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
581	2025-07-11	Examining feature extraction and classification modules in machine learning for diagnosis of low-dose computed tomographic screening-detected in vivo lesions 2024-Jul, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.11.4.044501 PMID:38993628	研究论文	本研究探讨了机器学习在医学影像中用于体内病变诊断的特征提取和分类模块的性能	比较了三种不同的特征提取方法（Haralick图像纹理特征、深度学习图像抽象特征和组织-能量特定特征），并发现组织-能量特定特征提取显著提高了诊断性能	研究仅针对肺部结节和结肠息肉的低剂量CT筛查检测病变，可能不适用于其他类型的病变或影像技术	评估特征提取和分类模块在机器学习辅助诊断中的性能	肺部结节和结肠息肉的病变影像	计算机视觉	肺癌和结肠癌	低剂量CT扫描	随机森林（RF）和卷积神经网络（CNN）	医学影像	三个病变影像数据集
582	2025-07-11	Projected pooling loss for red nucleus segmentation with soft topology constraints 2024-Jul, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.11.4.044002 PMID:38988992	research paper	提出一种基于投影池化的损失函数，用于在深度学习分割方法中引入软拓扑约束，以提高小训练集下的分割准确性和解剖学正确性	提出了一种新的损失函数，通过投影和最大池化操作引入软拓扑约束，减少分割过程中的拓扑错误和结构边界缺陷	未明确提及具体局限性，但可能在小样本训练集上的泛化能力仍需进一步验证	提高医学图像分割的准确性和解剖学正确性，特别是在小训练集情况下	红核（red nucleus）的分割，以及心脏、脾脏和海马体的分割	digital pathology	parkinsonian syndromes	quantitative susceptibility mapping (QSM)	deep learning	image	未明确提及具体样本数量，但涉及QSM数据和MSD挑战中的三个任务（心脏、脾脏和海马体）
583	2025-07-11	Lung vessel connectivity map as anatomical prior knowledge for deep learning-based lung lobe segmentation 2024-Jul, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.11.4.044001 PMID:38988990	研究论文	本研究探讨了将肺部血管系统的解剖学先验知识融入深度学习模型以提升胸部CT扫描中肺叶自动分割性能的潜在优势	提出利用肺部血管连接性（LVC）图谱作为解剖学先验知识，指导并增强深度学习模型在肺叶分割中的表现，特别是在呼气期CT扫描的边界区域	LVC信息带来的改进程度存在局限，其实际应用价值仍需进一步探索	提升胸部CT扫描中肺叶自动分割的准确性和泛化能力	胸部CT扫描图像中的肺叶结构	数字病理学	COVID-19	深度学习	U-Net, 多任务U-Net, 级联U-Net (基于nnU-Net框架)	CT图像	10例COVID-19病例数据
584	2025-07-11	Automated CT quantification of interstitial lung abnormality in patients with resectable stage I non-small cell lung cancer: Prognostic significance 2024-06, Thoracic cancer IF:2.3Q2 DOI:10.1111/1759-7714.15306 PMID:38682806	研究论文	本研究评估了基于Fleischner Society定义的自动量化间质性肺异常（ILA）在I期非小细胞肺癌（NSCLC）患者中的预测价值	使用深度学习自动量化程序评估术前CT数据，并基于Fleischner Society定义对患者进行分类	回顾性研究设计可能引入选择偏差	评估自动量化ILA在I期NSCLC患者中的预后意义	948名病理I期NSCLC患者	数字病理	肺癌	CT扫描	深度学习	图像	948名患者
585	2025-07-11	Automated Prediction of Proximal Middle Cerebral Artery Occlusions in Noncontrast Brain Computed Tomography 2024-06, Stroke IF:7.8Q1 DOI:10.1161/STROKEAHA.123.045772 PMID:38787932	研究论文	提出了一种基于机器学习的算法（JLK-CTL），利用非对比脑计算机断层扫描的手工特征预测大血管闭塞（LVO）	结合手工特征和深度学习算法，整合血栓征象作为额外特征，提高了LVO的预测准确性	研究样本来自特定时间段和医院，可能影响模型的泛化能力	早期识别缺血性卒中患者的大血管闭塞（LVO）以进行及时干预	缺血性卒中患者	数字病理学	心血管疾病	非对比计算机断层扫描（CT）和计算机断层扫描血管造影（CTA）	ExtraTrees, random forest, extreme gradient boosting, support vector machine, multilayer perceptron, deep learning	图像	2919名患者（2463名训练集，275名内部验证集，95名外部验证集）
