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
5061	2025-03-05	A novel deep learning framework for automatic scoring of PD-L1 expression in non-small cell lung cancer 2025-Mar-03, Biomolecules & biomedicine DOI:10.17305/bb.2025.12056 PMID:40035693	研究论文	本文提出了一种新的深度学习框架，用于自动评估非小细胞肺癌（NSCLC）全切片图像（WSIs）中的PD-L1表达，旨在提高肿瘤比例评分（TPS）评估的精确性和一致性	提出了一种新的自动化框架，结合深度学习技术，用于从NSCLC的WSIs中准确评估PD-L1表达，提高了TPS评估的精确性和一致性	研究仅基于66个NSCLC组织样本，样本量较小，可能影响模型的泛化能力	提高PD-L1表达的自动评估精度和一致性，减少病理学家的工作量	非小细胞肺癌（NSCLC）的全切片图像（WSIs）	数字病理学	肺癌	免疫组织化学（IHC）	EfficientNet, Inception, Vision Transformer, UNet, DeepLabV3, StarDist	图像	66个NSCLC组织样本
5062	2025-03-05	Artificial Intelligence-Assisted MRI Diagnosis in Lumbar Degenerative Disc Disease: A Systematic Review 2025-Mar, Global spine journal IF:2.6Q1 DOI:10.1177/21925682241274372 PMID:39147730	系统综述	本文综述了人工智能辅助MRI在腰椎退行性椎间盘疾病诊断中的应用	系统评估了AI在腰椎退行性椎间盘疾病诊断中的表现，展示了AI相比传统方法在准确性、敏感性和特异性上的优势	需要进一步的研究和验证以优化AI算法在腰椎退行性椎间盘疾病诊断中的实际应用	探讨AI辅助MRI在腰椎退行性椎间盘疾病诊断中的应用及其临床使用的研究现状	腰椎退行性椎间盘疾病	医学影像分析	腰椎退行性椎间盘疾病	MRI	机器学习和深度学习	图像	20项研究
5063	2025-03-05	Fast Window-Based Event Denoising With Spatiotemporal Correlation Enhancement 2025-Mar, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2024.3467709 PMID:39388326	研究论文	本文提出了一种基于窗口的事件去噪方法，通过时空相关性增强来提高去噪效果	提出了一种新的窗口化事件去噪方法，结合时空相关性分析，构建了多尺度窗口化事件去噪网络WedNet，实现了高去噪精度和快速运行速度	未提及具体局限性	提高事件去噪的准确性和实时性	事件数据	计算机视觉	NA	卷积稀疏编码	WedNet	事件数据	未提及具体样本数量
5064	2025-03-05	Dataset augmentation with multiple contrasts images in super-resolution processing of T1-weighted brain magnetic resonance images 2025-Mar, Radiological physics and technology IF:1.7Q3 DOI:10.1007/s12194-024-00871-1 PMID:39680317	研究论文	本研究探讨了在脑部磁共振成像（MRI）T1加权图像（T1WIs）的超分辨率处理中，通过使用深度学习技术增强数据集的有效性	通过引入同一受试者的不同对比度图像来增强数据集，以提高网络性能并评估其对图像质量指标（如峰值信噪比和结构相似性）的影响	研究为回顾性研究，可能受到数据选择和偏差的影响	提高脑部MRI图像的超分辨率处理性能	240名接受脑部MRI检查的患者	计算机视觉	NA	深度学习	U-Net, EDSR	图像	240名患者
5065	2025-03-05	Development of Deep Learning-Based Virtual Lugol Chromoendoscopy for Superficial Esophageal Squamous Cell Carcinoma 2025-Mar, Journal of gastroenterology and hepatology IF:3.7Q2 DOI:10.1111/jgh.16843 PMID:39687978	研究论文	本文开发了一种基于深度学习的虚拟Lugol染色内镜（V-LCE）方法，用于检测浅表性食管鳞状细胞癌（ESCC）	使用CycleGAN生成虚拟Lugol染色内镜图像，为浅表性食管鳞状细胞癌的诊断提供了一种新的辅助工具	V-LCE在病变检测、边缘识别和颜色差异方面的表现介于真实Lugol染色内镜（R-LCE）和白光内镜（WLE）之间，尚未达到R-LCE的水平	开发一种基于深度学习的虚拟Lugol染色内镜方法，以提高浅表性食管鳞状细胞癌的检测灵敏度	浅表性食管鳞状细胞癌（ESCC）	计算机视觉	食管癌	CycleGAN	GAN	图像	六名内镜医师对WLE、R-LCE和V-LCE图像进行评分
