深度学习在生物医药领域的应用

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	算法框架	模型架构	性能指标	计算资源
6201	2025-10-06	Deep Learning-Enhanced Spectroscopic Technologies for Food Quality Assessment: Convergence and Emerging Frontiers 2025-Jul-02, Foods (Basel, Switzerland) DOI:10.3390/foods14132350 PMID:40647102	综述	本文综述了深度学习与光谱技术融合在食品质量评估中的前沿应用与发展趋势	系统阐述六种先进光谱技术与深度学习的协同创新，重点聚焦光谱融合技术和混合光谱-异质融合方法	NA	建立从生产到消费的高精度可持续食品质量检测体系	食品质量评估	机器学习	NA	近红外/中红外光谱、拉曼光谱、荧光光谱、高光谱成像、太赫兹光谱、核磁共振	深度学习	光谱数据、图像数据	NA	NA	NA	速度、精度、非侵入性	边缘计算、便携设备
6202	2025-10-06	Optimizing Esophageal Cancer Diagnosis with Computer-Aided Detection by YOLO Models Combined with Hyperspectral Imaging 2025-Jul-02, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15131686 PMID:40647685	研究论文	本研究结合高光谱成像与YOLO系列模型优化食管癌的计算机辅助诊断	首次将SAVE高光谱成像技术与多种YOLO模型结合，显著提升食管癌病变检测的准确性和诊断效能	未明确说明样本数量和数据集的详细组成，缺乏外部验证结果	开发可靠的食管癌恶性病变分期和定位检测框架	食管癌图像和恶性病变	计算机视觉	食管癌	高光谱成像, SAVE技术	YOLO	高光谱图像	NA	NA	YOLOv8, YOLOv7, YOLOv6, YOLOv5, Scaled YOLOv4, YOLOv3	特异性, 敏感性, 精确度, F1分数	NA
6203	2025-10-06	Machine Learning Models for Pancreatic Cancer Survival Prediction: A Multi-Model Analysis Across Stages and Treatments Using the Surveillance, Epidemiology, and End Results (SEER) Database 2025-Jul-02, Journal of clinical medicine IF:3.0Q1 DOI:10.3390/jcm14134686 PMID:40649061	研究论文	本研究使用SEER数据库数据，通过多种机器学习模型分析胰腺癌患者在不同分期和治疗方式下的生存预测	首次在胰腺癌生存预测中系统比较参数模型、半参数模型、非参数模型与多种机器学习方法的性能，并构建生存概率热图	研究依赖于SEER数据库的回顾性数据，可能存在选择偏倚和数据完整性限制	开发准确的胰腺癌生存预测模型，为临床预后判断和治疗决策提供支持	胰腺癌患者，特别关注不同癌症分期和治疗方式（化疗和放疗）的患者群体	机器学习	胰腺癌	生存分析，机器学习建模	梯度提升，神经网络，弹性网络，随机森林，深度学习	临床数据，生存数据	SEER数据库中的胰腺癌患者数据	NA	NA	AUC，准确率，ROC曲线，拟合优度检验	NA
6204	2025-10-06	Intelligent meningioma grading based on medical features 2025-Jul, Medical physics IF:3.2Q1 DOI:10.1002/mp.17808 PMID:40183528	研究论文	本研究开发了一种基于医学特征和深度神经网络的脑膜瘤智能分级方法	首次将医学特征与SNN-Tran模型结合用于脑膜瘤分级，能更好地捕捉医学特征间的复杂关系和长程依赖	NA	验证结合医学特征与深度神经网络能否有效提高脑膜瘤分级的准确性和可靠性	脑膜瘤患者	医学人工智能	脑膜瘤	医学特征分析	SNN-Tran	医学特征数据	NA	NA	SNN-Tran	准确率, 敏感性, 特异性, AUC	NA
6205	2025-10-06	A CNN-transformer-based hybrid U-shape model with long-range relay for esophagus 3D CT image gross tumor volume segmentation 2025-Jul, Medical physics IF:3.2Q1 DOI:10.1002/mp.17818 PMID:40229138	研究论文	提出一种基于CNN-Transformer混合U型网络的食管肿瘤分割模型LRRM-U-TransNet，用于3D CT图像中食管大体肿瘤体积的精确分割	设计长距离接力机制，通过像素和语义路径逐步传递相邻层特征图，并开发Dual FastViT和Dual AxialViT两个模块增强特征表示和全局信息获取	NA	提高食管大体肿瘤体积在CT图像中的分割精度，改善食管癌的诊断和治疗效果	食管肿瘤患者的3D CT图像	医学图像分割	食管癌	CT成像	CNN, Transformer	3D CT图像	1665例真实世界患者CT样本，由5位放射学专家标注	NA	U-Net, Transformer, FastViT, AxialViT	Dice系数, Jaccard系数, 精确度, HD95, 体积相似度	NA
