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
5541	2025-05-27	The automatic pelvic screw corridor planning for intact pelvises based on deep learning deformable registration 2025-Jun, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110304 PMID:40367630	研究论文	本文提出了一种基于深度学习可变形配准技术的骨盆螺钉通道自动规划算法，用于骨盆创伤手术中的经皮螺钉固定技术	1) 引入通道安全范围约束以提高搜索效率；2) 应用深度学习可变形配准技术自动标注螺钉入口和出口区域及通道安全范围；3) 开发了一种高效的最优通道搜索算法，无需遍历入口和出口区域，通过基于向量的直径计算方法提高效率	当前方法仅在完整骨盆上验证，骨盆骨折场景需要进一步研究	提高骨盆创伤手术中经皮螺钉固定技术的效率和准确性	骨盆螺钉通道	数字病理	骨盆创伤	深度学习可变形配准技术	深度学习	医学影像	198个完整骨盆
5542	2025-05-27	Local mean suppression filter for effective background identification in fluorescence images 2025-Jun, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110296 PMID:40375425	research paper	提出了一种易于使用的非线性滤波器，用于在荧光显微镜图像中有效识别背景，特别适用于前景密集且对比度低的图像	基于像素强度与局部邻域平均强度的比较进行像素级滤波，通过变化邻域大小生成多个标签并累积以决定最终像素标签	未明确提及具体性能限制或适用场景限制	开发一种有效的背景识别方法以提升荧光显微镜图像处理效果	荧光显微镜图像	digital pathology	NA	非线性滤波	NA	image	NA
5543	2025-05-27	Improving skin lesion classification through saliency-guided loss functions 2025-Jun, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110299 PMID:40375427	研究论文	提出了一种通过将显著性分数直接整合到损失函数中来提高深度学习分类器性能的有效方法	通过整合显著性分数到损失函数中，不仅提升了模型性能，还增强了模型预测的可解释性	未提及	提高皮肤病变分类的性能和模型预测的可解释性	皮肤病变图像	计算机视觉	皮肤病变	深度学习	Inception-ResNet-v2, EfficientNet-B3, ResNeXt	图像	HAM10000和PH2数据集
5544	2025-05-27	Automatic head and neck tumor segmentation through deep learning and Bayesian optimization on three-dimensional medical images 2025-Jun, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110309 PMID:40378562	research paper	该研究提出了一种基于深度学习和贝叶斯优化的两阶段方法，用于三维医学图像中头颈部肿瘤的自动分割	提出两阶段贝叶斯优化调度（BOS）方法用于超参数优化，并引入批量大小与学习率（B2L）比率同时优化这两个关键参数	研究仅针对头颈部肿瘤，未验证在其他类型肿瘤或医学图像上的适用性	提高三维医学图像中头颈部肿瘤分割的准确性和效率	头颈部肿瘤的CT和PET扫描图像	digital pathology	head and neck cancer	deep learning, Bayesian optimization	3D V-Net	3D medical images (CT and PET scans)	NA
5545	2025-05-27	Advancing label-free cell classification with connectome-inspired explainable models and a novel LIVECell-CLS dataset 2025-Jun, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110274 PMID:40381472	research paper	该研究提出了一个名为LIVECell-CLS的新型无标记细胞分类基准数据集，并比较了16种深度学习模型的性能，同时提出了一种基于C.elegans连接组启发的模块来改进分类性能	提出了最大的无标记细胞分类数据集LIVECell-CLS，并引入了一种基于C.elegans连接组启发的Tensor Network变体来提升模型性能	研究中使用的数据集虽然庞大，但仅包含8种细胞系，可能限制了模型的泛化能力	开发准确且可推广的无标记细胞分类模型	无标记细胞图像	digital pathology	NA	深度学习	ResNets, ViTs, MLP-Mixers, Swin-Transformers, EfficientNetV2	image	超过160万张图像，涵盖8种不同的细胞系
