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
41	2025-05-03	Prognostic value of manual versus automatic methods for assessing extents of resection and residual tumor volume in glioblastoma 2025-May-01, Journal of neurosurgery IF:3.5Q1 DOI:10.3171/2024.8.JNS24415 PMID:39823581	research paper	比较手动与自动方法评估胶质母细胞瘤切除范围和残留肿瘤体积的预后价值	使用Raidionics开源软件和预训练深度学习模型进行自动分割，比较其与手动方法在预后评估中的效果	未发现全切除与近全切除（90%-99%）在预后上的显著差异	评估自动与手动方法在胶质母细胞瘤预后中的价值	成年胶质母细胞瘤患者	digital pathology	glioblastoma	deep learning	pretrained deep learning models	image	来自欧洲和北美12家医院的成年胶质母细胞瘤患者
42	2025-05-03	VGX: VGG19-Based Gradient Explainer Interpretable Architecture for Brain Tumor Detection in Microscopy Magnetic Resonance Imaging (MMRI) 2025-May, Microscopy research and technique IF:2.0Q3 DOI:10.1002/jemt.24809 PMID:39825619	research paper	该研究提出了一种基于VGG19的梯度解释器可解释架构，用于显微镜磁共振成像(MMRI)中的脑肿瘤检测	结合了可解释AI(XAI)技术，使用梯度解释器来解释分类结果，提高了模型决策的可解释性	尽管准确率高，但结果的解释性仍存在疑问	开发一种自动化的微脑肿瘤识别方法	脑肿瘤	digital pathology	brain tumor	microscopy magnetic resonance imaging (MMRI)	VGG19, XAI	image	包含不同大小和类型的肿瘤样本，来自显微镜和MRI数据源
43	2025-05-03	Comparison of individualized facial growth prediction models using artificial intelligence and partial least squares based on the Mathews growth collection 2025-May-01, The Angle orthodontist DOI:10.2319/082124-687.1 PMID:39884314	research paper	本研究开发并比较了基于人工智能和偏最小二乘法的个体化面部生长预测模型	首次将TabNet深度神经网络应用于面部生长预测，并展示了AI模型在预测精度上优于传统PLS方法	样本量相对较小（33名受试者），且仅使用了Mathews生长收集库的数据	开发并比较不同面部生长预测模型的性能	面部生长变化（包括硬组织和软组织标志点）	computer vision	NA	deep learning, partial least squares	TabNet, PLS	image	33名受试者的1257对生长前后侧位头颅X光片
44	2025-05-03	Harnessing omics data for drug discovery and development in ovarian aging 2025-May-01, Human reproduction update IF:14.8Q1 DOI:10.1093/humupd/dmaf002 PMID:39977580	review	该综述综合了关于卵巢衰老的多组学数据，探讨如何利用这些数据发现新的药物靶点并指导治疗策略	结合单细胞技术和空间转录组学等前沿组学技术，利用AI模型预测候选药物靶点，为个性化医疗和精准治疗提供新途径	仅限于截至2024年9月的英文文献，可能遗漏非英语研究	探索卵巢衰老的分子机制，发现减缓或逆转卵巢衰老的药物靶点	卵巢衰老相关的多组学数据（基因组、转录组、蛋白质组、代谢组、微生物组）	生物信息学	卵巢衰老	多组学分析（基因组、转录组、蛋白质组、代谢组、微生物组）、单细胞技术、空间转录组学、GWAS、全外显子测序、PheWAS、孟德尔随机化	AI、深度学习、机器学习	多组学数据	NA
45	2025-05-03	Feedback Attention to Enhance Unsupervised Deep Learning Image Registration in 3D Echocardiography 2025-May, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3530501 PMID:40030923	研究论文	提出了一种新的空间反馈注意力模块（FBA）来增强无监督3D深度学习图像配准（DLIR）在超声心动图中的应用	引入了空间反馈注意力模块（FBA），通过生成共注意力图来描述剩余配准误差，并将其反馈给DLIR以提高配准精度	未明确提及具体局限性	提高3D超声心动图中无监督深度学习图像配准的精度和效率	3D超声心动图数据	计算机视觉	心血管疾病	深度学习图像配准（DLIR）	CNN, Transformer	3D图像	胎儿和成人3D超声心动图数据
