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
921	2025-05-12	Deep learning based semantic segmentation of leukemia effected white blood cell 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0320596 PMID:40338981	research paper	该论文提出了一种基于深度学习的白血病影响的白细胞语义分割方法	结合UNet++、标记分水岭算法和神经常微分方程（ODE）进行白细胞分割，提高了分割的准确性和鲁棒性	计算复杂度和内存空间有待优化，以便在低资源设备上部署	提高白细胞分割的准确性，以支持自动化血细胞分析、诊断成像和疾病监测	白血病影响的白细胞	digital pathology	leukemia	UNet++, 标记分水岭算法, 神经常微分方程（ODE）	UNet++, Neural ODE	image	ALL_IDB1和ALL_IDB2数据集中的血涂片图像
922	2025-05-12	Deep learning in assisting dermatologists in classifying basal cell carcinoma from seborrheic keratosis 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1507322 PMID:40342818	research paper	评估深度学习模型在辅助皮肤科医生分类基底细胞癌（BCC）和脂溢性角化病（SK）中的有效性	使用基于CLIP ViT-B/16架构的深度学习模型，结合注意力机制（如Grad-CAM）增强模型决策的可解释性	模型在验证队列中的AUC为0.71，表现略低于训练和测试队列	评估AI辅助诊断是否能提高分类准确性、减少误诊并改善临床结果	基底细胞癌（BCC）和脂溢性角化病（SK）患者	digital pathology	skin cancer	deep learning, Grad-CAM	CLIP ViT-B/16	image	707名患者（内部数据集）和5572名患者（ISIC公共数据集）
923	2025-05-12	A review of lightweight convolutional neural networks for ultrasound signal classification 2025, Frontiers in physiology IF:3.2Q2 DOI:10.3389/fphys.2025.1536542 PMID:40342856	综述	本文综述了轻量级卷积神经网络在超声信号分类中的应用	结合超声信号特点，从模型压缩和操作优化两个角度详细回顾了轻量级算法	未提及具体实验验证或实际应用效果	探索轻量级卷积神经网络在超声信号处理领域的应用	超声信号	医学图像分析	NA	深度学习	轻量级CNN	超声信号	基于ImageNet数据集的经典模型实验结果
924	2025-05-12	Automatic segmentation and quantitative analysis of brain CT volume in 2-year-olds using deep learning model 2025, Frontiers in neurology IF:2.7Q3 DOI:10.3389/fneur.2025.1573060 PMID:40343184	研究论文	本研究开发了一种使用ResU-Net深度学习模型自动分割2岁儿童脑部CT图像的方法，并量化特定脑区体积，建立临床和研究应用的参考数据库	首次在2岁儿童脑CT图像中应用ResU-Net模型进行自动分割和体积量化，建立了该年龄段的标准参考数据库	研究仅纳入放射学表现正常的儿童样本，未涵盖异常或疾病状态	开发儿童脑CT图像的自动分割方法并建立标准体积参考值	2岁健康儿童的脑部CT图像	数字病理	NA	CT成像	ResU-Net, 3D U-Net	医学影像	1,487例2岁儿童头部CT扫描（训练集1,041例，测试集446例）
925	2025-05-12	High-yield spidroin mimics for bioinspired fibers via computational design 2025, Frontiers in bioengineering and biotechnology IF:4.3Q2 DOI:10.3389/fbioe.2025.1587546 PMID:40343205	研究论文	通过计算设计高产的蜘蛛丝蛋白模拟物，用于仿生纤维的生产	结合深度学习和生物工程技术，设计出适合原核表达的水溶性、富含β-折叠的蜘蛛丝蛋白模拟物，克服了传统表达系统的瓶颈	NA	解决蜘蛛丝蛋白在大规模生产中的表达难题，推动高性能仿生纤维的应用	蜘蛛丝蛋白模拟物	生物工程	NA	深度学习、生物工程、静电纺丝、粗粒化分子动力学模拟	NA	NA	设计了五种功能性蜘蛛丝蛋白，并在原核系统中表达，产量高达0.99克/升
