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
501	2025-05-02	Stain Normalization of Histopathological Images Based on Deep Learning: A Review 2025-Apr-18, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15081032 PMID:40310413	review	本文综述了基于深度学习的组织病理学图像染色归一化方法的最新进展	总结了深度学习在染色归一化中的应用，包括监督、无监督和自监督方法，并分析了它们的贡献和局限性	未提及具体方法的性能比较或实验验证的不足	标准化不同来源图像的色彩分布，以提高下游算法在分类、分割和检测等任务中的性能	H&E染色的组织病理学图像	digital pathology	cancer	deep learning	NA	image	115篇出版物
502	2025-05-02	Diabetes: Non-Invasive Blood Glucose Monitoring Using Federated Learning with Biosensor Signals 2025-Apr-16, Biosensors DOI:10.3390/bios15040255 PMID:40277568	研究论文	该研究提出了一种基于联邦学习的非侵入性血糖监测方法，利用PPG信号和深度学习技术	采用联邦学习技术，允许多个医疗机构协作训练全局模型而不共享原始患者数据，同时结合CWT、ACBS和PSO优化信号处理和特征选择	研究数据主要来自手术和麻醉期间收集的PPG信号，可能无法完全代表日常生活中的血糖变化	开发一种准确、非侵入性且保护隐私的血糖监测方法	糖尿病患者	机器学习	糖尿病	PPG、CWT、ACBS、PSO	DNN、FL	PPG信号	来自VitalDB和MUST数据集的数据
503	2025-05-02	Artificial Intelligence Advancements in Oncology: A Review of Current Trends and Future Directions 2025-Apr-13, Biomedicines IF:3.9Q1 DOI:10.3390/biomedicines13040951 PMID:40299653	review	本文回顾了人工智能在肿瘤学中的最新进展，包括早期检测、个性化治疗策略和药物发现	综述了AI在肿瘤学中的应用，包括与纳米医学和免疫治疗的整合，以及AI模型与传统诊断方法的比较	数据质量、算法偏见和临床验证等挑战限制了广泛应用	探讨人工智能在肿瘤学中的应用及其未来发展方向	癌症的诊断、治疗和管理	digital pathology	lung cancer, prostate cancer, ...	deep learning	NA	NA	NA
504	2025-05-02	Labor-Efficient Pathological Auxiliary Diagnostic Model for Primary and Metastatic Tumor Tissue Detection in Pancreatic Ductal Adenocarcinoma 2025-Apr-06, Modern pathology : an official journal of the United States and Canadian Academy of Pathology, Inc IF:7.1Q1 DOI:10.1016/j.modpat.2025.100764 PMID:40199428	research paper	提出了一种名为PANseg的多尺度弱监督深度学习框架，用于胰腺导管腺癌（PDAC）的原发性和转移性肿瘤组织检测	PANseg仅使用图像级标签（2048×2048像素）进行训练，在多个测试集上实现了与全监督基线（FSB）相当的性能，并显著减少了标注负担	模型在活检切片上的性能相对较低（AUROC: 0.821），可能存在对某些样本类型的泛化能力不足	提高胰腺导管腺癌（PDAC）的组织病理学评估的准确性和效率	胰腺导管腺癌（PDAC）的原发性和转移性肿瘤组织	digital pathology	pancreatic ductal adenocarcinoma	deep learning	PANseg (multiscale weakly supervised deep learning framework)	whole-slide images (WSIs)	368张全切片图像（WSIs），来自208名患者，涵盖2个独立中心
505	2025-05-02	Application of MRI-based tumor heterogeneity analysis for identification and pathologic staging of breast phyllodes tumors 2025-Apr, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2025.110325 PMID:39788394	research paper	探讨基于MRI的影像组学和深度学习模型在乳腺叶状肿瘤识别和分类中的应用价值	结合传统影像组学特征、亚区域影像组学特征和深度学习特征，构建融合模型以提高诊断效能	样本量较小（77例患者），且为回顾性研究，可能存在选择偏倚	提高乳腺叶状肿瘤的识别和病理分期准确性	乳腺叶状肿瘤和纤维腺瘤患者	digital pathology	breast cancer	MRI, radiomics, deep learning	fusion model, traditional radiomics model, subregion radiomics model, TDT_CIDL model	MRI images	77例经病理检查确诊的乳腺叶状肿瘤和纤维腺瘤患者
