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
421	2025-05-19	Fast cortical thickness estimation using deep learning-based anatomy segmentation and diffeomorphic registration 2025-May-13, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2025.102569 PMID:40378768	研究论文	提出了一种基于深度学习的解剖分割和微分同胚配准的快速皮层厚度估计框架	结合CNN分割模型和无监督学习配准网络，提出了一种新的基于不同时间点微分同胚的算法来计算厚度图	未提及具体的数据集规模限制或计算资源需求	提高皮层厚度估计的准确性和效率，适用于大规模神经科学研究及临床应用	磁共振图像(MRIs)中的皮层厚度	医学图像分析	神经科学相关疾病	深度学习，微分同胚配准	CNN，无监督学习配准网络	磁共振图像(MRIs)	在两个不同的数据集上进行了系统评估
422	2025-05-19	A systematic review and meta-analysis of the utility of quantitative, imaging-based approaches to predict radiation-induced toxicity in lung cancer patients 2025-May-11, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2025.110935 PMID:40360049	系统综述与荟萃分析	本文通过系统综述和荟萃分析评估了放射组学、剂量组学和机器学习在预测胸部放疗毒性中的表现	首次对放射组学、剂量组学和机器学习在预测放疗毒性方面的性能进行了系统综述和荟萃分析，并比较了不同方法的优劣	研究主要集中在放射性肺炎预测上，对其他器官毒性的预测研究较少	评估定量影像学方法在预测肺癌患者放疗毒性中的效用	肺癌患者	数字病理	肺癌	放射组学、剂量组学、机器学习	经典机器学习模型和深度学习模型	影像数据	104项研究，共23,373名患者
423	2025-05-19	Enhancing the transferability of adversarial attacks via Scale Enriching 2025-May-09, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.107549 PMID:40378598	research paper	该论文提出了一种称为尺度丰富方法（SEM）的技术，通过输入尺度丰富框架增强对抗样本的可转移性	通过缩放替代模型的输入范围，丰富替代模型感知的注意力区域，并扩大不同模型之间的容忍度，显著提高了对抗样本的可转移性	NA	增强对抗样本的可转移性，特别是在不同输入大小的模型之间	对抗样本和深度学习模型	computer vision	NA	对抗攻击	深度学习模型	image	在ImageNet数据集上进行实验
424	2025-05-19	CALIMAR-GAN: An unpaired mask-guided attention network for metal artifact reduction in CT scans 2025-May-09, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2025.102565 PMID:40378767	research paper	介绍了一种名为CALIMAR-GAN的生成对抗网络模型，用于减少CT扫描中的金属伪影	采用引导注意力机制和线性插值算法，利用未配对的模拟和临床数据进行针对性伪影减少	依赖于模拟数据，且对临床扫描的评估仅限于定性分析	提高CT扫描的图像质量，减少金属伪影	CT扫描中的金属伪影	computer vision	NA	GAN	CALIMAR-GAN	image	NA
425	2025-05-19	Prediction of real-time cine-MR images during MRI-guided radiotherapy of liver cancer using a GAN-ConvLSTM network 2025-May, Medical physics IF:3.2Q1 DOI:10.1002/mp.17609 PMID:39755123	研究论文	本研究提出了一种改进的生成对抗网络（GAN）用于实时预测肝脏癌症放疗过程中的实时电影磁共振（cine-MR）图像	使用pix2pix GAN，并将生成器替换为卷积长短期记忆（ConvLSTM），以预测未来的五帧图像	样本量较小，仅涉及15名患者	提高肝脏癌症放疗过程中呼吸运动预测的准确性	15名接受放疗的肝脏癌症患者的矢状电影磁共振图像	医学影像分析	肝癌	cine-MR成像	GAN-ConvLSTM	图像	15名患者的300帧图像序列
426	2025-05-19	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	研究论文	本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，利用解剖先验知识提高分割准确性，并探索了分割结果对旋磨术的预测能力	整合冠状动脉和钙化的解剖先验知识到深度学习框架中，设计了包含中心线提取、自注意力、逻辑操作和分割模块的新型分割框架	研究样本量相对较小（72例患者），可能需要更大规模的数据验证	提高冠状动脉和钙化的自动分割准确性，并探索分割结果对旋磨术的预测价值	冠状动脉和钙化区域	数字病理	心血管疾病	CT血管造影(CTA)	变分自编码器(VAE)与自注意力机制结合的深度学习框架	3D医学影像	72例患者的CTA图像数据集
427	2025-05-19	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，特别是针对与正常组织强度相似的肿瘤	PBNet通过多层次全局感知模块(MGPM)和边界引导模块(BGM)结合，以及引入多层次边界增强分割(BS)损失，显著提高了肿瘤边界的分割精度	效应量小于0.2，表明虽然性能提升显著，但实际效果提升幅度有限	提高乳腺超声图像中非增强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（包含MGPM和BGM模块）	超声图像	公开数据集BUSI包含780张图像，内部数据集包含995张图像
