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
961	2025-03-16	Automatic Segmentation of Vestibular Schwannoma From MRI Using Two Cascaded Deep Learning Networks 2025-Apr, The Laryngoscope DOI:10.1002/lary.31979 PMID:39744768	研究论文	本文介绍了一种结合两个卷积神经网络（CNN）模型的新方法，用于通过深度学习自动分割和检测MRI中的前庭神经鞘瘤（VS），旨在提高自动分割的性能	提出了一种新颖的模型，结合了两个CNN模型，并利用空间注意力机制来进一步指导第二个网络的细化，从而提高了VS分割的性能	尽管在公共和私人数据集上观察到性能提升，但模型的泛化能力可能仍受限于肿瘤的变异性	提高前庭神经鞘瘤（VS）在MRI中的自动分割和检测性能	前庭神经鞘瘤（VS）	计算机视觉	前庭神经鞘瘤	深度学习	CNN, UNet	MRI图像	公共和私人数据集中的对比增强T1和高分辨率T2加权MRI图像
962	2025-03-16	Leveraging Natural Language Processing and Machine Learning Methods for Adverse Drug Event Detection in Electronic Health/Medical Records: A Scoping Review 2025-Apr, Drug safety IF:4.0Q1 DOI:10.1007/s40264-024-01505-6 PMID:39786481	综述	本文综述了利用自然语言处理（NLP）和机器学习（ML）技术从非结构化电子健康记录（EHR）数据中检测药物不良事件（ADEs）的有效性，以改进药物警戒	本文通过综述现有研究，展示了NLP/ML技术在从非结构化EHR数据中检测ADEs的潜力，并揭示了这些技术在发现未报告的不良事件和安全信号方面的优势	研究中存在技术和方法学的多样性，且缺乏标准化的方法和验证标准，阻碍了NLP/ML在药物警戒中的广泛应用	总结NLP/ML在从非结构化EHR数据中检测ADEs的有效性，以改进药物警戒	非结构化电子健康记录（EHR）数据	自然语言处理	NA	自然语言处理（NLP），机器学习（ML）	基于规则的NLP，统计模型，深度学习	非结构化文本数据	七项研究
963	2025-03-16	A novel deep learning-based pipeline architecture for pulp stone detection on panoramic radiographs 2025-Apr, Oral radiology IF:1.6Q3 DOI:10.1007/s11282-025-00804-7 PMID:39806222	研究论文	本文介绍了一种基于深度学习的两阶段管道架构，用于在全景X光片上检测牙髓结石	首次提出了一种两阶段管道架构，结合YOLOv8模型进行牙齿定位和ResNeXt模型进行牙髓结石分类，且在小样本数据集上取得了优异的表现	训练数据标注有限，可能影响模型的泛化能力	开发一种自动检测牙髓结石的方法，以辅助牙科学生和新毕业牙医的诊断	全景X光片中的牙髓结石	计算机视觉	牙科疾病	深度学习	YOLOv8, ResNeXt	图像	375张全景X光片
964	2025-03-16	Image quality and diagnostic performance of deep learning reconstruction for diffusion- weighted imaging in 3 T breast MRI 2025-Apr, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.111997 PMID:39970544	研究论文	本研究评估了深度学习重建（DLR）在3T乳腺MRI扩散加权成像（DWI）中的图像质量和诊断价值，并与传统的单次激发平面回波成像（ss-EPI）进行了比较	首次在3T乳腺MRI中比较了DLR和ss-EPI在DWI中的图像质量和诊断性能，并发现DLR在图像质量上显著优于ss-EPI，且不影响诊断性能	研究为单中心前瞻性研究，样本量相对较小（50名患者），且未涉及多中心验证	评估DLR在3T乳腺MRI DWI中的图像质量和诊断价值	50名接受乳腺MRI检查的患者及其62个乳腺病变（55个恶性，7个良性）	数字病理学	乳腺癌	扩散加权成像（DWI），深度学习重建（DLR）	深度学习模型	医学影像	50名患者，62个乳腺病变
965	2025-03-16	Automated segmentation by SCA-UNet can be directly used for radiomics diagnosis of thymic epithelial tumors 2025-Apr, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.112004 PMID:40014944	研究论文	本文介绍了一种名为SCA-UNet的深度学习网络，用于胸腺病变的自动分割，并应用于胸腺上皮肿瘤（TETs）的放射组学诊断和风险评估	提出了SCA-UNet模型，通过空间通道注意力机制增强了全局上下文感知能力，提高了分割效率和准确性	研究依赖于单一医院的CT数据集，可能影响模型的泛化能力	开发一种高效的自动分割模型，用于胸腺上皮肿瘤的放射组学诊断和风险评估	712名患有纵隔病变的患者	数字病理学	胸腺上皮肿瘤	深度学习	SCA-UNet	CT图像	712名患者
