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
7381	2025-02-03	Automatic medical report generation based on deep learning: A state of the art survey 2025-Mar, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2024.102486 PMID:39787734	综述	本文全面回顾了基于深度学习的自动医疗报告生成的最新进展，涵盖了问题描述、数据集介绍、评估指标分析以及现有研究的分类	提供了对自动医疗报告生成领域的全面综述，特别是对现有研究进行了五类分类，并指出了该领域的问题和未来挑战方向	综述文章本身不涉及新的实验或数据，主要依赖于已有文献的分析和总结	加速患者护理过程，减轻放射科医生的工作负担	医疗影像及其报告	自然语言处理	NA	深度学习	检索模型、基于领域知识的模型、基于注意力的模型、基于强化学习的模型、基于大语言模型的模型、融合模型	医疗影像	NA
7382	2025-02-03	Attention incorporated network for sharing low-rank, image and k-space information during MR image reconstruction to achieve single breath-hold cardiac Cine imaging 2025-Mar, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2024.102475 PMID:39808868	研究论文	本文提出了一种新型深度学习网络A-LIKNet，用于心脏Cine磁共振成像（MRI）重建，通过嵌入低秩、图像和k空间等多域信息，实现单次屏气成像	A-LIKNet采用并行分支结构，实现k空间和图像域的独立学习，并通过耦合信息共享层实现域间信息交换，同时引入注意力机制以分配更重要的权重	现有网络存在单域学习、依赖单一正则化项和特征贡献均等等限制，A-LIKNet虽有所改进，但仍需进一步验证其在不同数据集上的泛化能力	加速心脏Cine MRI成像并提高重建质量，实现单次屏气成像	心脏Cine MRI图像	计算机视觉	心血管疾病	深度学习	A-LIKNet	图像	91名心血管病患者和38名健康受试者
7383	2025-01-16	PADS-Net: GAN-based radiomics using multi-task network of denoising and segmentation for ultrasonic diagnosis of Parkinson disease 2025-Mar, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2024.102490 PMID:39808869	研究论文	本文提出了一种基于生成对抗网络的多任务深度学习框架PADS-Net，用于帕金森病的超声图像去噪和分割，以提高诊断准确性	PADS-Net结合了生成对抗网络和多任务深度学习框架，同时进行超声图像去噪和分割，并采用复合损失函数和放射组学技术来提高帕金森病的诊断准确性	未提及具体的研究局限性	提高帕金森病的超声诊断准确性	帕金森病患者的经颅超声图像	计算机视觉	帕金森病	放射组学技术	GAN	图像	未提及具体样本数量
7384	2025-02-03	Deep Equilibrium Unfolding Learning for Noise Estimation and Removal in Optical Molecular Imaging 2025-Mar, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2025.102492 PMID:39823663	研究论文	本文介绍了一种用于光学分子成像中噪声估计和去除的端到端模型驱动方法DEQ-UMamba	提出了一种结合近端梯度下降技术和学习空间频率特征的深度平衡展开Mamba模型，能够将复杂噪声结构解耦为统计分布，实现有效的噪声估计和抑制	NA	解决光学分子成像中由于高帧率和低激发剂量导致的图像退化问题，提高图像质量	荧光图像	计算机视觉	NA	光学分子成像	DEQ-UMamba	图像	临床和体内数据集
7385	2025-02-03	Opportunistic AI for enhanced cardiovascular disease risk stratification using abdominal CT scans 2025-Mar, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2025.102493 PMID:39854859	研究论文	本研究介绍了一种基于深度学习的DL-CVDi评分，利用常规腹部CT扫描预测心血管疾病风险	开发了一种新的生物标志物DL-CVDi评分，利用深度生存学习从腹部CT扫描中提取心血管疾病风险信息	需要进一步在多民族队列中验证，并探索其在合并症患者中的效用	提高心血管疾病风险分层	腹部CT扫描	计算机视觉	心血管疾病	深度学习	Cox比例风险模型	图像	NA
