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
6721	2025-04-07	Classification of ocular surface diseases: Deep learning for distinguishing ocular surface squamous neoplasia from pterygium 2025-Apr-05, Graefe's archive for clinical and experimental ophthalmology = Albrecht von Graefes Archiv fur klinische und experimentelle Ophthalmologie DOI:10.1007/s00417-025-06804-x PMID:40186633	研究论文	本研究开发了一种深度学习模型，用于区分眼表鳞状上皮瘤（OSSN）和翼状胬肉（PTG）的裂隙灯照片	首次使用深度学习模型自动分割和分类OSSN与PTG的裂隙灯照片，并展示了较高的准确率	样本量相对较小（162例患者），且未提及模型在其他数据集上的泛化能力	开发一种能够准确区分OSSN和PTG的深度学习模型	眼表鳞状上皮瘤（OSSN）和翼状胬肉（PTG）患者	计算机视觉	眼科疾病	深度学习	EfficientNet B7, GoogleNet	图像	162例患者（77例OSSN，85例PTG）
6722	2025-04-07	Parametric-MAA: fast, object-centric avoidance of metal artifacts for intraoperative CBCT 2025-Apr-05, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-025-03348-7 PMID:40186717	research paper	提出了一种新型参数化金属伪影避免方法（P-MAA），用于快速优化锥束CT（CBCT）成像中的轨迹，以减少金属伪影	通过深度学习模型检测关键点，将临床相关物体建模为椭球体，提出了一种计算高效的轨迹评分方法，显著提高了速度	未明确说明方法在极端复杂情况下的表现，以及是否适用于所有类型的金属植入物	解决锥束CT成像中金属伪影的问题，提高图像质量	骨科和创伤应用中的金属植入物及其周围的临床相关区域	医学影像处理	骨科疾病	深度学习，椭球体建模	深度学习模型	图像	模拟和真实临床数据
6723	2025-04-07	Deep learning-based estimation of respiration-induced deformation from surface motion: A proof-of-concept study on 4D thoracic image synthesis 2025-Apr-05, Medical physics IF:3.2Q1 DOI:10.1002/mp.17804 PMID:40186879	研究论文	提出一种非患者特定的级联集成模型（CEM），用于从表面运动估计呼吸引起的胸部组织变形	提出了一种不需要患者特定呼吸数据采样和额外训练的级联集成模型（CEM），用于估计胸部组织变形	研究仅基于模拟的表面运动和有限的4D-CT数据集进行验证	开发一种方法以减少4D-CT采集中的辐射暴露，同时保持图像质量	胸部组织变形和4D-CT图像合成	医学影像分析	胸部疾病	深度学习	级联集成模型（CEM）	4D-CT图像	62个私有4D-CT数据集和80个公共4D-CT数据集
6724	2025-04-07	Deep learning assisted detection and segmentation of uterine fibroids using multi-orientation magnetic resonance imaging 2025-Apr-05, Abdominal radiology (New York) DOI:10.1007/s00261-025-04934-8 PMID:40188260	research paper	开发深度学习模型用于自动化检测和分割子宫肌瘤的多方位MRI图像	基于三维nnU-Net框架构建的模型，在子宫肌瘤的检测和分割中表现出色，特别是在临床相关病例中	未提及模型在小样本或不同类型肌瘤上的泛化能力	开发自动化检测和分割子宫肌瘤的深度学习模型	子宫肌瘤患者的多方位MRI图像	digital pathology	uterine fibroids	MRI	nnU-Net	image	内部数据集299名患者（训练集239名，内部测试集60名），外部数据集45名患者
6725	2025-04-07	Uncertainty-aware quantitative CT evaluation of emphysema and mortality risk from variable radiation dose images 2025-Apr-04, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-11525-0 PMID:40185924	研究论文	开发了一种自动化方法，用于联合且一致地评估肺气肿和死亡风险，并提供数据和模型不确定性的量化	使用多任务贝叶斯神经网络（BNN）联合评估肺气肿和死亡风险，并量化数据和模型不确定性	研究仅基于COPDGene研究的数据，可能不适用于其他人群	开发一种对成像协议更具鲁棒性的CT评估方法，用于肺气肿和死亡风险的量化	COPDGene研究中接受全剂量和减剂量胸部CT扫描的参与者	数字病理学	慢性阻塞性肺疾病（COPD）	胸部CT扫描	贝叶斯神经网络（BNN）	图像	1350名参与者（平均年龄64.4岁±8.7；659名女性）
