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	2025-03-08	Reinforcement learning using Deep Q networks and Q learning accurately localizes brain tumors on MRI with very small training sets 2022-12-23, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-022-00919-x PMID:36564724	研究论文	本文探讨了使用深度Q网络和Q学习在MRI上精确定位脑肿瘤的方法，特别是在小训练集上的应用	将深度Q学习推广到基于网格世界的环境，仅需图像和图像掩码，解决了监督深度学习在放射学中的三大限制：需要大量手工标注数据、不可泛化以及缺乏解释性和直觉	研究仅基于30个二维图像切片进行训练和测试，样本量较小	探索强化学习在MRI图像上定位脑肿瘤的应用，特别是在小训练集上的表现	脑肿瘤的MRI图像	计算机视觉	脑肿瘤	深度Q学习	Deep Q Network	图像	30个二维图像切片用于训练，30个用于测试
5502	2025-03-07	The Chest X- Ray: The Ship has Sailed, But Has It? 2025-Jul-01, Journal of insurance medicine (New York, N.Y.) DOI:10.17849/insm-52-1-21-22.1 PMID:40047110	评论	本文探讨了胸部X光片（CXR）在保险风险评估中的历史地位及其在深度学习技术发展下的潜在价值	探讨了深度学习技术如何可能重新赋予CXR在保险风险评估中的价值	未提供具体数据或实验结果支持CXR在深度学习下的实际应用效果	评估CXR在保险风险评估中的潜在价值	保险申请人	计算机视觉	NA	深度学习	NA	图像	NA
5503	2025-03-07	Structural Diversity of Mitochondria in the Neuromuscular System across Development Revealed by 3D Electron Microscopy 2025-Mar-06, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202411191 PMID:40047328	研究论文	本研究利用3D电子显微镜和深度学习技术，开发了半自动方法重建秀丽隐杆线虫的线粒体，并收集了正常生殖阶段和dauer阶段的线粒体重建数据，以比较神经肌肉系统中线粒体结构的发育变化	首次使用3D电子显微镜和深度学习技术半自动重建线粒体，揭示了神经肌肉系统中线粒体结构的发育变化及其与突触连接的相关性	研究主要基于秀丽隐杆线虫模型，可能不直接适用于其他生物体	探究神经肌肉系统中线粒体结构的发育变化及其功能意义	秀丽隐杆线虫的神经肌肉系统	数字病理学	NA	3D电子显微镜, 深度学习	NA	图像	秀丽隐杆线虫的正常生殖阶段和dauer阶段的线粒体重建数据
5504	2025-03-07	DeepOptimalNet: optimized deep learning model for early diagnosis of pancreatic tumor classification in CT imaging 2025-Mar-06, Abdominal radiology (New York) DOI:10.1007/s00261-025-04860-9 PMID:40047871	研究论文	本文提出了一种名为DeepOptimalNet的深度学习模型，用于胰腺肿瘤的早期诊断和分类，通过优化算法和深度学习技术处理胰腺CT图像中的复杂性和细微变化	DeepOptimalNet结合了优化算法和深度学习技术，特别是引入了改进的Remora优化算法（MROA）和深度迁移卷积神经网络（DTCNN）与ResNet-50，以提高胰腺癌组织分割的准确性和效率	未明确提及研究的局限性	开发一种优化的深度学习模型，用于胰腺肿瘤的早期诊断和分类	胰腺CT图像	计算机视觉	胰腺癌	CT成像	DeepOptimalNet（结合MROA、DTCNN与ResNet-50、DCCNN-ML）	图像	未明确提及样本数量
5505	2025-03-07	Enhanced ISUP grade prediction in prostate cancer using multi-center radiomics data 2025-Mar-06, Abdominal radiology (New York) DOI:10.1007/s00261-025-04858-3 PMID:40047870	研究论文	本研究探讨了从解剖ROI提取的放射组学特征在前列腺癌患者中区分国际泌尿病理学会（ISUP）分级的预测价值	通过结合前列腺的外周区（PZ）和中央腺体（CG）的放射组学特征，提高了ISUP分级的预测性能	需要进一步验证该策略在临床决策中的实际应用效果	探索放射组学特征在前列腺癌ISUP分级预测中的应用	1500名前列腺癌患者	数字病理	前列腺癌	放射组学特征提取，SMOTE算法，随机森林分类	随机森林分类算法	T2加权成像（T2WI）、表观扩散系数（ADC）和扩散加权成像（DWI）图像	1500名前列腺癌患者
