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
1281	2025-04-08	Skull CT metadata for automatic bone age assessment by using three-dimensional deep learning framework 2025-Apr-07, International journal of legal medicine IF:2.2Q1 DOI:10.1007/s00414-025-03469-3 PMID:40192774	研究论文	本研究开发了一种基于三维深度学习框架的头骨CT元数据自动骨龄评估方法，并探索了新的头骨标记物	提出了一种新的三维深度学习框架，用于头骨CT元数据的骨龄评估，并探索了新的头骨标记物	模型在老年组中表现出较大的误差	开发一种准确的三维深度学习框架，用于头骨CT元数据的骨龄评估	头骨CT元数据	计算机视觉	NA	CT扫描	三维深度学习框架	图像	1,085名患者（385,175个头骨CT切片），外加101名患者作为外部验证集
1282	2025-04-08	Phantom-based evaluation of image quality in Transformer-enhanced 2048-matrix CT imaging at low and ultralow doses 2025-Apr-07, Japanese journal of radiology IF:2.9Q2 DOI:10.1007/s11604-025-01755-z PMID:40193009	研究论文	比较标准512矩阵、标准1024矩阵和基于Swin2SR的2048矩阵幻影图像在不同扫描协议下的质量	使用Swin2SR超分辨率模型生成2048矩阵图像，相比标准512和1024矩阵图像，提高了空间分辨率并降低了图像噪声	研究仅基于Catphan 600幻影，未涉及真实患者数据	评估Transformer增强的2048矩阵CT图像在低剂量和超低剂量下的图像质量	Catphan 600幻影	医学影像	NA	多排CT扫描、超分辨率重建	Swin2SR、SRCNN	CT图像	Catphan 600幻影
1283	2025-04-08	Optimization on multifractal loss landscapes explains a diverse range of geometrical and dynamical properties of deep learning 2025-Apr-05, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-58532-9 PMID:40185730	research paper	该论文提出了一个理论框架，将深度学习中的损失景观复杂性建模为多重分形，以解释优化器在复杂景观中导航的能力	引入多重分形模型统一解释损失景观的几何特征和优化动力学，提出分数扩散理论说明优化过程如何引导向平滑解空间	未提及具体实验验证或实际应用案例	理解深度学习优化器在复杂损失景观中的动态导航机制	深度学习中的损失景观和优化过程	machine learning	NA	NA	deep neural networks	NA	NA
1284	2025-04-08	CT-based radiomics deep learning signatures for non-invasive prediction of metastatic potential in pheochromocytoma and paraganglioma: a multicohort study 2025-Apr-05, Insights into imaging IF:4.1Q1 DOI:10.1186/s13244-025-01952-4 PMID:40185919	research paper	该研究开发并验证了基于CT的放射组学深度学习特征，用于无创预测嗜铬细胞瘤和副神经节瘤的转移潜能	结合放射组学特征和深度学习模型（ResNet），构建了一个能够术前预测PPGL转移潜能的组合模型	研究为回顾性分析，样本量相对有限（249例患者）	开发非侵入性预测嗜铬细胞瘤和副神经节瘤转移潜能的方法	嗜铬细胞瘤和副神经节瘤（PPGL）患者	digital pathology	pheochromocytoma and paraganglioma	CT imaging, radiomics, deep learning	SVM, ResNet-50	CT images	249例PPGL患者（训练集138例，测试集1 71例，测试集2 40例）
1285	2025-04-08	Short-Term Residential Load Forecasting Framework Based on Spatial-Temporal Fusion Adaptive Gated Graph Convolution Networks 2025-Apr-04, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2025.3551778 PMID:40184286	研究论文	提出了一种基于时空融合自适应门控图卷积网络的短期住宅负荷预测框架	引入了时空融合图构建和创新的门控自适应融合图卷积机制，动态建模时空相关性	未提及具体的数据集规模或实际应用中的潜在限制	提高现代电网中波动性和间歇性电力负荷的预测准确性	住宅短期电力负荷	机器学习	NA	时空融合图卷积网络（STFGCN）、门控时间卷积网络（Gated TCN）	STFAG-GCNs	时空数据	NA
