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
2641	2025-04-04	CMV2U-Net: A U-shaped network with edge-weighted features for detecting and localizing image splicing 2025-Apr-03, Journal of forensic sciences IF:1.5Q2 DOI:10.1111/1556-4029.70033 PMID:40177991	research paper	提出了一种名为CMV2U-Net的边缘加权U形网络，用于检测和定位图像拼接	设计了能够同时处理两路输入图像的特征提取模块，并采用分层融合方法和通道注意力机制来防止浅层特征数据丢失	未明确提及具体局限性	提高图像拼接伪造检测和定位的准确性	图像拼接伪造区域	computer vision	NA	deep learning	U-Net (CMV2U-Net)	image	多个公共数据集（未明确提及具体数量）
2642	2025-04-04	Early Colon Cancer Prediction from Histopathological Images Using Enhanced Deep Learning with Confidence Scoring 2025-Apr-03, Cancer investigation IF:1.8Q3 DOI:10.1080/07357907.2025.2483302 PMID:40178023	research paper	该研究提出了一种名为NalexNet的混合深度学习分类器，用于从组织病理学图像中早期预测结肠癌	结合Vahadane染色归一化和Watershed分割进行预处理，采用Teamwork Optimization Algorithm (TOA)进行特征选择，并设计了包含卷积层、普通细胞和减少细胞的NalexNet模型以提高分类精度和计算效率	未提及模型在临床实际应用中的验证情况或跨中心数据测试结果	开发自动化且计算高效的结肠癌分类系统以辅助病理学家早期诊断	结肠癌组织病理学图像	digital pathology	colon cancer	Vahadane stain normalization, Watershed segmentation, Teamwork Optimization Algorithm (TOA)	hybrid deep-learning classifier (NalexNet with convolutional layers, normal and reduction cells)	histopathological images	NA
2643	2025-04-04	Arterial phase CT radiomics for non-invasive prediction of Ki-67 proliferation index in pancreatic solid pseudopapillary neoplasms 2025-Apr-03, Abdominal radiology (New York) DOI:10.1007/s00261-025-04921-z PMID:40178588	research paper	本研究利用动脉期CT影像组学特征，开发了一种深度学习模型，用于术前预测胰腺实性假乳头状瘤患者的Ki-67增殖指数水平	首次将动脉期CT影像组学特征与深度学习模型结合，用于预测pSPN患者的Ki-67增殖水平，并识别出CTscore和形态学特征作为关键预测因子	研究为回顾性设计，样本量相对较小（92例患者），且来自两个医疗中心	术前无创预测胰腺实性假乳头状瘤患者的Ki-67增殖水平	胰腺实性假乳头状瘤(pSPN)患者	digital pathology	pancreatic cancer	CT影像组学分析	深度学习模型, GBM	CT图像	92例经病理确诊的pSPN患者（训练组64例，验证组28例）
2644	2025-04-04	Advanced Anticounterfeiting: Angle-Dependent Structural Color-Based CuO/ZnO Nanopatterns with Deep Neural Network Supervised Learning 2025-Apr-02, ACS applied materials & interfaces IF:8.3Q1 DOI:10.1021/acsami.4c17414 PMID:40072024	研究论文	本研究提出了一种基于结构颜色的低成本、可大规模生产的防伪图案及简单鉴别算法	利用电纺丝技术制造纳米图案，结合CuO和ZnO的溶液生长过程，创造出具有角度依赖性颜色的不可克隆图案，并通过深度学习算法实现高效鉴别	需要标准高分辨率相机获取训练图像，可能在某些应用场景中受限	开发新一代高效、可扩展的防伪解决方案	防伪图案及其鉴别算法	计算机视觉	NA	电纺丝技术、溶液生长过程、深度学习	深度学习算法	图像	NA
2645	2025-04-04	Deep Learning-Based Framework for Efficient Design of Multicomponent High Hardness High Entropy Alloys 2025-Apr-02, ACS applied materials & interfaces IF:8.3Q1 DOI:10.1021/acsami.4c23010 PMID:40114633	研究论文	提出了一种基于深度学习的框架，用于高效设计多组分高硬度高熵合金	结合材料领域知识与数据驱动技术，开发了材料串联嵌入模块与BiLSTM-CRF网络，自动化分析文献并提取数据，采用两阶段设计策略（GA与PSO结合）优化合金系统与成分比例	未明确提及实验验证的广泛性或实际应用中的性能稳定性	优化多组分高硬度高熵合金的设计过程	高熵合金（HEAs）	机器学习	NA	深度学习、遗传算法（GA）、粒子群优化（PSO）	BiLSTM-CRF	文本、数值数据	2698篇论文中提取的8067个数据点，构建的硬度数据集包含13种元素