926	2025-05-12	Brain tumor classification using MRI images and deep learning techniques 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0322624 PMID:40344143	research paper	本研究开发了一种基于深度学习和MRI图像的自动化脑肿瘤分类系统	采用预训练的VGG16作为基础模型的CNN架构，结合数据增强技术和微调策略，实现了99.24%的高准确率	未提及模型在临床环境中的实际应用效果验证	开发一个能够准确检测和分类不同类型脑肿瘤的模型	脑MRI图像，包括胶质瘤、脑膜瘤、垂体瘤和正常脑扫描	digital pathology	brain tumor	MRI	CNN (VGG16)	image	17,136张脑MRI图像
927	2025-05-11	[Research Progress and Prospects of Minimally Invasive Surgical Instrument Segmentation Methods Based on Artificial Intelligence] 2025-Jan-30, Zhongguo yi liao qi xie za zhi = Chinese journal of medical instrumentation DOI:10.12455/j.issn.1671-7104.240436 PMID:39993977	review	本文综述了基于深度学习的微创手术器械分割方法，并探讨了其研究进展与前景	深入分析了训练算法的监督方法、网络结构改进和注意力机制，并探讨了基于Segment Anything Model的方法	深度学习方法对数据要求极高，当前数据增强方法仍需探索	提升微创内窥镜成像系统和手术视频分析系统的性能	微创手术器械的分割方法	computer vision	NA	深度学习	Segment Anything Model	image	NA
928	2025-05-11	Impact of Deep Learning 3D CT Super-Resolution on AI-Based Pulmonary Nodule Characterization 2025-Jan-27, Tomography (Ann Arbor, Mich.) DOI:10.3390/tomography11020013 PMID:39997996	研究论文	本文提出了一种基于深度学习的超分辨率技术，用于从厚层CT图像生成薄层CT图像，以提高肺结节体积测量和分类的准确性	使用深度学习超分辨率技术从厚层CT生成薄层CT图像，显著提高了肺结节分类的准确性	未提及该方法在不同类型CT扫描仪或不同分辨率下的泛化能力	提高肺结节体积测量和分类的准确性，以改善肺癌筛查程序的诊断效果	肺结节的体积测量和分类	数字病理	肺癌	CT扫描	深度学习	CT图像	未明确提及具体样本数量
929	2025-05-11	Improving spleen segmentation in ultrasound images using a hybrid deep learning framework 2025-01-11, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-85632-9 PMID:39799236	研究论文	本文介绍了一种用于超声图像中脾脏分割的新方法，采用两阶段训练方法	结合SegFormer和Pix2Pix的优势，提出了一种混合深度学习方法，显著提高了脾脏分割的准确性	NA	提高超声图像中脾脏分割的准确性	脾脏超声图像	计算机视觉	NA	深度学习	SegFormerB0和Pix2Pix	超声图像	450张脾脏超声图像（Spleenex数据集）
930	2025-05-11	Multi-atlas multi-modality morphometry analysis of the South Texas Alzheimer's Disease Research Center postmortem repository 2025, NeuroImage. Clinical DOI:10.1016/j.nicl.2025.103752 PMID:39987858	研究论文	本文报告了针对南德克萨斯阿尔茨海默病研究中心尸检库进行的首次形态计量学分析	开发了专门用于处理尸检MRI序列的处理流程，并解决了尸检神经影像学中的多个挑战，如脑组织与固定液的分离、更新的脑图谱需求以及脑固定引起的组织对比度变化	区域脑容量在尸检扫描中难以测量	研究阿尔茨海默病及相关痴呆症的神经病理学过程	尸检脑组织样本	数字病理学	阿尔茨海默病	MRI	Deep Learning	MRI扫描图像	200个脑捐赠样本和100个经过整理的MRI扫描会话