1286	2025-04-08	Parallel boosting neural network with mutual information for day-ahead solar irradiance forecasting 2025-Apr-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-95891-1 PMID:40185800	research paper	提出了一种新颖的并行提升神经网络框架（PBNN），用于日前太阳辐照度预测，结合了提升算法和前馈神经网络	提出了一种新的并行提升神经网络框架（PBNN），结合了三种提升决策树算法（XgBoost、CatBoost和RF回归器）作为基础学习器，并通过前馈神经网络（FFNN）分配最优权重以生成最终预测	虽然PBNN在性能上有所提升，但其计算复杂度可能仍然较高，且依赖于特征选择算法的准确性	提高日前太阳辐照度预测的准确性，以支持光伏系统的可靠运行	太阳辐照度数据	machine learning	NA	并行提升神经网络（PBNN）、互信息（MI）算法	PBNN、XgBoost、CatBoost、RF、FFNN	太阳辐照度数据	两个地理数据集（伊斯兰堡和圣地亚哥）
1287	2025-04-08	Improved deep learning model for accurate energy demand prediction and conservation in electric vehicles integrated with cognitive radio networks 2025-Apr-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-94650-6 PMID:40185809	research paper	提出了一种改进的深度学习模型，用于准确预测电动汽车与认知无线电网络整合中的能源需求并实现节能	结合经验模态分解、CNN和海鸥优化算法（EMD-CNN-SOA），提高了能源需求预测的准确性	未提及具体的数据集来源或实验环境限制	解决电动汽车能源需求预测和节能问题，减轻电网负担并降低充电成本	电动汽车和认知无线电网络	machine learning	NA	Empirical Mode Decomposition, Seagull Optimization Algorithm	EMD-CNN-SOA, CNN, LSTM, RNN	NA	NA
1288	2025-04-08	A performance-driven hybrid text-image classification model for multimodal data 2025-Apr-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-95674-8 PMID:40185890	research paper	本文提出了一种结合文本和图像处理的混合模型HTIC，用于多模态数据的分类任务	HTIC模型采用复杂的深度学习架构，结合VGG16进行图像分类和Roberta与MYSQL进行文本分类，通过多模态特征提取层确保不同类型数据的兼容性	未明确提及具体局限性	提高多模态数据分类的准确性、可解释性和应用性	多模态数据（文本和图像）	machine learning	NA	深度学习、多模态特征提取	HTIC（混合文本图像分类模型）、VGG16、Roberta、CNN	文本、图像	五个不同的数据集（包括NFT数据集）
1289	2025-04-08	Tunnel face rock mass class rapid identification based on TBM cutterhead vibration monitoring and deep learning model 2025-Apr-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-96875-x PMID:40186002	研究论文	基于TBM刀盘振动监测和深度学习模型，开发了一种端到端的隧道工作面岩体等级快速识别方法	结合1DCNN、BiLSTM和自注意力机制的优势，提出了一种新的深度学习模型，能够自动提取信号中的时空域特征，无需中断正常掘进过程即可快速识别岩体等级	缺乏对长隧道段连续振动记录的获取，且对TBM刀盘振动监测的研究较少	优化TBM操作参数和选择后续隧道支护措施	TBM隧道工作面的岩体条件	机器学习	NA	深度学习	1DCNN, BiLSTM, 自注意力机制	振动信号	NA
1290	2025-04-08	Compact Model Training by Low-Rank Projection With Energy Transfer 2025-Apr, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3400928 PMID:38843062	研究论文	提出了一种名为LRPET的新训练方法，用于从头开始训练低秩压缩网络，并实现竞争性性能	通过交替执行随机梯度下降训练和权重矩阵的低秩流形投影，并结合能量转移和BN校正，提高了低秩压缩网络的性能	未明确提及具体限制，但可能包括对特定网络架构的依赖或计算资源需求	开发一种高效的深度神经网络低秩压缩方法	深度神经网络	机器学习	NA	低秩投影与能量转移（LRPET）	CNN, Transformer	图像	CIFAR-10和ImageNet数据集