46	2025-05-03	Model-Based Convolution Neural Network for 3D Near-Infrared Spectral Tomography 2025-May, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3529621 PMID:40031020	research paper	开发了一种结合扩散方程模型和卷积神经网络的近红外光谱断层扫描重建算法（Model-CNN）	Model-CNN算法通过CNN学习正则化先验，将解限制在理想的色团浓度图像空间，显著提高了图像重建质量	Model-CNN未在患者数据上进行训练，仅使用了模拟的简单几何形状和光学源-探测器配置的幻影数据	解决近红外光谱断层扫描（NIRST）图像重建中的不适定和病态计算问题	生物组织的功能信息	computer vision	NA	NIRST	CNN	image	数值模拟数据、物理幻影数据和临床患者NIRST数据
47	2025-05-03	MIP-Enhanced Uncertainty-Aware Network for Fast 7T Time-of-Flight MRA Reconstruction 2025-May, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3528402 PMID:40031037	research paper	提出了一种结合深度展开和证据深度学习的7T TOF-MRA加速重建模型，支持不确定性量化并提高MIP图像质量	结合深度展开和证据深度学习，提供MRI重建和不确定性量化，并引入MIP损失函数以提高MIP图像质量	实验数据仅基于内部多线圈7T TOF-MRA数据集，未涉及外部验证	加速7T TOF-MRA重建并提高血管重建的可靠性	颅内血管系统的7T TOF-MRA图像	医学影像处理	脑血管疾病	7T TOF-MRA	深度展开与证据深度学习结合模型	MRI图像	相对较大的内部多线圈7T TOF-MRA数据集
48	2025-05-03	Navigating Through Whole Slide Images With Hierarchy, Multi-Object, and Multi-Scale Data 2025-May, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3532728 PMID:40031287	research paper	提出了一种名为Navigator的视觉模型，用于在少量训练样本下快速分割全幻灯片图像（WSIs），并引入半监督框架S5CL v2处理稀疏标注样本	Navigator模型模仿病理学家的多尺度诊断工作流程，通过低尺度搜索感兴趣区域并逐步放大定位更精细的微解剖类别，同时采用S5CL v2半监督框架处理稀疏标注样本	未明确提及具体局限性	解决计算病理学中在少量训练样本下快速分割全幻灯片图像的挑战	全幻灯片图像（WSIs）中的组织学图像	digital pathology	NA	deep learning, semi-supervised learning	Navigator, S5CL v2	image	TCGA-COAD-30CLS和Erlangen队列数据集
49	2025-05-03	Deep learning-aided preparation and mechanism revaluation of waste wood lignocellulose-based flame-retardant composites 2025-May, International journal of biological macromolecules IF:7.7Q1 DOI:10.1016/j.ijbiomac.2025.141690 PMID:40043971	研究论文	本研究提出了一种利用深度学习辅助制备废木材基阻燃复合材料的方法，并重新评估了其阻燃机制	结合深度学习模型预测复合材料的阻燃性能，实现了废木材的高值化利用	未明确说明实验样本的具体数量及模型在其他类型废木材上的泛化能力	实现建筑行业废木材的高效回收利用，促进绿色低碳发展	废木材基阻燃复合材料	机器学习	NA	深度学习	LSTM	材料性能数据	NA
50	2025-05-03	Spiking-PhysFormer: Camera-based remote photoplethysmography with parallel spike-driven transformer 2025-May, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.107128 PMID:39817982	研究论文	提出了一种名为Spiking-PhysFormer的混合神经网络模型，用于基于摄像头的远程光电容积描记术（rPPG），旨在降低功耗	首次将脉冲神经网络（SNN）引入rPPG领域，设计了并行脉冲驱动的变压器块和简化的脉冲自注意力机制，显著降低了功耗	NA	开发一种能效更高的深度学习方法，用于从面部视频中测量心脏活动和生理信号	面部视频中的脉搏波、心率和呼吸率等生理信号	计算机视觉	NA	远程光电容积描记术（rPPG）	Spiking-PhysFormer（混合神经网络，包含ANN和SNN）	视频	四个数据集（PURE、UBFC-rPPG、UBFC-Phys和MMPD）
