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
3561	2025-06-13	Multivariate multi-horizon time-series forecasting for real-time patient monitoring based on cascaded fine tuning of attention-based models 2025-Jun-10, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110406 PMID:40499368	研究论文	本文介绍了一种名为StreamHealth Multi-Horizon AI的新型框架，用于重症监护病房(ICU)中关键生理指标的多变量多时间范围实时预测	该框架结合了基于注意力的模型（如Temporal Fusion Transformer和Temporal Convolutional Network），并采用级联微调策略，显著提高了模型对未见患者数据的泛化能力	研究仅使用了MIMIC-III数据库的数据，未在其他独立数据集上进行验证	开发一个能实时预测ICU患者关键生理指标的AI系统，以支持早期临床干预	ICU患者的血氧饱和度(SpO2)和呼吸频率(RR)等生命体征	机器学习	重症监护	时间序列预测	TFT, TCN, LSTM, GRU, Bi-LSTM, Bi-GRU, CNN, Seq2Seq	生理时间序列数据	MIMIC-III数据库中的患者数据
3562	2025-06-13	U2-Attention-Net: a deep learning automatic delineation model for parotid glands in head and neck cancer organs at risk on radiotherapy localization computed tomography images 2025-Jun-10, 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.2025.105024 PMID:40499410	研究论文	本研究开发了一种名为U2-Attention-Net（U2A-Net）的新型深度学习模型，用于在放疗定位CT图像上精确分割腮腺	提出了一种结合不同注意力机制的深度学习模型U2A-Net，显著提高了腮腺分割的准确性	样本量相对较小（79例患者），且仅针对头颈癌患者的腮腺分割	开发一种能够精确分割放疗定位CT图像中腮腺的深度学习模型	头颈癌患者的放疗定位CT图像中的腮腺	数字病理	头颈癌	CT成像	U2A-Net（基于U-Net的变体）	图像	79例头颈癌患者的CT图像（训练集60例，验证集6例，测试集13例）
3563	2025-06-13	Developing a Deep Learning Radiomics Model Combining Lumbar CT, Multi-Sequence MRI, and Clinical Data to Predict High-Risk Adjacent Segment Degeneration Following Lumbar Fusion: A Retrospective Multicenter Study 2025-Jun-09, Global spine journal IF:2.6Q1 DOI:10.1177/21925682251342531 PMID:40488256	研究论文	开发并验证了一个结合临床数据、深度学习放射组学特征和腰椎CT及多序列MRI的模型，用于预测腰椎融合术后高风险邻近节段退变患者	结合了临床数据、深度学习放射组学特征和传统放射组学特征，使用Vision Transformer 3D深度学习模型，以及多层感知器算法，显著提高了预测性能	研究为回顾性设计，样本量相对较小，外部测试队列仅包含30例患者	预测腰椎融合术后高风险邻近节段退变患者	305例接受腰椎融合手术的患者	数字病理	腰椎疾病	深度学习放射组学(DLR), LASSO回归, 多种机器学习算法	Vision Transformer 3D, 线性支持向量机, AdaBoost, 多层感知器	CT图像, MRI图像, 临床数据	305例患者（训练队列192例，内部验证队列83例，外部测试队列30例）
3564	2025-06-13	Transfer learning for accurate brain tumor classification in MRI: a step forward in medical diagnostics 2025-Jun-09, Discover oncology IF:2.8Q2 DOI:10.1007/s12672-025-02671-4 PMID:40490586	研究论文	该研究提出了一种利用迁移学习（TL）和深度学习模型（AlexNet、MobileNetV2和GoogleNet）对MRI图像中的脑肿瘤进行分类的新方法	与以往研究不同，本研究综合比较了多种深度学习架构，并针对脑肿瘤分类进行了微调，同时解决了类别不平衡问题，并利用轻量级架构提高了模型效率	NA	提高脑肿瘤分类的准确性，以辅助医生做出快速和精确的诊断决策	MRI图像中的脑肿瘤（包括神经胶质瘤、脑膜瘤和垂体瘤）以及正常脑部图像	数字病理学	脑肿瘤	迁移学习（TL）	AlexNet、MobileNetV2、GoogleNet	图像	4,517张MRI扫描图像（包括1,129张神经胶质瘤、1,134张脑膜瘤、1,138张垂体瘤和1,116张正常脑部图像）
