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
241	2025-04-08	Detection of Macular Neovascularization in Eyes Presenting with Macular Edema using OCT Angiography and a Deep Learning Model 2025-Apr, Ophthalmology. Retina DOI:10.1016/j.oret.2024.10.017 PMID:39461425	research paper	研究使用OCT血管成像和深度学习模型检测黄斑水肿患者中的黄斑新生血管	开发了一种新型的混合多任务卷积神经网络(aiMNV)，用于检测和分割黄斑新生血管(MNV)，在多种病因导致的黄斑水肿中表现出高准确率	6×6-mm扫描的MNV检测灵敏度低于3×3-mm扫描，由于扫描采样密度较低	测试人工智能算法在使用OCT和OCT血管成像检测和分割黄斑新生血管(MNV)方面的诊断性能	因初治渗出性年龄相关性黄斑变性(AMD)、糖尿病性黄斑水肿(DME)或视网膜静脉阻塞(RVO)导致黄斑水肿的患者	digital pathology	age-related macular degeneration	OCT angiography (OCTA)	hybrid multitask convolutional neural network (aiMNV)	image	114只眼（来自112名研究参与者），其中56只眼有渗出性AMD导致的MNV，58只眼有DME或RVO导致的黄斑水肿
242	2025-04-08	Personalized deep learning auto-segmentation models for adaptive fractionated magnetic resonance-guided radiation therapy of the abdomen 2025-Apr, Medical physics IF:3.2Q1 DOI:10.1002/mp.17580 PMID:39699250	研究论文	本研究探讨了利用患者特异性自动分割方法改进腹部癌症患者在分次磁共振引导放疗中的自动分割效果	提出了基于患者特异性数据的自动分割模型，通过整合治疗计划和先前分次的MR图像，优化了分次治疗中的自动分割效果	研究样本量有限（151名患者），且仅针对特定类型的腹部癌症	改进分次磁共振引导放疗中的自动分割方法，以减少手动轮廓校正的时间消耗	腹部癌症患者的分次磁共振引导放疗数据	数字病理	腹部癌症	磁共振成像（MRI）	深度学习自动分割模型	图像	151名腹部癌症患者的151份计划MR图像和215份分次MR图像
243	2025-04-08	Deep learning-aided diagnosis of acute abdominal aortic dissection by ultrasound images 2025-Apr, Emergency radiology IF:1.7Q3 DOI:10.1007/s10140-025-02311-y PMID:39821588	research paper	研究探讨了深度学习在超声图像中诊断急性腹主动脉夹层的能力	使用深度学习模型（Densenet-169和VGG-16）辅助诊断急性腹主动脉夹层，并与人类读者进行比较	样本量较小（374张超声图像），且仅使用了两种深度学习模型	提高急性腹主动脉夹层的早期诊断准确率，特别是在急诊环境中	急性腹主动脉夹层（AD）患者的超声图像	digital pathology	cardiovascular disease	ultrasound imaging	Densenet-169, VGG-16	image	374张超声图像（90%训练集，10%测试集）
244	2025-04-08	Impact of deep learning reconstructions on image quality and liver lesion detectability in dual-energy CT: An anthropomorphic phantom study 2025-Apr, Medical physics IF:3.2Q1 DOI:10.1002/mp.17651 PMID:39887750	research paper	评估深度学习图像重建（DLIR）在双能CT（DECT）中对图像质量和肝血管性病变检测的影响	首次在DECT中使用DLIR算法评估其对肝血管性病变检测的影响，并与传统重建方法进行比较	研究基于人体模型，未涉及真实患者数据，可能无法完全反映临床情况	评估DLIR在DECT中对图像质量和肝血管性病变检测的影响	模拟的肝血管性肝细胞癌（HCC）病变	digital pathology	liver cancer	dual-energy CT (DECT), deep learning image reconstruction (DLIR)	DLIR	CT image	一个人体模型（BMI为23 kg/m²），包含模拟的肝血管性病变
245	2025-04-08	Fast In Vivo Two-Photon Fluorescence Imaging via Lateral and Axial Resolution Restoration With Self-Supervised Learning 2025-Apr, Journal of biophotonics IF:2.0Q3 DOI:10.1002/jbio.202400489 PMID:39909559	research paper	提出了一种基于自监督学习的横向和轴向分辨率恢复（LARR）深度学习框架，以解决双光子荧光（TPF）成像中分辨率与速度之间的矛盾	开发了LARR框架，通过自监督训练方案计算恢复稀疏采样的TPF图像，实现4倍轴向和16倍横向分辨率增强	未提及具体局限性	解决双光子荧光成像中高分辨率与高速度之间的矛盾	双光子荧光（TPF）成像系统	computer vision	NA	双光子荧光（TPF）成像	自监督学习框架	图像	未提及具体样本数量