5066	2025-03-05	GSCAT-UNET: Enhanced U-Net model with spatial-channel attention gate and three-level attention for oil spill detection using SAR data 2025-Mar, Marine pollution bulletin IF:5.3Q1 DOI:10.1016/j.marpolbul.2025.117583 PMID:39862681	研究论文	本文提出了一种名为GSCAT-UNET的增强型U-Net模型，用于利用SAR数据进行油污检测和区分	GSCAT-UNET模型结合了空间-通道注意力门（SCAG）、三级注意力模块（TLM）和全局特征模块（GFM），以提高油污检测的准确性和鲁棒性	NA	提高油污检测的准确性和鲁棒性，以应对SAR数据的复杂性和不平衡数据集	油污及其类似物	计算机视觉	NA	深度学习	GSCAT-UNET	SAR图像	1112张Sentinel-1双极化SAR图像及其标注图像（5类）
5067	2025-02-01	Shaping the future of MRI in upper abdominal imaging: The promise of deep learning reconstruction 2025-Mar, Diagnostic and interventional imaging IF:4.9Q1 DOI:10.1016/j.diii.2024.12.003 PMID:39884888	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
5068	2025-03-05	Feasibility of using Gramian angular field for preprocessing MR spectroscopy data in AI classification tasks: Differentiating glioblastoma from lymphoma 2025-Mar, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.111957 PMID:39892374	研究论文	本文探讨了使用Gramian角场将1D光谱转换为2D图像，作为卷积神经网络输入用于胶质母细胞瘤与淋巴瘤分类任务的可行性	首次将Gramian角场技术应用于MR光谱数据的预处理，以生成适合深度学习算法输入的2D图像	研究样本量较小，仅包括98名患者，且仅比较了傅里叶变换后的原始光谱和后处理拟合光谱的分类性能	探索MR光谱数据在神经网络分类任务中的应用潜力	胶质母细胞瘤和淋巴瘤患者	数字病理学	胶质母细胞瘤, 淋巴瘤	MR光谱, Gramian角场	卷积神经网络(CNN)	图像	98名患者（65名胶质母细胞瘤，33名淋巴瘤）
5069	2025-03-05	Developing an interpretable machine learning model for diagnosing gout using clinical and ultrasound features 2025-Mar, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.111959 PMID:39893823	研究论文	本研究开发了一种利用临床数据和超声特征的机器学习模型，用于痛风预测，并应用SHAP进行模型解释	结合临床数据和超声特征，开发了一种可解释的机器学习模型，并首次应用SHAP进行模型解释	研究样本来自两个机构，可能存在数据偏差	开发一种用于痛风预测的机器学习模型	609名患者的首次跖趾关节超声数据	机器学习	痛风	超声	Logistic Regression (LR), Random Forest (RF), LASSO, XGBoost	临床数据和超声图像	609名患者（571名来自机构1，92名来自机构2）
5070	2025-03-05	Automated detection of early-stage osteonecrosis of the femoral head in adult using YOLOv10: Multi-institutional validation 2025-Mar, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.111983 PMID:39923593	研究论文	本文开发了一种基于YOLOv10的深度学习模型，用于通过X光片检测成人早期股骨头坏死（ONFH）	使用YOLOv10模型进行早期ONFH的自动化检测，并在多机构验证中表现出色，超越了放射科医生的诊断能力	研究依赖于回顾性数据，且样本主要来自特定机构，可能影响模型的泛化能力	开发一种深度学习模型，用于自动化检测成人早期股骨头坏死	成人早期股骨头坏死患者	计算机视觉	股骨头坏死	深度学习	YOLOv10	X光片	2321名患者，3970张单侧髋关节X光片
