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
141	2025-07-05	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	research paper	该研究提出了一个基于多源光学卫星图像时间序列的城市树种分类基准数据集	创建了一个包含斯特拉斯堡市20种最常见树种的45,084棵树的基准数据集，并提供了三种基于InceptionTime的预训练模型	数据集仅覆盖斯特拉斯堡市的树种，可能无法代表其他地区的树种多样性	推进利用卫星图像时间序列和深度学习进行城市植被监测	城市树种	computer vision	NA	卫星图像时间序列分析	InceptionTime, Dual-InceptionTime	卫星图像时间序列	45,084棵树，涵盖20个常见树种
142	2025-07-04	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图像拼接方法，旨在解决传统方法在低纹理壁画拼接中的局限性	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	未明确提及具体局限性，但暗示传统方法在特征点检测精度和低纹理壁画拼接方面存在不足	为敦煌壁画的数字化存储和保存提供技术支持	敦煌壁画	计算机视觉	NA	深度学习	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	图像	构建了两个壁画拼接数据集（未明确样本数量）
143	2025-07-04	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	本研究评估了深度学习重建与传统加速技术在3T脑MRI中的结合应用，及其对图像质量和定量扩散指标的影响	结合深度学习重建（DRB）与传统加速技术，显著提高了ssEPI DWI序列的图像质量并缩短了采集时间	在部分切片中观察到DRB重建序列产生更多伪影，且随着加速程度和DRB应用的增加，ADC值的差异增大	评估深度学习重建与传统加速技术结合对3T脑MRI图像质量和定量扩散指标的影响	24名患者的脑MRI数据	数字病理	NA	单次激发平面回波成像（ssEPI）扩散加权成像（DWI）	深度学习（Deep Resolve Boost, DRB）	MRI图像	24名患者
144	2025-07-04	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	本研究提出了一种利用深度学习技术从T2加权MRI序列中自动进行身体成分分析的方法	通过CycleGAN将CT分割映射到合成的MR图像上，并利用nnU-Net V2模型进行3D和2D分割，实现了从CT到MRI的身体成分分析方法的迁移	研究中仅使用了30对合成数据对进行初步训练，样本量相对较小	开发一种自动化方法，用于从T2加权MRI序列中提取身体成分参数	120名患者的T2加权MRI序列（46%为女性，中位年龄56岁）	数字病理学	NA	CycleGAN, nnU-Net V2	CNN（具体为nnU-Net V2的3D和2D版本）	医学影像（T2加权MRI序列）	120名患者的MRI数据
145	2025-07-04	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	review	总结人工智能驱动的病变分割和新型神经影像技术在多发性硬化症（MS）病变识别与表征中的最新进展	人工智能尤其是深度学习方法革新了MS病变评估和分割，提高了准确性、可重复性和效率，同时新型神经影像技术如QSM、χ-separation成像和SANDI提供了对病变病理的更深入理解	NA	总结人工智能和新型神经影像技术在MS病变评估中的应用及其对临床和研究的潜在影响	多发性硬化症（MS）病变	数字病理	多发性硬化症	人工智能驱动的病变分割、定量磁化率成像（QSM）、χ-separation成像、SANDI、PET	深度学习	神经影像数据	NA
146	2025-07-04	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	本研究利用残差3D卷积神经网络（3DCNN）开发了一个稳健的模型，通过FDG-PET预测淀粉样蛋白β阳性	利用残差3DCNN模型从FDG-PET图像中学习复杂的3D空间模式，显著减少了对站点协调预处理的依赖	样本量相对较小（187名患者用于模型开发，99名患者用于评估），且在不同种族和站点协调水平的数据集上表现存在差异	开发一个能够通过FDG-PET预测淀粉样蛋白β阳性的深度学习模型，以辅助阿尔茨海默病的诊断	从认知正常到痴呆及其他认知障碍的患者	数字病理学	阿尔茨海默病	FDG-PET, T1-weighted MRI, 11 C-Pittsburgh compound B (PiB) PET扫描	残差3DCNN	图像	187名患者用于模型开发，99名患者用于评估