931	2025-05-11	Ventilator pressure prediction employing voting regressor with time series data of patient breaths 2025 Jan-Mar, Health informatics journal IF:2.2Q3 DOI:10.1177/14604582241295912 PMID:39988551	研究论文	本研究提出了一种新型混合呼吸机压力预测器（H-VPP），用于预测呼吸机呼吸回路中的气道压力	提出了一种新型混合呼吸机压力预测器（H-VPP），其性能优于其他机器学习和深度学习模型	未提及具体的研究样本量或数据集的详细信息	精确预测呼吸机压力，以减少因压力不当导致的患者风险	COVID-19患者使用的呼吸机	机器学习	COVID-19	投票回归器	H-VPP	时间序列数据	NA
932	2025-05-11	Evaluation of stroke sequelae and rehabilitation effect on brain tumor by neuroimaging technique: A comparative study 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0317193 PMID:39992898	research paper	本研究通过深度学习技术评估中风后遗症及康复效果，特别关注脑损伤区域的精确识别与追踪	引入了基于深度学习的先进神经影像技术SWI-BITR-UNet模型，结合SWIN Transformer的局部感受野和移位机制，以及U-Net架构中的有效特征融合策略，提高了多模态MRI扫描中脑损伤区域分割的准确性	未提及具体局限性	克服传统方法在中风后遗症评估和康复效果监测中的局限性，提高脑损伤区域的精确识别与追踪	中风后遗症患者及脑损伤区域	digital pathology	stroke	neuroimaging technique, multimodal MRI scans	SWI-BITR-UNet, 3D CNN, SWIN Transformer, U-Net	3D medical imaging data	Bra2020数据集
933	2025-05-11	Optimizing Bi-LSTM networks for improved lung cancer detection accuracy 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0316136 PMID:39992919	研究论文	本研究比较了手工特征提取和深度学习在肺癌诊断中的效果，并优化了Bi-LSTM网络以提高检测准确率	结合手工特征提取和深度学习（Bi-LSTM网络）的方法，显著提高了肺癌检测的准确率	未提及具体的数据来源和样本多样性，可能影响模型的泛化能力	提高肺癌早期检测的准确率，优化计算机辅助诊断系统	肺癌的医学图像特征	计算机视觉	肺癌	Gray Level Co-occurrence Matrix (GLCM)特征提取，支持向量机(SVM)，深度学习	Bi-LSTM, SVM	医学图像	NA
934	2025-05-11	Trustworthy diagnosis of Electrocardiography signals based on out-of-distribution detection 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0317900 PMID:39999066	research paper	提出了一种基于分布外检测的心电图信号可信诊断方法	结合CNN和注意力机制增强特征提取，利用Energy和ReAct技术识别分布外心脏病，提高诊断可信度	未提及具体样本量外的其他潜在限制	提升心电图信号诊断的准确性和可信度，特别是对未知心脏病的识别	心电图信号	machine learning	cardiovascular disease	Energy and ReAct	CNN with Attention mechanisms	ECG signals	MIT-BIH Arrhythmia Database and INCART 12-lead Arrhythmia Database
935	2025-05-11	Author name disambiguation based on heterogeneous graph neural network 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0310992 PMID:40009590	研究论文	本文提出了一种基于异构图注意力神经网络的作者姓名消歧方法，以提高论文作者分配的准确性	引入了异构图注意力神经网络，结合多注意力机制，改进了传统的层次聚类方法，能够自动确定最佳k值	未提及具体的数据集局限性或模型在其他数据集上的泛化能力	解决作者姓名消歧问题，提高论文作者分配的准确性和效率	学术论文作者	自然语言处理	NA	异构图注意力神经网络	GNN	文本	Aminer数据集
