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
5661	2025-03-20	The impact of multi-modality fusion and deep learning on adult age estimation based on bone mineral density 2025-Mar-18, International journal of legal medicine IF:2.2Q1 DOI:10.1007/s00414-025-03432-2 PMID:40100354	研究论文	本研究旨在通过结合多模态融合策略和深度学习技术，基于骨密度（BMD）提高成人年龄估计的准确性	创新点在于将多模态融合策略与深度学习相结合，显著提高了基于骨密度的成人年龄估计的准确性	研究主要基于中国人群的CT扫描数据，可能在其他种族或地区的适用性有限	提高基于骨密度的成人年龄估计的准确性	4296例中国人群的CT扫描数据，涵盖腰椎、股骨和耻骨模态	机器学习	老年疾病	深度学习	深度学习模型	CT扫描图像	4296例CT扫描数据（内部验证队列644例，外部尸体验证队列351例）
5662	2025-03-20	Oculomics approaches using retinal imaging to predict mental health disorders: a systematic review and meta-analysis 2025-Mar-18, International ophthalmology IF:1.4Q3 DOI:10.1007/s10792-025-03500-x PMID:40100514	meta-analysis	本文通过系统回顾和荟萃分析评估了眼组学方法（包括深度学习、机器学习和逻辑回归模型）在使用视网膜成像检测主要精神障碍中的诊断性能	首次系统评估了眼组学方法在精神障碍诊断中的应用，并揭示了其高诊断准确性	所有研究均存在高偏倚风险，主要由于病例对照研究设计、缺乏外部验证和选择偏倚，部分模型存在过拟合问题	评估眼组学方法在使用视网膜成像检测精神障碍中的诊断性能	主要精神障碍（包括重度抑郁症、双相情感障碍、精神分裂症、强迫症和自闭症谱系障碍）	数字病理学	精神障碍	深度学习、机器学习、逻辑回归模型	NA	视网膜成像（包括彩色眼底摄影、光学相干断层扫描（OCT）和OCT血管成像）	11项研究中的13个诊断模型
5663	2025-03-20	Deep learning reconstruction for accelerated 3-D magnetic resonance cholangiopancreatography 2025-Mar-18, La Radiologia medica DOI:10.1007/s11547-025-01987-z PMID:40100541	研究论文	本研究比较了传统的三维磁共振胰胆管成像（MRCP）序列与深度学习加速的MRCP序列（MRCPDL）在采集时间和图像质量方面的差异	首次将深度学习技术应用于加速3-D MRCP序列，显著减少了采集时间并保持了图像质量	样本量较小（30名参与者），且仅在单一的三级中心进行	比较传统MRCP序列与深度学习加速MRCP序列的采集时间和图像质量	接受MRCP检查的连续患者	医学影像	NA	深度学习	NA	医学影像	30名参与者（16名男性，14名女性，平均年龄63±15岁）
5664	2025-03-20	Monitoring kidney microanatomy during ischemia-reperfusion using ANFIS optimized CNN 2025-Mar-18, International urology and nephrology IF:1.8Q3 DOI:10.1007/s11255-025-04449-7 PMID:40100537	研究论文	本文提出了一种基于自适应神经模糊推理系统优化的卷积神经网络（ANFIS-CNN）方法，用于监测肾脏疾病	提出了一种结合ANFIS和Resnet50的优化CNN方法，用于提高肾脏疾病的分类准确率	NA	提高肾脏疾病监测的分类准确率	肾脏微解剖结构	计算机视觉	肾脏疾病	光学相干断层扫描（OCT）	ANFIS-Resnet50 CNN	图像	NA
5665	2025-03-20	Total brain dose estimation in single-isocenter-multiple-targets (SIMT) radiosurgery via a novel deep neural network with spherical convolutions 2025-Mar-18, Medical physics IF:3.2Q1 DOI:10.1002/mp.17748 PMID:40100547	研究论文	本研究开发了一种基于球形卷积的深度学习模型，用于预测单等中心多目标（SIMT）立体定向放射外科（SRS）治疗计划中正常脑组织的剂量	提出了一种新颖的球形卷积神经网络（SCNN）模型，通过将3D体积数据投影到球形几何上进行剂量预测	研究仅基于106个SIMT病例，样本量相对较小，可能影响模型的泛化能力	开发一种深度学习模型，用于预测SIMT SRS治疗计划中正常脑组织的剂量，以提高治疗计划质量的一致性	单等中心多目标（SIMT）立体定向放射外科（SRS）治疗计划中的正常脑组织	数字病理学	脑部疾病	深度学习	球形卷积神经网络（SCNN）	3D体积数据	106个SIMT病例
