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
4041	2025-07-02	Accurate Diagnosis of Colorectal Cancer Using a Combination of Lectin-Induced Recombinase Polymerase Amplification and CRISPR/Cas12a Assay on a Point-of-Care Testing Platform with Deep Learning Assistant 2025-Jul-01, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.5c00468 PMID:40511702	研究论文	开发了一种结合凝集素诱导重组酶聚合酶扩增和CRISPR/Cas12a检测的方法，用于结直肠癌的准确诊断	结合LI-RPA-CRISPR/Cas12a和深度学习模型，实现了高灵敏度和高准确度的结直肠癌诊断	样本量相对较小，仅100例临床样本	开发一种快速、灵敏且用户友好的结直肠癌诊断平台	结直肠癌患者和小鼠模型	数字病理学	结直肠癌	LI-RPA-CRISPR/Cas12a检测	LSTM	血液样本	100例临床样本和小鼠模型
4042	2025-07-02	Sensitivity-Enhanced Pure Shift Spectroscopy Empowered by Deep Learning and PSYCHE 2025-Jul-01, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.5c01899 PMID:40526402	研究论文	本研究提出了一种结合深度学习和PSYCHE方法的灵敏度增强纯位移光谱技术，用于解决核磁共振光谱中的灵敏度和分辨率问题	采用60°翻转角的PSYCHE实验提高灵敏度，并利用深度神经网络模型去除重耦伪影，实现清洁光谱	方法适用于半定量分析，但可能在高精度定量分析中存在限制	提高核磁共振光谱的灵敏度和分辨率，解决光谱重叠和低灵敏度问题	核磁共振光谱	机器学习	NA	PSYCHE方法，深度学习	深度神经网络	光谱数据	NA
4043	2025-07-02	Efficient Denoising of Shot-Noise in Mass Spectrometry Images by PCA-Assisted Self-Supervised Deep Learning 2025-Jul-01, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.5c00825 PMID:40528349	研究论文	提出了一种基于PCA预处理的Noise2Void算法优化方法，用于质谱成像中的噪声去除	通过在主成分分析预处理后应用Noise2Void算法，提出PCA-n2v方法，显著提升了去噪效果	在信噪比极低的图像中可能出现伪影	提升质谱成像数据的质量和解释准确性	质谱成像数据	质谱成像	NA	质谱成像(MSI), 主成分分析(PCA)	Noise2Void(N2V)	图像	合成质谱成像数据集
4044	2025-07-02	Deep Learning-Assisted Nanocavity Sensor for Amphiphilic Biomarker Analysis 2025-Jul-01, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.5c01102 PMID:40532101	研究论文	本文介绍了一种结合银纳米立方体-金镜纳米腔和支持脂质双层的荧光增强检测方法，用于快速检测两亲性生物标志物	采用深度学习辅助的语义分割方法计算荧光增强因子，实现了卓越的检测灵敏度，最高增强因子达到868.64，可检测至飞摩尔级别的生物标志物	NA	开发一种高灵敏度、快速检测且低成本制备的纳米腔系统，用于临床诊断中的生物传感应用	两亲性生物标志物	生物传感	癌症和感染性疾病	荧光增强检测、深度学习辅助语义分割	深度学习	荧光信号	NA
4045	2025-07-02	Slice-Inference-Assisted Lightweight Small Object Detection Model for Holographic Digital Immunoassay Quantification 2025-Jul-01, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.5c02441 PMID:40540441	研究论文	提出了一种切片推理辅助的轻量级小物体检测模型（SIALSO），用于食品样本中氯霉素的数字免疫测定定量分析	结合无透镜全息成像系统和轻量级深度学习模型，利用全息术的大视场（FOV）实现微球探针的精确信号检测，并通过切片推理辅助算法提高小物体检测精度同时降低计算复杂度	NA	开发便携式检测设备，用于食品安全和环境监测	食品样本中的氯霉素	计算机视觉	NA	数字免疫测定	轻量级深度学习模型（SIALSO）	图像	NA
