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
5501	2025-04-08	Critical assessment of missense variant effect predictors on disease-relevant variant data 2024-Jun-08, bioRxiv : the preprint server for biology DOI:10.1101/2024.06.06.597828 PMID:38895200	研究论文	评估错义变异效应预测工具在疾病相关变异数据上的性能	通过CAGI6挑战赛评估多种错义变异效应预测工具，包括临床遗传学社区常用工具和最新开发的深度学习方法，并探讨了不同临床和研究应用场景下的性能表现	评估数据集中可能存在标签不平衡问题，且某些预测工具在区分致病性变异和极罕见良性变异时性能下降	评估错义变异效应预测工具的临床和研究实用性，并为未来改进提供方向	错义变异效应预测工具	生物信息学	遗传病	深度学习	NA	基因组数据	来自疾病相关数据库的罕见错义变异数据集
5502	2025-04-08	Multimodal Autoencoder Predicts fNIRS Resting State From EEG Signals 2022-07, Neuroinformatics IF:2.7Q3 DOI:10.1007/s12021-021-09538-3 PMID:34378155	研究论文	介绍了一种深度学习架构，用于评估来自40名癫痫患者的多模态脑电图（EEG）和功能性近红外光谱（fNIRS）记录	首次展示了在静息状态下的人类癫痫大脑中，基于EEG频率振荡的功率谱幅度调制，从编码的神经数据（EEG）预测脑血流动力学（fNIRS）的可能性	研究仅限于癫痫患者，样本量为40人	研究EEG信号如何解码fNIRS信号，预测脑血流动力学	40名癫痫患者的EEG和fNIRS记录	机器学习	癫痫	功能性近红外光谱（fNIRS）和脑电图（EEG）	LSTM和CNN集成的多模态序列到序列自编码器	EEG和fNIRS信号	40名癫痫患者
5503	2025-04-07	Open-source deep-learning models for segmentation of normal structures for prostatic and gynecological high-dose-rate brachytherapy: Comparison of architectures 2025-Apr-05, Journal of applied clinical medical physics IF:2.0Q3 DOI:10.1002/acm2.70089 PMID:40186596	research paper	该研究比较了两种UNet衍生架构（UNet++和nnU-Net）在前列腺和妇科高剂量率（HDR）近距离放射治疗计划中自动分割风险器官（OARs）的性能	研究比较了两种UNet衍生架构在HDR近距离放射治疗计划中的性能，并选择了计算硬件需求较低的UNet++模型用于临床常规使用	研究仅针对前列腺和妇科HDR近距离放射治疗计划中的膀胱和直肠分割，未涵盖其他器官或治疗类型	实现和评估用于前列腺和妇科CT引导的HDR近距离放射治疗计划中的自动风险器官分割模型	前列腺和妇科HDR近距离放射治疗患者的CT扫描和分割文件	digital pathology	prostate cancer	CT扫描	UNet++, nnU-Net	image	1316 CT scans from 1105 patients for training, 100 CT scans from 62 patients for testing
5504	2025-04-07	A deep learning model for multiclass tooth segmentation on cone-beam computed tomography scans 2025-Apr-05, American journal of orthodontics and dentofacial orthopedics : official publication of the American Association of Orthodontists, its constituent societies, and the American Board of Orthodontics IF:2.7Q1 DOI:10.1016/j.ajodo.2025.02.014 PMID:40186597	研究论文	开发并验证了一种深度学习算法，用于从锥形束计算机断层扫描中自动创建人类牙齿的三维表面模型	提出了一种用于多类牙齿分割的深度学习模型，验证了人工智能在牙科影像分析中的有效性	NA	开发自动化的牙齿分割技术以提高牙科影像分析的精确度	人类牙齿	计算机视觉	NA	锥形束计算机断层扫描	深度学习	医学影像	210例扫描（140例训练集，40例验证集，30例测试集）
5505	2025-04-07	Classification of ocular surface diseases: Deep learning for distinguishing ocular surface squamous neoplasia from pterygium 2025-Apr-05, Graefe's archive for clinical and experimental ophthalmology = Albrecht von Graefes Archiv fur klinische und experimentelle Ophthalmologie DOI:10.1007/s00417-025-06804-x PMID:40186633	研究论文	本研究开发了一种深度学习模型，用于区分眼表鳞状上皮瘤（OSSN）和翼状胬肉（PTG）的裂隙灯照片	首次使用深度学习模型自动分割和分类OSSN与PTG的裂隙灯照片，并展示了较高的准确率	样本量相对较小（162例患者），且未提及模型在其他数据集上的泛化能力	开发一种能够准确区分OSSN和PTG的深度学习模型	眼表鳞状上皮瘤（OSSN）和翼状胬肉（PTG）患者	计算机视觉	眼科疾病	深度学习	EfficientNet B7, GoogleNet	图像	162例患者（77例OSSN，85例PTG）
