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
1	2025-05-31	Weakly supervised learning for subcutaneous edema segmentation of abdominal CT using pseudo-labels and multi-stage nnU-Nets 2024-Feb, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.3008793 PMID:39371589	research paper	该论文提出了一种弱监督学习方法，用于腹部CT扫描中皮下水肿的自动分割，以提高水肿的量化准确性	使用强度先验生成的水肿伪标签和肌肉、皮下及内脏脂肪组织的伪标签进行上下文学习，结合多阶段nnU-Nets，显著降低了分割误差	依赖于伪标签的质量，可能受到初始分割误差的影响	开发一种非侵入性方法，通过腹部CT扫描自动分割水肿，以监测肾、肝或心力衰竭等疾病的进展	腹部CT扫描中的皮下水肿	digital pathology	kidney, liver or heart failure	weakly supervised learning, nnU-Nets	nnU-Nets	3D CT images	NA
2	2025-05-19	Multi-scale Multi-site Renal Microvascular Structures Segmentation for Whole Slide Imaging in Renal Pathology 2024-Feb, Proceedings of SPIE--the International Society for Optical Engineering PMID:40375952	research paper	提出了一种名为Omni-Seg的新方法，用于从人类肾脏全切片图像中分割微血管结构	利用多站点、多尺度的训练数据，采用单一动态网络方法，能够处理部分标记的图像	方法依赖于多站点、多尺度的训练数据，可能对数据获取和处理提出更高要求	开发一种自动分割肾脏微血管结构的计算方法	人类肾脏全切片图像中的微血管结构（如小动脉、小静脉和毛细血管）	digital pathology	renal pathology	deep learning	dynamic network	image	来自HuBMAP和NEPTUNE两个数据集的图像，包括不同放大倍数（40×、20×、10×和5×）
3	2025-05-17	Geriatric depression and anxiety screening via deep learning using activity tracking and sleep data 2024-02, International journal of geriatric psychiatry IF:3.6Q1 DOI:10.1002/gps.6071 PMID:38372966	研究论文	本研究探讨了使用深度学习模型通过活动追踪和睡眠数据筛查老年抑郁和焦虑的可行性	首次开发了基于活动追踪数据的混合输入深度学习模型，用于老年抑郁和焦虑的多标签识别	研究依赖于消费级腕戴活动追踪器的数据，可能存在数据质量和一致性问题	探索使用深度学习模型通过活动追踪数据识别老年抑郁和焦虑的可行性	老年抑郁和焦虑患者	机器学习	老年疾病	深度学习	CNN, LSTM, ResNet	时间序列数据（步数和睡眠阶段）和非时间序列数据（抑郁和焦虑评估分数）	NA
4	2025-05-15	Deep learning assisted single particle tracking for automated correlation between diffusion and function 2024-Feb-02, Research square DOI:10.21203/rs.3.rs-3716053/v1 PMID:38352328	research paper	提出了一种名为DeepSPT的深度学习框架，用于快速高效地解释物体在2D或3D时间上的扩散行为	DeepSPT能够从扩散行为中自动提取功能信息，无需人工干预，准确率高达95%	未提及具体的技术限制或应用范围的局限性	研究目的是通过深度学习框架自动关联亚细胞扩散与功能信息	分子和细胞器在亚细胞环境中的扩散行为	machine learning	NA	deep learning	NA	2D或3D时间序列数据	未提及具体样本数量
5	2025-05-13	Leverage Weakly Annotation to Pixel-wise Annotation via Zero-shot Segment Anything Model for Molecular-empowered Learning 2024-Feb, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.3006577 PMID:40343078	research paper	该研究探讨了利用零样本学习的Segment Anything Model（SAM）从弱标注生成像素级标注，以降低病理图像分割的标注成本	提出SAM辅助的分子赋能学习（SAM-L），仅需弱框标注即可训练分割模型，减少非专业标注者的工作量	未明确说明SAM在不同细胞类型上的泛化能力及对IF图像依赖程度的影响	开发无需像素级标注的病理图像分割方法	高分辨率千兆像素全切片图像（WSI）中的多类细胞	digital pathology	NA	immunofluorescence（IF）成像，零样本学习	Segment Anything Model（SAM）	病理图像	NA
