量和实用性，并采用集成学习策略整合不同尺度的气道分割结果	未提及具体限制	提升气道树的分割性能，以支持慢性呼吸系统疾病的诊断和特征分析	气道树的分割	数字病理	慢性呼吸系统疾病	深度学习，插值技术，图像分割	nnU-Net, modified dilated U-Net	医学图像	未提及具体样本量