147	2025-07-04	Grapes leaf disease dataset for precision agriculture 2025-Aug, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2025.111716 PMID:40599426	research paper	该论文提供了一个包含2,726张高质量葡萄叶病害图像的大型数据集，用于精准农业中的病害检测	提供了高质量、精确标注的葡萄叶病害图像数据集，并通过ResNet-18算法验证了数据集的适用性	数据集仅来自印度纳西克的葡萄农场，可能无法涵盖所有地理和气候条件下的病害情况	旨在通过AI模型提升葡萄病害的自动化检测、分类和预测能力	葡萄叶病害图像	computer vision	葡萄病害	图像采集与标注	ResNet-18	image	2,726张葡萄叶病害图像
148	2025-07-03	Microscope-Assisted Hypertensive Retinopathy Diagnosis Using Deep Learning Models 2025-Aug, Microscopy research and technique IF:2.0Q3 DOI:10.1002/jemt.24847 PMID:40129051	研究论文	本文提出了一种基于U-Net和Dense-Net的深度学习模型，用于通过视网膜图像自动检测和分级高血压视网膜病变（HR）	结合U-Net和Dense-Net模型，通过血管分割、动静脉分类及血管宽度计算，实现HR的自动检测和分级	研究仅基于AVRDB数据集，未提及在其他数据集上的泛化能力	开发一种自动检测和分级高血压视网膜病变的方法，以辅助临床诊断	高血压视网膜病变（HR）患者的视网膜图像	数字病理学	心血管疾病	深度学习	U-Net, Dense-Net	图像	AVRDB数据集
149	2025-07-03	Advances in disease detection through retinal imaging: A systematic review 2025-Aug, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110412 PMID:40482560	系统综述	本文综述了机器学习技术在视网膜图像疾病检测中的应用，包括单模态和多模态成像方法	系统评估了深度学习和经典机器学习模型在视网膜图像疾病检测中的效率和性能，提出了未来研究方向	识别了机器学习在视网膜图像疾病检测中的关键挑战，如模型的泛化能力和临床适用性	探讨机器学习技术在视网膜图像疾病自动检测和分级中的应用	视网膜图像	计算机视觉	眼科疾病	机器学习	深度学习和经典机器学习模型	图像	NA
150	2025-07-03	Enhancing and advancements in deep learning for melanoma detection: A comprehensive review 2025-Aug, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110533 PMID:40483855	综述	本文系统回顾了深度学习在黑色素瘤检测中的应用趋势和差距，重点关注现有模型的可复制性和泛化能力	总结了深度学习在黑色素瘤检测中的关键进展，并指出了数据多样性和模型透明度不足的问题	现有模型对不同肤色人群的适用性有限，且许多研究缺乏数据分区的透明度，限制了模型的可重复性	探讨深度学习在黑色素瘤早期和准确检测中的应用及其全球有效性	黑色素瘤的深度学习检测模型	数字病理学	黑色素瘤	深度学习（DL）	ResNet, Inception	图像	使用了公共数据库如ISIC和HAM10000，但具体样本数量未明确说明
151	2025-07-03	Advancing respiratory disease diagnosis: A deep learning and vision transformer-based approach with a novel X-ray dataset 2025-Aug, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110501 PMID:40494170	研究论文	本文通过利用X射线图像和先进的机器学习技术（如深度学习和Vision Transformers）对呼吸系统疾病分类领域做出重要贡献	引入了一个新颖、多样化的数据集，包含来自5263名患者的7867张X射线图像，涵盖49种不同的肺部疾病，并系统回顾了2017年至2024年间发表的综述文章	研究可能未涵盖2017年之前的基础性工作，且AI的快速发展可能使早期方法不再相关	提高呼吸系统疾病分类的准确性和可靠性，改善临床决策	呼吸系统疾病（如肺炎和COVID-19）的诊断	计算机视觉	肺部疾病	深度学习和Vision Transformers (ViT)	DL和ViT	X射线图像	7867张X射线图像来自5263名患者