51	2025-05-03	The Use of Maximum-Intensity Projections and Deep Learning Adds Value to the Fully Automatic Segmentation of Lesions Avid for [18F]FDG and [68Ga]Ga-PSMA in PET/CT 2025-May-01, Journal of nuclear medicine : official publication, Society of Nuclear Medicine IF:9.1Q1 DOI:10.2967/jnumed.124.269067 PMID:40081959	research paper	本研究探讨了在[F]FDG和[Ga]Ga-PSMA PET/CT扫描中使用最大强度投影(MIP)图像结合深度学习(DL)进行全自动病灶分割的附加价值	结合MIP图像和深度学习技术，提出了一种改进的全自动病灶分割方法，并在[F]FDG PET/CT扫描中显示出减少假阳性病灶和改善肿瘤负荷量化的潜力	在[Ga]Ga-PSMA PET/CT扫描中，与标准DL方法相比未观察到显著性能提升	评估MIP图像在PET/CT扫描全自动病灶分割中的附加价值	[F]FDG和[Ga]Ga-PSMA PET/CT扫描中的病灶	digital pathology	melanoma, lymphoma, lung cancer, prostate cancer	PET/CT, deep learning	3-dimensional U-Net	medical imaging	489例[F]FDG PET/CT扫描(391训练/98测试)和117例外部测试集，355例[Ga]Ga-PSMA PET/CT扫描(285训练/70测试)
52	2025-05-03	Predicting Respiratory Disease Mortality Risk Using Open-Source AI on Chest Radiographs in an Asian Health Screening Population 2025-May, Radiology. Artificial intelligence DOI:10.1148/ryai.240628 PMID:40172326	research paper	评估开源深度学习算法CXR-Lung-Risk在亚洲健康筛查人群中预测呼吸系统疾病死亡风险的预后价值	使用开源AI模型CXR-Lung-Risk对胸片进行风险分层，并通过纵向分析探索基线及随访胸片的动态变化	单中心回顾性研究，样本来源有限，且仅针对亚洲人群	预测呼吸系统疾病死亡风险，优化健康筛查中的风险分层方法	亚洲健康筛查人群的基线及随访胸片	digital pathology	lung cancer	deep learning	CXR-Lung-Risk	image	36,924名个体（中位年龄58岁，22,352名男性）
53	2025-05-03	CMV2U-Net: A U-shaped network with edge-weighted features for detecting and localizing image splicing 2025-May, Journal of forensic sciences IF:1.5Q2 DOI:10.1111/1556-4029.70033 PMID:40177991	research paper	提出了一种名为CMV2U-Net的边缘加权U型网络，用于检测和定位图像拼接伪造	设计了能够同时处理两路输入图像的特征提取模块，并采用分层融合方法和通道注意力机制来防止浅层特征数据丢失并监控多级操作轨迹	未明确提及具体局限性	改进深度学习在图像拼接检测中的特征融合和特征提取能力	图像拼接伪造的检测与定位	computer vision	NA	deep learning	U-Net	image	多个公共数据集（未明确数量）
54	2025-05-03	The phase-seeding method for solving non-centrosymmetric crystal structures: a challenge for artificial intelligence 2025-May-01, Acta crystallographica. Section A, Foundations and advances DOI:10.1107/S2053273325002797 PMID:40243167	研究论文	本文提出了一种新的相位种子方法，用于解决非中心对称晶体结构的问题，并探讨了其在人工智能中的应用	该方法将非中心对称结构的初始相位值离散化为几个不同的值，从而将复杂的相位问题从连续回归任务简化为多类分类问题	需要进一步验证该方法在大规模结构或低分辨率数据中的适用性	解决非中心对称晶体结构的相位问题，扩展人工智能在晶体学中的应用	非中心对称晶体结构	晶体学	NA	相位种子方法	深度学习模型	晶体衍射数据	小型、中型和大型结构