6726	2025-04-07	Evaluation of a deep learning segmentation tool to help detect spinal cord lesions from combined T2 and STIR acquisitions in people with multiple sclerosis 2025-Apr-04, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-11541-0 PMID:40185925	research paper	开发并评估了一种深度学习模型，用于从T2和STIR序列中检测多发性硬化症患者的脊髓病变	首次开发了一种结合T2和STIR序列的深度学习工具，用于辅助临床医生检测多发性硬化症患者的脊髓病变	样本量较小（50名患者），且未显示工具在提高精确度方面的显著效果	评估深度学习模型在辅助检测多发性硬化症患者脊髓病变中的效果	多发性硬化症患者的脊髓MRI图像	digital pathology	multiple sclerosis	MRI (T2 and STIR sequences)	DL (deep learning)	image	50名患者（39名女性，中位年龄41岁）
6727	2025-04-07	Deep learning model for detecting cystoid fluid collections on optical coherence tomography in X-linked retinoschisis patients 2025-Apr-04, Acta ophthalmologica IF:3.0Q1 DOI:10.1111/aos.17495 PMID:40186400	research paper	本文验证了一种深度学习框架，用于在X连锁视网膜劈裂症患者的SD-OCT图像中检测和量化囊样液体聚集	开发了一种基于no-new-U-Net的深度学习模型，用于自动分割和量化X连锁视网膜劈裂症患者的囊样液体聚集	深度学习模型存在系统性高估的问题，需要未来进一步优化	验证深度学习模型在X连锁视网膜劈裂症患者SD-OCT图像中检测和量化囊样液体聚集的有效性	X连锁视网膜劈裂症患者的SD-OCT图像	digital pathology	X-linked retinoschisis	spectral-domain optical coherence tomography (SD-OCT)	no-new-U-Net	image	112 OCT volumes (70训练, 42内部测试), 37 SD-OCT scans (20患者)
6728	2025-04-07	An interpretable deep learning model for the accurate prediction of mean fragmentation size in blasting operations 2025-Apr-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-96005-7 PMID:40181054	研究论文	本研究提出了一种NRBO-CNN-LSSVM模型，用于预测爆破作业中的平均破碎尺寸，结合了CNN、LSSVM和NRBO技术	整合了CNN、LSSVM和NRBO技术，提高了预测准确性和适用性，并开发了交互式GUI以增强实用性	样本量较小（105个样本），可能影响模型的泛化能力	提高爆破作业中平均破碎尺寸的预测准确性	爆破作业中的平均破碎尺寸	机器学习	NA	CNN, LSSVM, NRBO, SVM, SVR	NRBO-CNN-LSSVM, CNN-LSSVM, CNN, LSSVM, SVM, SVR	数值数据	105个样本（来自先前研究和现场采集）
6729	2025-04-07	Efficient fault diagnosis in rolling bearings lightweight hybrid model 2025-Apr-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-96285-z PMID:40181056	研究论文	提出了一种用于滚动轴承故障诊断的轻量级混合模型TSL-Transformer，结合了Transformer和LSTM模块以提高特征提取效率和诊断准确性	对传统Transformer模型进行轻量级改进，引入多头注意力机制和前馈神经网络，并并行加入LSTM模块以增强时序特征捕获能力	仅在CWRU数据集上进行了验证，未提及其他数据集或实际工业场景的测试结果	解决传统深度学习方法处理长时间序列数据时特征提取和模型训练效率低下的问题	滚动轴承的振动信号	机器学习	NA	多头注意力机制，LSTM	TSL-Transformer（Transformer与LSTM混合模型）	时间序列数据（振动信号）	CWRU数据集（具体样本量未说明）
6730	2025-04-07	Encoding matching criteria for cross-domain deformable image registration 2025-Apr, Medical physics IF:3.2Q1 DOI:10.1002/mp.17565 PMID:39688347	research paper	该研究提出了一种用于跨域可变形图像配准的编码匹配准则方法，以提高配准精度和适应性	设计了通用特征编码器（Encoder-G）和结构特征编码器（Encoder-S），并通过一次性学习更新Encoder-S，使方法能有效适应不同领域	未提及具体局限性	解决跨域可变形图像配准问题，提高配准精度和适应性	MRI图像，包括脑部、腹部和心脏图像	computer vision	NA	deep learning	Encoder-G, Encoder-S	image	脑部图像（训练/测试：870/90对），腹部图像（训练/测试：1406/90对），心脏图像（训练/测试：64770/870对）
