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
5301	2025-03-13	Deep learning in magnetic resonance enterography for Crohn's disease assessment: a systematic review 2024-09, Abdominal radiology (New York) DOI:10.1007/s00261-024-04326-4 PMID:38693270	系统综述	本文综述了深度学习在磁共振肠造影（MRE）中用于克罗恩病（CD）评估的最新研究进展	探讨了深度学习在MRE图像质量增强、肠道分割以量化疾病负担以及3D重建用于手术规划等方面的应用	大多数研究是初步的、回顾性研究，且至少在一个类别中存在高偏倚风险	评估深度学习在克罗恩病评估中的应用及其潜力	克罗恩病患者	医学影像分析	克罗恩病	磁共振肠造影（MRE）	深度学习	医学影像	468名受试者
5302	2025-03-13	Hybrid deep learning and optimal graph search method for optical coherence tomography layer segmentation in diseases affecting the optic nerve 2024-Jun-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.516045 PMID:38867777	研究论文	本文提出了一种结合深度学习和3D图搜索的混合方法Deep LOGISMOS，用于提高光学相干断层扫描（OCT）图像中视网膜层分割的准确性、鲁棒性和泛化能力	Deep LOGISMOS结合了深度学习和3D图搜索的优势，克服了现有算法在病理导致视网膜层拓扑不规则时的局限性	NA	提高视网膜层分割的准确性，以辅助视神经疾病的诊断和治疗管理	OCT图像中的视网膜层	计算机视觉	视神经疾病	光学相干断层扫描（OCT）	Deep LOGISMOS（结合深度学习和3D图搜索）	图像	124个OCT体积（31名非动脉性前部缺血性视神经病变患者）、40个OCT体积（20名NAION患者）、29个OCT体积（29名青光眼患者）、35个OCT体积（21名多发性硬化症患者和14名对照者）、155个OCT体积（15名青光眼患者）
5303	2025-03-13	Exercise-Related Physical Activity Relates to Brain Volumes in 10,125 Individuals 2024, Journal of Alzheimer's disease : JAD DOI:10.3233/JAD-230740 PMID:38073389	研究论文	本研究探讨了定期中高强度体力活动与大脑体积之间的关系，通过磁共振神经影像技术对10,125名健康参与者进行了分析	使用深度学习模型分析MRI扫描的轴向、矢状和冠状视图，首次在大规模人群中量化体力活动与大脑体积的关系	研究为横断面设计，无法确定因果关系，且体力活动数据依赖于自我报告，可能存在偏差	探讨定期中高强度体力活动与大脑体积之间的关系，以揭示体力活动对大脑结构的潜在神经保护作用	10,125名健康参与者	数字病理	NA	磁共振成像（MRI）	深度学习模型	图像	10,125名健康参与者
5304	2025-03-13	Whole slide image-based weakly supervised deep learning for predicting major pathological response in non-small cell lung cancer following neoadjuvant chemoimmunotherapy: a multicenter, retrospective, cohort study 2024, Frontiers in immunology IF:5.7Q1 DOI:10.3389/fimmu.2024.1453232 PMID:39372403	研究论文	本研究利用弱监督深度学习技术，通过全切片图像预测非小细胞肺癌患者在新辅助化疗免疫治疗后的主要病理反应	采用弱监督学习框架和多实例学习算法，结合创新的数据增强和归一化技术，提升了模型的鲁棒性和解释性	研究为回顾性研究，样本量相对较小，且仅针对非小细胞肺癌患者	开发预测模型以准确预测非小细胞肺癌患者在新辅助化疗免疫治疗后的主要病理反应	186名非小细胞肺癌患者的治疗前全切片图像	数字病理学	肺癌	弱监督深度学习	DenseNet121, ResNet50, Inception V3, XGBoost	图像	186名非小细胞肺癌患者
5305	2025-03-13	Quantifying the spatial patterns of retinal ganglion cell loss and progression in optic neuropathy by applying a deep learning variational autoencoder approach to optical coherence tomography 2024, Frontiers in ophthalmology DOI:10.3389/fopht.2024.1497848 PMID:39963427	研究论文	本研究提出了一种增强型变分自编码器（bVAE）方法，用于捕捉视网膜神经节细胞（RGC）损失的空间变化，并生成潜在空间（LS）蒙太奇图，以可视化视神经束损伤的不同程度和空间模式	提出了一种新的增强型变分自编码器（bVAE）模型，能够捕捉RGC损失的空间变化并生成潜在空间蒙太奇图，同时能够追踪RGC变薄的空间模式并分类潜在病因	未来工作将集中在整合额外的图像模态以进一步优化模型的诊断能力	通过bVAE模型可视化和量化视神经病变中的GCL变薄模式	视网膜神经节细胞（RGC）	计算机视觉	视神经病变	光学相干断层扫描（OCT）	增强型变分自编码器（bVAE）	图像	822名受试者的10,701次OCT黄斑扫描