3565	2025-06-13	Pod-pose : an efficient top-down keypoint detection model for fine-grained pod phenotyping in mature soybean 2025-Jun-09, Plant methods IF:4.7Q1 DOI:10.1186/s13007-025-01399-0 PMID:40490832	研究论文	提出了一种名为Pod-pose的顶部关键点检测模型，用于精确测量成熟大豆豆荚的表型特征	将人体姿态估计技术应用于植物表型分析，通过瓶颈结构优化和位置特征增强整合了多种先进YOLO模型的架构优势，并采用两阶段检测方法和迁移学习显著提升模型性能	未提及模型在其他作物或更大规模数据集上的泛化能力	开发高效准确的大豆豆荚表型特征提取方法以支持大豆育种优化	成熟大豆豆荚	计算机视觉	NA	深度学习、关键点检测、迁移学习	YOLO系列模型的改进版本（Pod-pose）	图像	自定义数据集（具体数量未提及）
3566	2025-06-13	To Fly, or Not to Fly, That Is the Question: A Deep Learning Model for Peptide Detectability Prediction in Mass Spectrometry 2025-Jun-06, Journal of proteome research IF:3.8Q1 DOI:10.1021/acs.jproteome.4c00973 PMID:40344201	research paper	该研究开发了一个名为Pfly的深度学习模型，用于预测质谱中肽的可检测性	Pfly是一个基于肽序列的深度学习模型，具有高适应性，可根据特定实验条件定制，提高了预测准确性并在不同研究领域中扩展了应用范围	模型最初在合成肽库上训练，可能存在偏向合成性的偏差，尽管后续通过生物数据集进行了微调	开发一个通用的、可定制的工具，用于预测质谱中肽的可检测性	肽序列及其在质谱中的可检测性	machine learning	NA	质谱	encoder-decoder with attention mechanism	肽序列数据	合成肽库和生物数据集
3567	2025-06-13	Comparative analysis of convolutional neural networks and vision transformers in identifying benign and malignant breast lesions 2025-Jun-06, Medicine IF:1.3Q2 DOI:10.1097/MD.0000000000042683 PMID:40489850	研究论文	比较分析卷积神经网络和视觉变换器在识别乳腺良恶性病变中的性能	系统比较了12种深度学习模型在乳腺动态对比增强磁共振成像图像分类中的表现，并分析了关键超参数的影响	ResNet152和ViT模型在小规模乳腺动态对比增强磁共振成像数据集上的表现不佳，数据增强在某些模型中意外降低了准确率	为乳腺动态对比增强磁共振成像图像分类研究建立可靠的基准	乳腺动态对比增强磁共振成像图像	计算机视觉	乳腺癌	动态对比增强磁共振成像	CNN, Vision Transformer (ViT), ResNet, VGG	图像	NA
3568	2025-06-13	Multitask deep learning model based on multimodal data for predicting prognosis of rectal cancer: a multicenter retrospective study 2025-Jun-05, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-025-03050-3 PMID:40474195	研究论文	开发并验证了一种基于多模态数据的多任务深度学习模型，用于预测直肠癌患者的预后	模型整合了临床病理数据和多参数MRI图像，无需进行肿瘤分割，同时预测复发/转移和无病生存期	回顾性研究设计可能引入选择偏倚，且样本量相对有限	开发预测直肠癌患者预后的深度学习模型	直肠癌患者	数字病理	直肠癌	多参数MRI（包括扩散峰度成像）	多任务深度学习模型	临床病理数据和MRI图像	321名直肠癌患者（训练集212例，内部测试集53例，外部测试集56例）
3569	2025-06-13	Machine learning-based histopathological features of histological slides and clinical characteristics as a novel prognostic indicator in diffuse large B-cell lymphoma 2025-Jun-04, Pathology, research and practice DOI:10.1016/j.prp.2025.156071 PMID:40499499	研究论文	本研究开发并验证了一种基于临床和组织病理学特征的深度学习模型，用于预测弥漫性大B细胞淋巴瘤（DLBCL）的预后	结合临床特征和组织病理学特征，开发了一种新型的非侵入性预后预测方法	样本量相对较小（194例患者），且仅基于回顾性数据	预测弥漫性大B细胞淋巴瘤（DLBCL）患者的预后	194例DLBCL患者的全切片图像和临床特征	数字病理学	弥漫性大B细胞淋巴瘤	深度学习，CellProfiler	深度学习模型	图像，临床数据	194例患者
3570	2025-06-13	Power-to-power cross-frequency coupling as a novel approach for temporal lobe seizure detection and analysis 2025-Jun-03, bioRxiv : the preprint server for biology DOI:10.1101/2025.05.31.657189 PMID:40501876	研究论文	本研究提出了一种基于功率-功率跨频耦合（CFC）的新方法，用于颞叶癫痫发作的检测和分析	首次将功率-功率跨频耦合方法应用于癫痫发作检测，并揭示了三种常见癫痫成分的独特CFC特征	研究样本量较小（26名患者），且仅针对颞叶癫痫	评估功率-功率跨频耦合方法在癫痫发作检测中的有效性，并分析不同癫痫成分的特征	颞叶癫痫患者的颅内脑电图（iEEG）数据	生物医学信号处理	癫痫	功率-功率跨频耦合分析（PPC），EEGLAB工具箱	SSAE（堆叠稀疏自编码器），LSTM	颅内脑电图（iEEG）信号	26名患者的120次颞叶癫痫发作记录
