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
1181	2025-05-30	Virtual monochromatic image-based automatic segmentation strategy using deep learning method 2025-Jun, Physica medica : PM : an international journal devoted to the applications of physics to medicine and biology : official journal of the Italian Association of Biomedical Physics (AIFB) DOI:10.1016/j.ejmp.2025.104986 PMID:40318556	research paper	本研究提出了一种基于双能CT生成的虚拟单色图像的新型深度学习模型MIAU-Net，用于头部危险器官的自动分割	提出了MIAU-Net模型，并探索了不同虚拟能量水平对分割准确性的影响	研究仅基于46名患者的数据，样本量较小	提高基于双能CT的自动分割准确性	头部危险器官（如脑干、视交叉、晶状体等）	digital pathology	NA	DECT	MIAU-Net, U-Net, Attention-UNet, nnU-Net, TransFuse	image	46名患者的DECT数据
1182	2025-05-30	AutoFE-Pointer: Auto-weighted feature extractor based on pointer network for DNA methylation prediction 2025-Jun, International journal of biological macromolecules IF:7.7Q1 DOI:10.1016/j.ijbiomac.2025.143668 PMID:40339839	研究论文	提出了一种基于指针网络的自动加权特征提取器AutoFE-Pointer，用于DNA甲基化预测	利用改进的软化指针网络动态提取和加权来自不同DNA序列的特征，能够同时处理17个不同物种的基准数据集，实现跨物种泛化并减少计算需求	未提及具体样本量或实验验证的局限性	开发精确高效的DNA甲基化预测工具	DNA甲基化模式	计算生物学	癌症	DNA甲基化测序	指针网络	DNA序列数据	NA
1183	2025-05-30	Comparative analysis of deep learning methods for breast ultrasound lesion detection and classification 2025-Jun, Physica medica : PM : an international journal devoted to the applications of physics to medicine and biology : official journal of the Italian Association of Biomedical Physics (AIFB) DOI:10.1016/j.ejmp.2025.104993 PMID:40381258	research paper	比较分析深度学习在乳腺超声病灶检测和分类中的应用效果	首次探讨了结合病灶检测和分类步骤的影响，并公开了一个新的乳腺超声分割数据集BUS-UCLM	研究仅针对特定数据集，未涉及其他可能的深度学习模型或方法	评估不同深度学习方法在乳腺超声病灶检测和分类中的性能	乳腺超声图像中的病灶	digital pathology	breast cancer	deep learning	Mask R-CNN, Poolformer	image	五个数据集（包括新收集的BUS-UCLM和四个公开数据集：BUSI、OASBUD、RODTOOK、UDIAT）
1184	2025-05-30	S2L-CM: Scribble-supervised nuclei segmentation in histopathology images using contrastive regularization and pixel-level multiple instance learning 2025-Jun, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110293 PMID:40381473	research paper	提出了一种基于涂鸦监督的病理核分割框架S2L-CM，利用对比正则化和像素级多实例学习来提高分割性能	结合自生成的伪标签、多尺度对比正则化和像素级多实例学习来优化分割效果	性能仍不及全监督学习方法	开发一种弱监督学习方法以减少病理核分割中的人工标注需求	病理组织图像中的细胞核	digital pathology	NA	deep learning	CNN	image	四个细胞核数据集
1185	2025-05-29	Performance of the automated digital cell image analyzer UIMD PBIA in white blood cell classification: a comparative study with sysmex DI-60 2025-Jun-26, Clinical chemistry and laboratory medicine IF:3.8Q1 DOI:10.1515/cclm-2024-1323 PMID:39837502	research paper	本研究评估了基于深度学习的自动化数字形态分析仪PBIA在白细胞分类中的性能，并与广泛使用的DI-60进行了比较	使用深度学习技术的PBIA在白细胞分类中表现出优于传统DI-60的性能	需要进一步的多中心研究进行完全验证，且在异常细胞识别上存在一定的假阳性和假阴性率	评估和比较自动化数字形态分析仪在白细胞分类中的性能	外周血涂片中的白细胞	digital pathology	NA	deep learning	NA	image	461张涂片