6731	2025-04-07	Improved deep learning-based IVIM parameter estimation via the use of more "realistic" simulated brain data 2025-Apr, Medical physics IF:3.2Q1 DOI:10.1002/mp.17583 PMID:39704604	研究论文	提出了一种基于合成数据的监督学习方法（SDD-IVIM），用于提高IVIM参数估计的精度和噪声鲁棒性	引入了一种新的基于模型的合成人类脑IVIM数据生成方法，并结合U-Net进行参数映射	方法依赖于合成数据，未使用真实世界数据进行神经网络训练	提高IVIM参数估计的精度和噪声鲁棒性	脑IVIM成像参数估计	医学影像分析	脑胶质瘤	IVIM双指数模型	U-Net	合成脑多b值扩散加权图像	20名脑胶质瘤患者
6732	2025-04-07	Deep learning-based Monte Carlo dose prediction for heavy-ion online adaptive radiotherapy and fast quality assurance: A feasibility study 2025-Apr, Medical physics IF:3.2Q1 DOI:10.1002/mp.17628 PMID:39871016	研究论文	本研究开发了一种基于深度学习的蒙特卡洛剂量预测模型，用于重离子在线自适应放疗和快速质量保证	在CHD U-Net基础上引入通道注意力机制（CAM），提高了蒙特卡洛剂量预测的准确性和效率	研究仅针对头颈癌患者，样本量为120例，可能限制了模型的泛化能力	开发深度学习模型以预测独立蒙特卡洛剂量，促进重离子在线自适应放疗和快速质量保证的实施	头颈癌患者	医学影像分析	头颈癌	深度学习，蒙特卡洛模拟	CAM-CHD U-Net	CT图像，三维能量矩阵，射线掩模	120例头颈癌患者数据
6733	2025-04-07	The environmental risk of heterogeneous oxidation is unneglectable: Time-resolved assessments beyond typical intermediate investigation 2025-Mar-29, Water research IF:11.4Q1 DOI:10.1016/j.watres.2025.123572 PMID:40184704	research paper	本文提出了一种环境风险评估方法，用于区分高级氧化过程中解毒效应的优选氧化途径，从而为每种污染物选择最合适的处理系统	通过基于副产物量化的环境风险分析，重新发现了之前被忽视的40%以上的毒性，显著提高了污染物解毒评估的准确性	当前研究仅限于对目标污染物副产物的定性毒性调查，而异构高级氧化过程的解毒效应在很大程度上是未知的	提高高级氧化过程的安全性和效率，支持复杂异构氧化过程中新兴污染物降解的定量环境风险评估	高级氧化过程中的污染物及其副产物	环境科学	NA	密度泛函理论，深度神经网络回归建模	深度神经网络	化学数据	NA
6734	2025-04-07	Prediction of influenza virus infection based on deep learning and peripheral blood proteomics: A diagnostic study 2025-Mar-28, Journal of advanced research IF:11.4Q1 DOI:10.1016/j.jare.2025.03.051 PMID:40158620	研究论文	本研究基于深度学习和外周血蛋白质组学预测流感病毒感染，并验证了该模型在流感、COVID-19和健康人群鉴别诊断中的潜在价值	结合随机森林模型和LASSO回归模型筛选出能准确区分流感患者的临床指标，并通过蛋白质组测序和机器学习发现了26个差异表达蛋白，其中SAA2被证实可作为流感感染的辅助诊断指标	样本量相对有限（850名患者和265名健康个体），且仅针对特定病毒感染（流感、COVID-19及混合感染）进行研究	预测流感病毒感染的关键分子标记	流感、COVID-19及混合感染患者以及健康个体的外周血样本	机器学习	流感	蛋白质组测序、ELISA	随机森林模型、LASSO回归模型	蛋白质组数据、临床特征数据	850名患者（包括流感、COVID-19和混合感染）和265名健康个体
6735	2025-04-07	Temporal and spatial feature extraction using graph neural networks for multi-point water quality prediction in river network areas 2025-Mar-26, Water research IF:11.4Q1 DOI:10.1016/j.watres.2025.123561 PMID:40184707	研究论文	提出了一种时空特征图神经网络（STF-GNN），用于河流网络区域多点水质预测	结合图卷积网络（GCN）、门控循环单元（GRU）和自注意力机制，显式建模分布式监测站之间的多尺度时空依赖关系	未提及模型在极端环境条件下的表现或对其他污染物的适用性	改进河流网络区域的水质预测	分布式水质监测站	机器学习	NA	图卷积网络（GCN）、门控循环单元（GRU）、自注意力机制	STF-GNN	多元时间序列数据	未明确提及具体样本数量，涉及多个监测站点的数据
