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
601	2025-05-29	PlaNet-S: an Automatic Semantic Segmentation Model for Placenta Using U-Net and SegNeXt 2025-May-27, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01549-9 PMID:40425958	研究论文	本研究开发了一个名为PlaNet-S的自动胎盘语义分割模型，结合了U-Net和SegNeXt架构	通过集成学习结合U-Net和SegNeXt架构，提出了一种新的胎盘自动分割模型PlaNet-S，显著提高了分割精度	与U-Net++的性能差异无统计学意义，且样本量相对有限	开发一个全自动的胎盘语义分割模型，以解决医生辅助手动分割耗时的问题	218名疑似胎盘异常的孕妇的MRI图像	数字病理学	胎盘异常	MRI	U-Net, SegNeXt, 集成学习	图像	218名孕妇的1090张标注图像
602	2025-05-29	EnsembleEdgeFusion: advancing semantic segmentation in microvascular decompression imaging with innovative ensemble techniques 2025-May-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-02470-5 PMID:40410312	research paper	该研究提出了一种创新的集成技术EnsembleEdgeFusion，用于提升微血管减压影像中的语义分割性能	引入了集成技术（如堆叠和装袋）来提升分割性能，特别是装袋与朴素贝叶斯方法结合表现出显著改进	公开可用的数据集稀缺，且专家标注要求高	提升微血管减压影像中的语义分割性能	2003张RGB微血管减压影像及其标注掩码	digital pathology	NA	语义分割	DeepLabv3+, U-Net, DilatedFastFCN with JPU, DANet, Vanilla architecture	image	2003张RGB微血管减压影像
603	2025-05-29	Multicenter development of a deep learning radiomics and dosiomics nomogram to predict radiation pneumonia risk in non-small cell lung cancer 2025-May-16, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-02045-4 PMID:40379764	研究论文	本研究旨在开发一个结合放射组学、剂量组学和深度学习的模型，以预测非小细胞肺癌患者放疗后肺炎的风险	结合放射组学、剂量组学和深度学习特征，构建多维度预测模型，提高预测准确性	研究为回顾性设计，样本量相对较小（245例患者）	提高非小细胞肺癌患者放疗后肺炎风险的预测能力	非小细胞肺癌患者	数字病理	肺癌	放射组学、剂量组学、深度学习	深度学习放射组学和剂量组学列线图（DLRDN）	CT图像、剂量测定图像	245例非小细胞肺癌患者（来自三家医院）
604	2025-05-29	Deep learning in 3D cardiac reconstruction: a systematic review of methodologies and dataset 2025-May, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-024-03273-y PMID:39753994	系统性综述	本文提出了一种结合深度学习模型和计算技术的先进方法，用于3D心脏重建，解决了心脏建模和分割中的关键挑战	结合统计形状建模(SSM)、图卷积网络(GCNs)和渐进式GANs进行3D心脏重建，特别是利用渐进式GANs生成合成数据以增强罕见心脏病的建模	未明确提及具体局限性，但可能涉及数据集的多样性和模型泛化能力	开发一种自动化的高分辨率3D心脏重建方法，适用于临床和研究环境	心脏的3D重建，特别是先天性心脏病等复杂心脏状况	计算机视觉	心血管疾病	统计形状建模(SSM)、图卷积网络(GCNs)、渐进式GANs	GCNs, GANs	3D图像	包括UK Biobank、MICCAI MM-WHS挑战赛和先天性心脏病的临床数据集
605	2025-05-29	Large blood vessel segmentation in quantitative DCE-MRI of brain tumors: A Swin UNETR approach 2025-May, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2025.110342 PMID:39892479	研究论文	本研究提出了一种基于深度学习的自动大血管分割方法，用于定量DCE-MRI中的脑肿瘤分级	采用Swin UNETR架构进行大血管自动分割，并与U-Net和Attention U-Net架构进行比较，展示了优越性能	研究未提及模型在小样本或罕见肿瘤类型上的泛化能力	提高脑肿瘤自动分级的准确性及治疗计划的支持	脑肿瘤患者的大血管分割	数字病理学	脑肿瘤	定量动态对比增强磁共振成像（DCE-MRI）	Swin UNETR, U-Net, Attention U-Net	MRI图像	187名脑肿瘤患者的MRI数据，来自两个中心、两个厂商和两种场强的磁共振扫描仪
