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
861	2025-05-19	Prediction of real-time cine-MR images during MRI-guided radiotherapy of liver cancer using a GAN-ConvLSTM network 2025-May, Medical physics IF:3.2Q1 DOI:10.1002/mp.17609 PMID:39755123	研究论文	本研究提出了一种改进的生成对抗网络（GAN）用于实时预测肝脏癌症放疗过程中的实时电影磁共振（cine-MR）图像	使用pix2pix GAN，并将生成器替换为卷积长短期记忆（ConvLSTM），以预测未来的五帧图像	样本量较小，仅涉及15名患者	提高肝脏癌症放疗过程中呼吸运动预测的准确性	15名接受放疗的肝脏癌症患者的矢状电影磁共振图像	医学影像分析	肝癌	cine-MR成像	GAN-ConvLSTM	图像	15名患者的300帧图像序列
862	2025-05-19	Segmentation of coronary artery and calcification using prior knowledge based deep learning framework 2025-May, Medical physics IF:3.2Q1 DOI:10.1002/mp.17642 PMID:39878608	研究论文	本研究提出了一种基于深度学习的冠状动脉和钙化分割框架，利用解剖先验知识提高分割准确性，并探索了分割结果对旋磨术的预测能力	整合冠状动脉和钙化的解剖先验知识到深度学习框架中，设计了包含中心线提取、自注意力、逻辑操作和分割模块的新型分割框架	研究样本量相对较小（72例患者），可能需要更大规模的数据验证	提高冠状动脉和钙化的自动分割准确性，并探索分割结果对旋磨术的预测价值	冠状动脉和钙化区域	数字病理	心血管疾病	CT血管造影(CTA)	变分自编码器(VAE)与自注意力机制结合的深度学习框架	3D医学影像	72例患者的CTA图像数据集
863	2025-05-19	Multilevel perception boundary-guided network for breast lesion segmentation in ultrasound images 2025-May, Medical physics IF:3.2Q1 DOI:10.1002/mp.17647 PMID:39887423	研究论文	提出了一种名为PBNet的多层次感知边界引导网络，用于从超声图像中准确分割乳腺肿瘤，特别是针对与正常组织强度相似的肿瘤	PBNet通过多层次全局感知模块(MGPM)和边界引导模块(BGM)结合，以及引入多层次边界增强分割(BS)损失，显著提高了肿瘤边界的分割精度	效应量小于0.2，表明虽然性能提升显著，但实际效果提升幅度有限	提高乳腺超声图像中非增强病变的边界分割准确性	乳腺肿瘤超声图像	数字病理	乳腺癌	深度学习	PBNet（包含MGPM和BGM模块）	超声图像	公开数据集BUSI包含780张图像，内部数据集包含995张图像
864	2025-05-19	Neural architecture search with Deep Radon Prior for sparse-view CT image reconstruction 2025-May, Medical physics IF:3.2Q1 DOI:10.1002/mp.17685 PMID:39930320	research paper	本文提出了一种名为NAS-DRP的新型无监督深度学习方法，用于稀疏视图CT图像重建	结合了深度Radon先验（DRP）和神经架构搜索（NAS），通过强化学习优化网络结构，提高了图像重建的细节和准确性	需要进一步验证在大规模数据集上的泛化能力	提高稀疏视图CT图像重建的质量，减少辐射暴露	稀疏视图CT图像	medical imaging	NA	deep learning, neural architecture search, Radon domain adaptation	encoder-decoder network, RNN	CT图像	NA
865	2025-05-19	Beam's eye view to fluence maps 3D network for ultra fast VMAT radiotherapy planning 2025-May, Medical physics IF:3.2Q1 DOI:10.1002/mp.17673 PMID:39935217	研究论文	本文提出了一种深度学习方法来加速VMAT放疗计划中的通量图预测	通过3D网络直接从患者数据预测通量图，显著提高了VMAT放疗计划的速度	未提及在临床环境中的实际应用效果验证	加速VMAT治疗计划中的通量图生成过程	VMAT放疗计划中的通量图	医疗影像处理	癌症	深度学习	3D网络	3D剂量图	超过2000个VMAT计划
