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
5901	2025-02-27	Predicting joint space changes in knee osteoarthritis over 6 years: a combined model of TransUNet and XGBoost 2025-Feb-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-24-1397 PMID:39995733	研究论文	本研究通过深度学习方法和回归模型，开发了一种自动测量膝关节间隙宽度（JSW）的模型，并预测了第六年JSW的变化	结合TransUNet和XGBoost模型，显著提高了JSW测量的准确性，并仅使用两年的X射线图像实现了高精度的预测	研究依赖于特定数据库的数据，可能限制了模型的泛化能力	开发自动测量膝关节间隙宽度的模型，并预测第六年JSW的变化	膝关节X射线图像和临床数据	计算机视觉	骨关节炎	深度学习	TransUNet, XGBoost	图像, 临床数据	1,947名参与者的膝关节X射线图像
5902	2025-02-27	Deep learning for the detection of moyamoya angiopathy using T2-weighted images: a multicenter study 2025-Feb-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-24-1269 PMID:39995722	研究论文	本研究旨在开发一种基于T2加权成像（T2WI）的深度学习模型，用于检测烟雾病（MMA）	首次使用T2WI图像开发深度学习模型来检测MMA，并在多中心数据上验证了模型的性能	研究依赖于回顾性数据，可能存在选择偏差，且未考虑所有可能的混杂因素	开发并验证基于T2WI的深度学习模型，用于检测烟雾病（MMA）	烟雾病患者、正常MRA的对照组患者以及非MMA的脑血管疾病患者	计算机视觉	脑血管疾病	深度学习	SCNN, LeNet, VGG, ResNet, DenseNet	T2加权图像	1038名MMA患者、1211名正常MRA患者和271名非MMA的脑血管疾病患者
5903	2025-02-27	Combining pelvic floor ultrasonography with deep learning to diagnose anterior compartment organ prolapse 2025-Feb-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-24-772 PMID:39995742	研究论文	本研究结合深度学习与盆底超声技术，旨在提高前腔室器官脱垂的诊断速度和可靠性	首次将深度学习应用于盆底超声图像解读，以提升前腔室器官脱垂的诊断效率和准确性	研究为回顾性分析，可能受到数据质量和样本选择偏差的影响	提高盆底超声诊断前腔室器官脱垂的速度和可靠性，促进基层医疗机构的诊断和治疗	前腔室器官脱垂的女性患者	计算机视觉	妇科疾病	深度学习	CNN（包括AlexNet、VGG-16、ResNet-18和ResNet-50）	图像	1,805名女性（1,605名有前腔室器官脱垂，200名无脱垂）
5904	2025-02-27	A comprehensive review of deep learning-based approaches for drug-drug interaction prediction 2025-Jan-15, Briefings in functional genomics IF:2.5Q3 DOI:10.1093/bfgp/elae052 PMID:39987494	综述	本文综述了基于深度学习的药物-药物相互作用预测方法，包括相似性、网络和集成方法，为不同领域的研究者提供了最新且易于理解的指南	提供了多种药物-药物相互作用预测方法的全面综述，并深入分析了广泛使用的分子表示方法，以及从图数据中提取特征的理论框架	未提及具体实验验证或实际应用案例	探讨和总结基于深度学习的药物-药物相互作用预测方法	药物-药物相互作用	机器学习	NA	深度学习	NA	图数据	NA
5905	2025-02-27	Robust RNA secondary structure prediction with a mixture of deep learning and physics-based experts 2025, Biology methods & protocols IF:2.5Q3 DOI:10.1093/biomethods/bpae097 PMID:39811444	研究论文	本文提出了一种混合专家（MoE）方法，用于改善深度学习模型在单序列RNA二级结构预测中的分布外（OOD）泛化能力	通过结合深度学习和基于物理的模型，MoEFold2D方法实现了自动化的ID/OOD检测，并在不依赖训练数据的情况下，通过共识分析对测试序列进行分类，从而在ID和OOD序列上分别利用深度学习和基于物理的模型进行预测	未明确提及具体局限性	提高RNA二级结构预测的准确性和鲁棒性，特别是在分布外序列上的表现	RNA二级结构	机器学习	NA	深度学习，基于物理的模型	混合专家模型（MoE）	RNA序列数据	未明确提及样本数量