5306	2025-03-12	iAMP-CRA: Identifying Antimicrobial Peptides Using Convolutional Recurrent Neural Network with Self-Attention 2025-Dec, Health information science and systems IF:4.7Q1 DOI:10.1007/s13755-025-00342-w PMID:40062190	研究论文	本文提出了一种使用卷积循环神经网络与自注意力机制相结合的深度学习模型(iAMP-CRA)，用于从大量蛋白质序列中快速筛选出抗菌肽(AMPs)的候选样本	设计了灵活的、可解释的深度学习模型iAMP-CRA，结合了卷积循环神经网络和自注意力机制，能够自适应地融合异构特征，并在基准数据集上表现出优异的学习能力	未提及具体的数据集大小或模型训练时间等限制	快速筛选抗菌肽(AMPs)候选样本，以帮助发现新的抗菌肽	抗菌肽(AMPs)	自然语言处理	NA	深度学习	卷积循环神经网络(CNN-RNN)与自注意力机制	蛋白质序列	未提及具体样本数量
5307	2025-03-12	Adaptive boundary-enhanced Dice loss for image segmentation 2025-Aug, Biomedical signal processing and control IF:4.9Q1 DOI:10.1016/j.bspc.2025.107741 PMID:40061446	研究论文	本文提出了一种自适应边界增强的Dice损失函数（ABeDice），用于提高医学图像分割的准确性	ABeDice损失函数结合了指数递归互补（ERC）函数与传统Dice损失，通过动态调整预测概率分布，优先考虑高概率区域，从而提升分割性能	NA	提高医学图像分割的准确性	医学图像	计算机视觉	NA	深度学习	Swin-Unet	图像	三个公开数据集（REFUGE、ISIC2018、RIT-Eyes）
5308	2025-03-12	Non-destructive origin and ginsenoside analysis of American ginseng via NIR and deep learning 2025-Jun-05, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2025.125913 PMID:39987608	研究论文	本研究开发了一种结合近红外光谱和多任务深度学习网络的非破坏性方法，用于西洋参的产地追溯和总皂苷含量预测	提出了一种混合多任务深度学习网络MMTDL，结合残差网络、注意力机制和混合头网络，增强了从近红外光谱数据中提取特征的能力	样本量相对较小，仅包含150个样本，可能影响模型的泛化能力	开发一种非破坏性方法，同时识别西洋参的产地和预测总皂苷含量	西洋参	机器学习	NA	近红外光谱	MMTDL（混合多任务深度学习网络）	光谱数据	150个样本，来自四个不同产地
5309	2025-03-12	Optimizing multimodal scene recognition through relevant feature selection approach for scene classification 2025-Jun, MethodsX IF:1.6Q2 DOI:10.1016/j.mex.2025.103226 PMID:40061570	研究论文	本文提出了一种新颖的多模态特征提取和特征选择技术，以提高场景分类中迁移学习的效率	引入了多模态特征提取和特征选择技术，结合CNN进行特征提取，以提高模型性能和计算效率	未提及具体局限性	优化场景分类中的多模态特征提取和选择，以提高迁移学习的效率	场景分类任务	计算机视觉	NA	迁移学习，特征选择技术	CNN	图像	Scene数据集（6类）和AID数据集
5310	2025-03-12	Electrocardiographic-Driven artificial intelligence Model: A new approach to predicting One-Year mortality in heart failure with reduced ejection fraction patients 2025-May, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2025.105843 PMID:39986123	研究论文	本文开发并验证了一种基于深度学习的AI模型，用于预测射血分数降低的心力衰竭（HFrEF）患者的一年死亡率	利用大量ECG数据训练深度学习模型，显著提高了HFrEF患者一年死亡率的预测准确性	研究依赖于特定时间段内的医院数据，可能限制了模型的普遍适用性	开发并验证一种AI模型，用于预测HFrEF患者的一年死亡率	射血分数降低的心力衰竭（HFrEF）患者	机器学习	心血管疾病	深度学习	深度学习模型	ECG数据	3,894名HFrEF患者