3571	2025-06-13	Deep Learning Approaches for Brain Tumor Detection and Classification Using MRI Images (2020 to 2024): A Systematic Review 2025-Jun, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01283-8 PMID:39349785	综述	本文对2020年至2024年1月间发表的60篇关于使用深度学习技术通过MRI图像进行脑肿瘤检测和分类的研究进行了系统性回顾	总结了现有研究的局限性和重要亮点，提供了分析方法比较和未来研究方向	仅涵盖了2020年至2024年1月间发表的研究，可能不包括最新的技术进展	回顾和总结深度学习在脑肿瘤检测和分类领域的应用研究	脑肿瘤的检测和分类	计算机视觉	脑肿瘤	MRI	深度学习（包括迁移学习、自动编码器、transformer和注意力机制等）	图像	60篇研究文章
3572	2025-06-13	Mean pulmonary artery pressure prediction with explainable multi-view cardiovascular magnetic resonance cine series deep learning model 2025 Summer, Journal of cardiovascular magnetic resonance : official journal of the Society for Cardiovascular Magnetic Resonance IF:4.2Q1 DOI:10.1016/j.jocmr.2024.101133 PMID:39645082	研究论文	使用可解释的多视角心血管磁共振电影序列深度学习模型预测平均肺动脉压	提出了一种非侵入性预测平均肺动脉压的深度学习方法，并识别了关键影像特征	模型仅在1646例检查数据上进行训练和评估，样本量相对有限	通过深度学习模型从心脏磁共振数据中非侵入性估计右心导管检查参数	肺动脉高压患者	数字病理	心血管疾病	心脏磁共振成像	CNN	影像	1646例检查
3573	2025-06-13	Automatic bone marrow segmentation for precise [177Lu]Lu-PSMA-617 dosimetry 2025-Jun, Medical physics IF:3.2Q1 DOI:10.1002/mp.17684 PMID:39935268	研究论文	开发了一种基于深度学习的自动骨髓分割方法，用于[177Lu]Lu-PSMA-617治疗的个性化骨髓剂量测定	首次应用X-means聚类方法在CT图像上自动分割骨髓区域，相比传统方法具有更高的准确性和更低的误差	样本量较小（10名患者，30个治疗周期），且仅针对前列腺癌患者	开发自动骨髓分割方法以改进[177Lu]Lu-PSMA-617治疗中的骨髓剂量测定	转移性去势抵抗性前列腺癌患者的骨髓区域	数字病理学	前列腺癌	SPECT/CT成像，X-means聚类	深度学习	医学影像	10名患者，30个治疗周期
3574	2025-06-13	A comparative analysis of deep learning architectures with data augmentation and multichannel input for locoregional breast cancer radiotherapy 2025-Jun, Journal of applied clinical medical physics IF:2.0Q3 DOI:10.1002/acm2.70047 PMID:39980269	研究论文	比较2D和3D U-Net模型在局部乳腺癌放疗剂量预测中的性能，评估计算量较小的模型的适用性	比较了2D和3D U-Net模型在局部乳腺癌放疗剂量预测中的性能，并评估了数据增强和多通道输入对模型性能的影响	研究样本量较小（89例患者），且3D模型的训练时间较长	评估计算量较小的2D模型在局部乳腺癌放疗剂量预测中的适用性	局部乳腺癌患者的放疗剂量预测	数字病理	乳腺癌	深度学习	2D Attention U-Net, 2D HD U-Net, 3D U-Net	医学影像	89例局部乳腺癌患者
3575	2025-06-13	Automatic analysis of three-dimensional cardiac tagged magnetic resonance images using neural networks trained on synthetic data 2025 Summer, Journal of cardiovascular magnetic resonance : official journal of the Society for Cardiovascular Magnetic Resonance IF:4.2Q1 DOI:10.1016/j.jocmr.2025.101869 PMID:40021091	研究论文	提出一种专门用于分析3D心脏标记磁共振图像的深度学习方法	首次将深度学习应用于3D心脏标记磁共振图像的位移分析，而非仅限于2D数据集	方法在合成数据上训练，虽然在体外验证中表现良好，但可能仍需更多真实数据验证	开发能够快速分析3D心脏标记磁共振图像的深度学习方法	左心室运动	医学影像分析	心血管疾病	3D标记磁共振成像	神经网络	3D图像	体外人类数据集和猪研究数据集
