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
7361	2025-03-13	Deep learning in magnetic resonance enterography for Crohn's disease assessment: a systematic review 2024-09, Abdominal radiology (New York) DOI:10.1007/s00261-024-04326-4 PMID:38693270	系统综述	本文综述了深度学习在磁共振肠造影（MRE）中用于克罗恩病（CD）评估的最新研究进展	探讨了深度学习在MRE图像质量增强、肠道分割以量化疾病负担以及3D重建用于手术规划等方面的应用	大多数研究是初步的、回顾性研究，且至少在一个类别中存在高偏倚风险	评估深度学习在克罗恩病评估中的应用及其潜力	克罗恩病患者	医学影像分析	克罗恩病	磁共振肠造影（MRE）	深度学习	医学影像	468名受试者
7362	2025-03-13	Hybrid deep learning and optimal graph search method for optical coherence tomography layer segmentation in diseases affecting the optic nerve 2024-Jun-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.516045 PMID:38867777	研究论文	本文提出了一种结合深度学习和3D图搜索的混合方法Deep LOGISMOS，用于提高光学相干断层扫描（OCT）图像中视网膜层分割的准确性、鲁棒性和泛化能力	Deep LOGISMOS结合了深度学习和3D图搜索的优势，克服了现有算法在病理导致视网膜层拓扑不规则时的局限性	NA	提高视网膜层分割的准确性，以辅助视神经疾病的诊断和治疗管理	OCT图像中的视网膜层	计算机视觉	视神经疾病	光学相干断层扫描（OCT）	Deep LOGISMOS（结合深度学习和3D图搜索）	图像	124个OCT体积（31名非动脉性前部缺血性视神经病变患者）、40个OCT体积（20名NAION患者）、29个OCT体积（29名青光眼患者）、35个OCT体积（21名多发性硬化症患者和14名对照者）、155个OCT体积（15名青光眼患者）
7363	2025-03-13	Exercise-Related Physical Activity Relates to Brain Volumes in 10,125 Individuals 2024, Journal of Alzheimer's disease : JAD DOI:10.3233/JAD-230740 PMID:38073389	研究论文	本研究探讨了定期中高强度体力活动与大脑体积之间的关系，通过磁共振神经影像技术对10,125名健康参与者进行了分析	使用深度学习模型分析MRI扫描的轴向、矢状和冠状视图，首次在大规模人群中量化体力活动与大脑体积的关系	研究为横断面设计，无法确定因果关系，且体力活动数据依赖于自我报告，可能存在偏差	探讨定期中高强度体力活动与大脑体积之间的关系，以揭示体力活动对大脑结构的潜在神经保护作用	10,125名健康参与者	数字病理	NA	磁共振成像（MRI）	深度学习模型	图像	10,125名健康参与者
7364	2025-03-13	Whole slide image-based weakly supervised deep learning for predicting major pathological response in non-small cell lung cancer following neoadjuvant chemoimmunotherapy: a multicenter, retrospective, cohort study 2024, Frontiers in immunology IF:5.7Q1 DOI:10.3389/fimmu.2024.1453232 PMID:39372403	研究论文	本研究利用弱监督深度学习技术，通过全切片图像预测非小细胞肺癌患者在新辅助化疗免疫治疗后的主要病理反应	采用弱监督学习框架和多实例学习算法，结合创新的数据增强和归一化技术，提升了模型的鲁棒性和解释性	研究为回顾性研究，样本量相对较小，且仅针对非小细胞肺癌患者	开发预测模型以准确预测非小细胞肺癌患者在新辅助化疗免疫治疗后的主要病理反应	186名非小细胞肺癌患者的治疗前全切片图像	数字病理学	肺癌	弱监督深度学习	DenseNet121, ResNet50, Inception V3, XGBoost	图像	186名非小细胞肺癌患者
7365	2025-03-13	Quantifying the spatial patterns of retinal ganglion cell loss and progression in optic neuropathy by applying a deep learning variational autoencoder approach to optical coherence tomography 2024, Frontiers in ophthalmology DOI:10.3389/fopht.2024.1497848 PMID:39963427	研究论文	本研究提出了一种增强型变分自编码器（bVAE）方法，用于捕捉视网膜神经节细胞（RGC）损失的空间变化，并生成潜在空间（LS）蒙太奇图，以可视化视神经束损伤的不同程度和空间模式	提出了一种新的增强型变分自编码器（bVAE）模型，能够捕捉RGC损失的空间变化并生成潜在空间蒙太奇图，同时能够追踪RGC变薄的空间模式并分类潜在病因	未来工作将集中在整合额外的图像模态以进一步优化模型的诊断能力	通过bVAE模型可视化和量化视神经病变中的GCL变薄模式	视网膜神经节细胞（RGC）	计算机视觉	视神经病变	光学相干断层扫描（OCT）	增强型变分自编码器（bVAE）	图像	822名受试者的10,701次OCT黄斑扫描
