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
501	2025-05-10	A novel detail-enhanced wavelet domain feature compensation network for sparse-view X-ray computed laminography 2025-Mar, Journal of X-ray science and technology IF:1.7Q3 DOI:10.1177/08953996251319183 PMID:39973784	研究论文	提出了一种新型的细节增强小波域特征补偿网络，用于稀疏视角X射线计算机断层扫描成像	设计了编码器-解码器网络，结合小波域特征补偿和细节增强模块，以及Swin Transformer和卷积算子的组合，以提高稀疏视角CL重建的图像质量	NA	构建深度学习网络用于稀疏视角CL重建	焊点的X射线计算机断层扫描图像	计算机视觉	NA	X射线计算机断层扫描	编码器-解码器网络，Swin Transformer，CNN	图像	3200对16视角和1024视角CL图像（2880对用于训练，160对用于验证，160对用于测试）
502	2025-05-10	A multi-model machine learning framework for breast cancer risk stratification using clinical and imaging data 2025-Mar, Journal of X-ray science and technology IF:1.7Q3 DOI:10.1177/08953996241308175 PMID:39973793	research paper	该研究提出了一个综合机器学习框架，通过整合临床特征和深度学习衍生的影像特征来评估乳腺癌的恶性程度	提出了一种基于堆叠的集成模型，结合了影像和临床数据，显著提高了预测准确性	样本量相对较小（1668名患者），可能影响模型的泛化能力	开发一个可靠的乳腺癌恶性风险评估工具	1668名有乳腺病变记录的患者	digital pathology	breast cancer	deep learning	CNN (EfficientNet, ResNet, DenseNet, InceptionNet), stacking-based ensemble model	image, clinical data	1668名患者
503	2025-05-10	An effective COVID-19 classification in X-ray images using a new deep learning framework 2025-Mar, Journal of X-ray science and technology IF:1.7Q3 DOI:10.1177/08953996241290893 PMID:39973798	research paper	提出了一种新的深度学习框架，用于在X射线图像中有效分类COVID-19	结合了多种特征提取方法和优化算法，开发了混合深度学习算法MhA-Bi-GRU with DSAN，并通过DLF-CO算法最小化损失函数	未提及模型在其他数据集上的泛化能力或实际临床环境中的验证	快速识别COVID-19在胸部X射线图像中的表现	胸部X射线图像	digital pathology	lung cancer	深度学习	MhA-Bi-GRU with DSAN	image	公开数据库COVID-19 Chest X-ray中的样本
504	2025-05-10	Advancing lung cancer diagnosis: Combining 3D auto-encoders and attention mechanisms for CT scan analysis 2025-Mar, Journal of X-ray science and technology IF:1.7Q3 DOI:10.1177/08953996241313120 PMID:39973792	研究论文	本研究评估了一种结合3D自编码器和注意力机制的混合深度学习模型在CT扫描图像中早期检测肺癌的有效性	提出了一种结合3D自编码器和注意力机制的混合模型，显著提高了肺癌早期检测的准确性和敏感性	未提及模型在多样化数据集上的泛化能力或实际临床环境中的测试结果	提高肺癌早期诊断的准确性、敏感性和特异性	CT扫描图像	计算机视觉	肺癌	深度学习	3D Auto-encoders与注意力机制结合的混合模型	3D CT图像	NA
505	2025-05-10	Automatic segmentation and volumetric analysis of intracranial hemorrhages in brain CT images 2025-Mar, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.111952 PMID:39978270	research paper	该研究开发并评估了基于3D U-Net的深度学习模型，用于在非对比脑CT图像中自动分割和分类颅内出血及相关病理	使用3D U-Net模型进行颅内出血的自动分割和分类，并研究了分割类别数量对模型性能的影响	对于小于1毫升的出血检测存在假阴性，且与文献相比Dice分数较低	开发自动分割和分类颅内出血的深度学习模型，以增强临床决策	非对比脑CT图像中的颅内出血及相关病理	digital pathology	intracranial hemorrhages	deep learning	3D U-Net	image	1508个非对比CT系列，来自医院、QURE500数据集和RSNA 2019脑出血数据集
