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
481	2025-05-13	Semi-Supervised Learning Allows for Improved Segmentation With Reduced Annotations of Brain Metastases Using Multicenter MRI Data 2025-Jun, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.29686 PMID:39792624	research paper	该研究探讨了半监督学习在减少标注负担的同时提高脑转移瘤分割性能的可行性	首次在多中心MRI数据上测试了半监督学习方法（包括mean teacher、cross-pseudo supervision和interpolation consistency training）对脑转移瘤分割的效果，并展示了在小规模标注数据下的性能提升	研究为回顾性设计，且仅针对脑转移瘤这一特定病变类型	验证半监督学习能否在减少专家标注工作量的情况下提高脑转移瘤的自动分割性能	来自五个机构的脑转移瘤患者的MRI扫描数据（包含标注和未标注数据）	digital pathology	brain metastases	MRI（包括2D/3D T1加权增强扫描和FLAIR序列）	U-Net	MRI图像	156+65+324+200标注扫描（来自4个中心）和519未标注扫描（来自1个中心）
482	2025-05-13	Identification of Gingival Inflammation Surface Image Features Using Intraoral Scanning and Deep Learning 2025-Jun, International dental journal IF:3.2Q1 DOI:10.1016/j.identj.2025.01.002 PMID:39875279	研究论文	本研究结合口腔内扫描和深度学习算法，开发了一种自动识别牙龈炎症表面特征的方法	首次将口腔内扫描（IOS）与深度学习结合，用于牙龈炎症表面特征的自动识别，提供了一种标准化和自动化的辅助工具	研究样本量较小（120名患者），且仅针对牙周炎患者，可能限制了结果的普遍适用性	开发一种客观、可量化的牙龈炎症表面特征识别方法，以辅助临床诊断	120名牙周炎患者的牙周探诊数据和口腔内扫描图像	数字病理	牙周炎	口腔内扫描（IOS）	GC-U-Net	图像	120名牙周炎患者
483	2025-05-13	DKCN-Net: Deep kronecker convolutional neural network-based lung disease detection with federated learning 2025-Jun, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2025.108376 PMID:39986257	研究论文	提出了一种基于深度克罗内克卷积神经网络（DKCN-Net）和联邦学习（FL）的肺病检测方法	结合联邦学习保护患者数据隐私，并引入DKCN-Net提高肺病检测的准确性和稳定性	处理每个时间戳需要50秒，可能影响实时性	开发一种高稳定性且保护隐私的肺病检测技术	肺病检测	数字病理学	肺癌	联邦学习（FL）、自适应高斯滤波（AGF）、深度模糊聚类（DFC）	DKCN-Net（结合DKN和PCNN）、3D-FCN	CT图像	来自LIDC-IDRI数据库的CT图像
484	2025-05-13	Bootstrap inference and machine learning reveal core differential plasma metabolic connectome signatures in major depressive disorder 2025-Jun-01, Journal of affective disorders IF:4.9Q1 DOI:10.1016/j.jad.2025.02.109 PMID:40044084	研究论文	通过自举推断和机器学习方法，研究重度抑郁症（MDD）患者血浆代谢网络的核心差异特征	首次大规模应用代谢网络分析方法揭示MDD患者代谢网络的显著重组特征，特别是亚油酸代谢途径的异常	研究仅基于英国生物银行数据，可能无法完全代表其他人群	探索重度抑郁症的代谢网络特征及其诊断潜力	182,053名英国生物银行参与者（9,425名MDD患者和172,628名健康对照）	机器学习	重度抑郁症	代谢组学网络分析、自举推断分析	极端梯度提升模型（XGBoost）、深度学习模型	血浆代谢组数据	182,053名参与者（9,425例MDD患者和172,628名健康对照）
485	2025-05-13	Development of a digital algorithm for assessing tumor-stroma ratio, tumor budding and tumor infiltrating lymphocytes in vulvar squamous cell carcinomas 2025-Jun, Annals of diagnostic pathology IF:1.5Q3 DOI:10.1016/j.anndiagpath.2025.152462 PMID:40048885	研究论文	开发一种数字算法用于评估外阴鳞状细胞癌中的肿瘤-间质比、肿瘤芽和肿瘤浸润淋巴细胞	首次开发了一种基于深度学习的数字方法，用于自动评估外阴鳞状细胞癌中的肿瘤-间质比、肿瘤芽和肿瘤浸润淋巴细胞	研究样本量较小（41例），需要更大规模的验证，并且临床相关性尚未确定	开发一种自动化的数字方法来评估外阴鳞状细胞癌中的预后标志物，并研究这些标志物与p16状态的关系	外阴鳞状细胞癌（VSCC）	数字病理学	外阴鳞状细胞癌	深度学习	APP（应用协议包）	图像	41例外阴鳞状细胞癌病例
