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
2141	2025-05-10	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	提出了一种基于深度学习和标记控制分水岭的脊柱X射线图像分割方法，用于解决相邻椎骨的粘连问题	结合高分辨率网络（HRNet）和VU-Net网络，设计新的骨方向损失（BD-Loss）和位置信息感知模块（PIPM），并创新性地利用HRNet和VU-Net的输出初始化标记控制分水岭算法	仅在两个脊柱X射线数据集上进行了评估，未涉及更多类型的脊柱图像或临床验证	开发自动椎骨分割方法，以客观分析脊柱图像中的每个椎骨	脊柱X射线图像中的椎骨	计算机视觉	脊柱疾病	深度学习，标记控制分水岭算法	HRNet, VU-Net	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）
2142	2025-05-10	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，通过梯度分支和SR分支的结合，提升图像的结构保持和细节恢复能力	网络结合梯度分支和SR分支，利用梯度信息指导超分辨率重建，并通过结合图像空间损失函数、梯度损失和梯度方差损失，生成更真实的细节纹理	未提及具体计算复杂度或实时性表现，可能在实际应用中存在效率问题	解决CT图像超分辨率问题，提升图像分辨率和细节恢复能力	CT图像	计算机视觉	NA	生成对抗学习	GAN	图像	模拟数据和实验数据（未提及具体数量）
2143	2025-05-10	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	research paper	本研究提出了一种基于分解合成方法的CT检测图像生成算法，用于增强缺陷检测训练数据集	提出了一种名为Decompound Synthesize Method (DSM)的新型CT检测图像生成算法，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	缺陷数据集的稀缺性和类别不平衡问题限制了深度学习检测算法的性能	解决缺陷检测模型训练中的小样本和类别不平衡问题	高温气冷堆(HTGR)核心中的核石墨和碳组件	computer vision	NA	Helical Computed Tomography (CT)	Contour-CycleGAN	image	有限的CT重建图像和稀疏分布的缺陷样本
2144	2025-05-10	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定量评估了CT血管造影中对比噪声比的提升和剂量减少效果	使用先进的深度学习重建技术AiCE，与传统FBP方法相比，显著提升了对比噪声比并减少了辐射剂量	研究基于体模设置，未涉及真实患者数据	评估深度学习重建技术在CT血管造影中的图像质量和剂量减少效果	CT血管造影图像	数字病理	心血管疾病	CT扫描	深度学习重建技术（AiCE）	图像	使用8种不同碘浓度的体模设置
2145	2025-05-10	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	research paper	该研究结合放射组学和深度学习技术，基于非对比计算机断层扫描（CT）图像，预测冠状动脉非钙化斑块（NCP）的存在	首次将放射组学与深度学习特征结合，利用非对比CT扫描的冠状动脉周围脂肪组织（PCAT）数据预测NCP	研究样本量有限（353例患者），且需要手动勾画感兴趣区域（ROI）	探讨放射组学和深度学习特征在预测冠状动脉炎症和NCP中的价值	353例患者的临床和影像数据	digital pathology	cardiovascular disease	non-contrast CT	XGBoost, Random Forest (RF)	image	353例患者
2146	2025-05-10	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	本研究通过结合放射组学特征和深度学习特征，利用集成学习方法提升MRI扫描中脑肿瘤分类的准确性和可靠性	结合放射组学特征和深度学习特征，并采用集成学习方法显著提高了脑肿瘤分类的准确性和可靠性	需要进一步通过额外的MRI序列和先进的机器学习技术来增强模型的泛化能力和精确性	评估结合放射组学特征和深度学习特征在脑肿瘤分类中的有效性	脑肿瘤（胶质瘤、脑膜瘤和垂体瘤）	数字病理	脑肿瘤	MRI扫描、3D CNN、LASSO特征选择	SVM、DT、RF、AdaBoost、Bagging、KNN、MLP	MRI图像	3064个T1加权对比增强脑MRI扫描