1186	2025-03-06	Research on the development of image-based Deep Learning (DL) model for serum quality recognition 2025-Jun-26, Clinical chemistry and laboratory medicine IF:3.8Q1 DOI:10.1515/cclm-2024-1219 PMID:40042089	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1187	2025-05-29	Optimizing MR-based attenuation correction in hybrid PET/MR using deep learning: validation with a flatbed insert and consistent patient positioning 2025-Jun, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-025-07086-5 PMID:39912939	研究论文	本研究利用平板插入物和手臂下定位在PET/CT扫描中实现精确的MR-CT匹配，以评估MR-based衰减校正（MRAC）的准确性	使用平板插入物和手臂下定位解决PET/MR中MRAC验证的挑战，并开发基于深度学习的框架生成合成CT图像	在骨丰富区域（如脊柱和肝脏）的再现性较低	优化PET/MR中的MR-based衰减校正（MRAC）方法	21名患者	医学影像处理	NA	PET/CT, PET/MR, 深度学习	深度学习框架	医学影像（PET/CT, PET/MR）	21名患者（验证数据集），300名患者（训练数据集）
1188	2025-05-29	Evaluation of deep learning-based scatter correction on a long-axial field-of-view PET scanner 2025-Jun, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-025-07120-6 PMID:39918764	研究论文	评估基于深度学习的散射校正方法在长轴视野PET扫描仪上的性能	提出了一种基于U-Net架构的深度学习散射估计方法，相比传统的单散射模拟方法，在长轴视野PET系统中表现出更高的准确性和鲁棒性	方法在[18F]-PSMA数据集上的表现虽然一致，但未使用该类型数据进行训练	评估深度学习散射估计方法在长轴视野全身PET扫描仪上的性能	长轴视野PET系统的散射校正	医学影像处理	NA	PET成像，蒙特卡洛模拟	CNN U-Net	PET影像数据	7个[18F]-FDG和[18F]-PSMA临床数据集
1189	2025-05-29	Eliminating the second CT scan of dual-tracer total-body PET/CT via deep learning-based image synthesis and registration 2025-Jun, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-025-07113-5 PMID:39932542	研究论文	本研究开发并验证了一种深度学习框架，旨在消除双示踪剂全身PET/CT成像中的第二次CT扫描	结合了注册生成对抗网络（RegGAN）和非刚性配准技术，首次实现了将第一次扫描的衰减校正CT（ACCT）图像转换为第二次扫描的伪ACCT图像	研究仅基于247名患者的回顾性数据，未进行前瞻性验证	开发一种减少双示踪剂全身PET/CT成像中CT辐射剂量的方法	接受双示踪剂全身PET/CT成像的患者	医学影像分析	NA	深度学习、PET/CT成像	RegGAN（注册生成对抗网络）	医学影像（CT和PET图像）	247名患者（167名接受[68Ga]Ga-DOTATATE/[18F]FDG，50名接受[68Ga]Ga-PSMA-11/[18F]FDG，30名接受[68Ga]Ga-FAPI-04/[18F]FDG）
1190	2025-05-29	Skin Cancer Detection Using Deep Learning Approaches 2025-Jun, Cancer biotherapy & radiopharmaceuticals DOI:10.1089/cbr.2024.0161 PMID:40151158	review	该综述探讨了多种深度学习方法在皮肤病变识别和分类中的应用	评估了不同深度学习方法在皮肤癌检测中的表现，特别是CNN在视觉病变识别中的高准确性和GAN在训练增强中的潜力	现有数据集存在肤色多样性不足、计算需求高、病变表示不均等问题，可能影响模型的效率、包容性和泛化能力	通过深度学习方法提高皮肤癌的早期检测效率和准确性	皮肤病变图像	computer vision	skin cancer	deep learning	CNN, GAN, ANN, KNN	image	NA