428	2025-05-19	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）的模型，用于从正交2D MR图像重建患者和分次特定的3D MR体积，以实现在线剂量适应	采用患者和分次特定的微调工作流程，有效解决了小数据集下深度学习模型性能不足的问题	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引导自适应放疗的患者	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，其中34名用于训练，9名用于测试
429	2025-05-19	Neural architecture search with Deep Radon Prior for sparse-view CT image reconstruction 2025-May, Medical physics IF:3.2Q1 DOI:10.1002/mp.17685 PMID:39930320	research paper	本文提出了一种名为NAS-DRP的新型无监督深度学习方法，用于稀疏视图CT图像重建	结合了深度Radon先验（DRP）和神经架构搜索（NAS），通过强化学习优化网络结构，提高了图像重建的细节和准确性	需要进一步验证在大规模数据集上的泛化能力	提高稀疏视图CT图像重建的质量，减少辐射暴露	稀疏视图CT图像	medical imaging	NA	deep learning, neural architecture search, Radon domain adaptation	encoder-decoder network, RNN	CT图像	NA
430	2025-05-19	Beam's eye view to fluence maps 3D network for ultra fast VMAT radiotherapy planning 2025-May, Medical physics IF:3.2Q1 DOI:10.1002/mp.17673 PMID:39935217	研究论文	本文提出了一种深度学习方法来加速VMAT放疗计划中的通量图预测	通过3D网络直接从患者数据预测通量图，显著提高了VMAT放疗计划的速度	未提及在临床环境中的实际应用效果验证	加速VMAT治疗计划中的通量图生成过程	VMAT放疗计划中的通量图	医疗影像处理	癌症	深度学习	3D网络	3D剂量图	超过2000个VMAT计划
431	2025-05-19	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	research paper	本研究探讨了使用深度学习预测包括同步整合增强（SIB）技术在内的容积调强弧形治疗（VMAT）剂量分布的可行性及其在改善肺癌患者治疗计划质量中的潜在益处	首次验证了深度学习在预测多种处方剂量（包括SIB技术）的3D剂量分布中的应用，并评估了其在改善治疗计划质量中的效果	研究样本量相对较小，且所有数据均来自单一机构，可能限制模型的泛化能力	验证深度学习在预测VMAT剂量分布（包括SIB技术）中的可行性及其对改善肺癌患者治疗计划质量的潜在益处	肺癌患者	digital pathology	lung cancer	volumetric modulated arc therapy (VMAT), simultaneous integrated boost (SIB)	3D U-Net	CT images, target and normal tissue contours, prescription doses	93 retrospective clinical VMAT plans (75 for training, 18 for testing) + 10 prospective patients
432	2025-05-19	Automated chick gender determination using optical coherence tomography and deep learning 2025-May, Poultry science IF:3.8Q1 DOI:10.1016/j.psj.2025.105033 PMID:40106909	研究论文	本研究提出了一种结合光学相干断层扫描（OCT）和深度学习的新方法，用于高分辨率、非侵入性的雏鸡性别鉴定	首次将OCT与深度学习结合用于自动化雏鸡性别鉴定，提供了一种可扩展、实时的替代方案	模型的准确率为79%，仍有提升空间	优化家禽生产中的雏鸡性别分类	雏鸡	计算机视觉	NA	光学相干断层扫描（OCT）	自定义卷积神经网络（CNN）	图像	未明确提及样本数量
433	2025-05-19	A novel skeletal muscle quantitative method and deep learning-based sarcopenia diagnosis for cervical cancer patients treated with radiotherapy 2025-May, Medical physics IF:3.2Q1 DOI:10.1002/mp.17791 PMID:40170435	研究论文	本文提出了一种基于深度学习的自动分割和肌肉减少症诊断方法，用于宫颈癌放疗患者的骨骼肌定量测量	使用第五腰椎（L5）替代第三腰椎（L3）进行骨骼肌指数（SMI）评估，并提出了一种端到端的解剖距离引导的双分支特征融合网络进行自动分割	研究样本仅限于宫颈癌放疗患者，且外部验证数据集规模较小	探索CBCT在评估骨骼肌指数（SMI）和肌肉减少症诊断中的实用性	宫颈癌放疗患者	数字病理	宫颈癌	CBCT, 深度学习	端到端的解剖距离引导的双分支特征融合网络	图像	248名宫颈癌放疗患者的CBCT图像
434	2025-05-19	Artificial intelligence in preclinical research: enhancing digital twins and organ-on-chip to reduce animal testing 2025-May, Drug discovery today IF:6.5Q1 DOI:10.1016/j.drudis.2025.104360 PMID:40252989	review	本文探讨了人工智能在临床前研究中的应用，特别是通过数字孪生和器官芯片技术减少动物实验	结合AI技术提升数字孪生和器官芯片的预测能力和可扩展性，为药物研发提供更精确的模拟	未提及具体的技术实施细节和实际应用案例	探索AI如何优化临床前药物研究，减少动物实验并提高药物研发效率	数字孪生（DTs）和器官芯片（OoC）平台	machine learning	NA	machine learning (ML), deep learning (DL)	NA	模拟数据	NA