5506	2025-03-06	Deep Learning-Powered CT-Less Multitracer Organ Segmentation From PET Images: A Solution for Unreliable CT Segmentation in PET/CT Imaging 2025-Apr-01, Clinical nuclear medicine IF:9.6Q1 DOI:10.1097/RLU.0000000000005685 PMID:39883026	研究论文	本研究开发了一种不依赖CT图像的PET器官分割框架，利用深度学习模型对两种常用PET示踪剂进行多器官分割	提出了一种不依赖CT图像的PET器官分割方法，解决了PET/CT成像中CT分割不可靠的问题	研究中排除了PET和CT图像不匹配的病例，可能影响模型的泛化能力	开发一种不依赖CT图像的PET器官分割框架，以解决PET/CT成像中CT分割不可靠的问题	2062例PET/CT图像，包括18 F-FDG和68 Ga-PSMA两种示踪剂	数字病理学	NA	深度学习	nnU-Net	PET/CT图像	2062例PET/CT图像
5507	2025-03-06	EEGConvNeXt: A novel convolutional neural network model for automated detection of Alzheimer's Disease and Frontotemporal Dementia using EEG signals 2025-Apr, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108652 PMID:39938252	研究论文	本文提出了一种名为EEGConvNeXt的新型卷积神经网络模型，用于通过脑电图（EEG）信号自动检测阿尔茨海默病（AD）和额颞叶痴呆（FD）	EEGConvNeXt模型是一种轻量级的卷积神经网络，基于Transformer模型，具有四个主要阶段：stem、主模型、下采样和输出stem，能够高效地进行多类分类	研究依赖于相对较小的数据集，并且需要进一步验证以适用于不同人群	开发一种高精度的深度学习模型，用于自动检测阿尔茨海默病和额颞叶痴呆	阿尔茨海默病（AD）、额颞叶痴呆（FD）和健康对照组的EEG信号	数字病理学	阿尔茨海默病、额颞叶痴呆	脑电图（EEG）信号分析	CNN（卷积神经网络）	图像（EEG信号转换的功率谱图）	包含AD、FD和健康对照组的公开EEG信号数据集
5508	2025-03-06	Hybrid-noise generative diffusion probabilistic model for cervical spine MRI image generation 2025-Apr, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108639 PMID:39938251	研究论文	本文提出了一种高质量颈椎MRI图像生成方法，称为颈椎MRI扩散概率模型（CSM-DPM），通过混合噪声和余弦噪声调度生成更自然清晰的图像	提出了一种混合标准高斯噪声和点噪声的方法来近似图像数据的真实分布，并设计了Asa-ResUNet模块，通过非对称注意力机制提高特征提取能力	未提及具体的数据集规模或生成图像的临床应用验证	解决从有限样本中学习解剖特征的挑战，生成高质量的颈椎MRI图像	颈椎MRI图像	计算机视觉	颈椎疾病	扩散模型	Asa-ResUNet	图像	NA
5509	2025-03-06	MBST-Driven 4D-CBCT reconstruction: Leveraging swin transformer and masking for robust performance 2025-Apr, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108637 PMID:39938253	研究论文	本研究开发了一种创新的基于掩码的Swin Transformer网络（MBST），用于提高4D锥形束计算机断层扫描（4D-CBCT）重建的质量	提出了一种新的MBST网络，能够在有限的扫描条件下进行4D-CBCT重建，并适用于广泛的4D-CBCT重建场景，包括高扫描速度的情况	研究仅使用了20例患者的4D成像数据进行训练和评估，样本量相对较小	提高4D-CBCT图像的重建质量，特别是在有限扫描条件下的应用	20例患有胸部肿瘤的患者的4D成像数据	计算机视觉	胸部肿瘤	深度学习	Swin Transformer	4D成像数据	20例患者的4D成像数据（15例用于训练，5例用于测试）
5510	2025-03-06	LMTTM-VMI: Linked Memory Token Turing Machine for 3D volumetric medical image classification 2025-Apr, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108640 PMID:39951959	研究论文	本文提出了一种名为LMTTM-VMI的新模型，用于3D体积医学图像的分类，通过引入外部链接记忆模块来提高空间依赖性和结构复杂性的处理能力	引入了Linked Memory Token Turing Machine (LMTTM)，利用外部链接记忆模块高效处理3D体积医学图像的空间依赖性和结构复杂性，提升了分类性能	未提及模型在更大规模或更多样化数据集上的表现，也未讨论计算资源需求	提高3D体积医学图像的分类准确性，以辅助医疗诊断和治疗规划	3D体积医学图像	计算机视觉	NA	深度学习	LMTTM	3D图像	六个3D体积医学图像数据集（来自MedMNIST v2）