246	2025-04-08	Novel pre-spatial data fusion deep learning approach for multimodal volumetric outcome prediction models in radiotherapy 2025-Apr, Medical physics IF:3.2Q1 DOI:10.1002/mp.17672 PMID:39928034	研究论文	提出了一种新颖的预空间数据融合深度学习方法，用于放射治疗中的多模态体积结果预测模型	提出了一种名为联合早期预空间（JEPS）融合的新技术，解决了多模态模型输入中结构不兼容的问题	研究样本量相对较小（222例），且性能提升在统计上不显著	提高放射治疗前总体生存期（OS）预测的准确性	头颈部癌症患者	数字病理学	头颈部癌症	3D CNN, 数据融合技术	3D CNN, Cox Proportional Hazards模型, 密集神经网络	CT影像, 剂量数组, 结构集, 表格数据	222例头颈部癌症患者
247	2025-04-08	SFM-Net: Semantic Feature-Based Multi-Stage Network for Unsupervised Image Registration 2025-Apr, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3524361 PMID:40030793	研究论文	本文提出了一种基于语义特征的多阶段无监督图像配准网络SFM-Net，用于解决具有复杂解剖结构的图像之间的精细对应问题	提出了一种特征操作符和特征配准方法，强调语义相关区域的对齐，并设计了一个两阶段训练策略，包括强度图像配准阶段和语义特征配准阶段	未明确提及具体局限性	改进具有复杂解剖结构的图像之间的无监督配准方法	3D脑MRI和肝脏CT图像	计算机视觉	NA	深度学习	双流U-Net结构	3D医学图像	未明确提及具体样本数量
248	2025-04-08	Determining the Importance of Lifestyle Risk Factors in Predicting Binge Eating Disorder After Bariatric Surgery Using Machine Learning Models and Lifestyle Scores 2025-Apr, Obesity surgery IF:2.9Q1 DOI:10.1007/s11695-025-07765-0 PMID:40045153	研究论文	本研究评估了生活方式风险因素与腹腔镜袖状胃切除术后两年暴食症（BED）发生几率之间的关联，并比较了机器学习模型和生活方式评分的预测效果	首次结合生活方式评分和多种机器学习模型（包括深度学习）来预测暴食症的发生	样本量相对较小（450人），且仅针对特定手术（LSG）后的患者	评估生活方式风险因素对减肥手术后暴食症发展的影响	450名两年前接受过腹腔镜袖状胃切除术的患者	机器学习	暴食症	BES问卷评估，多种机器学习模型	LG, KNN, DT, RF, SVM, XGBoost, ANN	临床问卷数据	450名LSG术后患者
249	2025-04-08	C2BNet: A Deep Learning Architecture With Coupled Composite Backbone for Parasitic Egg Detection in Microscopic Images 2025-Apr, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3318604 PMID:37747862	research paper	提出了一种名为C2BNet的深度学习架构，用于在显微镜图像中检测寄生虫卵	采用双路径结构的耦合复合主干网络，通过特征组合方式增强不同路径间的特征表示能力，并提出了多尺度加权框融合方法以提高检测精度	NA	提高显微镜图像中寄生虫卵检测的模型性能	显微镜图像中的寄生虫卵	computer vision	intestinal parasitic infection	deep learning	C2BNet	image	Chula-ParasiteEgg-11数据集
250	2025-04-08	SeqNovo: De Novo Peptide Sequencing Prediction in IoMT via Seq2Seq 2025-Apr, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3321780 PMID:37792659	研究论文	提出了一种名为SeqNovo的模型，用于在医疗物联网(IoMT)中进行从头肽测序预测，该模型结合了Seq2Seq的编码-解码结构、多层感知机(MLP)的高度非线性特性以及注意力机制捕捉长距离依赖关系的能力	SeqNovo模型通过结合MLP和注意力机制，提高了特征提取能力和长距离依赖关系的捕捉能力，同时增强了预测的准确性和可解释性	未提及具体的样本量或实验数据规模，可能影响模型泛化能力的评估	解决现有深度学习模型在肽测序预测中可解释性差和长距离依赖关系捕捉能力不足的问题	肽测序预测	自然语言处理	NA	深度学习	Seq2Seq, MLP, 注意力机制	序列数据	NA
