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
1	2025-06-03	Robust evaluation of tissue-specific radiomic features for classifying breast tissue density grades 2025-Nov, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.12.S2.S22010 PMID:40453545	研究论文	本研究评估了一种用于分类乳腺组织密度等级的特征选择方法（RFE-SHAP）的稳健性	结合传统和可解释AI方法（RFE-SHAP）来识别高预测性和有影响力的特征，并利用无监督聚类研究密度等级类别的内在可分性	模型稳健性和可解释性仍有提升空间，且外部验证中某些密度等级的AUC较低	开发一种稳健的自动化乳腺密度评估工具，以提高乳腺癌风险评估的准确性	乳腺组织密度等级	数字病理	乳腺癌	RFE-SHAP特征选择方法	逻辑回归（LR）	影像数据（数字乳腺断层合成筛查的原始中央投影）	751例（I类651例，II类100例）
2	2025-06-03	Detection and classification of supraspinatus pathologies on shoulder magnetic resonance images using a code-free deep learning application 2025-Oct, Asia-Pacific journal of sports medicine, arthroscopy, rehabilitation and technology DOI:10.1016/j.asmart.2025.04.005 PMID:40454208	research paper	评估无代码深度学习应用在肩部磁共振成像中诊断冈上肌腱病变的性能	使用无代码深度学习应用LobeAI和ResNet-50 V2模型进行冈上肌腱病变的分类和检测	当前迭代的无代码深度学习应用在临床实践中的可靠性有待提高	评估无代码深度学习应用在诊断冈上肌腱病变中的性能	肩部磁共振成像中显示部分或全层撕裂及肌腱变性的患者	digital pathology	supraspinatus pathologies	MRI	ResNet-50 V2	image	患者MRI图像，具体数量未明确说明
3	2025-06-03	Meta-tuning and fast optimization of machine learning models for dynamic methane prediction in anaerobic digestion 2025-Sep, Bioresource technology IF:9.7Q1 DOI:10.1016/j.biortech.2025.132654 PMID:40355002	研究论文	本研究评估了几种优化算法在调整数据准备和超参数优化管道以预测甲烷产量的机器和深度学习模型中的性能	提出了元调优方法，显著提高了复杂场景下模型的准确率，特别是在动态数据集上的循环神经网络	未提及具体的数据集规模和多样性限制	优化机器学习模型在厌氧消化过程中动态甲烷预测的性能	甲烷生产预测模型	机器学习	NA	贝叶斯搜索、遗传算法、差分进化、粒子群优化	贝叶斯岭回归、循环神经网络(RNN)	稳态和动态数据集	NA
4	2025-06-03	Generative deep learning model assisted multi-objective optimization for wastewater nitrogen to protein conversion by photosynthetic bacteria 2025-Sep, Bioresource technology IF:9.7Q1 DOI:10.1016/j.biortech.2025.132703 PMID:40398568	研究论文	本研究利用生成深度学习模型辅助多目标优化，实现废水氮素通过光合细菌转化为蛋白质的过程	采用生成深度学习算法（如变分自编码器）生成高质量数据，支持氮去除、蛋白质浓度和氮转化效率的多目标优化	研究在有限数据条件下进行，可能影响模型的泛化能力	优化废水氮素去除与资源回收（蛋白质生产）的平衡	光合细菌（PSB）及其在废水处理中的应用	机器学习	NA	生成深度学习、多目标优化	变分自编码器（VAE）、弹性神经网络（ENN）	实验数据	5000个与PSB氮回收相关的生成样本
5	2025-06-03	Simpler Protein Domain Identification Using Spectral Clustering 2025-Jul, Proteins IF:3.2Q2 DOI:10.1002/prot.26808 PMID:39945423	research paper	该论文介绍了SPECTRALDOM，一种改进的蛋白质域识别方法，基于SPECTRUS算法，通过谱聚类技术简化了蛋白质域的分割过程	SPECTRALDOM在SPECTRUS算法基础上增加了三项改进：直接从成对相互作用中获取高质量分割、引入多序列比对模式以及使用家族匹配算法处理碎片问题	未明确提及具体局限性	改进蛋白质域识别方法，提高分割质量	蛋白质结构域	结构生物信息学	NA	谱聚类，弹性网络模型，多序列比对	SPECTRALDOM	蛋白质结构数据	使用了两个复杂案例进行验证
