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
881	2025-02-20	Predicting early recurrence in locally advanced gastric cancer after gastrectomy using CT-based deep learning model: a multicenter study 2025-Feb-01, International journal of surgery (London, England) DOI:10.1097/JS9.0000000000002184 PMID:39715142	研究论文	本研究开发了一种基于术前多期CT图像的深度学习模型（DLER MLP），用于预测局部晚期胃癌（LAGC）患者的早期复发，并探讨了该模型的生物学基础	结合DenseNet169和多期2.5D CT图像开发了DLER模型，并整合临床因素构建了DLER MLP分类器，显著提高了早期复发的预测性能	研究为回顾性设计，可能存在选择偏倚，且样本来源仅限于三个医疗中心和TCIA数据库	开发一种基于CT图像的深度学习模型，用于预测局部晚期胃癌患者的早期复发，并优化治疗策略	局部晚期胃癌（LAGC）患者	数字病理学	胃癌	RNA测序	DenseNet169, 多层感知器（MLP）	CT图像	620名LAGC患者，来自三个医疗中心和TCIA数据库
882	2025-02-20	Complex conjugate removal in optical coherence tomography using phase aware generative adversarial network 2025-Feb, Journal of biomedical optics IF:3.0Q2 DOI:10.1117/1.JBO.30.2.026001 PMID:39963188	研究论文	本文提出了一种基于生成对抗网络的深度学习方法来消除光学相干断层扫描中的复共轭伪影	利用生成对抗网络结合OCT扫描的强度图像和相位图像，无需额外硬件即可有效去除复共轭伪影	NA	开发一种无需额外硬件的深度学习方法来消除OCT扫描中的复共轭伪影	光学相干断层扫描中的复共轭伪影	计算机视觉	NA	光学相干断层扫描	生成对抗网络	图像	包括体模、人体皮肤和活体小鼠眼睛在内的多种样本
883	2025-02-19	Lens-Free Holographic Imaging-Based Immunosensor Using Unpaired Data Set Signal-to-Noise Ratio-Enhanced Modal Transformation for Biosensing 2025-Feb-18, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.4c04453 PMID:39901522	研究论文	本研究提出了一种结合便携式无透镜全息成像设备和CuO@SiO纳米颗粒点击反应信号放大策略的免疫传感器，用于准确检测抗生素	通过构建基于非配对数据集的模态转换模型，解决了传统方法需要一对一匹配数据集的复杂性，实现了大视场成像和信噪比增强的全息重建	NA	开发一种高灵敏度和宽线性范围的便携式检测设备，用于食品安全检查和临床诊断	抗生素（如氯霉素）	数字病理	NA	无透镜全息成像，点击反应信号放大	深度学习模态转换模型	图像	NA
884	2025-02-19	Convolutional Neural Networks Assisted Peak Classification in Targeted LC-HRMS/MS for Equine Doping Control Screening Analyses 2025-Feb-18, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.4c03608 PMID:39901649	研究论文	本文探讨了在针对马匹兴奋剂控制筛查分析中，使用卷积神经网络（CNN）辅助色谱峰分类的可行性	首次将深度学习策略应用于马匹兴奋剂控制中的色谱图分类，结合CNN评分模型和线性判别分析（LDA）分类器，展示了高准确性和可行性	研究中未明确提及样本的具体数量，且未详细讨论模型在其他类型兴奋剂控制中的适用性	自动化兴奋剂控制筛查分析，提高准确性和处理速度	马匹兴奋剂控制中的色谱图	机器学习	NA	超高压液相色谱-高分辨率串联质谱（UHPLC-HRMS/MS）	卷积神经网络（CNN）结合线性判别分析（LDA）	图像（色谱图）	未明确提及具体样本数量
885	2025-02-19	UNET-FLIM: A Deep Learning-Based Lifetime Determination Method Facilitating Real-Time Monitoring of Rapid Lysosomal pH Variations in Living Cells 2025-Feb-18, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.4c05271 PMID:39902564	研究论文	本文介绍了一种基于一维U-net的深度学习架构UNET-FLIM，用于荧光寿命成像显微镜（FLIM）中的寿命测定，特别适用于处理低光子计数和高背景噪声的数据	UNET-FLIM能够有效处理低光子计数和高背景噪声的数据，并且可以通过模拟衰减曲线进行训练，适用于各种时域FLIM系统	本文主要基于模拟数据进行评估，尚未在广泛的实验数据上进行验证	开发一种深度学习模型，用于实时监测活细胞中溶酶体pH值的快速变化	活细胞中的溶酶体pH值	计算机视觉	NA	荧光寿命成像显微镜（FLIM）	一维U-net	图像	NA
