深度学习在生物医药领域的应用

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	算法框架	模型架构	性能指标	计算资源
361	2025-05-12	A feasibility study of lung tumor segmentation on kilo-voltage radiographic images with transfer learning: Toward tumor motion tracking in radiotherapy 2025-Apr, 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.2025.104943 PMID:40023957	research paper	研究通过迁移学习在千伏X射线影像上分割肺部肿瘤，以实现无标记肿瘤运动追踪	提出了一种结合迁移学习和深度分割网络陪审团委员会（TL-DSN-JC）的新算法，显著提升了肿瘤分割的准确性	研究样本量相对较小，仅包含80名患者的1150张影像，可能影响模型的泛化能力	开发一种无标记的肺部肿瘤运动追踪方法，以提高放射治疗的精确性	肺部肿瘤患者的千伏X射线影像	digital pathology	lung cancer	迁移学习，深度学习	VGG-16/19, TL-DSN-JC	image	1150张影像来自80名肺癌患者	NA	NA	NA	NA
362	2025-05-12	Evaluating auto-contouring accuracy in reduced CT dose images for radiopharmaceutical therapies: Denoising and evaluation of 177Lu DOTATATE therapy dataset 2025-Apr, Journal of applied clinical medical physics IF:2.0Q3 DOI:10.1002/acm2.70066 PMID:40025651	research paper	评估在降低CT剂量图像中自动轮廓勾画的准确性，用于放射性药物治疗，特别是177Lu DOTATATE治疗数据集	使用深度学习方法（DenseNet）进行图像去噪，以支持在177Lu DOTATATE治疗期间降低CT剂量	研究仅针对177Lu DOTATATE治疗数据集，未涉及其他放射性药物治疗	评估降低CT剂量对器官分割准确性的影响，并探索去噪方法对提高剂量测定准确性的潜力	177Lu DOTATATE治疗患者的CT图像数据	digital pathology	NA	CT, SPECT/CT, deep learning	DenseNet, TotalSegmentator	image	177Lu DOTATATE患者数据集	NA	NA	NA	NA
363	2025-05-12	GAICN: Graph Attention Iterative Contraction Network for Bioluminescence Tomography 2025-Apr, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3510837 PMID:40030505	研究论文	提出了一种名为GAICN的新型网络，用于生物发光断层扫描（BLT），以提高重建性能、稳定性和泛化能力	结合图注意力机制和迭代收缩激活函数，实现非局部特征聚合和动态权重调整，增强网络的泛化性、稳定性和可解释性	未明确提及具体局限性	提高生物发光断层扫描的重建性能、稳定性和泛化能力	生物发光断层扫描（BLT）中的光源分布	数字病理	NA	深度学习	GAICN（Graph Attention Iterative Contraction Network）	三维肿瘤信息	仿真和体内实验	NA	NA	NA	NA
364	2025-05-12	Training-Free Image Style Alignment for Domain Shift on Handheld Ultrasound Devices 2025-Apr, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3522071 PMID:40030591	研究论文	提出了一种无需训练的图像风格对齐方法（TISA），用于解决手持超声设备数据与标准设备数据之间的领域偏移问题	TISA无需源数据，能够在测试时转换图像风格并保留空间上下文，且避免了预训练模型的持续更新	未提及具体的数据集规模或实验条件的限制	解决手持超声设备数据与标准设备数据之间的领域偏移问题，提升自动诊断的准确性和稳定性	手持超声设备数据	计算机视觉	NA	图像风格对齐	NA	图像	NA	NA	NA	NA	NA
365	2025-05-12	Enhanced DTCMR With Cascaded Alignment and Adaptive Diffusion 2025-Apr, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3523431 PMID:40030837	research paper	提出了一种结合张量信息的深度学习框架，用于群组可变形配准，有效校正DTCMR中的帧间运动	引入了级联配准分支和平行分支的新框架，结合精炼的损失函数和去噪技术，显著提高了DTCMR成像的准确性	未提及方法在极端运动情况下的表现，以及在不同设备或采集参数下的泛化能力	改进扩散张量心血管磁共振成像（DTCMR）的帧间运动校正，提高临床生物标志物张量估计的准确性	心肌微结构的可视化	digital pathology	cardiovascular disease	diffusion tensor cardiovascular magnetic resonance (DTCMR)	deep learning framework	image	超过900例病例数据（2012-2023年）	NA	NA	NA	NA