5546	2025-05-27	Exploring interpretable echo analysis using self-supervised parcels 2025-Jun, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110322 PMID:40383057	研究论文	探索使用自监督学习进行可解释的心脏超声分析，以提高患者护理和治疗计划	利用自监督学习在无标签数据上发现特征，生成可解释的心脏解剖子区域分割，提高模型的稳健性和可解释性	需要大量无标签数据进行预训练，且依赖公开数据集的可用性	解决医学影像中标签数据稀缺的问题，提升心脏影像分析的效率和可解释性	心脏超声影像	医学影像分析	心血管疾病	自监督学习	Transformer (STEGO网络) 和 DINO	影像	大量无标签数据集和公开数据集
5547	2025-05-27	Optimised Hybrid Attention-Based Capsule Network Integrated Three-Pathway Network for Chronic Disease Detection in Retinal Images 2025-Jun, Journal of evaluation in clinical practice IF:2.1Q2 DOI:10.1111/jep.70126 PMID:40415584	research paper	该研究提出了一种优化的深度学习系统，用于检测视网膜图像中的慢性疾病，并解决现有问题	结合优化的混合注意力胶囊网络和三通路网络，提高了慢性疾病检测的准确性和效率	可能存在计算成本高和过拟合的问题	开发一种优化的深度学习系统，用于检测视网膜图像中的慢性疾病	视网膜图像	digital pathology	chronic disease	Normalization, HSI Colour Conversion	Inception-V3, ResNet-152, Conv-ViT, Hybrid Attention-based Capsule Network	image	Diabetic Retinopathy 224×224 (2019 Data) 和 APTOS-2019 数据集
5548	2025-05-27	Toward Accurate PAH IR Spectra Prediction: Handling Charge Effects with Classical and Deep Learning Models 2025-May-26, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c00372 PMID:40339059	研究论文	本研究利用机器学习和深度学习模型预测多环芳烃（PAHs）的红外光谱，特别关注中性及电离分子的光谱预测	首次实现了带电PAHs红外光谱的快速准确预测，并引入了XGBoost和GNN两种模型	异原子PAHs数据稀缺	提高PAHs红外光谱预测的准确性，特别是针对带电分子	多环芳烃（PAHs）的中性和电离分子	机器学习	NA	机器学习（ML）、图神经网络（GNN）	XGBoost、GNN	分子图表示、Morgan指纹	NA
5549	2025-05-27	Predicting the Brain-To-Plasma Unbound Partition Coefficient of Compounds via Formula-Guided Network 2025-May-26, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c00590 PMID:40340403	research paper	该研究通过建立公开的大鼠数据集并开发公式引导的深度学习模型CMD-FGKpuu，预测脑-血浆未结合分配系数，以评估血脑屏障通透性	开发了公式引导的深度学习模型CMD-FGKpuu，并在多个基准测试中表现良好，展示了深度学习在预测脑-血浆未结合分配系数中的潜力	现有经验评分模型的通用性和适用性尚未充分探索，且数据稀缺，多为内部数据	预测脑-血浆未结合分配系数，以评估血脑屏障通透性，为药物开发提供有效工具	大鼠	machine learning	NA	深度学习	CMD-FGKpuu	实验数据	NA
5550	2025-05-27	Optimizing MRI sequence classification performance: insights from domain shift analysis 2025-May-26, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-11671-5 PMID:40418319	研究论文	本研究通过评估预训练模型在成人到儿科MRI数据领域转移条件下的有效性，优化了MRI序列分类性能	结合CNN和Transformer的混合架构MedViT模型在领域转移条件下表现出色，并通过专家领域知识调整进一步提升准确性	研究仅针对成人到儿科MRI数据的领域转移问题，未涉及其他类型的领域转移	解决多中心研究中MRI序列分类因成像协议变异性导致的领域转移问题	成人和儿科MRI数据	医学影像分析	NA	MRI序列分类	ResNet-18, MedViT(CNN-Transformer混合模型)	MRI图像	成人MRI数据集用于训练，儿科MRI数据集用于测试