6206	2025-10-06	Deep learning-based hippocampus asymmetry assessment for Alzheimer's disease diagnosis 2025-Jul, Medical physics IF:3.2Q1 DOI:10.1002/mp.17831 PMID:40241310	研究论文	提出基于深度学习的海马体不对称性定量评估方法DeepHAA，用于阿尔茨海默病诊断	首次通过深度学习实现海马体不对称性的定量评估，采用交叉注意力机制进行特征融合	样本量相对有限（仅199例），缺乏多中心验证	开发定量评估海马体不对称性的方法以辅助阿尔茨海默病诊断	正常认知、轻度认知障碍和阿尔茨海默病患者	医学影像分析	阿尔茨海默病	MRI	深度学习	医学影像	199例受试者（53例正常认知，71例轻度认知障碍，33例阿尔茨海默病）	NA	基于交叉注意力机制的深度学习模型	NA	NA
6207	2025-10-06	Lightweight cross-resolution coarse-to-fine network for efficient deformable medical image registration 2025-Jul, Medical physics IF:3.2Q1 DOI:10.1002/mp.17827 PMID:40280883	研究论文	提出一种轻量级跨分辨率由粗到细网络，用于高效的可变形医学图像配准	提出三种关键创新：高效的跨分辨率由粗到细配准策略、纹理感知重参数化模块和组流重参数化模块，通过结构重参数化技术平衡训练精度和推理效率	NA	解决医学图像配准中高精度与高效率之间的权衡问题	医学图像配准	医学图像分析	NA	医学图像配准	深度学习	MRI图像, CT图像	LPBA数据集：30个训练图像对和9个测试图像对；OASIS数据集：1275个训练、110个验证和660个测试图像对；ACDC数据集：180个训练、20个验证和100个测试图像对；腹部CT数据集：380个训练对、6个验证对和42个测试对	NA	U-Net	DSC, HD95, MSE, Params, VRAM, FLOPs, 推理时间	NA
6208	2025-10-06	Impact of tracer uptake rate on quantification accuracy of myocardial blood flow in PET: A simulation study 2025-Jul, Medical physics IF:3.2Q1 DOI:10.1002/mp.17871 PMID:40344168	研究论文	通过仿真研究探讨示踪剂摄取率对PET心肌血流量定量准确性的影响，并比较深度学习与传统参数估计方法的性能	首次系统研究示踪剂摄取率(K1)对MBF定量准确性的影响，并开发基于Transformer的深度学习模型用于PET参数成像	研究主要基于仿真数据，仅使用2例临床患者数据进行可行性验证，样本量有限	评估PET心肌血流量定量中不同参数估计方法的准确性，特别关注示踪剂摄取率的影响	心肌血流量(MBF)定量，PET参数成像	医学影像分析	心血管疾病	PET成像，动力学建模，13N-氨水PET扫描	Transformer, 深度学习	仿真PET图像，临床CT图像	基于55例临床CT图像生成的440个仿真案例(220个静息状态，220个负荷状态)，2例临床患者	NA	Transformer	平均绝对相对误差(MARE)，区域平均偏差，标准差	NA
6209	2025-10-06	Inference-specific learning for improved medical image segmentation 2025-Jul, Medical physics IF:3.2Q1 DOI:10.1002/mp.17883 PMID:40356014	研究论文	提出一种推理特定学习策略，通过使训练数据与特定推理数据对齐来提升医学图像分割精度	提出推理特定学习策略，在不改变网络结构的情况下通过训练数据与推理数据对齐来提升预测精度	NA	通过弥合训练数据与推理数据之间的分布差异，提高深度学习网络在推理病例上的预测准确性	医学图像自动分割	医学图像分析	多器官分割（腹部、头颈部、胰腺）	CT成像	深度学习网络	医学图像（CT）	腹部30例、头颈部42例、胰腺210例CT数据	NA	NA	Dice系数, p值	NA
6210	2025-10-06	Transformer model based on Sonazoid contrast-enhanced ultrasound for microvascular invasion prediction in hepatocellular carcinoma 2025-Jul, Medical physics IF:3.2Q1 DOI:10.1002/mp.17895 PMID:40384312	研究论文	本研究基于Sonazoid超声造影开发Transformer模型，用于术前预测肝细胞癌微血管侵犯	首次将Transformer模型应用于Sonazoid超声造影图像，结合动脉期和库普弗细胞期图像特征预测微血管侵犯	回顾性研究设计，样本量相对有限（164例患者）	评估Transformer模型在肝细胞癌微血管侵犯术前预测中的价值	164例肝细胞癌患者	计算机视觉	肝细胞癌	Sonazoid超声造影	Transformer	超声图像	164例HCC患者	NA	Transformer	AUC, 敏感性, 特异性, 准确率, 阳性预测值, 阴性预测值	NA