506	2025-05-10	Spatial Radiomic Graphs for Outcome Prediction in Radiation Therapy-treated Head and Neck Squamous Cell Carcinoma Using Pretreatment CT 2025-Mar, Radiology. Imaging cancer DOI:10.1148/rycan.240161 PMID:39982207	研究论文	开发了一种名为RadGraph的放射组学图框架，用于分析头颈部鳞状细胞癌（HNSCC）治疗前CT图像的空间特征，以改善局部区域复发（LR）和远处转移（DM）的预测	利用计算图和图注意力深度学习方法全面建模头颈部解剖的多个区域，显著提高了LR和DM的预测性能	研究为回顾性分析，可能受到数据收集时间和来源的限制	提高头颈部鳞状细胞癌患者局部区域复发和远处转移的预测准确性	头颈部鳞状细胞癌患者的治疗前CT图像	数字病理学	头颈部鳞状细胞癌	CT成像	图注意力深度学习	图像	3434名患者（训练集1576名，验证集379名，测试集1479名）
507	2025-05-10	Deep learning-based surrogates for multi-objective optimization of the groundwater abstraction schemes to manage seawater intrusion into coastal aquifers 2025-Mar, Journal of environmental management IF:8.0Q1 DOI:10.1016/j.jenvman.2025.124592 PMID:39986155	研究论文	本研究开发并比较了六种基于深度学习的替代模型，用于优化沿海含水层的地下水抽取方案，以管理海水入侵	开发了六种深度学习替代模型，并比较了它们在优化地下水抽取问题中的性能，同时采用了多目标优化算法来获取帕累托最优解	研究可能受限于特定地理区域的数据可用性和模型泛化能力	优化沿海含水层的地下水抽取方案，以管理海水入侵并确保地下水的可持续性	沿海含水层的地下水抽取系统	机器学习	NA	深度学习	Simple and Deep Feed Forward Neural Networks, LSTM, Bi-LSTM, pro-LSTM, GRU	模拟数据	NA
508	2025-05-10	Self-Supervised Learning for Feature Extraction from Glomerular Images and Disease Classification with Minimal Annotations 2025-03-01, Journal of the American Society of Nephrology : JASN IF:10.3Q1 DOI:10.1681/ASN.0000000514 PMID:40029749	research paper	该研究应用自监督学习方法DINO从肾小球图像中提取特征，并用于疾病分类，减少了对大量标注数据的依赖	使用自监督学习DINO方法从未标注的肾小球图像中提取特征，显著降低了深度学习对标注数据的依赖，并在疾病分类任务中表现优于传统ImageNet预训练模型	研究仅使用了PAS染色的肾小球图像，未验证其他染色方法的效果	探索自监督学习在数字肾脏病理学中的应用，提高疾病分类的准确性	肾小球图像和四种肾脏疾病（微小病变、系膜增生性GN、膜性肾病和糖尿病肾病）及临床参数（高血压、蛋白尿和血尿）	digital pathology	kidney disease	self-supervised learning (DINO), principal component analysis	DINO-pretrained backbone, k-nearest neighbor classifiers, linear head layers	image	10,423张肾小球图像，来自384张PAS染色的肾脏活检切片
509	2025-05-10	Routine and Advanced Neurologic Imaging at 0.55-T MRI: Opportunities and Challenges 2025-03, Radiographics : a review publication of the Radiological Society of North America, Inc IF:5.2Q1 DOI:10.1148/rg.240076 PMID:39946265	research paper	探讨在0.55-T MRI系统上进行常规和高级神经影像检查的机会与挑战	利用低磁场强度（0.55-T）MRI系统进行神经影像检查，减少磁敏感伪影并提高MRI安全性	0.55-T系统的图像质量低于1.5-T系统，且存在加速伪影和动态对比增强灌注成像信号不足的问题	评估0.55-T MRI系统在神经影像检查中的应用潜力	脑部和脊髓的常规及高级神经影像检查	医学影像	神经系统疾病	MRI	NA	影像数据	NA
510	2025-05-09	Artificial Intelligence for Classification of Endoscopic Severity of Inflammatory Bowel Disease: A Systematic Review and Critical Appraisal 2025-Mar-31, Inflammatory bowel diseases IF:4.5Q1 DOI:10.1093/ibd/izaf050 PMID:40163659	系统性综述	本文系统性回顾并评估了人工智能在炎症性肠病内镜严重程度分类中的应用	首次系统性评估AI在内镜炎症性肠病严重程度分类中的研究质量，并指出临床转化潜力	克罗恩病相关研究有限，模型的外部验证不足，数据和代码透明度有待提高	评估AI在标准化炎症性肠病内镜评估中的应用现状和研究质量	溃疡性结肠炎和克罗恩病的内镜图像/视频	数字病理	炎症性肠病	深度学习	CNN等深度学习模型	图像和视频	31项研究（2019-2024年），其中28项针对溃疡性结肠炎，3项针对克罗恩病
