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
401	2025-05-13	Advances in analytical approaches for background parenchymal enhancement in predicting breast tumor response to neoadjuvant chemotherapy: A systematic review 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0317240 PMID:40053513	系统综述	本文系统综述了背景实质增强（BPE）分析在预测乳腺癌新辅助化疗（NAC）反应中的最新进展	从单时间点BPE分析转向纵向BPE分析，并探讨了人工智能（AI）在改进BPE分析中的潜在应用	现有纵向BPE分析方法存在数据缺失、手动分割乳房区域以及过度依赖传统统计方法等问题	评估BPE分析方法的可靠性及有效性，以预测乳腺癌对NAC的反应	乳腺癌患者	数字病理学	乳腺癌	动态对比增强磁共振成像（DCE-MRI）	逻辑回归，深度学习	医学影像	13项研究（来自78篇符合条件的文献）
402	2025-05-13	Thoracic Aortic Three-Dimensional Geometry 2025 Jan-Dec, Pulse (Basel, Switzerland) DOI:10.1159/000543613 PMID:40330437	research paper	该研究通过深度学习架构和形态学图像操作，量化了胸主动脉的三维几何参数，并在两个大型生物银行中应用	首次在大型人群中全面表征胸主动脉的三维几何结构，并开发了全自动量化方法	研究依赖于影像扫描数据，可能受限于图像质量和分辨率	量化胸主动脉的三维几何结构，以研究其与心血管健康和疾病的关系	胸主动脉的三维几何参数	digital pathology	cardiovascular disease	deep learning, morphological image operations	deep learning architecture	imaging scans	54,241 participants from UK Biobank and 8,456 participants from Penn Medicine Biobank
403	2025-05-13	A novel deep learning technique for multi classify Alzheimer disease: hyperparameter optimization technique 2025, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2025.1558725 PMID:40342359	research paper	提出一种基于深度学习和超参数优化的新方法，用于更准确地分类阿尔茨海默病的不同阶段	使用新提出的超参数优化方法来识别ResNet152V2模型的超参数，以解决有限数据和计算资源的问题	未提及具体的数据集大小和计算资源限制的详细情况	早期诊断和检测阿尔茨海默病，以实施可能减缓疾病进展的治疗方法	阿尔茨海默病的不同阶段	machine learning	geriatric disease	deep learning, hyperparameter optimization	ResNet152V2	NA	NA
404	2025-05-13	Using artificial intelligence to develop a measure of orthopaedic treatment success from clinical notes 2025, Frontiers in digital health IF:3.2Q2 DOI:10.3389/fdgth.2025.1523953 PMID:40343216	research paper	该研究利用人工智能技术从临床记录中开发了一种衡量骨科治疗成功的方法	首次使用AI方法从临床记录中提取治疗成功或失败的短语，并开发了一种骨科治疗成功的指标	研究仅针对急性肩部损伤患者，样本量有限（868份临床记录），且仅在一个地区医疗系统内进行	开发一种反映骨科治疗成功的可用结果测量方法	急性肩部损伤患者的临床记录	自然语言处理	骨科疾病	机器学习和深度学习算法	Bio-ClinicalBERT	文本	868份临床记录，来自123名医生和35个科室
405	2025-05-13	[Coronary artery segmentation based on Transformer and convolutional neural networks dual parallel branch encoder neural network] 2024-Dec-25, Sheng wu yi xue gong cheng xue za zhi = Journal of biomedical engineering = Shengwu yixue gongchengxue zazhi DOI:10.7507/1001-5515.202403058 PMID:40000209	研究论文	提出了一种基于Transformer和CNN双并行分支编码器的新型神经网络DUNETR，用于冠状动脉CTA图像的分割	首次将Transformer和CNN作为双编码器集成，通过NRFF模块融合全局与局部特征，显著提升3D冠状动脉分割效果	未提及模型在小型医疗机构或低质量CT图像上的泛化能力	提高冠状动脉CTA图像自动分割的准确率	冠状动脉的3D CTA图像	计算机视觉	心血管疾病	CTA成像	DUNETR（Transformer+CNN双编码器U-Net变体）	3D医学图像	公开数据集（具体数量未说明）
