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
461	2025-06-05	Endpoint-aware audio-visual speech enhancement utilizing dynamic weight modulation based on SNR estimation 2025-May, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.107152 PMID:39874821	研究论文	本研究提出了一种新颖的音频-视觉语音增强系统（AVSE），通过动态调整音频和视觉端点信息权重，基于环境噪声水平优化语音清晰度	利用基于SNR估计的注意力技术动态调整音频和视觉端点信息权重，提出端点感知网络（EANet）以优化多模态信息融合效果	未提及具体的数据集规模或实验条件的局限性	提高在广泛SNR范围内音频-视觉语音增强系统的性能	音频和视觉语音信号	语音增强	NA	SNR估计，注意力机制	EANet	音频和视频数据	使用基准数据集进行实验，具体样本量未提及
462	2025-06-05	A Bi-modal Temporal Segmentation Network for Automated Segmentation of Focal Liver Lesions in Dynamic Contrast-enhanced Ultrasound 2025-05, Ultrasound in medicine & biology DOI:10.1016/j.ultrasmedbio.2024.12.014 PMID:39952824	研究论文	开发并验证了一种基于深度学习的双模态时间分割网络（BTS-Net），用于动态对比增强超声（CEUS）视频中肝脏局灶性病变（FLL）的自动分割	提出了一种新型的双模态时间分割网络（BTS-Net），用于自动分割动态CEUS视频中的FLL，并在多个测试集中表现出色	研究为回顾性多中心研究，可能存在选择偏倚，且样本量相对较小（232例患者）	开发一种自动化的深度学习模型，用于动态CEUS视频中FLL的准确分割	肝脏局灶性病变（FLL）患者	数字病理学	肝脏疾病	动态对比增强超声（CEUS）	BTS-Net	视频	232例患者（160名男性，中位年龄56岁）
463	2025-06-05	SegFormer3D: Improving the Robustness of Deep Learning Model-Based Image Segmentation in Ultrasound Volumes of the Pediatric Hip 2025-05, Ultrasound in medicine & biology DOI:10.1016/j.ultrasmedbio.2024.12.013 PMID:39979183	research paper	该研究提出了一种名为SegFormer3D的深度学习模型，用于提高儿童髋关节超声体积图像分割的鲁棒性	提出了3D SegFormer架构的扩展，这是一种轻量级的基于transformer的模型，具有分层结构的编码器，能够产生多尺度特征，从而同时提高准确性和鲁棒性	当前技术的鲁棒性仍不足以可靠地部署到实际临床工作流程中	提高儿童髋关节发育不良(DDH)超声图像分割的准确性和鲁棒性	儿童髋关节的3D超声图像	digital pathology	geriatric disease	3D US imaging, deep learning	SegFormer3D, CNN, vision transformer	3D ultrasound image	临床数据来自儿科患者的测试集
464	2025-06-05	Deep Learning-based Aligned Strain from Cine Cardiac MRI for Detection of Fibrotic Myocardial Tissue in Patients with Duchenne Muscular Dystrophy 2025-May, Radiology. Artificial intelligence DOI:10.1148/ryai.240303 PMID:40008976	研究论文	开发一种基于深度学习的对齐应变模型，用于从非对比心脏MRI中预测杜氏肌营养不良症患者的心肌纤维化	提出的对齐应变技术能够基于运动检测心肌功能障碍，显著提高了心肌纤维化检测的特异性和准确性	研究为回顾性单中心研究，样本量有限（139名患者）	开发深度学习模型以预测杜氏肌营养不良症患者的心肌纤维化	杜氏肌营养不良症患者	数字病理学	杜氏肌营养不良症	心脏MRI	CNN	图像	139名男性患者（其中57名用于评估有效性，82名用于评估可重复性）
465	2025-06-05	Artificial Intelligence for the Detection of Patient-Ventilator Asynchrony 2025-05, Respiratory care IF:2.4Q2 DOI:10.1089/respcare.12540 PMID:40178919	综述	本文综述了人工智能在检测患者-呼吸机不同步（PVA）中的应用	展示了人工智能在PVA检测中的高准确性和潜在变革性解决方案	需要在更多临床环境和患者群体中进行模型验证	评估人工智能在检测和量化患者-呼吸机不同步中的应用	患者-呼吸机不同步（PVA）	机器学习	呼吸系统疾病	机器学习和深度学习技术	ML和深度学习模型	呼吸数据	13项研究，332名参与者，分析超过580万次呼吸
