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
1701	2025-06-09	Estimation of time-to-total knee replacement surgery with multimodal modeling and artificial intelligence 2025-Jul, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110364 PMID:40435672	research paper	开发并评估了一种基于人工智能的模型，用于通过分析纵向膝关节数据和识别与加速膝关节骨关节炎进展相关的关键特征来预测全膝关节置换术的时间	结合深度学习特征与临床和图像评估特征进行生存分析，提高了预测全膝关节置换术时间的准确性	预测方法仍需进一步验证以增强其稳健性和准确性	预测全膝关节置换术的时间，以帮助医生个性化治疗策略并改善患者预后	547名在骨关节炎倡议中接受全膝关节置换术的受试者，以及来自多中心骨关节炎研究和内部医院数据的额外受试者	digital pathology	geriatric disease	deep learning, Lasso Cox feature selection, random survival forest model	DL, Lasso Cox, random survival forest	clinical variables, MR images, radiographs, quantitative and semi-quantitative assessments	547名受试者用于模型训练和测试，518名和164名受试者用于外部测试
1702	2025-06-09	Integrating multi-omics data with artificial intelligence to decipher the role of tumor-infiltrating lymphocytes in tumor immunotherapy 2025-Jul, Pathology, research and practice DOI:10.1016/j.prp.2025.156035 PMID:40435910	综述	本文综述了人工智能在评估肿瘤浸润淋巴细胞（TILs）中的应用进展，包括自动化定量、亚群识别及空间分布模式分析	整合多组学数据与人工智能技术，探索TILs在肿瘤免疫治疗中的作用，并探讨AI与其他新兴技术的结合	NA	阐明TILs在各种癌症中的预后价值及其对免疫治疗和新辅助治疗反应的预测能力	肿瘤浸润淋巴细胞（TILs）	数字病理学	肿瘤	单细胞测序、多重免疫荧光、空间转录组学	CNN	图像	NA
1703	2025-06-09	A medical information extraction model with contrastive tuning and tagging layer training 2025-Jul, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110465 PMID:40446547	research paper	提出了一种新的医学信息提取模型，通过对比调优和标记层训练来减少对标注数据的依赖	提出了一种语义引导的表示训练模型，通过对比损失机制在同一语义空间中训练医学文本和医学信息类别的表示	未明确提及具体局限性	改进医学信息提取任务，减少对大量标注数据的依赖	临床文本中的结构化信息	natural language processing	NA	对比损失机制	语义引导的表示训练模型	text	CCKS2019和CMeEE数据集
1704	2025-06-09	An attention-based approach for Koopman modeling and predictive control of nonlinear systems 2025-Jul, ISA transactions IF:6.3Q1 DOI:10.1016/j.isatra.2025.04.011 PMID:40295151	research paper	开发了一种基于注意力的深度学习方法，用于构建Koopman特征函数，以解决非线性系统建模的挑战	引入了注意力机制和可逆神经网络架构，以更精确地近似非线性系统与其线性化对应物之间的拓扑共轭关系	NA	提高非线性系统的建模精度和预测控制能力	非线性系统的建模与控制	machine learning	NA	deep learning, attention mechanism, invertible neural networks	CNN (conditional affine coupling layers)	numerical data	numerical examples and a physical experiment
