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
20321	2025-10-07	Towards Trustworthy AI in Healthcare: Epistemic Uncertainty Estimation for Clinical Decision Support 2025-Jan-31, Journal of personalized medicine IF:3.0Q1 DOI:10.3390/jpm15020058 PMID:39997335	研究论文	本研究比较了集成神经网络和谱归一化神经高斯过程在医疗决策支持中知识不确定性估计的可靠性	首次在临床决策支持系统中系统比较集成方法和知识建模方法在不确定性估计方面的性能差异	研究主要基于低维玩具数据集和单一MIMIC3数据集，需要更多真实临床场景验证	开发更可靠和可信的医疗AI决策支持系统	重症监护病房住院患者的死亡率预测	医疗人工智能	重症监护	深度学习不确定性估计	Transformer, 神经网络集成, SNGP	电子健康记录时间序列数据	MIMIC3研究数据集	NA	Encoder-Only Transformer	AUROC, AUPRC	NA
20322	2025-10-07	Deep learning based tractography with TractSeg in patients with hemispherotomy: Evaluation and refinement 2025-Jan-28, NeuroImage. Clinical DOI:10.1016/j.nicl.2025.103738 PMID:39922027	研究论文	评估并改进基于深度学习的纤维束追踪工具TractSeg在半球切开术患者中的应用	首次发现并记录了TractSeg在严重病理数据中错误重建手术已断开纤维束的问题，并提出了结合低秩张量近似的改进方法	研究样本量有限（25名患者和25名健康对照），仍需手动质量控制	评估深度学习纤维束追踪在严重脑部手术患者中的适用性并改进其性能	癫痫患者（接受半球切开术）和健康对照者的脑部扩散MRI数据	医学影像分析	癫痫	扩散MRI，纤维束追踪	深度学习	脑部扩散MRI影像	25名半球切开术患者和25名健康对照者	NA	TractSeg	纤维束重建完整性，错误重建率	NA
20323	2025-10-07	Semantic-Guided Transformer Network for Crop Classification in Hyperspectral Images 2025-Jan-26, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging11020037 PMID:39997540	研究论文	提出一种语义引导的Transformer网络用于高光谱图像中的作物分类	设计了多尺度空间-光谱信息提取模块和语义引导注意力模块，结合两阶段特征提取结构，有效克服背景干扰和尺度变化问题	未明确说明模型在更复杂场景或更大规模数据集上的性能表现	提高高光谱遥感图像中作物分类的准确性和鲁棒性	农业作物高光谱遥感图像	计算机视觉	NA	高光谱遥感成像	Transformer	高光谱图像	三个基准数据集：Indian Pines、Pavia University和Salinas	NA	语义引导Transformer网络（SGTN），包含多尺度空间-光谱信息提取模块（MSIE）和语义引导注意力模块（SGA）	总体准确率	NA
20324	2025-10-07	Machine Learning-Based Approaches for Breast Density Estimation from Mammograms: A Comprehensive Review 2025-Jan-26, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging11020038 PMID:39997539	综述	本文系统综述了基于机器学习的乳腺密度评估方法在乳腺X线摄影中的应用	重点聚焦机器学习方法在乳腺密度评估中的分类与应用，特别比较了传统机器学习与深度学习方法的性能差异	当前研究存在主观性强和成本效益低的问题	探索乳腺密度评估方法及其在乳腺癌早期检测中的价值	乳腺X线影像中的乳腺密度特征	计算机视觉	乳腺癌	乳腺X线摄影	SVM, CNN	医学影像	NA	NA	NA	准确率	NA
20325	2025-10-07	Optimizing Deep Learning Models for Climate-Related Natural Disaster Detection from UAV Images and Remote Sensing Data 2025-Jan-24, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging11020032 PMID:39997534	研究论文	本研究利用人工智能从无人机和卫星遥感图像中检测与气候变化相关的自然灾害	创建了新的气候变化数据集，优化了机器学习模型，将荒漠化作为深度学习检测的自然灾害类别之一，并进行了交叉验证	NA	优化深度学习模型以从无人机图像和遥感数据中检测与气候变化相关的自然灾害	洪水和荒漠化两种自然灾害	计算机视觉	NA	无人机图像采集，卫星遥感	CNN, DenseNet201, VGG16, ResNet50	图像	6334张无人机和卫星航空图像	NA	CNN, DenseNet201, VGG16, ResNet50	准确率	NA