251	2025-04-08	Multiscale Deep Learning for Detection and Recognition: A Comprehensive Survey 2025-Apr, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3389454 PMID:38652624	综述	本文全面介绍了多尺度深度学习在目标检测和识别中的发展，构建了一个易于理解且强大的知识结构	综合介绍了多尺度深度学习的理论和方法，包括金字塔表示、尺度空间表示和多尺度几何表示，并比较了不同多尺度结构设计的性能	指出了多尺度深度学习中存在的几个开放问题和未来方向，但未提出具体的解决方案	探讨计算机视觉中的多尺度问题，特别是目标检测和识别中的多尺度表示	多尺度深度学习的理论和方法	计算机视觉	NA	NA	CNN, Vision Transformers (ViTs)	图像	NA
252	2025-04-08	A Colorectal Coordinate-Driven Method for Colorectum and Colorectal Cancer Segmentation in Conventional CT Scans 2025-Apr, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3386610 PMID:38687670	研究论文	提出了一种名为DeepCRC-SL的自动化分割算法，用于在常规增强CT扫描中分割结直肠和结直肠癌	首次提出了一种基于拓扑感知的深度学习方法，构建了新颖的一维结直肠坐标系，并引入了坐标驱动的自学习策略以利用大量未标记数据	分割精度仍有提升空间，CRC的DSC得分为0.669，结直肠的DSC得分为0.892	实现结直肠癌在常规CT扫描中的自动化分割，以支持自动化检测、分期和治疗反应监测	结直肠和结直肠癌	数字病理	结直肠癌	深度学习	CNN	CT图像	227例标记和585例未标记的结直肠癌病例
253	2025-04-08	A practical approach to the spatial-domain calculation of nonprewhitening model observers in computed tomography 2025-Apr, Medical physics IF:3.2Q1 DOI:10.1002/mp.17599 PMID:39780034	研究论文	提出了一种在空间域计算计算机断层扫描(CT)中非预白化模型观察者的实用方法，避免了傅里叶域方法的缺点	提出了一种避免显式估计噪声协方差矩阵的空间域计算方法，并提供了检测指数估计的不确定性公式	傅里叶域方法在强迭代重建和深度学习重建算法中显示出更高的检测能力，空间域方法可能低估噪声抑制效果	开发一种实用的空间域计算方法，用于评估CT图像质量	CT图像重建算法(迭代重建和深度学习重建)	医学影像	NA	CT扫描、迭代重建(IR)、深度学习重建(DLR)	非预白化(NPW)模型观察者	CT图像	使用Revolution CT扫描仪采集数据，研究两种对比度水平(2和8 mgI/mL)和不同特征尺寸(1-10 mm直径)的体模
254	2025-04-08	Deep Learning for Predicting Difficulty in Radical Prostatectomy: A Novel Evaluation Scheme 2025-Apr, Urology IF:2.1Q2 DOI:10.1016/j.urology.2025.01.028 PMID:39814211	研究论文	通过两阶段深度学习方法从术前磁共振成像中评估根治性前列腺切除术的难度	提出了一种新的评估方案，通过两阶段深度学习方法从术前MRI中预测手术难度，并引入了描述前列腺与骨盆空间关系的新指标	研究仅基于290名患者的数据，可能需要更大规模的验证	探索评估根治性前列腺切除术难度的新指标	接受腹腔镜和机器人辅助根治性前列腺切除术的患者	数字病理	前列腺癌	MRI	nnUNet_v2, PointNet	医学影像	290名患者
255	2025-04-08	Machine Learning and Deep Learning in Detection of Neonatal Seizures: A Systematic Review 2025-Apr, Journal of evaluation in clinical practice IF:2.1Q2 DOI:10.1111/jep.70083 PMID:40189779	系统综述	本文系统综述了机器学习和深度学习在新生儿癫痫检测中的应用	总结了ML和DL在新生儿癫痫检测中的效果，并提出了未来研究方向	仅纳入了10项符合标准的研究，可能存在选择偏倚	研究ML和DL对新生儿癫痫检测的影响	新生儿癫痫	机器学习	新生儿癫痫	机器学习(ML)和深度学习(DL)	CNN	脑电图(EEG)信号时间序列数据	17至258名新生儿重症监护病房(NICU)收治的新生儿，共1389次癫痫发作，平均834小时数据