152	2025-07-03	IDEA: Image database for earthquake damage annotation 2025-Aug, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2025.111733 PMID:40599425	研究论文	本文介绍了IDEA（地震损害标注图像数据库），一个包含超过5400张标注图像的数据集，用于支持深度学习在结构损害检测和分类中的应用	提出了一个基于广泛认可的结构损害类别的综合本体论，可用于扩展现有数据集或创建新数据集，从而增加按照结构工程标准标注的数据的可用性	NA	填补结构损害检测和/或分类深度学习开发中标注数据的不足	地震后的结构损害图像	计算机视觉	NA	深度学习	NA	图像	超过5400张图像
153	2025-07-02	Automated detection and recognition of oocyte toxicity by fusion of latent and observable features 2025-Aug-15, Journal of hazardous materials IF:12.2Q1 DOI:10.1016/j.jhazmat.2025.138411 PMID:40318589	research paper	开发了一个结合深度学习和可观察特征的框架，用于自动检测和识别卵母细胞毒性	首次将深度学习提取的潜在特征与人类可观察概念特征融合，用于卵母细胞毒性的检测、亚型和强度分类	研究仅基于小鼠卵母细胞图像，未在人类卵母细胞上进行验证	评估环境污染物对卵母细胞异常的影响，并预测污染物下的胚胎能力	小鼠卵母细胞	digital pathology	infertility	deep learning	CNN	image	2126张小鼠卵母细胞图像
154	2025-07-02	Comparison of clinical, radiomics, deep learning, and fusion models for predicting early recurrence in locally advanced rectal cancer based on multiparametric MRI: a multicenter study 2025-Aug, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.112173 PMID:40403678	研究论文	本研究比较了临床、放射组学、深度学习和融合模型在基于多参数MRI预测局部晚期直肠癌早期复发的效果	首次比较了四种模型（临床、放射组学、深度学习和两种融合模型）在预测局部晚期直肠癌早期复发中的表现，并发现基于决策的晚期融合模型表现最佳	研究为回顾性设计，可能存在选择偏差	预测局部晚期直肠癌的早期复发以优化临床决策	337名局部晚期直肠癌患者	数字病理学	直肠癌	多参数MRI（T2WI, DWI, T1WI, CET1WI）	XGBoost, 深度学习模型, 特征融合模型, 决策融合模型	MRI图像	337名患者（来自四个中心）
155	2025-07-02	Artificial Intelligence in Pediatric Endocrinology 2025-Aug, Advances in pediatrics DOI:10.1016/j.yapd.2024.12.003 PMID:40582750	review	本文探讨了人工智能在儿科内分泌学中的应用及其对医疗服务的提升	介绍了AI技术如何通过人机协作提升医疗服务的安全性和质量	未具体提及AI在儿科内分泌学中的实际应用案例或效果评估	探讨人工智能技术在儿科内分泌学中的应用潜力	儿科内分泌学领域的医疗服务	machine learning	NA	machine learning, deep learning, natural language processing, robotics, speech processing	NA	NA	NA
156	2025-06-29	Reirradiation for recurrent glioblastoma: the significance of the residual tumor volume 2025-Aug, Journal of neuro-oncology IF:3.2Q2 DOI:10.1007/s11060-025-05042-9 PMID:40310485	研究论文	本研究探讨了复发性胶质母细胞瘤再放疗的可行性及残留肿瘤体积对预后的影响	首次通过深度学习自动分割管道测量对比增强肿瘤体积，并结合临床和分子病理因素评估其对生存率的影响	样本量较小（71例患者），且为单中心回顾性研究	评估复发性胶质母细胞瘤再放疗的疗效及预后因素	71例复发性CNS WHO 4级IDHwt胶质母细胞瘤患者	数字病理学	胶质母细胞瘤	深度学习自动分割管道	NA	医学影像	71例患者