6736	2025-04-07	Utility-based Analysis of Statistical Approaches and Deep Learning Models for Synthetic Data Generation With Focus on Correlation Structures: Algorithm Development and Validation 2025-Mar-20, JMIR AI DOI:10.2196/65729 PMID:40112290	研究论文	本研究评估了多种合成数据生成方法在复制真实医疗数据集中的相关结构方面的有效性，并比较了它们在随机森林等下游任务中的表现	综合比较了统计方法和深度学习方法在生成合成数据时的性能，特别是在保留相关结构方面的表现	深度学习方法在小型数据集或有限训练周期下表现不佳，LLMs在复制数值依赖关系方面存在困难	评估不同合成数据生成方法在医疗数据中的相关结构复制能力和下游任务表现	合成数据生成方法在模拟和真实医疗数据集上的表现	机器学习	乳腺癌, 糖尿病	Generative Adversarial Networks, 大语言模型(LLMs), Random Forests, eXtreme Gradient Boosting, Gated Additive Tree Ensembles	GAN, ctgan, tvae, LLMs	表格数据	模拟数据(10个高斯变量和1个二元目标变量), 体测数据集(13,393样本), 威斯康星乳腺癌数据集(569样本), 糖尿病数据集(768样本)
6737	2025-04-07	Development of a Clinically Applicable Deep Learning System Based on Sparse Training Data to Accurately Detect Acute Intracranial Hemorrhage from Non-enhanced Head Computed Tomography 2025-Mar-15, Neurologia medico-chirurgica IF:2.4Q2 DOI:10.2176/jns-nmc.2024-0163 PMID:39864839	研究论文	开发一种基于稀疏训练数据的深度学习系统DeepCT，用于从非增强头部CT中准确检测急性颅内出血	基于U-Net和ResNet架构的深度学习模型在稀疏训练数据下实现高准确率，并在多中心验证中表现出普遍可靠性	训练数据仅来自单一中心，可能影响模型的泛化能力	开发并评估一种深度学习算法，用于检测非增强头部CT中的急性颅内出血	非增强头部CT图像	数字病理学	颅内出血	深度学习	U-Net和ResNet	CT图像	1,815个CT图像集用于训练，多个中心的数据集用于验证和测试
6738	2025-04-07	Establishing a Deep Learning Model That Integrates Pretreatment and Midtreatment Computed Tomography to Predict Treatment Response in Non-Small Cell Lung Cancer 2025-Mar-13, International journal of radiation oncology, biology, physics DOI:10.1016/j.ijrobp.2025.03.012 PMID:40089073	research paper	本研究旨在开发一个深度学习模型，通过整合治疗前和治疗中的计算机断层扫描（CT）来预测非小细胞肺癌（NSCLC）患者的治疗反应	整合治疗前和治疗中的CT数据，建立变时间间隔长短期记忆网络（LSTM）用于预测治疗反应，并推导出针对预测肿瘤体积消退不理想患者的个性化剂量递增（DE）方案	样本量相对较小（168例患者），且仅来自三家医院，可能影响模型的泛化能力	预测NSCLC患者对放射治疗（RT）的反应，并探索个性化剂量递增的可能性	非小细胞肺癌（NSCLC）患者	digital pathology	lung cancer	CT扫描	LSTM	image	168例NSCLC患者（来自三家医院）
6739	2025-04-07	Identifying nucleotide-binding leucine-rich repeat receptor and pathogen effector pairing using transfer-learning and bilinear attention network 2024-Oct-01, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btae581 PMID:39331576	研究论文	提出了一种名为ProNEP的深度学习算法，用于高通量识别NLR-效应子对	将CNE预测任务概念化为蛋白质-蛋白质相互作用预测任务，并结合迁移学习和双线性注意力网络进行预测	CNE数据非常稀缺，已知的CNE数量远少于已确认的NLR数量	识别NLR与效应子之间的对应关系，以促进生物学、免疫学和育种研究	核苷酸结合富含亮氨酸重复序列受体（NLR）和病原体效应子	生物信息学	NA	深度学习	双线性注意力网络	蛋白质序列数据	91,291个NLR和387个已知CNE
6740	2025-04-07	Interpretable Cognitive Ability Prediction: A Comprehensive Gated Graph Transformer Framework for Analyzing Functional Brain Networks 2024-04, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2023.3343365 PMID:38109241	研究论文	本文提出了一种基于门控图变换器（GGT）的新框架，用于根据fMRI的功能连接（FC）预测个体的认知能力	结合先验空间知识，采用随机游走扩散策略捕捉大脑区域间的复杂结构功能关系，利用可学习的结构和位置编码（LSPE）及门控机制有效分离位置编码（PE）和图嵌入的学习	NA	预测个体的认知能力并增强功能脑网络生物标志物的可解释性	功能脑网络	神经科学研究	NA	fMRI	GGT（门控图变换器）	功能连接（FC）数据	两个大规模脑成像数据集：费城神经发育队列（PNC）和人类连接组计划（HCP）