20326	2025-10-07	GCNet: A Deep Learning Framework for Enhanced Grape Cluster Segmentation and Yield Estimation Incorporating Occluded Grape Detection with a Correction Factor for Indoor Experimentation 2025-Jan-24, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging11020034 PMID:39997536	研究论文	提出一种用于葡萄串分割和产量估计的深度学习框架GCNet，通过遮挡葡萄检测和校正因子提高室内实验的准确性	集成遮挡调整机制，在枝叶和葡萄串紧凑条件下提升分割精度，并引入校正因子估计不可见葡萄	研究基于室内实验环境，未涉及户外复杂田间条件	提高葡萄产量估计精度，改进葡萄串分割算法	葡萄串	计算机视觉	NA	深度学习	CNN	图像	GrapeSet数据集包含室内拍摄的葡萄串可见图像及其真实掩码、葡萄总数和重量	NA	GCNet	R², 平均绝对误差(MAE)	NA
20327	2025-10-07	A comprehensive review of deep learning-based approaches for drug-drug interaction prediction 2025-Jan-15, Briefings in functional genomics IF:2.5Q3 DOI:10.1093/bfgp/elae052 PMID:39987494	综述	本文系统综述了基于深度学习的药物相互作用预测方法，包括分子表示分析和图数据特征提取的理论框架	提供了最新的药物相互作用预测方法综述，深入分析了分子表示方法并系统阐述了图数据特征提取的理论框架	NA	为不同领域研究人员提供关于药物相互作用预测的最新且易于理解的指南	药物相互作用预测方法	生物医学信息学	NA	深度学习	NA	图数据	NA	NA	NA	NA	NA
20328	2025-10-07	Robust RNA secondary structure prediction with a mixture of deep learning and physics-based experts 2025, Biology methods & protocols IF:2.5Q3 DOI:10.1093/biomethods/bpae097 PMID:39811444	研究论文	开发了一种混合专家方法用于RNA二级结构预测，结合深度学习和物理模型提升分布外泛化能力	提出MoEFold2D框架，通过DL模型集成共识分析实现自动ID/OOD检测，无需推理时访问训练数据	NA	解决深度学习模型在RNA二级结构预测中的分布外泛化问题	RNA分子	机器学习	NA	RNA二级结构预测	混合专家模型	RNA序列数据	NA	NA	MoEFold2D	NA	NA
20329	2025-10-07	MRI-based whole-brain elastography and volumetric measurements to predict brain age 2025, Biology methods & protocols IF:2.5Q3 DOI:10.1093/biomethods/bpae086 PMID:39902188	研究论文	开发基于磁共振弹性成像和体积测量的机器学习框架来预测大脑年龄	首次将大脑机械特性（刚度和阻尼比）与体积测量结合用于大脑年龄预测的多模态方法	研究主要针对健康个体，未来需要扩展到神经病理学患者群体	通过多模态脑部测量准确预测个体的时序年龄	健康个体的大脑磁共振成像数据	医学影像分析	神经退行性疾病	磁共振弹性成像(MRE), 磁共振成像(MRI)	3D CNN, 传统统计模型	脑部机械特性图, 体积测量数据	NA	NA	3D卷积网络	预测准确性	NA
20330	2025-10-07	Deep Learning Model-Based Detection of Anemia from Conjunctiva Images 2025-Jan, Healthcare informatics research IF:2.3Q3 DOI:10.4258/hir.2025.31.1.57 PMID:39973037	研究论文	本研究开发了一种基于结膜图像的非侵入性贫血检测方法	首次使用智能手机采集结膜图像结合深度学习模型进行非侵入性贫血检测	样本量相对有限，需要进一步验证模型的泛化能力	开发非侵入性贫血检测方法	贫血和非贫血参与者的结膜图像	计算机视觉	贫血	智能手机图像采集	CNN, GAN, 集成学习	图像	764张原始结膜图像，通过数据增强扩展到4315张	TensorFlow, PyTorch, Scikit-learn	VGG16, ResNet-50, InceptionV3, DCGAN	AUC	NA