6	2025-06-03	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	research paper	本研究开发了一种结合启发式优化和深度学习的蛋白质序列设计方法，旨在增强蛋白质的功能性，如溶解性、灵活性和稳定性，同时保持其结构完整性	提出了一种新的启发式优化方法，专注于增强蛋白质的功能性，同时保持结构完整性，特别适用于抗炎和基因治疗应用的蛋白质设计	未提及具体样本量或实验验证的广泛性，可能限制方法的普适性验证	开发一种更高效、功能更强的蛋白质序列设计方法，减少实验室需求	功能性蛋白质序列，特别是具有抗炎属性和用于基因治疗的蛋白质	machine learning	NA	深度学习，启发式优化，遗传算法	NA	蛋白质序列	NA
7	2025-06-03	A multimodal framework for assessing the link between pathomics, transcriptomics, and pancreatic cancer mutations 2025-Jul, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2025.102526 PMID:40107149	研究论文	本研究开发了一个可解释的多模态框架，用于预测胰腺导管腺癌(PDAC)中的关键基因突变，整合了病理组学和转录组学数据	结合病理组学和转录组学数据，使用可解释的多模态框架预测PDAC中的基因突变	对于SMAD4和CDKN2A基因，多模态模型的预测性能相对较低	预测胰腺导管腺癌中的KRAS、TP53、SMAD4和CDKN2A基因突变	胰腺导管腺癌(PDAC)患者	数字病理学	胰腺癌	RNA-seq	CLAM、ResNet50、UNI、CONCH	图像、文本	TCGA-PAAD数据集(训练集)和CPTAC-PDA数据集(外部验证集)
8	2025-06-03	CQENet: A segmentation model for nasopharyngeal carcinoma based on confidence quantitative evaluation 2025-Jul, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2025.102525 PMID:40107148	研究论文	提出了一种基于置信度定量评估的鼻咽癌自动分割模型CQENet，以提高鼻咽癌肿瘤区域的精确分割	引入了置信度评估模块(CAM)、肿瘤特征调整模块(FAM)和方差注意力机制(VAM)，以解决现有方法在肿瘤定位、边界模糊分割和结果置信度量化不足的问题	未提及具体样本量及数据来源的多样性可能对模型泛化能力的影响	提高鼻咽癌肿瘤区域的自动分割精度，增强分割结果的置信度量化	鼻咽癌肿瘤区域	数字病理	鼻咽癌	深度学习	CQENet	医学图像	多中心鼻咽癌数据集（未提及具体样本量）
9	2025-06-03	Interstitial-guided automatic clinical tumor volume segmentation network for cervical cancer brachytherapy 2025-Jul, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2025.102520 PMID:40120492	research paper	提出了一种新型的间隙引导分割网络（ARGNet），用于宫颈癌间隙近距离放射治疗中的临床肿瘤体积自动分割	通过多任务交叉缝合方式将间隙针的位置信息整合到深度学习框架中，并引入空间反向注意力机制以减少针对于肿瘤分割的干扰，同时嵌入不确定性区域模块以增强模型在肿瘤与周围组织模糊边界处的辨别能力	研究仅基于回顾性数据，且样本量有限（191例CT扫描）	提高宫颈癌间隙近距离放射治疗中临床肿瘤体积（CTV）的自动分割精度	宫颈癌患者的CT扫描图像	digital pathology	cervical cancer	deep learning-based segmentation	ARGNet (advance reverse guided network)	CT scans	191例多疗程间隙近距离放射治疗的CT扫描
10	2025-06-03	Multi-modal MRI synthesis with conditional latent diffusion models for data augmentation in tumor segmentation 2025-Jul, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2025.102532 PMID:40121926	研究论文	提出了一种基于条件潜在扩散模型的多模态MRI合成方法，用于肿瘤分割任务的数据增强	创新的切片级潜在扩散架构，能够同时生成3D多模态图像及其对应的多标签掩码，通过位置编码和潜在聚合模块保持空间一致性和切片序列性	方法主要针对肿瘤分割，虽然可以适应其他模态，但尚未在其他领域验证	解决医学影像中多模态数据标注不足的问题，提升肿瘤分割性能	多模态MRI图像及其对应的肿瘤分割掩码	数字病理	肿瘤	潜在扩散模型	条件潜在扩散模型	3D MRI图像	BRATS2021数据集