506	2025-05-02	Unlocking the diagnostic potential of electrocardiograms through information transfer from cardiac magnetic resonance imaging 2025-Apr, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103451 PMID:39793216	研究论文	本研究提出了一种深度学习方法，通过从心脏磁共振成像(CMR)向心电图(ECG)传递信息，实现仅基于ECG的成本效益高且全面的心脏筛查	结合多模态对比学习和掩码数据建模，将CMR的领域特定信息传递到ECG表示中，提高了CVD风险预测和心脏表型预测的性能	研究依赖于UK Biobank的数据，可能在其他人群中的泛化性有待验证	开发一种仅基于ECG的成本效益高且全面的心脏筛查方法	心血管疾病(CVD)的诊断和心脏表型预测	机器学习	心血管疾病	多模态对比学习，掩码数据建模	深度学习	ECG和CMR图像	40,044名UK Biobank受试者
507	2025-05-02	Graph neural networks in histopathology: Emerging trends and future directions 2025-Apr, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103444 PMID:39793218	综述	本文全面回顾了图神经网络（GNNs）在组织病理学中的应用，探讨了其发展趋势和未来方向	提出GNNs作为CNN的替代方案，能够更好地捕捉全切片图像（WSIs）中的空间依赖性和拓扑结构	NA	探讨GNNs在组织病理学中的应用及其未来发展方向	全切片图像（WSIs）	数字病理学	NA	图神经网络（GNNs）	GNN	图像	NA
508	2025-05-02	DFCL: Dual-pathway fusion contrastive learning for blind single-image visible watermark removal 2025-Apr, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2024.107077 PMID:39793490	research paper	提出了一种双路径融合对比学习方法，用于盲单图像可见水印去除	通过双路径训练图像和梯度图，增强高频特征获取和水印空间定位的准确性，同时利用对比学习确保结果更接近原始无水印图像	未提及具体的数据集规模限制或计算资源需求	解决盲单图像可见水印去除中的水印检测准确性和去除后视觉质量问题	带有可见水印的数字图像	computer vision	NA	对比学习	dual-pathway fusion model	image	在三个具有挑战性的基准数据集上进行了广泛实验
509	2025-05-02	Hybrid optimization enabled DenseNet for autism spectrum disorders using MRI image 2025-Apr, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2024.108335 PMID:39793514	research paper	本文提出了一种结合JSTO优化算法的DenseNet模型，用于通过MRI图像检测自闭症谱系障碍（ASD）	新提出的JSTO算法结合了Jaya算法和STBO优化方法，用于优化DenseNet模型，提高了ASD检测的准确率	研究仅基于Abide 1数据集进行验证，未在其他数据集上测试模型的泛化能力	开发一种高效的自闭症谱系障碍早期检测方法	自闭症患者的MRI脑部图像	digital pathology	autism spectrum disorder	MRI	DenseNet	image	基于Abide 1数据集
510	2025-05-02	Importance of neural network complexity for the automatic segmentation of individual thigh muscles in MRI images from patients with neuromuscular diseases 2025-Apr, Magma (New York, N.Y.) DOI:10.1007/s10334-024-01221-3 PMID:39798067	research paper	研究比较了不同复杂度的U-Net架构在MRI图像中自动分割大腿肌肉并量化脂肪分数的性能	探索了神经网络复杂度降低对脂肪分数量化的影响，发现简化模型仍能准确量化脂肪分数	研究仅针对大腿肌肉的特定区域，且样本量相对有限	评估神经网络复杂度对MRI图像中大腿肌肉分割和脂肪分数量化的影响	59名患者和14名健康受试者的1450张大腿MRI图像	digital pathology	neuromuscular diseases	MRI	U-Net, nnU-Net	image	1450张大腿MRI图像（来自59名患者和14名健康受试者）