1705	2025-06-09	Enhancing forensic shoeprint analysis: Application of the Shoe-MS algorithm to challenging evidence 2025-Jul, Science & justice : journal of the Forensic Science Society IF:1.9Q3 DOI:10.1016/j.scijus.2025.101255 PMID:40480703	研究论文	本文探讨了Shoe-MS算法，一种基于深度学习的框架，专为法医鞋印分析设计，输入为两幅配对图像，输出为0到1之间的相似度评分	提出Shoe-MS算法，用于法医鞋印分析，能够处理质量较差的犯罪现场图像，并生成可靠的相似度评分	算法无法完全替代人工检查，仍需检查员进行概率性、可重复和可再现的评估	提高法医鞋印分析的准确性和效率	法医鞋印图像	计算机视觉	NA	深度学习	Shoe-MS算法	图像	两个不同的数据库
1706	2025-06-09	Visualizing what's missing: Using deep learning and Bow-Tie diagrams to identify and visualize missing leading indicators in industrial construction 2025-Jul, Journal of safety research IF:3.9Q2 DOI:10.1016/j.jsr.2025.02.007 PMID:40483046	研究论文	本研究利用深度学习和Bow-Tie图来识别和可视化工业建筑中缺失的安全领先指标	结合NLP、文本挖掘和深度学习技术（如SBERT）分析建筑项目中的事故和检查报告，识别未被安全领先指标捕捉到的危险	研究仅基于2015年至2018年加拿大一个建筑项目的数据，可能无法完全推广到其他地区或行业	识别安全领先指标在检查中未捕捉到的危险，以提升安全管理系统的有效性	建筑行业的安全事故和检查报告	自然语言处理	NA	NLP, 文本挖掘, SBERT, N-gram模型, 共现网络	SBERT	文本	633起事故和9,681份检查描述
1707	2025-06-07	Motion-Compensated Multishot Pancreatic Diffusion-Weighted Imaging With Deep Learning-Based Denoising 2025-Jul-01, Investigative radiology IF:7.0Q1 DOI:10.1097/RLI.0000000000001148 PMID:39823511	研究论文	本文提出了一种结合运动补偿扩散编码梯度(MCGs)和深度学习去噪的多重扩散加权成像(msDWI)方法，用于改善胰腺DWI的图像质量和定量准确性	创新点在于结合了CODE生成的MCGs和深度学习去噪技术，以减少运动伪影并最小化回波时间损失	样本量较小(22例患者)，且研究仅在一家机构进行	提高胰腺扩散加权成像(DWI)的图像质量和定量准确性	胰腺	医学影像	胰腺疾病	多重扩散加权成像(msDWI)、运动补偿扩散编码梯度(MCGs)、深度学习去噪	深度学习	MRI图像	22例患者
1708	2025-06-07	Learning to Explore Sample Relationships 2025-Jul, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3549300 PMID:40063428	research paper	本文提出了一种名为BatchFormerV1和BatchFormerV2的模块，用于增强深度神经网络在学习样本关系方面的能力	提出了BatchFormer模块，使深度神经网络能够以可学习的方式探索样本关系，并进一步扩展到像素/补丁级别的密集表示	探索实例级关系对密集预测的影响有限，且训练和测试阶段存在不一致性	解决深度学习在数据稀缺情况下的样本关系探索问题	深度神经网络中的样本关系	computer vision	NA	deep learning	BatchFormerV1, BatchFormerV2	image	超过十个流行数据集
1709	2025-06-07	Hard-Aware Instance Adaptive Self-Training for Unsupervised Cross-Domain Semantic Segmentation 2025-Jul, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3552484 PMID:40100655	research paper	提出了一种用于无监督跨域语义分割的硬感知实例自适应自训练框架	开发了一种新颖的伪标签生成策略，包含实例自适应选择器和硬感知伪标签增强，以及区域自适应正则化	未明确提及具体限制	解决标记训练数据与未标记测试数据之间的差异问题，提升无监督域适应（UDA）在语义分割任务中的性能	语义分割任务中的跨域数据	computer vision	NA	self-training, unsupervised domain adaptation (UDA)	NA	image	GTA5 → Cityscapes, SYNTHIA → Cityscapes, Cityscapes → Oxford RobotCar 数据集