5511	2025-03-06	Methods for estimating resting energy expenditure in intensive care patients: A comparative study of predictive equations with machine learning and deep learning approaches 2025-Apr, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108657 PMID:39954654	研究论文	本研究比较了传统预测方程与机器学习和深度学习模型在重症患者静息能量消耗（REE）估计中的表现	首次在重症患者中广泛验证了机器学习和深度学习模型在REE估计中的应用，并展示了其优于传统预测方程的潜力	需要进一步在独立数据集和多样化患者群体中进行验证	比较不同方法在重症患者静息能量消耗估计中的准确性	重症患者的静息能量消耗	机器学习	重症监护	间接量热法（IC）	XGBoost, Random Forest Regressor (RFR), Convolutional Neural Networks (CNN)	静态和动态生理变量	300例重症监护病房（ICU）患者的间接量热法测量数据
5512	2025-03-06	Research on the development of image-based Deep Learning (DL) model for serum quality recognition 2025-Mar-06, Clinical chemistry and laboratory medicine IF:3.8Q1 DOI:10.1515/cclm-2024-1219 PMID:40042089	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
5513	2025-03-06	Predicting inflammatory response of biomimetic nanofibre scaffolds for tissue regeneration using machine learning and graph theory 2025-Mar-05, Journal of materials chemistry. B DOI:10.1039/d4tb02494j PMID:39869000	研究论文	本文探讨了使用机器学习和图论预测仿生纳米纤维支架在组织再生中的炎症反应	结合机器学习和图论分析纳米纤维支架的复杂组织结构，以预测细胞相互作用并优化组织工程流程	研究中仅使用了15种纳米纤维支架家族，样本量有限，可能影响模型的泛化能力	预测仿生纳米纤维支架的炎症反应，以优化支架设计并促进组织再生	纳米纤维支架及其对巨噬细胞炎症反应的影响	机器学习	NA	机器学习、图论、扫描电子显微镜（SEM）	随机森林（Random Forest）、卷积神经网络（CNN）	图像（SEM图像）	15种纳米纤维支架家族
5514	2025-03-06	Dual-type deep learning-based image reconstruction for advanced denoising and super-resolution processing in head and neck T2-weighted imaging 2025-Mar-05, Japanese journal of radiology IF:2.9Q2 DOI:10.1007/s11604-025-01756-y PMID:40038217	研究论文	本文评估了基于双类型深度学习的图像重建在头颈部脂肪抑制T2加权成像中的去噪和超分辨率处理效果	采用双类型深度学习进行图像重建，结合去噪和超分辨率处理，显著提高了图像质量并缩短了扫描时间	研究样本量较小（43例患者），且未涉及其他类型的成像技术对比	评估深度学习重建方法在头颈部T2加权成像中的效果	头颈部脂肪抑制T2加权成像	计算机视觉	头颈部病变	深度学习图像重建	深度学习模型	图像	43例患者
5515	2025-03-06	High-Adhesive Hydrogel-Based Strain Sensor in the Clinical Diagnosis of Anterior Talofibular Ligament Sprain 2025-Mar-05, ACS sensors IF:8.2Q1 DOI:10.1021/acssensors.4c03472 PMID:40042081	研究论文	本文提出了一种基于高粘性水凝胶的应变传感器，用于临床诊断前距腓韧带扭伤	该传感器由明胶、纤维素纳米纤维和交联聚丙烯酸接枝的琥珀酰亚胺酯制成，具有优异的贴合性和拉伸性，能够牢固地粘附在皮肤上，准确评估前距腓韧带扭伤的严重程度	尽管传感器具有高粘性和高拉伸强度，但其在实际临床应用中的长期稳定性和生物相容性仍需进一步验证	开发一种能够准确评估前距腓韧带扭伤严重程度的高粘性水凝胶应变传感器	前距腓韧带扭伤患者	数字病理学	运动损伤	深度学习模型	深度学习模型	传感器数据	未提及具体样本数量
