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
8441	2025-01-24	Automated Detection of Cancer-Suspicious Findings in Japanese Radiology Reports with Natural Language Processing: A Multicenter Study 2025-Jan-22, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01338-w PMID:39843717	研究论文	本文开发了一种基于规则的自然语言处理（NLP）算法，用于从日本放射学报告中自动检测癌症可疑发现	提出了一种基于规则的NLP算法，并在多中心数据上验证了其性能，展示了其在不同机构间的泛化能力	算法主要依赖于规则，可能无法覆盖所有复杂的语言表达，且仅针对日文报告	开发并验证一种NLP算法，用于自动检测放射学报告中的癌症可疑发现，以减少漏诊和延误治疗	来自六个机构的胸部和腹部CT报告	自然语言处理	癌症	自然语言处理（NLP）	基于规则的算法，BERT作为基线深度学习模型	文本（放射学报告）	来自六个机构的CT报告，具体样本数量未明确
8442	2025-01-24	Breast Cancer Histopathological Image Classification Based on Graph Assisted Global Reasoning 2025-Jan-22, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01403-y PMID:39843721	研究论文	本研究提出了一种基于图辅助全局推理的乳腺癌组织病理学图像分类方法，旨在通过深度学习提取病理特征并自动识别肿瘤信息，以辅助医生进行高精度的病理诊断	提出了一种双流全局-局部网络（DSGLNet），通过卷积网络提取局部图像特征，并利用图卷积映射构建全局特征交互空间，从而深度融合局部和全局特征以实现精确的图像分类	研究仅在公开的BreakHis数据集上进行了评估，未在其他数据集上验证模型的泛化能力	利用深度学习技术提高乳腺癌组织病理学图像分类的精度，辅助病理诊断	乳腺癌组织病理学图像	数字病理学	乳腺癌	深度学习	双流全局-局部网络（DSGLNet）	图像	BreakHis数据集，包含不同放大倍数的组织病理学图像
8443	2025-01-24	How to Efficiently Annotate Images for Best-Performing Deep Learning-Based Segmentation Models: An Empirical Study with Weak and Noisy Annotations and Segment Anything Model 2025-Jan-22, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01408-7 PMID:39843720	研究论文	本文通过实证研究探讨了在有限标注预算下，如何高效地为深度学习分割模型标注图像，比较了弱标注和噪声标注与传统精确标注的效果	首次系统评估了六种标注策略（共9-10种子策略）在四个数据集上的成本效益，发现精确标注在预算有限时并非最优选择，弱标注和噪声标注在某些情况下能达到与精确标注相似的性能，但成本效益更高	研究仅基于四个数据集，可能无法涵盖所有应用场景，且未探讨不同模型架构对标注策略效果的潜在影响	评估不同标注策略在深度学习图像分割任务中的成本效益，以指导研究者更高效地使用标注预算	图像分割任务中的标注策略	计算机视觉	NA	深度学习	DNN	图像	四个数据集
8444	2025-01-24	Semi-Supervised Medical Image Segmentation Based on Frequency Domain Aware Stable Consistency Regularization 2025-Jan-22, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01397-7 PMID:39843719	研究论文	本文提出了一种基于频域感知稳定一致性正则化的半监督医学图像分割方法	利用图像的固有频域信息作为一致性约束，避免了人为设置扰动引入的偏差，并在模型训练的编码器阶段引入监督，确保模型不会因强增强导致的原始特征空间破坏而学习失败	未提及具体的数据集或样本量限制，也未讨论在更广泛医学图像数据集上的泛化能力	改进半监督医学图像分割方法，提高模型在有限标注数据下的性能	医学图像	计算机视觉	NA	频域分析	半监督学习模型	图像	NA
8445	2025-01-24	From pixels to patients: the evolution and future of deep learning in cancer diagnostics: (Trends in Molecular Medicine, published online December 11, 2024) 2025-Jan-21, Trends in molecular medicine IF:12.8Q1 DOI:10.1016/j.molmed.2024.12.012 PMID:39843287	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