256	2025-04-08	Deep learning-based multimodal CT/MRI image fusion and segmentation strategies for surgical planning of oral and maxillofacial tumors: A pilot study 2025-Mar-31, Journal of stomatology, oral and maxillofacial surgery DOI:10.1016/j.jormas.2025.102324 PMID:40174752	研究论文	本研究评估了基于深度学习的多模态CT/MRI图像融合和分割策略在口腔颌面部肿瘤手术规划中的可行性和准确性	结合了三种融合模型和三种分割模型，生成了九种混合深度学习模型，并评估了它们在口腔颌面部肿瘤分割中的性能	样本量较小（30例患者），且为单中心研究，可能影响结果的普遍性	评估深度学习在多模态CT/MRI图像融合和分割中的应用，为口腔颌面部肿瘤的虚拟手术规划提供基础	30名口腔颌面部肿瘤患者	数字病理	口腔颌面部肿瘤	CT/MRI扫描	Elastix, ANTs, NiftyReg, nnU-Net, 3D UX-Net, U-Net	医学影像（CT/MRI）	30名口腔颌面部肿瘤患者
257	2025-04-08	A novel data-driven screening method of antidepressants stability in wastewater and the guidance of environmental regulations 2025-Mar-30, Environment international IF:10.3Q1 DOI:10.1016/j.envint.2025.109427 PMID:40188602	研究论文	本研究开发了一种基于数据驱动的抗抑郁药物在废水中稳定性的筛选方法，并构建了MSSL-RealFormer分类模型以预测其稳定性	首次构建了基于理化性质的抗抑郁药物废水稳定性评估框架和MSSL-RealFormer分类模型，预测精度显著高于传统方法	研究仅针对66种抗抑郁药物，可能不适用于其他类药物	开发一种快速筛选抗抑郁药物在废水中稳定性的方法，并为环境法规提供指导	66种抗抑郁药物及其在废水中的稳定性	环境科学	NA	废水流行病学(WBE)、定量构效关系、密度泛函理论	MSSL-RealFormer分类模型	理化性质数据	66种抗抑郁药物
258	2025-04-08	Efficient annotation bootstrapping for cell identification in follicular lymphoma 2025-Mar-27, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108728 PMID:40188578	research paper	该研究探讨了在滤泡性淋巴瘤诊断中降低标注成本的有效方法，并比较了三种不同的标注引导方法	提出了一种基于自定义细胞编码器和数字病理学基础模型上下文编码的混合架构，用于从全切片图像中检测中心母细胞和中心细胞	研究仅基于41张全切片图像和12,704个细胞标注，样本量相对较小	探索在数字病理学中降低标注成本的方法，以提高滤泡性淋巴瘤诊断的效率和准确性	滤泡性淋巴瘤的全切片图像中的中心母细胞和中心细胞	digital pathology	follicular lymphoma	active learning, weak supervision	custom cell encoder and contextual encoding	image	41张全切片图像，12,704个细胞标注
259	2025-04-08	Autonomous learning of pathologists' cancer grading rules 2025-Mar-19, bioRxiv : the preprint server for biology DOI:10.1101/2025.03.18.643999 PMID:40166226	research paper	开发了一种可解释的深度学习算法，用于揭示组织形态学与癌症生物学之间的联系	提出了一种可解释的深度学习（IDL）算法，能够自主形式化疾病组织病理学表现与潜在组织架构驱动因素之间的联系	深度学习模型的'黑箱'性质可能仍存在一定的解释性限制	探索深度学习在组织病理学分类任务中的应用，以发现与疾病相关的特征	透明细胞肾细胞癌（ccRCC）组织图像	digital pathology	renal cell carcinoma	deep learning	generative model, DL model	image	NA
260	2025-04-08	Multi-dimensional interpretable deep learning-radiomics based on intra-tumoral and spatial habitat for preoperative prediction of thymic epithelial tumours risk categorisation 2025-Mar-13, Acta oncologica (Stockholm, Sweden) DOI:10.2340/1651-226X.2025.42982 PMID:40079653	研究论文	本研究旨在开发和比较基于增强CT的放射组学、多维深度学习、临床常规影像和空间栖息地分析的组合模型，以实现胸腺瘤风险分类的准确预测	结合全肿瘤放射组学、2D和3D深度学习、临床视觉放射学及亚区域组学特征，构建了RDLCSM模型，用于非侵入性预测胸腺瘤风险分类	研究仅基于三个医疗中心的数据，样本量相对有限，且未考虑其他影像模态如MRI	开发非侵入性工具以预测胸腺瘤风险分类	205例经手术病理证实的胸腺瘤患者	数字病理	胸腺瘤	增强CT、K-means聚类、LightGBM分类器	2D/3D深度学习模型、KNN、LightGBM	CT影像、临床常规影像数据	205例患者（来自三个医疗中心）