深度学习在生物医药领域的应用

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	算法框架	模型架构	性能指标	计算资源
841	2025-10-06	High-resolution deep learning reconstruction for coronary CTA: compared efficacy of stenosis evaluation with other methods at in vitro and in vivo studies 2025-Aug, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-11376-9 PMID:39903239	研究论文	比较混合型迭代重建、模型迭代重建、深度学习重建和高分辨率深度学习重建在冠状动脉CTA中对狭窄评估的效果	首次在体外和体内研究中直接比较四种重建方法对冠状动脉狭窄评估的效果，特别是高分辨率深度学习重建的优越性	样本量有限（31例患者），仅评估了非钙化阶梯状狭窄斑块	评估不同重建方法在冠状动脉CTA中对狭窄评估的准确性和图像质量	体外血管模型和接受冠状动脉CTA检查的患者	医学影像分析	心血管疾病	冠状动脉计算机断层扫描血管成像（CCTA），面积探测器CT（ADCT），超高分辨率CT（UHR-CT）	深度学习重建	医学影像数据	体外研究：3种直径（3mm、4mm、5mm）血管模型，4种狭窄程度（0%、25%、50%、75%）；体内研究：31例患者	NA	NA	图像噪声，内径测量准确性，CAD-RADS分类准确性，McNemar检验	NA
842	2025-10-06	CT-based detection of clinically significant portal hypertension predicts post-hepatectomy outcomes in hepatocellular carcinoma 2025-Aug, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-11411-9 PMID:39953152	研究论文	本研究评估基于CT检测的临床显著门静脉高压对肝细胞癌患者肝切除术后预后的预测价值	首次将基于深度学习的脾脏体积测量与个性化参考阈值纳入CT检测CSPH标准，并验证其在肝切除术后预后预测中的优越性	单中心回顾性研究，样本量有限，需要多中心前瞻性验证	评估CT检测的临床显著门静脉高压对肝细胞癌患者肝切除术后结局的预测能力	晚期慢性肝病并行肝切除术的极早期或早期肝细胞癌患者	数字病理	肝细胞癌	CT成像，深度学习脾脏体积测量	深度学习	CT图像	593名患者（460名男性，平均年龄57.9±9.3岁）	NA	NA	AUC，OR，sHR	NA
843	2025-10-06	Multimodal deep learning: tumor and visceral fat impact on colorectal cancer occult peritoneal metastasis 2025-Aug, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-11450-2 PMID:39961863	研究论文	本研究提出了一种多模态深度学习方法，探讨肿瘤和内脏脂肪对结直肠癌隐匿性腹膜转移的影响	首次将肿瘤和内脏脂肪的多模态CT影像特征结合，构建多尺度特征融合网络用于预测结直肠癌腹膜转移	NA	研究结直肠癌患者肿瘤和内脏脂肪对隐匿性腹膜转移的预测价值	结直肠癌患者的术前CT影像和临床数据	医学影像分析	结直肠癌	CT扫描	深度学习	医学影像, 临床数据	NA	NA	ResNet18, Multi-scale Feature Fusion Network (MSFF-Net)	AUC	NA
844	2025-10-06	Spatiotemporal Observer Design for Predictive Learning of High-Dimensional Data 2025-Aug, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3556669 PMID:40168192	研究论文	提出一种基于观测器理论的深度学习架构——时空观测器，用于高维数据的预测学习	将动力系统领域知识融入深度学习框架设计，提供泛化误差界和收敛性保证，并引入动态正则化	NA	解决具有理论保证的时空预测问题	高维时空数据	机器学习	NA	深度学习	深度学习架构	时空数据	NA	NA	时空观测器	NA	NA
845	2025-10-06	Revisiting One-Stage Deep Uncalibrated Photometric Stereo via Fourier Embedding 2025-Aug, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3557245 PMID:40173071	研究论文	提出一种基于傅里叶嵌入的单阶段深度无标定光度立体网络（FUPS-Net），用于未知光照方向下的非朗伯体表面重建	首次将傅里叶变换嵌入到单阶段无标定光度立体网络中，通过傅里叶域分解隐式学习光照和几何特征，避免了两阶段方法的误差传播问题	未明确说明对特定材质或复杂光照条件的适应性限制	解决无标定光度立体问题，实现单阶段端到端的表面法向估计	非朗伯体物体在未知光照方向下的表面重建	计算机视觉	NA	光度立体视觉，傅里叶变换	深度学习网络	图像	合成和真实数据集（未指定具体数量）	NA	FUPS-Net，包含傅里叶嵌入提取块（FEE）、傅里叶嵌入聚合块（FEA）和频率-空间加权块（FSW）	NA	NA