7366	2025-03-12	iAMP-CRA: Identifying Antimicrobial Peptides Using Convolutional Recurrent Neural Network with Self-Attention 2025-Dec, Health information science and systems IF:4.7Q1 DOI:10.1007/s13755-025-00342-w PMID:40062190	研究论文	本文提出了一种使用卷积循环神经网络与自注意力机制相结合的深度学习模型(iAMP-CRA)，用于从大量蛋白质序列中快速筛选出抗菌肽(AMPs)的候选样本	设计了灵活的、可解释的深度学习模型iAMP-CRA，结合了卷积循环神经网络和自注意力机制，能够自适应地融合异构特征，并在基准数据集上表现出优异的学习能力	未提及具体的数据集大小或模型训练时间等限制	快速筛选抗菌肽(AMPs)候选样本，以帮助发现新的抗菌肽	抗菌肽(AMPs)	自然语言处理	NA	深度学习	卷积循环神经网络(CNN-RNN)与自注意力机制	蛋白质序列	未提及具体样本数量
7367	2025-03-12	Adaptive boundary-enhanced Dice loss for image segmentation 2025-Aug, Biomedical signal processing and control IF:4.9Q1 DOI:10.1016/j.bspc.2025.107741 PMID:40061446	研究论文	本文提出了一种自适应边界增强的Dice损失函数（ABeDice），用于提高医学图像分割的准确性	ABeDice损失函数结合了指数递归互补（ERC）函数与传统Dice损失，通过动态调整预测概率分布，优先考虑高概率区域，从而提升分割性能	NA	提高医学图像分割的准确性	医学图像	计算机视觉	NA	深度学习	Swin-Unet	图像	三个公开数据集（REFUGE、ISIC2018、RIT-Eyes）
7368	2025-03-12	Optimizing multimodal scene recognition through relevant feature selection approach for scene classification 2025-Jun, MethodsX IF:1.6Q2 DOI:10.1016/j.mex.2025.103226 PMID:40061570	研究论文	本文提出了一种新颖的多模态特征提取和特征选择技术，以提高场景分类中迁移学习的效率	引入了多模态特征提取和特征选择技术，结合CNN进行特征提取，以提高模型性能和计算效率	未提及具体局限性	优化场景分类中的多模态特征提取和选择，以提高迁移学习的效率	场景分类任务	计算机视觉	NA	迁移学习，特征选择技术	CNN	图像	Scene数据集（6类）和AID数据集
7369	2025-03-12	Unlocking the potential of digital pathology: Novel baselines for compression 2025-Apr, Journal of pathology informatics DOI:10.1016/j.jpi.2025.100421 PMID:40059908	研究论文	本文探讨了数字病理学中全切片图像（WSI）的压缩问题，提出了一种新的评估指标，用于评估感知质量和下游任务质量	提出了一种基于特征相似性的新评估指标，能够很好地与压缩WSI的实际下游性能对齐，并鼓励统一评估有损压缩方案以加速数字病理学的临床应用	深度学习模型在训练数据中存在的压缩伪影上表现出显著偏差，难以在各种压缩方案中泛化	评估和优化数字病理学中全切片图像的压缩方案，以提高临床决策的准确性和效率	全切片图像（WSI）	数字病理学	NA	深度学习	NA	图像	四个不同的数据集
7370	2025-03-12	Dual-Component Gas Sensor Based on Light-Induced Thermoelastic Spectroscopy and Deep Learning 2025-Mar-11, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.4c06588 PMID:40012474	研究论文	本文首次报道了一种基于光诱导热弹性光谱和深度学习的乙炔-二氧化碳双组分气体传感器	首次结合光诱导热弹性光谱和深度学习技术，开发了一种新型的双组分气体传感器，并采用了SSA-CNN-BiGRU-Attention模型来提高浓度反演的准确性	研究仅限于乙炔和二氧化碳两种气体的检测，未来需要扩展到更多气体成分的研究	开发一种高精度的双组分气体传感器，用于气体浓度的精确反演	乙炔和二氧化碳气体	传感器技术	NA	光诱导热弹性光谱	SSA-CNN-BiGRU-Attention	光谱数据	NA