4046	2025-07-02	Comment on "Deep Learning for Staging Periodontitis Using Panoramic Radiographs" 2025-Jul-01, Oral diseases IF:2.9Q1 DOI:10.1111/odi.15347 PMID:40589414	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
4047	2025-07-02	Automatic Multiclass Tissue Segmentation Using Deep Learning in Brain MR Images of Tumor Patients 2025-Jun-30, Journal of computer assisted tomography IF:1.0Q4 DOI:10.1097/RCT.0000000000001750 PMID:40576335	研究论文	本文开发并评估了一种基于卷积神经网络的自动分割脑部组织和肿瘤病变的流程	提出了一种针对脑肿瘤患者的稳健分割流程，解决了现有方法在处理病变患者时的不足	在本地医院数据集上的表现略低于BraTS'21数据集，可能存在泛化性问题	开发自动分割脑部MR图像中组织和肿瘤病变的方法	脑部MR图像中的组织和肿瘤病变	数字病理学	脑肿瘤	深度学习	基于深度残差U-Net框架的CNN	MR图像	BraTS'21数据集1251例患者，本地医院数据100例患者
4048	2025-07-02	Boosting Checkpoint Blockade Immunotherapy with T Cell Membrane Redox Homeostasis Regulation and Deep Learning Enhanced NIR-II Imaging 2025-Jun-30, Advanced healthcare materials IF:10.0Q1 DOI:10.1002/adhm.202500769 PMID:40583483	研究论文	本研究设计了一种两性离子聚合物，用于结合和无痕释放检查点抑制抗体（Atezolizumab），同时恢复T细胞膜在氧化肿瘤微环境中的氧化还原稳态，并通过深度学习增强的近红外II区荧光成像技术观察抗体结合物的体内动态	通过调节T细胞膜氧化还原稳态和深度学习增强的近红外II区成像技术，提升检查点阻断免疫疗法的效果	研究仅在鼠模型中进行，尚未进行人体临床试验	提升免疫检查点阻断疗法的治疗效果，逆转肿瘤免疫抑制微环境	检查点抑制抗体（Atezolizumab）及其与两性离子聚合物的结合物	数字病理学	结直肠癌	近红外II区荧光成像，深度学习	深度学习网络	图像	鼠模型
4049	2025-07-02	CoSpred: Machine Learning Workflow to Predict Tandem Mass Spectrum in Proteomics 2025-Jun-30, Proteomics IF:3.4Q2 DOI:10.1002/pmic.70004 PMID:40583480	研究论文	介绍了一种名为CoSpred的端到端用户友好机器学习工作流程，用于预测蛋白质组学中的串联质谱	使用transformer编码器架构预测完整的MS/MS谱图，并允许用户轻松插入其他ML模型以优化谱图预测	未提及具体的数据集规模或模型性能的局限性	提高蛋白质组学中肽段和蛋白质的识别率	肽段序列和MS/MS谱图	蛋白质组学	NA	质谱	transformer	质谱数据	NA
4050	2025-07-02	Unstained Blood Smear Analysis: A Review of Rule-Based, Machine Learning, and Deep Learning Techniques 2025-Jun-30, Journal of biophotonics IF:2.0Q3 DOI:10.1002/jbio.202500121 PMID:40583517	综述	本文综述了基于规则、机器学习和深度学习方法在无染色血涂片分析中的应用	总结了无染色血涂片分析中的技术进步，强调了深度学习带来的性能提升	未提及具体方法的定量比较结果	探讨无染色血涂片分析技术在血液学诊断中的应用	无染色血涂片中的血细胞	数字病理学	血液疾病	生物光子技术	基于规则方法、机器学习和深度学习	图像	NA
4051	2025-07-02	A Deep Learning-Based De-Artifact Diffusion Model for Removing Motion Artifacts in Knee MRI 2025-Jun-30, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.70027 PMID:40583513	研究论文	本文构建了一种基于深度学习的去伪影扩散模型，用于去除膝关节MRI中的运动伪影	提出了一种监督条件扩散模型，用于有效去除膝关节MRI中的运动伪影，并在真实数据上验证了其性能	研究为回顾性设计，样本量相对有限，且外部验证数据集仅来自另一家医院	构建有效的深度学习模型以去除膝关节MRI中的运动伪影	膝关节MRI图像	数字病理	骨科疾病	MRI成像	条件扩散模型	图像	模型构建：90名患者（1997张2D切片）；内部测试数据集：25名患者（795张切片）；外部测试数据集：39名患者（813张切片）