2646	2025-04-04	Revisiting One-stage Deep Uncalibrated Photometric Stereo via Fourier Embedding 2025-Apr-02, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3557245 PMID:40173071	research paper	本文提出了一种名为FUPS-Net的单阶段深度未校准光度立体网络，用于未知光照方向下的非朗伯物体表面法线估计	通过傅里叶变换网络隐式学习光照特征，利用傅里叶域中振幅编码光照、相位编码几何的特性来分解几何与光照信息，提出频率-空间加权块增强表面重建	未明确说明对复杂光照条件或极端非朗伯材质的处理能力	解决传统两阶段未校准光度立体方法中光照估计误差传播问题	非朗伯物体在未知光照方向下的表面法线估计	computer vision	NA	傅里叶变换	FUPS-Net (包含FEE、FEA、FSW模块)	光度立体图像	合成数据集和真实数据集（未说明具体数量）
2647	2025-04-04	Beyond the Posts: Analyzing Breast Implant Illness Discourse With Natural Language Processing and Deep Learning 2025-Apr-02, Aesthetic surgery journal IF:3.0Q1 DOI:10.1093/asj/sjaf047 PMID:40173420	研究论文	使用自然语言处理和深度学习分析社交媒体上关于乳房植入物疾病（BII）的患者感知和情感反应	利用RoBERTa模型分析社交媒体数据，揭示BII讨论的情感趋势及其与乳房植入物取出率的相关性	研究仅基于X平台（原Twitter）的数据，可能无法全面代表所有社交媒体或患者群体的观点	了解患者对BII的感知和情感反应，并探讨社交媒体讨论对医疗决策的影响	社交媒体上关于BII的帖子	自然语言处理	乳房植入物疾病	NLP, 深度学习	RoBERTa	文本	6,099条帖子（2014-2023年）
2648	2025-04-04	scAtlasVAE: a deep learning framework for generating a human CD8+ T cell atlas 2025-Apr-02, Nature reviews. Cancer DOI:10.1038/s41568-025-00811-0 PMID:40175619	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
2649	2025-04-04	Prediction of Future Risk of Moderate to Severe Kidney Function Loss Using a Deep Learning Model-Enabled Chest Radiography 2025-Apr-02, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01489-4 PMID:40175823	research paper	本研究评估了一种利用原始胸部X光数据预测中度至重度肾功能下降的深度学习模型	首次使用深度学习模型通过胸部X光数据预测慢性肾脏病的进展风险	研究为回顾性分析，需要前瞻性研究进一步验证	开发早期预测慢性肾脏病进展风险的工具	79,219名eGFR在65-120之间的患者	digital pathology	chronic kidney disease	deep learning	DLM	image	79,219名患者的胸部X光数据
2650	2025-04-04	Application of an Automated Deep Learning Program to A Diagnostic Classification Model: Differentiating High-Risk Adenomas Among Colorectal Polyps 10 mm or Smaller 2025-Apr-02, Journal of digestive diseases IF:2.3Q3 DOI:10.1111/1751-2980.13340 PMID:40176375	研究论文	本研究开发了一种基于自动深度学习程序的计算机辅助诊断模型，用于分类≤10毫米结直肠息肉中的低风险和高风险腺瘤	使用自动深度学习软件Neuro-T v3.2.1开发CADx模型，其性能与专家相当且优于学员	研究仅使用了静态内窥镜图像，未考虑动态视频或临床背景信息	开发能区分≤10毫米结直肠息肉中高风险和低风险腺瘤的计算机辅助诊断模型	≤10毫米的结直肠腺瘤	数字病理学	结直肠癌	自动深度学习	DL	内窥镜图像	2696张训练图像（2460张低级别和236张高级别腺瘤）和439张外部验证图像（398张低级别和41张高级别腺瘤）