5516	2025-03-06	Evaluating fusion models for predicting occult lymph node metastasis in tongue squamous cell carcinoma 2025-Mar-05, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-11473-9 PMID:40042648	研究论文	本研究评估并比较了多种预测模型在预测舌鳞状细胞癌患者隐匿性淋巴结转移中的有效性	提出了基于决策的晚期融合模型，整合了2D深度学习、常规放射组学、肿瘤内异质性放射组学和临床数据，取得了最佳预测效果	研究为回顾性诊断实验，样本量相对有限，且仅来自三个医疗中心	评估和比较不同预测模型在预测舌鳞状细胞癌患者隐匿性淋巴结转移中的有效性	舌鳞状细胞癌患者	数字病理学	舌鳞状细胞癌	对比增强磁共振成像（CEMRI）	2D深度学习、常规放射组学、肿瘤内异质性放射组学、晚期融合模型	图像、临床数据	268名患者，分为训练集（107名）、内部测试集（53名）和两个外部测试集（63名和45名）
5517	2025-03-06	Artificial intelligence for the detection of airway nodules in chest CT scans 2025-Mar-05, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-11468-6 PMID:40042650	研究论文	本文开发并评估了一种基于深度学习的AI系统，用于检测和定位胸部CT扫描中的气道结节	开发了一种能够检测大多数气道结节的AI系统，包括具有非常细微特征的结节，且具有可接受的假阳性率	研究仅在单一学术医院进行，样本量相对较小，且未进行外部验证	开发并评估一种AI系统，用于检测胸部CT扫描中的气道结节	2004年至2020年间接受胸部或胸腹部CT扫描的患者	计算机视觉	肺癌	深度学习	NA	图像	160名有气道结节的患者和160名无气道结节的患者
5518	2025-03-06	Deep learning-assisted identification and localization of ductal carcinoma from bulk tissue in-silico models generated through polarized Monte Carlo simulations 2025-Mar-04, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/adb495 PMID:39933195	研究论文	本研究利用偏振蒙特卡罗模拟生成的体组织模型，通过深度学习技术识别和定位乳腺癌	结合偏振蒙特卡罗模拟和卷积神经网络（CNN），实现了对乳腺癌的并发检测和定位，自动化并支持实时诊断	研究主要针对手术切除后厚组织切片中的肿瘤区域，可能不适用于其他类型或位置的肿瘤	展示通过卷积神经网络在偏振蒙特卡罗模拟生成的去极化指数图像上，同时检测肿瘤存在和位置的能力	乳腺癌组织模型	数字病理学	乳腺癌	偏振蒙特卡罗模拟	CNN	图像	NA
5519	2025-03-06	Sugarcane leaf disease classification using deep neural network approach 2025-Mar-04, BMC plant biology IF:4.3Q1 DOI:10.1186/s12870-025-06289-0 PMID:40033192	研究论文	本研究旨在开发一种基于深度学习的可靠模型，用于准确诊断甘蔗叶病害	使用多种卷积神经网络模型（如EfficientNet、DenseNet201等）进行甘蔗叶病害分类，并评估模型复杂性与准确性的关系	未明确说明模型在实际应用中的部署和实时检测能力	提高甘蔗叶病害的诊断准确性和效率，以增强病害控制和甘蔗产量	甘蔗叶	计算机视觉	植物病害	深度学习	CNN（包括EfficientNet、DenseNet201、ResNetV2、InceptionV4、MobileNetV3和RegNetX）	图像	6748张健康与病害甘蔗叶图像，涵盖11种病害类别
5520	2025-03-06	An Efficient Approach for Detection of Various Epileptic Waves Having Diverse Forms in Long Term EEG Based on Deep Learning 2025-Mar-04, Brain topography IF:2.3Q3 DOI:10.1007/s10548-025-01111-4 PMID:40035961	研究论文	本文提出了一种基于深度学习的有效方法，用于检测长期EEG中具有多种形式的癫痫波	首次评估了YOLO网络（V3、V4和V7）在检测多种癫痫信号中的应用，并发现YOLO-V4在四种分类方法中表现最佳	研究仅使用了20名患者的EEG数据，样本量较小	开发一种快速且高效的癫痫波检测方法，以辅助癫痫学家进行长期EEG监测	长期EEG数据中的癫痫波	深度学习	癫痫	EEG	YOLO (V3, V4, V7)	EEG信号	20名患者的EEG数据