866	2025-05-19	Dose prediction via deep learning to enhance treatment planning of lung radiotherapy including simultaneous integrated boost techniques 2025-May, Medical physics IF:3.2Q1 DOI:10.1002/mp.17692 PMID:39967020	research paper	本研究探讨了使用深度学习预测包括同步整合增强（SIB）技术在内的容积调强弧形治疗（VMAT）剂量分布的可行性及其在改善肺癌患者治疗计划质量中的潜在益处	首次验证了深度学习在预测多种处方剂量（包括SIB技术）的3D剂量分布中的应用，并评估了其在改善治疗计划质量中的效果	研究样本量相对较小，且所有数据均来自单一机构，可能限制模型的泛化能力	验证深度学习在预测VMAT剂量分布（包括SIB技术）中的可行性及其对改善肺癌患者治疗计划质量的潜在益处	肺癌患者	digital pathology	lung cancer	volumetric modulated arc therapy (VMAT), simultaneous integrated boost (SIB)	3D U-Net	CT images, target and normal tissue contours, prescription doses	93 retrospective clinical VMAT plans (75 for training, 18 for testing) + 10 prospective patients
867	2025-05-19	Automated chick gender determination using optical coherence tomography and deep learning 2025-May, Poultry science IF:3.8Q1 DOI:10.1016/j.psj.2025.105033 PMID:40106909	研究论文	本研究提出了一种结合光学相干断层扫描（OCT）和深度学习的新方法，用于高分辨率、非侵入性的雏鸡性别鉴定	首次将OCT与深度学习结合用于自动化雏鸡性别鉴定，提供了一种可扩展、实时的替代方案	模型的准确率为79%，仍有提升空间	优化家禽生产中的雏鸡性别分类	雏鸡	计算机视觉	NA	光学相干断层扫描（OCT）	自定义卷积神经网络（CNN）	图像	未明确提及样本数量
868	2025-05-19	A novel skeletal muscle quantitative method and deep learning-based sarcopenia diagnosis for cervical cancer patients treated with radiotherapy 2025-May, Medical physics IF:3.2Q1 DOI:10.1002/mp.17791 PMID:40170435	研究论文	本文提出了一种基于深度学习的自动分割和肌肉减少症诊断方法，用于宫颈癌放疗患者的骨骼肌定量测量	使用第五腰椎（L5）替代第三腰椎（L3）进行骨骼肌指数（SMI）评估，并提出了一种端到端的解剖距离引导的双分支特征融合网络进行自动分割	研究样本仅限于宫颈癌放疗患者，且外部验证数据集规模较小	探索CBCT在评估骨骼肌指数（SMI）和肌肉减少症诊断中的实用性	宫颈癌放疗患者	数字病理	宫颈癌	CBCT, 深度学习	端到端的解剖距离引导的双分支特征融合网络	图像	248名宫颈癌放疗患者的CBCT图像
869	2025-05-19	Artificial intelligence in preclinical research: enhancing digital twins and organ-on-chip to reduce animal testing 2025-May, Drug discovery today IF:6.5Q1 DOI:10.1016/j.drudis.2025.104360 PMID:40252989	review	本文探讨了人工智能在临床前研究中的应用，特别是通过数字孪生和器官芯片技术减少动物实验	结合AI技术提升数字孪生和器官芯片的预测能力和可扩展性，为药物研发提供更精确的模拟	未提及具体的技术实施细节和实际应用案例	探索AI如何优化临床前药物研究，减少动物实验并提高药物研发效率	数字孪生（DTs）和器官芯片（OoC）平台	machine learning	NA	machine learning (ML), deep learning (DL)	NA	模拟数据	NA
870	2025-05-18	Automated high precision PCOS detection through a segment anything model on super resolution ultrasound ovary images 2025-May-15, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-01744-2 PMID:40369044	研究论文	提出了一种名为QEI-SAM的新型集成方法，用于提高超声卵巢图像质量并进行卵巢囊肿分割，以实现准确预测多囊卵巢综合征(PCOS)	结合了ESRGAN进行图像增强和SAM进行囊肿分割，以及多种CNN模型进行PCOS诊断，实现了高精度的自动化检测	未提及模型在临床环境中的实际应用验证或跨中心验证结果	开发自动化高精度PCOS检测系统以辅助临床诊断	超声卵巢图像中的囊肿	数字病理	多囊卵巢综合征	超声成像	ESRGAN, SAM, CNN (包括ResNet 50, ResNet 101, VGG 16, VGG 19, AlexNet和Inception v3)	超声图像	NA
