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
661	2025-04-25	Deep structure-level N-glycan identification using feature-induced structure diagnosis integrated with a deep learning model 2025-Feb, Analytical and bioanalytical chemistry IF:3.8Q1 DOI:10.1007/s00216-024-05505-4 PMID:39212697	研究论文	本文提出了一种结合特征诱导结构诊断（FISD）与深度学习模型的方法，用于深度结构水平的N-聚糖鉴定	通过集成神经网络模型识别特征性N-聚糖基序，并提升链异构体的结构诊断和区分过程，同时发现了两个新的碎片特征	对称的“镜像”分支异构体和链异构体在很大程度上仍未解决	提高N-聚糖结构鉴定的准确性和深度	N-聚糖结构	生物信息学	NA	N-糖蛋白质组学	卷积自编码器（CNN）和多层感知机（MLP）	质谱数据（MS/MS光谱）	五个小鼠组织的17,136个完整N-糖肽谱匹配
662	2025-04-25	Deep learning for efficient reconstruction of highly accelerated 3D FLAIR MRI in neurological deficits 2025-Feb, Magma (New York, N.Y.) DOI:10.1007/s10334-024-01200-8 PMID:39212832	research paper	比较压缩感知(CS)和独立循环推理机级联(CIRIM)在12倍加速扫描的神经功能缺损患者图像重建中的图像质量和重建时间	首次比较了CS和CIRIM在神经功能缺损患者高加速MRI重建中的表现，展示了深度学习重建在图像分辨率和去噪效率上的优势	前瞻性加速临床扫描缺乏真实数据作为参考，仅通过公开数据集评估加速因子影响	评估不同重建方法在高加速MRI中的性能差异	62名神经功能缺损患者的3D T2-FLAIR图像及FastMRI数据库中的451个FLAIR扫描	医学影像分析	神经功能缺损	3D FLAIR MRI, 压缩感知, 深度学习重建	CIRIM(独立循环推理机级联)	MRI图像	62名患者临床数据 + 451个公开数据库扫描
663	2025-04-25	Enhancing Domain Diversity of Transfer Learning-Based SSVEP-BCIs by the Reconstruction of Channel Correlation 2025-Feb, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2024.3458389 PMID:39255081	研究论文	本研究提出了一种名为通道相关性重建(RCC)的数据增强方法，用于优化基于稳态视觉诱发电位(SSVEP)的脑机接口(BCI)中迁移学习的源域数据利用	通过概率混合源域协方差矩阵的特征向量矩阵重构训练样本，操纵通道相关性，隐式创建新的合成域，从而增加源域多样性	NA	提高SSVEP-BCI系统中迁移学习的性能	稳态视觉诱发电位(SSVEP)脑机接口系统	脑机接口	NA	迁移学习(预训练和微调)	深度学习	脑电信号	NA
664	2025-04-25	ConvexAdam: Self-Configuring Dual-Optimization-Based 3D Multitask Medical Image Registration 2025-Feb, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3462248 PMID:39283782	研究论文	提出了一种基于凸优化和Adam优化的自配置双优化3D多任务医学图像配准方法	结合预训练语义特征提取模型与快速双优化过程，提出自动超参数选择程序，实现自配置图像配准框架	需要依赖预训练模型，可能在不同数据集上的泛化能力有限	开发一种快速、通用且精确的医学图像配准方法	多任务医学图像配准	数字病理	NA	凸优化，Adam优化，预训练语义特征提取	NA	3D医学图像	Learn2Reg挑战数据集中的所有可用数据
665	2025-04-25	Perspectives: Comparison of Deep Learning Segmentation Models on Biophysical and Biomedical Data 2025-Jan-30, ArXiv PMID:39184539	研究论文	本文比较了四种常用的深度学习分割模型在生物物理和生物医学数据上的表现	提供了针对小规模训练数据集条件下，不同深度学习分割模型的性能比较和选择指南	研究仅针对生物物理实验中的小规模数据集，可能不适用于大规模数据场景	比较不同深度学习架构在生物物理和生物医学数据分割任务中的表现	四种深度学习分割模型（CNN、U-Net、视觉Transformer和视觉状态空间模型）	计算机视觉	NA	深度学习	CNN, U-Net, 视觉Transformer, 视觉状态空间模型	图像	小规模生物物理实验数据集