3576	2025-06-13	Deep learning framework for interpretable quality control of echocardiography video 2025-Jun, Medical physics IF:3.2Q1 DOI:10.1002/mp.17722 PMID:40038091	research paper	本文介绍了一种用于超声心动图视频自动质量控制的深度学习系统，该系统能够实时监测关键成像参数，减少人工质量控制过程中的变异性	提出了一种多任务网络，结合CNN、Bi-LSTM和面向对象检测头，实现了对心脏周期完整性、解剖结构、深度、心脏轴角度和增益的全面分析	研究仅基于1331个超声心动图视频进行训练和测试，样本量可能不足以覆盖所有临床场景	开发一个自动化、实时且可解释的超声心动图视频质量控制系统	超声心动图视频	digital pathology	cardiovascular disease	深度学习	CNN, Bi-LSTM	video	1331个超声心动图视频
3577	2025-06-13	A general model for head and neck auto-segmentation with patient pre-treatment imaging during adaptive radiation therapy 2025-Jun, Medical physics IF:3.2Q1 DOI:10.1002/mp.17732 PMID:40055148	研究论文	本文提出了一种通用的自适应模型（GAM），用于头颈部自适应放射治疗中的自动分割，通过将患者治疗前图像和分割标签纳入推理阶段来提高分割性能	在推理阶段纳入患者治疗前数据，避免了为新患者群体进行昂贵的模型重新训练	刚性配准方法在某些结构上与自适应DL模型表现相似	提高头颈部自适应放射治疗中自动分割的准确性	头颈部癌症患者	数字病理	头颈部癌症	深度学习	GAM, PSM, RM	CT图像	110名接受头颈部癌症自适应放射治疗的患者
3578	2025-06-13	Deep Learning-Based Artificial Intelligence Algorithm to Classify Tremors from Hand-Drawn Spirals 2025-Jun, Movement disorders : official journal of the Movement Disorder Society IF:7.4Q1 DOI:10.1002/mds.30176 PMID:40095435	研究论文	开发并验证了一种基于深度学习的算法，用于通过手绘螺旋图对震颤综合征进行分类	首次使用深度学习算法对手绘螺旋图进行分类，以诊断震颤综合征，其准确率高于人类评估者	算法在外部验证中的准确率有所下降，可能存在数据泄露和数字指纹的风险	开发一种客观的生物标志物，用于诊断和分类震颤综合征	患有肌张力障碍性震颤（DT）、原发性震颤（ET）、原发性震颤附加（ETP）、帕金森病（PD）、小脑共济失调（AT）的患者及健康志愿者（HV）	数字病理	震颤综合征	深度学习	InceptionResNetV2, Keras sequential model	图像	521名参与者，2078张手绘螺旋图
3579	2025-06-13	Trade-off of different deep learning-based auto-segmentation approaches for treatment planning of pediatric craniospinal irradiation autocontouring of OARs for pediatric CSI 2025-Jun, Medical physics IF:3.2Q1 DOI:10.1002/mp.17782 PMID:40170415	研究论文	比较三种自动分割方法在儿童颅脊髓照射治疗计划中的效果	比较了商业、开箱即用和内部开发的三种自动分割方法在儿童患者中的应用，并探讨了不同方法的优缺点	商业软件LimbusAI在儿童食管和肾脏分割上表现不佳，nnU-Net在头部结构区分上存在困难	评估不同自动分割方法在儿童颅脊髓照射治疗计划中的适用性	儿童颅脊髓照射治疗中的风险器官（OARs）	数字病理学	儿童疾病	CT扫描	U-Net, attention U-Net, 2.5D U-Net, nnU-Net	图像	142名儿童患者的CT扫描（训练集115，验证集27），测试集16名
3580	2025-06-13	Automatic flow planning for fetal cardiovascular magnetic resonance imaging 2025 Summer, Journal of cardiovascular magnetic resonance : official journal of the Society for Cardiovascular Magnetic Resonance IF:4.2Q1 DOI:10.1016/j.jocmr.2025.101888 PMID:40180124	研究论文	该论文提出了一种自动化实时规划二维相位对比血流成像（OWL）的方法，用于胎儿心血管磁共振成像	开发了两个深度学习网络，分别用于胎儿身体定位和心脏标志物检测，实现了实时自动规划相位对比序列	在7例前瞻性病例中仅成功实施了6例，且规划质量略低于手动规划	通过自动化实时规划技术扩大胎儿血流成像的应用范围	胎儿心血管磁共振成像	医学影像分析	胎儿心血管疾病	二维相位对比血流成像（2D phase-contrast flow imaging）	深度学习网络	磁共振图像	167和71个胎儿数据集用于训练，10个数据集用于回顾性评估，7个胎儿（36+3-39+3孕周）用于前瞻性评估