966	2025-03-16	The need for balancing 'black box' systems and explainable artificial intelligence: A necessary implementation in radiology 2025-Apr, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.112014 PMID:40031377	评论	本文讨论了在放射学中平衡'黑箱'系统和可解释人工智能的必要性	提出了在放射学中优先考虑可解释人工智能（XAI）的观点，以增强透明度和伦理标准	XAI可能不如黑箱模型性能优越	探讨在放射学中实施人工智能的挑战和解决方案	放射学中的人工智能系统	机器学习和数字病理学	NA	机器学习和深度学习	黑箱模型和可解释人工智能（XAI）	图像数据	NA
967	2025-03-16	Deep learning combined Monte Carlo simulation reveal the fundamental light propagation in apple puree: Monitoring the quality changes from different cultivar, storage period and heating duration 2025-Apr, Food research international (Ottawa, Ont.) DOI:10.1016/j.foodres.2025.115997 PMID:40086950	研究论文	本研究通过深度学习结合蒙特卡罗模拟，揭示了苹果泥中光传播的基本规律，以监测不同品种、储存期和加热时间对苹果泥质量的影响	结合深度学习和蒙特卡罗模拟，首次系统地研究了苹果泥在不同条件下的光传播特性，并提出了基于光学参数的质量监测策略	研究仅针对苹果泥，未涉及其他水果或食品基质的光传播特性	研究苹果泥在不同条件下的光传播特性，以监测其化学、结构和流变学参数的变化	苹果泥	机器学习	NA	蒙特卡罗模拟	反向传播神经网络	光学数据	不同品种、储存期和加热时间的苹果泥样本
968	2025-03-15	PM2.5 concentration prediction using a whale optimization algorithm based hybrid deep learning model in Beijing, China 2025-Apr-15, Environmental pollution (Barking, Essex : 1987) DOI:10.1016/j.envpol.2025.125953 PMID:40032225	研究论文	本研究提出了一种结合鲸鱼优化算法（WOA）、卷积神经网络（CNN）、长短期记忆网络（LSTM）和注意力机制（AM）的混合深度学习模型，用于预测北京的PM2.5浓度	提出了一种新的混合机器学习模型，结合了WOA、CNN、LSTM和AM，显著提高了PM2.5浓度预测的准确性	研究仅使用了2014年至2018年的气象和空气污染数据，可能无法完全反映其他时间段或地区的PM2.5浓度变化	开发一种可靠的短期和中期PM2.5浓度预测工具，以评估空气污染风险并提供早期预警	北京的PM2.5浓度	机器学习	NA	NA	CNN, LSTM, WOA, AM	气象和空气污染数据	2014年至2018年的每日数据
969	2025-03-15	Prediction of pink esthetic score using deep learning: A proof of concept 2025-Apr, Journal of dentistry IF:4.8Q1 DOI:10.1016/j.jdent.2025.105601 PMID:39892738	研究论文	本研究旨在开发一个深度学习模型，用于预测单颗种植体在美学区的美学评分	首次使用深度学习模型结合口腔内照片和临床特征预测粉红色美学评分（PES）	样本量较小（226个样本），需要进一步收集更多样本和临床特征以提升模型性能	开发一个深度学习模型，用于预测单颗种植体在美学区的美学评分	单颗种植体在美学区的美学评分	计算机视觉	NA	深度学习	深度学习模型	图像和临床数据	226个样本，每个样本包含三张口腔内照片和12个临床特征
970	2025-03-15	Importance of dataset design in developing robust U-Net models for label-free cell morphology evaluation 2025-Apr, Journal of bioscience and bioengineering IF:2.3Q3 DOI:10.1016/j.jbiosc.2025.01.004 PMID:39933975	研究论文	本研究探讨了训练数据集设计对U-Net模型在无标记细胞形态评估中鲁棒性的影响	研究发现，使用仅10张4×物镜拍摄的原始图像即可开发出鲁棒的细胞分割模型，远小于通常假设的数据集大小	研究主要关注细胞培养中数据可用性有限的挑战，未涉及其他可能影响模型性能的因素	研究目的是评估数据集设计对U-Net模型在细胞分割中鲁棒性的影响	四种代表关键形态类别的细胞类型	计算机视觉	NA	深度学习	U-Net	图像	2592对图像，来自四种细胞类型
