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
7461	2025-05-12	PM2.5 concentration prediction using a whale optimization algorithm based hybrid deep learning model in Beijing, China 2025-Apr-15, Environmental pollution (Barking, Essex : 1987) DOI:10.1016/j.envpol.2025.125953 PMID:40032225	研究论文	本研究提出了一种基于鲸鱼优化算法(WOA)的混合深度学习模型，用于预测北京的PM2.5浓度	结合了鲸鱼优化算法(WOA)、卷积神经网络(CNN)、长短期记忆网络(LSTM)和注意力机制(AM)的混合模型，显著提高了预测精度	研究仅使用了2014年至2018年的数据，可能无法涵盖所有气象和污染情况	开发一种高精度的PM2.5浓度预测模型，以支持空气污染风险评估和早期预警	北京的PM2.5浓度	机器学习	NA	鲸鱼优化算法(WOA)、卷积神经网络(CNN)、长短期记忆网络(LSTM)和注意力机制(AM)	WOA-CNN-LSTM-AM	气象和空气污染数据	2014年至2018年的每日数据
7462	2025-05-12	Use of deep learning-based high-resolution magnetic resonance to identify intracranial and extracranial symptom-related plaques 2025-Apr-06, Neuroscience IF:2.9Q2 DOI:10.1016/j.neuroscience.2025.02.055 PMID:40032038	research paper	本研究旨在开发一种基于高分辨率血管壁成像（HR-VWI）的深度学习模型，用于区分症状相关的颅内和颅外斑块，这对中风治疗和预防至关重要	使用深度学习模型结合HR-VWI技术，首次实现了对症状相关颅内和颅外斑块的高效区分	研究样本量相对较小（235例患者），且为回顾性分析，可能影响模型的泛化能力	开发能够区分症状相关颅内和颅外斑块的深度学习模型，以指导中风治疗和预防	235例患者的HR-VWI数据	digital pathology	cardiovascular disease	high-resolution vessel wall imaging (HR-VWI)	DenseNet 201	image	235例患者（训练集156例，测试集79例）
7463	2025-05-12	Deep Learning Technology for Classification of Thyroid Nodules Using Multi-View Ultrasound Images: Potential Benefits and Challenges in Clinical Application 2025-Apr, Endocrinology and metabolism (Seoul, Korea) DOI:10.3803/EnM.2024.2058 PMID:39805576	研究论文	本研究评估了深度学习技术在甲状腺结节超声图像分类中的应用及其临床潜力	利用多种CNN模型（ResNet、DenseNet、EfficientNet）和Siamese神经网络进行多视角超声图像分析，显著提高了甲状腺结节分类的准确性	模型性能可能因不同医生和设备获取的图像质量而异，在真实临床环境中的表现可能存在差异	评估深度学习技术在甲状腺结节超声图像分类中的适用性	甲状腺结节患者	计算机视觉	甲状腺癌	超声成像	CNN（ResNet, DenseNet, EfficientNet）, Siamese神经网络	超声图像	943名患者的1048个甲状腺结节（其中306个为恶性）
7464	2025-05-12	Intuitive Human-Artificial Intelligence Theranostic Complementarity 2025-Apr, Cancer biotherapy & radiopharmaceuticals DOI:10.1089/cbr.2025.0021 PMID:39973351	research paper	本文探讨了人工智能在诊断影像学和核医学中的应用及其与人类直觉能力的互补性	提出了人工智能与核医学医生直觉能力的互补性概念，强调在癌症治疗中结合AI技术与人脑判断的重要性	未提及具体研究样本或实验数据来支持互补性概念的有效性	研究人工智能在核医学诊断和治疗决策中的作用及其局限性	核医学诊断和治疗决策过程	digital pathology	cancer	deep learning, radiomics, genomics	large language models	medical imaging, electronic medical records	NA
7465	2025-05-12	Role of Artificial Intelligence in the Detection and Management of Premalignant and Malignant Lesions of the Esophagus and Stomach 2025-Apr, Gastrointestinal endoscopy clinics of North America DOI:10.1016/j.giec.2024.10.003 PMID:40021232	review	本文综述了人工智能在食管和胃的癌前病变及恶性肿瘤检测和管理中的作用	展示了AI工具在食管鳞状细胞癌、Barrett食管相关肿瘤和胃癌筛查中的优越性能，超越内镜医师的表现	NA	探讨人工智能技术在消化道癌前病变和恶性肿瘤检测与管理中的应用	食管鳞状细胞癌、Barrett食管相关肿瘤和胃癌	digital pathology	esophageal cancer, gastric cancer	deep learning	CNN	image	NA