2147	2025-05-10	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了一个分类模型，用于自动诊断脊柱神经鞘瘤和脑膜瘤	引入了选择性卷积核模块改进CNN模型，增强网络对肿瘤特征的关注并有效提升性能	样本量较小（74例患者），且数据来自单一医院	促进患者早期诊断并减轻临床医生压力	脊柱神经鞘瘤（SCH）和脑膜瘤（MEN）患者	数字病理学	脊柱肿瘤	MRI成像	ResNet34-SKConv（改进的CNN模型）	图像（MRI切片）	74例经病理确诊的患者（2015-2020年）
2148	2025-05-10	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	修改了原始MAE预训练网络的掩蔽策略，并采用伪标签生成的半监督方法进行训练，显著提高了分割性能	在标注数据有限的情况下进行实验，可能影响模型的泛化能力	提高腰椎感兴趣区域的分割效率，以辅助临床骨密度检查	腰椎的三维图像	计算机视觉	骨科疾病	MAE预训练	MAE, UNetr	三维图像	未明确说明样本数量
2149	2025-05-10	Mask R-CNN assisted diagnosis of spinal tuberculosis 2025-Jan, Journal of X-ray science and technology IF:1.7Q3 DOI:10.1177/08953996241290326 PMID:39973774	research paper	提出了一种基于深度学习的辅助诊断方法，用于脊柱结核的诊断，使用改进的Mask R-CNN模型	通过结合ResPath和cbam*改进Mask R-CNN模型，提高了性能指标	未提及具体样本量及数据来源的详细信息	开发一种准确且客观的脊柱结核诊断方法	脊柱结核的CT影像	computer vision	spinal tuberculosis	deep learning	Mask R-CNN, Faster-RCNN, SSD	image	NA
2150	2025-05-10	Dynamic Visualization of Computer-Aided Peptide Design for Cancer Therapeutics 2025, Drug design, development and therapy DOI:10.2147/DDDT.S497126 PMID:39974609	research paper	通过文献计量分析探讨计算机辅助肽设计在癌症治疗领域的现状、热点和未来趋势	利用文献计量工具分析计算机辅助肽设计的研究热点，如细胞穿透肽和肽疫苗，并指出深度学习技术的潜在影响	研究仅基于Web of Science数据库的1547篇出版物，可能未涵盖所有相关研究	探索计算机辅助肽设计在癌症治疗领域的现状、热点和未来趋势	抗癌肽（ACPs）及其在癌症治疗中的应用	生物信息学	癌症	分子动力学模拟、分子对接、深度学习	NA	文献数据	1547篇相关出版物
2151	2025-05-10	Coal and gas outburst prediction based on data augmentation and neuroevolution 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0317461 PMID:39977390	research paper	提出了一种基于数据增强和神经进化算法的煤与瓦斯突出风险预测方法ANEAT	结合点强度变换的数据增强方法和神经进化算法ANEAT，解决了样本不平衡和多样性不足的问题，实现了高精度预测	未提及方法在极端条件下的鲁棒性或泛化能力	高效准确地预测地下煤矿生产中的煤与瓦斯突出风险	煤与瓦斯突出(CGO)风险预测	machine learning	NA	数据增强、神经进化算法、稀疏PCA降维	evolutionary neural network (ANEAT)	煤矿生产特征参数数据	未明确说明样本数量
2152	2025-05-10	Boostering diagnosis of frontotemporal lobar degeneration with AI-driven neuroimaging - A systematic review and meta-analysis 2025, NeuroImage. Clinical DOI:10.1016/j.nicl.2025.103757 PMID:39983552	系统综述与荟萃分析	本文通过系统综述和荟萃分析评估了基于神经影像特征的AI算法在额颞叶变性（FTLD）诊断和预测中的效果	利用AI驱动的神经影像技术提高FTLD的诊断准确性，特别是在区分FTLD与其他神经退行性疾病方面	多类别分类的敏感性较低，特别是在更高类别区分（如5类和11类）时	评估神经影像特征结合AI算法在FTLD诊断和预测中的有效性	额颞叶变性（FTLD）患者及其他神经退行性疾病患者	数字病理学	额颞叶变性	机器学习/深度学习	ML/DL	神经影像数据	75项研究，共20,601名受试者，其中8,051名FTLD患者