5311	2025-03-12	Explainability and uncertainty: Two sides of the same coin for enhancing the interpretability of deep learning models in healthcare 2025-May, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2025.105846 PMID:39993336	研究论文	本文探讨了在医疗保健领域结合不确定性量化（UQ）与可解释人工智能（XAI）方法，以提高深度学习模型的可靠性和可信度	提出将UQ与XAI方法结合，以增强深度学习模型在医疗保健应用中的可靠性，并减少解释偏差和对AI的过度依赖	NA	提高深度学习模型在医疗保健应用中的透明度和可解释性	深度学习模型在医疗保健中的应用	机器学习	NA	不确定性量化（UQ）与可解释人工智能（XAI）方法	深度学习模型	NA	NA
5312	2025-03-12	Unlocking the potential of digital pathology: Novel baselines for compression 2025-Apr, Journal of pathology informatics DOI:10.1016/j.jpi.2025.100421 PMID:40059908	研究论文	本文探讨了数字病理学中全切片图像（WSI）的压缩问题，提出了一种新的评估指标，用于评估感知质量和下游任务质量	提出了一种基于特征相似性的新评估指标，能够很好地与压缩WSI的实际下游性能对齐，并鼓励统一评估有损压缩方案以加速数字病理学的临床应用	深度学习模型在训练数据中存在的压缩伪影上表现出显著偏差，难以在各种压缩方案中泛化	评估和优化数字病理学中全切片图像的压缩方案，以提高临床决策的准确性和效率	全切片图像（WSI）	数字病理学	NA	深度学习	NA	图像	四个不同的数据集
5313	2025-03-12	Dual-Component Gas Sensor Based on Light-Induced Thermoelastic Spectroscopy and Deep Learning 2025-Mar-11, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.4c06588 PMID:40012474	研究论文	本文首次报道了一种基于光诱导热弹性光谱和深度学习的乙炔-二氧化碳双组分气体传感器	首次结合光诱导热弹性光谱和深度学习技术，开发了一种新型的双组分气体传感器，并采用了SSA-CNN-BiGRU-Attention模型来提高浓度反演的准确性	研究仅限于乙炔和二氧化碳两种气体的检测，未来需要扩展到更多气体成分的研究	开发一种高精度的双组分气体传感器，用于气体浓度的精确反演	乙炔和二氧化碳气体	传感器技术	NA	光诱导热弹性光谱	SSA-CNN-BiGRU-Attention	光谱数据	NA
5314	2025-03-12	Deep Learning-Assisted Ultrasensitive Detection of Gold Nanoparticles Using Light Microscopy Images Captured by a Cellphone Camera 2025-Mar-11, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.4c06395 PMID:40016179	研究论文	本研究提出了一种使用手机摄像头捕获的暗场散射光显微镜图像，结合深度学习技术，实现金纳米颗粒（AuNPs）的超灵敏检测和定量的方法	首次将深度学习技术应用于手机摄像头捕获的暗场散射光显微镜图像，实现了对120 nm金纳米颗粒的超灵敏检测和定量	研究仅针对120 nm的金纳米颗粒，未验证其他尺寸或类型的纳米颗粒的检测效果	开发一种简单、易获取且高灵敏度的金纳米颗粒检测平台	金纳米颗粒（AuNPs）	计算机视觉	NA	暗场散射光显微镜	深度学习模型（分类和回归模型）	图像	4个不同浓度的样本
5315	2025-03-12	I-BrainNet: Deep Learning and Internet of Things (DL/IoT)-Based Framework for the Classification of Brain Tumor 2025-Mar-10, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01470-1 PMID:40063173	研究论文	本文提出了一种基于深度学习和物联网（DL/IoT）的框架I-BrainNet，用于脑肿瘤的分类	提出了一个结合深度学习和物联网的框架I-BrainNet，用于实时分类脑肿瘤，并展示了预训练的MobileNetV2在MRI与非MRI及肿瘤与非肿瘤分类中的最佳性能	研究中使用的数据集虽然较大，但可能仍不足以涵盖所有类型的脑肿瘤，且未提及模型在实际临床环境中的验证	开发一种精确的脑肿瘤分类方法，以指导临床决策	脑肿瘤的多模态图像（CT和MRI）数据集	计算机视觉	脑肿瘤	深度学习	MobileNetV2, ResNet, Inceptionv3, VGG16	图像	9616个MRI和CT扫描，其中8000个用于MRI与非MRI的分类，4000个用于肿瘤与非肿瘤的分类