486	2025-05-13	Enhancing atrial fibrillation detection in PPG analysis with sparse labels through contrastive learning 2025-Jun, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108698 PMID:40054320	研究论文	本研究探讨了自监督对比学习在基于PPG的心房颤动检测中的应用，以减少对标记数据的依赖	使用自监督对比学习框架（SimCLR和BYOL）预训练模型，显著减少了对标记数据的需求，并在少量标记数据上微调后取得了优于监督学习的效果	研究仅针对PPG数据，未验证在其他生理信号上的适用性	提高基于PPG的心房颤动检测的准确性，同时减少对标记数据的依赖	PPG信号数据	机器学习	心血管疾病	对比学习（SimCLR和BYOL）	自监督学习模型	PPG信号	1,209小时未标记PPG数据（来自VitalDB数据库）以及少量标记数据（来自MIMIC III、UMass和DeepBeat数据集）
487	2025-05-13	Automated Detection of Microcracks Within Second Harmonic Generation Images of Cartilage Using Deep Learning 2025-Jun, Journal of orthopaedic research : official publication of the Orthopaedic Research Society IF:2.1Q2 DOI:10.1002/jor.26071 PMID:40113341	research paper	该研究开发了一个基于YOLOv8的深度学习模型，用于自动检测、分割和量化软骨微裂纹	首次使用YOLOv8深度学习模型自动化检测软骨微裂纹，显著提高了检测效率和准确性	模型在微裂纹方向估计上存在中等程度的变异性，数据集需要扩展到更多解剖区域和疾病阶段	开发自动化工具以促进软骨微裂纹研究，并理解早期软骨损伤	关节软骨中的微裂纹	digital pathology	osteoarthritis	second harmonic generation (SHG) imaging	YOLOv8	image	未明确提及具体样本数量
488	2025-05-12	Lightweight deep learning model for embedded systems efficiently predicts oil and protein content in rapeseed 2025-Jun-15, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2025.143557 PMID:40020621	研究论文	开发了一种基于优化深度学习方法的移动应用程序，用于低成本、非破坏性和实时预测油菜籽中的蛋白质和油含量	使用轻量级深度学习模型FasterNet-L，结合神经修剪技术，显著提高了预测速度和模型效率	未提及模型在其他作物上的泛化能力验证	开发一种高效、低成本的油菜籽蛋白质和油含量预测方法	油菜籽	计算机视觉	NA	深度学习	FasterNet-L	图像	未明确提及样本数量
489	2025-05-12	A multimodal deep learning model for detecting endoscopic images of near-infrared fluorescence capsules 2025-Jun-15, Biosensors & bioelectronics IF:10.7Q1 DOI:10.1016/j.bios.2025.117251 PMID:40020636	研究论文	本文提出了一种名为Multimodal-Retinex-Attention-YOLO (MRAY)的多模态深度学习模型，用于检测近红外荧光胶囊内镜图像，以提高胃肠道疾病的早期筛查准确性	提出了结合白光和荧光图像数据的多模态深度学习模型MRAY，显著提高了在低光条件下的异常检测准确性和效率	使用的数据集为模拟人类胃肠道的猪胃图像，可能无法完全反映真实人类胃肠道环境的复杂性	提高胃肠道疾病的早期筛查准确性和效率	胃肠道疾病（如癌症、溃疡、炎症等）的早期检测	数字病理学	胃肠道疾病	近红外荧光胶囊内镜(NIRF-CE)	Multimodal-Retinex-Attention-YOLO (MRAY), YOLO	图像	使用NIRF-CE系统捕获的猪胃图像数据集
490	2025-05-12	A deep learning-based, real-time image report system for linear EUS 2025-Jun, Gastrointestinal endoscopy IF:6.7Q1 DOI:10.1016/j.gie.2024.10.030 PMID:39427992	研究论文	开发了一种基于深度学习的EUS自动图像报告系统（EUS-AIRS），用于实时捕获高质量EUS图像	首次将深度学习模型集成到EUS自动图像报告系统中，实现实时自动拍摄标准站点、病变和穿刺过程	研究样本量相对较小（114名患者），且仅在单一医疗中心进行测试	提高EUS图像采集的完整性和质量，优化疾病相关决策	接受EUS检查的患者	数字病理	胆胰疾病	EUS（内镜超声检查）	深度学习模型（未指定具体类型）	图像	235,784张训练测试图像 + 114名前瞻性测试患者