586	2025-07-11	Quantitative evaluation of the impact of relaxing eligibility criteria on the risk-benefit profile of drugs for lung cancer based on real-world data 2024-05, Thoracic cancer IF:2.3Q2 DOI:10.1111/1759-7714.15269 PMID:38576119	研究论文	本研究提出了一种基于真实世界数据的定量评估方法，用于评估放宽非小细胞肺癌（NSCLC）药物试验的入选标准对风险-效益比的影响	首次利用深度学习方法构建结构化的跨维度真实世界NSCLC数据库，并采用蒙特卡洛模拟和倾向性匹配进行效益-风险评估，同时利用Shapley值定量衡量每个入选标准变化对患者数量、临床疗效和安全性的影响	研究依赖于真实世界数据的质量和完整性，可能受到数据偏差的影响	为肺癌临床试验的合理人群纳入设计提供科学证据，并建立一个可推广至其他癌症研究的数据治理体系和REC评估框架	非小细胞肺癌（NSCLC）药物试验的入选标准	数字病理学	肺癌	深度学习, 蒙特卡洛模拟, 倾向性匹配	NA	真实世界数据	NA
587	2025-07-11	Generative interpolation and restoration of images using deep learning for improved 3D tissue mapping 2024-Mar-28, bioRxiv : the preprint server for biology DOI:10.1101/2024.03.07.583909 PMID:38496512	研究论文	本文提出了一种利用生成式AI模型进行3D图像空间插值和修复的方法，以提高生物图像数据集的分辨率、通量和质量	首次将原本用于时间插值的FILM生成式AI模型应用于多种3D图像类型的空间插值，并展示了其在修复组织损伤和减少拼接伪影方面的优势	未明确提及方法在极端低质量图像上的表现或计算资源需求	提高生物图像数据集的质量和分辨率，以改善3D组织成像	多种3D生物图像类型	计算机视觉	NA	FILM（帧间大运动插值）生成式AI模型	生成式AI	3D图像	多种成像模态（组织学、光片显微镜、MRI、连续切片透射电镜）、物种（人类、小鼠）、健康与病变组织（胰腺、肺、脑）
588	2025-07-11	The Transformative Potential of AI in Obstetrics and Gynaecology 2024-03, Journal of obstetrics and gynaecology Canada : JOGC = Journal d'obstetrique et gynecologie du Canada : JOGC IF:2.0Q2 DOI:10.1016/j.jogc.2023.102277 PMID:37951574	review	探讨人工智能在妇产科领域的应用潜力及其变革性影响	聚焦于AI在妊娠并发症预测、深度学习图像解析及大型语言模型智能健康助手三个方面的应用	未提及具体实施案例或数据支持	探索AI在妇产科的应用前景及伦理实施建议	妇产科医疗领域	machine learning	NA	deep learning, large language models	NA	image, text	NA
589	2025-07-11	Quantifying Interpretation Reproducibility in Vision Transformer Models with TAVAC 2024-Jan-22, bioRxiv : the preprint server for biology DOI:10.1101/2024.01.18.576252 PMID:38328179	研究论文	本文提出了一种新指标TAVAC，用于评估Vision Transformer模型在生物医学图像数据集上的过拟合程度及解释的可重复性	引入了TAVAC这一新指标，能够量化模型解释的可重复性，并在像素级别监控模型解释的稳定性	仅在有限的数据集上进行了测试，需要更多验证以证明其普适性	提高Vision Transformer模型在生物医学图像分类中的解释可靠性和可重复性	Vision Transformer模型及其在生物医学图像分类中的应用	数字病理学	乳腺癌	Vision Transformer (ViT)	ViT	图像	四个公开图像分类数据集和两个独立的乳腺癌组织学图像数据集