20331	2025-10-07	Enhanced swin transformer based tuberculosis classification with segmentation using chest X-ray 2025-Jan, Journal of X-ray science and technology IF:1.7Q3 DOI:10.1177/08953996241300018 PMID:39973770	研究论文	提出一种基于深度学习的结核病分类与分割方法，使用胸部X射线图像进行自动诊断	结合注意力UNet分割和增强型Swin Transformer分类器，并采用增强莲花效应优化算法进行损失函数优化	NA	开发自动化的结核病诊断系统以提高诊断准确性和效率	胸部X射线图像	计算机视觉	结核病	胸部X射线成像	A_UNet, EnSTrans	医学图像	NA	NA	Attention UNet, Enhanced Swin Transformer, Residual Pyramid Network	准确率, 召回率, 精确率, F1分数, 特异性	NA
20332	2025-10-07	Spine X-ray image segmentation based on deep learning and marker controlled watershed 2025-Jan, Journal of X-ray science and technology IF:1.7Q3 DOI:10.1177/08953996241299998 PMID:39973775	研究论文	提出一种结合深度学习和标记控制分水岭算法的脊柱X射线图像分割方法	设计了双路径模型（定位路径和分割路径），提出骨方向损失函数（BD-Loss）和位置信息感知模块（PIPM），并创新性地使用深度学习网络输出初始化标记控制分水岭算法	NA	解决相邻椎骨粘连问题，实现脊柱X射线图像中椎骨的精确分割	脊柱X射线图像中的椎骨	计算机视觉	脊柱疾病	X射线成像	CNN, U-Net	医学图像	两个脊柱X射线数据集（颈椎矢状面图像和全脊柱冠状面图像）	NA	HRNet, VU-Net	Recall, Precision, Dice系数, 交并比	NA
20333	2025-10-07	CT image super-resolution under the guidance of deep gradient information 2025-Jan, Journal of X-ray science and technology IF:1.7Q3 DOI:10.1177/08953996241289225 PMID:39973779	研究论文	提出一种基于生成对抗学习的CT图像超分辨率网络，通过梯度分支提供梯度信息指导以改善重建质量	提出包含梯度分支和超分辨率分支的双分支网络架构，通过融合梯度图像特征和结合梯度损失函数来提升细节纹理重建效果	NA	解决CT图像超分辨率重建中的结构失真和细节模糊问题	CT图像	计算机视觉	NA	CT成像	GAN, CNN	医学图像	NA	NA	生成对抗网络	结构相似性指数	NA
20334	2025-10-07	A study on CT detection image generation based on decompound synthesize method 2025-Jan, Journal of X-ray science and technology IF:1.7Q3 DOI:10.1177/08953996241296249 PMID:39973778	研究论文	提出一种基于分解合成方法的CT检测图像生成算法，用于解决核石墨组件缺陷检测中的小样本和类别不平衡问题	提出新型分解合成方法(DSM)，将图像生成过程分解为模型转换、背景生成和缺陷合成三个步骤，并采用Contour-CycleGAN模型生成逼真的合成CT图像	缺陷样本仍然依赖于现有缺陷库，生成算法的优化和模型结构的改进仍需进一步研究	解决核反应堆组件CT图像缺陷检测中的小样本和类别不平衡问题	高温气冷堆核石墨和碳组件的CT重建图像	计算机视觉	NA	螺旋计算机断层扫描(CT)、正向投影、图像重建	GAN	CT图像、STL文件、体素数据	有限的实际CT重建图像和稀疏分布的缺陷样本	NA	CycleGAN, Contour-CycleGAN	检测准确率	NA
20335	2025-10-07	Quantitative analysis of deep learning reconstruction in CT angiography: Enhancing CNR and reducing dose 2025-Jan, Journal of X-ray science and technology IF:1.7Q3 DOI:10.1177/08953996241301696 PMID:39973777	研究论文	本研究通过深度学习重建技术AiCE与传统滤波反投影在CT血管成像中的定量比较，评估了图像质量提升和辐射剂量降低效果	首次在变浓度对比剂和变扫描参数条件下系统比较深度学习重建与传统方法在血管成像中的性能差异	研究基于体模实验，尚未进行临床验证	评估深度学习重建技术在CT血管成像中的图像质量改善和剂量降低潜力	CT血管成像的体模数据	医学影像分析	血管疾病	CT血管成像，深度学习图像重建	深度学习重建模型	CT影像数据	8种不同碘浓度的体模设置	AiCE深度学习重建引擎	智能清晰图像引擎	均方根误差，对比噪声比，剂量降低百分比	320排探测器CT扫描仪