366	2025-05-12	Amyloid-β Deposition Prediction With Large Language Model Driven and Task-Oriented Learning of Brain Functional Networks 2025-Apr, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3525022 PMID:40030867	研究论文	该论文提出了一种基于大型语言模型和任务导向学习的大脑功能网络预测淀粉样蛋白沉积的新方法	1) 预训练的大型语言模型节点嵌入编码器，用于从fMRI信号中提取任务相关特征；2) 任务导向的分层功能连接网络学习模块，增强不同脑区复杂关联的表示；3) 任务特征一致性损失，促进预测与真实淀粉样蛋白值的相似性	NA	开发一种基于功能连接网络的淀粉样蛋白沉积预测方法，以替代昂贵且具有高放射性的正电子发射断层扫描	阿尔茨海默病患者的大脑功能连接网络	数字病理学	阿尔茨海默病	fMRI	大型语言模型	功能磁共振成像数据	NA	NA	NA	NA	NA
367	2025-05-12	CTUSurv: A Cell-Aware Transformer-Based Network With Uncertainty for Survival Prediction Using Whole Slide Images 2025-Apr, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3526848 PMID:40031069	研究论文	提出了一种基于细胞感知的Transformer网络CTUSurv，用于全切片图像的生存预测，并引入不确定性估计框架以提高预测的可靠性	首次结合细胞间及细胞与微环境相互作用建模，并开发区域级不确定性估计模块	未明确说明模型在临床环境中的实际部署可行性	提升全切片图像生存预测的准确性和可信度	全切片图像中的细胞及微环境特征	数字病理学	NA	深度学习	Transformer	全切片图像(WSI)	四个数据集（未明确样本数量）	NA	NA	NA	NA
368	2025-05-12	Use of deep learning model for paediatric elbow radiograph binomial classification: initial experience, performance and lessons learnt 2025-04-01, Singapore medical journal IF:1.7Q2 DOI:10.4103/singaporemedj.SMJ-2022-078 PMID:40258236	research paper	本研究比较了基于卷积神经网络（CNN）的深度学习模型与儿科急诊医生在儿童肘部X光片二分类任务上的表现	使用EfficientNet B1网络架构训练AI模型，首次在儿童肘部X光片二分类任务中与医生表现进行对比	样本量相对较小（1314张X光片），医生间一致性仅为一般水平（fair inter-rater agreement）	评估深度学习模型在儿童肘部X光片异常检测中的性能	儿童肘部侧位X光片（正常与异常）	digital pathology	NA	deep learning	CNN (EfficientNet B1)	image (radiographs)	1314张儿科肘部X光片（平均年龄8.2岁），分为开发集（993张）、调优集（209张）和测试集（112张）	NA	NA	NA	NA
369	2025-05-12	Transformer-based deep learning enables improved B-cell epitope prediction in parasitic pathogens: A proof-of-concept study on Fasciola hepatica 2025-Apr, PLoS neglected tropical diseases IF:3.4Q1 DOI:10.1371/journal.pntd.0012985 PMID:40300022	研究论文	本文介绍了一种基于Transformer的深度学习模型deepBCE-Parasite，用于预测寄生虫病原体中的B细胞表位	利用最先进的自注意力机制，模型在预测线性B细胞表位方面表现出色，准确率约为81%，AUC为0.90	研究仅针对Fasciola hepatica进行了案例验证，未在其他寄生虫病原体上广泛测试	提高B细胞表位的预测准确性，推动基于表位的疫苗设计、治疗性抗体开发和诊断应用	寄生虫病原体中的B细胞表位，特别是Fasciola hepatica的亮氨酸氨基肽酶（LAP）蛋白	机器学习	寄生虫病	深度学习	Transformer	肽序列	Fasciola hepatica的蛋白质组数据	NA	NA	NA	NA
370	2025-05-12	Technical note: Impact of tissue section thickness on accuracy of cell classification with a deep learning network 2025-Apr, Journal of pathology informatics DOI:10.1016/j.jpi.2025.100440 PMID:40343112	研究论文	研究组织切片厚度对深度学习网络细胞分类准确性的影响	确定了用于细胞分类系统的最佳组织切片厚度，并详细描述了不同厚度引入的形态学差异	研究仅针对肝脏组织，未涉及其他组织类型	优化深度学习网络在常规组织病理学中的细胞分类准确性	肝脏组织中的肝细胞和非肝细胞	数字病理学	NA	HE染色、深度学习	ResNet、随机森林	图像	手动切割的5种厚度肝脏切片和自动切片机(DS)切割的切片	NA	NA	NA	NA