7371	2025-03-12	Deep Learning-Assisted Ultrasensitive Detection of Gold Nanoparticles Using Light Microscopy Images Captured by a Cellphone Camera 2025-Mar-11, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.4c06395 PMID:40016179	研究论文	本研究提出了一种使用手机摄像头捕获的暗场散射光显微镜图像，结合深度学习技术，实现金纳米颗粒（AuNPs）的超灵敏检测和定量的方法	首次将深度学习技术应用于手机摄像头捕获的暗场散射光显微镜图像，实现了对120 nm金纳米颗粒的超灵敏检测和定量	研究仅针对120 nm的金纳米颗粒，未验证其他尺寸或类型的纳米颗粒的检测效果	开发一种简单、易获取且高灵敏度的金纳米颗粒检测平台	金纳米颗粒（AuNPs）	计算机视觉	NA	暗场散射光显微镜	深度学习模型（分类和回归模型）	图像	4个不同浓度的样本
7372	2025-03-12	I-BrainNet: Deep Learning and Internet of Things (DL/IoT)-Based Framework for the Classification of Brain Tumor 2025-Mar-10, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01470-1 PMID:40063173	研究论文	本文提出了一种基于深度学习和物联网（DL/IoT）的框架I-BrainNet，用于脑肿瘤的分类	提出了一个结合深度学习和物联网的框架I-BrainNet，用于实时分类脑肿瘤，并展示了预训练的MobileNetV2在MRI与非MRI及肿瘤与非肿瘤分类中的最佳性能	研究中使用的数据集虽然较大，但可能仍不足以涵盖所有类型的脑肿瘤，且未提及模型在实际临床环境中的验证	开发一种精确的脑肿瘤分类方法，以指导临床决策	脑肿瘤的多模态图像（CT和MRI）数据集	计算机视觉	脑肿瘤	深度学习	MobileNetV2, ResNet, Inceptionv3, VGG16	图像	9616个MRI和CT扫描，其中8000个用于MRI与非MRI的分类，4000个用于肿瘤与非肿瘤的分类
7373	2025-03-12	Identification of Camellia Oil Adulteration With Excitation-Emission Matrix Fluorescence Spectra and Deep Learning 2025-Mar-10, Journal of fluorescence IF:2.6Q3 DOI:10.1007/s10895-025-04229-7 PMID:40063235	研究论文	本研究提出了一种结合激发-发射矩阵荧光光谱（EEMF）和深度学习的方法，用于准确、无损地识别山茶油的掺假	提出了一种名为ResTransformer的深度学习模型，结合残差模块和Transformer，从局部和全局角度进行掺假类型的定性检测和掺假浓度的定量检测	NA	开发一种准确且无损的方法来识别山茶油的掺假，以保障公众健康和福祉	山茶油及其掺假物	机器学习	NA	激发-发射矩阵荧光光谱（EEMF）	ResTransformer（结合残差模块和Transformer的深度学习模型）	光谱数据	NA
7374	2025-03-12	Learning to Explore Sample Relationships 2025-Mar-10, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3549300 PMID:40063428	研究论文	本文提出了一种名为BatchFormerV1和BatchFormerV2的批处理变换模块，旨在使深度神经网络能够以可学习的方式探索样本关系	提出了BatchFormerV1和BatchFormerV2模块，使深度神经网络能够以可学习的方式探索样本关系，并设计了一种两流训练管道以解决训练-测试不一致问题	探索实例级关系对密集预测的影响有限	解决深度学习中数据稀缺问题，提升样本关系的探索能力	深度神经网络	计算机视觉	NA	深度学习	BatchFormerV1, BatchFormerV2	图像	超过十个流行数据集
7375	2025-03-12	A Thyroid Nodule Ultrasound Image Grading Model Integrating Medical Prior Knowledge 2025-Mar-10, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01120-y PMID:40064758	研究论文	本研究提出了一种基于中国甲状腺影像报告和数据系统（C-TIRADS）的甲状腺结节超声图像分级模型，结合了传统手工特征和深度特征	结合了医学先验知识和深度特征，采用改进的ShuffleNetV2网络和多头自注意力机制，并使用XGBoost分类器进行多类分类	数据集仅包含922张原始图像，可能限制了模型的泛化能力	提高甲状腺结节超声诊断的准确性	甲状腺结节超声图像	计算机视觉	甲状腺疾病	深度学习，图像处理	ShuffleNetV2，XGBoost	图像	922张原始图像，包括149例2类，140例3类，156例4A类，114例4B类，123例4C类，240例5类