2651	2025-04-04	Deep Learning for Classification of Inflammatory Bowel Disease Activity in Whole Slide Images of Colonic Histopathology 2025-Apr, The American journal of pathology DOI:10.1016/j.ajpath.2024.12.010 PMID:39800054	研究论文	本研究开发了一种基于深度学习的模型，用于在炎症性肠病（IBD）患者的H&E染色全切片图像（WSIs）中分类活动性等级	使用基于Transformer的深度学习模型对IBD活动性进行分类，并通过HoVer-Net分析中性粒细胞分布，提高了诊断的一致性和效率	研究数据仅来自单一医疗中心，可能影响模型的泛化能力	开发一种自动分类IBD活动性等级的方法，以解决病理学家资源不足和观察者间变异性的问题	炎症性肠病（IBD）患者的H&E染色全切片图像	数字病理学	炎症性肠病	深度学习	Transformer	图像	2077张WSIs来自636名患者
2652	2025-04-04	Artificial Intelligence-Enhanced Perfusion Scoring Improves the Diagnostic Accuracy of Myocardial Perfusion Imaging 2025-Apr-01, Journal of nuclear medicine : official publication, Society of Nuclear Medicine IF:9.1Q1 DOI:10.2967/jnumed.124.268079 PMID:39978815	research paper	该研究探讨了人工智能增强的灌注评分如何提高心肌灌注成像的诊断准确性	结合深度学习模型与传统定量方法，提高了诊断冠状动脉疾病的准确性	研究仅限于555名患者，可能无法代表更广泛的人群	提高心肌灌注成像在诊断阻塞性冠状动脉疾病中的准确性	接受心肌灌注成像的患者	digital pathology	cardiovascular disease	SPECT imaging	DL (deep learning)	image	555名患者
2653	2025-04-04	What's new in pediatric musculoskeletal imaging 2025-Apr, Journal of children's orthopaedics DOI:10.1177/18632521251325122 PMID:40093030	review	本文综述了儿科肌肉骨骼影像学领域的最新技术进展，包括成像方式的创新和人工智能应用	探讨了辐射剂量减少技术、对比增强超声和超高频率成像等增强诊断工具，以及人工智能在病理检测和工作流程优化中的应用	存在外部验证和范围有限等挑战	提高儿科肌肉骨骼护理的诊断准确性和治疗效果	儿科肌肉骨骼影像学	digital pathology	NA	advanced magnetic resonance imaging, ultrasound innovations, artificial intelligence, photon-counting detector computed tomography, deep learning-based reconstructions, diffusion-weighted imaging, positron emission tomography-magnetic resonance imaging integration	deep learning	image	NA
2654	2025-04-04	A Single-Camera Method for Estimating Lift Asymmetry Angles Using Deep Learning Computer Vision Algorithms 2025-Apr, IEEE transactions on human-machine systems IF:3.5Q1 DOI:10.1109/thms.2025.3539187 PMID:40160534	research paper	提出了一种使用深度学习计算机视觉算法从单摄像头估计提升不对称角度的方法	利用单摄像头和深度学习算法自动测量NIOSH提升方程的不对称角度，解决了实际场景中视野受阻和摄像头放置限制的问题	与3D运动捕捉相比，平均绝对精度误差为6.25°，平均绝对准确度误差为9.45°	开发一种自动测量提升不对称角度的计算机视觉方法	十名参与者在实验室环境中进行的各种提升动作	computer vision	NA	HR-Net和VideoPose3D算法	HR-Net, VideoPose3D	video	10名参与者，360个数据点
2655	2025-04-04	Benchmarking deep learning for automated peak detection on GIWAXS data 2025-Apr-01, Journal of applied crystallography IF:5.2Q1 DOI:10.1107/S1600576725000974 PMID:40170972	研究论文	本文提出了一个用于评估深度学习在GIWAXS数据自动峰值检测中性能的综合框架	引入了包含标注实验数据集、物理信息指标和优化基线算法的全面框架，并首次对基于模拟数据训练的深度学习解决方案进行了系统评估	研究可能受限于标注数据集的大小和多样性，以及基线算法的选择	评估深度学习在GIWAXS数据峰值检测中的可靠性并建立标准化评估体系	GIWAXS衍射图像数据	机器学习和X射线散射数据分析	NA	GIWAXS和深度学习技术	未明确说明具体DL模型类型	X射线衍射图像数据	未明确说明具体样本数量，但提到单日可产生数十万衍射图像
