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
281	2025-05-12	Accelerating multi-objective optimization of concrete thin shell structures using graph-constrained GANs and NSGA-II 2025-May-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-00017-2 PMID:40341580	研究论文	本文提出了一种结合图约束条件生成对抗网络（GANs）和非支配排序遗传算法II（NSGA-II）的新方法，用于优化混凝土薄壳结构的拓扑和厚度	通过结合深度学习的生成能力和进化算法的优化过程，解决了当前优化技术的基本限制，显著提高了收敛速度和解决方案的多样性及质量	NA	优化混凝土薄壳结构的设计，以最小化重量、挠度和应变能	混凝土薄壳结构	机器学习和结构优化	NA	图约束条件生成对抗网络（GANs）和非支配排序遗传算法II（NSGA-II）	GAN和NSGA-II	结构设计数据	NA
282	2025-05-12	An automated hip fracture detection, classification system on pelvic radiographs and comparison with 35 clinicians 2025-May-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-98852-w PMID:40341645	研究论文	本研究提出了一种基于卷积神经网络(CNN)的自动化系统，用于检测骨盆X光片中的髋部骨折，并与35名临床医生的诊断结果进行比较	使用YOLOv5和三种预训练DNN架构进行髋部骨折检测和预测，在准确性和速度上显著优于临床医生	研究仅基于三家医院的骨盆X光片数据，可能无法代表所有临床场景	提高骨盆和髋部骨折的诊断准确性和效率	骨盆X光片中的髋部骨折	计算机视觉	骨科损伤	CLAHE算法进行图像预处理	YOLOv5, MobileNetV2, Xception, InceptionResNetV2	图像	来自三家医院的骨盆X光片
283	2025-05-12	AER U-Net: attention-enhanced multi-scale residual U-Net structure for water body segmentation using Sentinel-2 satellite images 2025-May-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-99322-z PMID:40341885	research paper	提出了一种名为AER U-Net的深度学习模型，用于从Sentinel-2卫星图像中精确分割水体	结合了残差块、自注意力机制和dropout层的U-Net架构，显著提升了分割精度和泛化能力	未提及具体的数据集局限性或模型在极端环境条件下的表现	开发创新的深度学习方法以提高遥感应用中水体分割的准确性	Sentinel-2卫星图像中的水体	computer vision	NA	深度学习	AER U-Net (基于U-Net架构改进)	卫星图像	未明确提及具体样本数量
284	2025-05-12	Single-Molecule SERS Discrimination of Proline from Hydroxyproline Assisted by a Deep Learning Model 2025-May-07, Nano letters IF:9.6Q1 DOI:10.1021/acs.nanolett.5c01177 PMID:40241681	研究论文	本文利用单分子表面增强拉曼光谱（SERS）和深度学习模型，首次实现了脯氨酸和羟脯氨酸的单分子区分	首次结合等离子体孔内颗粒传感器、单分子SERS光谱的出现频率直方图和1D-CNN模型，成功实现了单分子羟基化的区分，准确率达96.6%	信号波动和柠檬酸盐的强干扰可能影响数据分析和模型训练	开发一种能够区分低丰度羟基化的方法，用于早期疾病诊断和治疗开发	脯氨酸和羟脯氨酸的单分子SERS信号	机器学习和光谱分析	NA	单分子表面增强拉曼光谱（SERS）	一维卷积神经网络（1D-CNN）	光谱数据	NA
285	2025-05-12	A transformer-based framework for temporal health event prediction with graph-enhanced representations 2025-May-03, Journal of biomedical informatics IF:4.0Q2 DOI:10.1016/j.jbi.2025.104826 PMID:40324665	research paper	提出了一种结合图学习和Transformer框架的深度学习方法GLT-Net，用于预测时序健康事件	通过构建患者关联图和共病关联矩阵，结合图神经网络增强诊断代码的特征表示，并利用Transformer-Encoder框架捕捉历史入院记录的时间依赖性	未明确提及具体的数据集规模限制或模型计算复杂度问题	预测时序健康事件，深入理解患者健康状况和疾病趋势	患者入院记录和诊断代码	machine learning	NA	Graph Learning, Transformer, 图神经网络	GLT-Net (结合GNN和Transformer)	医疗记录数据（诊断代码和入院时间序列）	未明确提及具体样本量，仅说明使用了真实世界数据集