406	2025-05-13	Thoracic Aortic Three-Dimensional Geometry 2024-Oct-31, bioRxiv : the preprint server for biology DOI:10.1101/2024.05.09.593413 PMID:38798566	research paper	该研究通过深度学习架构和形态学图像操作，全面量化了胸主动脉的三维几何参数，并在两个大型生物库中应用了该方法	首次在大规模人群中全面表征胸主动脉的三维几何结构，并开发了全自动量化方法	研究依赖于影像扫描的质量，且仅针对特定生物库数据	量化胸主动脉的三维几何结构，研究其与心血管健康和衰老的关系	胸主动脉的三维几何参数	digital pathology	cardiovascular disease	deep learning, morphological image operations	deep learning architecture	imaging scans	54,241 participants in the UK Biobank and 8,456 participants in the Penn Medicine Biobank
407	2025-05-13	Sparse Annotation is Sufficient for Bootstrapping Dense Segmentation 2024-Oct-26, bioRxiv : the preprint server for biology DOI:10.1101/2024.06.14.599135 PMID:38915491	研究论文	提出了一种基于深度学习的新方法，从稀疏的2D注释快速生成密集的3D分割，用于生物成像数据的实例分割任务	开发了一种能够从稀疏注释快速生成密集3D分割的深度学习方法，显著减少了人工标注时间和专家依赖	方法主要针对脑神经纤维网的复杂结构，可能在其他生物组织上的适用性需要进一步验证	解决生物成像数据中密集3D重建所需的训练数据生成效率问题	脑神经纤维网（包括树突、轴突和胶质细胞过程）	数字病理	NA	深度学习	NA	3D图像	NA
408	2025-05-13	Leveraging Large Language Models for Knowledge-free Weak Supervision in Clinical Natural Language Processing 2024-Jun-28, Research square DOI:10.21203/rs.3.rs-4559971/v1 PMID:38978609	研究论文	本文提出了一种利用大型语言模型（LLMs）进行无领域知识的弱监督方法，用于临床自然语言处理任务	通过微调LLMs并采用基于提示的方法生成弱标记数据，结合少量黄金标准数据微调下游BERT模型，显著提升了性能	LLMs推理计算量大，且性能仍略低于使用大量黄金标准数据的传统监督方法	解决临床自然语言处理任务中标注数据稀缺的问题	临床文本数据	自然语言处理	NA	弱监督学习、上下文学习	LLM（Llama2）、BERT	文本	三个n2c2数据集，不超过10-50份黄金标准临床记录
409	2025-05-13	Improved stent sharpness evaluation with super-resolution deep learning reconstruction in coronary CT angiography 2024-Jun-18, The British journal of radiology DOI:10.1093/bjr/tqae094 PMID:38733576	研究论文	本研究评估了超分辨率深度学习重建（SR-DLR）在冠状动脉CT血管造影（CCTA）中对图像质量和支架伪影的影响	首次将SR-DLR应用于CCTA图像重建，显著提高了支架的清晰度和图像质量	研究为回顾性分析，样本量较小（66例患者）	评估不同图像重建算法对冠状动脉支架成像质量的影响	冠状动脉CT血管造影图像	医学影像处理	心血管疾病	超分辨率深度学习重建（SR-DLR）	深度学习模型	医学影像	66例CCTA患者
410	2025-05-13	Leverage Weakly Annotation to Pixel-wise Annotation via Zero-shot Segment Anything Model for Molecular-empowered Learning 2024-Feb, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.3006577 PMID:40343078	research paper	该研究探讨了利用零样本学习的Segment Anything Model（SAM）从弱标注生成像素级标注，以降低病理图像分割的标注成本	提出SAM辅助的分子赋能学习（SAM-L），仅需弱框标注即可训练分割模型，减少非专业标注者的工作量	未明确说明SAM在不同细胞类型上的泛化能力及对IF图像依赖程度的影响	开发无需像素级标注的病理图像分割方法	高分辨率千兆像素全切片图像（WSI）中的多类细胞	digital pathology	NA	immunofluorescence（IF）成像，零样本学习	Segment Anything Model（SAM）	病理图像	NA
