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
2781	2025-07-04	Moving Beyond CT Body Composition Analysis: Using Style Transfer for Bringing CT-Based Fully-Automated Body Composition Analysis to T2-Weighted MRI Sequences 2025-Aug-01, Investigative radiology IF:7.0Q1 DOI:10.1097/RLI.0000000000001162 PMID:39961134	研究论文	本研究提出了一种利用深度学习技术从T2加权MRI序列中自动进行身体成分分析的方法	通过CycleGAN将CT分割映射到合成的MR图像上，并利用nnU-Net V2模型进行3D和2D分割，实现了从CT到MRI的身体成分分析方法的迁移	研究中仅使用了30对合成数据对进行初步训练，样本量相对较小	开发一种自动化方法，用于从T2加权MRI序列中提取身体成分参数	120名患者的T2加权MRI序列（46%为女性，中位年龄56岁）	数字病理学	NA	CycleGAN, nnU-Net V2	CNN（具体为nnU-Net V2的3D和2D版本）	医学影像（T2加权MRI序列）	120名患者的MRI数据
2782	2025-07-04	New approaches to lesion assessment in multiple sclerosis 2025-Aug-01, Current opinion in neurology IF:4.1Q2 DOI:10.1097/WCO.0000000000001378 PMID:40377692	review	总结人工智能驱动的病变分割和新型神经影像技术在多发性硬化症（MS）病变识别与表征中的最新进展	人工智能尤其是深度学习方法革新了MS病变评估和分割，提高了准确性、可重复性和效率，同时新型神经影像技术如QSM、χ-separation成像和SANDI提供了对病变病理的更深入理解	NA	总结人工智能和新型神经影像技术在MS病变评估中的应用及其对临床和研究的潜在影响	多发性硬化症（MS）病变	数字病理	多发性硬化症	人工智能驱动的病变分割、定量磁化率成像（QSM）、χ-separation成像、SANDI、PET	深度学习	神经影像数据	NA
2783	2025-07-04	A Robust Residual Three-dimensional Convolutional Neural Networks Model for Prediction of Amyloid-β Positivity by Using FDG-PET 2025-Aug-01, Clinical nuclear medicine IF:9.6Q1 DOI:10.1097/RLU.0000000000005966 PMID:40524364	研究论文	本研究利用残差3D卷积神经网络（3DCNN）开发了一个稳健的模型，通过FDG-PET预测淀粉样蛋白β阳性	利用残差3DCNN模型从FDG-PET图像中学习复杂的3D空间模式，显著减少了对站点协调预处理的依赖	样本量相对较小（187名患者用于模型开发，99名患者用于评估），且在不同种族和站点协调水平的数据集上表现存在差异	开发一个能够通过FDG-PET预测淀粉样蛋白β阳性的深度学习模型，以辅助阿尔茨海默病的诊断	从认知正常到痴呆及其他认知障碍的患者	数字病理学	阿尔茨海默病	FDG-PET, T1-weighted MRI, 11 C-Pittsburgh compound B (PiB) PET扫描	残差3DCNN	图像	187名患者用于模型开发，99名患者用于评估
2784	2025-07-04	Grapes leaf disease dataset for precision agriculture 2025-Aug, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2025.111716 PMID:40599426	research paper	该论文提供了一个包含2,726张高质量葡萄叶病害图像的大型数据集，用于精准农业中的病害检测	提供了高质量、精确标注的葡萄叶病害图像数据集，并通过ResNet-18算法验证了数据集的适用性	数据集仅来自印度纳西克的葡萄农场，可能无法涵盖所有地理和气候条件下的病害情况	旨在通过AI模型提升葡萄病害的自动化检测、分类和预测能力	葡萄叶病害图像	computer vision	葡萄病害	图像采集与标注	ResNet-18	image	2,726张葡萄叶病害图像
2785	2025-07-04	Deep learning on high-density EEG during a cognitive task distinguishes patients with Parkinson's disease from healthy controls 2025-Jul-03, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/ade6a9 PMID:40541235	研究论文	本研究使用深度学习模型分析高密度脑电图（EEG）数据，通过认知任务区分帕金森病患者与健康对照组	首次在认知任务条件下使用高密度EEG数据训练深度学习模型，提高了帕金森病诊断的准确性	研究样本量未明确说明，且EEG生物标志物仍处于实验阶段	探索认知任务是否能提高基于EEG的帕金森病检测准确性	帕金森病患者与健康对照组	数字病理学	帕金森病	高密度EEG	深度学习模型	EEG信号	NA