466	2025-06-05	Large-scale information retrieval and correction of noisy pharmacogenomic datasets through residual thresholded deep matrix factorization 2025-May-01, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf226 PMID:40420482	研究论文	本文提出了一种名为残差阈值深度矩阵分解（RT-DMF）的鲁棒且可扩展的深度学习框架，用于校正和填补药物敏感性数据中的噪声和缺失值	RT-DMF通过深度矩阵分解（DMF）揭示数据中的复杂隐藏模式，并结合迭代残差阈值程序保留具有治疗重要性的信号	未明确提及具体局限性	解决药物敏感性数据中的噪声问题，提高数据质量和下游分析的准确性	药物敏感性数据集	机器学习	癌症	深度矩阵分解（DMF）	RT-DMF	药物敏感性数据矩阵	未明确提及具体样本量
467	2025-05-28	Erratum for: MRI-based Deep Learning Assessment of Amyloid, Tau, and Neurodegeneration Biomarker Status across the Alzheimer Disease Spectrum 2025-May, Radiology IF:12.1Q1 DOI:10.1148/radiol.259008 PMID:40423544	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
468	2025-06-05	RLEAAI: improving antibody-antigen interaction prediction using protein language model and sequence order information 2025-May-01, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf238 PMID:40462512	research paper	提出了一种名为RLEAAI的新深度学习方法，用于提高抗体-抗原相互作用（AAIs）的预测性能	结合了序列顺序信息提取策略和预训练蛋白质语言模型，以及三种神经网络模块的集成	NA	提高抗体-抗原相互作用预测的准确性	抗体-抗原相互作用	machine learning	NA	protein language model, Composition of K-Spaced Amino Acid Pairs	CNN, bidirectional LSTM, recurrent criss-cross attention mechanism	protein sequence	two independent test sets
469	2025-06-05	A fine-tuned convolutional neural network model for accurate Alzheimer's disease classification 2025-Apr-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-86635-2 PMID:40185767	研究论文	该研究提出了一种基于微调卷积神经网络（CNN）的模型，用于准确分类阿尔茨海默病（AD）	利用迁移学习技术减少训练成本并提高性能，使用预训练的CNN架构（AlexNet、GoogleNet和MobileNetV2）结合多种优化器（如Adam、SGD和RMSprop），在Kaggle MRI数据集和OASIS数据库上取得了高分类准确率（99.4%和98.2%）	未提及模型在其他独立数据集上的泛化能力，以及计算资源需求的具体情况	通过早期诊断实现阿尔茨海默病的及时干预和有效控制	阿尔茨海默病患者	数字病理学	老年病	MRI扫描	CNN（AlexNet、GoogleNet、MobileNetV2）	图像	Kaggle MRI数据集和OASIS数据库（具体样本数量未提及）
470	2025-06-05	CausalCervixNet: convolutional neural networks with causal insight (CICNN) in cervical cancer cell classification-leveraging deep learning models for enhanced diagnostic accuracy 2025-Apr-03, BMC cancer IF:3.4Q2 DOI:10.1186/s12885-025-13926-2 PMID:40181353	研究论文	该研究提出了一种结合因果推理的卷积神经网络CausalCervixNet，用于提高宫颈癌细胞分类的诊断准确性和效率	将因果推理、因果推断和因果发现整合到诊断框架中，揭示了潜在的因果关系，而不仅仅是依赖观察相关性，提高了诊断的准确性和可解释性	研究仅在三个数据集上进行了验证，可能需要更多样化的数据来进一步验证模型的泛化能力	提高宫颈癌细胞的分类和诊断准确性，构建可解释的AI系统	宫颈癌细胞图像	计算机视觉	宫颈癌	深度学习	CNN	图像	三个数据集：SIPaKMeD、Herlev和自收集的ShUCSEIT数据集