411	2025-05-13	High-performance Data Management for Whole Slide Image Analysis in Digital Pathology 2024-Feb, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.3006273 PMID:40343079	研究论文	本文介绍了一种针对数字病理学中全切片图像分析的高性能数据管理方法，使用ADIOS2系统优化数据访问和处理	首次在数字病理学领域应用ADIOS2系统，并开发了针对性的数据管理流程，显著提升了数据处理效率	仅针对特定两种场景(CPU和GPU)进行了性能评估，未涵盖更多可能的计算环境	解决数字病理学中全切片图像分析时的数据输入输出瓶颈问题	全切片图像(WSI)的数据管理流程	数字病理学	NA	ADIOS2数据管理系统	NA	图像	NA
412	2025-05-12	Stacked long and short-term memory (SLSTM) - assisted terahertz spectroscopy combined with permutation importance for rapid red wine varietal identification 2025-Aug-15, Talanta IF:5.6Q1 DOI:10.1016/j.talanta.2025.127650 PMID:40037161	research paper	该研究利用太赫兹时域光谱结合深度学习技术，快速无损地区分不同品种的红酒，以正确识别红酒标签	采用堆叠长短时记忆（SLSTM）模型结合排列重要性进行特征选择，提高了红酒品种识别的准确性和效率	基于排列重要性的1-st der-SLSTM模型在精度上略低于全频率模型，预测时间减少了2秒	开发一种快速、准确且无损的红酒品种鉴别技术，以维护市场秩序和消费者权益	不同品种的红酒	machine learning	NA	太赫兹时域光谱（THz-TDS）	SLSTM	光谱数据	NA
413	2025-05-12	Intelligent characterization multi-components in Yangxinshi tablet by online comprehensive two-dimensional liquid chromatography-quadrupole time-of-flight mass spectrometry combined with deep learning-assisted mass defect filtering classification and multidimensional data annotation strategy 2025-Aug-01, Talanta IF:5.6Q1 DOI:10.1016/j.talanta.2025.127821 PMID:40020613	研究论文	建立了一种用于养心氏片中多种化学成分智能分析的全面表征策略	开发了深度学习辅助质量缺陷过滤智能分类、优选离子捕获列表和主动排除（DLA-MDF-PIL-AE）数据采集模式	未明确提及具体限制	开发一种用于复杂天然产物中多种成分表征的集成策略	养心氏片中的化学成分	质谱分析与深度学习	NA	在线综合二维液相色谱-四极杆飞行时间质谱（2DLC-Q-TOF-MS/MS）	深度学习	质谱数据	228种化合物（包括80种黄酮类、52种生物碱、36种酚酸、15种萜类、17种皂苷和28种其他化合物）
414	2025-05-12	Deformable image registration with strategic integration pyramid framework for brain MRI 2025-Jul, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2025.110386 PMID:40122188	research paper	提出了一种基于金字塔结构的战略集成配准网络，用于脑部MRI的可变形图像配准	设计了CNN编码器和Transformer解码器，有效提取和增强全局与局部特征，并在金字塔结构的最低尺度引入渐进优化迭代以减少误差积累	未提及具体的数据集大小或多样性限制	提高脑部MRI图像配准的准确性和鲁棒性	脑部MRI图像	digital pathology	NA	deep learning-based deformable registration	CNN, Transformer	image	多个脑部MRI数据集（未提及具体数量）
415	2025-05-12	Lightweight deep learning model for embedded systems efficiently predicts oil and protein content in rapeseed 2025-Jun-15, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2025.143557 PMID:40020621	研究论文	开发了一种基于优化深度学习方法的移动应用程序，用于低成本、非破坏性和实时预测油菜籽中的蛋白质和油含量	使用轻量级深度学习模型FasterNet-L，结合神经修剪技术，显著提高了预测速度和模型效率	未提及模型在其他作物上的泛化能力验证	开发一种高效、低成本的油菜籽蛋白质和油含量预测方法	油菜籽	计算机视觉	NA	深度学习	FasterNet-L	图像	未明确提及样本数量
