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
1101	2025-06-01	Comparative analysis of multi-zone peritumoral radiomics in breast cancer for predicting NAC response using ABVS-based deep learning models 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1586715 PMID:40438687	research paper	本研究通过基于ABVS的深度学习模型，比较分析乳腺癌多区域瘤周放射组学特征，以预测新辅助化疗（NAC）反应	首次系统比较不同瘤周厚度区域对NAC反应预测的准确性，并开发了结合瘤内和瘤周特征的AI模型	研究为回顾性分析，样本量相对有限（402例患者）	建立可临床实施的框架，通过标准化预测模型早期识别NAC无反应者	乳腺癌患者	digital pathology	breast cancer	Automated Breast Volume Scanning (ABVS), radiomics	TabNet	image	402例乳腺癌患者
1102	2025-06-01	MRI-based 2.5D deep learning radiomics nomogram for the differentiation of benign versus malignant vertebral compression fractures 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1603672 PMID:40438697	research paper	该研究开发并验证了一种基于MRI的列线图，结合临床和深度学习放射组学特征，用于区分良性与恶性椎体压缩性骨折	新颖的2.5D深度学习框架和全面的特征融合策略，显著提高了诊断准确性	研究为回顾性队列研究，样本量相对较小（234例患者）	区分良性与恶性椎体压缩性骨折	234例椎体压缩性骨折患者	digital pathology	椎体压缩性骨折	MRI, 深度学习放射组学	ResNet50, ExtraTrees	MRI图像	234例患者（训练集与测试集比例为7:3）
1103	2025-06-01	Reducing annotation effort in agricultural data: simple and fast unsupervised coreset selection with DINOv2 and K-means 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1546756 PMID:40438735	research paper	该研究提出了一种结合DINOv2和K-means的无监督核心集选择方法，以减少农业数据标注的工作量	结合了最新的基础模型DINOv2作为特征选择器与K-means聚类方法，提出了一种简单有效的核心集选择方法	未提及方法在大规模数据集上的扩展性或计算效率	减少农业应用中深度学习模型训练所需的标注数据量	农业数据	machine learning	NA	DINOv2, K-means	multiclass classification model	image	在两个不同数据集上进行了验证，具体样本量未提及
1104	2025-06-01	Deep learning-based anomaly detection for precision field crop protection 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1576756 PMID:40438741	research paper	提出了一种结合IMSFNet和AROS的新型框架，用于精准农业中的异常检测和资源优化	整合了多模态数据融合和时空建模的IMSFNet，以及基于实时环境反馈的AROS资源优化策略	未提及具体实验样本量和跨地区应用的普适性验证	优化精准农业中的作物保护和资源利用效率	农田作物健康异常（病虫害爆发、疾病传播、营养缺乏等）	精准农业	NA	多模态数据融合（无人机、卫星、地面传感器、气象站数据）	IMSFNet（集成多模态智能农业网络）	多源时空数据	NA
1105	2025-06-01	Optimizing drug synergy prediction through categorical embeddings in deep neural networks 2025, Biology methods & protocols IF:2.5Q3 DOI:10.1093/biomethods/bpaf033 PMID:40438791	研究论文	本文研究了在深度神经网络中使用分类嵌入来优化药物协同预测	利用分类嵌入捕捉类别元素间的相似性，特别是在数据稀缺情况下表现出优势	未提及具体的数据集规模或模型验证的局限性	提高药物协同作用的预测准确性	药物组合的协同作用	机器学习	癌症	深度神经网络	DNN	药物组合数据	NA