471	2025-06-05	Comprehensive Segmentation of Gray Matter Structures on T1-Weighted Brain MRI: A Comparative Study of Convolutional Neural Network, Convolutional Neural Network Hybrid-Transformer or -Mamba Architectures 2025-Apr-02, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8544 PMID:39433334	研究论文	本研究比较了6种深度学习模型在T1加权脑MRI上分割122个灰质结构的性能，旨在确定最有效的模型用于临床和研究应用	评估了包括U-Mamba_Bot在内的6种先进深度学习模型在脑MRI分割中的性能，并验证了其在阿尔茨海默病研究中的潜在应用	研究数据集规模有限，未来需要更大数据集验证结果并探索模型在其他神经系统疾病中的适用性	评估深度学习模型在脑MRI灰质结构分割中的性能，并比较正常对照组与阿尔茨海默病患者的脑结构体积差异	1510例T1加权脑MRI扫描数据，包括正常对照组和阿尔茨海默病患者	医学图像分析	阿尔茨海默病	深度学习	nnU-Net, SegResNet, SwinUNETR, UNETR, U-Mamba_BOT, U-Mamba_Enc	MRI图像	1510例T1加权脑MRI扫描
472	2025-06-05	Regional Image Quality Scoring for 2-D Echocardiography Using Deep Learning 2025-04, Ultrasound in medicine & biology DOI:10.1016/j.ultrasmedbio.2024.12.008 PMID:39864961	research paper	该研究开发并比较了三种自动评估超声心动图区域图像质量的方法	提出了一种端到端的深度学习模型，直接预测图像中各区域的质量，性能优于传统方法	gCNR指标在本研究中表现不佳，效果有限	开发自动评估超声心动图区域图像质量的方法	超声心动图的区域图像质量	计算机视觉	心血管疾病	深度学习	U-Net, 端到端深度学习模型	图像	由三位经验丰富的心脏病专家提供的手动区域质量标注
473	2025-06-05	SpaMask: Dual masking graph autoencoder with contrastive learning for spatial transcriptomics 2025-Apr, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1012881 PMID:40179332	研究论文	提出了一种名为SpaMask的双重掩码图自编码器结合对比学习方法，用于空间转录组学数据分析	SpaMask通过同时掩码部分节点和边来增强模型性能和鲁棒性，结合了掩码图自编码器和掩码图对比学习模块	未明确提及具体限制	提高空间转录组学数据中空间域表征的准确性和鲁棒性	空间转录组学数据中的细胞空间位置和基因表达	生物信息学	NA	空间分辨转录组学(SRT)	图神经网络(GNN), 掩码图自编码器(MGAE), 掩码图对比学习(MGCL)	空间转录组数据	来自5个不同平台的8个数据集
474	2025-06-05	Diagnostic performance of the ultrasound -based artificial intelligence diagnostic system in predicting cervical lymph node metastasis in patients with thyroid cancer: A systematic review and meta-analysis 2025 Apr-Jun, Science progress IF:2.6Q2 DOI:10.1177/00368504251346906 PMID:40462622	meta-analysis	本文通过系统评价和荟萃分析评估了基于超声的人工智能诊断系统在预测甲状腺癌患者颈部淋巴结转移中的诊断性能	首次系统评估了基于超声的AI系统在预测甲状腺癌颈部淋巴结转移中的诊断性能，并比较了不同设计（如多中心与单中心、深度学习与传统机器学习）的影响	需要前瞻性验证以确认临床适用性，且中国研究显示特异性较低	评估基于超声的AI系统在预测甲状腺癌颈部淋巴结转移中的诊断性能	甲状腺癌患者及其颈部淋巴结转移情况	digital pathology	thyroid cancer	ultrasound, AI	deep learning, classic machine learning	image	19项研究
475	2025-06-05	Deep learning-based breast MRI for predicting axillary lymph node metastasis: a systematic review and meta-analysis 2025-Mar-31, Cancer imaging : the official publication of the International Cancer Imaging Society IF:3.5Q1 DOI:10.1186/s40644-025-00863-3 PMID:40165212	meta-analysis	评估深度学习算法在乳腺癌MRI中预测腋窝淋巴结转移的诊断性能	首次系统评价和荟萃分析深度学习算法在乳腺癌MRI中预测腋窝淋巴结转移的诊断性能	研究间存在中度异质性（I2=61%和60%）	评估深度学习算法在乳腺癌MRI中预测腋窝淋巴结转移的诊断性能	乳腺癌患者	digital pathology	breast cancer	MRI	deep learning	image	10项研究