5906	2025-02-27	MRI-based whole-brain elastography and volumetric measurements to predict brain age 2025, Biology methods & protocols IF:2.5Q3 DOI:10.1093/biomethods/bpae086 PMID:39902188	研究论文	本文旨在开发一种基于大脑机械特性图的机器学习框架，以准确预测健康个体的实际年龄	结合磁共振弹性成像（MRE）和体积测量的多模态方法，利用3D卷积网络和传统统计模型预测大脑年龄，展示了MRE测量在大脑年龄模型中的补充价值	未来研究需提高模型对神经病理个体大脑完整性差异的敏感性	开发机器学习框架，从大脑机械特性图中准确预测个体的实际年龄	健康个体的大脑机械特性图	机器学习	神经退行性疾病	磁共振弹性成像（MRE）	3D卷积网络	图像	未明确提及样本数量
5907	2025-02-27	Enhanced swin transformer based tuberculosis classification with segmentation using chest X-ray 2025-Jan, Journal of X-ray science and technology IF:1.7Q3 DOI:10.1177/08953996241300018 PMID:39973770	研究论文	本文提出了一种基于深度学习的结核病分类与分割模型，通过胸部X光图像进行自动化诊断	结合了Adaptive Gaussian Filtering预处理、Attention UNet分割和Enhanced Swin Transformer分类模型，并采用Enhanced Lotus Effect Optimization算法优化损失函数	未提及模型在真实临床环境中的验证情况	提高结核病的早期检测准确性，减少人工诊断的时间和错误	胸部X光图像	计算机视觉	结核病	深度学习	Attention UNet, Enhanced Swin Transformer, Residual Pyramid Network based MLP	图像	未提及具体样本数量
5908	2025-02-27	Spine X-ray image segmentation based on deep learning and marker controlled watershed 2025-Jan, Journal of X-ray science and technology IF:1.7Q3 DOI:10.1177/08953996241299998 PMID:39973775	研究论文	本文提出了一种基于深度学习和标记控制分水岭的脊柱X光图像分割方法，旨在解决相邻椎骨的粘连问题并准确划分边界	创新点包括设计了一种新的骨方向损失（BD-Loss）来约束高分辨率网络（HRNet），并引入了位置信息感知模块（PIPM）以实现HRNet对VU-Net的引导，同时首次将HRNet和VU-Net的输出用于初始化标记控制分水岭算法	NA	开发自动椎骨分割方法，以客观分析脊柱图像中的每个椎骨，用于诊断各种脊柱疾病	脊柱X光图像	计算机视觉	脊柱疾病	深度学习，标记控制分水岭算法	HRNet, VU-Net	图像	两个脊柱X光数据集，分别包含颈椎矢状面图像和全脊柱冠状面图像
5909	2025-02-27	CT image super-resolution under the guidance of deep gradient information 2025-Jan, Journal of X-ray science and technology IF:1.7Q3 DOI:10.1177/08953996241289225 PMID:39973779	研究论文	本文提出了一种基于生成对抗学习的新型超分辨率网络，用于CT图像的超分辨率重建，通过梯度分支和超分辨率分支的结合，提供梯度信息指导，以生成更真实的细节纹理	提出了一种新的超分辨率网络，结合梯度分支和超分辨率分支，利用梯度信息指导超分辨率重建，并通过结合图像空间损失函数、梯度损失和梯度方差损失来生成更真实的细节纹理	未提及具体的局限性	提高CT图像的超分辨率重建质量，解决结构失真和细节模糊问题	CT图像	计算机视觉	NA	生成对抗学习	GAN	图像	模拟和实验数据
5910	2025-02-27	A study on CT detection image generation based on decompound synthesize method 2025-Jan, Journal of X-ray science and technology IF:1.7Q3 DOI:10.1177/08953996241296249 PMID:39973778	研究论文	本研究提出了一种基于分解合成方法（DSM）的CT检测图像生成算法，用于增强缺陷检测训练数据集	提出了一种新的CT检测图像生成算法DSM，通过分解图像生成过程为模型转换、背景生成和缺陷合成三个步骤，有效解决了小样本和类别不平衡问题	需要进一步优化生成算法和模型结构以提高缺陷检测模型的性能和准确性	解决小样本和类别不平衡问题，增强缺陷检测训练数据集	高温气冷堆（HTGR）中的核石墨和碳组件	计算机视觉	NA	螺旋CT技术	Contour-CycleGAN	图像	NA