11	2025-06-03	TCDE-Net: An unsupervised dual-encoder network for 3D brain medical image registration 2025-Jul, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2025.102527 PMID:40147215	研究论文	提出了一种基于双编码器架构的无监督医学图像配准网络TCDE-Net，用于3D脑部医学图像配准	双编码器互补特征提取，增强模型处理大规模非线性变形和捕捉复杂局部细节的能力，并引入细节增强注意力模块恢复细粒度特征	未提及具体计算资源需求或处理速度，也未讨论在其他器官医学图像上的泛化能力	提高高分辨率医学图像配准的精度，特别是处理具有复杂结构的医学图像	3D脑部MRI图像	数字病理	脑部疾病	深度学习	双编码器网络（TCDE-Net）	3D医学图像	OASIS、IXI和Hammers-n30r95 3D脑部MR数据集
12	2025-06-03	Uncertainty-aware deep learning for segmentation of primary tumor and pathologic lymph nodes in oropharyngeal cancer: Insights from a multi-center cohort 2025-Jul, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2025.102535 PMID:40174371	research paper	本研究开发了一种不确定性感知的深度学习模型，用于口咽癌原发肿瘤和病理淋巴结的分割，并在多中心队列中验证了其性能	扩展了现有网络以同时生成原发肿瘤和病理淋巴结的预测概率图，并探索了结构级不确定性是否能够预测分割模型的准确性	研究依赖于回顾性数据，且外部测试集仅来自HECKTOR 2022挑战赛数据集	开发并验证一种能够量化分割不确定性的深度学习模型，以提高口咽癌原发肿瘤和病理淋巴结分割的准确性	口咽癌患者的PET/CT图像及其原发肿瘤和病理淋巴结的手动勾画	digital pathology	oropharyngeal cancer	deep learning, PET/CT imaging	CNN	image	407名口咽癌患者的PET/CT图像和手动勾画数据，以及HECKTOR 2022挑战赛数据集作为外部测试集
13	2025-06-03	Retinal OCT image segmentation with deep learning: A review of advances, datasets, and evaluation metrics 2025-Jul, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2025.102539 PMID:40203494	review	本文综述了深度学习在视网膜OCT图像分割中的最新进展、数据集和评估指标	全面概述了基于深度学习的视网膜OCT图像分割方法的最新发展，并总结了该领域的医学意义、公开数据集和常用评估指标	讨论了当前研究面临的挑战，但未提出具体的解决方案	探讨深度学习在视网膜OCT图像分割中的应用及其对临床决策的影响	视网膜OCT图像中的解剖结构和病理病变	digital pathology	眼科疾病	OCT成像技术	深度学习模型	图像	NA
14	2025-06-03	A novel intelligent grade classification architecture for Patent Foramen Ovale by Contrast Transthoracic Echocardiography based on deep learning 2025-Jul, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2025.102538 PMID:40209281	research paper	提出了一种基于深度学习的智能分类架构，用于通过对比经胸超声心动图（cTTE）对卵圆孔未闭（PFO）进行分级分类	提出了TVUNet++用于左心室分割和ULSAM-ResNet用于PFO分类，能够通过可学习的亲和力图区分cTTE中的各种局部特征，并隐式捕获左心腔与背景区域之间的语义关系	未提及具体样本量或数据集的多样性，可能影响模型的泛化能力	提高PFO分类的准确性和量化右向左分流（RLS）的严重程度，以指导临床治疗	卵圆孔未闭（PFO）患者	digital pathology	cardiovascular disease	对比经胸超声心动图（cTTE）	TVUNet++, ULSAM-ResNet	image	NA
15	2025-06-03	Semi-supervised temporal attention network for lung 4D CT ventilation estimation 2025-Jul, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2025.102551 PMID:40215885	research paper	提出一种半监督时间注意力网络（STA），用于肺部4D CT通气估计，以提高估计精度并减少对标记数据的依赖	结合半监督学习框架和时间注意力架构，有效利用未标记数据和4D CT图像的时序信息	未明确提及具体局限性，但可能受限于数据集的大小和多样性	提高肺部4D CT通气估计的准确性，支持功能性避免放射治疗计划的设计和治疗反应评估	肺部4D CT图像	digital pathology	lung cancer	4D CT成像	STA网络（半监督时间注意力网络）	4D CT图像序列	三个公开的胸部4D CT数据集