2786	2025-07-04	CBH-BDC Enhanced Δ-ML for Predicting the Accurate Standard Enthalpy of Formation 2025-Jul-03, The journal of physical chemistry. A DOI:10.1021/acs.jpca.5c03134 PMID:40556314	research paper	该论文提出了一种结合CBH-BDC和Δ-ML的方法，用于准确预测标准生成焓(Δ°)	引入CBH-BDC增强的Δ-ML方法，利用基于连接层次结构片段和BDC的有效且可解释的分子描述符，绕过高级量子计算实现Δ°的准确预测	BDC参数仅限于特定元素，高精度电子能量计算存在挑战	开发一种准确预测标准生成焓(Δ°)的方法	464种具有实验Δ°值的物种和QM9数据库中的120,416个稳定有机分子	计算化学	NA	CBH-BDC方法、Δ-ML方法、DFT、CCSD(T)	Δ-ML	分子描述符	464个实验验证物种和120,416个QM9数据库有机分子
2787	2025-07-04	Contrast-enhanced image synthesis using latent diffusion model for precise online tumor delineation in MRI-guided adaptive radiotherapy for brain metastases 2025-Jul-03, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ade845 PMID:40562071	研究论文	本研究开发了一种基于ControlNet耦合的潜在扩散模型（CTN-LDM）的方法，用于从在线T2加权或FLAIR图像生成高质量的合成T1CE图像，以提高脑转移瘤在线自适应放疗中的肿瘤勾画精度	结合了ControlNet耦合的潜在扩散模型、个性化迁移学习策略和去噪扩散隐式模型反演方法，显著提高了合成T1CE图像的质量和肿瘤勾画的准确性	研究仅针对大体积脑转移瘤，未涉及其他类型的肿瘤或小体积病灶	开发一种合成T1CE图像生成方法，以促进在线自适应脑转移瘤勾画的准确性	脑转移瘤患者	数字病理	脑转移瘤	MRI	ControlNet-coupled latent diffusion model (CTN-LDM)	MRI图像	未明确提及样本数量
2788	2025-07-04	Self-supervised learning for low-dose CT image denoising method based on guided image filtering 2025-Jul-03, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ade847 PMID:40562063	research paper	提出了一种基于引导图像滤波的自监督学习方法，用于低剂量CT图像去噪	利用引导图像滤波生成伪标签，无需配对数据即可训练网络进行去噪，并在解码器阶段嵌入注意力门机制以提升性能	未明确提及具体局限性	开发不依赖配对正常剂量CT数据的低剂量CT图像去噪方法	低剂量CT图像	computer vision	NA	引导图像滤波(GIF)，注意力门(AG)机制	残差网络	image	未明确提及样本数量
2789	2025-07-04	Neural networks to estimate multiple sclerosis disability and predict progression using routinely collected healthcare data 2025-Jul-03, Multiple sclerosis (Houndmills, Basingstoke, England) DOI:10.1177/13524585251347513 PMID:40607660	研究论文	本研究使用常规收集的医疗数据，通过神经网络算法估计多发性硬化症（MS）相关残疾并预测其进展	利用深度学习方法和混合模型（结合生存分析与神经网络预测）来估计和预测MS相关残疾，填补了行政数据集中EDSS不可用的空白	研究仅基于意大利坎帕尼亚地区的行政数据，可能限制了结果的普适性	利用常规医疗数据改进MS的监测、医疗规划和决策制定	多发性硬化症（MS）患者	机器学习	多发性硬化症	深度学习	神经网络与混合模型	行政医疗数据	2015-2021年意大利坎帕尼亚地区的MS患者数据
2790	2025-07-04	Development of a deep learning-based automated diagnostic system (DLADS) for classifying mammographic lesions - a first large-scale multi-institutional clinical trial in Japan 2025-Jul-03, Breast cancer (Tokyo, Japan) DOI:10.1007/s12282-025-01741-3 PMID:40608200	research paper	开发了一个基于深度学习的自动化诊断系统（DLADS），用于分类乳腺X线摄影病变，并在日本进行了首次大规模多机构临床试验	首次为日本女性建立了乳腺X线摄影AI-CADx系统，并在大规模多机构临床试验中验证了其有效性	研究为回顾性设计，前瞻性研究尚未完成	建立并验证一个针对日本女性的乳腺X线摄影AI-CADx系统	日本女性的乳腺X线摄影图像	digital pathology	breast cancer	AI-CADx	SE-ResNet	image	20,638张乳腺X线摄影图像，来自11,450名日本女性