1106	2025-05-31	MedScale-Former: Self-guided multiscale transformer for medical image segmentation 2025-Jul, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103554 PMID:40209553	研究论文	提出了一种名为MedScale-Former的双分支Transformer网络，用于医学图像分割，通过自监督学习和多尺度策略提高分割准确性	引入了双分支Transformer网络，结合自监督学习和多尺度策略，提出选择性核区域注意力模块以增强对象边界定义	需要进一步验证在不同医学图像数据集上的泛化能力	提高医学图像分割的准确性，减少对大量标注数据的依赖	医学图像（皮肤病变、肺器官、多发性骨髓瘤浆细胞）	数字病理	皮肤病变、肺器官疾病、多发性骨髓瘤	自监督学习、多尺度Transformer	Transformer	医学图像	NA
1107	2025-05-31	Virtual lung screening trial (VLST): An in silico study inspired by the national lung screening trial for lung cancer detection 2025-Jul, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103576 PMID:40209556	研究论文	本文介绍了一项名为虚拟肺部筛查试验（VLST）的计算机模拟研究，旨在通过模拟临床试验的关键元素来评估CT和胸部X光在肺癌筛查中的诊断性能	利用虚拟成像试验（VITs）模拟临床试验，减少实际试验的成本和伦理风险，并展示了深度学习模型作为虚拟阅读器的应用	研究基于模拟数据，可能无法完全反映真实临床环境的复杂性	评估虚拟成像试验平台在模拟主要临床试验（如NLST）关键元素方面的潜力，比较CT和胸部X光在肺癌筛查中的诊断性能	虚拟患者队列（294名受试者）及其模拟的癌性肺结节	数字病理	肺癌	计算机断层扫描（CT）、胸部X光（CXR）	深度学习模型（AI CT-Reader和AI CXR-Reader）	图像	294名虚拟受试者
1108	2025-05-31	Bi-variational physics-informed operator network for fractional flow reserve curve assessment from coronary angiography 2025-Jul, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103564 PMID:40245779	研究论文	本文提出了一种基于双变分物理信息神经算子（BVPINO）的方法，用于从冠状动脉造影中评估分数流储备（FFR）曲线	结合变分机制指导基函数学习和残差评估，实现了FFR曲线评估在准确性和效率之间的最优平衡	未明确提及具体局限性	开发一种高效准确的方法，用于从冠状动脉造影中评估FFR曲线	冠状动脉造影图像及FFR曲线	数字病理学	心血管疾病	双变分物理信息神经算子（BVPINO）	神经算子	图像	184名受试者的215条血管的冠状动脉造影数据
1109	2025-05-31	Joint semi-supervised and contrastive learning enables domain generalization and multi-domain segmentation 2025-Jul, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103575 PMID:40245778	research paper	提出了一种名为SegCLR的框架，结合半监督和对比学习，用于跨域图像分割	SegCLR框架通过同时使用监督和对比学习，有效利用标记和未标记数据，提高了模型在不同域间的泛化能力	未明确提及具体局限性	提升深度学习模型在不同域图像分割中的泛化性能	3D视网膜光学相干断层扫描（OCT）图像	computer vision	视网膜疾病	对比学习，半监督学习	SegCLR	3D图像	三个不同的临床数据集，涉及10种不同的网络初始化
1110	2025-05-31	One for multiple: Physics-informed synthetic data boosts generalizable deep learning for fast MRI reconstruction 2025-Jul, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103616 PMID:40279827	research paper	提出了一种名为PISF的物理信息合成数据学习框架，用于快速MRI重建，通过单一训练模型实现多场景MRI重建的通用性	PISF框架通过将2D图像重建分解为多个1D基本问题，并利用合成数据进行训练，显著减少对真实MRI数据的依赖（高达96%），同时支持多种采样模式、解剖结构、对比度、厂商和中心的高质量重建	尽管PISF在多种场景下表现出色，但其在更广泛的患者群体和更复杂的病理条件下的适用性仍需进一步验证	提升深度学习在快速MRI重建中的通用性和广泛应用	MRI图像重建	医学影像处理	NA	深度学习	DL	MRI图像	验证了2种神经和2种心血管患者群体，由10位经验丰富的医疗专业人员进行评估