5666	2025-03-20	Deep learning-based segmentation of ultra-low-dose CT images using an optimized nnU-Net model 2025-Mar-18, La Radiologia medica DOI:10.1007/s11547-025-01989-x PMID:40100539	研究论文	本研究旨在开发一种基于深度学习的管道，用于在超低剂量CT图像上进行器官分割	开发了专门用于噪声CT图像的LD-nnU-Net模型，相较于传统的高质量图像训练的模型，在超低剂量CT图像上表现出色	研究主要依赖于模拟的低剂量CT图像，实际低剂量CT图像的外部数据集验证较少	开发一种深度学习模型，用于在超低剂量CT图像上进行器官分割	274个CT原始数据集，包括全剂量和模拟低剂量CT图像	计算机视觉	NA	深度学习	nnU-Net	CT图像	274个CT原始数据集
5667	2025-03-20	Privacy-Preserving Data Augmentation for Digital Pathology Using Improved DCGAN 2025-Mar-18, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3551720 PMID:40100674	研究论文	本文提出了一种基于改进的深度卷积生成对抗网络（DCGAN）的数据增强方法，用于数字病理学中的全切片图像（WSI）分析	利用自监督预训练的CTransPath模型提取多样且具有代表性的WSI特征，引入最小二乘对抗损失和频域损失以提高像素级精度和结构保真度，并通过残差块和跳跃连接增加网络深度、缓解梯度消失并提高训练稳定性	实验仅在PatchCamelyon数据集上进行，未验证在其他数据集上的泛化能力	解决数字病理学中WSI数据集因隐私法规限制而可用性不足的问题，提升深度学习模型的性能和泛化能力	全切片图像（WSI）	数字病理学	肿瘤学	DCGAN	改进的DCGAN	图像	PatchCamelyon数据集
5668	2025-03-20	Multimodal feature-guided diffusion model for low-count PET image denoising 2025-Mar-18, Medical physics IF:3.2Q1 DOI:10.1002/mp.17764 PMID:40102174	研究论文	本文提出了一种新的多模态特征引导扩散模型（MFG-Diff），用于低计数PET图像去噪，并充分利用MRI信息	MFG-Diff模型通过引入新的退化操作符模拟PET成像的物理退化过程，并使用跨模态引导恢复网络和多模态特征融合模块，充分挖掘LPET和MR图像的模态特定特征	未明确提到具体局限性	研究目的是开发一种能够从低计数PET图像生成高质量标准计数PET图像的方法，以减少辐射暴露	低计数PET图像和MRI图像	计算机视觉	NA	扩散模型	MFG-Diff	图像	未明确提到样本数量
5669	2025-03-20	Histogram matching-enhanced adversarial learning for unsupervised domain adaptation in medical image segmentation 2025-Mar-18, Medical physics IF:3.2Q1 DOI:10.1002/mp.17757 PMID:40102198	研究论文	本文提出了一种基于直方图匹配增强的对抗学习方法（HMeAL-UDA），用于医学图像分割中的无监督域适应，并提供了模型预测的全面不确定性估计	提出了一种新的对抗学习方法，结合直方图匹配策略来减少模型复杂性并提高跨模态特征对齐的效果，同时通过蒙特卡洛dropout量化模型预测的不确定性	方法主要关注分割精度，虽然提供了不确定性估计，但未深入探讨其在临床决策中的具体应用	开发一种简单有效的无监督域适应方法，用于医学图像分割，并提供模型预测的不确定性估计	跨模态医学图像分割	医学图像分割	NA	对抗学习、直方图匹配、蒙特卡洛dropout	对抗学习模型	医学图像（MRI和CT）	30 MRI扫描（20来自CHAOS数据集，10来自内部数据集）和30 CT扫描（来自BTCV数据集），以及240 CT扫描和60 MRI扫描（来自AMOS数据集）
5670	2025-03-20	Magnetic resonance image generation using enhanced TransUNet in Temporomandibular disorder patients 2025-Mar-18, Dento maxillo facial radiology DOI:10.1093/dmfr/twaf017 PMID:40104864	研究论文	本研究开发了一种基于Transformer的深度学习模型，用于从质子密度加权图像生成T2加权图像，以减少颞下颌关节紊乱患者的MRI扫描时间	采用TransUNet架构的生成对抗网络框架，并集成椎间盘分割解码器以提高图像质量	NA	开发一种深度学习模型以减少颞下颌关节紊乱患者的MRI扫描时间	颞下颌关节紊乱患者	计算机视觉	颞下颌关节紊乱	MRI	TransUNet, GAN	图像	178名患者的7,226张图像