1710	2025-06-07	Generating Inverse Feature Space for Class Imbalance in Point Cloud Semantic Segmentation 2025-Jul, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3553051 PMID:40106253	research paper	提出了一种名为InvSpaceNet的网络框架，通过生成逆特征空间来缓解点云语义分割中数据不平衡导致的认知偏差	设计了双分支训练架构，结合实例平衡采样数据的特征表示和逆采样数据的认知校正，生成逆特征空间以优化分割性能	未明确提及具体限制，但可能依赖于特定数据集和计算资源	解决点云语义分割中数据不平衡导致的认知偏差问题	点云数据	computer vision	NA	深度学习	InvSpaceNet	点云	四个大型基准数据集（S3DIS, ScanNet v2, Toronto-3D, SemanticKITTI）
1711	2025-06-07	GDRNPP: A Geometry-Guided and Fully Learning-Based Object Pose Estimator 2025-Jul, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3553485 PMID:40117145	research paper	介绍了一种完全基于学习的物体姿态估计器GDRNPP，通过几何引导的直接回归网络和姿态细化模块，实现了端到端的6D姿态估计	提出了一个完全基于学习的物体姿态估计器GDRNPP，无需依赖传统技术，实现了端到端的训练，并在精度和速度上超越了现有方法	NA	解决计算机视觉中刚性物体6D姿态估计的挑战，提高姿态估计的精度和速度	刚性物体的6D姿态	computer vision	NA	CNN	GDRN, GDRNPP	image	NA
1712	2025-06-07	ONNXPruner: ONNX-Based General Model Pruning Adapter 2025-Jul, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3554560 PMID:40131753	research paper	提出了一种名为ONNXPruner的通用模型剪枝适配器，用于简化ONNX格式模型在不同深度学习框架和硬件平台上的剪枝过程	ONNXPruner通过节点关联树自动适应各种模型架构，并引入树级评估方法，提升了剪枝性能	未提及具体剪枝算法在不同模型上的性能对比	推动模型剪枝的实际应用	ONNX格式的深度学习模型	machine learning	NA	模型剪枝	ONNX格式模型	NA	多个模型和数据集
1713	2025-06-07	Towards Unified Deep Image Deraining: A Survey and a New Benchmark 2025-Jul, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3556133 PMID:40153286	综述	本文全面回顾了现有的图像去雨方法，并提供了一个统一的评估设置来评估它们的性能	构建了一个新的高质量基准HQ-RAIN，并建立了一个在线平台以促进去雨技术的复现和追踪	未提及具体方法的局限性	统一评估图像去雨方法的性能并推动该领域的发展	图像去雨方法及其评估	计算机视觉	NA	深度学习	NA	图像	5,000对高分辨率合成图像
1714	2025-06-07	Integrating prior knowledge with deep learning for optimized quality control in corneal images: A multicenter study 2025-Jul, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108814 PMID:40319841	研究论文	本研究开发并评估了一种混合AI图像质量控制系统，用于分类裂隙灯图像，以提高诊断准确性和效率，特别是在远程医疗应用中	提出了一种新型网络HP-Net，结合了基于ResNet的分类分支和利用Hough圆变换及频域模糊检测的先验知识分支，增强了网络的表征能力和分类能力	研究主要针对裂隙灯图像，可能不适用于其他类型的医学图像	开发并评估一种混合AI图像质量控制系统，以提高裂隙灯图像的分类准确性和效率	裂隙灯图像	计算机视觉	眼科疾病	Hough圆变换和频域模糊检测	HP-Net（结合ResNet和先验知识分支）	图像	内部数据集2982张图像，外部数据集13,554张和9853张图像
1715	2025-06-07	Impact of spectrum bias on deep learning-based stroke MRI analysis 2025-Jul, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.112161 PMID:40359732	研究论文	评估在卒中MRI分析中排除不确定急性缺血性病变（AIL）病例对深度学习工具诊断效能的影响	揭示了排除不确定病例会导致诊断比值比被高估四倍，并识别了与不确定AIL相关的独立因素	单中心回顾性研究，结果可能受限于样本选择偏差	评估卒中MRI分析中的频谱偏倚及其影响因素	疑似卒中成年患者的脑MRI数据	数字病理学	心血管疾病	脑MRI分析	深度学习工具（未明确具体模型）	医学影像	989名患者（374例确定AIL，63例不确定AIL，552例无AIL）
