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
1441	2025-04-15	Motor imagery EEG decoding based on TS-former for spinal cord injury patients 2025-May, Brain research bulletin IF:3.5Q2 DOI:10.1016/j.brainresbull.2025.111298 PMID:40081503	研究论文	提出一种基于Transformer的迁移学习方法TS-former，用于脊髓损伤患者的运动想象脑电信号解码	结合FBCSP和Transformer构建新型时空域特征提取网络，采用迁移学习实现跨任务适应	未说明模型在更大人群或不同病理条件下的泛化能力	开发高效脑机接口系统用于脊髓损伤患者康复训练	16名脊髓损伤患者的运动想象脑电信号	脑机接口	脊髓损伤	Filter Bank Common Spatial Pattern (FBCSP), Transformer	TS-former (基于Transformer的混合架构)	EEG信号	16名患者数据（十折交叉验证）
1442	2025-04-15	UniSAL: Unified Semi-supervised Active Learning for histopathological image classification 2025-May, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103542 PMID:40101375	research paper	提出了一种统一的半监督主动学习框架（UniSAL），用于高效选择信息丰富且具有代表性的组织病理学图像进行标注	引入双视角高置信度伪训练和伪标签引导的类对比学习，以及设计新颖的不确定性和代表性样本选择策略	未提及具体局限性	减少标注成本并提高组织病理学图像分类的效率	组织病理学图像	digital pathology	cancer	deep learning	dual-view networks	image	CRC5000, Chaoyang和CRC100K三个公共病理图像分类数据集
1443	2025-04-15	Predicting infant brain connectivity with federated multi-trajectory GNNs using scarce data 2025-May, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103541 PMID:40107118	research paper	该论文提出了一种名为FedGmTE-Net++的联邦图多轨迹演化网络，用于在数据稀缺环境下预测婴儿大脑连接的多轨迹演化	首次设计了专门用于大脑多轨迹演化预测的联邦学习框架，在局部目标函数中加入了辅助正则化器以利用所有纵向大脑连接数据，并引入了一个两步插补过程	需要依赖多个医院的数据合作，可能面临数据协调和隐私保护的挑战	预测婴儿出生后第一年大脑连接网络的多轨迹演化	婴儿大脑连接网络	digital pathology	NA	federated learning, GNN	FedGmTE-Net++ (基于GNN的联邦学习模型)	graph data (大脑连接网络)	来自多家医院的有限数据集
1444	2025-04-15	A deep learning approach to multi-fiber parameter estimation and uncertainty quantification in diffusion MRI 2025-May, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103537 PMID:40112509	研究论文	本文提出了一种基于深度学习的多纤维参数估计和不确定性量化方法，用于扩散MRI中的脑微结构研究	引入了一种新颖的顺序方法，将多纤维参数推断任务分解为一系列可管理的子问题，并使用针对特定问题和对称性定制的深度神经网络进行求解	方法在HCP类采集方案下，对细胞外平行扩散率的估计具有高度不确定性	开发一种可靠且计算效率高的参数推断方法，用于常见的dMRI生物物理模型	脑微结构中的白质纤维群体	医学影像分析	NA	扩散MRI (dMRI)	深度神经网络	医学影像数据	Human Connectome Project (HCP) 的成像数据
1445	2025-04-15	Segment Like A Doctor: Learning reliable clinical thinking and experience for pancreas and pancreatic cancer segmentation 2025-May, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103539 PMID:40112510	研究论文	提出了一种名为SLAD的新框架，通过学习医生的临床思维和经验，提高胰腺和胰腺癌在CT图像上的分割准确性	首次模拟医生在胰腺癌诊断过程中的逻辑思维和经验，包括器官、病变和边界三个阶段，并设计了相应的模块（AMAE、CGRM和DDCM）来实现这一目标	未提及具体的数据集规模限制或模型在其他类型癌症上的泛化能力	提高胰腺和胰腺癌在CT图像上的分割准确性，以满足临床需求	胰腺和胰腺癌的CT图像	数字病理	胰腺癌	CT图像分析	AMAE、CGRM、DDCM	图像	三个独立数据集（未提及具体样本数量）