5551	2025-05-27	Applications of artificial intelligence in abdominal imaging 2025-May-26, Abdominal radiology (New York) DOI:10.1007/s00261-025-04990-0 PMID:40418375	review	本文综述了人工智能在腹部影像学中的应用及其潜力	探讨了AI在腹部影像学中的创新应用，包括疾病检测、分类和个性化护理	数据异质性、缺乏多中心验证、依赖回顾性单中心研究以及AI模型的'黑箱'性质限制了广泛应用	研究AI在腹部影像学中的应用及其对疾病检测、分类和个性化护理的影响	腹部影像学中的多种疾病，如弥漫性肝实质疾病、局灶性肝脏病变、胰腺导管腺癌（PDAC）、肾脏肿瘤和肠道病变	digital pathology	liver cancer, pancreatic cancer, renal tumors, bowel pathologies	deep learning, radiomics	NA	image	NA
5552	2025-05-27	Training a deep learning model to predict the anatomy irradiated in fluoroscopic x-ray images 2025-May-26, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-025-03422-0 PMID:40418509	研究论文	开发一种深度学习算法，用于从荧光X射线图像中预测受辐照的解剖区域，以提高患者剂量估计的精确性	提出了一种结合ResNet架构和元数据处理的方法，能够有效整合患者特定信息（年龄和性别），实现从2D图像到特定解剖坐标的精确转换	在婴儿体模的Z坐标预测中存在较大误差，主要由于训练数据中这些区域的代表性不足	提高荧光引导干预（FGI）中患者剂量估计的准确性	荧光X射线图像和计算体模中的解剖区域	计算机视觉	NA	DeepDRR模拟和ResNet深度学习	ResNet	图像	多样化的模拟荧光图像数据集，涵盖不同区域和视野大小
5553	2025-05-27	Deep learning-based identification of vertebral fracture and osteoporosis in lateral spine radiographs and DXA vertebral fracture assessment to predict incident fracture 2025-May-24, Journal of bone and mineral research : the official journal of the American Society for Bone and Mineral Research IF:5.1Q1 DOI:10.1093/jbmr/zjaf050 PMID:40167218	研究论文	利用深度学习从脊柱侧位X光片和DXA椎体骨折评估图像中识别椎体骨折和骨质疏松症，以提高老年人骨折风险评估	开发了深度学习模型用于检测椎体骨折和骨质疏松症，并在两个独立的数据集上验证了其性能	研究依赖于特定医疗机构的数据，可能限制了模型的泛化能力	提高老年人骨折风险的预测准确性	脊柱侧位X光片和DXA椎体骨折评估图像	数字病理学	骨质疏松症	深度学习	DL模型	图像	VERTE-X队列：9276名个体的26299张脊柱侧位X光片；KURE队列：部分DXA VFA数据集
5554	2025-05-27	Deep learning algorithms reveal genomic markers for anxiety disorder in a large cohort of children with down syndrome 2025-May-24, Molecular psychiatry IF:9.6Q1 DOI:10.1038/s41380-025-03065-2 PMID:40413309	研究论文	本研究利用深度学习算法分析唐氏综合征儿童的大规模全基因组测序数据，探索与焦虑障碍相关的基因组标记	首次在唐氏综合征人群中结合WGS数据和深度学习模型全面研究焦虑障碍的分子机制，发现其独特的基因组模式	样本量相对有限（74名确诊焦虑障碍的DS患者），环境因素影响未完全量化	解析唐氏综合征患者焦虑障碍的分子机制以指导临床诊疗	1479名唐氏综合征个体及家庭成员（含255名确诊精神障碍的DS先证者，其中74名患焦虑障碍）	基因组学	唐氏综合征/焦虑障碍	全基因组测序(WGS)	神经网络	基因组数据	1479个样本（含255名DS精神障碍患者，其中74名焦虑障碍）
5555	2025-05-27	Deep learning and iterative image reconstruction for head CT: Impact on image quality and radiation dose reduction-Comparative study 2025-May-23, The neuroradiology journal DOI:10.1177/19714009251345108 PMID:40406852	研究论文	本研究通过比较深度学习图像重建算法（DLIR）与自适应统计迭代重建-V（ASIR-V）在非增强头部CT中的表现，评估了DLIR在提高图像质量和减少辐射剂量方面的能力	首次在非增强头部CT中比较了DLIR与ASIR-V在图像质量和辐射剂量减少方面的效果，并展示了DLIR的显著优势	剂量减少功能不足以弥补宽探测器扫描仪中缺乏机架角度调整的问题，且样本量较小（35例患者）	评估深度学习图像重建算法（DLIR）在非增强头部CT中提高图像质量和减少辐射剂量的能力	非增强头部CT扫描图像	医学影像处理	头部疾病	深度学习图像重建（DLIR）和自适应统计迭代重建-V（ASIR-V）	深度学习模型	CT图像	35例患者的163次连续非增强头部CT扫描