4052	2025-07-02	Leveraging Representation Learning for Bi-parametric Prostate MRI to Disambiguate PI-RADS 3 and Improve Biopsy Decision Strategies 2025-Jun-30, Investigative radiology IF:7.0Q1 DOI:10.1097/RLI.0000000000001218 PMID:40586610	研究论文	本研究利用深度学习模型通过PI-RADS引导的表征学习来区分PI-RADS 3分类，从双参数前列腺MRI图像中检测临床显著前列腺癌(csPCa)，并避免不必要的良性活检	采用PI-RADS引导的深度学习表征学习模型，能够提供额外信息以区分中等风险的PI-RADS 3评估，并在避免良性活检的同时保持对csPCa的敏感性	研究仅基于单一机构的数据，可能影响模型的泛化能力	提高前列腺癌MRI诊断的准确性，减少不必要的活检	前列腺癌患者	数字病理	前列腺癌	深度学习表征学习	RL (Representation Learner)	MRI图像	28,263次MRI检查，来自21,938名男性患者，其中6,352次后续活检
4053	2025-07-02	Radiation Dose Reduction and Image Quality Improvement of UHR CT of the Neck by Novel Deep-learning Image Reconstruction 2025-Jun-30, Clinical neuroradiology IF:2.4Q2 DOI:10.1007/s00062-025-01532-5 PMID:40586788	research paper	评估了一种结合新型深度学习重建算法的剂量降低超高清CT在头颈部成像中的应用，以评估其对图像质量和辐射暴露的影响	采用新型深度学习重建算法（DL-2）在超高清头颈部CT成像中显著提升图像质量并降低辐射剂量	研究为回顾性分析，样本量相对有限（98例患者）	评估剂量降低超高清CT结合深度学习重建算法在头颈部成像中的效果	头颈部CT成像	医学影像	头颈部疾病	深度学习重建算法（DL-2）	深度学习	CT图像	98例患者（剂量降低组）和30例患者（非剂量降低组）
4054	2025-07-02	Improving Robustness and Reliability in Medical Image Classification with Latent-Guided Diffusion and Nested-Ensembles 2025-Jun-30, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3583974 PMID:40587343	研究论文	提出了一种结合Vision Transformers和扩散模型的集成学习方法LaDiNE，以提高医学图像分类的鲁棒性和可靠性	首次将Vision Transformers的鲁棒性与扩散模型的生成能力结合，同时解决预测准确性和置信度校准问题	仅在肺结核胸部X光和黑色素瘤皮肤癌数据集上进行了测试，未验证在其他医学图像上的泛化能力	提高医学图像分类在噪声、对抗扰动和分辨率退化等情况下的鲁棒性和可靠性	医学图像（胸部X光和皮肤癌图像）	计算机视觉	肺结核和黑色素瘤皮肤癌	扩散模型和集成学习	Vision Transformers和扩散模型	图像	NA
4055	2025-07-02	Novel Deep Learning Model to Estimate Knee Flexion and Adduction Moments with Wearable IMUs during Treadmill and Overground Walking 2025-Jun-30, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3584389 PMID:40587356	研究论文	开发了一种新型深度学习模型，利用可穿戴IMU设备在跑步机和地面行走时估计膝关节屈曲和外展力矩	结合了基于LSTM的自编码器和变分高斯过程（VGP）的新型深度学习模型，用于估计KAM和KFM的平均值和不确定性区域	研究仅涉及健康参与者，未包括TKR手术后的患者	开发一种机器学习框架，利用可穿戴IMU设备在自然环境中准确估计步态动力学	膝关节屈曲力矩（KFM）和膝关节外展力矩（KAM）	机器学习	骨关节炎	可穿戴惯性测量单元（IMUs）	LSTM-based Autoencoder和Variational Gaussian Process（VGP）	运动数据	17名健康参与者进行跑步机行走试验，另外17名健康参与者进行地面行走试验