936	2025-05-11	Untrained perceptual loss for image denoising of line-like structures in MR images 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0318992 PMID:40009630	研究论文	本研究探讨了在包含线状结构（如根或血管）的MR图像去噪中，使用未经训练的感知损失（uPL）的效果	将感知损失应用于3D数据，并通过比较未经训练网络的特征图来优化损失函数，展示了在多种噪声水平和网络架构下的优越性能	研究仅针对包含线状结构的MR图像，未涉及其他类型的图像或噪声	探索在MR图像去噪中，针对线状结构特性优化的损失函数的有效性	MR图像中的线状结构（如脑部血管和植物根部）	数字病理学	NA	深度学习	CNN	3D图像	536张植物根部MR图像和450张脑部血管MR图像（MRA）
937	2025-05-11	Enhancing nnUNetv2 Training with Autoencoder Architecture for Improved Medical Image Segmentation 2025, Head and Neck Tumor Segmentation for MR-Guided Applications : First MICCAI Challenge, HNTS-MRG 2024, held in conjunction with MICCAI 2024, Marrakesh, Morocco, October 17, 2024, proceedings DOI:10.1007/978-3-031-83274-1_17 PMID:40337098	研究论文	本研究开发了一种基于nnUNetv2框架并结合自动编码器架构的新型深度学习模型，用于提高头颈癌MRI引导放疗图像中肿瘤体积的自动分割准确性	在nnUNetv2框架中引入自动编码器架构，将原始训练图像作为额外输入通道，并采用MSE损失函数以提高分割精度	研究仅针对头颈癌患者，样本量相对有限（150名训练患者和50名测试患者）	提高MRI引导放疗图像中肿瘤体积的自动分割准确性，优化放射肿瘤学临床工作流程	头颈癌患者的MRI引导放疗图像	数字病理学	头颈癌	MRI	nnUNetv2结合自动编码器	医学图像	150名训练患者和50名测试患者
938	2025-05-10	A comprehensive review of deep learning-based approaches for drug-drug interaction prediction 2025-Jan-15, Briefings in functional genomics IF:2.5Q3 DOI:10.1093/bfgp/elae052 PMID:39987494	review	本文综述了基于深度学习的药物-药物相互作用（DDI）预测方法	提供了最新的、易于理解的DDI预测方法指南，包括基于相似性、网络和整合的方法，并对广泛使用的分子表示和从图数据中提取特征的模型理论框架进行了深入分析	未提及具体实验验证或实际应用效果的局限性	为不同领域的研究者提供关于DDI预测的全面指南	药物-药物相互作用（DDI）	machine learning	NA	deep learning	NA	graph data	NA
939	2025-05-10	Intelligent skin disease prediction system using transfer learning and explainable artificial intelligence 2025-01-11, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-83966-4 PMID:39799199	研究论文	提出了一种基于迁移学习和可解释人工智能的智能皮肤病预测系统	使用预训练的VGG16模型进行迁移学习，并结合层相关传播（LRP）技术提高模型的可解释性	VGG16模型作为黑箱模型，无法解释系统运作的原因和方式	快速识别和预测皮肤病，如鸡痘、麻疹和猴痘	皮肤病的图像数据	计算机视觉	皮肤病	迁移学习（TL）和层相关传播（LRP）	VGG16	图像	包含鸡痘、麻疹、猴痘和正常皮肤四类图像的数据集
940	2025-05-10	A benchmark of deep learning approaches to predict lung cancer risk using national lung screening trial cohort 2025-01-11, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-84193-7 PMID:39799226	research paper	本文通过比较和分析当前最先进的深度学习模型，评估了它们在肺癌风险预测任务中的性能	首次全面比较和验证了多种3D和2D深度学习模型在肺癌风险预测中的表现，并探讨了预训练数据集对模型性能的影响	研究样本量有限（253名患者），且仅使用了无对比剂的CT扫描数据	评估深度学习模型在肺癌风险预测中的性能，为临床应用的模型选择提供依据	来自国家肺癌筛查试验(NLST)的253名患者的CT扫描数据	digital pathology	lung cancer	CT扫描	3D和2D深度学习模型（如CNN等）	image	253名患者的CT扫描数据