5316	2025-03-12	Identification of Camellia Oil Adulteration With Excitation-Emission Matrix Fluorescence Spectra and Deep Learning 2025-Mar-10, Journal of fluorescence IF:2.6Q3 DOI:10.1007/s10895-025-04229-7 PMID:40063235	研究论文	本研究提出了一种结合激发-发射矩阵荧光光谱（EEMF）和深度学习的方法，用于准确、无损地识别山茶油的掺假	提出了一种名为ResTransformer的深度学习模型，结合残差模块和Transformer，从局部和全局角度进行掺假类型的定性检测和掺假浓度的定量检测	NA	开发一种准确且无损的方法来识别山茶油的掺假，以保障公众健康和福祉	山茶油及其掺假物	机器学习	NA	激发-发射矩阵荧光光谱（EEMF）	ResTransformer（结合残差模块和Transformer的深度学习模型）	光谱数据	NA
5317	2025-03-12	Learning to Explore Sample Relationships 2025-Mar-10, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3549300 PMID:40063428	研究论文	本文提出了一种名为BatchFormerV1和BatchFormerV2的批处理变换模块，旨在使深度神经网络能够以可学习的方式探索样本关系	提出了BatchFormerV1和BatchFormerV2模块，使深度神经网络能够以可学习的方式探索样本关系，并设计了一种两流训练管道以解决训练-测试不一致问题	探索实例级关系对密集预测的影响有限	解决深度学习中数据稀缺问题，提升样本关系的探索能力	深度神经网络	计算机视觉	NA	深度学习	BatchFormerV1, BatchFormerV2	图像	超过十个流行数据集
5318	2025-03-12	A Thyroid Nodule Ultrasound Image Grading Model Integrating Medical Prior Knowledge 2025-Mar-10, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01120-y PMID:40064758	研究论文	本研究提出了一种基于中国甲状腺影像报告和数据系统（C-TIRADS）的甲状腺结节超声图像分级模型，结合了传统手工特征和深度特征	结合了医学先验知识和深度特征，采用改进的ShuffleNetV2网络和多头自注意力机制，并使用XGBoost分类器进行多类分类	数据集仅包含922张原始图像，可能限制了模型的泛化能力	提高甲状腺结节超声诊断的准确性	甲状腺结节超声图像	计算机视觉	甲状腺疾病	深度学习，图像处理	ShuffleNetV2，XGBoost	图像	922张原始图像，包括149例2类，140例3类，156例4A类，114例4B类，123例4C类，240例5类
5319	2025-03-12	A prediction model for the risk of developing mild cognitive impairment in older adults with sarcopenia: evidence from the CHARLS 2025-Mar-08, Aging clinical and experimental research IF:3.4Q2 DOI:10.1007/s40520-025-02980-2 PMID:40055290	研究论文	本文开发了一个深度学习模型，用于预测患有肌肉减少症的老年人发生轻度认知障碍（MCI）的风险	利用机器学习和深度学习技术，结合CHARLS数据，开发了一个预测模型，并提供了一个在线工具供使用	模型仅在CHARLS数据集上进行了验证，可能需要更多外部数据验证其泛化能力	开发一个准确的预测模型，用于筛查患有肌肉减少症的个体中的轻度认知障碍（MCI）	570名患有肌肉减少症的老年人	机器学习	老年疾病	机器学习和深度学习	深度学习模型	纵向研究数据	570名患者
5320	2025-03-12	Development and validation of computer-aided detection for colorectal neoplasms using deep learning incorporated with computed tomography colonography 2025-Mar-08, BMC gastroenterology IF:2.5Q2 DOI:10.1186/s12876-025-03742-0 PMID:40055612	研究论文	本研究开发并验证了一种结合深度学习的计算机辅助检测系统，用于通过CT结肠造影检测结直肠肿瘤	采用基于Faster R-CNN的神经网络结构来检测结直肠病变，并通过整合两个位置的评估提高了检测灵敏度	研究中仅使用了来自日本和两个机构的数据，可能限制了模型的泛化能力	提高CT结肠造影图像中结直肠病变的检测灵敏度，减轻医生的工作负担	结直肠肿瘤	计算机视觉	结直肠癌	CT结肠造影	Faster R-CNN	图像	590名患者（453名用于训练和内部验证，137名用于外部验证）