1291	2025-04-08	Supervise-Assisted Self-Supervised Deep-Learning Method for Hyperspectral Image Restoration 2025-Apr, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3386809 PMID:38722728	研究论文	提出了一种监督辅助的自监督深度学习方法，用于高光谱图像（HSI）的恢复	结合监督学习和自监督学习，引入噪声自适应损失函数，利用噪声退化HSI的内部统计信息进行恢复	未明确提及具体限制，但可能面临复杂噪声场景下的泛化能力挑战	解决高光谱图像恢复中的分布差距和噪声干扰问题	高光谱图像（HSI）	计算机视觉	NA	深度学习	监督辅助的自监督深度学习网络	高光谱图像	未明确提及具体样本数量，但使用了大量训练数据集
1292	2025-04-08	Personalized deep learning auto-segmentation models for adaptive fractionated magnetic resonance-guided radiation therapy of the abdomen 2025-Apr, Medical physics IF:3.2Q1 DOI:10.1002/mp.17580 PMID:39699250	研究论文	本研究探讨了利用患者特异性自动分割方法改进腹部癌症患者在分次磁共振引导放疗中的自动分割效果	提出了基于患者特异性数据的自动分割模型，通过整合治疗计划和先前分次的MR图像，优化了分次治疗中的自动分割效果	研究样本量有限（151名患者），且仅针对特定类型的腹部癌症	改进分次磁共振引导放疗中的自动分割方法，以减少手动轮廓校正的时间消耗	腹部癌症患者的分次磁共振引导放疗数据	数字病理	腹部癌症	磁共振成像（MRI）	深度学习自动分割模型	图像	151名腹部癌症患者的151份计划MR图像和215份分次MR图像
1293	2025-04-08	Impact of deep learning reconstructions on image quality and liver lesion detectability in dual-energy CT: An anthropomorphic phantom study 2025-Apr, Medical physics IF:3.2Q1 DOI:10.1002/mp.17651 PMID:39887750	research paper	评估深度学习图像重建（DLIR）在双能CT（DECT）中对图像质量和肝血管性病变检测的影响	首次在DECT中使用DLIR算法评估其对肝血管性病变检测的影响，并与传统重建方法进行比较	研究基于人体模型，未涉及真实患者数据，可能无法完全反映临床情况	评估DLIR在DECT中对图像质量和肝血管性病变检测的影响	模拟的肝血管性肝细胞癌（HCC）病变	digital pathology	liver cancer	dual-energy CT (DECT), deep learning image reconstruction (DLIR)	DLIR	CT image	一个人体模型（BMI为23 kg/m²），包含模拟的肝血管性病变
1294	2025-04-08	Multiscale Deep Learning for Detection and Recognition: A Comprehensive Survey 2025-Apr, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3389454 PMID:38652624	综述	本文全面介绍了多尺度深度学习在目标检测和识别中的发展，构建了一个易于理解且强大的知识结构	综合介绍了多尺度深度学习的理论和方法，包括金字塔表示、尺度空间表示和多尺度几何表示，并比较了不同多尺度结构设计的性能	指出了多尺度深度学习中存在的几个开放问题和未来方向，但未提出具体的解决方案	探讨计算机视觉中的多尺度问题，特别是目标检测和识别中的多尺度表示	多尺度深度学习的理论和方法	计算机视觉	NA	NA	CNN, Vision Transformers (ViTs)	图像	NA
1295	2025-04-07	A deep learning model for multiclass tooth segmentation on cone-beam computed tomography scans 2025-Apr-05, American journal of orthodontics and dentofacial orthopedics : official publication of the American Association of Orthodontists, its constituent societies, and the American Board of Orthodontics IF:2.7Q1 DOI:10.1016/j.ajodo.2025.02.014 PMID:40186597	研究论文	开发并验证了一种深度学习算法，用于从锥形束计算机断层扫描中自动创建人类牙齿的三维表面模型	提出了一种用于多类牙齿分割的深度学习模型，验证了人工智能在牙科影像分析中的有效性	NA	开发自动化的牙齿分割技术以提高牙科影像分析的精确度	人类牙齿	计算机视觉	NA	锥形束计算机断层扫描	深度学习	医学影像	210例扫描（140例训练集，40例验证集，30例测试集）