511	2025-05-09	Realtime particulate matter and bacteria analysis of peritoneal dialysis fluid using digital inline holography 2025-Mar-30, International journal of pharmaceutics IF:5.3Q1 DOI:10.1016/j.ijpharm.2025.125373 PMID:39961552	研究论文	本研究开发了一种结合深度学习算法的数字在线全息系统，用于实时检测腹膜透析液中的颗粒物和细菌污染	首次将数字在线全息技术与深度学习算法结合，实现了对腹膜透析液中颗粒物和细菌的实时检测与分类	目前仅针对高浓度细菌样本进行了验证，对于极低浓度细菌的检测灵敏度尚未验证	开发一种快速准确的腹膜透析液细菌污染检测方法	腹膜透析液中的颗粒物和细菌（大肠杆菌和铜绿假单胞菌）	数字病理	肾脏疾病	数字在线全息技术（DIH）	YOLOv8n	全息图像	含大肠杆菌和铜绿假单胞菌的腹膜透析液样本（浓度约100至10,000细菌/mL）
512	2025-05-09	Screening of estrogen receptor activity of per- and polyfluoroalkyl substances based on deep learning and in vivo assessment 2025-Mar-15, Environmental pollution (Barking, Essex : 1987) DOI:10.1016/j.envpol.2025.125843 PMID:39947576	研究论文	提出了一种基于深度学习的堆叠架构GXDNet，用于预测全氟和多氟烷基物质（PFAS）的雌激素受体α（ERα）活性，并通过实验验证了代表性PFAS分子的ERα活性	开发了GXDNet模型，整合分子描述符和分子图来预测化合物的ERα活性，提高了泛化能力，并揭示了氟化烷烃链对ERα结合亲和力的增强作用	研究集中于ERα活性，未涵盖PFAS的其他潜在毒性机制	开发预测PFAS雌激素受体活性的深度学习模型，以加速环保型PFAS分子的开发	全氟和多氟烷基物质（PFAS）分子	机器学习	NA	深度学习	GXDNet（堆叠深度学习架构）	分子描述符和分子图	10,067个PFAS分子
513	2025-05-09	TimePAD─Unveiling Temporal Sequence ELISA Signal by Deep Learning for Rapid Readout and Improved Accuracy in a Microfluidic Paper-Based Analytical Platform 2025-Mar-04, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.4c06001 PMID:39960863	研究论文	本文提出了一种通过深度学习分析时间序列比色数据来改进纸基微流控ELISA性能的新方法	利用时间序列数据而非传统静态数据，通过深度学习模型YOLOv8分析ELISA反应的动态变化，实现了更快的检测速度和更高的准确性	NA	提高纸基微流控ELISA的检测速度和准确性	纸基微流控ELISA平台	数字病理	心血管疾病	ELISA	YOLOv8	视频数据	使用Rabbit IgG作为ELISA检测模型，并扩展到疾病标志物cTnI的检测
514	2025-05-09	Video-based robotic surgical action recognition and skills assessment on porcine models using deep learning 2025-03, Surgical endoscopy DOI:10.1007/s00464-024-11486-3 PMID:39806176	research paper	该研究旨在利用深度学习开发一种自动化的手术技能评估工具，用于机器人辅助手术（RAS）中的动作识别和技能评估	结合CNN和LSTM的网络架构从手术视频中提取和分析时空特征，实现高精度的动作识别和技能评估	研究基于猪模型数据，未来需测试在临床环境中的适用性	开发自动化手术技能评估工具以辅助外科培训	机器人辅助手术（RAS）中的手术动作和技能水平	computer vision	NA	deep learning	CNN, LSTM	video	21名参与者（16名新手和5名经验丰富者）在猪模型上进行的16种不同腹腔内机器人辅助手术
515	2025-05-09	A Veterinary DICOM-Based Deep Learning Denoising Algorithm Can Improve Subjective and Objective Brain MRI Image Quality 2025-Mar, Veterinary radiology & ultrasound : the official journal of the American College of Veterinary Radiology and the International Veterinary Radiology Association IF:1.3Q2 DOI:10.1111/vru.70015 PMID:39945204	研究论文	本研究评估了一种专为兽医患者开发的基于DICOM的深度学习去噪算法对犬猫脑部MRI图像质量的影响	开发了首个专为兽医患者设计的DICOM-based深度学习去噪算法，并验证其在1.5T MRI上的效果	样本量较小(30只犬猫)，仅测试了1.5T MRI系统	评估深度学习去噪算法对兽医脑部MRI图像质量的改善效果	30只犬猫的脑部MRI图像	数字病理	兽医神经疾病	MRI	深度学习(DL)	医学影像	30只犬猫的脑部MRI图像