6211	2025-10-06	A 3D deep learning model based on MRI for predicting lymphovascular invasion in rectal cancer 2025-Jul, Medical physics IF:3.2Q1 DOI:10.1002/mp.17882 PMID:40391614	研究论文	开发并验证基于术前MRI的3D深度学习模型用于预测直肠癌淋巴血管侵犯	首次提出使用3D深度学习模型结合不同扩展范围的肿瘤区域（GPTV系列）来预测直肠癌LVI状态，其中3D GPTV10模型表现最优	样本量相对有限（总样本334例），仅使用单一医疗机构数据	开发能够术前准确预测直肠癌淋巴血管侵犯的深度学习模型	直肠癌患者	医学影像分析	直肠癌	MRI T2WI轴向成像	深度学习	3D医学影像	334例直肠癌患者（训练集233例，验证集101例）	NA	DenseNet121	AUC	NA
6212	2025-10-06	Fusing radiomics and deep learning features for automated classification of multi-type pulmonary nodule 2025-Jul, Medical physics IF:3.2Q1 DOI:10.1002/mp.17901 PMID:40391634	研究论文	提出融合影像组学特征和深度学习特征的方法，用于自动分类多种类型肺结节	首次使用判别相关分析特征融合算法整合影像组学特征和深度学习特征，最大化两类特征的互补性和类间差异	仅使用LIDC-IDRI数据集进行验证，未在其他数据集测试泛化能力	提高肺结节分类准确性，实现个性化肺癌治疗和预后预测	CT图像中的多种类型肺结节（恶性、钙化、毛刺、分叶、边界、纹理）	计算机视觉	肺癌	CT影像组学分析	深度学习神经网络	CT医学图像	LIDC-IDRI数据集	NA	NA	AUC	NA
6213	2025-10-06	A novel network architecture for post-applicator placement CT auto-contouring in cervical cancer HDR brachytherapy 2025-Jul, Medical physics IF:3.2Q1 DOI:10.1002/mp.17908 PMID:40414687	研究论文	开发了一种用于宫颈癌高剂量率近距离放疗中施源器放置后CT图像自动勾画的新型网络架构	提出顺序双模型深度学习架构，结合U-Net基础分割和集成空间信息与总变差正则化的复杂结构分割	肠道和乙状结肠分割仍面临挑战，需要进一步验证和临床实施	提高宫颈癌高剂量率近距离放疗中高危临床靶区和危及器官分割的准确性和效率	宫颈癌患者施源器放置后的CT图像	数字病理	宫颈癌	CT成像	深度学习	医学影像	32例宫颈癌患者，115张CT图像	NA	U-Net	Dice相似系数, 95% Hausdorff距离, 平均表面距离, 质心距离, 体积差异, D90, D2cc	NA
6214	2025-10-06	A vessel bifurcation landmark pair dataset for abdominal CT deformable image registration (DIR) validation 2025-Jul, Medical physics IF:3.2Q1 DOI:10.1002/mp.17907 PMID:40437735	研究论文	本文介绍了首个用于腹部CT可变形图像配准验证的血管分叉标志点对数据集	创建了首个包含大量高精度血管分叉标志点对的腹部CT可变形图像配准基准数据集	数据集仅包含30名患者，样本规模相对有限	开发用于腹部CT可变形图像配准算法验证的基准数据集	腹部CT图像和血管分叉标志点	医学影像分析	腹部疾病	CT成像，深度学习分割	深度学习模型	CT图像	30名患者的腹部CT图像对	NA	NA	标志点对精度（0.7 mm ± 1.2 mm）	NA
6215	2025-10-06	Accelerated proton resonance frequency-based magnetic resonance thermometry by optimized deep learning method 2025-Jul, Medical physics IF:3.2Q1 DOI:10.1002/mp.17909 PMID:40450352	研究论文	通过优化的深度学习方法加速基于质子共振频率的磁共振测温技术	提出结合预训练/训练阶段数据增强、知识蒸馏和新型振幅-相位解耦损失函数的优化方法，显著提升磁共振温度图重建的时空分辨率	4倍欠采样情况下评估指标精度下降约10%，临床验证仅限于子宫肌瘤患者	提高动态磁共振温度图重建的时间分辨率，支持聚焦超声治疗中的实时监测	体模、离体组织样本和子宫肌瘤患者的临床数据	医学影像分析	子宫肌瘤	磁共振测温、聚焦超声	深度学习	k空间数据、磁共振图像	体模、离体组织实验和子宫肌瘤患者临床数据集	NA	Cascade Net, Complex-valued U-Net, Shift Window Transformer for MRI, Real-valued U-Net, ResUNet	RMSE, DICE系数, Bland-Altman分析	NA