1111	2025-05-31	General retinal image enhancement via reconstruction: Bridging distribution shifts using latent diffusion adaptors 2025-Jul, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103603 PMID:40300379	research paper	提出了一种通用的视网膜图像增强方法，通过分解任务为重建和适应阶段来提高泛化能力和灵活性	采用自监督训练和潜在扩散模型，减少了配对训练数据的需求、可训练参数的数量，并加快了收敛速度	方法虽然在多个数据集和退化类型上表现出适应性，但具体性能可能依赖于预训练和微调的质量	提高视网膜图像增强的泛化能力和灵活性，适应不同的数据集和退化类型	视网膜图像	computer vision	NA	潜在扩散模型	autoencoders, diffusion networks	image	利用大量公共数据集进行自监督训练，具体样本数量未提及
1112	2025-05-31	Medical image translation with deep learning: Advances, datasets and perspectives 2025-Jul, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103605 PMID:40311301	综述	本文回顾了基于深度学习的医学图像翻译的最新进展，包括任务、应用、基础模型、生成模型、评估指标、常用数据集以及未来趋势和挑战	详细阐述了医学图像翻译的多样任务和实际应用，并深入探讨了多种生成模型及其评估指标	未提及具体实验数据或样本量的限制	推动医学图像翻译领域的持续进步和创新	医学图像翻译技术及其应用	数字病理	NA	深度学习	CNN, Transformer, SSM, GAN, VAE, AR, diffusion Models, flow Models	医学图像	NA
1113	2025-05-31	World of Forms: Deformable geometric templates for one-shot surface meshing in coronary CT angiography 2025-Jul, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103582 PMID:40318517	研究论文	提出了一种基于几何先验的数据高效深度学习方法，用于直接生成3D解剖对象表面网格	使用多分辨率图神经网络和几何模板变形技术，提出了一种新颖的3D球形数据掩码自编码器预训练策略	在低数据条件下的性能仍有提升空间	解决医学图像分割和表面网格生成中的拓扑不一致性问题	冠状动脉CT血管造影中的心包、左心室腔和左心室心肌	数字病理	心血管疾病	深度学习	图神经网络(GNN)	3D医学图像	未明确说明样本数量
1114	2025-05-31	ProtoASNet: Comprehensive evaluation and enhanced performance with uncertainty estimation for aortic stenosis classification in echocardiography 2025-Jul, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103600 PMID:40324320	research paper	提出了一种基于原型的新型神经网络ProtoASNet，用于从B型超声心动图视频中分类主动脉瓣狭窄的严重程度，并增强预测的可解释性和不确定性估计	ProtoASNet通过相似性分数和可学习的时空原型提供内在可解释性，并利用弃权损失估计数据的不确定性，增强了模型的透明度和临床适用性	研究依赖于私有和公开数据集，可能无法涵盖所有临床场景，且模型性能在不确定案例中有所下降	开发一种可解释且具有不确定性估计能力的深度学习模型，用于主动脉瓣狭窄的自动分类	主动脉瓣狭窄（AS）患者	digital pathology	cardiovascular disease	B-mode echocardiography	prototype-based neural network	video	私有数据集和公开可用的TMED-2数据集
1115	2025-05-31	Deep implicit optimization enables robust learnable features for deformable image registration 2025-Jul, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103577 PMID:40328129	research paper	该论文提出了一种深度隐式优化方法，用于在可变形图像配准中实现鲁棒的可学习特征	通过将优化作为深度网络中的一层，结合统计学习和优化的优势，首次实现了在测试时无需重新训练即可切换任意变换表示	NA	弥合统计学习与优化方法在图像配准中的差距，提高配准性能和对领域偏移的鲁棒性	可变形图像配准	computer vision	NA	deep learning, iterative optimization solver	deep network	image	NA