2153	2025-05-10	A Robust Approach to Early Glaucoma Identification from Retinal Fundus Images using Dirichlet-based Weighted Average Ensemble and Bayesian Optimization 2025, Current medical imaging IF:1.1Q3 DOI:10.2174/0115734056335762250128095107 PMID:40017250	研究论文	提出一种基于Dirichlet加权平均集成和贝叶斯优化的稳健方法，用于从视网膜眼底图像中早期识别青光眼	采用集成学习方法结合多个深度学习模型，并利用贝叶斯优化自动调整超参数，显著提高了诊断准确性和模型泛化能力	研究仅使用了两个公开数据集，可能无法涵盖所有临床场景	提高青光眼早期诊断的准确性和可靠性	视网膜眼底图像	数字病理	青光眼	深度学习	CNN, MobileNet, DenseNet201	图像	1,355张视网膜眼底图像
2154	2025-05-10	Continuous Joint Kinematics Prediction Using GAT-LSTM Framework Based on Muscle Synergy and Sparse sEMG 2025, IEEE transactions on neural systems and rehabilitation engineering : a publication of the IEEE Engineering in Medicine and Biology Society IF:4.8Q1 DOI:10.1109/TNSRE.2025.3565305 PMID:40299730	研究论文	提出了一种基于肌肉协同和稀疏sEMG的GAT-LSTM框架，用于连续关节运动预测	结合肌肉协同理论和图注意力网络，有效补偿稀疏sEMG设置的局限性，提高了预测准确性	未明确提及具体局限性	提高基于sEMG的连续运动预测的准确性和可靠性	sEMG信号和关节运动	机器学习	NA	sEMG	GAT-LSTM	sEMG信号	公共数据集Ninapro DB2和自收集数据集
2155	2025-05-10	Application of machine learning in predicting consumer behavior and precision marketing 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0321854 PMID:40327711	research paper	研究机器学习在消费者行为预测和精准营销中的应用	比较了四种机器学习模型（SVM、XGBoost、CatBoost和BPANN）在预测消费者购买意愿方面的性能，并提出了优化营销策略的具体应用	未来研究可以通过引入更多种类的非结构化数据（如消费者评论、图像、视频和社交媒体数据）来提高模型的预测能力	研究机器学习在消费者行为预测和精准营销中的应用	消费者的购买行为	machine learning	NA	NA	SVM, XGBoost, CatBoost, BPANN	结构化数据	NA
2156	2025-05-10	Deep learning for accurate B-line detection and localization in lung ultrasound imaging 2025, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2025.1560523 PMID:40330027	研究论文	该研究开发了基于YOLOv5和YOLOv8的改进模型YOLOv5-PBB和YOLOv8-PBB，用于肺部超声图像中B线的精确检测和定位	提出了两种改进的深度学习模型YOLOv5-PBB和YOLOv8-PBB，采用多边形边界框(PBBs)进行B线定位，并整合了图像预处理技术以提高图像质量	研究主要基于公开数据集和乌干达医疗设施的数据，可能在其他地区或人群中的泛化性有待验证	开发自动化的B线检测和定位方法，以解决资源有限地区专业人员不足的问题	肺部超声图像中的B线伪影	计算机视觉	COVID-19肺炎、心力衰竭、慢性肾病、间质性肺病	深度学习	YOLOv5-PBB, YOLOv8-PBB	图像	来自公开数据库和乌干达医疗设施的多样化数据集