157	2025-06-26	Assessing risk of groundwater pollution exposure from sea level rise in California 2025-Aug-10, The Science of the total environment DOI:10.1016/j.scitotenv.2025.179695 PMID:40513440	研究论文	本研究利用深度学习和可解释人工智能（XAI）模型评估加州海平面上升导致的地下水污染暴露风险	结合深度学习和XAI模型，量化海平面上升对地下水污染暴露风险的影响，并识别关键风险预测因素	模型在空间自相关性方面存在泛化挑战，空间交叉验证模型在其他沿海地区的应用可能存在偏差	评估海平面上升对加州地下水污染暴露风险的影响	加州沿海含水层及2296个危险场所	环境科学	NA	深度学习，可解释人工智能（XAI）	深度学习模型，XAI模型	地下水数据，社会经济数据，人口统计数据	2296个危险场所及加州沿海地区人口数据
158	2025-06-26	Prediction of B/T Subtype and ETV6-RUNX1 Translocation in Pediatric Acute Lymphoblastic Leukemia by Deep Learning Analysis of Giemsa-Stained Whole Slide Images of Bone Marrow Aspirates 2025-Aug, Pediatric blood & cancer IF:2.4Q1 DOI:10.1002/pbc.31797 PMID:40399768	研究论文	本研究开发了一个深度学习流程，用于分析吉姆萨染色的骨髓穿刺涂片，以预测儿童急性淋巴细胞白血病的B/T亚型和ETV6-RUNX1易位	首次使用深度学习分析吉姆萨染色涂片来预测B/T亚型和ETV6-RUNX1易位，为资源匮乏地区提供了替代诊断方案	外部验证队列的AUC值相对较低（B/T亚型0.72，ETV6-RUNX1易位0.69），表明模型在外部数据上的泛化能力有待提高	开发一种基于深度学习的诊断工具，用于儿童急性淋巴细胞白血病的亚型分类和遗传异常检测	儿童急性淋巴细胞白血病患者的骨髓穿刺涂片	数字病理学	急性淋巴细胞白血病	吉姆萨染色	CNN	图像	未明确提及具体样本数量，但包含交叉验证和外部验证队列
159	2025-06-24	Physically grounded deep learning-enabled gold nanoparticle localization and quantification in photonic resonator absorption microscopy for digital resolution molecular diagnostics 2025-Aug-01, Biosensors & bioelectronics IF:10.7Q1 DOI:10.1016/j.bios.2025.117455 PMID:40233489	research paper	提出了一种名为LOCA-PRAM的深度学习方法，结合光子共振吸收显微镜（PRAM），利用金纳米颗粒（AuNPs）作为分子标签，实现数字分辨率的生物分子检测	LOCA-PRAM通过光子晶体（PC）-AuNP共振耦合增强信号对比度，无需将样品分割成液滴或进行酶扩增，即可实现目标分子的精确量化	NA	实现数字分辨率的分子生物标志物检测，用于疾病诊断、治疗研究和生物医学研究	金纳米颗粒（AuNPs）作为分子标签	digital pathology	NA	光子共振吸收显微镜（PRAM）、扫描电子显微镜（SEM）	deep learning	image	NA
160	2025-06-24	Deep learning approaches to surgical video segmentation and object detection: A scoping review 2025-Aug, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110482 PMID:40460561	综述	本文回顾了2014年至2024年间关于手术视频中解剖结构语义分割和物体检测的深度学习模型的最新研究进展	总结了深度学习在手术视频语义分割和物体检测中的最新性能，特别是实时应用的潜力	对于较小结构（如神经）的分割准确性较低，数据可用性和模型泛化性仍是未来发展的关键挑战	评估手术视频中解剖结构语义分割的最新技术水平，并探讨深度学习模型在临床应用中的进展	手术视频中的解剖结构	计算机视觉	NA	深度学习	U-Net, DeepLab	视频	61项已发表研究，涉及普通外科、结直肠外科和神经外科等多种手术类型