2791	2025-07-04	Dual-Mode Temperature-Pressure MXene Sensor for Enhanced Firefighter Safety and Deep Learning-Enhanced Smart Gloves 2025-Jul-02, ACS applied materials & interfaces IF:8.3Q1 DOI:10.1021/acsami.5c09442 PMID:40552641	研究论文	本研究开发了一种基于MXene的双模温度-压力传感器，用于增强消防员安全及深度学习增强的智能手套	利用MXene的优异热电性能、金属般导电性和阻燃性，结合柔性防火聚酰亚胺基底，开发出能同时准确检测温度和压力的多功能传感器	未明确提及样本量或具体应用场景中的长期稳定性测试	开发多功能可穿戴传感器，用于实时监测消防员健康状况及环境参数	消防员及其工作环境	机器学习	NA	深度学习算法	NA	传感器数据（温度、压力）	NA
2792	2025-07-04	Hybrid Transformer for Early Alzheimer's Detection: Integration of Handwriting-Based 2D Images and 1D Signal Features 2025-Jul-02, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3585379 PMID:40601463	研究论文	提出了一种新型混合Transformer模型，用于通过手写数据早期检测阿尔茨海默病	首次将手写2D图像与1D动态信号特征结合，并应用Transformer模型进行阿尔茨海默病检测	仅在一个数据集(DARWIN)上进行了验证，未在其他数据集上测试泛化能力	开发更准确的阿尔茨海默病早期检测方法	阿尔茨海默病患者的手写数据	数字病理学	阿尔茨海默病	深度学习	混合Transformer	图像和信号数据	DARWIN数据集中的Task 8('L' writing)样本
2793	2025-07-04	In Vivo Laparoscopic Image De-smoking Dataset, Evaluation, and Beyond 2025-Jul-02, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3584641 PMID:40601460	research paper	本文介绍了一种新颖的配对数据集，用于去除腹腔镜手术中的烟雾，并评估了现有去烟雾方法的有效性	提出了首个包含真实烟雾和烟雾自由手术场景的配对数据集，并开发了一种鲁棒的运动跟踪技术以补偿患者的不自主运动	现有去烟雾方法主要基于合成数据集和非参考图像增强指标，未能完全捕捉体内手术场景的复杂性	开发有效的算法去除腹腔镜手术中的烟雾	腹腔镜手术中的烟雾去除	digital pathology	prostate cancer	motion-tracking technique	NA	image	2000 smoky-to-smoke-free image pairs from 41 video sequences of 132 laparoscopic prostatectomy recordings, and 1000 image pairs from 68 video sequences of 45 cholecystectomy recordings
2794	2025-07-04	A novel few-shot learning framework for supervised diffeomorphic image registration network 2025-Jul-02, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3585199 PMID:40601459	研究论文	提出了一种新颖的小样本学习框架，用于监督微分同胚图像配准网络	通过随机微分同胚生成器（RDG）生成一系列微分同胚，仅需少量图像数据即可生成训练标签，有效解决了监督网络中物理网格折叠和标记训练数据稀缺的问题	未提及该方法在更广泛数据集上的泛化能力	解决医学图像配准中实时性需求和标记数据稀缺的问题	医学图像	计算机视觉	NA	深度学习	监督小样本学习网络	图像	理论上仅需一张图像数据
2795	2025-07-04	Development of a tongue image-based machine learning tool for the diagnosis of colorectal cancer: a prospective multicentre clinical cohort study 2025-Jul-02, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3585552 PMID:40601462	研究论文	开发了一种基于舌像的机器学习工具，用于辅助结直肠癌的诊断	结合传统舌诊与现代机器学习，利用创新的图像分割技术和特征提取方法，开发了一种非侵入性、经济高效的结直肠癌筛查工具	需要进一步的外部验证以确认其广泛适用性	开发一种辅助结直肠癌诊断的非侵入性工具	结直肠癌患者和非结直肠癌参与者的舌像	数字病理	结直肠癌	图像分割（SAM与Grounding DINO）、特征提取（手工特征与深度学习特征）	Swin-Transformer	图像	1,389张结直肠癌患者舌像和1,543张非结直肠癌参与者舌像（内部验证），119名结直肠癌患者和221名非结直肠癌参与者（外部验证）