1191	2025-05-29	Deep learning-based intraoperative visual guidance model for ureter identification in laparoscopic sigmoidectomy 2025-Jun, Surgical endoscopy DOI:10.1007/s00464-025-11694-5 PMID:40263136	研究论文	本研究评估了一种基于深度学习的计算机视觉模型在腹腔镜乙状结肠切除术中实时识别左侧输尿管的性能	开发了基于语义分割算法的深度学习模型，用于腹腔镜手术中输尿管的实时识别，并实现了高精度的实时操作	样本量有限，手术方法缺乏多样性，手术过程不完整，且缺乏外部验证	评估深度学习模型在腹腔镜乙状结肠切除术中实时识别左侧输尿管的可行性	腹腔镜乙状结肠切除术中的左侧输尿管	计算机视觉	NA	语义分割算法	YOLO 8 和 YOLO 11	视频	86 例腹腔镜乙状结肠切除术录像，1237 张手动标注的图像
1192	2025-05-29	A magnetic resonance imaging (MRI)-based deep learning radiomics model predicts recurrence-free survival in lung cancer patients after surgical resection of brain metastases 2025-Jun, Clinical radiology IF:2.1Q2 DOI:10.1016/j.crad.2025.106920 PMID:40300277	研究论文	开发并验证了一种基于MRI的深度学习放射组学模型（DLRM），用于预测肺癌患者脑转移（BrMs）手术切除后的无复发生存期（RFS）	整合了临床和形态学MRI预测因子、手工特征和深度学习特征，构建了一个新的DLRM模型，用于预测RFS	研究为回顾性设计，样本量相对较小（215例患者），且仅基于五个中心的数据	预测肺癌患者脑转移手术切除后的无复发生存期	肺癌患者（215例）	数字病理学	肺癌	MRI	深度学习放射组学模型（DLRM）	图像	215例肺癌患者（167例训练集，48例外部测试集）
1193	2025-05-29	Deep learning for liver lesion segmentation and classification on staging CT scans of colorectal cancer patients: a multi-site technical validation study 2025-Jun, Clinical radiology IF:2.1Q2 DOI:10.1016/j.crad.2025.106914 PMID:40327945	research paper	该研究验证了一种基于深度学习的肝脏病灶检测和分类模型在结直肠癌患者分期CT扫描中的应用	该模型在肝脏病灶检测和分割方面表现出色，尤其是对于亚厘米级病灶，且作为结直肠癌分期筛查工具具有潜力	分类准确性中等，特异性较低	验证深度学习模型在结直肠癌患者分期CT扫描中肝脏病灶检测和分类的性能	结直肠癌患者的肝脏病灶	digital pathology	colorectal cancer	CT扫描	UNet	image	220例结直肠癌分期CT扫描（2014-2019年）
1194	2025-05-28	Discovery of Active Ingredient of Yinchenhao Decoction Targeting TLR4 for Hepatic Inflammatory Diseases Based on Deep Learning Approach 2025-Jun, Interdisciplinary sciences, computational life sciences DOI:10.1007/s12539-024-00670-7 PMID:39560852	research paper	本研究利用深度学习框架AIGO-DTI预测茵陈蒿汤主要成分对TLR4的靶向概率，并验证了异莨菪亭通过TLR4影响树突状细胞成熟的潜在治疗作用	提出AIGO-DTI深度学习框架，在预测YCHD成分与TLR4相互作用方面优于其他机器学习模型，并发现异莨菪亭的治疗潜力	研究主要基于计算预测和体外实验，需要进一步的体内实验验证	探索茵陈蒿汤中针对TLR4的有效成分及其治疗肝病的机制	茵陈蒿汤的主要成分及其与TLR4的相互作用	machine learning	hepatitis	deep learning	AIGO-DTI, RF, SVM, KNN, XGBoost, GCN, GAT	chemical compounds data	NA
1195	2025-05-28	A Multi-View Feature-Based Interpretable Deep Learning Framework for Drug-Drug Interaction Prediction 2025-Jun, Interdisciplinary sciences, computational life sciences DOI:10.1007/s12539-025-00687-6 PMID:39899225	research paper	提出了一种基于多视图特征的可解释深度学习框架MI-DDI，用于预测药物-药物相互作用	首次结合原子视图和子结构视图特征，并设计了一个可解释的交互模块，提高了预测的准确性和可解释性	仅验证了BIOSNAP和DrugBank数据集，在其他数据集上的泛化能力尚未验证	提高药物-药物相互作用预测的准确性和可解释性	药物分子	machine learning	NA	Message Passing Neural Network (MPNN), transformer encoders	MPNN, transformer	molecular graphs, drug SMILES	BIOSNAP数据集和DrugBank数据集