5671	2025-03-20	Monitoring and early warning of ovarian cancer using high-dimensional non-parametric EWMA control chart based on sliding window 2025-Mar-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-86576-w PMID:40091066	研究论文	本文开发了一种基于高维经验似然比检验的滑动窗口EWMA控制图，用于卵巢癌的监测和早期预警	提出了一种新的滑动窗口EWMA控制图，适用于高维数据且无需降维，避免了信息丢失，并能更快地检测指标变化和发出警报	未提及具体样本量，且仅通过肿瘤切除数据示例验证了方法的有效性，可能需要更多实际数据进一步验证	开发一种新的方法来监测和预测卵巢癌	卵巢肿瘤	机器学习	卵巢癌	高维经验似然比检验	EWMA控制图	高维数据	NA
5672	2025-03-20	A deep learning model based on chest CT to predict benign and malignant breast masses and axillary lymph node metastasis 2025-Mar-17, Biomolecules & biomedicine DOI:10.17305/bb.2025.12010 PMID:40100034	研究论文	本研究开发了一种基于胸部CT的深度学习模型，用于预测乳腺肿块的良恶性及腋窝淋巴结转移	利用胸部CT图像开发深度学习模型，用于乳腺肿块的良恶性分类及腋窝淋巴结转移预测，减少了对昂贵后续检查的需求	研究为回顾性设计，样本量相对较小，且仅使用了非增强胸部CT图像	提高乳腺病变的初步评估准确性，减少对昂贵后续检查的需求	482名乳腺肿块患者	计算机视觉	乳腺癌	胸部CT成像	ResNet-34, ResNet-50, ResNet-101	图像	482名患者（良性224例，恶性258例，其中腋窝淋巴结转移阳性91例，阴性167例）
5673	2025-03-20	Voxel-level radiomics and deep learning for predicting pathologic complete response in esophageal squamous cell carcinoma after neoadjuvant immunotherapy and chemotherapy 2025-Mar-15, Journal for immunotherapy of cancer IF:10.3Q1 DOI:10.1136/jitc-2024-011149 PMID:40090670	研究论文	本研究开发并验证了一种基于体素级放射组学和深度学习的模型，用于预测食管鳞状细胞癌患者在新辅助免疫治疗联合化疗后的病理完全缓解	提出了一种新的体素级放射组学方法，结合深度学习模型Vision-Mamba，用于预测病理完全缓解，并在多中心数据上验证了其性能	研究为回顾性研究，可能存在选择偏倚，且外部验证集的样本量较小	开发并验证一种基于术前CT图像的深度学习模型，用于预测食管鳞状细胞癌患者在新辅助免疫治疗联合化疗后的病理完全缓解	食管鳞状细胞癌患者	数字病理	食管鳞状细胞癌	CT成像	Vision-Mamba, 3D-ResNet, Vision Transformer	CT图像	741名患者（469名训练集，118名内部验证集，120名和34名外部验证集）
5674	2025-03-20	A Novel Artificial Intelligence Approach to Kennedy Classification for Partially Edentulous Patients Using Panoramic Radiographs 2025-Mar-13, The European journal of prosthodontics and restorative dentistry DOI:10.1922/EJPRD_2801Hassan09 PMID:40105321	研究论文	本研究旨在开发一种人工智能系统，用于从全景X光片中自动分类部分缺牙弓，并识别现有牙齿以进行自动报告	使用YOLOv8s深度学习模型进行牙齿检测，并结合Kennedy分类系统和Applegate规则进行部分缺牙弓的自动分类	数据集仅包含公开可用的全景X光片，可能无法涵盖所有临床情况	开发一种人工智能系统，用于自动分类部分缺牙弓并识别现有牙齿	部分缺牙患者	计算机视觉	NA	深度学习	YOLOv8s	图像	5261张匿名数字全景X光片，其中1875张高质量图像用于训练、验证和测试
5675	2025-03-20	Detection of Anomalies in Data Streams Using the LSTM-CNN Model 2025-Mar-06, Sensors (Basel, Switzerland) DOI:10.3390/s25051610 PMID:40096438	研究论文	本文对应用于数据流异常检测的深度学习方法进行了比较分析，并评估了创新的LSTM-CNN方法的效果	提出了创新的LSTM-CNN方法，并证明其在数据流异常检测中的有效性	仅使用了Yahoo! Webscope S5数据集进行实验，未在其他数据集上验证	比较不同深度学习模型在数据流异常检测中的性能	数据流中的异常检测	机器学习	NA	NA	LSTM, LSTM autoencoder, LSTM-CNN	数据流	Yahoo! Webscope S5数据集