606	2025-05-29	Deterministic Autoencoder using Wasserstein loss for tabular data generation 2025-May, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.107208 PMID:39893805	研究论文	本文提出了一种基于Wasserstein损失函数的确定性自编码器（TWAE），用于表格数据生成，解决了变分自编码器在表格数据合成中的局限性	利用Wasserstein自编码器的确定性编码机制，实现了输入到潜在代码的确定性映射，增强了潜在空间的稳定性和表达能力，并实现了与浅层插值机制（如SMOTE）的无缝集成	NA	解决表格数据生成中的复杂性和局限性，提供一种更稳定和高效的合成方法	表格数据	机器学习	NA	Wasserstein自编码器，SMOTE	Autoencoder	表格数据	NA
607	2025-05-29	Patient- and fraction-specific magnetic resonance volume reconstruction from orthogonal images with generative adversarial networks 2025-May, Medical physics IF:3.2Q1 DOI:10.1002/mp.17668 PMID:39904621	研究论文	开发了一种基于条件生成对抗网络（GAN）的个性化微调工作流程，用于从正交2D MR图像重建合成3D MR体积，以实现在线剂量适应	采用患者和分次特定的微调方法，克服了深度学习模型在小数据集上的性能限制	研究样本量相对较小，仅包含43名患者的数据	提高从2D MR图像重建3D MR体积的准确性和效率，支持在线剂量适应	MR图像和3D MR体积	医学影像处理	前列腺癌	MR成像	条件GAN	图像	43名患者的2473个3D MR体积
608	2025-05-29	A magnetic resonance image-based deep learning radiomics nomogram for hepatocyte cytokeratin 7 expression: application to predict cholestasis progression in children with pancreaticobiliary maljunction 2025-May, Pediatric radiology IF:2.1Q2 DOI:10.1007/s00247-025-06225-2 PMID:40186654	研究论文	利用磁共振图像构建深度学习放射组学列线图，预测胰腺胆管连接不良患儿肝细胞角蛋白7表达及胆汁淤积进展	首次开发基于MRI的非侵入性方法评估肝细胞CK7状态，结合放射组学和深度学习特征构建预测模型	样本量较小（180例），且为回顾性研究	开发术前识别肝细胞CK7状态并评估胆汁淤积进展的预测工具	胰腺胆管连接不良患儿	数字病理学	胰腺胆管连接不良	MRI、免疫组化分析	ResNet50	磁共振图像	180例胰腺胆管连接不良患者（训练集144例，验证集36例）
609	2025-05-29	Evaluating and mitigating bias in AI-based medical text generation 2025-May, Nature computational science IF:12.0Q1 DOI:10.1038/s43588-025-00789-7 PMID:40269315	research paper	该研究评估并减轻了基于AI的医学文本生成中的偏见问题	提出了一个算法，针对服务不足的群体进行选择性优化以减少偏见	研究主要集中在医学文本生成领域，未涉及其他AI应用领域	评估和减轻AI在医学文本生成中的偏见	不同种族、性别和年龄组的医学文本生成	natural language processing	NA	deep learning	NA	text	多个数据集和模态
610	2025-05-29	Optimizing Deep Learning Models for Luminal and Nonluminal Breast Cancer Classification Using Multidimensional ROI in DCE-MRI-A Multicenter Study 2025-May, Cancer medicine IF:2.9Q2 DOI:10.1002/cam4.70931 PMID:40347080	research paper	本研究通过多维ROI在DCE-MRI中的应用，优化深度学习模型以区分乳腺癌症的luminal和非luminal亚型	首次探索了ROI维度（2D/2.5D/3D）、瘤周扩展水平（0-8 mm）和分割场景（仅ROI vs. ROI原始）的协同效应	研究为回顾性设计，可能受到数据收集偏差的影响	优化深度学习模型以区分乳腺癌症的分子亚型	426名原发性浸润性乳腺癌患者	digital pathology	breast cancer	DCE-MRI	deep transfer learning models	image	426名患者（训练队列108名，验证队列1 165名，验证队列2 153名）