846	2025-10-06	Revisiting Supervised Learning-Based Photometric Stereo Networks 2025-Aug, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3557498 PMID:40178960	研究论文	本文通过分析现有光度立体网络的深度特征和架构，提出了一种新的ESSENCE-Net方法	提出ESSENCE-Net，采用易优先编码策略有效编码深度阴影特征，通过阴影监督增强阴影特征，并使用空间上下文感知注意力准确解码法向量	NA	揭示监督学习光度立体网络如何处理未知反射率和全局光照效应挑战	光度立体网络	计算机视觉	NA	光度立体技术	深度学习网络	图像	三个基准数据集	NA	ESSENCE-Net	NA	NA
847	2025-10-06	Unknown-Aware Bilateral Dependency Optimization for Defending Against Model Inversion Attacks 2025-Aug, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3558267 PMID:40184277	研究论文	提出一种双边依赖优化策略来防御模型反转攻击，同时保护隐私和提升模型安全性	提出双边依赖优化策略，通过最小化输入特征与潜在表示的依赖关系，同时最大化潜在表示与标签的依赖关系，解决了传统单边依赖优化在防御模型反转攻击与分类性能间的矛盾	使用BiDO训练的模型在分布外检测方面能力下降，可能带来安全风险	防御模型反转攻击，保护训练数据隐私，同时维持模型分类性能	深度学习分类器及其训练数据	机器学习安全	NA	依赖优化，分布外检测	分类器	训练数据特征和标签	NA	NA	NA	FPR95, AUCROC	NA
848	2025-10-06	Recent Advances in Artificial Intelligence for Precision Diagnosis and Treatment of Bladder Cancer: A Review 2025-Aug, Annals of surgical oncology IF:3.4Q1 DOI:10.1245/s10434-025-17228-6 PMID:40221553	综述	本文全面回顾了人工智能技术在膀胱癌精准诊疗中的最新研究进展与前景	系统总结了深度学习等AI技术在膀胱癌肿瘤检测、分子分型识别、分期分级和预后预测等临床任务中的创新应用	作为综述文章，未涉及具体实验设计和数据验证	探讨人工智能技术在膀胱癌精准诊疗中的应用价值与发展趋势	膀胱癌的临床诊断与治疗	数字病理	膀胱癌	深度学习	NA	医学影像、病理数据	NA	NA	NA	NA	NA
849	2025-10-06	Hadamard Product in Deep Learning: Introduction, Advances and Challenges 2025-Aug, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3560423 PMID:40232897	综述	本文系统调查了深度学习中哈达玛乘积的基本原理、应用进展与挑战	首次对哈达玛乘积在深度学习中的应用进行系统分类，提出四大主要应用领域，并揭示其作为核心架构原语的潜力	作为综述论文，主要整合现有知识而非提出新方法，缺乏实证性能比较	系统分析哈达玛乘积在深度学习中的理论基础、应用场景和发展前景	深度学习中的哈达玛乘积运算及其架构应用	机器学习	NA	NA	NA	多模态数据	NA	NA	NA	NA	资源受限部署、边缘计算场景
850	2025-10-06	Constraint Boundary Wandering Framework: Enhancing Constrained Optimization With Deep Neural Networks 2025-Aug, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3560762 PMID:40232899	研究论文	提出一种基于深度神经网络的约束边界游走框架，用于解决约束优化问题	引入受主动集方法启发的边界游走策略，将Lipschitz常数作为可学习参数，并证明L2范数正则化项的优越性	NA	提升约束优化问题的求解效率和可扩展性	约束优化问题	机器学习	NA	深度学习	深度神经网络	合成数据集和ACOPT数据集	NA	NA	NA	目标损失, 约束损失	NA