7386	2025-02-03	Predicting benefit from PARP inhibitors using deep learning on H&E-stained ovarian cancer slides 2025-Feb-05, European journal of cancer (Oxford, England : 1990) DOI:10.1016/j.ejca.2024.115199 PMID:39742559	研究论文	本研究利用深度学习技术，通过分析H&E染色的卵巢癌全切片图像，预测患者从PARP抑制剂治疗中获益的可能性	首次尝试使用深度学习直接从组织学全切片图像预测PARP抑制剂的治疗效果，为快速且经济的替代复杂分子测试提供了可能性	模型在外部验证集上的预测性能较低（AUROC仅为57%），且需要更大规模的研究和方法学改进以提高临床实用性	开发一种基于深度学习的预测模型，用于评估卵巢癌患者从PARP抑制剂治疗中获益的可能性	卵巢癌患者	数字病理学	卵巢癌	深度学习	深度学习模型	图像	AGO-TR1队列（n=208：108训练，100测试）和PAOLA-1队列（n=447）
7387	2025-02-03	A review on real time implementation of soft computing techniques in thermal power plant 2025-Feb, Network (Bristol, England) DOI:10.1080/0954898X.2024.2429721 PMID:39601783	综述	本文综述了2019年至2023年间关于利用软计算技术（包括AI-ML和DL）提高热电厂生产力的研究	提供了对现有研究的全面总结，并评估了传统AI方法在提高热电厂生产力方面的有效性	仅限于2019年至2023年间的研究，可能未涵盖所有相关研究	提高热电厂的生产力	热电厂	机器学习	NA	AI-ML, DL	NA	NA	NA
7388	2025-02-03	Ultra-low-dose coronary CT angiography via super-resolution deep learning reconstruction: impact on image quality, coronary plaque, and stenosis analysis 2025-Feb-01, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-11399-2 PMID:39891682	研究论文	本研究探讨了超分辨率深度学习重建（SR-DLR）在冠状动脉CT血管造影（CCTA）中减少辐射暴露的能力，并评估其对图像质量、冠状动脉斑块定量和表征以及狭窄严重性分析的影响	使用SR-DLR算法在CCTA中实现了60%的辐射剂量减少，同时保持了高图像质量和在冠状动脉斑块及狭窄分析中的优异表现	样本量较小，仅包括50名患者，且未进行长期随访以评估SR-DLR的长期效果	评估SR-DLR在CCTA中减少辐射剂量的能力及其对图像质量和临床分析的影响	50名接受低剂量（LD）和超低剂量（ULD）CCTA扫描的患者	医学影像	心血管疾病	超分辨率深度学习重建（SR-DLR）	深度学习	医学影像	50名患者
7389	2025-02-03	Normative values for lung, bronchial sizes, and bronchus-artery ratios in chest CT scans: from infancy into young adulthood 2025-Feb-01, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-11367-w PMID:39891681	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
7390	2025-02-03	Hybrid deep learning based stroke detection using CT images with routing in an IoT environment 2025-Feb-01, Network (Bristol, England) DOI:10.1080/0954898X.2025.2452280 PMID:39893512	研究论文	本文提出了一种基于混合深度学习的CT图像中风检测方法，结合物联网技术进行数据传输	提出了一种新的Jaccard_Residual SqueezeNet模型，用于从CT图像中预测中风，并结合物联网技术进行数据传输	未提及具体的研究局限性	提高中风病变的早期检测和准确分割，以改善治疗效果和减少长期残疾	CT图像中的中风病变	计算机视觉	中风	CT成像	Jaccard_Residual SqueezeNet	图像	未提及具体样本数量