516	2025-05-09	DEEP LEARNING-DRIVEN SEGMENTATION OF DENTAL IMPLANTS AND PERI-IMPLANTITIS DETECTION IN ORTHOPANTOMOGRAPHS: A NOVEL DIAGNOSTIC TOOL 2025-Mar, The journal of evidence-based dental practice IF:4.1Q1 DOI:10.1016/j.jebdp.2024.102058 PMID:39947781	research paper	本研究开发了一种基于深度学习的牙种植体分割和种植体周围炎检测方法，以提高诊断准确性和效率	利用深度学习技术，特别是U-Net架构和CNN，实现了牙种植体的自动分割和种植体周围炎的检测，解决了现有诊断方法主观性强和耗时的问题	研究中存在165例假阳性结果，可能影响诊断的准确性	开发一种更准确和高效的牙种植体及种植体周围炎的诊断工具	牙种植体和种植体周围炎	digital pathology	dental disease	deep learning	U-Net, CNN	image	7696张正颌全景片（OPGs），其中3693个种植体
517	2025-05-09	Hybrid deep learning downscaling of GCMs for climate impact assessment and future projections in Oman 2025-Mar, Journal of environmental management IF:8.0Q1 DOI:10.1016/j.jenvman.2025.124522 PMID:39951996	research paper	该研究提出了一种混合深度学习方法，用于降尺度全球环流模型（GCMs），以评估气候变化对阿曼的影响并进行未来预测	提出了一种新颖的混合深度学习方法，结合了序列到序列模型、时间卷积网络（TCN）和Transformer解码器，优化了降尺度效果	研究仅针对阿曼的Wadi Dayqah流域，可能无法直接推广到其他地区	评估气候变化对水资源管理的影响并进行未来预测	阿曼的Wadi Dayqah流域	climate modeling	NA	混合深度学习方法，包括序列到序列模型、TCN和Transformer	TCN, Transformer, LSTM	气候数据（降水和温度）	14个GCMs模型，数据涵盖1992-2011年
518	2025-05-09	Intelligent biofilm detection with ensemble of deep learning networks 2025-Mar-01, Medicina oral, patologia oral y cirugia bucal DOI:10.4317/medoral.26937 PMID:39954282	research paper	本研究评估了使用U-Net神经网络和集成策略自动检测牙菌斑的性能	采用U-Net神经网络和集成策略自动检测牙菌斑，无需使用显色剂	研究为回顾性探索性研究，可能存在数据偏差	评估自动检测牙菌斑的深度学习方法	乳牙和恒牙的口内照片	digital pathology	dental disease	deep learning	U-Net	image	两个数据集的口内图像，具体数量未提及
519	2025-05-09	[18F]FDG administered activity reduction capabilities of a 32-cm axial field-of-view solid-state digital bismuth germanium oxide PET/CT system while maintaining EARL compliance 2025-Mar, Physica medica : PM : an international journal devoted to the applications of physics to medicine and biology : official journal of the Italian Association of Biomedical Physics (AIFB) DOI:10.1016/j.ejmp.2025.104935 PMID:39956005	研究论文	评估数字BGO 32厘米轴向视场PET系统在符合当前和更新的EANM Research Ltd氟-18认证规范（EARL1和EARL2）的情况下，降低[18F]FDG给药活性和/或扫描时间的能力	使用数字BGO PET系统结合深度学习图像增强技术（PDL），显著降低[18F]FDG给药活性，同时保持EARL1和EARL2合规性	研究仅基于幻影测量，未涉及实际患者数据	评估PET系统在降低放射性药物活性和扫描时间方面的性能	数字BGO 32厘米轴向视场PET系统（Omni Legend 32 cm）	医学影像	NA	PET/CT成像，深度学习图像增强（PDL）	NA	医学影像数据	使用校准QC和NEMA IEC幻影进行测量，图像质量QC扫描每小时重复一次，共7小时
520	2025-05-09	Adaptable graph neural networks design to support generalizability for clinical event prediction 2025-Mar, Journal of biomedical informatics IF:4.0Q2 DOI:10.1016/j.jbi.2025.104794 PMID:39956347	研究论文	本文提出了一种可适应性的图卷积神经网络设计，用于提高临床事件预测模型的泛化能力	利用图卷积神经网络的独特属性，使模型在训练后能够适应不同机构的数据，无需重新训练	外部验证数据集中存在缺失/不完整数据可能影响模型性能	解决临床事件预测模型在不同医疗机构间泛化能力不足的问题	电子健康记录中的患者人口统计数据和账单代码等多模态数据	机器学习	NA	图卷积神经网络(GCNN)	GCNN	多模态数据(包括人口统计数据和账单代码)	未明确说明具体样本数量