7466	2025-05-12	Role of Artificial Intelligence for Endoscopic Ultrasound 2025-Apr, Gastrointestinal endoscopy clinics of North America DOI:10.1016/j.giec.2024.10.007 PMID:40021237	research paper	探讨人工智能在内镜超声（EUS）中的作用及其在疾病诊断中的应用	利用深度学习技术如卷积神经网络（CNN）提高EUS图像的病变检测和特征分析能力	未提及具体样本量或实验设计的局限性	研究人工智能如何提升内镜超声的诊断准确性和效率	胆胰和胃肠道疾病的内镜超声图像	digital pathology	biliopancreatic and gastrointestinal tract diseases	deep learning	CNN	image	NA
7467	2025-05-12	Deep Learning Technique for Automatic Segmentation of Proximal Hip Musculoskeletal Tissues From CT Scan Images: A MrOS Study 2025-Apr, Journal of cachexia, sarcopenia and muscle DOI:10.1002/jcsm.13728 PMID:40022453	研究论文	开发一种基于深度学习的自动分割技术，用于从CT扫描图像中分割和量化近端髋部的肌肉骨骼组织	首次针对近端髋部肌肉骨骼组织的自动分割技术进行研究，填补了该领域的研究空白	研究仅针对男性参与者，样本量相对有限（300人）	开发一种快速准确的近端髋部肌肉骨骼组织分割和量化方法	近端髋部的肌肉骨骼组织（包括皮质骨、松质骨、骨髓脂肪组织等）	数字病理学	骨质疏松症和肌肉减少症	CT扫描	U-Net-like深度学习模型	图像	300名男性参与者（73±6岁）
7468	2025-05-12	A feasibility study of lung tumor segmentation on kilo-voltage radiographic images with transfer learning: Toward tumor motion tracking in radiotherapy 2025-Apr, 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.2025.104943 PMID:40023957	research paper	研究通过迁移学习在千伏X射线影像上分割肺部肿瘤，以实现无标记肿瘤运动追踪	提出了一种结合迁移学习和深度分割网络陪审团委员会（TL-DSN-JC）的新算法，显著提升了肿瘤分割的准确性	研究样本量相对较小，仅包含80名患者的1150张影像，可能影响模型的泛化能力	开发一种无标记的肺部肿瘤运动追踪方法，以提高放射治疗的精确性	肺部肿瘤患者的千伏X射线影像	digital pathology	lung cancer	迁移学习，深度学习	VGG-16/19, TL-DSN-JC	image	1150张影像来自80名肺癌患者
7469	2025-05-12	Evaluating auto-contouring accuracy in reduced CT dose images for radiopharmaceutical therapies: Denoising and evaluation of 177Lu DOTATATE therapy dataset 2025-Apr, Journal of applied clinical medical physics IF:2.0Q3 DOI:10.1002/acm2.70066 PMID:40025651	research paper	评估在降低CT剂量图像中自动轮廓勾画的准确性，用于放射性药物治疗，特别是177Lu DOTATATE治疗数据集	使用深度学习方法（DenseNet）进行图像去噪，以支持在177Lu DOTATATE治疗期间降低CT剂量	研究仅针对177Lu DOTATATE治疗数据集，未涉及其他放射性药物治疗	评估降低CT剂量对器官分割准确性的影响，并探索去噪方法对提高剂量测定准确性的潜力	177Lu DOTATATE治疗患者的CT图像数据	digital pathology	NA	CT, SPECT/CT, deep learning	DenseNet, TotalSegmentator	image	177Lu DOTATATE患者数据集
7470	2025-05-12	GAICN: Graph Attention Iterative Contraction Network for Bioluminescence Tomography 2025-Apr, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3510837 PMID:40030505	研究论文	提出了一种名为GAICN的新型网络，用于生物发光断层扫描（BLT），以提高重建性能、稳定性和泛化能力	结合图注意力机制和迭代收缩激活函数，实现非局部特征聚合和动态权重调整，增强网络的泛化性、稳定性和可解释性	未明确提及具体局限性	提高生物发光断层扫描的重建性能、稳定性和泛化能力	生物发光断层扫描（BLT）中的光源分布	数字病理	NA	深度学习	GAICN（Graph Attention Iterative Contraction Network）	三维肿瘤信息	仿真和体内实验