511	2025-05-02	ICH-PRNet: a cross-modal intracerebral haemorrhage prognostic prediction method using joint-attention interaction mechanism 2025-Apr, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2024.107096 PMID:39798349	研究论文	本文提出了一种名为ICH-PRNet的跨模态脑出血预后预测方法，通过联合注意力交互机制整合CT图像和临床文本数据	提出了一种联合注意力交互编码器，有效整合CT图像和临床文本，并设计了多损失函数和自适应动态优先级算法来优化跨模态融合能力	未明确提及具体局限性	提高脑出血预后预测的准确性	脑出血患者的CT图像和临床文本数据	数字病理学	脑出血	深度学习	ICH-PRNet（基于联合注意力机制的跨模态网络）	图像和文本	未明确提及具体样本数量
512	2025-05-02	Cooking loss estimation of semispinalis capitis muscle of pork butt using a deep neural network on hyperspectral data 2025-Apr, Meat science IF:5.7Q1 DOI:10.1016/j.meatsci.2025.109754 PMID:39799874	研究论文	本研究评估了一种基于深度学习的模型，利用死后24小时采集的高光谱图像预测猪颈肉半棘肌的烹饪损失	首次将深度学习模型应用于高光谱图像数据，预测猪颈肉半棘肌的烹饪损失，并通过像素级数据增强克服小样本问题	样本量相对较小（70个猪颈肉），且分类准确率随等级数量增加而下降	开发一种非破坏性方法来预测猪颈肉的质量特性	猪颈肉的半棘肌（SC肌肉）	计算机视觉	NA	高光谱成像	深度学习模型（具体未说明），对比PCR和PLSR模型	高光谱图像	70个猪颈肉样本，采用像素级数据增强
513	2025-05-02	Deep Learning for Classification of Inflammatory Bowel Disease Activity in Whole Slide Images of Colonic Histopathology 2025-Apr, The American journal of pathology DOI:10.1016/j.ajpath.2024.12.010 PMID:39800054	研究论文	开发了一种深度学习模型，用于在炎症性肠病（IBD）患者的全切片图像（WSIs）中分类疾病活动度	使用基于transformer的深度学习模型分类IBD活动度，并通过HoVer-Net分析中性粒细胞分布，提高了诊断的一致性和效率	研究仅基于单一医疗中心的数据，可能限制了模型的泛化能力	提高炎症性肠病（IBD）活动度分类的准确性和一致性	炎症性肠病（IBD）患者的全切片图像（WSIs）	数字病理学	炎症性肠病	深度学习	transformer-based model, HoVer-Net	图像	2077张全切片图像，来自636名患者
514	2025-05-02	A novel deep learning-based pipeline architecture for pulp stone detection on panoramic radiographs 2025-Apr, Oral radiology IF:1.6Q3 DOI:10.1007/s11282-025-00804-7 PMID:39806222	研究论文	介绍了一种基于深度学习的两阶段管道架构，用于在全景X光片上检测牙髓结石	首次提出了一种管道架构来解决全景X光片上的牙髓结石检测任务，并在小样本标注数据上取得了优异性能	标注训练数据有限	开发一种自动检测牙髓结石的方法	全景X光片中的牙髓结石	计算机视觉	牙科疾病	深度学习	YOLOv8, ResNeXt	图像	375张全景X光片
515	2025-05-02	A Fine-grained Hemispheric Asymmetry Network for accurate and interpretable EEG-based emotion classification 2025-Apr, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.107127 PMID:39809039	research paper	提出了一种名为FG-HANet的端到端深度学习模型，利用2Hz窄频带内的半球不对称特征对原始EEG数据进行准确且可解释的情绪分类	FG-HANet不仅从原始输入中提取特征，还从其镜像版本中提取特征，并应用2Hz精细粒度的FIR滤波器获取细粒度频谱信息，同时采用三阶段训练流程以增强性能	NA	提高基于EEG的情绪分类的准确性和可解释性	原始EEG数据	machine learning	NA	EEG, FIR滤波器	FG-HANet	EEG信号	两个公共数据集SEED和SEED-IV