371	2025-05-11	Transfer learning and data augmentation for glucose concentration prediction from colorimetric biosensor images 2025-Apr-08, Mikrochimica acta DOI:10.1007/s00604-025-07136-7 PMID:40199789	研究论文	介绍了一种深度学习算法，用于通过比色纸传感器图像准确预测葡萄糖浓度	采用迁移学习和数据增强技术，简化了预测过程，无需单独的特征提取	需要大量训练数据，尽管数据增强技术试图缓解这一问题	开发一种基于深度学习的葡萄糖浓度预测方法	比色纸传感器图像	计算机视觉	NA	迁移学习, 数据增强	ResNet50, ResNet101, GoogLeNet, VGG-19	图像	五种不同葡萄糖浓度的比色纸传感器图像数据集	NA	NA	NA	NA
372	2025-10-07	Deep Learning Technology for Classification of Thyroid Nodules Using Multi-View Ultrasound Images: Potential Benefits and Challenges in Clinical Application 2025-Apr, Endocrinology and metabolism (Seoul, Korea) DOI:10.3803/EnM.2024.2058 PMID:39805576	研究论文	本研究评估深度学习技术在甲状腺超声图像结节分类中的应用价值	采用孪生神经网络实现横纵切面超声图像的多视角分析，并比较多种CNN架构性能	模型性能受不同医师和设备采集的图像质量影响，存在临床适用性差异	评估深度学习技术对甲状腺结节良恶性分类的临床应用潜力	甲状腺结节患者的超声图像	计算机视觉	甲状腺癌	超声成像	CNN	图像	943名患者的1048个甲状腺结节（其中306个为恶性）	NA	ResNet50, DenseNet201, EfficientNetv2_s	准确率, 灵敏度	NA
373	2025-10-07	Leveraging Radiomics and Hybrid Quantum-Classical Convolutional Networks for Non-Invasive Detection of Microsatellite Instability in Colorectal Cancer 2025-Apr, Molecular imaging and biology IF:3.0Q2 DOI:10.1007/s11307-025-01990-w PMID:39979579	研究论文	本研究开发了一种结合影像组学和混合量子-经典卷积网络的新框架，用于结直肠癌微卫星不稳定性的无创检测	首次将混合量子-经典神经网络应用于结直肠癌MSI状态识别，并采用自注意力对抗染色标准化和可瘦身Transformer进行肿瘤分割	NA	开发新型框架识别结直肠癌MSI状态，以改善临床决策和患者预后	结直肠癌患者	数字病理学	结直肠癌	影像组学分析	混合量子-经典卷积网络, Transformer	组织病理学切片图像	来自NCT-CRC-HE-100K和PAIP 2020数据库的病理图像	NA	Slimmable Transformer, 混合量子-经典神经网络	准确率	NA
374	2025-10-07	AI-MET: A deep learning-based clinical decision support system for distinguishing multisystem inflammatory syndrome in children from endemic typhus 2025-Apr, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109815 PMID:39987695	研究论文	开发基于深度学习的临床决策支持系统AI-MET，用于区分儿童多系统炎症综合征和地方性斑疹伤寒	提出首个专门区分MIS-C和地方性斑疹伤寒的CDSS系统，仅需急诊科前6小时的临床和实验室特征即可实现及时鉴别	样本量相对有限（训练集220例，验证集111例），需要进一步外部验证	开发能够准确区分MIS-C和地方性斑疹伤寒的临床决策支持工具	儿童多系统炎症综合征患者和地方性斑疹伤寒患者	医疗人工智能	儿童炎症性疾病，传染病	深度学习	深度学习模型	临床数据和实验室数据	训练测试集：87例斑疹伤寒患者和133例MIS-C患者；验证集：111例MIS-C患者	NA	AI-MET系统	灵敏度，特异性，准确率，精确度	NA
375	2025-10-07	Missing-modality enabled multi-modal fusion architecture for medical data 2025-Apr, Journal of biomedical informatics IF:4.0Q2 DOI:10.1016/j.jbi.2025.104796 PMID:39988001	研究论文	提出一种能够处理缺失模态的医学多模态融合架构，用于疾病诊断和死亡率预测	开发了基于Transformer的双模态融合模块，构建三模态融合框架，并引入多变量损失函数提高对缺失模态的鲁棒性	仅在MIMIC-IV和MIMIC-CXR数据集上进行验证，需要进一步扩展到更多模态和数据集	开发对缺失模态具有鲁棒性的医学多模态融合架构，提升临床任务性能	胸部X光片、放射学报告和结构化数值数据	医学人工智能	胸部疾病	多模态融合	Transformer	图像, 文本, 表格数据	MIMIC-IV和MIMIC-CXR数据集	NA	Transformer-based双模态融合模块	AUROC, AUPRC	NA