286	2025-05-12	The impact of body mass index on rehabilitation outcomes after lower limb amputation 2025-May, PM & R : the journal of injury, function, and rehabilitation DOI:10.1002/pmrj.13292 PMID:39676648	research paper	研究肥胖对下肢截肢患者康复期间身体功能和临床结果的影响	使用深度学习神经网络(DLNNs)分析调整后的BMI与出院回家的关系	研究为回顾性分析，可能存在选择偏倚	评估肥胖对下肢截肢患者康复结果的影响	接受下肢截肢住院康复服务的患者	医疗康复	下肢截肢	深度学习神经网络(DLNNs)	DLNNs	临床数据	951名下肢截肢患者
287	2025-05-12	Automated measurement of cardiothoracic ratio based on semantic segmentation integration model using deep learning 2025-May, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-024-03263-0 PMID:39708230	研究论文	本研究探讨了语义分割模型在预测心胸比（CTR）和心脏扩大方面的效果，并与参考标准进行了一致性比较	使用软投票集成方法提高了分割准确性，并自动测量CTR，相比放射科医生的手动计算速度更快	研究未提及模型在更广泛疾病或不同影像设备上的泛化能力	开发一种自动化测量心胸比和诊断心脏扩大的方法	650张连续胸部X光片和756个公共数据集	计算机视觉	心血管疾病	深度学习	语义分割模型	图像	1406张胸部X光片
288	2025-05-12	Deep learning in 3D cardiac reconstruction: a systematic review of methodologies and dataset 2025-May, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-024-03273-y PMID:39753994	系统综述	本研究提出了一种结合深度学习模型和计算技术的先进方法，用于3D心脏重建，解决了心脏建模和分割中的关键挑战	结合统计形状建模(SSM)、图卷积网络(GCNs)和渐进式GANs进行3D心脏重建，特别是在先天性心脏病等复杂心脏条件下的应用	未明确提及具体局限性	开发自动化、高分辨率的3D心脏重建方法，适用于临床和研究环境	心脏的3D重建	计算机视觉	心血管疾病	统计形状建模(SSM)、图卷积网络(GCNs)、渐进式GANs	GCNs、GANs	3D图像数据	来自UK Biobank、MICCAI MM-WHS挑战赛和先天性心脏病临床数据集的多数据集
289	2025-05-12	Toward efficient slide-level grading of liver biopsy via explainable deep learning framework 2025-May, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-024-03266-x PMID:39806118	research paper	本研究提出了一种可解释的深度学习框架，用于高效地进行肝脏活检切片级别的分级	开发了一种新颖的基于多尺度特征提取和融合的patch级别分类模型，提高了肝脏活检分级的准确性和可解释性，并引入了slide级别的聚合框架	NA	解决传统组织学分析和现有深度学习方法的局限性，提高慢性肝病的诊断准确性和效率	肝脏活检切片	digital pathology	chronic liver diseases	deep learning	multi-scale feature extraction and fusion model	image	1322例采用不同染色方法的病例
290	2025-05-12	Segmentation of coronary artery and calcification using prior knowledge based deep learning framework 2025-May, Medical physics IF:3.2Q1 DOI:10.1002/mp.17642 PMID:39878608	research paper	该研究提出了一种基于深度学习的冠状动脉和钙化分割框架，利用解剖学先验知识提高分割精度，并探索了分割结果对旋转斑块切除术的预测能力	提出了一种结合解剖学先验知识的深度学习分割框架，包含四个模块：基于变分自编码器的中心线提取模块、自注意力模块、逻辑操作模块和分割模块	研究仅基于72名患者的CTA图像数据集，样本量相对较小	提高冠状动脉和钙化的分割精度，并探索分割结果对旋转斑块切除术的预测能力	冠状动脉和钙化	digital pathology	cardiovascular disease	CTA	variational autoencoder, self-attention module	3D CTA images	72名患者的CTA图像
