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
7081	2025-06-06	OCTess: AN OPTICAL CHARACTER RECOGNITION ALGORITHM FOR AUTOMATED DATA EXTRACTION OF SPECTRAL DOMAIN OPTICAL COHERENCE TOMOGRAPHY REPORTS 2024-04-01, Retina (Philadelphia, Pa.) DOI:10.1097/IAE.0000000000003990 PMID:37948741	研究论文	开发了一种名为OCTess的光学字符识别算法，用于从Cirrus SD-OCT黄斑立方体报告中自动提取数据	结合了Tesseract OCR库和LSTM深度学习技术，实现了近乎完美的数据提取准确率，且在效率上超越了人工操作	研究仅基于单中心数据库，可能限制了算法的泛化能力	开发自动化工具以减少人工提取SD-OCT报告的时间和资源消耗	SD-OCT单眼黄斑立方体报告	计算机视觉	眼科疾病	光学字符识别(OCR)，深度学习	LSTM	图像	675份SD-OCT报告（训练集125份，测试集550份）
7082	2025-06-06	Dimensionality Reduction and Nearest Neighbors for Improving Out-of-Distribution Detection in Medical Image Segmentation 2024, The journal of machine learning for biomedical imaging DOI:10.59275/j.melba.2024-g93a PMID:40453064	research paper	该研究通过应用马氏距离和k近邻距离方法，提高了医学图像分割中分布外数据的检测性能	提出使用降维技术和非参数k近邻距离方法改进分布外检测，显著提升了可扩展性和性能	研究仅针对肝脏分割任务进行了验证，未在其他器官或模态上进行测试	提高医学图像分割模型对分布外数据的检测能力	T1加权磁共振成像和计算机断层扫描的肝脏分割	digital pathology	liver cancer	principal component analysis, uniform manifold approximation and projection	Swin UNETR, nnU-net	image	NA
7083	2025-06-06	Assessing Trustworthy AI in Times of COVID-19: Deep Learning for Predicting a Multiregional Score Conveying the Degree of Lung Compromise in COVID-19 Patients 2022-Dec, IEEE transactions on technology and society DOI:10.1109/TTS.2022.3195114 PMID:36573115	研究论文	本文展示了如何在医疗保健领域实践欧盟高级专家组的可信AI指南，并探讨了COVID-19疫情期间'可信AI'的含义	应用Z-Inspection®方法进行后验自我评估，以评估AI系统在COVID-19疫情期间的可信度	研究局限于疫情期间在意大利一家诊所的实验性部署，可能不具有广泛代表性	评估AI系统在预测COVID-19患者肺部损伤程度方面的可信度	COVID-19患者的胸部X光片	数字病理学	COVID-19	深度学习	NA	医学影像	NA
7084	2025-06-05	Accelerating high-concentration monoclonal antibody development with large-scale viscosity data and ensemble deep learning 2025-Dec, mAbs IF:5.6Q1 DOI:10.1080/19420862.2025.2483944 PMID:40170162	research paper	该研究通过大规模粘度数据和集成深度学习加速高浓度单克隆抗体的开发	开发了DeepViscosity模型，包含102个集成人工神经网络模型，用于分类低粘度（≤20 cP）和高粘度（>20 cP）的单克隆抗体，准确率超过其他预测方法	模型训练数据仅包含229个单克隆抗体的粘度数据，可能影响模型的泛化能力	开发预测模型以筛选高浓度单克隆抗体，改善其制造和配方特性	229个单克隆抗体的粘度数据	machine learning	NA	DeepSP模型	ensemble artificial neural network	sequence-based features	229个单克隆抗体
7085	2025-06-05	Enhancing Functional Protein Design Using Heuristic Optimization and Deep Learning for Anti-Inflammatory and Gene Therapy Applications 2025-Jul, Proteins IF:3.2Q2 DOI:10.1002/prot.26810 PMID:39985803	研究论文	本研究开发了一种启发式优化方法，用于增强蛋白质的关键功能特性，如溶解性、灵活性和稳定性，同时保持蛋白质的结构完整性	结合启发式优化和深度学习，专注于蛋白质的功能特性设计，特别适用于抗炎和基因治疗应用	未提及具体实验验证的功能性蛋白质数量或实际应用效果	提高功能性蛋白质设计的效率和效果，减少实验室需求	蛋白质序列设计，特别是具有抗炎特性和用于基因治疗的蛋白质	机器学习	NA	启发式优化方法、深度学习、遗传算法	NA	蛋白质序列	NA