416	2025-05-12	A multimodal deep learning model for detecting endoscopic images of near-infrared fluorescence capsules 2025-Jun-15, Biosensors & bioelectronics IF:10.7Q1 DOI:10.1016/j.bios.2025.117251 PMID:40020636	研究论文	本文提出了一种名为Multimodal-Retinex-Attention-YOLO (MRAY)的多模态深度学习模型，用于检测近红外荧光胶囊内镜图像，以提高胃肠道疾病的早期筛查准确性	提出了结合白光和荧光图像数据的多模态深度学习模型MRAY，显著提高了在低光条件下的异常检测准确性和效率	使用的数据集为模拟人类胃肠道的猪胃图像，可能无法完全反映真实人类胃肠道环境的复杂性	提高胃肠道疾病的早期筛查准确性和效率	胃肠道疾病（如癌症、溃疡、炎症等）的早期检测	数字病理学	胃肠道疾病	近红外荧光胶囊内镜(NIRF-CE)	Multimodal-Retinex-Attention-YOLO (MRAY), YOLO	图像	使用NIRF-CE系统捕获的猪胃图像数据集
417	2025-05-12	A deep learning-based, real-time image report system for linear EUS 2025-Jun, Gastrointestinal endoscopy IF:6.7Q1 DOI:10.1016/j.gie.2024.10.030 PMID:39427992	研究论文	开发了一种基于深度学习的EUS自动图像报告系统（EUS-AIRS），用于实时捕获高质量EUS图像	首次将深度学习模型集成到EUS自动图像报告系统中，实现实时自动拍摄标准站点、病变和穿刺过程	研究样本量相对较小（114名患者），且仅在单一医疗中心进行测试	提高EUS图像采集的完整性和质量，优化疾病相关决策	接受EUS检查的患者	数字病理	胆胰疾病	EUS（内镜超声检查）	深度学习模型（未指定具体类型）	图像	235,784张训练测试图像 + 114名前瞻性测试患者
418	2025-05-12	Incorporating Radiologist Knowledge Into MRI Quality Metrics for Machine Learning Using Rank-Based Ratings 2025-Jun, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.29672 PMID:39690114	research paper	该研究开发了一种基于放射科医生图像排名和深度学习模型的MRI图像质量评估指标	利用放射科医生的图像排名训练深度学习模型，开发了专门针对MRI的图像质量评估指标，替代传统的均方误差和结构相似性指标	研究仅使用了NYU fastMRI Initiative神经数据库的数据，可能限制了模型的泛化能力	开发专门针对MRI图像的深度学习质量评估指标	MRI图像质量评估	digital pathology	NA	MRI	EfficientNet, IQ-Net	image	2916个独特图像对的19,344个排名数据
419	2025-05-12	Computer-Aided Detection (CADe) and Segmentation Methods for Breast Cancer Using Magnetic Resonance Imaging (MRI) 2025-Jun, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.29687 PMID:39781684	review	本文综述了计算机辅助检测（CADe）系统在乳腺癌MRI中的应用，包括技术细节、分割模型及最新深度学习架构	强调了从传统算法到复杂深度学习模型（如U-Nets）的最新进展，以及多参数MRI采集的CADe实现	面临假阳性和假阴性率不稳定、影像数据解释复杂、系统性能差异大、缺乏大规模研究和多中心模型等技术挑战	提高乳腺癌早期检测的准确性和效率，优化CADe系统在临床实践中的应用	乳腺癌MRI影像	digital pathology	breast cancer	MRI	U-Nets, supervised and unsupervised ML, DL architectures	image	NA
420	2025-05-12	DeepTree-AAPred: Binary tree-based deep learning model for anti-angiogenic peptides prediction 2025-Jun, Journal of molecular graphics & modelling IF:2.7Q2 DOI:10.1016/j.jmgm.2025.108982 PMID:40020469	research paper	提出了一种基于二叉树的深度学习模型DeepTree-AAPred，用于预测抗血管生成肽	结合了二叉树的深度学习结构，并使用ProtBERT和ESM-2预训练模型提取1D和2D广义特征，进一步利用BiLSTM和TextCNN捕捉局部特征和上下文依赖关系	未提及模型在真实临床环境中的表现或泛化能力	提高抗血管生成肽的预测准确性，以支持肿瘤治疗	抗血管生成肽（AAPs）	machine learning	tumor	ProtBERT, ESM-2, BiLSTM, TextCNN	DeepTree-AAPred (binary tree-based deep learning model)	protein sequence data	标准数据集（具体数量未提及）