1716	2025-06-06	Deep Ensemble for Central Serous Microscopic Retinopathy Detection in Retinal Optical Coherence Tomographic Images 2025-Jul, Microscopy research and technique IF:2.0Q3 DOI:10.1002/jemt.24836 PMID:40014549	research paper	该研究提出了一种基于卷积神经网络的框架，结合分割和后处理技术，用于视网膜光学相干断层扫描图像中的中央浆液性视网膜病变检测	采用三种网络（ResNet-18、GoogleNet和VGG-19）的融合方法进行图像分类，实现了高准确率（99.6%）和高特异性（100%）	研究仅使用了公开数据集OCTID，样本量相对较小（207张正常图像和102张CSR图像）	开发一种自动检测中央浆液性视网膜病变的方法，以减少视力丧失的风险	视网膜光学相干断层扫描图像	digital pathology	retinal disorder	光学相干断层扫描（OCT）	CNN（ResNet-18、GoogleNet、VGG-19）	image	309张图像（207张正常，102张CSR）
1717	2025-06-06	Estimating canopy leaf angle from leaf to ecosystem scale: a novel deep learning approach using unmanned aerial vehicle imagery 2025-Jul, The New phytologist DOI:10.1111/nph.70197 PMID:40346911	研究论文	提出一种基于无人机影像和深度学习的创新方法，用于从叶片到生态系统尺度高效估算冠层叶片角度	相比传统方法，该方法更经济、高效、自动化且劳动强度低，能够跨尺度估算叶片角度分布	目前仅在三种植物物种上进行了单叶尺度的验证，需要更多物种和生态系统验证其普适性	开发高效估算植被冠层叶片角度分布的方法，以支持生态系统建模	植物冠层叶片角度	计算机视觉	NA	无人机影像、运动结构点云算法	Mask R-CNN	图像	57,032片叶片（来自30m×30m样地内的四种代表性树种）
1718	2025-06-05	Enhancing Functional Protein Design Using Heuristic Optimization and Deep Learning for Anti-Inflammatory and Gene Therapy Applications 2025-Jul, Proteins IF:3.2Q2 DOI:10.1002/prot.26810 PMID:39985803	研究论文	本研究开发了一种启发式优化方法，用于增强蛋白质的关键功能特性，如溶解性、灵活性和稳定性，同时保持蛋白质的结构完整性	结合启发式优化和深度学习，专注于蛋白质的功能特性设计，特别适用于抗炎和基因治疗应用	未提及具体实验验证的功能性蛋白质数量或实际应用效果	提高功能性蛋白质设计的效率和效果，减少实验室需求	蛋白质序列设计，特别是具有抗炎特性和用于基因治疗的蛋白质	机器学习	NA	启发式优化方法、深度学习、遗传算法	NA	蛋白质序列	NA
1719	2025-06-04	Video-Based Lifting Action Recognition Using Rank-Altered Kinematic Feature Pairs 2025-Jul, Human factors IF:2.9Q2 DOI:10.1177/00187208241309748 PMID:39723832	研究论文	该研究提出了一种基于视频的举重动作识别方法，通过鲁棒的类别预测和简化的流程实现实时监控	使用基于计算机视觉的运动学特征对和集成分类器，实现了高效且准确的举重动作识别与计数	未明确提及方法在不同光照条件或复杂背景下的泛化能力	开发一种能够在有限硬件资源上实时监控举重任务的方法	视频中的举重动作	计算机视觉	职业性腰背损伤	BlazePose姿态估计模型	集成分类器	视频	NA
1720	2025-06-04	A Deep Learning Survival Model for Evaluating the Survival Prognosis of Papillary Thyroid Cancer: A Population-Based Cohort Study 2025-Jul, Annals of surgical oncology IF:3.4Q1 DOI:10.1245/s10434-025-17290-0 PMID:40254654	研究论文	本研究构建了一个基于临床风险因素的深度学习模型，用于预测甲状腺乳头状癌患者的生存预后	首次在甲状腺乳头状癌（PTC）中探索深度学习生存模型的性能，并利用DeepSurv模型对患者进行风险分层	研究依赖于回顾性数据，可能存在选择偏倚	评估深度学习模型在甲状腺乳头状癌患者生存预后预测中的性能	甲状腺乳头状癌患者	数字病理学	甲状腺癌	深度学习	DeepSurv（基于Cox比例风险的深度神经网络）	临床数据	来自17个美国SEER癌症登记处（2000-2020年）的连续PTC患者，以及MDACC和TCGA两个外部测试数据集