8446	2025-01-24	On the Effect of the Patient Table on Attenuation in Myocardial Perfusion Imaging SPECT 2025-Jan-20, EJNMMI physics IF:3.0Q2 DOI:10.1186/s40658-024-00713-4 PMID:39832088	研究论文	本研究探讨了患者检查台对心肌灌注成像（MPI）SPECT中衰减的影响，通过比较幻影扫描和患者研究的重建结果	使用深度学习方法和自动去除患者检查台的算法，首次在患者研究中评估了检查台对衰减的影响	研究仅基于15名患者的回顾性队列，样本量较小	评估患者检查台对MPI SPECT中衰减的影响	Jaszczak幻影扫描和15名患者的MPI数据	医学影像	心血管疾病	SPECT成像	NA	图像	15名患者
8447	2025-01-24	Triple-attentions based salient object detector for strip steel surface defects 2025-Jan-20, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-86353-9 PMID:39833226	研究论文	本文提出了一种基于三重注意力机制的显著目标检测器TADet，用于带钢表面缺陷的检测	引入了创新的三重注意力机制（TA），通过三个不同且相互关联的二维平面视角（通道-宽度、通道-高度和宽度-高度）同时迭代地提炼和整合特征图，增强了特征的表示能力	NA	提高带钢表面缺陷检测的准确性和鲁棒性	带钢表面缺陷	计算机视觉	NA	深度学习	编码器-解码器网络	图像	NA
8448	2025-01-24	Multi-branch LSTM encoded latent features with CNN-LSTM for Youtube popularity prediction 2025-Jan-20, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-86785-3 PMID:39833294	研究论文	本文提出了一种新颖的多分支LSTM编码潜在特征与CNN-LSTM融合的方法，用于预测YouTube视频的流行度	提出了一种新颖的多分支LSTM网络来映射视频特征到低维空间，并使用融合的CNN-LSTM模型预测视频流行度	未提及具体的数据集大小和多样性，可能影响模型的泛化能力	预测YouTube视频的流行度，以提高内容驱动视频的收益	YouTube视频数据	自然语言处理	NA	LSTM, CNN	多分支LSTM, CNN-LSTM	视频数据	未提及具体样本数量
8449	2025-01-24	Prediction of post-treatment recurrence in early-stage breast cancer using deep-learning with mid-infrared chemical histopathological imaging 2025-Jan-17, NPJ precision oncology IF:6.8Q1 DOI:10.1038/s41698-024-00772-x PMID:39825009	研究论文	本研究利用傅里叶变换红外（FTIR）化学成像技术，通过深度学习模型预测早期乳腺癌患者的长期复发风险	首次将FTIR化学成像与深度学习结合，用于乳腺癌复发预测，提供了一种无标记的组织病理学预后平台	模型的预测性能（ROC AUC约为0.64）虽然与现有临床检测方法相当，但仍有提升空间	开发一种新的方法来预测早期乳腺癌患者的长期复发风险	早期乳腺癌患者的组织样本	数字病理学	乳腺癌	傅里叶变换红外（FTIR）化学成像	二维卷积网络和二维可分离卷积网络	化学图像	未明确提及具体样本数量
8450	2025-01-24	Pre-trained artificial intelligence-aided analysis of nanoparticles using the segment anything model 2025-Jan-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-86327-x PMID:39825089	研究论文	本文介绍了一种利用预训练人工智能模型进行纳米颗粒形态表征的方法，特别是针对细分颗粒和颗粒基材料	使用预训练的Segment Anything Model进行纳米颗粒的自动分割，并将颗粒的细分组织成集合，这是该领域的一种新方法	NA	通过预训练的人工智能模型提高纳米颗粒形态表征的准确性和效率	纳米颗粒，包括纳米球、哑铃形颗粒和三聚体	计算机视觉	NA	预训练的深度学习模型	Segment Anything Model	图像	三种类型的纳米颗粒：纳米球、哑铃形颗粒和三聚体