886	2025-02-19	Multi-task learning for automated contouring and dose prediction in radiotherapy 2025-Feb-18, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/adb23d PMID:39904047	研究论文	本研究应用多任务学习（MTL）方法，将自动轮廓绘制和基于体素的剂量预测任务无缝集成，以提高放射治疗中自动治疗计划的效率和准确性	首次将多任务学习方法应用于放射治疗中的自动轮廓绘制和剂量预测任务，利用两个任务之间的共同信息，提高了自动任务的效率	研究仅使用了前列腺癌和头颈癌两个数据集，可能限制了模型的泛化能力	提高放射治疗中自动治疗计划的效率和准确性	前列腺癌和头颈癌患者	数字病理学	前列腺癌, 头颈癌	深度学习（DL）	多任务学习（MTL）	医学影像	内部前列腺癌数据集和公开可用的头颈癌数据集OpenKBP
887	2025-02-19	Impact of pectoral muscle removal on deep-learning-based breast cancer risk prediction 2025-Feb-18, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/adb367 PMID:39914024	研究论文	本研究探讨了在训练/微调深度学习模型时排除胸肌对乳腺癌风险预测模型性能的影响	首次研究了在训练/微调过程中排除胸肌对乳腺癌风险预测模型性能的影响，并发现排除胸肌后模型的预测性能有所提升	研究仅基于特定数据集（美国马萨诸塞州总医院和斯洛文尼亚筛查项目的数据），可能无法推广到其他数据集或人群	评估排除胸肌对深度学习模型在乳腺癌风险预测中的性能影响	乳腺X光片	数字病理学	乳腺癌	深度学习	MIRAI	图像	23,792张乳腺X光片（来自斯洛文尼亚筛查项目）
888	2025-02-19	Automated quantification of brain PET in PET/CT using deep learning-based CT-to-MR translation: a feasibility study 2025-Feb-18, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-025-07132-2 PMID:39964542	研究论文	本研究提出了一种深度学习框架，用于将PET/CT中的CT图像转换为合成MR图像（MRSYN），并利用MRSYN进行自动定量区域分析	提出了一种新的深度学习框架，能够在不依赖MRI的情况下，通过CT图像生成合成MR图像，并用于PET图像的定量分析	研究中排除了前扣带回区域，且样本量相对较小（139名受试者）	解决PET/CT和MRI图像对不总是可用且对齐困难的问题，实现自动定量脑部PET分析	139名接受脑部[18F]FBB PET/CT和T1加权MRI的受试者	医学影像分析	脑部疾病	深度学习	U-Net	图像	139名受试者
889	2025-02-19	Deep learning-based time-of-flight (ToF) enhancement of non-ToF PET scans for different radiotracers 2025-Feb-18, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-025-07119-z PMID:39964543	研究论文	本文评估了一种基于深度学习的时间飞行（DLToF）模型，该模型旨在提升非ToF PET图像的质量，使其接近ToF图像的质量	开发了一种适用于多种示踪剂的深度学习模型，能够显著提升非ToF PET图像的质量，使其接近ToF图像的质量	研究仅基于特定型号的扫描仪（GE Discovery MI）和特定数量的数据集，可能限制了模型的普适性	评估深度学习模型在提升非ToF PET图像质量方面的效果	非ToF PET图像	医学影像处理	NA	深度学习	3D残差U-NET	PET图像	309个训练数据集和33个验证数据集，测试集包括60个数据集，每个数据集包含5个图像系列