291	2025-05-12	Multilevel perception boundary-guided network for breast lesion segmentation in ultrasound images 2025-May, Medical physics IF:3.2Q1 DOI:10.1002/mp.17647 PMID:39887423	研究论文	提出了一种名为PBNet的多层次感知边界引导网络，用于从超声图像中准确分割乳腺肿瘤，特别是那些与正常组织强度相似的肿瘤	PBNet结合了多层次全局感知模块(MGPM)和边界引导模块(BGM)，通过融合层内和层间语义信息增强肿瘤识别，并利用最大池化的膨胀和腐蚀效应提取肿瘤边界以指导特征融合，同时引入了多层次边界增强分割(BS)损失以提高边界分割性能	效应量小于0.2，表明虽然性能显著优于其他方法，但实际效果提升有限	提高超声图像中非增强乳腺病变的边界分割准确性	乳腺肿瘤超声图像	数字病理	乳腺癌	深度学习	PBNet	图像	公开数据集BUSI包含780张图像，内部数据集包含995张图像
292	2025-05-12	Patient- and fraction-specific magnetic resonance volume reconstruction from orthogonal images with generative adversarial networks 2025-May, Medical physics IF:3.2Q1 DOI:10.1002/mp.17668 PMID:39904621	研究论文	开发了一种基于条件生成对抗网络（GAN）的患者和分次特异性微调工作流程，用于从正交2D MR图像重建合成3D MR体积，以实现在线剂量适应	采用患者和分次特异性微调方法，有效解决了小数据集下3D MR体积重建的挑战	研究样本量相对较小，仅包含43名患者的数据	开发个性化深度学习模型，用于从2D MR图像重建3D MR体积，以支持在线剂量适应	43名接受MR引导适应性放疗的患者	医学影像分析	前列腺癌	MR成像	条件生成对抗网络（GAN）	MR图像	43名患者的2473个3D MR体积
293	2025-05-12	Lesion segmentation method for multiple types of liver cancer based on balanced dice loss 2025-May, Medical physics IF:3.2Q1 DOI:10.1002/mp.17624 PMID:39945728	research paper	提出一种基于平衡Dice损失的多类型肝癌病灶分割方法，以提高分割准确性	引入平衡Dice损失函数(BD Loss)和贪婪参数平均算法(GPA算法)，解决多类别肝癌分割中的数据不平衡问题	研究仅基于单一医疗中心的回顾性数据，可能影响模型的泛化能力	开发能够准确分割多类型肝癌病灶的深度学习方法	591例恶性肝脏肿瘤患者的CT筛查图像和肿瘤分割数据	digital pathology	liver cancer	CT影像分析	深度学习模型(具体架构未说明)	医学影像(CT图像)	591例患者数据
294	2025-05-12	Enhancing automated right-sided early-stage breast cancer treatments via deep learning model adaptation without additional training 2025-May, Medical physics IF:3.2Q1 DOI:10.1002/mp.17682 PMID:39966996	研究论文	本文提出了一种无需额外训练的深度学习模型适应技术，用于自动化右侧早期乳腺癌治疗计划	通过调整模型设置和对称结构交换，实现了无需额外训练的深度学习模型从左侧乳腺癌到右侧乳腺癌的适应	该技术特定于特定治疗计划系统(TPS)，可能需要进行调整才能应用于其他平台	简化右侧乳腺癌自动化治疗计划的生成过程	右侧早期乳腺癌患者	数字病理	乳腺癌	深度学习模型适应技术	DL(深度学习)模型	医疗影像数据	30名患者(10名用于模型调优，20名用于验证)，外加10名临床患者
295	2025-05-12	Dose prediction via deep learning to enhance treatment planning of lung radiotherapy including simultaneous integrated boost techniques 2025-May, Medical physics IF:3.2Q1 DOI:10.1002/mp.17692 PMID:39967020	研究论文	本研究探讨了使用深度学习预测肺癌放疗剂量分布的可行性及其在提高治疗计划质量中的潜在益处	首次验证了深度学习在包含同步整合增强技术（SIB）的肺癌放疗剂量预测中的应用，并展示了其在识别次优计划质量和改善正常组织保护方面的潜力	研究样本量相对有限（93例回顾性病例和10例前瞻性病例），且所有数据来自单一机构	验证深度学习在包含SIB技术的肺癌容积旋转调强放疗（VMAT）剂量预测中的可行性，并评估其对治疗计划质量的改善效果	肺癌患者的VMAT放疗计划	数字病理	肺癌	深度学习	3D U-Net	CT图像、靶区和正常组织轮廓、处方剂量	93例回顾性病例（75训练/18测试）和10例前瞻性病例