8451	2025-01-24	Generative deep learning approach to predict posttreatment optical coherence tomography images of age-related macular degeneration after 12 months 2025-Jan-17, Retina (Philadelphia, Pa.) DOI:10.1097/IAE.0000000000004409 PMID:39841905	研究论文	本研究验证了一种生成深度学习模型，用于预测新生血管性年龄相关性黄斑变性（nAMD）患者治疗12个月后的光学相干断层扫描（OCT）图像，并评估了结合临床数据对预测性能的影响	使用条件生成对抗网络（cGAN）生成12个月后的OCT图像，并结合多种临床数据提高了预测准确性	研究样本量相对较小，仅包括513名初治nAMD患者的533只眼睛	预测nAMD患者治疗12个月后的解剖学反应，以支持个性化管理	新生血管性年龄相关性黄斑变性（nAMD）患者	计算机视觉	黄斑变性	光学相干断层扫描（OCT）、荧光素血管造影（FA）、吲哚菁绿血管造影（ICGA）	条件生成对抗网络（cGAN）	图像	513名初治nAMD患者的533只眼睛
8452	2025-01-24	A radiomics and deep learning nomogram developed and validated for predicting no-collapse survival in patients with osteonecrosis after multiple drilling 2025-Jan-15, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-025-02859-2 PMID:39815247	研究论文	本研究利用放射组学和深度学习技术，开发并验证了一种预测股骨头坏死患者在多孔钻孔治疗后无塌陷生存的模型	结合放射组学和深度学习技术，开发了一种新的预测模型，用于评估股骨头坏死患者在多孔钻孔治疗后的无塌陷生存率	样本量相对较小，仅包括144名患者（212髋），可能需要更大规模的研究来验证模型的普遍适用性	预测股骨头坏死患者在多孔钻孔治疗后的无塌陷生存率	股骨头坏死患者	数字病理学	骨坏死	放射组学，深度学习	DLRC模型	影像数据	144名患者（212髋）
8453	2025-01-24	DNALongBench: A Benchmark Suite for Long-Range DNA Prediction Tasks 2025-Jan-08, bioRxiv : the preprint server for biology DOI:10.1101/2025.01.06.631595 PMID:39829833	研究论文	本文介绍了DNALongBench，一个用于评估依赖长程DNA依赖性的基因组学任务的基准数据集	提出了一个涵盖五个重要基因组学任务的基准数据集，这些任务考虑了长达100万碱基对的长程依赖性	未提及具体的数据集规模或样本量，可能限制了其广泛适用性	解决长程DNA依赖性建模的挑战，并提供一个标准化的资源来评估新兴的DNA序列深度学习模型	基因组结构及其功能	基因组学	NA	深度学习模型	CNN, HyenaDNA, Caduceus-Ph, Caduceus-PS	DNA序列数据	NA
8454	2025-01-24	A large annotated cervical cytology images dataset for AI models to aid cervical cancer screening 2025-Jan-07, Scientific data IF:5.8Q1 DOI:10.1038/s41597-025-04374-5 PMID:39774182	研究论文	本文提供了一个大规模且详尽标注的宫颈细胞学图像数据集，用于训练AI模型以辅助宫颈癌筛查	提供了一个包含8,037张图像的大规模宫颈细胞学图像数据集，这些图像来源于129张Thinprep细胞学测试（TCT）切片图像，并进行了详尽的异常细胞标注	数据集的收集和标注过程耗时，可能限制了模型的泛化性能	提高宫颈癌筛查中异常细胞检测的效率和准确性	宫颈细胞学图像	数字病理学	宫颈癌	深度学习	NA	图像	8,037张图像，来源于129张TCT切片
8455	2025-01-24	Engineering of CRISPR-Cas PAM recognition using deep learning of vast evolutionary data 2025-Jan-06, bioRxiv : the preprint server for biology DOI:10.1101/2025.01.06.631536 PMID:39829748	研究论文	本文介绍了一种名为Protein2PAM的深度学习模型，该模型基于超过45,000个CRISPR-Cas PAMs的数据集训练，能够快速准确地预测Cas蛋白的PAM特异性	首次成功应用机器学习实现Cas酶的定制化，以识别不同的PAM，为个性化基因组编辑铺平道路	需要进一步实验验证模型预测的Cas蛋白变体的实际效果	通过机器学习定制Cas酶以识别不同的PAM，扩展基因组编辑的目标范围	CRISPR-Cas系统的Cas蛋白	机器学习	NA	深度学习，深度突变扫描	深度学习模型	蛋白质序列数据	超过45,000个CRISPR-Cas PAMs