516	2025-05-02	Simultaneous Isotropic Omnidirectional Hypersensitive Strain Sensing and Deep Learning-Assisted Direction Recognition in a Biomimetic Stretchable Device 2025-Apr, Advanced materials (Deerfield Beach, Fla.) DOI:10.1002/adma.202420322 PMID:39887745	research paper	介绍了一种具有全向应变感知和方向识别能力的仿生可拉伸设备	首次实现了同时具备各向同性全向高敏感应变感知和方向识别（IOHSDR）能力的设备，通过模仿人类手指的三维结构，设计了一种新型异质基底	NA	开发一种能够模拟人类触觉全向应变感知和方向识别能力的设备，以满足复杂动态的实际应用需求	仿生可拉伸设备	machine learning	NA	deep learning	deep learning-based model	strain sensing data	NA
517	2025-05-02	Free-breathing, Highly Accelerated, Single-beat, Multisection Cardiac Cine MRI with Generative Artificial Intelligence 2025-Apr, Radiology. Cardiothoracic imaging DOI:10.1148/ryct.240272 PMID:40178397	研究论文	开发并评估了一种自由呼吸、高度加速、多切面、单次心跳的心脏MRI电影序列	使用生成对抗网络（REGAIN）进行图像重建，实现了自由呼吸、高度加速的单次心跳心脏MRI	研究样本量相对较小（136名参与者），且未明确说明具体心脏疾病的分布	开发更高效的心脏MRI成像技术	心脏MRI成像	医学影像	心血管疾病	MRI	GAN（REGAIN）	医学影像	136名参与者（40名健康，96名有心脏疾病）
518	2025-05-02	Enhancing nonlinear transcriptome- and proteome-wide association studies via trait imputation with applications to Alzheimer's disease 2025-Apr, PLoS genetics IF:4.0Q1 DOI:10.1371/journal.pgen.1011659 PMID:40209152	研究论文	本文探讨了在非线性转录组和蛋白质组关联研究中利用性状插补方法增强阿尔茨海默病（AD）风险基因和蛋白质的识别	使用插补的AD状态进行非线性TWAS/PWAS分析，结合深度学习模型DeLIVR，提高了统计功效且未增加假阳性	研究依赖于插补的AD状态，可能受到插补准确性的影响	增强非线性转录组和蛋白质组关联研究，以识别与AD风险相关的基因和蛋白质	阿尔茨海默病（AD）相关的基因和蛋白质	生物信息学	阿尔茨海默病	TWAS/PWAS, 深度学习	DeLIVR	基因表达数据, 蛋白质组数据	GTEx项目和UK Biobank的数据，以及ADSP的临床诊断AD病例
519	2025-05-02	Use of deep learning model for paediatric elbow radiograph binomial classification: initial experience, performance and lessons learnt 2025-04-01, Singapore medical journal IF:1.7Q2 DOI:10.4103/singaporemedj.SMJ-2022-078 PMID:40258236	研究论文	本研究比较了基于CNN的深度学习模型与儿科急诊医生在儿童肘部X光片二分类任务上的表现	首次将EfficientNet B1架构应用于儿童肘部X光片的二分类任务，并与医生表现进行对比	样本量相对较小(1,314张图像)，医生间评估一致性仅为一般水平	评估AI模型在儿童肘部X光片异常检测中的性能	儿童肘部侧位X光片	计算机视觉	儿科疾病	深度学习	CNN (EfficientNet B1)	医学影像(X光片)	1,314张儿童肘部X光片(患者平均年龄8.2岁)
520	2025-05-02	Improved Pine Wood Nematode Disease Diagnosis System Based on Deep Learning 2025-Apr, Plant disease IF:4.4Q1 DOI:10.1094/PDIS-06-24-1221-RE PMID:40267359	研究论文	本研究提出了一种基于深度学习的松材线虫病诊断系统，通过荧光识别技术提高检测效率和准确性	首次将荧光识别技术应用于松材线虫病检测，并开发了集激发、检测、数据分析与传输于一体的专用系统，改进了YOLOv5模型，提高了大尺寸图像的识别精度	未提及系统在不同环境条件下的稳定性和泛化能力	开发快速有效的松材线虫病检测方法以减少病害传播和松树砍伐	松材线虫病	计算机视觉	植物病害	荧光识别技术	改进的YOLOv5（集成Res2Net、SimAM注意力机制和Bi-FPN）	图像	未明确提及具体样本数量，但系统可检测DNA浓度低至1 fg/μl的样本