435	2025-05-19	The application of natural language processing technology in hospital network information management systems: Potential for improving diagnostic accuracy and efficiency 2025-Apr-18, SLAS technology IF:2.5Q3 DOI:10.1016/j.slast.2025.100287 PMID:40254184	研究论文	本文探讨了自然语言处理技术在医院网络信息管理系统中的应用，旨在提高诊断效率和准确性	提出了一种新颖的隐藏贝叶斯集成密集Bi-LSTM（HB-DBi-LSTM）策略，用于优化词袋模型	未提及具体的研究样本数量，且深度学习模型的计算需求较高	研究自然语言处理技术在医院网络信息管理系统中的应用，以提高诊断效率和准确性	电子健康记录中的扫描文档	自然语言处理	睡眠问题	NLP, OCR, 图像预处理	HB-DBi-LSTM	文本, 图像	NA
436	2025-05-19	Radiogenomic explainable AI with neural ordinary differential equation for identifying post-SRS brain metastasis radionecrosis 2025-Apr, Medical physics IF:3.2Q1 DOI:10.1002/mp.17635 PMID:39878595	研究论文	利用神经常微分方程(NODE)模型结合影像、基因组和临床参数，区分脑转移瘤放射后坏死与复发	提出基于HBNODE的新型可解释AI框架，首次实现影像-基因组-临床(I-G-C)特征空间的动态轨迹追踪与决策场重构	样本量较小(90个脑转移灶)，仅针对NSCLC患者，未验证跨癌种泛化性	开发可解释AI模型用于脑转移瘤SRS治疗后放射性坏死与肿瘤复发的无创鉴别	62名非小细胞肺癌患者的90个脑转移灶	数字病理	肺癌	T1+c MRI影像分析、基因组测序	HBNODE(二阶神经ODE)、DNN	多模态数据(影像+基因组+临床)	90个脑转移灶(来自62名NSCLC患者)
437	2025-05-19	Ultrasound-based deep learning to differentiate salivary gland tumors 2025-Mar-29, Oral surgery, oral medicine, oral pathology and oral radiology DOI:10.1016/j.oooo.2025.03.014 PMID:40379502	研究论文	本研究开发了一种基于超声成像的深度学习模型DeepSGT，用于准确区分良性和恶性唾液腺肿瘤	使用多种卷积神经网络处理超声图像，并通过Focal Loss微调ResNet50d模型以解决类别不平衡问题，显著提高了诊断性能	研究为回顾性研究，可能存在选择偏差，且样本量相对有限	开发一种基于超声成像的深度学习模型，用于准确区分良性和恶性唾液腺肿瘤	315名术前接受超声检查并经手术切除病理证实的唾液腺肿瘤患者	计算机视觉	唾液腺肿瘤	超声成像	CNN（包括Inception v3、ResNet101d、EfficientNet、DenseNet、Vision Transformer和ResNet50d）	图像	315名患者
438	2025-05-19	Deep Learning-Based Ion Channel Kinetics Analysis for Automated Patch Clamp Recording 2025-Mar, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202404166 PMID:39737527	研究论文	本研究提出了首个基于人工智能的框架，用于表征全细胞记录中的多种离子通道动力学	首次将人工智能技术应用于离子通道动力学分析，结合了异常检测和多类分类的深度学习模型	NA	提高电生理研究中离子通道动力学分析的效率和准确性	离子通道动力学	机器学习	阿尔茨海默病, 帕金森病	膜片钳技术	1D CNN, 双向LSTM, 注意力机制	电生理记录数据	124个测试数据集
439	2025-05-19	Multi-modal dataset creation for federated learning with DICOM-structured reports 2025-Mar, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-025-03327-y PMID:39899185	research paper	该研究开发了一个开放平台，用于多模态数据集成和交互式筛选，以简化跨多个站点创建一致多模态患者队列的过程	利用DICOM结构化报告标准化链接任意信息，并通过开发的平台实现多中心数据的一致性和筛选能力	研究仅在一个由八家德国大学医院组成的联盟内进行，可能限制了结果的普遍性	解决联邦学习在异构数据集上的挑战，特别是多模态学习范式中的数据表示和筛选问题	多模态医疗数据，包括影像、波形数据和注释等	digital pathology	cardiovascular disease	DICOM-structured reports, highdicom	NA	image, waveform data, annotations, metadata	来自八家德国大学医院的多模态数据集
440	2025-05-19	An efficient leukemia prediction method using machine learning and deep learning with selected features 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0320669 PMID:40378164	research paper	该论文提出了一种利用机器学习和深度学习技术结合特征选择的白血病预测方法	使用特征选择和深度学习技术对白血病基因数据进行分类，其中LSTM模型达到了100%的分类准确率	研究样本量较小（仅64个样本），且仅使用了CuMiDa数据库中的GSE9476数据集	开发一种高效的白血病早期预测和分类方法	白血病基因数据（来自CuMiDa数据库的GSE9476数据集）	machine learning	leukemia	基因微阵列技术	Random Forest, Linear Regression, SVM, LSTM	gene expression data	64个样本（来自22283个基因中的5类白血病基因）