5676	2025-03-20	Deep-Learning-Based Analysis of Electronic Skin Sensing Data 2025-Mar-06, Sensors (Basel, Switzerland) DOI:10.3390/s25051615 PMID:40096464	综述	本文综述了深度学习技术在电子皮肤（e-skin）数据分析中的应用，并探讨了当前挑战和未来发展方向	深度学习技术能够自动提取数据特征并识别模式，显著提升了对复杂e-skin数据的分析能力，特别是在处理多模态数据和实时响应方面	数据标注不足和计算资源需求高限制了e-skin的应用	探讨深度学习技术在e-skin数据分析中的应用，并为后续研究提供启发	电子皮肤（e-skin）数据	机器学习	NA	深度学习	卷积神经网络（CNN）、循环神经网络（RNN）、Transformer	时间序列数据、多模态数据	NA
5677	2025-03-20	Landsat Time Series Reconstruction Using a Closed-Form Continuous Neural Network in the Canadian Prairies Region 2025-Mar-06, Sensors (Basel, Switzerland) DOI:10.3390/s25051622 PMID:40096481	研究论文	本研究探讨了在加拿大草原地区使用封闭式连续深度神经网络（CFC）与循环神经网络（RNN）结合的CFC-mmRNN模型，用于重建1985年至今的Landsat时间序列	提出了一种新的CFC-mmRNN模型，显著提高了Landsat时间序列重建的准确性，相比传统方法在光谱波段上的精度提升了33%至42%	研究主要针对加拿大草原地区，可能在其他地理区域的适用性有待验证	提高Landsat时间序列重建的准确性，以支持更广泛的环境监测和预测应用	Landsat时间序列数据	遥感	NA	封闭式连续深度神经网络（CFC）与循环神经网络（RNN）结合	CFC-mmRNN	卫星图像	1985年至今的Landsat时间序列数据
5678	2025-03-20	YOLO-ACE: Enhancing YOLO with Augmented Contextual Efficiency for Precision Cotton Weed Detection 2025-Mar-06, Sensors (Basel, Switzerland) DOI:10.3390/s25051635 PMID:40096500	研究论文	本文提出了一种名为YOLO-ACE的改进模型，用于提高棉花田中杂草检测的精度和效率	YOLO-ACE通过集成上下文增强模块（CAM）和选择性核注意力机制（SKAttention），以及解耦检测头，提升了多尺度特征捕捉和动态调整感受野的能力	NA	提高棉花田中杂草检测的精度和效率，以满足现代农业杂草管理的严格要求	棉花田中的杂草	计算机视觉	NA	深度学习	YOLOv5s的改进版YOLO-ACE	图像	CottonWeedDet12 (CWD12) 数据集和CropWeed数据集
5679	2025-03-20	Machine Learning-Based Computer Vision for Depth Camera-Based Physiotherapy Movement Assessment: A Systematic Review 2025-Mar-05, Sensors (Basel, Switzerland) DOI:10.3390/s25051586 PMID:40096440	系统性综述	本文系统回顾了2020年至2024年间使用深度摄像头进行物理治疗运动评估的机器学习计算机视觉技术的研究进展	首次系统性地总结了深度摄像头在物理治疗运动评估中的应用、效果和局限性，并提出了未来研究方向	现实世界验证有限、数据集多样性不足、算法泛化能力有待提高	探索机器学习计算机视觉技术在物理治疗运动评估中的应用和效果	物理治疗运动评估	计算机视觉	NA	深度摄像头	传统机器学习和深度学习	RGB-D数据和骨骼数据	18篇符合纳入标准的研究
5680	2025-03-20	Automated Segmentation of Breast Cancer Focal Lesions on Ultrasound Images 2025-Mar-05, Sensors (Basel, Switzerland) DOI:10.3390/s25051593 PMID:40096452	研究论文	本文提出了一种自动化检测和分割乳腺超声图像中病理病变的方法	提出了一种结合随机森林分类器和基于像素亮度差异的病变轮廓选择的两阶段视频图像处理方法	深度学习方法的模型验证不足和训练数据库收集复杂	开发有效的算法用于乳腺超声图像的分割、分类和分析	乳腺超声图像中的病理病变	计算机视觉	乳腺癌	超声成像	随机森林分类器	超声视频	52个包含组织学证实的可疑病变的超声视频