491	2025-05-12	Incorporating Radiologist Knowledge Into MRI Quality Metrics for Machine Learning Using Rank-Based Ratings 2025-Jun, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.29672 PMID:39690114	research paper	该研究开发了一种基于放射科医生图像排名和深度学习模型的MRI图像质量评估指标	利用放射科医生的图像排名训练深度学习模型，开发了专门针对MRI的图像质量评估指标，替代传统的均方误差和结构相似性指标	研究仅使用了NYU fastMRI Initiative神经数据库的数据，可能限制了模型的泛化能力	开发专门针对MRI图像的深度学习质量评估指标	MRI图像质量评估	digital pathology	NA	MRI	EfficientNet, IQ-Net	image	2916个独特图像对的19,344个排名数据
492	2025-05-12	Computer-Aided Detection (CADe) and Segmentation Methods for Breast Cancer Using Magnetic Resonance Imaging (MRI) 2025-Jun, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.29687 PMID:39781684	review	本文综述了计算机辅助检测（CADe）系统在乳腺癌MRI中的应用，包括技术细节、分割模型及最新深度学习架构	强调了从传统算法到复杂深度学习模型（如U-Nets）的最新进展，以及多参数MRI采集的CADe实现	面临假阳性和假阴性率不稳定、影像数据解释复杂、系统性能差异大、缺乏大规模研究和多中心模型等技术挑战	提高乳腺癌早期检测的准确性和效率，优化CADe系统在临床实践中的应用	乳腺癌MRI影像	digital pathology	breast cancer	MRI	U-Nets, supervised and unsupervised ML, DL architectures	image	NA
493	2025-05-12	DeepTree-AAPred: Binary tree-based deep learning model for anti-angiogenic peptides prediction 2025-Jun, Journal of molecular graphics & modelling IF:2.7Q2 DOI:10.1016/j.jmgm.2025.108982 PMID:40020469	research paper	提出了一种基于二叉树的深度学习模型DeepTree-AAPred，用于预测抗血管生成肽	结合了二叉树的深度学习结构，并使用ProtBERT和ESM-2预训练模型提取1D和2D广义特征，进一步利用BiLSTM和TextCNN捕捉局部特征和上下文依赖关系	未提及模型在真实临床环境中的表现或泛化能力	提高抗血管生成肽的预测准确性，以支持肿瘤治疗	抗血管生成肽（AAPs）	machine learning	tumor	ProtBERT, ESM-2, BiLSTM, TextCNN	DeepTree-AAPred (binary tree-based deep learning model)	protein sequence data	标准数据集（具体数量未提及）
494	2025-05-12	Role of artificial intelligence in data-centric additive manufacturing processes for biomedical applications 2025-Jun, Journal of the mechanical behavior of biomedical materials IF:3.3Q3 DOI:10.1016/j.jmbbm.2025.106949 PMID:40036906	review	本文综述了人工智能在生物医学应用中数据驱动的增材制造过程中的作用	探讨了AI在增材制造预处理、打印过程和后处理中的应用潜力，特别是在满足个性化医疗需求方面	未提及具体的技术实施限制或数据可用性问题	探索AI如何优化增材制造全流程以提升生物医学产品的个性化适配性	增材制造流程（预处理、打印、后处理）及生物医学产品（组织工程、假体、芯片器官等）	machine learning	NA	监督学习、无监督学习、深度学习、强化学习	NA	制造参数、结构设计数据、材料特性数据	NA
495	2025-05-12	Incorporating radiomic MRI models for presurgical response assessment in patients with early breast cancer undergoing neoadjuvant systemic therapy: Collaborative insights from breast oncologists and radiologists 2025-Jun, Critical reviews in oncology/hematology DOI:10.1016/j.critrevonc.2025.104681 PMID:40058742	review	探讨放射组学MRI模型在早期乳腺癌患者新辅助系统治疗前反应评估中的应用及其临床意义	结合机器学习和深度学习方法提高放射组学MRI的准确性和预测能力	放射科医生的评估具有定性和主观性，可能不足以决定是否放弃额外的局部治疗措施	提高早期乳腺癌患者新辅助治疗前反应评估的准确性	早期乳腺癌患者	digital pathology	breast cancer	MRI, machine learning, deep learning	NA	image	NA