55	2025-05-03	Artificial intelligence in retinal image analysis for hypertensive retinopathy diagnosis: a comprehensive review and perspective 2025-May-01, Visual computing for industry, biomedicine, and art DOI:10.1186/s42492-025-00194-x PMID:40307650	review	本文综述了人工智能在视网膜图像分析中用于高血压视网膜病变诊断的最新进展和前景	探讨了最新的机器学习和深度学习技术在高血压视网膜病变诊断中的应用及其早期诊断和干预的潜力	未提及具体的技术或模型的局限性	推动高血压视网膜病变诊断领域的发展，探索自动视网膜图像分析的创新方法	高血压视网膜病变（HR）及其在视网膜图像中的表现	digital pathology	cardiovascular disease	machine learning, deep learning	NA	image	NA
56	2025-05-03	Rectified Binary Network for Single-Image Super-Resolution 2025-May, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3438432 PMID:39208050	研究论文	本文研究了二进制神经网络在单图像超分辨率任务中的应用，提出了一种新的激活校正推理模块和自适应近似估计器以提高性能	提出了激活校正推理（ARI）模块和自适应近似估计器（AAE），以增强二进制神经网络的表示能力并优化梯度估计	未明确提及具体限制，但二进制神经网络在处理复杂特征分布时可能仍存在性能瓶颈	提高二进制神经网络在单图像超分辨率任务中的性能	二进制神经网络和单图像超分辨率任务	计算机视觉	NA	二进制神经网络	CNN	图像	多个基准测试数据集（具体数量未提及）
57	2025-05-03	Research on adversarial identification methods for AI-generated image software Craiyon V3 2025-May, Journal of forensic sciences IF:1.5Q2 DOI:10.1111/1556-4029.70034 PMID:40156229	研究论文	本文研究了针对AI生成图像软件Craiyon V3的对抗性识别方法，旨在为司法实践提供可靠的决策依据	引入基于分数的似然比方法来评估证据强度，并在多种阈值分类器上实现了超过99%的准确率	研究仅针对Craiyon V3生成的图像，未涵盖其他AI生成图像软件	开发对抗性识别方法以区分AI生成图像，保障司法公正	Craiyon V3软件生成的图像	计算机视觉	NA	深度学习	Swin-Transformer, ResNet-18	图像	18,000张由Craiyon V3生成的图像
58	2025-05-03	Reconstructing and predicting stochastic dynamical systems using probabilistic deep learning 2025-May-01, Chaos (Woodbury, N.Y.) DOI:10.1063/5.0248312 PMID:40310707	研究论文	本研究提出了一种深度随机时间延迟嵌入模型，用于改进随机动力系统的数据驱动重建和预测	将不确定性学习整合到深度学习模型中，构建深度概率捕捉器以捕获重建映射中的不确定性信息，并将其作为元信息整合到时间延迟嵌入的重建过程中	NA	提高随机动力系统的预测准确性和鲁棒性	随机动力系统	机器学习	NA	深度学习	深度随机时间延迟嵌入模型	时间序列数据	Lorenz系统和真实世界数据集
59	2025-05-03	Transformer-based Koopman autoencoder for linearizing Fisher's equation 2025-May-01, Chaos (Woodbury, N.Y.) DOI:10.1063/5.0244221 PMID:40310706	研究论文	提出了一种基于Transformer的Koopman自编码器，用于线性化Fisher的反应-扩散方程	使用深度学习技术发现反应-扩散系统中的复杂时空模式，并将系统动态转化为更易理解的线性形式	完全依赖数据，不要求了解基础方程，可能对未知方程的数据集适用性有限	通过深度学习技术线性化反应-扩散方程，并预测系统演化	Fisher的反应-扩散方程、Kuramoto-Sivashinsky方程和Burger's方程	机器学习	NA	深度学习	Transformer-based Koopman autoencoder	数值模拟数据	60,000个初始条件的数据集
60	2025-05-03	Digital Staining with Knowledge Distillation: A Unified Framework for Unpaired and Paired-But-Misaligned Data 2025-May-01, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3565329 PMID:40310741	研究论文	提出了一种基于知识蒸馏的无监督深度学习框架，用于数字细胞染色，减少了对大量配对数据的需求	提出了一种新颖的无监督深度学习框架，通过知识蒸馏减少对配对数据的需求，并探索了未配对和配对但未对齐两种训练方案	未提及具体的数据集规模或实验的广泛性	开发一种无需大量配对数据的数字细胞染色方法	细胞图像，特别是白细胞（WBC）数据集	数字病理学	NA	知识蒸馏，深度学习	教师-学生模型	图像	未提及具体样本数量，但使用了白细胞（WBC）数据集