6	2025-05-13	High-performance Data Management for Whole Slide Image Analysis in Digital Pathology 2024-Feb, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.3006273 PMID:40343079	研究论文	本文介绍了一种针对数字病理学中全切片图像分析的高性能数据管理方法，使用ADIOS2系统优化数据访问和处理	首次在数字病理学领域应用ADIOS2系统，并开发了针对性的数据管理流程，显著提升了数据处理效率	仅针对特定两种场景(CPU和GPU)进行了性能评估，未涵盖更多可能的计算环境	解决数字病理学中全切片图像分析时的数据输入输出瓶颈问题	全切片图像(WSI)的数据管理流程	数字病理学	NA	ADIOS2数据管理系统	NA	图像	NA
7	2025-05-12	Identifying Reproducibly Important EEG Markers of Schizophrenia with an Explainable Multi-Model Deep Learning Approach 2024-Feb-13, bioRxiv : the preprint server for biology DOI:10.1101/2024.02.09.579600 PMID:38405889	research paper	该研究提出了一种可解释的多模型深度学习方法，用于识别精神分裂症的重要EEG标记	提出了一种基于特征交互的可解释性方法和几种新的多模型解释总结方法	研究中仅分析了少量模型的解释，可能影响生物标志物的普遍适用性	识别精神分裂症的诊断生物标志物	精神分裂症患者的EEG数据	machine learning	schizophrenia	EEG spectral power data	deep learning	EEG数据	NA
8	2025-05-12	Counterfactual MRI Generation with Denoising Diffusion Models for Interpretable Alzheimer's Disease Effect Detection 2024-Feb-08, bioRxiv : the preprint server for biology DOI:10.1101/2024.02.05.578983 PMID:38370616	研究论文	本文利用去噪扩散模型生成反事实MRI图像，以可解释的方式检测阿尔茨海默病对大脑解剖结构的影响	首次将条件潜在扩散模型(LDM)和去噪扩散概率模型(DDPM)应用于神经影像数据，生成个性化的疾病效应图	训练数据集规模有限，计算时间和内存资源存在限制	开发可解释的AI方法用于神经科学研究和临床诊断应用	阿尔茨海默病患者的大脑MRI图像	数字病理	阿尔茨海默病	去噪扩散模型	LDM, DDPM, CNN	3D T1加权MRI扫描图像	500个真实训练扫描
9	2025-05-11	Evaluation Kidney Layer Segmentation on Whole Slide Imaging using Convolutional Neural Networks and Transformers 2024-Feb, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.3006865 PMID:40336524	research paper	评估使用卷积神经网络和Transformer在肾脏全切片图像上进行肾脏分层分割的效果	首次将深度学习技术应用于肾脏分层结构分割，并比较了CNN和Transformer模型的性能	研究仅在小鼠肾脏WSI上进行，未验证人类样本的适用性	探索深度学习在肾脏分层结构自动分割中的可行性	小鼠肾脏全切片图像中的皮质层结构	digital pathology	NA	whole slide imaging	Swin-Unet, Medical-Transformer, TransUNet, U-Net, PSPNet, DeepLabv3+	image	小鼠肾脏WSI（具体数量未提及）
10	2025-05-11	Deep Learning-Based Open Source Toolkit for Eosinophil Detection in Pediatric Eosinophilic Esophagitis 2024-Feb, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.3006520 PMID:40336525	研究论文	开发了一个名为Open-EoE的开源工具包，用于在儿童嗜酸性食管炎（EoE）中进行嗜酸性粒细胞的自动检测	开发了一个支持三种最先进的深度学习目标检测模型的开源工具包，并通过集成学习策略优化性能	未提及具体局限性	将机器学习方法整合到EoE的诊断过程中，提高检测效率和准确性	儿童嗜酸性食管炎（EoE）患者的全切片图像（WSI）	数字病理学	嗜酸性食管炎	深度学习	目标检测模型	图像	289张全切片图像（WSI）