5071	2025-03-05	Automatic segmentation and volumetric analysis of intracranial hemorrhages in brain CT images 2025-Mar, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.111952 PMID:39978270	研究论文	本研究开发并评估了基于3D U-Net的深度学习模型，用于自动分割和分类非对比脑CT图像中的颅内出血及其相关病理	使用3D U-Net模型进行颅内出血的自动分割和分类，并研究了分割类别数量对模型性能的影响	对于小于1毫升的出血，模型存在较高的假阴性率，且Dice评分相较于文献较低	开发并评估用于颅内出血自动分割和分类的深度学习模型，以增强临床决策	非对比脑CT图像中的颅内出血及其相关病理	数字病理	颅内出血	深度学习	3D U-Net	CT图像	1508个非对比CT序列，来自医院、QURE500数据集和RSNA 2019脑出血数据集
5072	2025-03-05	Fluid Inverse Volumetric Modeling and Applications From Surface Motion 2025-Mar, IEEE transactions on visualization and computer graphics IF:4.7Q1 DOI:10.1109/TVCG.2024.3370551 PMID:38416615	研究论文	本研究提出了一种从可观测、可测量的自由表面运动中进行流体体积重建的框架	结合深度学习和传统模拟的优势，保持再现流体的引导运动和时间一致性，并利用3D CNN生成体积速度场	NA	开发一种从表面运动中进行流体体积重建的方法，并应用于图形学中的流体行为再现和场景重编辑	流体	计算机视觉	NA	深度学习，3D CNN	3D CNN	图像	NA
5073	2025-03-05	Deep learning opportunistic screening for osteoporosis and osteopenia using radiographs of the foot or ankle - A pilot study 2025-Mar, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.111980 PMID:39946811	研究论文	本研究旨在开发一种深度学习模型，通过足部或踝部X光片筛查骨质疏松或骨质减少	开发了一种新的深度学习模型，利用定制的架构从足部和踝部X光片中提取深度特征，用于筛查骨质疏松或骨质减少	研究为回顾性横断面研究，样本主要为白人（96.7%），可能限制了结果的普适性	开发一种深度学习模型，用于通过足部或踝部X光片筛查骨质疏松或骨质减少	50岁及以上接受足部或踝部X光检查和DXA（金标准）的患者	计算机视觉	骨质疏松	深度学习	定制深度学习模型	图像	907名患者（3109张X光片），其中96.7%为白人，1.8%为黑人，0.4%为亚洲人
5074	2025-03-05	Association between deep learning radiomics based on placental MRI and preeclampsia with fetal growth restriction: A multicenter study 2025-Mar, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.111985 PMID:39946812	研究论文	本研究旨在开发基于胎盘T2加权图像的自动定量模型，用于识别先兆子痫（PE）妊娠及其疾病严重程度	结合深度学习和放射组学技术，开发了一种新的深度放射组学（DLR）模型，用于自动分析胎盘MRI图像，以识别PE妊娠及其与胎儿生长受限（FGR）的关联	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	开发一种基于胎盘MRI的自动定量模型，用于识别PE妊娠及其疾病严重程度	420名孕妇，包括140例PE妊娠和280例正常血压妊娠	数字病理学	先兆子痫	MRI	深度学习放射组学（DLR）模型	图像	420名孕妇（140例PE妊娠，280例正常血压妊娠）
5075	2025-03-05	Specialized ECG data augmentation method: leveraging precordial lead positional variability 2025-Mar, Biomedical engineering letters IF:3.2Q2 DOI:10.1007/s13534-024-00455-3 PMID:40026892	研究论文	本文介绍了一种针对心电图（ECG）数据的专门数据增强技术，通过考虑12导联ECG中胸前导联之间的独特角度，提出了一种在临床环境中可能发生的情况下的数据增强方法，并用于训练深度学习模型以诊断多种心脏疾病	本文的创新点在于提出了一种专门针对ECG数据的数据增强技术，考虑了胸前导联之间的独特角度，并在多种数据集和任务中展示了其性能提升	本文的局限性在于未提及该方法在其他类型生物信号处理中的适用性，且未详细讨论其在更大规模数据集上的表现	研究目的是开发一种优化的数据增强技术，以提高ECG数据的深度学习模型诊断心脏疾病的准确性	研究对象是12导联ECG数据，特别是胸前导联之间的角度变化	生物信号处理	心血管疾病	数据增强技术	深度学习模型	ECG信号	NA