1446	2025-04-15	An extragradient and noise-tuning adaptive iterative network for diffusion MRI-based microstructural estimation 2025-May, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103535 PMID:40157297	研究论文	本文提出了一种基于扩散MRI的微结构估计的外梯度和噪声调谐自适应迭代网络	引入了一种自适应机制，根据特定的dMRI模型、数据集和下采样策略灵活调整稀疏表示过程，避免了手动选择并加速推理，同时提出了噪声调谐模块帮助网络逃离局部极小值/鞍点	未提及具体局限性	改进扩散MRI模型参数估计的准确性和通用性	扩散MRI数据	医学影像分析	NA	扩散MRI (dMRI)	外梯度和噪声调谐自适应迭代网络	MRI图像	两个3T Human Connectome Project (HCP)数据集和一个7T HCP数据集
1447	2025-04-15	ArtiDiffuser: A unified framework for artifact restoration and synthesis for histology images via counterfactual diffusion model 2025-May, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103567 PMID:40188685	研究论文	提出ArtiDiffuser，一种基于反事实扩散模型的统一框架，用于组织学图像的伪影修复和合成	首次将反事实扩散模型应用于组织学图像的伪影修复与合成，通过Swin-Transformer去噪网络和类别引导的专家混合增强特征处理能力	需要人工标注的伪影类别数据，且模型性能依赖于标注质量	解决组织学图像中伪影导致的误诊问题	组织学图像中的伪影区域	数字病理学	NA	扩散模型	Swin-Transformer+MoE	图像	包含723个标注图像块的首个综合组织学数据集
1448	2025-04-15	Unsupervised brain MRI tumour segmentation via two-stage image synthesis 2025-May, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103568 PMID:40199108	研究论文	本文提出了一种通过两阶段图像合成策略进行无监督脑部MRI肿瘤分割的方法	采用两阶段图像合成策略，生成更真实的合成数据以缩小真实与合成数据之间的领域差距	未明确提及具体局限性，但可能依赖于合成数据的质量和伪标签的准确性	开发一种无需专家标注的无监督脑部肿瘤分割方法	脑部MRI图像中的肿瘤区域	数字病理	脑肿瘤	两阶段图像合成策略	无监督学习模型	MRI图像	五个脑部成像数据集
1449	2025-04-14	NLP for Analyzing Electronic Health Records and Clinical Notes in Cancer Research: A Review 2025-May, Journal of pain and symptom management IF:3.2Q1 DOI:10.1016/j.jpainsymman.2025.01.019 PMID:39894080	review	本文综述了自然语言处理（NLP）技术在癌症研究中使用电子健康记录（EHRs）和临床笔记的应用	提供了比以往专注于特定癌症类型或应用的研究更广泛的视角，并揭示了从基于规则和传统机器学习方法向先进深度学习和基于transformer的模型的显著转变	现有研究中提出的解决方案的泛化能力有限，且需要改进与临床工作流程的整合	探讨NLP技术在癌症研究中的应用现状和未来方向	电子健康记录（EHRs）和临床笔记	natural language processing	cancer	NLP	transformer-based models, deep learning	text	94项相关研究（2019年至2024年发表）
1450	2025-04-13	Uncertainty-Aware Deep Learning Characterization of Knee Radiographs for Large-Scale Registry Creation 2025-May, The Journal of arthroplasty IF:3.4Q1 DOI:10.1016/j.arth.2024.10.103 PMID:39477040	research paper	本文介绍了一个自动化膝关节X光图像处理流程，用于大规模注册表的创建，结合了多标签图像语义分类器、基于保形预测的不确定性量化和膝关节硬件物体检测模型	提出了一种结合不确定性量化的多标签分类器和物体检测模型，用于膝关节X光片的自动化分析，增强了模型在不确定情况下的透明度	研究仅针对膝关节X光片，未涉及其他关节或影像类型	开发自动化膝关节X光图像分析系统，用于大规模医学影像注册表创建	膝关节X光影像	digital pathology	geriatric disease	deep learning, conformal prediction	EfficientNet, object detection model	image	26,000张膝关节影像（其中11,841张有手术构造位置标注）