7471	2025-05-12	Segmenting the Inferior Alveolar Canal in CBCTs Volumes: The ToothFairy Challenge 2025-Apr, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3523096 PMID:40030587	research paper	本文介绍了ToothFairy挑战赛的细节及其参与者在分割下牙槽管（IAC）方面的贡献	首次在公共基准数据集上对IAC分割方法进行全面比较评估，并发布了最大的公开CBCT扫描数据集	数据集中的153个扫描有体素级注释，其余290个扫描可能缺乏详细注释	促进深度学习在下牙槽管分割领域的研究，并提供公共基准数据集	下牙槽管（IAC）在CBCT扫描中的分割	digital pathology	NA	Cone-Beam Computed Tomography (CBCT)	NA	3D medical images	443 CBCT scans (153 with voxel-level annotations)
7472	2025-05-12	Training-Free Image Style Alignment for Domain Shift on Handheld Ultrasound Devices 2025-Apr, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3522071 PMID:40030591	研究论文	提出了一种无需训练的图像风格对齐方法（TISA），用于解决手持超声设备数据与标准设备数据之间的领域偏移问题	TISA无需源数据，能够在测试时转换图像风格并保留空间上下文，且避免了预训练模型的持续更新	未提及具体的数据集规模或实验条件的限制	解决手持超声设备数据与标准设备数据之间的领域偏移问题，提升自动诊断的准确性和稳定性	手持超声设备数据	计算机视觉	NA	图像风格对齐	NA	图像	NA
7473	2025-05-12	Enhanced DTCMR With Cascaded Alignment and Adaptive Diffusion 2025-Apr, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3523431 PMID:40030837	research paper	提出了一种结合张量信息的深度学习框架，用于群组可变形配准，有效校正DTCMR中的帧间运动	引入了级联配准分支和平行分支的新框架，结合精炼的损失函数和去噪技术，显著提高了DTCMR成像的准确性	未提及方法在极端运动情况下的表现，以及在不同设备或采集参数下的泛化能力	改进扩散张量心血管磁共振成像（DTCMR）的帧间运动校正，提高临床生物标志物张量估计的准确性	心肌微结构的可视化	digital pathology	cardiovascular disease	diffusion tensor cardiovascular magnetic resonance (DTCMR)	deep learning framework	image	超过900例病例数据（2012-2023年）
7474	2025-05-12	Amyloid-β Deposition Prediction With Large Language Model Driven and Task-Oriented Learning of Brain Functional Networks 2025-Apr, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3525022 PMID:40030867	研究论文	该论文提出了一种基于大型语言模型和任务导向学习的大脑功能网络预测淀粉样蛋白沉积的新方法	1) 预训练的大型语言模型节点嵌入编码器，用于从fMRI信号中提取任务相关特征；2) 任务导向的分层功能连接网络学习模块，增强不同脑区复杂关联的表示；3) 任务特征一致性损失，促进预测与真实淀粉样蛋白值的相似性	NA	开发一种基于功能连接网络的淀粉样蛋白沉积预测方法，以替代昂贵且具有高放射性的正电子发射断层扫描	阿尔茨海默病患者的大脑功能连接网络	数字病理学	阿尔茨海默病	fMRI	大型语言模型	功能磁共振成像数据	NA
7475	2025-05-12	CTUSurv: A Cell-Aware Transformer-Based Network With Uncertainty for Survival Prediction Using Whole Slide Images 2025-Apr, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3526848 PMID:40031069	研究论文	提出了一种基于细胞感知的Transformer网络CTUSurv，用于全切片图像的生存预测，并引入不确定性估计框架以提高预测的可靠性	首次结合细胞间及细胞与微环境相互作用建模，并开发区域级不确定性估计模块	未明确说明模型在临床环境中的实际部署可行性	提升全切片图像生存预测的准确性和可信度	全切片图像中的细胞及微环境特征	数字病理学	NA	深度学习	Transformer	全切片图像(WSI)	四个数据集（未明确样本数量）