11	2025-05-04	Deep Learning-Based Localization and Detection of Malpositioned Endotracheal Tube on Portable Supine Chest Radiographs in Intensive and Emergency Medicine: A Multicenter Retrospective Study 2024-02-01, Critical care medicine IF:7.7Q1 DOI:10.1097/CCM.0000000000006046 PMID:38095506	研究论文	开发了一种基于深度学习的计算机辅助检测系统，用于定位和检测便携式仰卧胸部X光片中气管插管的错位	使用DeepLabv3+和ResNeSt50、DenseNet121模型架构进行分割和分类任务，实现了对气管插管错位的高精度检测	研究为回顾性研究，可能受到数据选择和标注偏差的影响	开发一种计算机辅助检测系统，用于检测便携式仰卧胸部X光片中气管插管的错位	便携式仰卧胸部X光片中的气管插管	数字病理学	NA	深度学习	DeepLabv3+, ResNeSt50, DenseNet121	图像	训练数据集5767张图像，测试数据集NTUH-20 955张图像，NTUH-YB 656张图像
12	2025-05-02	Inflamed immune phenotype predicts favorable clinical outcomes of immune checkpoint inhibitor therapy across multiple cancer types 2024-02-14, Journal for immunotherapy of cancer IF:10.3Q1 DOI:10.1136/jitc-2023-008339 PMID:38355279	研究论文	本研究探讨了基于AI的免疫表型在预测多种实体瘤类型中免疫检查点抑制剂治疗临床结果的能力	利用深度学习模型Lunit SCOPE IO客观且可重复地定义炎症免疫表型（IIP），并验证其作为跨多种肿瘤类型的免疫检查点抑制剂治疗反应的生物标志物	微卫星不稳定/错配修复缺陷亚组的IIP未能预测有利的无进展生存期	评估AI定义的IIP与免疫检查点抑制剂治疗临床结果之间的相关性	1,806名接受免疫检查点抑制剂治疗的患者，涵盖超过27种实体瘤类型	数字病理学	多种癌症	深度学习	Lunit SCOPE IO	图像	1,806名患者
13	2025-05-02	Robust Medical Diagnosis: A Novel Two-Phase Deep Learning Framework for Adversarial Proof Disease Detection in Radiology Images 2024-02, Journal of imaging informatics in medicine DOI:10.1007/s10278-023-00916-8 PMID:38343214	research paper	提出了一种新颖的两阶段深度学习框架，用于在放射学图像中进行抗对抗攻击的疾病检测	结合了先进的对抗学习和对抗图像过滤技术，增强模型对对抗样本的鲁棒性	仅评估了三种模型（ResNet-50、VGG-16和Inception-V3）和三种对抗攻击方法（FGSM、PGD和BIM）	提高深度学习模型在医学诊断中对对抗攻击的抵抗能力	放射学图像（X光和CT）中的肺部区域	digital pathology	COVID-19	对抗学习和JPEG压缩	ResNet-50, VGG-16, Inception-V3	image	NA
14	2025-05-02	A Deep Learning-Based Approach for Cervical Cancer Classification Using 3D CNN and Vision Transformer 2024-02, Journal of imaging informatics in medicine DOI:10.1007/s10278-023-00911-z PMID:38343216	研究论文	提出了一种基于深度学习的宫颈癌分类系统，结合3D CNN和Vision Transformer模块	结合3D CNN提取时空特征和Vision Transformer学习复杂特征表示，采用3D FPN模块进行特征拼接，并使用3D SE块重新校准特征响应	未提及具体样本来源和多样性，可能影响模型的泛化能力	开发有效的宫颈癌分类工具以辅助早期诊断	宫颈图像	数字病理学	宫颈癌	深度学习	3D CNN, Vision Transformer, KELM	图像	NA
15	2025-05-02	Analysis of Validation Performance of a Machine Learning Classifier in Interstitial Lung Disease Cases Without Definite or Probable Usual Interstitial Pneumonia Pattern on CT Using Clinical and Pathology-Supported Diagnostic Labels 2024-02, Journal of imaging informatics in medicine DOI:10.1007/s10278-023-00914-w PMID:38343230	研究论文	本文评估了机器学习分类器Fibresolve在非典型间质性肺病病例中的验证性能，特别是在没有明确或可能的普通间质性肺炎（UIP）模式的CT图像上的表现	研究展示了Fibresolve在非典型UIP模式病例中识别特发性肺纤维化（IPF）的能力，扩展了其临床应用范围	研究样本量相对较小（295例患者），且仅在特定亚组中进行了分析	评估机器学习分类器在非典型UIP模式病例中诊断IPF的性能	间质性肺病病例，特别是没有明确或可能UIP模式的病例	数字病理学	肺纤维化	深度学习算法	机器学习分类器	CT图像	295例患者的多中心验证数据集