890	2025-02-19	TongueTransUNet: toward effective tongue contour segmentation using well-managed dataset 2025-Feb-18, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-024-03278-7 PMID:39964658	研究论文	本文提出了一种名为TongueTransUNet的方法，用于有效地分割舌轮廓，以理解语言行为并作为生物反馈应用于不同领域	提出了一种结合UNet、Vision Transformer (ViT)和对比损失的混合架构，利用动态大小的数据集进行有效训练，并通过人类专家验证新输入数据	需要人类专家手动标注被拒绝的样本，增加了时间和成本	研究舌轮廓分割技术，以理解语言行为并应用于生物反馈	舌轮廓	计算机视觉	NA	舌部超声	UNet, Vision Transformer (ViT)	图像	动态大小的数据集
891	2025-02-19	Deep learning for retinal vessel segmentation: a systematic review of techniques and applications 2025-Feb-18, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-025-03324-y PMID:39964659	系统综述	本文系统回顾了2020年至2024年间发表的79项关于基于深度学习的视网膜血管分割的研究，重点关注数据集、分割模型、评估指标和新兴趋势	本文首次系统性地总结了U-Net和Transformer架构在视网膜血管分割中的应用，并提出了结合U-Net、Transformers和GANs的混合模型作为未来研究方向	尽管深度学习方法在视网膜血管分割中取得了显著成果，但仍存在挑战，如需要进一步提高分割精度	探讨深度学习在视网膜血管分割中的应用及其技术进展	视网膜血管	计算机视觉	眼科疾病	深度学习	U-Net, Transformer, GAN	图像	79项研究
892	2025-02-19	3D Deep Learning for Virtual Orbital Defect Reconstruction: A Precise and Automated Approach 2025-Feb-17, The Journal of craniofacial surgery IF:1.0Q3 DOI:10.1097/SCS.0000000000011143 PMID:39960444	研究论文	本研究介绍了一种改进的3D U-Net+++架构，用于眼眶缺损的虚拟重建，旨在提高精度和自动化水平	提出了一种改进的3D U-Net+++架构，特别适用于涉及中线两侧的眼眶缺损，相比传统方法具有更高的精度和自动化水平	研究样本量较小，仅包含300个合成缺损和15个临床病例，需要进一步的大规模验证	开发一种精确且高度自动化的眼眶缺损虚拟重建方法，以辅助术前规划	眼眶缺损的虚拟重建	计算机视觉	眼眶骨折	3D深度学习	3D U-Net+++	3D CT扫描图像	300个合成缺损和15个临床病例
893	2025-02-19	World's first real-time artificial intelligence-assisted mechanical thrombectomy for acute ischemic stroke 2025-Feb-17, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8704 PMID:39961616	研究论文	本文介绍了在急性缺血性卒中（AIS）机械取栓术（MT）中使用实时人工智能（AI）辅助的初步经验	首次在急性缺血性卒中的机械取栓术中应用实时AI辅助系统，并评估其效果、准确性和安全性	研究样本量较小（16例患者），需要更大规模的研究来验证其对手术流程和临床结果的影响	评估实时AI辅助系统在急性缺血性卒中机械取栓术中的有效性和安全性	16例急性缺血性卒中患者	医疗人工智能	急性缺血性卒中	深度学习	NA	视频记录	16例患者
894	2025-02-19	Multimodal deep learning: tumor and visceral fat impact on colorectal cancer occult peritoneal metastasis 2025-Feb-17, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-11450-2 PMID:39961863	研究论文	本研究提出了一种多模态深度学习方法，用于研究肿瘤和内脏脂肪对结直肠癌隐匿性腹膜转移的影响	基于ResNet18构建的多尺度特征融合网络（MSFF-Net）能够利用CT图像中的肿瘤和内脏脂肪特征来检测结直肠癌的隐匿性腹膜转移	研究主要依赖于术前CT扫描数据，可能无法涵盖所有相关临床信息	研究结直肠癌患者中肿瘤和内脏脂肪对隐匿性腹膜转移的影响	结直肠癌患者	数字病理学	结直肠癌	CT扫描	ResNet18, 随机森林分类器	图像	内部和外部测试集的结直肠癌患者