5556	2025-05-27	Mondragon Unibertsitatea face-milling dataset for smart tool condition monitoring 2025-May-23, Scientific data IF:5.8Q1 DOI:10.1038/s41597-025-05168-5 PMID:40410157	research paper	该文章介绍了Mondragon Unibertsitatea（MU）高性能加工实验室中进行的面向智能刀具状态监测（TCM）的端面铣削实验数据集	提供了包含多种信号（切削力、振动信号、声发射信号）的端面铣削数据集，支持机器学习与深度学习在TCM中的应用，并促进仅使用内部CNC信号的工业解决方案开发	未提及数据集的具体规模或覆盖的工业场景范围	推动智能刀具状态监测（TCM）的研究与工业应用之间的结合	端面铣削过程中的刀具磨损监测	智能制造	NA	传感器信号采集（切削力、振动、声发射）与Python脚本验证	机器学习与深度学习（未指定具体模型）	多模态信号数据（力、振动、声发射）	未明确说明实验次数或刀具磨损测量样本量
5557	2025-05-27	Deep learning-based reconstruction of monthly Antarctic surface air temperatures from 1979 to 2023 2025-May-23, Scientific data IF:5.8Q1 DOI:10.1038/s41597-025-05175-6 PMID:40410240	研究论文	利用深度学习方法从1979年至2023年重建南极月表面气温数据	开发了一个新的、定期更新的、时空完整的南极月表面气温数据集，采用深度学习方法整合多源现场观测数据，提高了温度趋势空间分布特征的准确性	依赖于全球再分析数据集和有限的气象站点数据进行训练和验证，可能在某些区域存在数据偏差	研究南极气候变化及其全球影响	南极表面气温数据	机器学习	NA	深度学习	深度学习模型	气温数据	1979年至2023年的月数据，空间分辨率为1° x 1°
5558	2025-05-27	Development and validation of a multi-omics hemorrhagic transformation model based on hyperattenuated imaging markers following mechanical thrombectomy 2025-May-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-02056-1 PMID:40410254	研究论文	开发并验证了一个基于机械取栓后高衰减成像标志物的多组学出血转化预测模型	整合临床、放射组学和深度学习特征，开发了一个新的预测模型，用于非侵入性预测出血转化	研究样本量相对较小，且仅在内部前瞻性队列中进行了验证	预测机械取栓后出血转化的风险	239名接受机械取栓并出现高衰减成像标志物的患者	数字病理学	心血管疾病	放射组学特征提取、深度学习特征提取	K-最近邻分类器	图像	239名患者（训练队列191名，验证队列48名），内部前瞻性测试队列49名
5559	2025-05-27	A roll attitude determination method based on the jamming energy of GEO satellites and an LSTM neural network 2025-May-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-01174-0 PMID:40410250	研究论文	提出了一种基于GEO卫星干扰能量和LSTM神经网络的滚动姿态确定方法	首次将GEO卫星的干扰能量信息与LSTM神经网络结合用于滚动姿态确定，相比传统最小二乘法显著降低了误差	未明确说明方法在极端环境或复杂干扰条件下的适用性	提高旋转飞行器滚动姿态的实时测定精度	旋转飞行器的滚动姿态	机器学习	NA	LSTM神经网络	LSTM	卫星能量信号数据	未明确说明具体样本数量，但进行了实时旋转飞行器测试
5560	2025-05-27	Multimodal fusion model for prognostic prediction and radiotherapy response assessment in head and neck squamous cell carcinoma 2025-May-23, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-025-01712-0 PMID:40410262	research paper	开发了一个多模态深度学习模型（MDLM），用于头颈部鳞状细胞癌（HNSCC）的预后预测和术后放疗反应评估	整合了计算机断层扫描、全切片图像和临床特征的多模态深度学习模型，在预测总体生存率和无病生存率方面表现出色，并优于单模态模型	模型性能虽好，但需要进一步验证其在更广泛人群中的适用性	提高头颈部鳞状细胞癌的预后预测和术后放疗反应评估的准确性，以实现个性化治疗	1087名头颈部鳞状细胞癌患者	digital pathology	head and neck squamous cell carcinoma	multimodal deep learning	MDLM	image, clinical features	1087名HNSCC患者