666	2025-04-25	Artificial intelligence in dermatopathology: a systematic review 2025-Jan-27, Clinical and experimental dermatology IF:3.7Q1 DOI:10.1093/ced/llae361 PMID:39226138	系统综述	本文系统综述了人工智能在皮肤病理学中的应用、挑战、机遇及未来潜力	全面评估了AI在皮肤病理学中的多种应用，并指出了未来的发展方向	研究受到小样本量和潜在偏倚的限制	探讨AI在皮肤病理学诊断和护理中的角色与潜力	皮肤病理学中的数字化切片和AI应用	数字病理学	皮肤疾病	深度学习	NA	图像	112篇论文
667	2025-04-25	SeqSeg: Learning Local Segments for Automatic Vascular Model Construction 2025-Jan-27, ArXiv PMID:39975447	研究论文	提出了一种基于深度学习的自动追踪和分割算法SeqSeg，用于构建基于图像的血管模型	SeqSeg利用局部U-Net推理顺序分割医学图像中的血管结构，能够分割更完整的血管系统，并能泛化到训练数据中未标注的血管结构	NA	改进心血管功能计算建模中的模型生成过程	主动脉和主动脉-股动脉模型的CT和MR图像	数字病理学	心血管疾病	深度学习	U-Net, nnU-Net	医学图像	NA
668	2025-04-25	A deep learning model for clinical outcome prediction using longitudinal inpatient electronic health records 2025-Jan-23, medRxiv : the preprint server for health sciences DOI:10.1101/2025.01.21.25320916 PMID:39974062	研究论文	开发了一种基于Transformer的TECO模型，用于利用住院电子健康记录预测ICU死亡率	提出了一种新型的Transformer-based Encounter-level Clinical Outcome (TECO)模型，在预测ICU死亡率方面表现优于现有专有指标和传统机器学习模型	需要进一步验证模型在其他疾病和更大样本中的适用性	开发一个能够准确预测ICU死亡率的深度学习模型	COVID-19患者、ARDS患者和脓毒症患者	机器学习	COVID-19、ARDS、脓毒症	深度学习	Transformer	电子健康记录(EHR)	COVID-19患者2579人，ARDS患者2799人，脓毒症患者6622人
669	2025-04-25	Multimodal deep learning improves recurrence risk prediction in pediatric low-grade gliomas 2025-Jan-12, Neuro-oncology IF:16.4Q1 DOI:10.1093/neuonc/noae173 PMID:39211987	研究论文	该研究利用深度学习技术从MRI图像中提取特征，结合临床数据，提高了儿童低级别胶质瘤术后复发风险的预测准确性	首次将多模态深度学习模型应用于儿童低级别胶质瘤的术后复发风险预测，相比传统方法显著提高了预测性能	需要更大规模的多中心训练数据来提高模型的泛化能力	改善儿童低级别胶质瘤术后复发风险的预测准确度	儿童低级别胶质瘤患者	数字病理学	儿童低级别胶质瘤	MRI成像	深度学习逻辑风险模型	医学影像和临床数据	396名患者（来自两个医疗机构）
670	2025-04-25	Integrating Deep Learning-Based Dose Distribution Prediction with Bayesian Networks for Decision Support in Radiotherapy for Upper Gastrointestinal Cancer 2025-Jan, Cancer research and treatment IF:4.1Q2 DOI:10.4143/crt.2024.333 PMID:39091147	研究论文	本文开发了一种结合深度学习剂量分布预测和贝叶斯网络的决策支持算法，用于上消化道癌症放疗中的技术选择	首次将三维U-Net深度学习模型预测的剂量分布与贝叶斯网络结合，创建了个性化放疗方案选择框架	研究样本量较小（65例患者），且为回顾性研究	优化上消化道癌症放疗技术选择流程，提高决策效率	接受TrueBeam和MRIdian两种放疗技术模拟的肝/胰腺癌患者	数字病理	上消化道癌症（肝/胰腺癌）	深度学习剂量预测、贝叶斯网络	3D U-Net、贝叶斯网络	剂量分布数据、临床参数	65例肝/胰腺癌患者