7086	2025-06-05	Gesture recognition from surface electromyography signals based on the SE-DenseNet network 2025-Jun-26, Biomedizinische Technik. Biomedical engineering DOI:10.1515/bmt-2024-0282 PMID:39873377	研究论文	本文提出了一种基于SE-DenseNet网络的手势识别方法，用于从表面肌电信号中识别手势	融合了Squeeze-and-Excitation Networks (SE)和DenseNet，在DenseBlock和Transition之间插入注意力机制，以提高特征表示能力并有效解决梯度消失问题	现有手势识别算法在全局特征捕获、模型计算复杂度和泛化能力方面仍需进一步改进	提供更自然、方便和个性化的人机交互，特别是在康复技术领域	表面肌电信号(sEMG)	机器学习	NA	深度学习	SE-DenseNet	肌电信号	NinaPro DB2和DB4数据集
7087	2025-06-05	A ViTUNeT-based model using YOLOv8 for efficient LVNC diagnosis and automatic cleaning of dataset 2025-Jun-04, Journal of integrative bioinformatics IF:1.5Q3 DOI:10.1515/jib-2024-0048 PMID:40460443	研究论文	提出了一种基于ViTUNeT和YOLOv8的模型，用于左心室非致密化(LVNC)的高效诊断和数据集自动清理	结合U-Net和Vision Transformers的ViTUNeT架构，以及使用YOLOv8模型进行心室检测和数据集清理	数据集质量限制了进一步的准确性提升	改进心脏图像分析和分割方法	左心室非致密化患者和健康个体	数字病理学	心血管疾病	深度学习	ViTUNeT, YOLOv8	MRI图像	新增Titin心肌病患者和健康个体的数据集
7088	2025-06-05	A review on learning-based algorithms for tractography and human brain white matter tracts recognition 2025-Jun-04, Neuroradiology IF:2.4Q2 DOI:10.1007/s00234-025-03637-7 PMID:40464927	综述	本文综述了基于学习的算法在脑白质纤维束追踪和识别中的应用	扩展了先前相关综述，涵盖了最新的方法和网络细节，并通过全面比较评估了基于学习的方法的效率	NA	探讨基于学习的算法在脑白质纤维束追踪和识别中的应用及其效率	人脑白质纤维束	医学影像分析	NA	扩散磁共振成像	机器学习、深度学习、强化学习、字典学习	磁共振图像	NA
7089	2025-06-05	NMR Pure Shift Spectroscopy and Its Potential Applications in the Pharmaceutical Industry 2025-Jun-03, Chembiochem : a European journal of chemical biology IF:2.6Q3 DOI:10.1002/cbic.202401012 PMID:40263759	review	本文综述了纯位移NMR技术及其在制药行业中的潜在应用	介绍了纯位移技术抑制标量耦合以提高光谱分辨率的方法，并探讨了深度学习辅助获取最优纯位移光谱的方法	NA	促进纯位移NMR技术在制药行业的发展和实际应用	纯位移NMR技术及其在制药行业的应用	NA	NA	NMR纯位移技术、深度学习	NA	光谱数据	NA
7090	2025-06-05	A Novel Deep Learning Framework for Nipple Segmentation in Digital Mammography 2025-Jun-03, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01567-7 PMID:40461663	研究论文	提出了一种新的深度学习框架，用于数字乳腺X线摄影中的乳头分割，以提高医学分析和计算机辅助检测系统的准确性	该方法在乳头分割方面显著优于基线方法，特别是在基线方法完全失败的挑战性案例中，实现了在所有案例中的成功检测，并在重叠度量上取得了持续提升	NA	提高数字乳腺X线摄影中乳头分割的准确性，以支持多视角和多模态乳腺图像配准	数字乳腺X线摄影图像中的乳头区域	数字病理学	乳腺癌	深度学习	NA	图像	NA