16	2025-05-02	Hybrid Topological Data Analysis and Deep Learning for Basal Cell Carcinoma Diagnosis 2024-02, Journal of imaging informatics in medicine DOI:10.1007/s10278-023-00924-8 PMID:38343238	研究论文	本研究结合拓扑数据分析（TDA）和深度学习（DL）技术，开发了一种混合TDA-DL模型用于基底细胞癌（BCC）的诊断	首次将TDA与DL结合用于BCC诊断，并展示了拓扑特征如何提升DL模型的性能	研究仅基于395个皮肤病变样本，样本量相对较小	提高基底细胞癌的自动诊断准确率	皮肤病变图像中的毛细血管扩张特征	数字病理	基底细胞癌	持久同源性（TDA技术）和EfficientNet-B5模型	混合TDA-DL模型	图像	395个皮肤病变样本
17	2025-05-02	Background Subtraction Angiography with Deep Learning Using Multi-frame Spatiotemporal Angiographic Input 2024-02, Journal of imaging informatics in medicine DOI:10.1007/s10278-023-00921-x PMID:38343209	research paper	该研究提出了一种利用多帧时空血管造影输入的深度学习背景减除血管造影方法，以减少运动伪影	引入了利用血管造影时间序列丰富时间信息的2D+t深度学习模型，并开发了神经血管造影领域特定的合成仿射运动增强流程	研究主要关注脑部血管造影，可能不适用于其他类型的血管造影	提高数字减影血管造影(DSA)图像质量，减少运动伪影	脑部血管造影图像	computer vision	心血管疾病	深度学习	2D U-Net, 3D U-Net, SegResNet, UNETR	图像	516例脑部血管造影，包含8784个独立序列
18	2025-05-02	Invertible and Variable Augmented Network for Pretreatment Patient-Specific Quality Assurance Dose Prediction 2024-02, Journal of imaging informatics in medicine DOI:10.1007/s10278-023-00930-w PMID:38343215	研究论文	提出一种新型深度学习网络IVPSQA，用于提高放疗前患者特异性质量保证(prePSQA)的剂量预测准确性和效率	首次使用可逆和可变增强网络(IVPSQA)预测3D prePSQA剂量分布，并在头颈、胸部和腹部病例中优于现有的基于U-Net的预测方法	研究仅基于300例癌症患者的数据，样本量相对有限	提高放疗前患者特异性质量保证(prePSQA)的剂量预测准确性和效率，减轻医学物理师的工作负担	接受容积调制弧形治疗(VMAT)的癌症患者	数字病理	癌症	深度学习(DL)	IVPSQA(可逆和可变增强网络)	CT图像、放疗剂量数据、测量引导剂量分布数据	300例癌症患者(240例训练，60例测试)
19	2025-05-02	Deep Learning-Assisted Identification of Femoroacetabular Impingement (FAI) on Routine Pelvic Radiographs 2024-02, Journal of imaging informatics in medicine DOI:10.1007/s10278-023-00920-y PMID:38343231	research paper	使用深度学习系统定位髋关节并检测凸轮型股骨髋臼撞击症（FAI）的研究	采用基于焦点损失原则的新型卷积神经网络（CNN）进行髋关节定位和FAI分类	准确率为74%，敏感性和特异性分别为0.821和0.669，AUC为0.736，仍有提升空间	开发深度学习系统以辅助放射科医生快速识别和分类FAI相关病变	髋关节X光片	digital pathology	geriatric disease	deep learning	CNN	image	3050例髋关节/骨盆X光片，其中724例严重凸轮型FAI，962例中度，846例轻度，518例正常
20	2025-05-02	Generating PET Attenuation Maps via Sim2Real Deep Learning-Based Tissue Composition Estimation Combined with MLACF 2024-02, Journal of imaging informatics in medicine DOI:10.1007/s10278-023-00902-0 PMID:38343219	研究论文	本文提出了一种基于Sim2Real深度学习的组织成分估计方法，结合MLACF生成PET衰减图	首次尝试仅使用模拟PET数据集进行模型训练，通过Sim2Real深度学习生成人头部的衰减图	DL模型在颈部切片中估计解剖细节不准确	开发一种无需CT数据的PET衰减校正方法	人类头部的PET图像	数字病理学	NA	深度学习，最大似然衰减校正因子(MLACF)	深度学习模型	PET图像	临床脑部PET数据（具体数量未提及）