611	2025-05-29	DNA data storage for biomedical images using HELIX 2025-May, Nature computational science IF:12.0Q1 DOI:10.1038/s43588-025-00793-x PMID:40360759	research paper	提出了一种名为HELIX的基于DNA的生物医学图像存储系统，该系统针对生物医学图像特性设计了图像压缩算法和纠错编码算法	HELIX系统针对生物医学图像特性定制了图像压缩算法，并引入了无需索引的纠错编码算法，提高了存储密度和解码速度	目前仅进行了体外实验，存储的生物医学图像类型和数量有限	开发适用于生物医学图像的DNA数据存储系统	生物医学图像	数字病理	NA	DNA数据存储	深度学习	图像	两张时空基因组学图像
612	2025-05-29	Pesticide Residue Detection Using Grating Spectroscope and GWO-CNN-BiLSTM Method 2025-May, Journal of food science IF:3.2Q2 DOI:10.1111/1750-3841.70282 PMID:40433911	research paper	本研究开发了一种便携式检测设备，结合光栅光谱仪和智能手机，用于准确检测菠菜中的噻虫嗪残留	采用ResNet50模型结合SE注意力机制提取关键特征，并通过GWO算法优化的CNN-BiLSTM混合模型提高检测精度	未提及该方法在其他类型农药残留检测中的适用性	提高农药残留检测的准确性，保障食品安全和公共健康	菠菜中的噻虫嗪残留	machine learning	NA	光栅光谱仪、图像处理技术、深度学习	ResNet50、CNN、BiLSTM、GWO	image	NA
613	2025-05-28	Development of an Open-Source Algorithm for Automated Segmentation in Clinician-Led Paranasal Sinus Radiologic Research 2025-May-27, The Laryngoscope DOI:10.1002/lary.32292 PMID:40421828	研究论文	开发并验证了一种用于鼻旁窦CT扫描的自动分割开源算法，为耳鼻喉科研究社区提供支持	提供了首个针对鼻窦腔的开源分割算法，促进了临床驱动的AI医学研究	样本量相对较小（100例扫描），且仅针对鼻旁窦CT扫描	验证并提供一个开源的分割算法，用于鼻旁窦CT扫描的自动分割	鼻旁窦CT扫描	数字病理	鼻窦疾病	CT扫描	UNet++	医学影像	100例鼻旁窦CT扫描（80/20训练/测试分割）
614	2025-05-28	ECG-SMART-NET: A Deep Learning Architecture for Precise ECG Diagnosis of Occlusion Myocardial Infarction 2025-May-26, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3573581 PMID:40418608	research paper	开发并评估了ECG-SMART-NET，一种用于精确诊断闭塞性心肌梗死（OMI）的深度学习架构	提出了一种临床信息修改的ResNet-18架构，能够更好地捕捉ECG记录中的时间特征和空间一致性或不一致性	研究仅基于一个多中心真实世界临床数据集，可能无法涵盖所有OMI病例的多样性	提高通过12导联心电图（ECG）对闭塞性心肌梗死（OMI）的检测准确性	闭塞性心肌梗死（OMI）患者的心电图数据	digital pathology	cardiovascular disease	deep learning	CNN (ResNet-18 modified)	ECG recordings	10,393 ECGs from 7,397 unique patients
615	2025-05-28	Segmentation of the Left Ventricle and Its Pathologies for Acute Myocardial Infarction After Reperfusion in LGE-CMR Images 2025-May-26, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3573706 PMID:40418612	research paper	该论文提出了一个深度学习模型LVPSegNet，用于在LGE-CMR图像中分割左心室及其病理组织（微血管阻塞和心肌梗死），并发布了包含140名患者的基准数据集LGE-LVP	首次发布LGE-CMR基准数据集LGE-LVP，并提出了一种结合自适应感兴趣区域提取、样本增强、课程学习和多感受野融合的渐进式深度学习模型LVPSegNet	数据集的样本量相对较小（140名患者），且未提及模型在其他类型心脏疾病上的泛化能力	开发一种自动化方法，用于在LGE-CMR图像中准确分割左心室及其病理组织，以辅助急性心肌梗死再灌注后的诊断和治疗	左心室及其病理组织（微血管阻塞和心肌梗死）	digital pathology	cardiovascular disease	LGE-CMR（晚期钆增强心脏磁共振成像）	LVPSegNet（基于深度学习的渐进式分割模型）	image	140名左心室心肌梗死伴微血管阻塞患者