5506	2025-04-07	Deep learning-based denoising image reconstruction of body magnetic resonance imaging in children 2025-Apr-05, Pediatric radiology IF:2.1Q2 DOI:10.1007/s00247-025-06230-5 PMID:40186652	research paper	本研究评估了基于深度学习的去噪图像重建技术在儿童身体磁共振成像（MRI）中的应用效果	首次在儿童身体MRI中应用深度学习技术进行图像去噪和重建，显著提高了图像质量和扫描速度	非呼吸门控的T1加权图像显示出更明显的呼吸运动伪影	评估深度学习重建技术在儿童身体MRI中的图像质量	21名儿童（中位年龄7岁）的胸腹部MRI图像	digital pathology	NA	radial k-space sampling, PROPELLER序列	DL-based	MRI图像	21名儿童（年龄范围1.5-15.8岁）
5507	2025-04-07	A magnetic resonance image-based deep learning radiomics nomogram for hepatocyte cytokeratin 7 expression: application to predict cholestasis progression in children with pancreaticobiliary maljunction 2025-Apr-05, Pediatric radiology IF:2.1Q2 DOI:10.1007/s00247-025-06225-2 PMID:40186654	research paper	开发了一种基于磁共振图像的深度学习放射组学列线图，用于预测胰胆管合流异常儿童胆汁淤积进展	首次利用深度学习放射组学列线图非侵入性评估肝细胞CK7状态，并预测胆汁淤积进展	研究样本量较小（180例），且为回顾性研究	开发非侵入性方法评估胰胆管合流异常患者的肝细胞CK7状态及胆汁淤积进展	胰胆管合流异常儿童患者	digital pathology	pancreaticobiliary maljunction	MRI, immunohistochemical analysis	ResNet50	image	180例胰胆管合流异常患者（训练集144例，验证集36例）
5508	2025-04-07	Parametric-MAA: fast, object-centric avoidance of metal artifacts for intraoperative CBCT 2025-Apr-05, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-025-03348-7 PMID:40186717	research paper	提出了一种新型参数化金属伪影避免方法（P-MAA），用于快速优化锥束CT（CBCT）成像中的轨迹，以减少金属伪影	通过深度学习模型检测关键点，将临床相关物体建模为椭球体，提出了一种计算高效的轨迹评分方法，显著提高了速度	未明确说明方法在极端复杂情况下的表现，以及是否适用于所有类型的金属植入物	解决锥束CT成像中金属伪影的问题，提高图像质量	骨科和创伤应用中的金属植入物及其周围的临床相关区域	医学影像处理	骨科疾病	深度学习，椭球体建模	深度学习模型	图像	模拟和真实临床数据
5509	2025-04-07	Deep learning-based estimation of respiration-induced deformation from surface motion: A proof-of-concept study on 4D thoracic image synthesis 2025-Apr-05, Medical physics IF:3.2Q1 DOI:10.1002/mp.17804 PMID:40186879	研究论文	提出一种非患者特定的级联集成模型（CEM），用于从表面运动估计呼吸引起的胸部组织变形	提出了一种不需要患者特定呼吸数据采样和额外训练的级联集成模型（CEM），用于估计胸部组织变形	研究仅基于模拟的表面运动和有限的4D-CT数据集进行验证	开发一种方法以减少4D-CT采集中的辐射暴露，同时保持图像质量	胸部组织变形和4D-CT图像合成	医学影像分析	胸部疾病	深度学习	级联集成模型（CEM）	4D-CT图像	62个私有4D-CT数据集和80个公共4D-CT数据集
5510	2025-04-07	Deep learning assisted detection and segmentation of uterine fibroids using multi-orientation magnetic resonance imaging 2025-Apr-05, Abdominal radiology (New York) DOI:10.1007/s00261-025-04934-8 PMID:40188260	research paper	开发深度学习模型用于自动化检测和分割子宫肌瘤的多方位MRI图像	基于三维nnU-Net框架构建的模型，在子宫肌瘤的检测和分割中表现出色，特别是在临床相关病例中	未提及模型在小样本或不同类型肌瘤上的泛化能力	开发自动化检测和分割子宫肌瘤的深度学习模型	子宫肌瘤患者的多方位MRI图像	digital pathology	uterine fibroids	MRI	nnU-Net	image	内部数据集299名患者（训练集239名，内部测试集60名），外部数据集45名患者