2157	2025-05-10	Enhanced breast cancer diagnosis using modified InceptionNet-V3: a deep learning approach for ultrasound image classification 2025, Frontiers in physiology IF:3.2Q2 DOI:10.3389/fphys.2025.1558001 PMID:40330252	research paper	该研究通过改进的InceptionNet-V3深度学习模型，提高了超声图像在乳腺癌诊断中的分类准确性	提出了一种集成改进InceptionV3特征的深度神经网络模型，显著提高了乳腺癌分类的准确率	模型训练依赖于预训练模型和特定数据集，可能在不同数据分布下表现不同	开发自动化且可靠的乳腺癌诊断方法，提高诊断准确性和效率	乳腺癌的超声图像	digital pathology	breast cancer	deep learning, transfer learning	modified InceptionV3, GoogLeNet, ShuffleNet, AlexNet, VGG-16, SqueezeNet	image	NA
2158	2025-05-10	High-resolution automated free-breathing coronary magnetic resonance angiography in comparison with coronary computed tomography angiography 2025-Jan, European heart journal. Imaging methods and practice DOI:10.1093/ehjimp/qyaf037 PMID:40330538	研究论文	本研究评估了一种新型自动化iNAV冠状动脉磁共振血管成像（CMRA）协议与冠状动脉计算机断层扫描血管成像（CCTA）在冠状动脉疾病分类中的一致性	开发了一种结合图像导航器（iNAV）与自动化扫描规划的CMRA协议，以提高图像质量的稳定性	研究样本量较小（95人），且CMRA与CCTA在CAD-RADS分类中的一致性随疾病严重程度增加而降低	评估自动化iNAV CMRA协议在冠状动脉疾病诊断中的临床价值	疑似或确诊冠状动脉疾病的患者	数字病理学	心血管疾病	冠状动脉磁共振血管成像（CMRA）、冠状动脉计算机断层扫描血管成像（CCTA）	深度学习辅助自动化扫描规划	医学影像	95名个体
2159	2025-05-10	Relationship between cerebrospinal fluid circulation markers, brain degeneration, and cognitive impairment in cerebral amyloid angiopathy 2025, Frontiers in aging neuroscience IF:4.1Q2 DOI:10.3389/fnagi.2025.1549072 PMID:40330595	research paper	研究脑淀粉样血管病（CAA）患者脑脊液循环标志物与脑退化和认知障碍的关系	首次探讨脑脊液循环标志物在CAA患者中的变化及其与脑退化和认知障碍的关联	样本量较小，且仅基于ADNI3数据库，可能影响结果的普遍性	探究脑脊液循环标志物在CAA患者中的变化及其与脑退化和认知障碍的关系	52名认知障碍患者（26名CAA患者和26名非CAA患者）及26名认知正常对照	digital pathology	cerebral amyloid angiopathy	MRI, 扩散张量成像（DTI-ALPS）, 正电子发射断层扫描（PET）	deep learning-based method	image	52名认知障碍患者和26名认知正常对照
2160	2025-05-10	Characterizing hip joint morphology using a multitask deep learning model 2025-Jan, Journal of hip preservation surgery IF:1.4Q3 DOI:10.1093/jhps/hnae041 PMID:40331073	research paper	该研究开发了一种基于YOLOv5和ConvNeXt-Tiny架构的多任务深度学习模型，用于预测髋关节形态学特征	首次将YOLOv5和ConvNeXt-Tiny架构结合用于髋关节形态学特征的预测	模型在检测cam畸形时的准确率相对较低（78.0%）	开发准确高效的机器学习算法用于髋关节形态病理学的诊断	髋关节形态学特征（包括cam畸形、坐骨棘征、发育不良等）	digital pathology	developmental dysplasia of the hip, femoroacetabular impingement	deep learning	YOLOv5, ConvNeXt-Tiny	medical imaging	NA