7376	2025-03-12	Deep learning network for NMR spectra reconstruction in time-frequency domain and quality assessment 2025-Mar-08, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-57721-w PMID:40057512	研究论文	本文提出了一种联合时频域的深度学习网络JTF-Net，用于核磁共振（NMR）光谱的重建和质量评估	JTF-Net结合了时域和频域特征，相比传统算法和单域深度学习方法，在蛋白质光谱的重建上表现更优；同时提出了无需参考光谱的质量评估指标REQUIRER	当前深度学习方法仅关注单域重建，存在峰值丢失和伪影峰等问题，且缺乏全采样光谱使得重建光谱的质量难以评估	提高核磁共振光谱的重建质量和评估效率	核磁共振光谱	机器学习	NA	深度学习	JTF-Net	光谱数据	NA
7377	2025-03-12	Repeatability-encouraging self-supervised learning reconstruction for quantitative MRI 2025-Feb-27, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.30478 PMID:40014485	研究论文	本研究提出了一种鼓励重复性的自监督学习（SSL）重建方法，用于定量MRI，旨在提高定量MRI的测量重复性	提出了一种新的自监督学习重建方法，通过最小化两个互斥时间子集的k-t空间数据之间的交叉数据一致性，鼓励定量MRI的重复性	研究仅针对心脏MR多任务T1映射数据进行了评估，未在其他类型的定量MRI数据上进行验证	提高定量MRI的测量重复性，加速重建过程	心脏MR多任务T1映射数据	医学影像	心血管疾病	自监督学习（SSL）	深度学习网络	k-t空间数据	未明确提及样本数量
7378	2025-03-12	[Generative artificial intelligence ChatGPT in clinical nutrition - Advances and challenges] 2025-Feb-26, Nutricion hospitalaria IF:1.2Q4 DOI:10.20960/nh.05692 PMID:40066572	研究论文	本文探讨了生成式人工智能ChatGPT在临床营养学中的应用进展与挑战	ChatGPT在营养评估、个性化干预建议和患者进展监测方面展现了潜力，特别是在计算热量需求和推荐营养丰富的食物方面表现出色	ChatGPT在解释非语言线索、进行体格检查、整合多种医疗条件以及确保膳食计划的准确性方面存在不足，生成的计划可能出现显著的热量偏差和微量营养素失衡	研究ChatGPT在临床营养管理中的应用潜力及其局限性	临床营养管理中的患者	自然语言处理	NA	机器学习和深度学习	ChatGPT	临床记录数据	NA
7379	2025-03-12	Concordance-based Predictive Uncertainty (CPU)-Index: Proof-of-concept with application towards improved specificity of lung cancers on low dose screening CT 2025-Feb, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2024.103055 PMID:39721356	研究论文	本文介绍了一种新的基于一致性的预测不确定性（CPU）指数，通过其在肺癌筛查（LCS）预测中的应用，展示了其在提高风险评估方面的有效性	提出了CPU-Index框架，通过结合亚组分析和个性化AI时间到事件模型的见解，改进了肺癌筛查的预测透明度和可靠性	个性化AI时间到事件模型存在透明度问题和来自截尾数据的偏差	提高肺癌筛查的预测准确性和风险评估	肺癌筛查中的低剂量CT（LDCT）影像和患者人口统计数据	数字病理学	肺癌	低剂量CT（LDCT）放射组学	神经多任务逻辑回归时间到事件模型	影像和文本	3,326名在2015年1月1日至2020年6月30日期间接受LDCT进行LCS的患者
7380	2025-03-12	Comparing ECG Lead Subsets for Heart Arrhythmia/ECG Pattern Classification: Convolutional Neural Networks and Random Forest 2025-Feb, CJC open IF:2.5Q2 DOI:10.1016/j.cjco.2024.10.012 PMID:40060210	研究论文	本研究比较了深度学习（DL）和传统机器学习（CML）方法在心律失常/心电图（ECG）模式分类中的表现，特别是使用减少的ECG导联子集时的性能	首次比较了DL和CML方法在减少ECG导联子集情况下的心律失常/ECG模式分类性能，并识别了最优的ECG导联子集	研究仅使用了PhysioNet Cardiology Challenge 2020的公开数据集，可能无法完全代表所有临床场景	评估卷积神经网络（CNN）和随机森林（RF）模型在使用减少的ECG导联子集时对心律失常/ECG模式分类的准确性	心律失常/ECG模式分类	机器学习	心血管疾病	卷积神经网络（CNN），随机森林（RF）	CNN, RF	ECG数据	PhysioNet Cardiology Challenge 2020的公开数据集