5511	2025-04-07	Uncertainty-aware quantitative CT evaluation of emphysema and mortality risk from variable radiation dose images 2025-Apr-04, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-11525-0 PMID:40185924	研究论文	开发了一种自动化方法，用于联合且一致地评估肺气肿和死亡风险，并提供数据和模型不确定性的量化	使用多任务贝叶斯神经网络（BNN）联合评估肺气肿和死亡风险，并量化数据和模型不确定性	研究仅基于COPDGene研究的数据，可能不适用于其他人群	开发一种对成像协议更具鲁棒性的CT评估方法，用于肺气肿和死亡风险的量化	COPDGene研究中接受全剂量和减剂量胸部CT扫描的参与者	数字病理学	慢性阻塞性肺疾病（COPD）	胸部CT扫描	贝叶斯神经网络（BNN）	图像	1350名参与者（平均年龄64.4岁±8.7；659名女性）
5512	2025-04-07	Evaluation of a deep learning segmentation tool to help detect spinal cord lesions from combined T2 and STIR acquisitions in people with multiple sclerosis 2025-Apr-04, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-11541-0 PMID:40185925	research paper	开发并评估了一种深度学习模型，用于从T2和STIR序列中检测多发性硬化症患者的脊髓病变	首次开发了一种结合T2和STIR序列的深度学习工具，用于辅助临床医生检测多发性硬化症患者的脊髓病变	样本量较小（50名患者），且未显示工具在提高精确度方面的显著效果	评估深度学习模型在辅助检测多发性硬化症患者脊髓病变中的效果	多发性硬化症患者的脊髓MRI图像	digital pathology	multiple sclerosis	MRI (T2 and STIR sequences)	DL (deep learning)	image	50名患者（39名女性，中位年龄41岁）
5513	2025-04-07	Deep learning model for detecting cystoid fluid collections on optical coherence tomography in X-linked retinoschisis patients 2025-Apr-04, Acta ophthalmologica IF:3.0Q1 DOI:10.1111/aos.17495 PMID:40186400	research paper	本文验证了一种深度学习框架，用于在X连锁视网膜劈裂症患者的SD-OCT图像中检测和量化囊样液体聚集	开发了一种基于no-new-U-Net的深度学习模型，用于自动分割和量化X连锁视网膜劈裂症患者的囊样液体聚集	深度学习模型存在系统性高估的问题，需要未来进一步优化	验证深度学习模型在X连锁视网膜劈裂症患者SD-OCT图像中检测和量化囊样液体聚集的有效性	X连锁视网膜劈裂症患者的SD-OCT图像	digital pathology	X-linked retinoschisis	spectral-domain optical coherence tomography (SD-OCT)	no-new-U-Net	image	112 OCT volumes (70训练, 42内部测试), 37 SD-OCT scans (20患者)
5514	2025-04-07	An interpretable deep learning model for the accurate prediction of mean fragmentation size in blasting operations 2025-Apr-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-96005-7 PMID:40181054	研究论文	本研究提出了一种NRBO-CNN-LSSVM模型，用于预测爆破作业中的平均破碎尺寸，结合了CNN、LSSVM和NRBO技术	整合了CNN、LSSVM和NRBO技术，提高了预测准确性和适用性，并开发了交互式GUI以增强实用性	样本量较小（105个样本），可能影响模型的泛化能力	提高爆破作业中平均破碎尺寸的预测准确性	爆破作业中的平均破碎尺寸	机器学习	NA	CNN, LSSVM, NRBO, SVM, SVR	NRBO-CNN-LSSVM, CNN-LSSVM, CNN, LSSVM, SVM, SVR	数值数据	105个样本（来自先前研究和现场采集）