1196	2025-05-28	Cutting Skill Assessment by Motion Analysis Using Deep Learning and Spatial Marker Tracking 2025-06, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3529500 PMID:40030929	研究论文	本文提出了一种通过手术刀运动分析评估开放手术中切割技能的方法	设计了3D多面ArUco代码立方体，并使用YOLOv8模型识别手术刀类型和选择其尖端位置，提出了五个评估指标来量化外科医生的切割技能	实验样本量较小，仅涉及20名专家和新手外科医生	评估开放手术中外科医生的切割技能	外科医生的切割技能	计算机视觉	NA	运动分析、YOLOv8模型	YOLOv8	图像、3D坐标数据	20名专家和新手外科医生
1197	2025-05-28	Advancing Acoustic Droplet Vaporization for Tissue Characterization Using Quantitative Ultrasound and Transfer Learning 2025-06, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3527141 PMID:40031047	研究论文	本研究探讨了声学液滴汽化（ADV）在生物医学超声中的应用，通过定量超声和迁移学习技术对纤维蛋白基组织模拟水凝胶中的相变纳米液滴的声学和成像特性进行了研究	结合迁移学习和卷积神经网络（AlexNet）开发了两个专门用于区分纤维蛋白水凝胶的模型，为生物医学诊断提供了新的潜在方法	研究仅限于纤维蛋白基组织模拟水凝胶，未涉及真实生物组织的复杂性	探索声学液滴汽化技术在组织表征中的应用，并提高其诊断潜力	纤维蛋白基组织模拟水凝胶中的相变纳米液滴	生物医学超声	NA	被动空化检测、B型超声、对比增强超声	CNN（AlexNet）	超声图像	NA
1198	2025-05-28	Marker Data Enhancement for Markerless Motion Capture 2025-06, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3530848 PMID:40031222	研究论文	本文提出了一种更准确和泛化能力更强的标记增强器，用于将稀疏视频关键点转换为密集解剖标记，以提高无标记运动捕捉的准确性	创建了一个更大、更多样化的训练数据集，并开发了一个更准确、泛化能力更强的标记增强器	在训练数据中未包含的运动上表现不佳	提高无标记运动捕捉的准确性和泛化能力	人类运动捕捉数据	计算机视觉	NA	深度学习	标记增强器	视频	1176名受试者的标记运动捕捉数据和1433小时的合成视频关键点与解剖标记数据
1199	2025-05-28	Predicting Synergistic Drug Combinations Based on Fusion of Cell and Drug Molecular Structures 2025-Jun, Interdisciplinary sciences, computational life sciences DOI:10.1007/s12539-025-00695-6 PMID:40088336	研究论文	提出了一种名为DconnC的新方法，通过融合细胞和药物分子结构来预测协同药物组合	DconnC利用细胞特征作为节点建立药物分子结构间的连接，并通过自增强对比学习和Bi-RNN、LSTM模型优化特征，提高了预测准确性	NA	开发可靠有效的计算方法来预测协同药物组合	药物组合	机器学习	癌症	深度学习	Bi-RNN, LSTM	分子结构数据	NA
1200	2025-05-28	CR-deal: Explainable Neural Network for circRNA-RBP Binding Site Recognition and Interpretation 2025-Jun, Interdisciplinary sciences, computational life sciences DOI:10.1007/s12539-025-00694-7 PMID:40146403	research paper	本文提出了一种名为CR-deal的可解释神经网络模型，用于识别和解释circRNA与RNA结合蛋白（RBP）的结合位点	CR-deal利用图注意力网络将序列和结构特征统一到同一视图中，更有效地利用结构特征提高预测准确性，并通过集成梯度特征解释推断结合位点的功能结构区域	现有方法在准确性和可解释性方面仍有改进空间	预测circRNA与RBP的结合位点并解释其功能结构区域	circRNA和RNA结合蛋白（RBP）	natural language processing	NA	cross-linking immunoprecipitation sequencing technology	graph attention network	genome-wide circRNA data	37个circRNA数据集和7个lncRNA数据集