851	2025-10-06	PointNorm-Net: Self-Supervised Normal Prediction of 3D Point Clouds via Multi-Modal Distribution Estimation 2025-Aug, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3562051 PMID:40238601	研究论文	提出首个自监督深度学习框架PointNorm-Net，用于解决3D点云法向量预测在真实场景中的泛化问题	提出三阶段多模态法向量分布估计范式，可集成到深度学习和传统优化方法中，是首个自监督3D点云法向量预测框架	未明确说明在极端复杂场景下的性能表现和处理效率	解决合成数据与真实数据之间的领域差距问题，提升3D点云法向量预测在真实场景的泛化能力	3D点云数据	计算机视觉	NA	自监督学习	深度学习框架	3D点云	三个真实世界数据集	NA	PointNorm-Net	泛化性能，与最先进方法的比较	NA
852	2025-10-06	Graph Anomaly Detection in Time Series: A Survey 2025-Aug, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3566620 PMID:40315075	综述	对基于图的时间序列异常检测方法进行全面调研和系统综述	首次系统性地综述图方法在时间序列异常检测中的应用，分析图表示对时间序列数据的潜力及其对异常检测的贡献	作为综述性文章，不包含原始实验验证，主要依赖现有文献分析	探索图异常检测技术在时间序列数据分析中的应用和发展	时间序列数据中的异常检测方法	机器学习	NA	图表示学习	深度学习架构	时间序列数据	NA	NA	NA	NA	NA
853	2025-10-06	Plexus and Peripheral Nerve MR Imaging: Advances and Applications: MR Neurography: Sequence Possibilities and Recent Advances 2025-Aug, Magnetic resonance imaging clinics of North America IF:1.5Q3 DOI:10.1016/j.mric.2025.03.001 PMID:40610154	综述	本文探讨磁共振神经成像在诊断和管理神经丛及周围神经疾病方面的最新进展与技术应用	重点关注3T成像技术、深度学习重建方法、脂肪与血管抑制策略，并展望7T磁共振和定量扩散成像的未来发展	NA	总结磁共振神经成像技术的最新进展及其临床应用	臂丛神经、腰骶丛神经和四肢周围神经	医学影像	周围神经疾病	磁共振神经成像（MRN）、3T/7T磁共振成像、扩散成像	深度学习	医学影像	NA	NA	NA	NA	NA
854	2025-10-06	X-ArecaNet: Dataset of arecanut X-ray images for deep learning applications 2025-Aug, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2025.111721 PMID:40612478	研究论文	提出一个用于槟榔分级的新型X射线图像数据集X-ArecaNet	首次通过X射线内部检测方法创建槟榔分级数据集，填补了无损检测槟榔质量的研究空白	数据集未进行图像增强，样本量相对有限（共900张图像）	为槟榔产业建立基于深度学习的质量分级标准	槟榔果实	计算机视觉	NA	X射线成像	深度学习	X射线图像	900张X射线图像（3个等级各300张）	YOLOv5	NA	NA	NA
855	2025-10-06	Urban tree species benchmark dataset for time series classification 2025-Aug, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2025.111777 PMID:40612477	研究论文	本文提出了一个用于城市树种分类的基准数据集，包含多源光学卫星图像时间序列数据	提供了首个专门针对城市树种的卫星图像时间序列分类基准数据集，并开发了基于InceptionTime的多源数据融合模型	数据集仅覆盖法国斯特拉斯堡市的20个常见树种，可能无法代表其他地区的树种多样性	开发城市树种分类的基准数据集和深度学习模型，支持城市森林管理和生态监测	城市树种，特别是法国斯特拉斯堡市的公共树木	计算机视觉	NA	多源光学卫星遥感（Sentinel-2和PlanetScope）	深度学习	卫星图像时间序列	45,084棵树木，涵盖20个最常见树种	深度学习框架	InceptionTime, Dual-InceptionTime	置信度得分，正确性标志，t-SNE可视化分析	NA
856	2025-10-06	DunHuangStitch: Unsupervised Deep Image Stitching of Dunhuang Murals 2025-Aug, IEEE transactions on visualization and computer graphics IF:4.7Q1 DOI:10.1109/TVCG.2024.3398289 PMID:38717890	研究论文	本文提出了一种基于深度学习的敦煌壁画无监督图像拼接方法	首次将深度学习应用于敦煌壁画拼接，设计了渐进回归图像对齐网络和特征差分重建软编码接缝拼接网络，并引入了软编码接缝质量评估方法	未明确说明方法在极端低纹理区域的适用性	解决敦煌壁画数字化存储中的图像拼接问题	敦煌壁画图像	计算机视觉	NA	深度学习图像处理	无监督学习	图像	构建了两个壁画拼接数据集（未明确具体样本数量）	NA	渐进回归图像对齐网络，特征差分重建软编码接缝拼接网络	对齐性能，拼接性能	NA