971	2025-03-15	Automated pediatric TMJ articular disk identification and displacement classification in MRI with machine learning 2025-Apr, Journal of dentistry IF:4.8Q1 DOI:10.1016/j.jdent.2025.105622 PMID:39952550	研究论文	本文评估了一种自动化两步模型在解释儿童颞下颌关节（TMJ）磁共振成像（MRI）中的表现，该模型利用人工智能（AI）技术，首先自动识别关节盘和TMJ骨结构，然后通过自动算法对关节盘位移进行分类	本文的创新点在于开发了一种自动化两步模型，能够准确识别儿童TMJ骨结构并分类关节盘位移，这在儿童TMJ-MRI解释中具有重要临床意义	本文的局限性在于样本量相对较小，仅包含235名儿童患者的470个关节，且模型的Dice系数和Hausdorff距离仍有提升空间	研究目的是评估一种自动化模型在儿童TMJ-MRI中的表现，以提高TMJ-MRI的解释和儿童TMJ疾病的评估	研究对象为235名儿童患者的470个颞下颌关节	医学影像分析	颞下颌关节疾病	深度学习	UNet++	MRI图像	235名儿童患者的470个关节
972	2025-03-14	Identifying RNA-small Molecule Binding Sites Using Geometric Deep Learning with Language Models 2025-Apr-15, Journal of molecular biology IF:4.7Q1 DOI:10.1016/j.jmb.2025.169010 PMID:39961524	研究论文	本文介绍了一种名为RNABind的几何深度学习框架，用于从RNA结构中检测RNA-小分子结合位点	RNABind结合了RNA大语言模型（LLMs）和先进的几何深度学习网络，能够同时编码RNA序列和结构信息，并在RNA-小分子结合位点预测任务中优于现有最先进的方法	NA	开发一种准确且高效的计算方法来预测RNA-小分子结合位点，以促进RNA靶向药物发现	RNA-小分子结合位点	自然语言处理	NA	几何深度学习	LLMs（大语言模型）	RNA序列和结构信息	从整个多链复合结构而非单链RNA中编译的最大RNA-小分子相互作用数据集
973	2025-03-14	A quantitatively interpretable model for Alzheimer's disease prediction using deep counterfactuals 2025-Apr-01, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2025.121077 PMID:39954872	研究论文	本文提出了一种基于深度反事实推理的定量可解释模型，用于预测阿尔茨海默病	通过合成反事实标记的结构MRI并将其转化为灰质密度图，提供定量特征以增强解释性，并设计了一个轻量级线性分类器以提高预测性能	仅依赖视觉检查的视觉解释图不足以证明其医学或神经科学有效性，需要进一步验证	开发一种定量可解释的模型，用于预测阿尔茨海默病并提供直观的脑状态理解	阿尔茨海默病患者	数字病理学	老年病	深度学习	线性分类器	MRI图像	未提及具体样本数量
974	2025-03-14	Noninvasive Artificial Intelligence System for Early Predicting Residual Cancer Burden During Neoadjuvant Chemotherapy in Breast Cancer 2025-Apr-01, Annals of surgery IF:7.5Q1 DOI:10.1097/SLA.0000000000006279 PMID:38557792	研究论文	开发一种人工智能系统，用于在乳腺癌新辅助化疗期间早期预测残留癌症负担	提出了一种多任务AI系统，能够在乳腺癌新辅助化疗期间早期预测残留癌症负担，填补了早期检测方法的空白	研究依赖于MRI图像，可能受到图像质量和采集条件的限制	开发一种非侵入性的人工智能系统，用于早期预测乳腺癌新辅助化疗期间的残留癌症负担	1048名接受新辅助化疗的乳腺癌患者	数字病理	乳腺癌	放射组学和深度学习特征提取	多任务AI系统	MRI图像	1048名患者（335名主要队列，713名外部验证队列）
975	2025-03-13	Deep-Learning-Based Disease Classification in Patients Undergoing Cine Cardiac MRI 2025-Apr, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.29619 PMID:39353848	研究论文	本文开发了一种基于MRI的深度学习疾病分类算法，用于区分正常受试者和患有扩张型心肌病、肥厚型心肌病及缺血性心脏病的患者	利用变分自编码器模型从心脏MRI图像中自动提取特征，并通过添加未标记的正常数据来提高正常类别的特异性	研究为回顾性设计，可能限制了结果的普遍性	开发一种能够快速、可重复地从MRI中评估心血管疾病的自动化方法	1337名受试者，包括正常受试者和患有扩张型心肌病、肥厚型心肌病及缺血性心脏病的患者	计算机视觉	心血管疾病	MRI	变分自编码器	图像	1337名受试者（55%女性），包括568名正常受试者，151名扩张型心肌病患者，177名肥厚型心肌病患者，441名缺血性心脏病患者