5076	2025-03-05	Reinforcement learning-based generative artificial intelligence for novel pesticide design 2025-Mar-01, Journal of advanced research IF:11.4Q1 DOI:10.1016/j.jare.2025.02.030 PMID:40032026	研究论文	本研究提出了一种基于强化学习的生成人工智能框架，用于设计具有高结合亲和力的农药样分子	首次将生成人工智能应用于农药设计，提出了结合强化学习的框架，并成功设计出一种新型4-羟基苯基丙酮酸双加氧酶抑制剂	未提及具体样本量或实验数据规模	探索生成人工智能在农药设计中的应用，开发新型绿色农药	农药样分子	机器学习	NA	强化学习，蒙特卡洛树搜索算法	生成模型	化学分子数据	NA
5077	2025-03-05	Prediction of quality traits in packaged mango by NIR spectroscopy 2025-Mar, Food research international (Ottawa, Ont.) DOI:10.1016/j.foodres.2025.115963 PMID:40032464	研究论文	本研究旨在通过近红外光谱技术预测包装芒果的质量特性，并开发创新方法以减少纸袋对光谱信号的干扰	结合深度学习全连接神经网络（FNN）和高斯空间（GS）滤波，有效减少了包装芒果光谱信号的干扰，提高了质量特性预测的准确性	研究中仅针对特定波段的近红外信号进行了优化，可能无法完全消除所有干扰	准确评估包装芒果的硬度（FI）、干物质含量（DMC）、可溶性固形物含量（SSC）和可滴定酸度（TA）	包装芒果	机器视觉	NA	近红外光谱技术（NIR）	全连接神经网络（FNN）、偏最小二乘回归（PLSR）	光谱数据	NA
5078	2025-03-05	Two-Stage Deep Learning Model for Adrenal Nodule Detection on CT Images: A Retrospective Study 2025-Mar, Radiology IF:12.1Q1 DOI:10.1148/radiol.231650 PMID:40035671	研究论文	本研究开发并测试了一种两阶段深度学习模型，用于自动检测腹部CT图像中的肾上腺结节，并模拟与人类解释结合的筛选性能	提出了一种两阶段深度学习架构，分别针对左右肾上腺进行训练，结合人类解释提高了检测的敏感性和特异性	研究为回顾性研究，可能受到数据选择和偏差的影响	开发并测试一种深度学习模型，用于自动检测和分类肾上腺结节	腹部CT图像中的肾上腺结节	计算机视觉	肾上腺疾病	深度学习	两阶段深度学习模型（检测和分割模型）	CT图像	内部数据集995名患者，外部数据集12080名患者
5079	2025-03-05	Discordance between a deep learning model and clinical-grade variant pathogenicity classification in a rare disease cohort 2025-Feb-28, NPJ genomic medicine IF:4.7Q1 DOI:10.1038/s41525-025-00480-w PMID:40021654	研究论文	本文探讨了深度学习模型AlphaMissense在预测错义变体功能影响和评估基因必要性方面的局限性，特别是在罕见疾病队列中的表现	揭示了AlphaMissense在识别致病性错义变体方面的不足，尤其是在内在无序区域（IDRs）的评估上	AlphaMissense在识别致病性错义变体方面的精确度和召回率较低，特别是在IDRs区域的表现不可靠	评估深度学习模型在罕见疾病中预测错义变体致病性的能力	罕见疾病队列中的错义变体	生物医学信息学	罕见疾病	深度学习	AlphaMissense	基因变异数据	45种罕见疾病队列
5080	2025-03-05	Evaluating pedestrian crossing safety: Implementing and evaluating a convolutional neural network model trained on paired aerial and subjective perspective images 2025-Feb-28, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2025.e42428 PMID:40028551	研究论文	本研究提出利用先进的深度学习神经网络自动评估行人过街和环岛的安全性，通过分析来自Google Maps和Google Street View的航拍和街景图像	利用ConvNextV2、ResNet50和ResNext50模型进行综合分析，并采用Mask R-CNN进行精确分割和检测，克服了传统数据标注的挑战	数据不平衡和变量复杂性（如可见性和停车距离）带来的挑战	提高行人过街安全性，实现大规模、客观的过街评估	法国各种城市和农村环境中的行人过街和环岛	计算机视觉	NA	深度学习	ConvNextV2, ResNet50, ResNext50, Mask R-CNN	图像	法国各种城市和农村环境中的行人过街和环岛