590	2025-07-11	Deep learning-assisted prostate cancer detection on bi-parametric MRI: minimum training data size requirements and effect of prior knowledge 2022-Apr, European radiology IF:4.7Q1 DOI:10.1007/s00330-021-08320-y PMID:34786615	研究论文	本研究评估了基于PI-RADS训练的深度学习算法在前列腺癌检测中的性能，并探讨了数据量和先验知识对检测临床显著性前列腺癌的影响	研究了数据量和先验知识对深度学习算法性能的影响，并确定了达到专家性能所需的最小训练数据量	研究仅基于两个中心的数据，可能限制了结果的普适性	评估深度学习算法在前列腺癌检测中的性能及其影响因素	2734名活检初诊且PSA水平升高的男性患者	数字病理学	前列腺癌	多参数MRI (mpMRI) 和双参数MRI (bpMRI)	深度学习框架	MRI图像	2734名患者（训练集1952例，独立测试集782例）
591	2025-07-10	Integrating artificial intelligence in healthcare: applications, challenges, and future directions 2025-Dec, Future science OA IF:2.4Q3 DOI:10.1080/20565623.2025.2527505 PMID:40616302	综述	本文探讨了人工智能在医疗保健领域的应用、挑战及未来发展方向	综述了AI在癌症检测、牙科医学、脑肿瘤数据库管理和个性化治疗规划中的创新应用	面临数据隐私、算法偏见和监管问题等挑战	探索人工智能在医疗保健领域的应用潜力及面临的挑战	癌症检测、牙科医学、脑肿瘤数据库管理和个性化治疗规划	医疗人工智能	癌症、脑肿瘤	机器学习和深度学习	NA	医学影像、遗传数据、临床数据和生活方式数据	NA
592	2025-07-10	AI as teacher: effectiveness of an AI-based training module to improve trainee pediatric fracture detection 2025-Sep, Skeletal radiology IF:1.9Q3 DOI:10.1007/s00256-025-04927-0 PMID:40227327	研究论文	评估基于AI的无监督训练模块在提高儿科骨折检测准确性方面的有效性	使用开源深度学习骨折检测算法自动标注放射影像，作为教育工具	医学生的检测准确性未显著提高，可能由于任务背景熟悉度不足	评估AI作为教学工具在儿科骨折检测中的效果	医学生和放射科住院医师	数字病理	儿科骨折	深度学习	CNN	放射影像	240例儿科上肢放射检查
593	2025-07-10	A dataset of microscopic spirometra mansoni for medical image segmentation 2025-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110661 PMID:40578156	research paper	该研究介绍了一个专门用于曼氏裂头蚴医学图像分割的显微镜图像数据集，旨在通过深度学习提高寄生虫感染的诊断准确性	提出了首个针对曼氏裂头蚴的显微镜图像分割数据集，并进行了定量分析，包括背景熵和形态熵的评估	数据集的样本来源仅限于粪便悬浮液，可能无法涵盖所有感染情况	开发并验证用于曼氏裂头蚴检测的语义分割CNN模型	曼氏裂头蚴的显微镜图像	digital pathology	寄生虫感染	显微镜成像	CNN	image	1420张显微镜图像，来源于确诊感染病例的粪便悬浮液
594	2025-07-10	Insights from the eyes: a systematic review and meta-analysis of the intersection between eye-tracking and artificial intelligence in dementia 2025-Aug, Aging & mental health IF:2.8Q2 DOI:10.1080/13607863.2025.2464704 PMID:39950960	系统综述与荟萃分析	本文通过系统综述和荟萃分析探讨了眼动追踪技术与人工智能在痴呆症检测中的交叉应用	首次对眼动追踪与AI结合用于痴呆症检测的研究进行系统综述和荟萃分析，提供了性能指标的汇总结果	纳入研究数量有限(9项)，样本量较小(57-583人)，且主要关注阿尔茨海默病，缺乏其他痴呆类型的代表性	评估眼动追踪与人工智能结合在痴呆症检测中的效果	痴呆症患者(主要为阿尔茨海默病患者)	数字病理学	老年性疾病	眼动追踪技术	机器学习模型(6项)和深度学习模型(3项)	眼动数据	9项研究，共涉及57-583名参与者
595	2025-07-10	Automated Von Willebrand Factor Multimer Image Analysis for Improved Diagnosis and Classification of Von Willebrand Disease 2025-Aug, International journal of laboratory hematology IF:2.2Q3 DOI:10.1111/ijlh.14455 PMID:40025642	研究论文	开发了一种基于深度学习的自动化图像分析流程，用于改进冯·维勒布兰德因子多聚体图像的分析，以提升冯·维勒布兰德病的诊断和分类	利用YOLOv8深度学习模型自动分类VWF多聚体模式，提高了分类的再现性和效率	模型在罕见亚型上的表现较低	改进冯·维勒布兰德病的诊断和分类	冯·维勒布兰德因子多聚体图像	数字病理学	冯·维勒布兰德病	深度学习	YOLOv8	图像	514张凝胶图像（6168个标记实例）用于训练，192张图像（2304个实例）用于验证，94张图像（1128个实例）用于测试