7091	2025-06-05	Artificial Intelligence in Veterinary Clinical Pathology-An Introduction and Review 2025-Jun-03, Veterinary clinical pathology IF:1.2Q3 DOI:10.1111/vcp.70012 PMID:40462415	review	本文介绍了人工智能在兽医临床病理学中的应用及其基本概念，并探讨了AI在该领域的资格认定与整合	以非技术性的方式介绍AI基本概念，并探讨AI在兽医临床病理学中的资格认定与整合	未提及具体的技术实现细节或实验数据	探讨人工智能在兽医临床病理学中的应用与整合	兽医临床病理学	machine learning	NA	machine learning, deep learning	NA	NA	NA
7092	2025-06-05	ViTU-net: A hybrid deep learning model with patch-based LSB approach for medical image watermarking and authentication using a hybrid metaheuristic algorithm 2025-Jun-02, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110393 PMID:40460563	research paper	提出了一种名为ViTU-net的混合深度学习模型，用于医学图像水印和认证，结合了基于块的LSB方法和混合元启发式算法	ViTU-Net整合了Vision Transformer编码器和U-Net解码器，采用自适应分层空间注意力模块和基于块的LSB嵌入机制，结合TuniBee Fusion混合元启发式优化算法和高级加密技术，提高了水印的不可感知性、鲁棒性和部署效率	未提及具体的数据集规模或实际部署中的计算资源需求	解决医学图像水印在不可感知性、抗攻击鲁棒性和部署效率方面的挑战，确保医学图像的数据完整性、保密性和真实性	胸部X光片用于肺炎诊断	digital pathology	pneumonia	SHA-512哈希和AES加密	ViTU-net（结合ViT和U-Net）	image	NA
7093	2025-06-05	Direct parametric reconstruction in dynamic PET using deep image prior and a novel parameter magnification strategy 2025-Jun-02, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110487 PMID:40460562	research paper	该研究提出了一种新颖的无监督深度学习方法DIP-PM，用于直接参数化重建正电子发射断层扫描（PET）中的微参数图像，以提高图像质量	结合深度图像先验（DIP）与参数放大（PM）策略，提出DIP-PM模型，显著提升非线性和小值微参数（如k2、k3）的重建质量	研究主要基于模拟数据和少量真实数据验证，需进一步扩大样本量和多样化数据以验证方法的普适性	改进PET动态数据中非线性微参数的重建质量	PET动态数据中的微参数（如k2、k3）	医学影像处理	NA	深度图像先验（DIP）、参数放大（PM）策略	U-Net	PET动态数据、CT图像	模拟数据集（82Rb和18F-FDG）及1例真实男性受试者的18F-FDG扫描数据
7094	2025-06-05	Current trends in glioma tumor segmentation: A survey of deep learning modules 2025-Jun-02, Physica medica : PM : an international journal devoted to the applications of physics to medicine and biology : official journal of the Italian Association of Biomedical Physics (AIFB) DOI:10.1016/j.ejmp.2025.104988 PMID:40460759	综述	本文综述了当前深度学习模块在胶质瘤肿瘤分割中的应用趋势	通过消融研究评估了各种'附加'模块对胶质瘤分割性能的影响，包括空洞卷积、inception、注意力机制、transformer和混合模块等	需要进一步改进模型的可解释性、降低计算成本并提高泛化能力	评估深度学习模块在胶质瘤分割中的性能影响	胶质瘤肿瘤分割	数字病理学	脑肿瘤/胶质瘤	多参数磁共振成像(mpMRI)	深度学习(DL)，包括空洞卷积、inception、注意力机制、transformer等	医学影像	Brain Tumor Segmentation (BraTS)数据集(包含低级别和高级别胶质瘤)
7095	2025-06-05	RS-MAE: Region-State Masked Autoencoder for Neuropsychiatric Disorder Classifications Based on Resting-State fMRI 2025-Jun, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3449949 PMID:39325609	研究论文	提出了一种基于静息态功能磁共振成像（fMRI）的区域状态掩码自编码器（RS-MAE），用于神经精神疾病的分类	引入了掩码自编码器（MAE）减少动态功能连接（DFC）矩阵中的冗余信息，提出区域状态（RS）补丁嵌入以适应DFC矩阵，并引入随机状态连接（RSC）作为DFC矩阵增强方法	训练样本不足可能影响模型性能	开发一种高效的深度学习方法用于神经精神疾病的分类	静息态功能磁共振成像（fMRI）数据	数字病理学	神经精神疾病	fMRI	MAE	图像	四个公开数据集（ADHD、ASD、AD、SCZ）