6216	2025-10-06	Matrix completion-informed deep unfolded equilibrium models for self-supervised k $k$ -space interpolation in MRI 2025-Jul, Medical physics IF:3.2Q1 DOI:10.1002/mp.17924 PMID:40473478	研究论文	提出一种基于矩阵补全理论的深度展开平衡模型，用于MRI k空间自监督插值	将卷积神经网络与结构低秩模型的零空间关系相结合，构建具有严格理论保证和可解释性的自监督网络架构	在特定场景下才能达到与监督学习相当的效果	开发无需全采样标签的MRI k空间自监督插值方法	多线圈MRI k空间数据	医学影像重建	NA	磁共振成像	CNN	k空间数据	NA	NA	深度展开平衡模型	定性评估,定量评估	NA
6217	2025-10-06	Leveraging protein language models for cross-variant CRISPR/Cas9 sgRNA activity prediction 2025-Jul-01, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaf385 PMID:40600900	研究论文	提出基于蛋白质语言模型的深度学习模型PLM-CRISPR，用于跨变体CRISPR/Cas9 sgRNA活性预测	首次利用蛋白质语言模型捕捉Cas9蛋白变体表征，采用跨变体训练策略和动态特征融合机制	NA	优化CRISPR/Cas9基因编辑系统，提高sgRNA活性预测的准确性和泛化能力	单导RNA（sgRNA）和Cas9蛋白变体	机器学习	NA	CRISPR/Cas9基因编辑技术	深度学习	蛋白质序列，RNA序列	涵盖7种Cas9蛋白变体的数据集	NA	蛋白质语言模型	NA	NA
6218	2025-10-06	Nondestructive Detection and Quality Grading System of Walnut Using X-Ray Imaging and Lightweight WKNet 2025-Jul-01, Foods (Basel, Switzerland) DOI:10.3390/foods14132346 PMID:40647098	研究论文	基于X射线成像和轻量级WKNet的核桃无损检测与质量分级系统	首次将X射线成像与深度学习模型结合用于核桃质量检测，开发了集成Transformer、GhostNet和交叉注意力模块的轻量级WKNet网络	NA	解决核桃内部质量检测的耗时和参数冗余问题，实现高效准确的核桃质量分级	核桃内部质量	计算机视觉	NA	X射线成像	CNN, Transformer	X射线图像	NA	PyTorch	YOLO v5s, Transformer, GhostNet, CCA模块	mAP_0.5, 精确率, 召回率	NA
6219	2025-10-06	Enhancing Early Detection of Oral Squamous Cell Carcinoma: A Deep Learning Approach with LRT-Enhanced EfficientNet-B3 for Accurate and Efficient Histopathological Diagnosis 2025-Jul-01, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15131678 PMID:40647677	研究论文	本研究提出了一种结合学习率调优的EfficientNet-B3深度学习模型，用于从组织病理学图像中准确检测口腔鳞状细胞癌	将学习率调优(LRT)技术与EfficientNet-B3模型结合，能够根据训练过程中的准确率和损失自动调整学习率	NA	开发自动化、可靠的诊断解决方案以提高口腔鳞状细胞癌的早期检测和治疗成功率	口腔鳞状细胞癌(OSCC)的组织病理学图像	数字病理学	口腔癌	组织病理学成像	CNN	图像	来自多癌症数据集的口腔肿瘤数据集	NA	EfficientNet-B3	准确率, 特异性	NA
6220	2025-10-06	Deep Learning-Enhanced T1-Weighted Imaging for Breast MRI at 1.5T 2025-Jul-01, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15131681 PMID:40647680	研究论文	评估基于深度学习的T1加权VIBE序列在1.5T乳腺MRI中的图像质量表现	首次将深度学习技术集成到T1加权VIBE序列中用于乳腺MRI成像	样本量较小（52例患者），仅使用1.5T MRI设备	比较深度学习增强的T1加权VIBE序列与标准VIBE序列在乳腺MRI中的图像质量	52名乳腺癌患者	医学影像分析	乳腺癌	MRI成像，T1加权VIBE序列	深度学习	医学影像	52例乳腺癌患者	NA	NA	图像质量评分，图像清晰度评分，信噪比评分，伪影评分，诊断置信度评分	NA