20336	2025-10-07	Radiomics and deep learning features of pericoronary adipose tissue on non-contrast computerized tomography for predicting non-calcified plaques 2025-Jan, Journal of X-ray science and technology IF:1.7Q3 DOI:10.1177/08953996241292476 PMID:39973776	研究论文	本研究结合影像组学和深度学习技术，基于非对比CT扫描的冠状动脉周围脂肪组织特征预测非钙化斑块	首次将影像组学与深度学习特征相结合，基于非对比CT的冠状动脉周围脂肪组织预测非钙化斑块	样本量相对有限（353例患者），需要外部验证集进一步验证模型泛化能力	评估基于非对比CT的冠状动脉周围脂肪组织特征在预测非钙化斑块中的价值	353例患者的临床和影像数据	医学影像分析	心血管疾病	非对比计算机断层扫描（CT）	机器学习模型	CT影像	353例患者	Scikit-learn	随机森林（RF）, XGBoost	AUC, 敏感度, 特异度, 准确度	NA
20337	2025-10-07	Enhancing brain tumor classification by integrating radiomics and deep learning features: A comprehensive study utilizing ensemble methods on MRI scans 2025-Jan, Journal of X-ray science and technology IF:1.7Q3 DOI:10.1177/08953996241299996 PMID:39973780	研究论文	本研究通过整合影像组学特征和深度学习特征，利用集成学习方法提升脑肿瘤MRI分类性能	首次将影像组学特征与3D CNN深度学习特征相结合，并系统比较多种集成学习方法在脑肿瘤分类中的效果	仅使用T1加权对比增强MRI序列，未包含其他MRI序列；样本来源单一，泛化能力有待进一步验证	评估结合影像组学特征和深度学习特征在脑肿瘤分类中的有效性	胶质瘤、脑膜瘤和垂体瘤三类脑肿瘤	医学影像分析	脑肿瘤	MRI成像	CNN, SVM, DT, RF, AdaBoost, Bagging, KNN, MLP	医学影像	3064个T1加权对比增强脑部MRI扫描	Pyradiomics, 未指定深度学习框架	3D CNN	准确率, AUC, 敏感度, 特异度	NA
20338	2025-10-07	MRI classification and discrimination of spinal schwannoma and meningioma based on deep learning 2025-Jan, Journal of X-ray science and technology IF:1.7Q3 DOI:10.1177/08953996241289745 PMID:39973782	研究论文	本研究基于深度学习构建MRI分类模型，用于自动区分脊髓神经鞘瘤和脑膜瘤	通过引入选择性卷积核模块改进原始CNN模型，增强网络对肿瘤特征的关注，有效提升网络性能	回顾性研究，样本量较小（74例患者），来自单一医疗机构	促进脊髓肿瘤早期诊断并减轻临床医生压力	经病理证实的脊髓神经鞘瘤和脑膜瘤患者	计算机视觉	脊髓肿瘤	磁共振成像	CNN	图像	74例患者（2015-2020年）	PyTorch	ResNet34-SKConv	准确率, 特异性, F1分数	NA
20339	2025-10-07	Three-dimensional semi-supervised lumbar vertebrae region of interest segmentation based on MAE pre-training 2025-Jan, Journal of X-ray science and technology IF:1.7Q3 DOI:10.1177/08953996241301685 PMID:39973800	研究论文	提出一种基于MAE预训练的三维半监督腰椎感兴趣区域分割方法	改进了原始MAE预训练网络的掩码策略，提出管状掩码MAE预训练方法，并结合伪标签生成的半监督学习	在有限标注数据条件下进行实验，可能对数据稀缺场景的泛化能力有待进一步验证	实现腰椎感兴趣区域的自动分割以辅助临床骨密度评估	腰椎三维医学图像	计算机视觉	骨科疾病	医学图像分割	MAE, 半监督学习	三维医学图像	NA	NA	MAE, UNetr	Dice系数, Hausdorff距离	NA
20340	2025-10-07	The classification of absence seizures using power-to-power cross-frequency coupling analysis with a deep learning network 2025, Frontiers in neuroinformatics IF:2.5Q3 DOI:10.3389/fninf.2025.1513661 PMID:39995596	研究论文	本研究提出了一种基于功率-功率跨频率耦合分析和堆叠稀疏自编码器的失神发作自动分类方法	首次将功率-功率跨频率耦合分析应用于癫痫发作分类研究，并结合深度学习方法进行自动分类	样本量相对较小（仅12名患者），仅针对失神发作类型进行研究	开发基于脑电图信号的失神发作自动分类方法	失神发作患者的脑电图信号	机器学习	癫痫	脑电图信号分析，跨频率耦合分析	SSAE（堆叠稀疏自编码器）	脑电图信号	12名患者的94次失神发作记录及背景活动片段	EEGLAB	堆叠稀疏自编码器	灵敏度，特异性，准确率	NA