1451	2025-04-13	Detection of Ocular Surface Squamous Neoplasia Using Artificial Intelligence With Anterior Segment Optical Coherence Tomography 2025-May, American journal of ophthalmology IF:4.1Q1 DOI:10.1016/j.ajo.2025.02.019 PMID:39983942	research paper	开发并验证了一种深度学习模型，用于通过高分辨率前段光学相干断层扫描（AS-OCT）区分眼表鳞状上皮瘤（OSSN）与翼状胬肉和结膜黄斑	使用深度学习模型结合自编码器和Vision Transformer监督模型，提高了OSSN的诊断准确性	研究为单中心回顾性研究，样本量有限，需要进一步研究验证模型的泛化能力	开发一种基于AS-OCT的深度学习模型，用于准确区分OSSN与非OSSN病变	眼表鳞状上皮瘤（OSSN）、翼状胬肉和结膜黄斑患者	digital pathology	ocular surface squamous neoplasia	AS-OCT	masked autoencoder, Vision Transformer	image	105,859 AS-OCT images of 5746 eyes for training, 2022 AS-OCT images from 523 eyes (427 patients) for validation, 566 scans (62 eyes, 48 patients) for testing
1452	2025-04-12	Improving Accuracy and Reproducibility of Cartilage T2 Mapping in the OAI Dataset Through Extended Phase Graph Modeling 2025-May, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.29646 PMID:39467097	研究论文	本研究通过扩展相位图（EPG）建模提高了骨关节炎倡议（OAI）数据集中软骨T2映射的准确性和可重复性	首次将EPG建模应用于OAI数据集，解决了传统单指数模型忽略刺激回波和B1不均匀性的问题	研究样本量相对较小（100名受试者），且为回顾性研究	评估不同拟合方法（包括基于EPG和基于指数的方法）对OAI数据集中软骨T2准确性和可重复性的影响	OAI数据集中的受试者膝关节软骨	医学影像分析	骨关节炎	Multi-Echo Spin-Echo (MESE)序列，扩展相位图（EPG）建模	非线性最小二乘法、字典匹配、深度学习	医学影像数据	100名受试者（50名骨关节炎患者和50名健康对照）
1453	2024-11-07	Editorial for "Development of a Dual-Plane MRI-Based Deep Learning Model to Assess the 1-Year Postoperative Outcomes in Lumbar Disc Herniation After Tubular Microdiscectomy" 2025-May, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.29637 PMID:39501638	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1454	2025-04-12	Development of a Dual-Plane MRI-Based Deep Learning Model to Assess the 1-Year Postoperative Outcomes in Lumbar Disc Herniation After Tubular Microdiscectomy 2025-May, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.29639 PMID:39501646	研究论文	开发一种基于双平面MRI的深度学习模型，用于评估腰椎间盘突出症患者接受管状显微椎间盘切除术后的1年预后效果	首次将术前双平面MRI的深度学习特征与临床特征相结合，用于评估管状显微椎间盘切除术的1年预后效果	研究为回顾性设计，可能存在选择偏倚；外部验证集的样本量相对较小	评估深度学习模型在预测腰椎间盘突出症手术预后中的应用价值	接受管状显微椎间盘切除术的腰椎间盘突出症患者	数字病理学	腰椎间盘突出症	MRI (T2加权序列)	ResNet50, ResNet101, ResNet152	图像	548名患者（训练集305名，内部验证集131名，外部验证集112名）
1455	2025-04-12	Development and Validation of a Deep Learning System to Differentiate HER2-Zero, HER2-Low, and HER2-Positive Breast Cancer Based on Dynamic Contrast-Enhanced MRI 2025-May, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.29670 PMID:39643475	研究论文	开发并验证了一种基于动态对比增强MRI（DCE-MRI）的深度学习系统，用于自动分割肿瘤并分类HER2-zero、HER2-low和HER2-positive状态的乳腺癌	首次使用深度学习系统（ResNetGN）基于DCE-MRI数据自动分割肿瘤并分类HER2状态，填补了此前研究在深度学习应用上的不确定性	研究为回顾性设计，可能存在选择偏差，且样本仅来自三个中心，可能影响模型的泛化能力	开发一种自动化工具，通过DCE-MRI数据在术前区分乳腺癌的HER2表达状态，以指导治疗决策	1294名乳腺癌患者（训练集811例，内部测试集204例，外部测试集279例）的DCE-MRI数据	数字病理学	乳腺癌	动态对比增强MRI（DCE-MRI）	ResNetGN	MRI图像	1294例乳腺癌患者（训练集811例，内部测试集204例，外部测试集279例）