976	2025-03-13	A Paradigm of Computer Vision and Deep Learning Empowers the Strain Screening and Bioprocess Detection 2025-Apr, Biotechnology and bioengineering IF:3.5Q2 DOI:10.1002/bit.28926 PMID:39821114	研究论文	本研究提出并验证了一种结合计算机视觉与深度学习的创新研究范式，以促进高效的菌株选择和有效的发酵过程优化	结合计算机视觉与深度学习，提出了一种新的研究范式，用于菌株筛选和发酵过程优化，实现了高效和高精度的检测	研究主要针对特定生物过程（如庆大霉素C1a的发酵过程），可能不适用于所有类型的生物制造过程	提高菌株筛选和发酵过程优化的效率和准确性	菌株筛选和发酵过程	计算机视觉	NA	深度学习	1D-CNN	图像	NA
977	2025-03-13	Automated Euler number of the alveolar capillary network based on deep learning segmentation with verification by stereological methods 2025-Apr, Journal of microscopy IF:1.5Q3 DOI:10.1111/jmi.13390 PMID:39887731	研究论文	本文探讨了深度学习在处理肺泡毛细血管网络（ACN）分割、三维重建及自动化定量分析中的适用性，并与体视学方法进行验证	使用深度学习技术对SBF-SEM数据进行ACN分割，尽管训练数据有限且采用2D而非3D方法，仍生成了比现有方法更完整的初始分割	分析的数据量有限，未获得关于BPD引起的ACN改变的代表性数据，且需要进一步减少手动交互以充分利用自动化软件工具	开发高效的方法进行肺泡毛细血管网络的定量比较研究	肺泡毛细血管网络（ACN）	数字病理学	肺病	深度学习（DL），序列块面扫描电子显微镜（SBF-SEM）	2D深度学习模型	图像	有限的数据量，未具体说明样本数量
978	2025-03-12	Unlocking the potential of digital pathology: Novel baselines for compression 2025-Apr, Journal of pathology informatics DOI:10.1016/j.jpi.2025.100421 PMID:40059908	研究论文	本文探讨了数字病理学中全切片图像（WSI）的压缩问题，提出了一种新的评估指标，用于评估感知质量和下游任务质量	提出了一种基于特征相似性的新评估指标，能够很好地与压缩WSI的实际下游性能对齐，并鼓励统一评估有损压缩方案以加速数字病理学的临床应用	深度学习模型在训练数据中存在的压缩伪影上表现出显著偏差，难以在各种压缩方案中泛化	评估和优化数字病理学中全切片图像的压缩方案，以提高临床决策的准确性和效率	全切片图像（WSI）	数字病理学	NA	深度学习	NA	图像	四个不同的数据集
979	2025-03-11	Automatic visual detection of activated sludge microorganisms based on microscopic phase contrast image optimisation and deep learning 2025-Apr, Journal of microscopy IF:1.5Q3 DOI:10.1111/jmi.13385 PMID:39846854	研究论文	本文提出了一种基于显微相差图像优化和深度学习的污泥微生物检测方法，旨在提高污水处理系统中微生物的快速准确检测	提出了一种基于融合方差的相差图像质量优化算法，设计了轻量级YOLOv8n-SimAM模型，并引入了SimAM注意力模块和新的损失函数IW-IoU，以提高检测精度和运行速度	NA	提高污水处理系统中微生物的检测精度和速度	活性污泥中的微生物	计算机视觉	NA	深度学习	YOLOv8n-SimAM	显微相差图像	包含八种微生物的数据集
980	2025-03-11	PBScreen: A server for the high-throughput screening of placental barrier-permeable contaminants based on multifusion deep learning 2025-Apr-01, Environmental pollution (Barking, Essex : 1987) DOI:10.1016/j.envpol.2025.125858 PMID:39954759	研究论文	本文介绍了一个名为PBScreen的服务器，用于基于多融合深度学习模型高效筛选能够穿过胎盘屏障的污染物	使用多融合深度学习模型进行污染物筛选，相比传统细胞跨膜实验方法，提高了筛选效率和准确性	虽然模型在外部验证集和BeWo细胞跨膜实验中表现出良好的鲁棒性和泛化能力，但仍需进一步验证其在更广泛应用场景中的有效性	开发一种高效的高通量筛选工具，用于识别能够穿过胎盘屏障的污染物，以增强与关键公共卫生问题相关的污染物风险评估	能够穿过胎盘屏障的污染物	机器学习	NA	深度学习	图卷积网络（GCN）和深度神经网络（DNN）	化学数据	NA