1296	2025-04-07	Classification of ocular surface diseases: Deep learning for distinguishing ocular surface squamous neoplasia from pterygium 2025-Apr-05, Graefe's archive for clinical and experimental ophthalmology = Albrecht von Graefes Archiv fur klinische und experimentelle Ophthalmologie DOI:10.1007/s00417-025-06804-x PMID:40186633	研究论文	本研究开发了一种深度学习模型，用于区分眼表鳞状上皮瘤（OSSN）和翼状胬肉（PTG）的裂隙灯照片	首次使用深度学习模型自动分割和分类OSSN与PTG的裂隙灯照片，并展示了较高的准确率	样本量相对较小（162例患者），且未提及模型在其他数据集上的泛化能力	开发一种能够准确区分OSSN和PTG的深度学习模型	眼表鳞状上皮瘤（OSSN）和翼状胬肉（PTG）患者	计算机视觉	眼科疾病	深度学习	EfficientNet B7, GoogleNet	图像	162例患者（77例OSSN，85例PTG）
1297	2025-04-07	Deep learning assisted detection and segmentation of uterine fibroids using multi-orientation magnetic resonance imaging 2025-Apr-05, Abdominal radiology (New York) DOI:10.1007/s00261-025-04934-8 PMID:40188260	research paper	开发深度学习模型用于自动化检测和分割子宫肌瘤的多方位MRI图像	基于三维nnU-Net框架构建的模型，在子宫肌瘤的检测和分割中表现出色，特别是在临床相关病例中	未提及模型在小样本或不同类型肌瘤上的泛化能力	开发自动化检测和分割子宫肌瘤的深度学习模型	子宫肌瘤患者的多方位MRI图像	digital pathology	uterine fibroids	MRI	nnU-Net	image	内部数据集299名患者（训练集239名，内部测试集60名），外部数据集45名患者
1298	2025-04-07	Uncertainty-aware quantitative CT evaluation of emphysema and mortality risk from variable radiation dose images 2025-Apr-04, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-11525-0 PMID:40185924	研究论文	开发了一种自动化方法，用于联合且一致地评估肺气肿和死亡风险，并提供数据和模型不确定性的量化	使用多任务贝叶斯神经网络（BNN）联合评估肺气肿和死亡风险，并量化数据和模型不确定性	研究仅基于COPDGene研究的数据，可能不适用于其他人群	开发一种对成像协议更具鲁棒性的CT评估方法，用于肺气肿和死亡风险的量化	COPDGene研究中接受全剂量和减剂量胸部CT扫描的参与者	数字病理学	慢性阻塞性肺疾病（COPD）	胸部CT扫描	贝叶斯神经网络（BNN）	图像	1350名参与者（平均年龄64.4岁±8.7；659名女性）
1299	2025-04-07	Evaluation of a deep learning segmentation tool to help detect spinal cord lesions from combined T2 and STIR acquisitions in people with multiple sclerosis 2025-Apr-04, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-11541-0 PMID:40185925	research paper	开发并评估了一种深度学习模型，用于从T2和STIR序列中检测多发性硬化症患者的脊髓病变	首次开发了一种结合T2和STIR序列的深度学习工具，用于辅助临床医生检测多发性硬化症患者的脊髓病变	样本量较小（50名患者），且未显示工具在提高精确度方面的显著效果	评估深度学习模型在辅助检测多发性硬化症患者脊髓病变中的效果	多发性硬化症患者的脊髓MRI图像	digital pathology	multiple sclerosis	MRI (T2 and STIR sequences)	DL (deep learning)	image	50名患者（39名女性，中位年龄41岁）
1300	2025-04-07	Deep learning model for detecting cystoid fluid collections on optical coherence tomography in X-linked retinoschisis patients 2025-Apr-04, Acta ophthalmologica IF:3.0Q1 DOI:10.1111/aos.17495 PMID:40186400	research paper	本文验证了一种深度学习框架，用于在X连锁视网膜劈裂症患者的SD-OCT图像中检测和量化囊样液体聚集	开发了一种基于no-new-U-Net的深度学习模型，用于自动分割和量化X连锁视网膜劈裂症患者的囊样液体聚集	深度学习模型存在系统性高估的问题，需要未来进一步优化	验证深度学习模型在X连锁视网膜劈裂症患者SD-OCT图像中检测和量化囊样液体聚集的有效性	X连锁视网膜劈裂症患者的SD-OCT图像	digital pathology	X-linked retinoschisis	spectral-domain optical coherence tomography (SD-OCT)	no-new-U-Net	image	112 OCT volumes (70训练, 42内部测试), 37 SD-OCT scans (20患者)