476	2025-06-05	CoupleVAE: coupled variational autoencoders for predicting perturbational single-cell RNA sequencing data 2025-Mar-04, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf126 PMID:40178283	研究论文	本文提出了一种名为CoupleVAE的新型深度学习方法，用于预测扰动后的单细胞RNA测序数据	CoupleVAE由两个耦合的VAE组成，通过耦合器在潜在空间中进行更复杂的细胞状态转换	NA	预测单细胞扰动响应，以理解生物体的功能和行为	单细胞RNA测序数据	计算生物学	NA	单细胞RNA测序	VAE（变分自编码器）	RNA测序数据	三个真实数据集（感染、刺激和跨物种预测）
477	2025-06-05	Intraoperative Real-Time IDH Diagnosis for Glioma Based on Automatic Analysis of Contrast-Enhanced Ultrasound Video 2025-03, Ultrasound in medicine & biology DOI:10.1016/j.ultrasmedbio.2024.11.007 PMID:39674714	研究论文	提出了一种基于术中对比增强超声(CEUS)视频自动分析的实时IDH状态诊断方法ATAN	首次将自动TIC分析网络(ATAN)应用于术中实时IDH诊断，无需肿瘤样本，诊断准确率比现有深度学习方法平均提高15%	术中胶质瘤数据样本量较小	开发胶质瘤IDH状态的术中实时诊断方法	胶质瘤患者	数字病理	胶质瘤	对比增强超声(CEUS)	ATAN(Automatic TIC Analysis Network)	视频	主要队列60例胶质瘤患者(平均年龄50±14岁，男性28例)，预训练队列258例
478	2025-06-05	Automatic Segmentation of Sylvian Fissure in Brain Ultrasound Images of Pre-Term Infants Using Deep Learning Models 2025-03, Ultrasound in medicine & biology DOI:10.1016/j.ultrasmedbio.2024.11.016 PMID:39676003	研究论文	本研究利用深度学习模型（U-Net和ResU-Net）实现了早产儿脑部超声图像中Sylvian裂的自动分割	首次尝试在早产儿脑部超声图像中实现脑沟自动分割，并比较了U-Net和ResU-Net的性能	模型在不同厂商设备获取的图像上性能有所下降，且目前仅针对单一平面（C3）的Sylvian裂进行分割	开发自动分割早产儿脑部超声图像中脑沟的方法，以监测其脑部发育情况	早产儿的脑部超声图像	数字病理学	儿科疾病	深度学习	U-Net, ResU-Net	图像	未明确提及具体样本数量
479	2025-06-05	Attention-based Fusion Network for Breast Cancer Segmentation and Classification Using Multi-modal Ultrasound Images 2025-03, Ultrasound in medicine & biology DOI:10.1016/j.ultrasmedbio.2024.11.020 PMID:39694743	research paper	提出了一种基于注意力融合网络的深度学习模型，用于多模态超声图像的乳腺癌分割和分类	引入了多模态融合U-Net（MMF-U-Net），通过融合块混合B模式和SE模式信息进行病灶分割，并利用预训练模型对病灶进行分类	未提及模型在不同数据集上的泛化能力或与其他先进方法的比较	提高乳腺癌的早期检测和诊断准确性	乳腺癌病灶	digital pathology	breast cancer	deep learning	MMF-U-Net	multi-modal ultrasound images	NA
480	2025-06-05	Interactively Fusing Global and Local Features for Benign and Malignant Classification of Breast Ultrasound Images 2025-03, Ultrasound in medicine & biology DOI:10.1016/j.ultrasmedbio.2024.11.014 PMID:39709289	research paper	本研究提出了一种名为CTMF-Net的深度学习方法，通过交互融合CNN和ViT的中间特征，实现了乳腺超声图像良恶性分类的高准确率	提出了CNN和Transformer多阶段融合网络（CTMF-Net），通过特征交互模块实现两种网络结构的中间特征交互与更新	未提及具体的数据集样本量差异对模型性能的影响，也未讨论模型在不同设备采集图像上的泛化能力	开发能够交互融合全局和局部特征的深度学习方法，提高乳腺超声图像分类准确率	乳腺超声图像中的良性和恶性肿瘤	digital pathology	breast cancer	deep learning	CNN and ViT hybrid model (CTMF-Net)	image	三个公开乳腺超声数据集（SYSU、UDIAT和BUSI）