895	2025-02-19	Automatic future remnant segmentation in liver resection planning 2025-Feb-17, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-025-03331-2 PMID:39961898	研究论文	本研究提出了一种新的自动化肝脏切除规划方法，利用CT扫描中的肝脏、血管和肿瘤分割来预测未来肝脏残余（FLR），旨在提高术前规划的准确性和患者预后	提出了结合深度卷积网络和Transformer网络的自动化FLR分割方法，显著提高了术前规划的准确性和一致性	需要进一步研究以探索该方法在临床工作流程中的无缝集成	提高肝脏切除术前规划的准确性和患者预后	肝脏、血管和肿瘤的CT扫描图像	计算机视觉	肝癌	CT扫描	深度卷积网络和Transformer网络	图像	未明确提及样本数量
896	2025-02-19	Precise dental caries segmentation in X-rays with an attention and edge dual-decoder network 2025-Feb-17, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-025-03318-w PMID:39961911	研究论文	本文提出了一种名为AEDD-Net的新型网络，结合注意力机制和双解码器结构，以提高龋齿边界分割的性能	AEDD-Net集成了空洞空间金字塔池化和交叉坐标注意力机制，有效融合全局和多尺度特征，并引入了专门的边界生成模块和创新边界损失函数	NA	提高龋齿边界分割的准确性	龋齿的X射线图像	计算机视觉	龋齿	深度学习	AEDD-Net	图像	NA
897	2025-02-19	Rapid wall shear stress prediction for aortic aneurysms using deep learning: a fast alternative to CFD 2025-Feb-17, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-025-03311-3 PMID:39961912	研究论文	本文提出了一种使用深度学习快速预测主动脉瘤壁面剪应力的方法，作为计算流体动力学的快速替代方案	提出了一种名为MultiViewUNet的深度学习替代模型，采用领域转换技术将复杂的主动脉几何形状转换为与先进神经网络兼容的表示，以快速预测时间平均壁面剪应力分布	未提及具体局限性	开发一种快速且准确的主动脉瘤壁面剪应力预测方法，以支持临床决策	腹主动脉瘤（AAA）	机器学习	心血管疾病	深度学习	MultiViewUNet	几何数据	真实和合成的AAA几何数据
898	2025-02-19	Single Cell Inference of Cancer Drug Response Using Pathway-Based Transformer Network 2025-Feb-17, Small methods IF:10.7Q1 DOI:10.1002/smtd.202400991 PMID:39962810	研究论文	本文提出了一种基于Transformer的深度学习模型scPDS，用于从单细胞RNA测序数据中预测癌症药物敏感性	开发了scPDS模型，通过通路激活转换从单细胞RNA测序数据中预测药物敏感性，整合了大批量RNA测序数据以提高准确性和计算效率	未明确提及具体局限性	提高癌症药物反应的预测准确性，优化个性化治疗方案	乳腺癌细胞	机器学习	乳腺癌	单细胞RNA测序（scRNA-seq）	Transformer	RNA测序数据	未明确提及具体样本数量
899	2025-02-19	Harnessing the synergy of statistics and deep learning for BCI competition 4 dataset 4: a novel approach 2025-Feb-15, Brain informatics DOI:10.1186/s40708-025-00250-5 PMID:39954182	研究论文	本文提出了一种结合统计分析和深度学习的创新方法，用于处理BCI竞赛4数据集4中的ECoG信号，以识别手指运动模式	结合统计分析预处理数据，并设计了一个新的神经网络模型BC4D4，该模型在BCI竞赛4数据集4上取得了优于现有技术的性能	NA	提高从ECoG信号中识别手指运动模式的准确性和效率	BCI竞赛4数据集4中的ECoG信号	机器学习	NA	ECoG信号处理	CNN（卷积神经网络）和Dense神经网络	ECoG信号	BCI竞赛4数据集4
900	2025-02-19	DeepFlood for Inundated Vegetation High-Resolution Dataset for Accurate Flood Mapping and Segmentation 2025-Feb-15, Scientific data IF:5.8Q1 DOI:10.1038/s41597-025-04554-3 PMID:39955285	研究论文	本文介绍了DeepFlood，一个用于洪水映射和分割的高分辨率数据集，旨在提高洪水范围的快速准确评估	DeepFlood是一个包含高分辨率载人和无人机航拍图像以及合成孔径雷达（SAR）图像的新数据集，特别标注了淹没植被，这是洪水映射中最具挑战性的区域之一	NA	提高洪水范围的快速准确评估，以支持有效的灾害响应、减灾规划和资源分配	洪水映射和分割	计算机视觉	NA	卷积神经网络（CNNs）	CNN	图像	NA