671	2025-04-25	OTMorph: Unsupervised Multi-Domain Abdominal Medical Image Registration Using Neural Optimal Transport 2025-Jan, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3437295 PMID:39093684	研究论文	本文提出了一种基于神经最优传输的无监督多领域腹部医学图像配准框架OTMorph，用于解决多模态或多参数腹部医学图像配准中的领域差异问题	首次将神经最优传输技术应用于多领域医学图像配准，通过传输模块学习最优传输计划并生成领域转换后的图像，从而提升配准性能	未明确说明方法在极端领域差异情况下的表现，也未讨论计算复杂度问题	开发一种能够有效处理多领域腹部医学图像配准的方法	多模态和多参数的腹部医学图像	医学图像分析	肝癌、淋巴瘤	神经最优传输	OTMorph（包含传输模块和配准模块）	3D医学图像	未明确说明具体样本数量，仅提及使用多模态和多参数腹部医学图像进行实验
672	2025-04-25	A Comprehensive Review on Deep Learning Techniques in Alzheimer's Disease Diagnosis 2025, Current topics in medicinal chemistry IF:2.9Q3 DOI:10.2174/0115680266310776240524061252 PMID:38847164	review	本文全面综述了深度学习技术在阿尔茨海默病诊断中的应用	分类了阿尔茨海默病的ATN生物标志物，系统描述了多种深度学习算法用于早期评估，并讨论了广泛使用的在线数据集	NA	通过深度学习技术提升阿尔茨海默病早期诊断的有效方法	阿尔茨海默病及其相关生物标志物	digital pathology	geriatric disease	深度学习	DNN, CNN, RNN, k-NN, DBM, DBN	医学影像数据	涉及多个在线数据集如ADNI、OASIS等
673	2025-04-25	Preoperative Prediction of Axillary Lymph Node Metastasis in Patients With Breast Cancer Through Multimodal Deep Learning Based on Ultrasound and Magnetic Resonance Imaging Images 2025-Jan, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.07.029 PMID:39107188	研究论文	通过基于超声和磁共振成像图像的多模态深度学习，预测乳腺癌患者腋窝淋巴结转移	结合超声和磁共振成像图像，构建多模态深度学习模型，用于预测乳腺癌患者的腋窝淋巴结转移	研究为回顾性队列，样本量相对较小，外部验证队列仅包含123例患者	提高乳腺癌患者腋窝淋巴结转移的术前预测准确性	乳腺癌患者	数字病理	乳腺癌	超声和磁共振成像	CNN	图像	588例乳腺癌患者（主队列465例，外部验证队列123例）
674	2025-04-25	A Deep Learning-Based Framework for Predicting Intracerebral Hematoma Expansion Using Head Non-contrast CT Scan 2025-Jan, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.07.039 PMID:39107191	研究论文	开发了一种基于深度学习的全自动框架，用于仅使用临床非对比CT扫描预测脑内血肿扩张	提出了一种两阶段深度学习框架，能够自动且稳健地识别脑内出血患者的高风险血肿扩张，预测准确性优于常用的BAT评分	研究依赖于回顾性和前瞻性数据集，可能存在选择偏差	开发预测脑内血肿扩张的自动化工具	脑内出血患者	数字病理学	脑内出血	非对比CT扫描	深度学习框架	医学影像	回顾性数据集2484例，前瞻性数据集500例
675	2025-04-25	Optimization of the automated Sunnybrook Facial Grading System - Improving the reliability of a deep learning network with facial landmarks 2025-Jan, European annals of otorhinolaryngology, head and neck diseases DOI:10.1016/j.anorl.2024.07.005 PMID:39117479	研究论文	本研究通过在人脸关键点层的基础上优化自动化的Sunnybrook面部评分系统（SFGS），提高了深度学习网络的可靠性	在卷积神经网络（CNN）中新增人脸关键点层，显著提升了自动化SFGS的可靠性	研究样本量有限，仅包含116例单侧周围性面瘫患者和9例健康受试者	优化自动化SFGS的可靠性，使其在电子健康环境中更易用	单侧周围性面瘫患者和健康受试者的面部表情数据	计算机视觉	面瘫	深度学习	CNN	图像	116例患者和9例健康受试者