857	2025-10-06	Deep Learning Reconstruction Combined With Conventional Acceleration Improves Image Quality of 3 T Brain MRI and Does Not Impact Quantitative Diffusion Metrics 2025-Aug-01, Investigative radiology IF:7.0Q1 DOI:10.1097/RLI.0000000000001158 PMID:39919383	研究论文	评估深度学习重建与传统加速技术结合对3T脑部MRI扩散加权成像图像质量和定量扩散指标的影响	首次将传统加速技术与Deep Resolve Boost深度学习重建相结合应用于单次激发平面回波扩散加权成像，并系统评估其对图像质量和定量指标的影响	样本量较小(24例患者)，在特定区域(额极和视交叉附近)仍存在伪影问题，加速程度与ADC值差异存在正相关关系	评估深度学习重建与传统加速技术结合对脑部MRI图像质量和定量扩散指标的改善效果	24例接受脑部MRI检查的患者	医学影像分析	神经系统疾病	磁共振成像, 扩散加权成像, 单次激发平面回波成像	深度学习	医学影像	24例患者	NA	Deep Resolve Boost	图像质量评分, 噪声评估, 锐度评分, 伪影评估, ADC值一致性	NA
858	2025-10-06	Moving Beyond CT Body Composition Analysis: Using Style Transfer for Bringing CT-Based Fully-Automated Body Composition Analysis to T2-Weighted MRI Sequences 2025-Aug-01, Investigative radiology IF:7.0Q1 DOI:10.1097/RLI.0000000000001162 PMID:39961134	研究论文	本研究提出了一种基于深度学习的自动化身体成分分析方法，通过风格迁移技术将CT图像的身体成分分析能力迁移到T2加权MRI序列	首次使用CycleGAN将CT分割结果映射到合成的MR图像，并利用nnU-Net在真实T2加权MRI序列上实现全自动身体成分分析	仅使用120名患者的T2加权MRI序列，样本量相对有限	开发适用于MRI序列的自动化身体成分分析方法	人体10个身体区域（骨骼、肌肉、皮下脂肪等）和4个身体部位（手臂、头颈、腿部、躯干）	医学影像分析	身体成分分析	CycleGAN风格迁移，深度学习分割	nnU-Net	CT图像，T2加权MRI序列	30对合成数据用于初始训练，120名患者（46%女性，中位年龄56岁）的真实T2加权MRI序列	nnU-Net	nnU-Net V2 2D, nnU-Net V2 3D	Sørensen-Dice, Surface Dice, Hausdorff Distance	NA
859	2025-10-06	New approaches to lesion assessment in multiple sclerosis 2025-Aug-01, Current opinion in neurology IF:4.1Q2 DOI:10.1097/WCO.0000000000001378 PMID:40377692	综述	总结人工智能驱动的多发性硬化病灶分割新方法和新型神经影像模态在病灶识别与表征方面的最新进展	深度学习技术实现了多发性硬化多种病灶亚型的自动检测，包括钆增强、中央静脉征阳性、顺磁性边缘、皮质和脊髓病变	NA	提升多发性硬化病灶评估的准确性、可重复性和效率，改善疾病诊断、监测和治疗反应评估	多发性硬化病灶	医学影像分析	多发性硬化	定量磁化率成像(QSM)、χ分离成像、胞体与神经突密度成像(SANDI)、PET	深度学习	神经影像数据	NA	NA	NA	准确性, 可重复性, 效率	NA
860	2025-10-06	A Robust Residual Three-dimensional Convolutional Neural Networks Model for Prediction of Amyloid-β Positivity by Using FDG-PET 2025-Aug-01, Clinical nuclear medicine IF:9.6Q1 DOI:10.1097/RLU.0000000000005966 PMID:40524364	研究论文	本研究开发了一种基于残差三维卷积神经网络的稳健模型，用于通过FDG-PET预测淀粉样蛋白-β阳性	首次利用残差3DCNN从更易获取的FDG-PET图像中预测淀粉样蛋白-β阳性，显著减少对站点标准化预处理的依赖	样本量相对有限（187例开发集，99例多中心验证集），在认知正常组中的F1分数较低	开发深度学习模型预测阿尔茨海默病中的淀粉样蛋白-β阳性	从认知正常到痴呆及其他认知障碍的患者	医学影像分析	阿尔茨海默病	FDG-PET, PiB-PET, T1加权MRI	3DCNN	三维医学影像	187例患者用于模型开发，99例多中心患者用于验证	NA	残差3DCNN	AUC, F1分数	NA