871	2025-05-18	A sub-meter resolution urban surface albedo dataset for 34 U.S. cities based on deep learning 2025-May-14, Scientific data IF:5.8Q1 DOI:10.1038/s41597-025-05109-2 PMID:40368894	研究论文	本研究利用深度学习和多源遥感数据，首次为美国34个主要城市制作了高分辨率的城市表面反照率地图	首次为34个美国主要城市提供亚米级分辨率的城市表面反照率数据集，结合了多种遥感数据和U-Net模型进行不透水和透水表面分类及反照率预测	研究仅针对美国34个城市，可能无法直接推广到其他地区或城市	提高城市热环境理解的精确度，为城市规划和环境监测提供数据支持	美国34个主要城市的城市表面反照率	遥感与深度学习	NA	多源遥感数据（NAIP影像、屋顶反照率数据、建筑足迹、土地覆盖分类和Sentinel-2影像）	U-Net	遥感影像	美国34个主要城市
872	2025-05-18	A fusocelular skin dataset with whole slide images for deep learning models 2025-May-14, Scientific data IF:5.8Q1 DOI:10.1038/s41597-025-05108-3 PMID:40368949	研究论文	介绍了一个名为AI4SkIN的公开数据集，用于皮肤梭形细胞病变的深度学习模型研究	首次公开了用于皮肤梭形细胞病变的WSI数据集，并采用创新的众包协议进行标注	未提及具体的数据集使用限制或模型性能的局限性	开发并验证多类皮肤梭形细胞病变分类方法	皮肤梭形细胞病变的WSI图像	数字病理学	皮肤癌	深度学习	基于高斯过程的机器学习模型	WSI图像	641张H&E染色的WSI图像
873	2025-05-18	Evaluating masked self-supervised learning frameworks for 3D dental model segmentation tasks 2025-May-14, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-01014-1 PMID:40368972	研究论文	评估掩码自监督学习框架在3D牙科模型分割任务中的应用	首次在3D牙科模型领域探索了四种掩码自监督学习框架（Point-BERT、Point-MAE、Point-GPT和Point-M2AE）的适用性	当标记数据充足时，预训练带来的性能提升会减弱	提高牙科模型分割任务的自动化水平，支持计算机辅助治疗规划	3D牙科模型（牙齿和牙套）	计算机视觉	牙科疾病	掩码自监督学习	Point-BERT, Point-MAE, Point-GPT, Point-M2AE	3D模型数据	超过4000个未标记的3D牙科模型（预训练），以及公开可用的Teeth3DS数据集和自建的牙套分割数据集（微调）
874	2025-05-18	Advanced internet of things enhanced activity recognition for disability people using deep learning model with nature-inspired optimization algorithms 2025-May-14, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-00379-7 PMID:40369092	研究论文	提出了一种结合深度学习和自然启发优化算法的高级物联网增强活动识别模型，用于残疾人士	结合自适应黑猩猩优化算法和斑马优化算法进行特征子集选择和超参数优化，提高了活动识别的准确性	仅通过智能手机数据集进行验证，未在其他设备或场景下测试	提高残疾人士活动识别的准确性和效率	残疾人士的活动数据	计算机视觉	NA	深度学习、优化算法	DCAE、AdCO、ZOA	智能手机传感器数据	未明确说明样本数量，使用了HAR智能手机数据集
875	2025-05-18	A computational framework for IoT security integrating deep learning-based semantic algorithms for real-time threat response 2025-May-14, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-93898-2 PMID:40369098	研究论文	提出了一种结合深度学习和语义推理的框架，用于增强物联网（IoT）安全中的威胁情报和自主响应能力	整合了CNN用于空间异常检测和RNN用于序列模式识别，同时利用知识图谱进行上下文感知的威胁检测，结合了边缘计算和实时流处理技术	未来工作需要关注实际部署和自适应威胁情报	提升物联网网络的安全性能，特别是在实时威胁检测和响应方面	物联网网络的安全威胁	机器学习	NA	深度学习，语义推理，边缘计算，实时流处理	CNN, RNN	实时流数据	使用CICIoT 2023数据集和自定义物联网测试平台进行广泛统计验证