496	2025-05-12	Comparison of deep learning models for facial attractiveness assessment on 3D photos 2025-Jun, Journal of dentistry IF:4.8Q1 DOI:10.1016/j.jdent.2025.105735 PMID:40199417	研究论文	本研究比较了几种著名的CNN模型在中国6-18岁正畸患者面部吸引力评估中的准确性和精确性	首次在3D照片上比较了多种CNN模型在面部吸引力评估中的表现，并分析了模型准确性与训练效率之间的权衡	研究仅针对中国6-18岁正畸患者，样本多样性可能有限	评估不同CNN模型在面部吸引力评估中的性能	中国6-18岁正畸患者的面部3D照片	计算机视觉	正畸	3D摄影	CNN (包括ResNet18, ResNet50, ResNet101, VGG-16, VGG-19, Inception-v3, MobileNet-v2, DenseNet121)	3D照片转换的2D RGB图像	1272名患者的3D照片
497	2025-05-12	SapFlower: an automated tool for sap flow data preprocessing, gap-filling, and analysis using deep learning 2025-Jun, The New phytologist DOI:10.1111/nph.70107 PMID:40200603	research paper	介绍了一个名为SapFlower的自动化工具，用于处理、填补和分析植物液流数据	整合了自动清洗、机器学习和深度学习模型，能够高效处理液流数据中的噪声和缺失值	未来需要针对不同树种进行特定校正，并支持更多测量方法	提高植物液流数据处理的效率和可访问性	植物液流数据	machine learning	NA	thermal dissipation probes (TDP)	random forest, Gaussian process regression, LSTM, BiLSTM	sap flow data	NA
498	2025-05-12	ChatIOS: Improving automatic 3-dimensional tooth segmentation via GPT-4V and multimodal pre-training 2025-Jun, Journal of dentistry IF:4.8Q1 DOI:10.1016/j.jdent.2025.105755 PMID:40228651	research paper	提出了一种结合GPT-4V和多模态预训练技术的框架ChatIOS，用于提升3D牙齿分割的深度学习算法性能	首次将GPT-4V应用于数字牙科领域，并开创了多模态预训练范式用于3D牙齿分割	研究仅基于Teeth3DS数据集，未在其他数据集上验证模型的泛化能力	提升3D牙齿分割的准确性和效率，以支持临床正畸和修复治疗	口腔内扫描仪(IOS)产生的3D牙齿扫描数据	digital pathology	NA	multimodal pre-training, GPT-4V	PointNet++	3D point clouds, 2D images, text descriptions	1800个口腔内扫描数据，约24000颗标注牙齿（训练集：1200扫描，16004牙齿；测试集：600扫描，7995牙齿），来自900名患者
499	2025-05-12	Predicting lung cancer bone metastasis using CT and pathological imaging with a Swin Transformer model 2025-Jun, Journal of bone oncology IF:3.1Q2 DOI:10.1016/j.jbo.2025.100681 PMID:40342492	research paper	开发了一种基于Swin Transformer的多模态深度学习模型，用于通过整合CT成像和病理数据预测肺癌患者的骨转移风险	首次将Swin Transformer模型应用于多模态（CT和病理图像）数据融合，以预测肺癌骨转移风险	样本量相对较小（215例患者），且未提及外部验证集的结果	早期预测肺癌患者的骨转移风险，以实现及时干预并改善患者预后	215例确诊肺癌患者（包括有和无骨转移的患者）	digital pathology	lung cancer	CT成像和数字化组织病理学成像	Swin Transformer	image	215例肺癌患者
500	2025-05-11	Food-derived DPP4 inhibitors: Drug discovery based on high-throughput virtual screening and deep learning 2025-Jun-15, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2025.143505 PMID:40015027	研究论文	本研究通过高通量虚拟筛选和深度学习技术，从食物来源中开发了六种改良化合物，作为治疗2型糖尿病的潜在候选药物	结合虚拟筛选、深度学习算法、ADMET特性评估和分子动力学模拟，发现并改良了六种食物来源的DPP-4抑制剂	未提及临床试验结果，仅进行了体外和计算机模拟评估	发现新型食物来源的DPP-4抑制剂用于治疗2型糖尿病	六种食物来源的DPP-4抑制化合物	药物发现	2型糖尿病	高通量虚拟筛选、深度学习算法、ADMET评估、分子动力学模拟	深度学习模型	化学化合物数据	六种化合物