7391	2025-02-03	Statin use and longitudinal bone marrow lesion burden: analysis of knees without osteoarthritis from the Osteoarthritis Initiative study 2025-Jan-31, Skeletal radiology IF:1.9Q3 DOI:10.1007/s00256-025-04878-6 PMID:39890641	研究论文	本研究探讨了他汀类药物使用与无骨关节炎参与者膝关节骨髓病变（BML）体积纵向变化之间的关系	首次在无基线膝关节骨关节炎的参与者中，使用深度学习算法定量测量MRI基础上的BML体积，并分析他汀类药物使用对BML体积变化的影响	研究仅针对无基线膝关节骨关节炎的参与者，可能不适用于已有骨关节炎的患者	确定他汀类药物使用与无放射学膝关节骨关节炎参与者中基于MRI的BML体积纵向变化之间的关联	无放射学膝关节骨关节炎的参与者	数字病理学	骨关节炎	MRI, 深度学习算法	深度学习	图像	1502个膝关节（751个他汀类药物使用者和751个非使用者）
7392	2025-02-03	DICOM LUT is a Key Step in Medical Image Preprocessing Towards AI Generalizability 2025-Jan-31, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01418-5 PMID:39890738	研究论文	本研究探讨了医学图像预处理对深度学习模型性能的影响，特别是直方图均衡化（HE）和感兴趣值查找表（VOI-LUT）变换在胸部X光片（CXR）中的应用	揭示了直方图均衡化增强对模型性能的显著影响，特别是在泛化能力方面，并指出仅使用HE增强数据集训练的模型在外部验证集上表现较差，表明可能存在过拟合和信息丢失	研究仅针对胸部X光片，未涵盖其他类型的医学图像	探讨医学图像预处理技术对深度学习模型性能的影响，特别是对泛化能力的影响	胸部X光片（CXR）	计算机视觉	肺气肿	直方图均衡化（HE）和感兴趣值查找表（VOI-LUT）变换	深度学习分类器	图像	内部CXR数据集生成的两个基线数据集，并在两个外部数据集上进行评估
7393	2025-02-03	MMnc: Multi-modal interpretable representation for non-coding RNA classification and class annotation 2025-Jan-31, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaf051 PMID:39891346	研究论文	本文介绍了一种名为MMnc的可解释深度学习方法，用于将非编码RNA分类到功能组中	MMnc利用基于注意力的多模态数据集成方法，整合序列、二级结构和表达等多种数据源，确保学习有意义的表示，并处理部分样本中缺失的数据源	NA	旨在通过深度学习技术对非编码RNA进行功能分类和注释	非编码RNA	机器学习	NA	深度学习	基于注意力的多模态数据集成模型	序列、二级结构、表达数据	NA
7394	2025-02-03	Versatile waste sorting in small batch and flexible manufacturing industries using deep learning techniques 2025-Jan-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-87226-x PMID:39885307	研究论文	本研究评估了Segment Anything Model (SAM)系列深度学习架构在机器人垃圾分类中分离高度可变物体的能力，提出了一种基于SAM架构的通用视觉垃圾分类两步程序	提出了一种基于SAM架构的两步程序，消除了开发专用垃圾分类和分割算法的必要性，并显著减少了适应不同用例的时间和成本	NA	评估深度学习架构在机器人垃圾分类中的应用能力，以提高生产率和降低费用	高度可变物体	计算机视觉	NA	深度学习	SAM, FastSAM, MobileSAMv2, EfficientSAM, MobileNetV2, VGG19, Dense-Net, Squeeze-Net, ResNet, Inception-v3	图像	四个用例（漂浮垃圾、城市垃圾、电子垃圾和智能垃圾桶）
7395	2025-02-03	Expanding genomic prediction in plant breeding: harnessing big data, machine learning, and advanced software 2025-Jan-30, Trends in plant science IF:17.3Q1 DOI:10.1016/j.tplants.2024.12.009 PMID:39890501	综述	本文回顾了提高基因组选择（GS）效率的关键因素，重点关注统计机器学习方法和软件	强调了深度学习模型在基因组预测中的独特优势，并介绍了支持GS方法的最新数据管理工具	未提及具体的实验验证或实际应用案例	提高植物育种中基因组选择的效率	植物育种中的基因组数据	机器学习	NA	基因组选择（GS）	深度学习（DL）	基因组数据	NA