8456	2025-01-24	Machine Learning Approaches in High Myopia: Systematic Review and Meta-Analysis 2025-Jan-03, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/57644 PMID:39753217	系统综述与荟萃分析	本文通过系统综述和荟萃分析，评估了机器学习（ML）在高度近视和病理性近视诊断中的表现，并探讨了其在预测疾病进展中的潜力	首次通过荟萃分析全面评估了机器学习在高度近视和病理性近视诊断中的准确性，并比较了深度学习（DL）与传统机器学习方法的性能差异	研究依赖于现有文献，可能存在发表偏倚；部分研究样本量较小，可能影响结果的普适性	评估机器学习在高度近视和病理性近视诊断中的表现，为智能诊断或预测工具的开发提供循证支持	高度近视、病理性近视及高度近视相关青光眼	机器学习	眼科疾病	机器学习（ML）、深度学习（DL）	深度学习（DL）、传统机器学习（非DL）	图像数据	45项研究，其中32项用于定量荟萃分析
8457	2025-01-24	Seg-SkiNet: adaptive deformable fusion convolutional network for skin lesion segmentation 2025-Jan-02, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-24-1451 PMID:39838982	研究论文	本文提出了一种名为Seg-SkiNet的自适应可变形融合卷积网络，用于精确分割皮肤病变，特别是复杂形状和小目标病变	Seg-SkiNet集成了双通道卷积编码器、多尺度多感受野提取与细化模块以及局部-全局信息交互融合解码器，有效捕捉病变的边缘特征和深层内部特征，并通过扩展卷积核的感受野来整合小目标病变的多尺度特征	NA	设计一种定制的深度学习模型，用于精确分割皮肤病变，特别是复杂形状和小目标病变	皮肤病变	计算机视觉	皮肤癌	深度学习	自适应可变形融合卷积网络（Seg-SkiNet）	图像	三个公开数据集：ISIC-2016、ISIC-2017和ISIC-2018
8458	2025-01-24	Deep learning models for CT image classification: a comprehensive literature review 2025-Jan-02, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-24-1400 PMID:39838987	综述	本文综述了深度学习在CT图像分类中的应用，特别是在COVID-19检测和肺结节分类中的进展	探讨了从传统卷积神经网络到复杂基础模型的深度学习架构演变，以及在CT图像分析中的应用创新	存在数据变异性、高质量数据集需求、计算需求等技术挑战，以及可解释性、验证和法规遵从性方面的挑战	探讨深度学习在CT图像分析中的应用，特别是在COVID-19和肺结节检测中的作用	CT图像	计算机视觉	肺癌	深度学习	CNN, FMs	图像	NA
8459	2025-01-24	Automated elbow ultrasound image recognition: a two-stage deep learning system via Swin Transformer 2025-Jan-02, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-24-763 PMID:39839003	研究论文	本文介绍了一种基于Swin Transformer的两阶段深度学习系统，用于自动化肘部超声图像的识别和质量评估	创新点在于使用Swin Transformer作为骨干网络，构建了两阶段模型，显著提高了图像分类和质量评估的准确性和效率	未明确提及研究的局限性	开发并评估一种自动化系统，用于评估超声图像是否符合标准并识别其具体类别，以提高MSK超声诊断的效率和准确性	肘部超声图像	计算机视觉	肌肉骨骼损伤	深度学习	Swin Transformer-based Unet	图像	未明确提及样本数量
8460	2025-01-24	Evolutionary patterns and research frontiers of artificial intelligence in age-related macular degeneration: a bibliometric analysis 2025-Jan-02, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-24-1406 PMID:39839014	研究论文	本文通过文献计量分析，系统评估了人工智能在年龄相关性黄斑变性（AMD）领域的研究现状，揭示了出版模式、有影响力的贡献者和研究趋势	首次对人工智能在AMD领域的研究进行了全面的定量分析，揭示了三个不同的研究阶段，并指出了深度学习模型在AMD诊断和进展预测中的应用以及大语言模型（LLMs）和视觉语言模型（VLMs）在图像处理中的新兴研究方向	研究仅基于Web of Science Core Collection的数据，可能未涵盖所有相关文献	系统评估人工智能在AMD领域的研究现状，揭示关键趋势和新兴研究方向	年龄相关性黄斑变性（AMD）	机器学习	老年疾病	深度学习（DL）、大语言模型（LLMs）、视觉语言模型（VLMs）	深度学习模型	文献数据	1,721篇出版物