1456	2025-04-12	Deep learning algorithm classification of tympanostomy tube images from a heterogenous pediatric population 2025-May, International journal of pediatric otorhinolaryngology IF:1.2Q3 DOI:10.1016/j.ijporl.2025.112311 PMID:40096786	研究论文	本研究评估了一种基于深度学习算法的AI技术，用于通过家用数字耳镜图像分类儿童鼓膜置管状态	首次在异质性儿科人群中验证了基于消费级数字耳镜图像的深度学习算法对鼓膜置管状态的分类能力	排除了有鼓膜成形术或胆脂瘤病史的患者，样本量相对较小(69名儿童)	评估AI算法通过数字耳镜图像准确判断鼓膜置管状态(在位通畅/脱出/缺失)的能力	10个月至10岁有鼓膜置管史的儿科患者	数字病理	儿科耳科疾病	深度学习	深度学习算法(未指定具体架构)	图像	69名儿童产生的296张耳镜图像
1457	2025-04-12	Editorial for "Development and Validation of a Deep Learning System to Differentiate HER2-Zero, HER2-Low, and HER2-Positive Breast Cancer Based on Dynamic Contrast-Enhanced MRI" 2025-May, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.29697 PMID:39776259	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1458	2025-04-10	A New Metric Based on Association Rules to Assess Feature-Attribution Explainability Techniques for Time Series Forecasting 2025-May, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3540513 PMID:40031563	research paper	本文介绍了一种新的模型无关度量RExQUAL，用于量化和比较基于归因的可解释人工智能技术提供的解释质量	提出了一种基于关联规则的新度量RExQUAL，结合局部和全局解释，评估和比较不同可解释技术的质量	实验设计仅包括不同类型的时间序列预测，可能在其他领域的适用性有待验证	评估和比较基于归因的可解释人工智能技术在时间序列预测中的解释质量	时间序列数据（包括单变量和多变量）	machine learning	NA	association rules, feature attribution	deep learning models	time series data	NA
1459	2025-04-09	A pretrained transformer model for decoding individual glucose dynamics from continuous glucose monitoring data 2025-May, National science review IF:16.3Q1 DOI:10.1093/nsr/nwaf039 PMID:40191259	研究论文	开发了一个基于注意力机制的深度学习模型CGMformer，用于从连续血糖监测数据中解码个体血糖动态	利用自监督学习在大量CGM数据上预训练模型，能够表征个体内在代谢状态并支持多种临床应用	未提及具体样本量或模型在更广泛人群中的验证情况	通过深度学习改进糖尿病管理中的血糖监测和预测	连续血糖监测数据和糖尿病相关临床任务	机器学习	糖尿病	自监督学习	Transformer	时间序列数据	NA
1460	2025-04-05	Deep Learning-Based Precontrast CT Parcellation for MRI-Free Brain Amyloid PET Quantification 2025-May-01, Clinical nuclear medicine IF:9.6Q1 DOI:10.1097/RLU.0000000000005652 PMID:39876079	研究论文	本研究开发了一种基于深度学习的CT脑区分割模型，用于无MRI依赖的淀粉样蛋白PET定量	首次提出利用深度学习直接从CT图像进行脑区分割，无需高分辨率MRI，实现了淀粉样蛋白PET的准确定量	研究基于回顾性数据，且样本量相对有限（226例）	开发不依赖MRI的淀粉样蛋白PET定量方法	轻度认知障碍或痴呆患者（157例）和健康对照者（69例）	数字病理学	老年痴呆症	PET/CT扫描	UNet	CT和PET图像	226人（157例患者+69例对照）