5911	2025-02-27	Quantitative analysis of deep learning reconstruction in CT angiography: Enhancing CNR and reducing dose 2025-Jan, Journal of X-ray science and technology IF:1.7Q3 DOI:10.1177/08953996241301696 PMID:39973777	研究论文	本研究通过深度学习重建技术定量评估了CT血管造影中的对比噪声比增强和剂量减少效果	使用深度学习重建技术AiCE与传统FBP方法进行对比，评估了在不同对比剂浓度和管电流电压下的图像质量，展示了AiCE在提高对比噪声比和减少辐射剂量方面的潜力	研究仅基于体模设置进行，未涉及实际患者数据，可能影响结果的普适性	阐明传统FBP与深度学习重建技术AiCE在CT血管造影中的定量图像质量特征	CT血管造影图像	数字病理	心血管疾病	深度学习图像重建	AiCE	图像	八种碘浓度的体模设置
5912	2025-02-27	Radiomics and deep learning features of pericoronary adipose tissue on non-contrast computerized tomography for predicting non-calcified plaques 2025-Jan, Journal of X-ray science and technology IF:1.7Q3 DOI:10.1177/08953996241292476 PMID:39973776	研究论文	本研究结合放射组学和深度学习技术，基于非对比计算机断层扫描（CT）图像，预测冠状动脉非钙化斑块（NCP）的存在	首次结合放射组学和深度学习技术，利用非对比CT扫描的冠状动脉周围脂肪组织（PCAT）特征，预测NCP的存在	研究样本量有限，且仅在两中心进行验证，可能影响模型的泛化能力	探讨基于非对比CT扫描的PCAT放射组学和深度学习特征，结合临床风险因素，预测冠状动脉炎症和NCP的价值	353名患者的临床和影像数据	医学影像分析	心血管疾病	非对比CT扫描	XGBoost, Random Forest (RF)	影像数据	353名患者
5913	2025-02-27	Enhancing brain tumor classification by integrating radiomics and deep learning features: A comprehensive study utilizing ensemble methods on MRI scans 2025-Jan, Journal of X-ray science and technology IF:1.7Q3 DOI:10.1177/08953996241299996 PMID:39973780	研究论文	本研究评估了结合放射组学特征和深度学习特征在利用MRI扫描和集成学习技术对脑肿瘤进行分类中的有效性	结合放射组学特征和深度学习特征，并采用集成学习方法显著提高了脑肿瘤分类的准确性和可靠性	需要进一步通过额外的MRI序列和先进的机器学习技术来增强模型的泛化能力和精确度	评估结合放射组学特征和深度学习特征在脑肿瘤分类中的有效性	脑肿瘤（胶质瘤、脑膜瘤和垂体瘤）	计算机视觉	脑肿瘤	MRI扫描	3D卷积神经网络（CNN）、支持向量机（SVM）、决策树（DT）、随机森林（RF）、AdaBoost、Bagging、k近邻（KNN）、多层感知器（MLP）	图像	3064个T1加权对比增强脑MRI扫描
5914	2025-02-27	MRI classification and discrimination of spinal schwannoma and meningioma based on deep learning 2025-Jan, Journal of X-ray science and technology IF:1.7Q3 DOI:10.1177/08953996241289745 PMID:39973782	研究论文	本研究旨在通过构建基于深度学习的分类模型，利用磁共振图像（MRI）自动诊断脊髓神经鞘瘤和脑膜瘤，以促进早期诊断并减轻临床医生的压力	引入了选择性卷积核模块到原始CNN模型中，增强了网络对肿瘤特征的关注，有效提升了网络性能	研究样本量较小，仅包含74名患者，可能影响模型的泛化能力	构建一个深度学习模型，用于自动区分脊髓神经鞘瘤和脑膜瘤	脊髓神经鞘瘤（SCH）和脑膜瘤（MEN）患者	计算机视觉	脊髓肿瘤	MRI	CNN（ResNet34-SKConv）	图像	74名患者的MRI图像