1116	2025-05-31	Rethinking boundary detection in deep learning-based medical image segmentation 2025-Jul, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103615 PMID:40344946	research paper	提出了一种名为CTO的新型网络架构，结合CNN、ViT和显式边缘检测算子，以解决医学图像分割中边界区域精确分割的挑战	CTO网络架构结合了CNN、ViT和显式边缘检测算子，通过双流编码器网络和边界引导解码器网络，提高了边界区域的分割精度	未提及具体局限性	提高医学图像分割中边界区域的精确分割能力	医学图像分割	digital pathology	NA	CNN, ViT, 边缘检测算子	CTO (结合CNN和ViT的双流编码器网络及边界引导解码器网络)	image	七个医学图像分割数据集（ISIC 2016, PH2, ISIC 2018, CoNIC, LiTS17, BraTS, BTCV）
1117	2025-05-31	CausalMixNet: A mixed-attention framework for causal intervention in robust medical image diagnosis 2025-Jul, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103581 PMID:40359724	research paper	提出了一种名为CausalMixNet的创新方法，通过混合注意力机制探究医学图像与标签之间的因果关系，以提高诊断的准确性和泛化性能	采用查询混合内部注意力和键值混合外部注意力机制，结合非局部推理模块和键值混合外部注意力进行前门调整策略，以及补丁掩码排序模块和查询混合内部注意力增强中介学习	未明确提及具体限制	提高医学图像诊断的准确性和泛化性能，探究图像与标签之间的因果关系	医学图像及其诊断标签	digital pathology	NA	deep learning	CausalMixNet	image	多个数据集，具体数量未提及
1118	2025-05-31	Deep learning-based forecasting of daily maximum ozone levels and assessment of socioeconomic and health impacts in South Korea 2025-Jun-25, The Science of the total environment DOI:10.1016/j.scitotenv.2025.179684 PMID:40409021	研究论文	本研究评估了三种深度学习模型在预测韩国19个省份未来七天每日最大臭氧浓度方面的性能，并将高精度臭氧预测与健康和经济社会指标相结合，评估环境影响	将深度学习模型的高精度臭氧预测与省份和性别特定的健康及社会经济指标相结合，评估环境影响的创新方法	研究仅针对韩国19个省份，可能无法推广到其他地区	预测每日最大臭氧浓度并评估其公共健康和社会经济影响	韩国19个省份的每日最大臭氧浓度及其与健康和经济社会指标的关系	机器学习	心血管疾病	深度学习	Deep-CNN, LSTM, DNN	时间序列数据	韩国19个省份的臭氧浓度数据
1119	2025-05-31	Non-parametric Bayesian deep learning approach for whole-body low-dose PET reconstruction and uncertainty assessment 2025-Jun, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-025-03296-z PMID:39847156	研究论文	提出了一种基于深度学习的非参数贝叶斯框架NPB-LDPET，用于低剂量PET图像重建和不确定性评估	采用非参数贝叶斯方法和随机梯度Langevin动力学优化器，能够更准确地进行低剂量PET重建并提供不确定性评估	研究仅使用了特定数据集进行评估，未涉及其他可能影响临床应用的变量	提高低剂量PET图像重建的准确性并评估不确定性，以改善临床决策	低剂量PET图像	医学影像处理	肿瘤学	深度学习	非参数贝叶斯框架	医学影像	10,631个样本（全局评估）和28个样本（局部评估）
1120	2025-05-31	Smart home-assisted anomaly detection system for older adults: a deep learning approach with a comprehensive set of daily activities 2025-Jun, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-025-03308-y PMID:39888470	research paper	该研究提出了一种基于深度学习的智能家居辅助异常检测系统，用于监测老年人的日常活动	使用深度学习技术建模群体行为，考虑全面的日常活动集（41种），并检测显著偏差	未明确提及数据来源的多样性和样本的具体特征	通过智能家居远程监测老年人的健康和福祉，提高健康结果和独立性	老年人的日常活动	machine learning	geriatric disease	deep learning	recurrent neural networks	activity data	未明确提及具体样本数量，但涉及41种日常活动