16	2025-06-03	MDAL: Modality-difference-based active learning for multimodal medical image analysis via contrastive learning and pointwise mutual information 2025-Jul, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2025.102544 PMID:40215886	研究论文	提出了一种基于模态差异的多模态医学图像主动学习框架MDAL，通过对比学习和点互信息量化模态差异，以减少标注成本	MDAL框架首次利用点互信息和对比学习量化样本级模态差异，并提出两种基于差异的采样策略MaxMD和DiverseMD，且无需初始标注数据即可一次性选择信息量大的样本	仅在脑胶质瘤、脑膜瘤和卵巢癌数据集上进行了验证，未在其他多模态医学数据上测试	最小化多模态医学图像分析的标注成本	多模态医学图像	数字病理	脑胶质瘤, 脑膜瘤, 卵巢癌	对比学习, 点互信息	MDAL框架	多模态医学图像	公共脑胶质瘤和脑膜瘤分割数据集及内部卵巢癌分类数据集
17	2025-06-03	A comparison of an integrated and image-only deep learning model for predicting the disappearance of indeterminate pulmonary nodules 2025-Jul, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2025.102553 PMID:40239430	research paper	比较集成模型和仅图像深度学习模型在预测不确定肺结节消失方面的性能	开发了结合CT图像和人口统计数据的集成深度学习模型，用于预测不确定肺结节的消失，并与仅基于CT图像的模型进行比较	集成模型与仅图像模型在性能上无显著差异，且样本量相对较小	利用深度学习方法预测不确定肺结节的消失，以减少不必要的随访CT检查	不确定肺结节（IPNs）	digital pathology	lung cancer	CT扫描	深度学习模型	image, demographic data	训练数据集包括672名参与者的840个IPNs（134个消失），外部验证数据集包括65名参与者的111个IPNs（46个消失）
18	2025-06-03	CASCADE-FSL: Few-shot learning for collateral evaluation in ischemic stroke 2025-Jul, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2025.102550 PMID:40250214	research paper	提出了一种名为CASCADE-FSL的新方法，用于在缺血性卒中中评估侧支循环，通过小样本学习有效区分不良侧支循环	采用小样本学习方法处理不平衡数据集，将良好和中等侧支循环案例作为正常类别，不良侧支循环作为异常进行识别	研究基于小规模且不平衡的数据集，可能影响模型的泛化能力	开发计算机辅助方法以减少评估缺血性卒中患者侧支循环时的评估者间差异并节省时间	缺血性卒中患者的侧支循环评估	digital pathology	ischemic stroke	few-shot learning	2D ResNet-50	image	小规模且不平衡的数据集，具体数量未提及
19	2025-06-03	Uncertainty-aware segmentation quality prediction via deep learning Bayesian Modeling: Comprehensive evaluation and interpretation on skin cancer and liver segmentation 2025-Jul, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2025.102547 PMID:40250215	研究论文	提出一种无需真实标注即可预测分割质量的新框架，通过贝叶斯建模和不确定性量化提高分割质量评估的可靠性	引入两种互补框架，结合预测分割和不确定性图，以及原始输入图像、不确定性图和预测分割图，提出贝叶斯适应的分割模型，并通过多种不确定性估计方法量化不确定性	未提及具体局限性	解决临床环境中无人工标注时分割质量评估的挑战，提高分割模型的可靠性	皮肤病变和肝脏分割数据集	计算机视觉	皮肤癌和肝脏疾病	贝叶斯建模、Monte Carlo Dropout、Ensemble、Test Time Augmentation	SwinUNet、Feature Pyramid Network with ResNet50	2D和3D医学图像	HAM10000数据集和3D肝脏分割数据集
20	2025-06-03	Tailored self-supervised pretraining improves brain MRI diagnostic models 2025-Jul, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2025.102560 PMID:40252479	研究论文	本研究利用大规模无标记的公共脑MRI数据集，通过自监督学习提升深度学习模型在脑MRI分析中的性能	开发了基于图像熵和切片位置的数据过滤方法，优化了训练效率，并采用MoCo v3算法学习图像特征，针对脑MRI定制了预训练模型	未提及具体局限性	提升深度学习模型在脑MRI分析中的性能，以支持临床决策系统开发	脑MRI图像	医学影像分析	脑部疾病	自监督学习	MoCo v3	MRI图像	约2百万张图像经过筛选后得到25万张富含脑部特征的图像