5915	2025-02-27	Three-dimensional semi-supervised lumbar vertebrae region of interest segmentation based on MAE pre-training 2025-Jan, Journal of X-ray science and technology IF:1.7Q3 DOI:10.1177/08953996241301685 PMID:39973800	研究论文	本文提出了一种基于MAE预训练的三维半监督腰椎感兴趣区域分割方法，旨在提高临床骨密度检查中医生标注椎骨的效率	本文创新性地改进了原始MAE预训练网络的掩码策略，并采用半监督方法结合伪标签生成进行训练，有效提升了腰椎ROI的分割效果	该方法在有限标注数据条件下表现良好，但在完全无监督或数据分布差异较大的情况下可能效果有限	提高腰椎感兴趣区域自动分割的准确性和效率，以辅助临床骨密度检查	腰椎的三维图像数据	计算机视觉	NA	MAE预训练，半监督学习	MAE, UNetr	三维图像	NA
5916	2025-02-27	Mask R-CNN assisted diagnosis of spinal tuberculosis 2025-Jan, Journal of X-ray science and technology IF:1.7Q3 DOI:10.1177/08953996241290326 PMID:39973774	研究论文	本文提出了一种基于深度学习的辅助诊断方法，用于脊柱结核的诊断，采用改进的Mask R-CNN模型	通过引入ResPath和cbam*模块对原始Mask R-CNN模型进行改进，提升了模型性能	未提及具体的研究样本量及数据来源的多样性	开发一种准确且客观的脊柱结核诊断方法	脊柱结核的CT影像	计算机视觉	脊柱结核	深度学习	Mask R-CNN, Faster-RCNN, SSD	CT图像	NA
5917	2025-02-27	Evaluation of stroke sequelae and rehabilitation effect on brain tumor by neuroimaging technique: A comparative study 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0317193 PMID:39992898	研究论文	本研究旨在通过深度学习技术改进脑卒中后遗症和康复效果的评估，特别是脑损伤区域的准确识别和跟踪	引入了基于深度学习的SWI-BITR-UNet模型，结合SWIN Transformer的局部感受野和移位机制，以及U-Net架构中的有效特征融合策略，提高了多模态MRI扫描中脑损伤区域分割的准确性	研究中未提及模型在实际临床环境中的广泛验证和应用情况	改进脑卒中后遗症和康复效果的评估方法	脑卒中患者的脑损伤区域	数字病理学	脑卒中	深度学习	SWI-BITR-UNet, 3D CNN	3D MRI图像	使用Bra2020数据集进行评估
5918	2025-02-27	Optimizing Bi-LSTM networks for improved lung cancer detection accuracy 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0316136 PMID:39992919	研究论文	本研究比较了手工特征提取和深度学习在肺癌诊断中的效果，并优化了双向长短期记忆网络（Bi-LSTM）以提高肺癌检测的准确性	结合手工特征提取和深度学习，特别是优化Bi-LSTM网络，显著提高了肺癌检测的准确性	未提及样本的具体来源和多样性，可能影响模型的泛化能力	提高肺癌早期检测的准确性，改进诊断系统	肺癌	计算机视觉	肺癌	深度学习，手工特征提取	Bi-LSTM, SVM	医学图像	未明确提及
5919	2025-02-27	Contrast quality control for segmentation task based on deep learning models-Application to stroke lesion in CT imaging 2025, Frontiers in neurology IF:2.7Q3 DOI:10.3389/fneur.2025.1434334 PMID:39995787	研究论文	本文提出了一种基于深度学习模型的对比质量控制方法，用于CT成像中的中风病变分割任务	提出了一种评估图像数据集对比质量的方法，通过机器学习模型确定图像对比度的关键阈值，从而优化数据集设计和加速训练过程	该方法目前仅应用于CT图像中的中风病变分割，尚未在其他任务中验证其适应性	解决CT成像中中风病变分割的主要挑战之一——图像对比度问题	CT成像中的中风病变	数字病理学	中风	深度学习	NA	图像	NA
5920	2025-02-27	Deep Learning for Predicting Biomolecular Binding Sites of Proteins 2025, Research (Washington, D.C.) DOI:10.34133/research.0615 PMID:39995900	研究论文	本文探讨了深度学习在预测蛋白质-生物分子结合位点方面的应用及其对药物发现、突变分析和分子生物学的重要性	提出了结合序列和结构信息的混合模型，并引入了几何深度学习的创新方法，以提高预测准确性	计算需求高，动态建模复杂，且结构基础方法需要高质量的结构数据	开发计算效率高且灵活的模型，以捕捉现实世界中生物分子相互作用的复杂性，扩大结合位点预测在生物医学领域的应用范围	蛋白质-生物分子结合位点	机器学习	NA	深度学习	混合模型	序列数据, 结构数据	NA