7396	2025-02-03	Deep Learning Prediction of Drug-Induced Liver Toxicity by Manifold Embedding of Quantum Information of Drug Molecules 2025-Jan, Pharmaceutical research IF:3.5Q2 DOI:10.1007/s11095-024-03800-4 PMID:39663331	研究论文	本文介绍了一种利用深度学习和分子表面电子属性的流形嵌入来预测药物诱导肝毒性的方法	创新点在于将分子表面的局部电子属性映射到低维流形嵌入，并将其作为深度学习模型的分子输入	未提及具体局限性	研究目的是预测药物诱导的肝毒性（DILI）	研究对象是药物分子	机器学习	肝病	深度学习	深度学习模型	分子数据	NA
7397	2025-02-03	Automated Deep Learning-Based Detection and Segmentation of Lung Tumors at CT 2025-Jan, Radiology IF:12.1Q1 DOI:10.1148/radiol.233029 PMID:39835976	研究论文	本文开发并评估了一种基于深度学习的集成模型，用于自动化识别和分割CT扫描中的肺部肿瘤	采用3D U-Net集成模型，结合图像多分辨率方法，平衡了体积上下文与分辨率，提高了肿瘤检测和分割的准确性	研究依赖于回顾性数据，可能受到数据质量和样本选择的限制	开发自动化工具以改进肺部肿瘤的检测和分割，减少医生的工作负担和变异性	CT扫描中的肺部肿瘤	计算机视觉	肺癌	深度学习	3D U-Net	CT图像	1,504个CT扫描样本
7398	2025-02-03	Quantitative Structural and Compositional Elucidation of Real-World Pharmaceutical Tablet Using Large Field-of-View, Correlative Microscopy-Tomography Techniques and AI-Enabled Image Analysis 2025-Jan, Pharmaceutical research IF:3.5Q2 DOI:10.1007/s11095-024-03812-0 PMID:39779618	研究论文	本研究提出了一种结合显微镜-断层扫描技术和基于机器学习的图像分割方法，用于定量解析真实世界药物片剂的结构和组成	结合了相衬同步辐射X射线微计算机断层扫描（SyncCT）和AI图像分析技术，实现了对药物片剂成分和结构的定量解析	研究仅针对一种特定药物片剂，未涉及多种药物片剂的广泛验证	实现药物片剂结构和组成的定量解析，以促进更高效的片剂配方和工艺开发	真实世界药物片剂	数字病理学	NA	相衬同步辐射X射线微计算机断层扫描（SyncCT）、能量色散X射线光谱技术、机器学习图像分割	监督学习、深度学习	图像	一种含有15% API和多种常见辅料的药物片剂
7399	2025-02-03	Automated recognition and segmentation of lung cancer cytological images based on deep learning 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0317996 PMID:39888907	研究论文	本研究开发了一种基于YOLOv8算法的深度学习模型，用于肺病变的术中细胞学图像分割，以提高肺癌细胞识别的速度和准确性	首次将YOLOv8算法应用于肺癌细胞学图像的分割和识别，实现了像素级别的图像分割和快速定位	模型在测试集上的平均像素精度和平均交并比分别为0.80和0.70，仍有提升空间	开发一种自动化方法，用于快速定位和识别肺癌细胞学图像中的病变区域	肺癌细胞学图像，包括胸水细胞学和支气管肺泡灌洗液细胞学图像	计算机视觉	肺癌	深度学习	YOLOv8	图像	未明确提及具体样本数量
7400	2025-02-03	Diagnostic Accuracy of an Integrated AI Tool to Estimate Gestational Age From Blind Ultrasound Sweeps 2024-08-27, JAMA DOI:10.1001/jama.2024.10770 PMID:39088200	研究论文	本研究开发了一种深度学习人工智能模型，用于从盲超声扫描中估计孕龄，并将其集成到低成本、电池供电设备的软件中	开发了一种低成本、电池供电的AI工具，使未经培训的新手用户能够准确估计孕龄，适用于资源匮乏的环境	研究仅包括单胎、无异常的第一孕期妊娠，且仅在14至27周孕龄范围内进行评估	评估由未经培训的新手用户使用AI超声工具估计孕龄的准确性	400名在赞比亚卢萨卡和美国北卡罗来纳州教堂山的单胎、无异常的第一孕期妊娠个体	数字病理	NA	深度学习	深度学习模型	超声图像	400名妊娠个体