7476	2025-05-12	Developing Brain-Based Bare-Handed Human-Machine Interaction via On-Skin Input 2025-Apr, IEEE transactions on cybernetics IF:9.4Q1 DOI:10.1109/TCYB.2025.3533088 PMID:40036449	研究论文	提出了一种名为MetaSkin的新型神经触觉接口，通过整合神经信号与皮肤交互，实现无需视觉参与的手势交互	首次将神经信号与皮肤交互结合，利用人类自然本体感觉能力实现无需视觉的手势交互，并开发了深度学习框架来解码神经信号	需要优化系统以适应不同用户群体和动态环境	开发自然、直观、以人为中心的移动人机交互输入系统	人机交互系统	人机交互	NA	深度学习	NA	神经信号	12名参与者
7477	2025-05-12	Use of deep learning model for paediatric elbow radiograph binomial classification: initial experience, performance and lessons learnt 2025-04-01, Singapore medical journal IF:1.7Q2 DOI:10.4103/singaporemedj.SMJ-2022-078 PMID:40258236	research paper	本研究比较了基于卷积神经网络（CNN）的深度学习模型与儿科急诊医生在儿童肘部X光片二分类任务上的表现	使用EfficientNet B1网络架构训练AI模型，首次在儿童肘部X光片二分类任务中与医生表现进行对比	样本量相对较小（1314张X光片），医生间一致性仅为一般水平（fair inter-rater agreement）	评估深度学习模型在儿童肘部X光片异常检测中的性能	儿童肘部侧位X光片（正常与异常）	digital pathology	NA	deep learning	CNN (EfficientNet B1)	image (radiographs)	1314张儿科肘部X光片（平均年龄8.2岁），分为开发集（993张）、调优集（209张）和测试集（112张）
7478	2025-05-12	Transformer-based deep learning enables improved B-cell epitope prediction in parasitic pathogens: A proof-of-concept study on Fasciola hepatica 2025-Apr, PLoS neglected tropical diseases IF:3.4Q1 DOI:10.1371/journal.pntd.0012985 PMID:40300022	研究论文	本文介绍了一种基于Transformer的深度学习模型deepBCE-Parasite，用于预测寄生虫病原体中的B细胞表位	利用最先进的自注意力机制，模型在预测线性B细胞表位方面表现出色，准确率约为81%，AUC为0.90	研究仅针对Fasciola hepatica进行了案例验证，未在其他寄生虫病原体上广泛测试	提高B细胞表位的预测准确性，推动基于表位的疫苗设计、治疗性抗体开发和诊断应用	寄生虫病原体中的B细胞表位，特别是Fasciola hepatica的亮氨酸氨基肽酶（LAP）蛋白	机器学习	寄生虫病	深度学习	Transformer	肽序列	Fasciola hepatica的蛋白质组数据
7479	2025-05-12	Technical note: Impact of tissue section thickness on accuracy of cell classification with a deep learning network 2025-Apr, Journal of pathology informatics DOI:10.1016/j.jpi.2025.100440 PMID:40343112	研究论文	研究组织切片厚度对深度学习网络细胞分类准确性的影响	确定了用于细胞分类系统的最佳组织切片厚度，并详细描述了不同厚度引入的形态学差异	研究仅针对肝脏组织，未涉及其他组织类型	优化深度学习网络在常规组织病理学中的细胞分类准确性	肝脏组织中的肝细胞和非肝细胞	数字病理学	NA	HE染色、深度学习	ResNet、随机森林	图像	手动切割的5种厚度肝脏切片和自动切片机(DS)切割的切片
7480	2025-05-12	Enhanced EEG Forecasting: A Probabilistic Deep Learning Approach 2025-Mar-18, Neural computation IF:2.7Q3 DOI:10.1162/neco_a_01743 PMID:40030141	研究论文	本文提出了一种基于概率深度学习的增强型EEG预测方法，用于改进脑电图信号的长期预测	首次将概率深度学习方法WaveNet应用于静息态EEG时间序列预测，并在theta和alpha频段实现了150毫秒的可靠预测	研究仅针对静息态EEG的theta和alpha频段进行测试，未涉及其他脑电频段或任务态脑电	改进EEG信号的长期预测准确性，以增强实时脑状态估计在脑机接口和脑刺激协议中的应用	静息态EEG信号（theta和alpha频段）	机器学习	NA	概率深度学习	WaveNet	时间序列数据（EEG信号）	未明确说明样本数量