7096	2025-06-05	Hyperparameter Recommendation Integrated With Convolutional Neural Network 2025-Jun, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3476439 PMID:39423079	研究论文	本文提出了一种结合卷积神经网络（CNN）的超参数推荐方法，旨在解决传统元学习模型在捕捉数据内在特征方面的不足	通过集成CNN和卷积去噪自编码器（ConvDAE），开发了一种能够利用数据集特性和部分超参数性能进行有效推荐的两分支CNN模型	NA	提高超参数推荐的准确性和效率	超参数推荐系统	机器学习	NA	CNN, ConvDAE	CNN, 卷积去噪自编码器（ConvDAE）	结构化数据	400个真实分类问题
7097	2025-06-05	Spike-and-Slab Shrinkage Priors for Structurally Sparse Bayesian Neural Networks 2025-Jun, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3485529 PMID:39480710	research paper	该文章探讨了在贝叶斯神经网络（BNNs）中使用Lasso和Horseshoe收缩技术进行模型压缩的方法，并提出了结构稀疏的BNNs	提出了两种结构稀疏的BNNs方法：1) spike-and-slab group Lasso (SS-GL) 和 2) SS group Horseshoe (SS-GHS) 先验，并开发了计算上可行的变分推断方法	未提及具体的数据集或应用场景限制	研究贝叶斯神经网络中的模型压缩技术，以提高计算效率和降低网络复杂度	贝叶斯神经网络（BNNs）	machine learning	NA	Lasso, Horseshoe, 变分推断	Bayesian neural networks (BNNs)	NA	NA
7098	2025-06-05	The Pivotal Role of Baseline LDCT for Lung Cancer Screening in the Era of Artificial Intelligence 2025-Jun, Archivos de bronconeumologia IF:8.7Q1 DOI:10.1016/j.arbres.2024.11.001 PMID:39643515	综述	本文探讨了在人工智能时代，基线低剂量计算机断层扫描（LDCT）在肺癌筛查中的关键作用及其面临的挑战	探讨了人工智能如何通过分析LDCT的放射组学特征来区分良恶性结节，并预测肺癌和心血管疾病的风险，实现个性化筛查	人工智能在LDCT筛查路径中的主要障碍是性能的普适性和可解释性	评估基线LDCT检查在肺癌筛查中的重要性，并探索人工智能在克服筛查挑战中的作用	肺癌筛查参与者及其基线LDCT检查结果	数字病理学	肺癌	LDCT, 深度学习	DL	图像	NA
7099	2025-06-05	Deep learning for tibial plateau fracture detection and classification 2025-Jun, The Knee DOI:10.1016/j.knee.2025.02.001 PMID:40023913	研究论文	本研究开发了一种深度学习模型，用于胫骨平台骨折的检测和Schatzker分类	首次开发了针对胫骨平台骨折的计算机视觉模型，并应用Schatzker分类系统	在骨折分类方面的准确性较低，Schatzker分类系统在常规X光片上的观察者间一致性较低	开发深度学习模型以检测和分类胫骨平台骨折	胫骨平台骨折的X光片	计算机视觉	骨折	深度学习	CNN（GoogleNet和ResNet）	X光图像	753名患者的1506张膝关节X光片（368例胫骨平台骨折和385例健康膝盖）
7100	2025-06-05	A Forward and Backward Compatible Framework for Few-Shot Class-Incremental Pill Recognition 2025-Jun, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3497956 PMID:40030571	research paper	提出了一种用于少样本类增量药片识别的前向和后向兼容框架DBC-FSCIL，包括虚拟类生成策略和中心三重损失以增强特征学习，以及通过不确定性量化合成旧类伪特征的策略	首次提出了少样本类增量药片识别框架DBC-FSCIL，包含前向兼容和后向兼容学习组件，采用虚拟类生成策略和中心三重损失增强特征学习，并通过不确定性量化合成旧类伪特征	NA	开发一种少样本类增量药片识别系统，以解决数据标注成本高和新药片类别不断增加的问题	药片图像	computer vision	NA	few-shot learning, class-incremental learning	DBC-FSCIL	image	NA