616	2025-05-28	Impact of contrast-enhanced agent on segmentation using a deep learning-based software "Ai-Seg" for head and neck cancer 2025-May-26, The British journal of radiology DOI:10.1093/bjr/tqaf108 PMID:40419459	研究论文	本研究开发了一种专用于对比增强CT的头颈部风险器官分割模型，并比较了其在对比增强和非对比增强CT上的性能	开发了专用于对比增强CT的分割模型，并首次评估其在非对比增强CT上的适用性	在非对比增强CT上对颌下腺的分割性能显著下降	评估深度学习分割软件在不同CT图像类型上的性能差异	头颈部癌症患者的CT图像	数字病理	头颈部癌症	CT扫描	深度学习模型（Ai-Seg）	医学影像	321名患者用于训练，25名患者用于测试
617	2025-05-28	Design optimization of university ideological and political education system based on deep learning 2025-May-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-02991-z PMID:40413276	研究论文	本研究利用深度学习技术优化大学思想政治教育的系统设计，以提高教育效果和学生参与度	采用CNN-LSTM混合模型结合CNN的特征提取能力和LSTM处理序列数据的能力，实现个性化学习路径和资源推荐	未具体说明样本规模和数据来源的多样性，可能影响模型的泛化能力	提升大学思想政治教育的针对性和有效性	大学生思想政治教育系统	教育技术	NA	深度学习	CNN-LSTM混合模型	多通道教育相关数据	未明确说明
618	2025-05-28	Explainable deep learning for age and gender estimation in dental CBCT scans using attention mechanisms and multi task learning 2025-May-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-03305-z PMID:40413203	research paper	该研究开发了一个多任务深度学习框架，用于提高基于CBCT的年龄估计和性别分类的准确性和可解释性	结合了注意力机制（CBAM）和Grad-CAM可视化，提高了模型的可解释性，并通过使用全景切片而非完整3D CBCT体积降低了计算成本	研究对象的年龄范围有限（7至23岁），可能限制了模型在其他年龄段的应用	开发一个准确且可解释的深度学习模型，用于CBCT图像的年龄估计和性别分类	CBCT扫描图像	digital pathology	NA	CBCT	multi-task learning (MTL) model with CBAM and Grad-CAM	image	2,426 CBCT images from individuals aged 7 to 23 years
619	2025-05-28	Enhanced wheat yield prediction through integrated climate and satellite data using advanced AI techniques 2025-May-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-02700-w PMID:40413272	研究论文	本研究通过整合气候和卫星数据，利用先进的AI技术提高小麦产量预测的准确性	采用多阶段方法分析小麦生长周期，结合卫星影像、季节性天气变量和土壤信息，测试多种机器学习和深度学习模型，显著提高了预测准确性	模型性能的R值范围较大（0.4至0.88），表明在某些情况下预测效果可能不稳定	提高小麦产量预测的准确性，以支持巴基斯坦的粮食安全和农业规划	小麦作物	机器学习	NA	Google Earth Engine平台，卫星影像分析	机器学习和深度学习模型	卫星影像、天气变量、土壤信息	2017年至2022年的数据
620	2025-05-28	Imputing single-cell protein abundance in multiplex tissue imaging 2025-May-22, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-59788-x PMID:40404617	研究论文	本文应用机器学习方法，利用乳腺癌队列的多重组织成像数据，对单细胞蛋白质丰度进行填补	首次将机器学习应用于填补单细胞蛋白质丰度的缺失数据，并整合空间信息以提高填补准确性	研究仅针对乳腺癌队列，未验证在其他类型组织或疾病中的适用性	提高多重组织成像中单细胞蛋白质丰度数据的完整性和准确性	乳腺癌组织中的单细胞蛋白质丰度数据	数字病理学	乳腺癌	多重组织成像	正则化线性回归、梯度提升树、深度学习自编码器	图像	乳腺癌队列（具体样本数量未提及）