2796	2025-07-04	An EEG-based seizure prediction model encoding brain network temporal dynamics 2025-Jul-02, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3584861 PMID:40601467	研究论文	本文提出了一种基于EEG的癫痫发作预测模型，通过编码脑网络的时间动态来提高预测性能	结合脑网络生理先验与深度学习进行EEG表征学习，提出了一种全新的癫痫发作预测策略	NA	提高癫痫发作预测的准确性和可靠性	癫痫患者的EEG数据	生物医学工程	癫痫	EEG	VAE (变分自编码器)	EEG信号	两个公开可用的EEG数据集和一个临床头皮EEG数据集
2797	2025-07-04	Robust Multi-contrast MRI Medical Image Translation via Knowledge Distillation and Adversarial Attack 2025-Jul-02, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3584721 PMID:40601468	研究论文	提出了一种结合知识蒸馏和对抗攻击的鲁棒多对比MRI医学图像翻译框架	通过设计教师模块作为配准网络以更好地学习噪声分布，并引入对抗攻击模块增强模型鲁棒性	未提及在临床环境中的实际应用效果验证	提升多对比MRI医学图像翻译的质量和鲁棒性	MRI医学图像	数字病理	NA	知识蒸馏、对抗攻击	GAN	医学图像	两个公开MRI数据集
2798	2025-07-04	Differential Diagnosis of Papillary Thyroid Carcinoma and Nodular Goiter With Papillary Hyperplasia Using Hyperspectral Imaging Technology 2025-Jul-02, Journal of biophotonics IF:2.0Q3 DOI:10.1002/jbio.202500200 PMID:40603107	研究论文	本研究利用高光谱成像技术结合深度学习，区分甲状腺乳头状癌和结节性甲状腺肿伴乳头状增生	首次将高光谱成像技术与带自注意力机制的一维卷积神经网络结合，用于区分PTC和NGPH	样本量相对较小（43例PTC和39例NGPH）	开发一种能够准确区分甲状腺乳头状癌和结节性甲状腺肿伴乳头状增生的方法	甲状腺乳头状癌(PTC)和结节性甲状腺肿伴乳头状增生(NGPH)的病理样本	数字病理	甲状腺癌	高光谱成像(HSI)	一维CNN带自注意力机制	高光谱图像	82例样本（43例PTC，39例NGPH）
2799	2025-07-04	Clinical value of the 70-kVp ultra-low-dose CT pulmonary angiography with deep learning image reconstruction 2025-Jul-02, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-11764-1 PMID:40603771	研究论文	本研究评估了基于深度学习图像重建算法的低辐射剂量和低对比剂剂量的CT肺动脉造影（CTPA）的可行性	采用70 kVp超低剂量CTPA结合深度学习图像重建算法，显著降低辐射和对比剂剂量，同时保持图像质量	样本量较小（100名患者），且仅在一家机构进行，可能影响结果的普遍性	评估低辐射剂量和低对比剂剂量的CTPA在临床中的应用价值	100名连续患者（41名女性，平均年龄60.9岁，范围18-90岁）	数字病理	心血管疾病	CT肺动脉造影（CTPA）	深度学习图像重建（DLIR）	医学影像	100名患者（50名传统剂量组，50名低剂量组）
2800	2025-07-04	Development and validation of a deep learning ultrasound radiomics model for predicting drug resistance in lymph node tuberculosis a multicenter study 2025-Jul-02, International journal of surgery (London, England) DOI:10.1097/JS9.0000000000002850 PMID:40607926	研究论文	开发并验证了一种深度学习超声放射组学模型，用于预测淋巴结结核的药物耐药性	结合集成机器学习和AdaBoost算法，开发了一种新的预测模型，并在多中心研究中验证了其高效诊断能力	研究样本量相对较小，且外部验证集来自有限的其他中心	预测淋巴结结核的药物耐药性	234名颈部淋巴结结核患者	数字病理	结核病	超声放射组学	集成机器学习与AdaBoost算法	超声图像	234名患者（来自一个中心的训练和内部验证队列，以及来自另外两个中心的外部测试集A和B）