376	2025-10-07	Prediction and detection of terminal diseases using Internet of Medical Things: A review 2025-Apr, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109835 PMID:39999492	综述	本文综述了人工智能与医疗物联网在预测和检测终末期疾病中的应用，分析当前挑战与解决方案	系统评估了联邦学习、迁移学习和区块链等先进策略在提升AI-IoMT系统鲁棒性、数据安全性和互操作性方面的有效性	作为综述文章，未进行原始实验验证，主要基于现有文献分析	评估AI-IoMT技术在预测慢性病和终末期疾病中的有效性，并探讨相关挑战	心血管疾病、阿尔茨海默病和各类癌症等终末期疾病	医疗物联网	心血管疾病,阿尔茨海默病,癌症	NA	XGBoost,Random Forest,CNN,LSTM	医疗物联网数据	NA	NA	NA	NA	NA
377	2025-10-07	Prediction of school PM2.5 by an attention-based deep learning approach informed with data from nearby air quality monitoring stations 2025-Apr, Chemosphere IF:8.1Q1 DOI:10.1016/j.chemosphere.2025.144241 PMID:39999669	研究论文	提出基于注意力深度卷积自编码器的深度学习软传感器，利用附近监测站数据预测学校室内外PM2.5浓度	完全无需学校现场传感器，通过注意力机制深度学习模型利用周边监测站数据实现PM2.5浓度预测	NA	开发无需现场传感器的学校PM2.5浓度预测方法，保障健康学习环境	学校室内（教室）和室外（操场）的PM2.5浓度	机器学习	NA	软传感器技术	注意力深度卷积自编码器（ADCAE）	空气质量监测数据	多所学校（小学、初中、高中）	NA	注意力深度卷积自编码器	决定系数（R）、均方误差、平均绝对误差	NA
378	2025-10-07	Deep learning-based LDL-C level prediction and explainable AI interpretation 2025-Apr, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109905 PMID:40010176	研究论文	本研究利用深度学习模型预测低密度脂蛋白胆固醇水平，并与传统方法和公式进行比较	首次将CNN、RNN和LSTM等深度学习模型应用于LDL-C预测，并使用LIME方法提供模型解释	深度学习模型需要更多计算资源来解释决策过程	开发更准确的LDL-C预测方法以评估心血管疾病风险	低密度脂蛋白胆固醇水平预测	机器学习	心血管疾病	临床血液检测	CNN, RNN, LSTM	临床检测数据	NA	NA	CNN, RNN, LSTM	准确率	NA
379	2025-10-07	Automated vertebral compression fracture detection and quantification on opportunistic CT scans: a performance evaluation 2025-Apr, Clinical radiology IF:2.1Q2 DOI:10.1016/j.crad.2025.106831 PMID:40010260	研究论文	开发并评估基于深度学习的自动算法，用于在机会性CT扫描中检测和量化椎体压缩性骨折	首次使用2D/3D U-Nets卷积神经网络在机会性CT扫描中自动筛查椎体压缩性骨折并量化椎体高度损失	样本量相对较小（100例患者），且为回顾性研究设计	评估深度学习算法在机会性CT扫描中自动检测和量化椎体压缩性骨折的性能	2019年1月至2020年8月期间因各种适应症（非VCF疑似）接受CT扫描的患者	数字病理学	骨质疏松症	CT扫描	CNN	医学影像	100例患者（平均年龄76.6岁，72%为女性）	NA	2D U-Net, 3D U-Net	敏感性, 特异性, 组内相关系数, Pearson相关系数, 一致性界限	NA
380	2025-05-11	Comprehensive analysis of human dendritic spine morphology and density 2025-Apr-01, Journal of neurophysiology IF:2.1Q3 DOI:10.1152/jn.00622.2024 PMID:40013734	研究论文	本文通过对27名患者的人脑组织进行综合研究，分析了树突棘的形态和密度，并利用深度学习模型实现了自动化的树突棘分割和三维重建	首次使用人脑组织进行树突棘的深入分析，结合深度学习与传统方法，实现了高效的自动化处理	样本量相对较小（27名患者），且仅来自肿瘤或癫痫手术患者，可能影响结果的普遍性	研究人脑树突棘的形态和密度差异，探索其与神经和精神疾病的潜在联系	27名患者（8名女性，19名男性，年龄18-71岁）的脑组织样本	神经科学	神经疾病	三维重建、深度学习	深度学习模型	图像	27名患者的脑组织样本，近4000个形态重建的树突棘	NA	NA	NA	NA