876	2025-05-18	A vision transformer based CNN for underwater image enhancement ViTClarityNet 2025-May-14, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-91212-8 PMID:40369132	research paper	提出了一种基于视觉Transformer和CNN的水下图像增强模块ViT-Clarity，并通过生成模型BlueStyleGAN创建合成水下图像数据集	结合视觉Transformer与CNN提升水下图像增强性能，并利用BlueStyleGAN生成合成数据集解决数据不足问题	依赖合成数据集，可能无法完全覆盖真实水下环境的复杂性	提升水下计算机视觉任务的图像质量	水下图像	computer vision	NA	vision transformer, CNN, generative model	ViT-Clarity, ClarityNet, BlueStyleGAN	image	五个代表不同水下条件的数据集
877	2025-05-18	A metaheuristic optimization-based approach for accurate prediction and classification of knee osteoarthritis 2025-May-14, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-99460-4 PMID:40369219	研究论文	本研究提出了一种基于元启发式优化的方法，用于膝关节骨关节炎的准确预测和分类	采用集体迁移学习方法和四种预训练模型提取深度特征，结合二元灰雁优化器（bGGO）进行特征选择，并使用CNN超参数算法优化模型	未提及具体样本量及数据来源的多样性，可能影响模型的泛化能力	开发先进的深度学习方法用于膝关节骨关节炎的风险评估和疼痛演变预测	膝关节骨关节炎患者或有患病风险的人群	数字病理学	骨关节炎	深度学习，迁移学习	CNN, VGG19, ResNet50, AlexNet, GoogleNet	图像	NA
878	2025-05-18	Development and validation of a deep learning model for diagnosing neuropathic corneal pain via in vivo confocal microscopy 2025-May-14, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-025-01577-3 PMID:40369269	研究论文	开发并验证了一种基于深度学习的模型，用于通过体内共聚焦显微镜诊断神经性角膜疼痛	提出了一种新的神经性角膜疼痛筛查系统，能够高效检测微神经瘤，并具备不确定性量化机制	虽然模型表现出色，但在新机构数据上的泛化能力略有下降（AuROC: 0.90）	开发一种自动化工具以提高神经性角膜疼痛的诊断效率和准确性	神经性角膜疼痛患者	数字病理学	神经性角膜疼痛	体内共聚焦显微镜（IVCM）	深度学习模型	图像	103,168张IVCM图像
879	2025-05-18	Classification of lung cancer severity using gene expression data based on deep learning 2025-May-14, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-025-03011-w PMID:40369502	研究论文	本研究提出了一种基于深度学习的卷积神经网络模型，用于利用基因表达数据对肺癌严重程度进行分类	采用CNN模型结合F检验特征选择方法，针对基因数据中的类别不平衡和过拟合问题进行了优化，在LUAD和LUSC两种肺癌类型分类中取得了高准确率	基因数据样本量较小而特征数量较多，可能影响模型的泛化能力	开发一种能够准确分类肺癌严重程度的深度学习方法	LUAD和LUSC两种类型的肺癌	数字病理	肺癌	基因表达数据分析	CNN	基因表达数据	未明确说明样本数量，但提到样本量较小
880	2025-05-18	Fate-tox: fragment attention transformer for E(3)-equivariant multi-organ toxicity prediction 2025-May-14, Journal of cheminformatics IF:7.1Q1 DOI:10.1186/s13321-025-01012-5 PMID:40369624	研究论文	开发了一种名为FATE-Tox的新型多视角深度学习框架，用于多器官毒性预测	使用三种片段化方法构建片段级图，结合2D和3D分子表示，通过片段注意力变换器识别潜在的3D毒性基团，提高了预测性能和可解释性	未提及具体样本量，可能受限于基准数据集的大小和多样性	解决药物开发中的多器官毒性预测问题	药物化合物的毒性预测	机器学习	NA	深度学习	Transformer	分子结构数据	使用了MoleculeNet和TDC的基准数据集（BBBP、SIDER、ClinTox、DILI、Skin Reaction、Carcinogens、hERG），但未提及具体样本量