4056	2025-07-02	Bidirectional Prototype-Guided Consistency Constraint for Semi-Supervised Fetal Ultrasound Image Segmentation 2025-Jun-30, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3584236 PMID:40587357	研究论文	提出了一种基于双向原型引导一致性约束的半监督胎儿超声图像分割方法BiPCC，用于解决标注数据不足的问题	利用原型桥接标注和未标注数据，并通过双向一致性约束和不确定性交叉监督提升伪标签质量	未明确说明在极端病例或低质量图像上的表现	提升半监督学习在胎儿超声图像分割中的应用效果	胎儿超声图像	数字病理	胎儿发育评估	半监督学习	BiPCC	图像	两个胎儿超声数据集及两个额外医学分割数据集
4057	2025-07-02	DeepLabV3+ With Convolutional Triplet Attention and Histopathology-Guided Voting for Hyperspectral Image Segmentation of Serous Ovarian Cancer 2025-Jun-30, Journal of biophotonics IF:2.0Q3 DOI:10.1002/jbio.202500142 PMID:40587972	research paper	该论文提出了一种结合卷积三重注意模块和组织病理学引导投票机制的DeepLabV3+混合架构，用于高光谱图像的浆液性卵巢癌分割	创新点包括引入卷积三重注意模块(CTAM)捕捉跨维度光谱-空间依赖，以及组织病理学引导投票机制(HVM)整合WHO诊断标准	未明确提及具体局限性	提高高光谱图像中浆液性卵巢癌组织的分割和分类准确性	浆液性卵巢癌组织的高光谱图像	digital pathology	ovarian cancer	hyperspectral imaging	DeepLabV3+, CNN	hyperspectral image	未明确提及样本数量
4058	2025-07-02	Efficient Cerebral Infarction Segmentation Using U-Net and U-Net3 + Models 2025-Jun-30, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01587-3 PMID:40588699	研究论文	本研究提出了一种使用U-Net和U-Net3+模型进行脑梗死分割的新方法	采用新型数据集和两种卷积神经网络架构（基础U-Net和高级U-Net3+）进行脑梗死区域的高精度分割	数据集规模有限，需通过数据增强技术进行平衡	提高脑梗死的早期诊断和干预效果	脑梗死患者的MRI扫描图像	数字病理学	心血管疾病	MRI扫描	U-Net和U-Net3+	图像	110名患者的MRI扫描，生成6732张平衡图像用于训练、验证和测试
4059	2025-07-02	Pediatric brain tumor classification using digital pathology and deep learning: Evaluation of SOTA methods on a multi-center Swedish cohort 2025-Jun-30, Brain pathology (Zurich, Switzerland) DOI:10.1111/bpa.70029 PMID:40589103	研究论文	本研究利用数字病理学和深度学习方法，评估了在瑞典多中心队列中应用最先进技术对儿童脑肿瘤进行分类的效果	采用弱监督多实例学习方法和预训练特征提取器，首次在瑞典多中心数据集上评估儿童脑肿瘤分类	模型在不同中心的泛化性能下降相似，未显著解决跨中心数据差异问题	评估计算病理学方法在儿童脑肿瘤分层分类中的性能	540名8.5±4.9岁的脑肿瘤患者的H&E全切片图像	数字病理学	脑肿瘤	弱监督多实例学习(MIL)	ABMIL, CLAM, ResNet50, UNI, CONCH	全切片图像(WSI)	540例来自瑞典六所大学医院的儿童脑肿瘤样本
4060	2025-07-02	Cognition-Eye-Brain Connection in Alzheimer's Disease Spectrum Revealed by Multimodal Imaging 2025-Jun-29, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.70003 PMID:40583127	研究论文	通过多模态成像技术探索阿尔茨海默病谱系中认知、眼睛和大脑之间的联系	揭示了认知功能、视网膜生物特征和大脑改变之间的关系，特别是在阿尔茨海默病谱系的不同阶段	样本量较小，尤其是AD组仅有7例	探索阿尔茨海默病谱系中认知功能、视网膜生物特征和大脑改变之间的关系	健康对照组（HC）、主观认知下降（SCD）、轻度认知障碍（MCI）和阿尔茨海默病（AD）患者	数字病理学	阿尔茨海默病	光学相干断层扫描血管成像（OCTA）、3D T1加权脑体积成像（BRAVO）、静息态功能MRI（fMRI）	深度学习模型FARGO	图像	健康对照组（n=16）、主观认知下降（n=35）、轻度认知障碍（n=18）、阿尔茨海默病（n=7）