5515	2025-04-07	Efficient fault diagnosis in rolling bearings lightweight hybrid model 2025-Apr-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-96285-z PMID:40181056	研究论文	提出了一种用于滚动轴承故障诊断的轻量级混合模型TSL-Transformer，结合了Transformer和LSTM模块以提高特征提取效率和诊断准确性	对传统Transformer模型进行轻量级改进，引入多头注意力机制和前馈神经网络，并并行加入LSTM模块以增强时序特征捕获能力	仅在CWRU数据集上进行了验证，未提及其他数据集或实际工业场景的测试结果	解决传统深度学习方法处理长时间序列数据时特征提取和模型训练效率低下的问题	滚动轴承的振动信号	机器学习	NA	多头注意力机制，LSTM	TSL-Transformer（Transformer与LSTM混合模型）	时间序列数据（振动信号）	CWRU数据集（具体样本量未说明）
5516	2025-04-07	Encoding matching criteria for cross-domain deformable image registration 2025-Apr, Medical physics IF:3.2Q1 DOI:10.1002/mp.17565 PMID:39688347	research paper	该研究提出了一种用于跨域可变形图像配准的编码匹配准则方法，以提高配准精度和适应性	设计了通用特征编码器（Encoder-G）和结构特征编码器（Encoder-S），并通过一次性学习更新Encoder-S，使方法能有效适应不同领域	未提及具体局限性	解决跨域可变形图像配准问题，提高配准精度和适应性	MRI图像，包括脑部、腹部和心脏图像	computer vision	NA	deep learning	Encoder-G, Encoder-S	image	脑部图像（训练/测试：870/90对），腹部图像（训练/测试：1406/90对），心脏图像（训练/测试：64770/870对）
5517	2025-04-07	Improved deep learning-based IVIM parameter estimation via the use of more "realistic" simulated brain data 2025-Apr, Medical physics IF:3.2Q1 DOI:10.1002/mp.17583 PMID:39704604	研究论文	提出了一种基于合成数据的监督学习方法（SDD-IVIM），用于提高IVIM参数估计的精度和噪声鲁棒性	引入了一种新的基于模型的合成人类脑IVIM数据生成方法，并结合U-Net进行参数映射	方法依赖于合成数据，未使用真实世界数据进行神经网络训练	提高IVIM参数估计的精度和噪声鲁棒性	脑IVIM成像参数估计	医学影像分析	脑胶质瘤	IVIM双指数模型	U-Net	合成脑多b值扩散加权图像	20名脑胶质瘤患者
5518	2025-04-07	Deep learning-based Monte Carlo dose prediction for heavy-ion online adaptive radiotherapy and fast quality assurance: A feasibility study 2025-Apr, Medical physics IF:3.2Q1 DOI:10.1002/mp.17628 PMID:39871016	研究论文	本研究开发了一种基于深度学习的蒙特卡洛剂量预测模型，用于重离子在线自适应放疗和快速质量保证	在CHD U-Net基础上引入通道注意力机制（CAM），提高了蒙特卡洛剂量预测的准确性和效率	研究仅针对头颈癌患者，样本量为120例，可能限制了模型的泛化能力	开发深度学习模型以预测独立蒙特卡洛剂量，促进重离子在线自适应放疗和快速质量保证的实施	头颈癌患者	医学影像分析	头颈癌	深度学习，蒙特卡洛模拟	CAM-CHD U-Net	CT图像，三维能量矩阵，射线掩模	120例头颈癌患者数据
5519	2025-04-07	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	research paper	该研究利用神经常微分方程（NODE）模型，结合影像、基因组和临床参数，开发了一种可解释的AI方法，用于区分脑转移瘤放射后坏死与复发	提出了一种基于重球NODE（HBNODE）的新模型，通过二阶ODE建模深度特征提取过程，实现了对诊断决策轨迹的可视化和解释	样本量相对较小（90个脑转移瘤），且仅针对非小细胞肺癌患者	开发一种可解释的AI方法，用于区分脑转移瘤放射后坏死与复发	62名非小细胞肺癌患者的90个脑转移瘤	digital pathology	lung cancer	T1+c MRI影像分析、基因组特征分析	HBNODE（基于神经常微分方程的模型）	影像数据、基因组数据、临床数据	62名非小细胞肺癌患者的90个脑转移瘤
5520	2025-04-07	Deep prior embedding method for Electrical Impedance Tomography 2025-Mar-31, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.107419 PMID:40184867	research paper	提出了一种基于深度学习的电阻抗断层扫描(EIT)重建新方法，有效整合图像先验信息以提高重建质量	利用图像先验信息指导神经网络初始化，更充分地利用先验知识，显著提升重建保真度	未提及具体计算复杂度或实时性能指标	改进电阻抗断层扫描的图像重建质量	电阻抗断层扫描重建算法	medical imaging	NA	deep learning, Electrical Impedance Tomography	neural network	medical imaging data	通过仿真和实验研究验证（未提具体样本量）