596	2025-07-10	Three-Dimensional Visualisation of Blood Vessels in Human Gliomas Using Tissue Clearing and Deep Learning 2025-Aug, Neuropathology and applied neurobiology IF:4.0Q1 DOI:10.1111/nan.70027 PMID:40628519	研究论文	本研究结合组织透明化、3D共聚焦显微镜成像和深度学习辅助的血管提取技术，实现了人脑胶质瘤血管系统的全面3D可视化	创新性地结合组织透明化技术与深度学习算法，实现了胶质瘤血管系统的3D可视化，并揭示了不同级别胶质瘤血管形态的差异	研究仅使用了福尔马林固定的厚组织切片，可能无法完全代表活体组织的真实情况	开发一种能够全面可视化人脑胶质瘤血管系统的方法，并研究不同级别胶质瘤的血管形态差异	人脑胶质瘤组织样本	数字病理学	胶质瘤	组织透明化(OPTIClear)、3D共聚焦显微镜成像、免疫荧光标记	3D U-Net	3D图像	未明确说明具体样本数量的人脑胶质瘤厚组织切片(500μm)
597	2025-07-10	Deep Learning-Guided Discovery of Celestolide as a Natural Allosteric Inhibitor Targeting Botrytis cinerea CYP51 and Its Application in Strawberry Preservation 2025-Jul-09, Journal of agricultural and food chemistry IF:5.7Q1 DOI:10.1021/acs.jafc.5c05257 PMID:40576401	研究论文	本研究利用深度学习模型发现了一种天然变构抑制剂celestolide，靶向Botrytis cinerea CYP51，并验证了其在草莓保鲜中的应用效果	首次使用神经关系推理框架和基于高斯网络的深度学习模型CorrSite2.0主动识别CYP51的变构位点，并发现celestolide作为天然变构抑制剂	未提及具体样本量或实验重复次数，体外实验数据可能需要进一步体内验证	开发新型抗真菌剂用于农产品采后保鲜	Botrytis cinerea CYP51蛋白和草莓	机器学习	真菌感染	神经关系推理框架、Gaussian网络模型CorrSite2.0	深度学习模型	蛋白质结构数据、生物活性数据	NA
598	2025-07-10	Deep learning generalization study on optical coherence tomography image denoising 2025-Jul-09, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ade840 PMID:40562073	研究论文	本文提出了一种结合多噪声水平数据集的混合训练策略，旨在提升深度学习模型在光学相干断层扫描（OCT）图像去噪中的泛化能力	提出了一种混合训练策略，结合多噪声水平数据集，增强了模型对未见噪声条件的适应能力	实验仅针对特定噪声水平（4 dB、6 dB、10 dB）进行了验证，未涵盖更广泛的噪声范围	提升深度学习模型在OCT图像去噪中的泛化能力	光学相干断层扫描（OCT）图像	计算机视觉	NA	深度学习	ResNet, U-Net, DnCNN, ADCN	图像	多噪声水平数据集（0 dB、6 dB、10 dB用于训练，4 dB用于测试）
599	2025-07-10	Artificial intelligence in prostate cancer 2025-Jul-09, Chinese medical journal IF:7.5Q1 DOI:10.1097/CM9.0000000000003689 PMID:40629505	review	本文综述了人工智能在前列腺癌诊断、治疗和预后预测中的临床应用	介绍了基础模型在医疗AI应用中的革命性作用及其临床整合	探讨了AI在临床应用中的当前挑战和未来发展方向	提高前列腺癌患者的生存率	前列腺癌患者	digital pathology	prostate cancer	deep learning	foundation model	image	NA
600	2025-07-10	A Novel Time-Division Multiplexing Architecture Revealed by Reconfigurable Synapse for Deep Neural Networks 2025-Jul-09, Advanced materials (Deerfield Beach, Fla.) DOI:10.1002/adma.202420218 PMID:40630032	研究论文	提出了一种新型的基于石墨烯/二维钙钛矿/碳纳米管（CNTs）突触晶体管的时分复用（TDM）神经网络架构，用于降低深度学习硬件集成的复杂性	首次在硬件层面实现了基于石墨烯/二维钙钛矿/CNTs突触晶体管的TDM神经网络，通过新型夹层结构提高了突触传输效率	当前突触晶体管的固有器件限制可能影响TDM网络的实际部署	降低神经网络硬件实现的集成复杂性	石墨烯/二维钙钛矿/CNTs突触晶体管	机器学习	NA	分子动力学模拟	TDM神经网络	NA	NA