2656	2025-04-04	Clinically applicable semi-supervised learning framework for multiple organs at risk and tumor delineation in lung cancer brachytherapy 2025-Apr-01, Physica medica : PM : an international journal devoted to the applications of physics to medicine and biology : official journal of the Italian Association of Biomedical Physics (AIFB) DOI:10.1016/j.ejmp.2025.104968 PMID:40174514	研究论文	本文提出了一种适用于临床的半监督学习框架，用于肺癌近距离放射治疗中多个风险器官和肿瘤的勾画	提出了一种稳健的半监督条件nnU-Net（SSC-nnUNet）模型，并在多个风险器官和肿瘤分割中进行了验证，探索了其在机器人辅助穿刺诊疗中的潜力	模型的泛化能力在实际临床应用中的验证仍显不足	验证深度学习自动分割技术在肺癌临床实践中的泛化能力	肺癌患者的多器官风险区域和肿瘤	数字病理	肺癌	半监督学习	SSC-nnUNet	CT图像	674名患者的CT数据（来自四个部分标记的数据集），181名患者的多中心完全注释数据（来自私人数据集）
2657	2025-04-04	Predicting 5-Year EDSS in Multiple Sclerosis with LSTM Networks: A Deep Learning Approach to Disease Progression 2025-Apr-01, Journal of clinical neuroscience : official journal of the Neurosurgical Society of Australasia IF:1.9Q4 DOI:10.1016/j.jocn.2025.111218 PMID:40174549	研究论文	本研究利用LSTM网络预测多发性硬化症患者5年后的EDSS评分，以评估疾病进展	与现有研究不同，该方法整合了多发性硬化症患者的静态和动态数据，实现了EDSS评分的准确预测	研究仅基于两个中心的1000名患者数据，可能存在样本代表性不足的问题	预测多发性硬化症患者5年后的EDSS评分，以评估疾病进展	多发性硬化症患者	机器学习	多发性硬化症	LSTM网络	LSTM	临床和人口统计学数据	1000名多发性硬化症患者
2658	2025-04-04	Artificial intelligence applied to epilepsy imaging: Current status and future perspectives 2025-Apr-01, Revue neurologique IF:2.8Q2 DOI:10.1016/j.neurol.2025.03.006 PMID:40175210	review	本文综述了人工智能在癫痫影像学中的应用现状及未来展望	探讨了深度学习和机器学习在癫痫影像学中的多种应用，包括病灶检测、癫痫灶的侧向定位、术后结果预测以及癫痫患者与健康个体的自动区分	需要严格的数据监管措施以确保患者数据安全，且依赖大规模数据集	提升癫痫的诊断和治疗水平	癫痫影像学数据	digital pathology	epilepsy	deep learning, machine learning	DL, ML	neuroimaging data	NA
2659	2025-04-04	Generating Synthetic T2*-Weighted Gradient Echo Images of the Knee with an Open-source Deep Learning Model 2025-Apr-01, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.03.015 PMID:40175204	research paper	开发一个开源深度学习模型，用于从脂肪抑制中间加权图像生成膝关节的合成T2*加权梯度回波图像	开发了一个开源的CycleGAN模型，能够从常规MRI图像生成具有高诊断价值的合成T2*加权图像	识别出四种伪影，包括几何畸变、物体插入/遗漏、环绕样伪影和不完全脂肪抑制伪影，尽管这些伪影对诊断影响较小	开发一个深度学习模型，生成膝关节的合成T2*加权梯度回波图像，以补充常规MRI协议	膝关节MRI图像	digital pathology	NA	MRI	CycleGAN	image	训练集12,118张矢状位膝关节MR图像，测试集2,996张图像
2660	2025-04-04	Generating synthetic brain PET images of synaptic density based on MR T1 images using deep learning 2025-Mar-31, EJNMMI physics IF:3.0Q2 DOI:10.1186/s40658-025-00744-5 PMID:40163154	研究论文	本研究利用深度学习技术基于MRI T1图像生成合成的大脑突触密度PET图像	首次使用卷积基础的3D编码器-解码器模型从MRI生成[11C]UCB-J SV2A PET合成图像，解决了SV2A示踪剂在实际应用中的可获得性问题	研究样本量相对有限（160名参与者），且未明确说明模型在不同疾病群体间的泛化能力	开发一种通过MRI生成合成[11C]UCB-J PET图像的方法，以解决SV2A示踪剂在实际应用中的限制	160名同时接受MRI和[11C]UCB-J PET成像的参与者，包括精神分裂症、大麻使用障碍和阿尔茨海默病患者	数字病理学	神经系统疾病	深度学习	3D CNN编码器-解码器	医学影像（MRI和PET图像）	160名参与者