296	2025-05-12	Comparative analysis of machine learning and deep learning algorithms for knee arthritis detection using YOLOv8 models 2025-May, Journal of X-ray science and technology IF:1.7Q3 DOI:10.1177/08953996241308770 PMID:40012222	研究论文	比较机器学习和深度学习算法在膝关节关节炎检测中的性能，特别是YOLOv8模型的应用	首次在膝关节关节炎检测中应用YOLOv8分类模型，并与其他机器学习和深度学习模型进行性能比较	数据集规模相对较小（1650张图像），且仅使用Hold-Out方法进行数据划分	评估不同算法在膝关节关节炎检测中的性能，寻找最优检测方法	膝关节关节炎的医学图像	计算机视觉	关节炎	YOLOv8分类模型	k-NN, SVM, GBM, DenseNet, EfficientNet, InceptionV3, YOLOv8n-cls, YOLOv8s-cls, YOLOv8m-cls, YOLOv8l-cls, YOLOv8x-cls	图像	1650张膝关节图像（分为Normal, Doubtful, Mild, Moderate, Severe五类）
297	2025-05-12	Deep learning-driven prediction in healthcare systems: Applying advanced CNNs for enhanced breast cancer detection 2025-May, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109858 PMID:40020549	research paper	该研究开发了一种基于CNN的乳腺癌检测系统，旨在通过深度学习提高早期检测的准确性	研究采用了多种CNN架构，并通过迁移学习微调的FT-ResNet50模型达到了97.54%的准确率，优于现有最先进模型	研究仅使用了Mini-DDSM数据集，样本量和多样性可能有限	通过深度学习技术提高乳腺癌的早期检测准确率，以降低死亡率	乳腺癌患者	digital pathology	breast cancer	CNN, transfer learning	Basic CNN, FT-VGG19, FT-ResNet152, FT-ResNet50	image	1952张扫描胶片乳腺X光片
298	2025-05-12	A novel interpretability framework for enzyme turnover number prediction boosted by pre-trained enzyme embeddings and adaptive gate network 2025-May, Methods (San Diego, Calif.) DOI:10.1016/j.ymeth.2025.02.010 PMID:40021034	研究论文	本文提出了一种新型的可解释性框架GELKcat，用于预测酶转换数(kcat)，结合了预训练的酶嵌入和自适应门网络	开发了一种端到端的双表示可解释性框架，利用图变换器进行底物分子编码和CNN进行酶word2vec嵌入，并通过自适应门网络整合底物和酶特征	NA	提高酶转换数(kcat)的预测性能，并识别对kcat预测有显著影响的关键分子亚结构	酶-底物对的转换数(kcat)	机器学习	NA	深度学习	图变换器、CNN、自适应门网络	分子结构数据、酶序列数据	NA
299	2025-05-12	Artificial intelligence-enabled lipid droplets quantification: Comparative analysis of NIS-elements Segment.ai and ZeroCostDL4Mic StarDist networks 2025-May, Methods (San Diego, Calif.) DOI:10.1016/j.ymeth.2025.02.013 PMID:40023351	研究论文	本文比较了NIS-elements Segment.ai和ZeroCostDL4Mic StarDist网络在脂滴定量分析中的应用	提出了一种结合商业软件和开源工具的工作流程，用于脂滴的数量和形态分析，显著加速了成像数据的处理	研究仅针对3T3-L1细胞分化的脂肪细胞，可能不适用于其他细胞类型	开发并比较两种深度学习模型在脂滴定量分析中的性能，以促进对脂滴动态的理解	3T3-L1细胞分化的脂肪细胞中的脂滴	数字病理学	肥胖及相关并发症	共聚焦活细胞成像	Segment.ai和StarDist	图像	3T3-L1细胞分化的脂肪细胞
300	2025-05-12	Pathology report generation from whole slide images with knowledge retrieval and multi-level regional feature selection 2025-May, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108677 PMID:40023962	研究论文	提出了一种基于知识检索和多层次区域特征选择的病理报告生成方法，用于从全切片图像中高效生成病理报告	引入了多层次区域特征编码网络和特征选择模块，设计了知识检索模块，并提出了基于大语言模型的域外应用模式	NA	设计一种适合临床实践的病理报告生成方法	全切片图像(WSIs)	数字病理学	胃癌	深度学习	LLM	图像	公共数据集GastricADC(991张WSIs)和内部数据集Gastric-3300(3309张WSIs)