676	2025-04-25	Prompt-Driven Latent Domain Generalization for Medical Image Classification 2025-Jan, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3443119 PMID:39137089	研究论文	提出了一种无需依赖域标签的医学图像分类统一域泛化框架PLDG，通过无监督域发现和提示学习提升模型在未见域上的表现	首次提出无需域标签的域泛化框架，结合伪域标签聚类和协作域提示学习，引入域提示生成器和域混合策略增强跨域知识学习	伪域标签的准确性可能影响模型性能，实验仅在有限医学图像任务上验证	解决医学图像分析中因分布偏移导致的临床诊断不可靠问题	医学图像分类任务	计算机视觉	NA	域泛化、提示学习	Vision Transformer	医学图像	三个医学图像分类任务和一个去偏任务的数据集
677	2025-04-25	Comparative Analysis of the Diagnostic Value of S-Detect Technology in Different Planes Versus the BI-RADS Classification for Breast Lesions 2025-Jan, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.08.005 PMID:39138111	研究论文	本研究比较了基于深度学习的S-Detect技术与BI-RADS分类在不同平面中对乳腺病变的诊断价值	首次评估了S-Detect在不同成像平面中的诊断性能，并识别了导致诊断不一致的因素	研究为回顾性设计，可能受到选择偏倚的影响	评估S-Detect技术在不同平面中的诊断性能及其与BI-RADS分类的比较	711名患者的756个乳腺病变	数字病理	乳腺癌	深度学习辅助检测系统	S-Detect	超声图像	756个乳腺病变（来自711名患者）
678	2025-04-25	Deep learning segmentation of mandible with lower dentition from cone beam CT 2025-Jan, Oral radiology IF:1.6Q3 DOI:10.1007/s11282-024-00770-6 PMID:39141154	研究论文	本研究训练了一个3D U-Net卷积神经网络(CNN)，用于从锥形束计算机断层扫描(CBCT)中分割下颌骨和下颌牙齿	在包含高度金属伪影的多样化人口队列中，开发了自动分割下颌骨和下颌牙齿的模型，并在内部和外部测试集上展示了良好的准确性	分割准确性在年龄组和金属伪影程度方面存在显著差异	开发一个自动分割下颌骨和下颌牙齿的深度学习模型	下颌骨和下颌牙齿	计算机视觉	NA	锥形束计算机断层扫描(CBCT)	3D U-Net CNN	医学影像	来自490名患者的648次CBCT扫描
679	2025-04-25	AutoSamp: Autoencoding k-Space Sampling via Variational Information Maximization for 3D MRI 2025-Jan, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3443292 PMID:39146168	research paper	提出了一种名为AutoSamp的新型深度学习框架，通过变分信息最大化联合优化MRI扫描的采样模式和重建	利用变分信息最大化联合优化k空间采样模式和MRI重建，实现了非笛卡尔平面上k空间样本位置的连续优化	未明确提及具体局限性	优化MRI的k空间采样模式以提高重建质量	3D MRI扫描数据	medical imaging	NA	非均匀快速傅里叶变换和深度学习重建网络	autoencoder	3D MRI图像数据	公共3D MRI数据集
680	2025-04-25	Optimizing Corn Tar Spot Measurement: A Deep Learning Approach Using Red-Green-Blue Imaging and the Stromata Contour Detection Algorithm for Leaf-Level Disease Severity Analysis 2025-Jan, Plant disease IF:4.4Q1 DOI:10.1094/PDIS-12-23-2702-RE PMID:39160128	research paper	提出了一种基于深度学习的玉米焦斑病严重程度分析方法，使用RGB成像和Stromata Contour Detection Algorithm v2（SCDA v2）进行叶片级病害检测	SCDA v2解决了SCDA v1的局限性，无需经验性搜索最优决策输入参数（DMIPs），同时实现了更高且一致的焦斑病检测准确率	未明确说明模型在不同环境条件下的泛化能力	优化玉米焦斑病的测量方法，提高病害监测和管理的效率	玉米叶片上的焦斑病（由褐色至黑色的真菌子实体引起）	computer vision	plant disease	RGB imaging, deep learning	CNN	image	来自田间（低、中、高冠层）和温室条件下不同发育阶段玉米叶片的RGB图像数据集