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
901	2025-07-17	Simulation-free workflow for lattice radiation therapy using deep learning predicted synthetic computed tomography: A feasibility study 2025-Jul, Journal of applied clinical medical physics IF:2.0Q3 DOI:10.1002/acm2.70137 PMID:40504103	研究论文	本研究旨在开发一种基于深度学习预测合成CT的无模拟工作流程，以加速基于VMAT的格子放射治疗（LRT）计划的启动	利用深度学习预测的合成CT（sCT）实现无模拟的LRT治疗计划工作流程，为快速启动治疗提供了新方法	研究样本量较小（训练集50例，测试集15例），且仅针对胸部和腹部区域进行了验证	开发并验证一种基于深度学习的无模拟LRT治疗计划工作流程	接受LRT治疗的胸部和腹部区域肿瘤患者	数字病理	肿瘤	深度学习，3D U-Net架构	3D U-Net	CT图像	训练集50例患者，测试集15例患者
902	2025-07-17	Association Between Automated Coronary Artery Calcium From Routine Chest Computed Tomography Scans and Cardiovascular Risk in Patients With Colorectal or Gastric Cancer 2025-Jul, Circulation. Cardiovascular quality and outcomes DOI:10.1161/CIRCOUTCOMES.124.011656 PMID:40519001	研究论文	本研究探讨了结直肠癌或胃癌患者中，通过常规胸部CT自动计算的冠状动脉钙化（CAC）评分与心血管疾病风险之间的关联	利用深度学习软件自动量化CAC评分，并评估其在结直肠癌或胃癌患者中的心血管疾病风险预测价值	研究为回顾性队列研究，可能存在选择偏倚，且样本仅来自韩国两家三级医院	评估自动CAC评分在结直肠癌或胃癌患者中预测心血管疾病风险的应用	结直肠癌或胃癌患者	数字病理学	心血管疾病	深度学习	NA	医学影像	3153名患者
903	2025-07-17	Deep learning image reconstruction and adaptive statistical iterative reconstruction on coronary artery calcium scoring in high risk population for coronary heart disease 2025-Jul-01, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-025-03049-w PMID:40598159	研究论文	本研究探讨了深度学习图像重建(DLIR)技术在高风险人群冠状动脉钙化(CAC)量化中的影响	首次比较了DLIR与自适应统计迭代重建(ASiR-V)在冠状动脉钙化评分中的表现，并验证了DLIR在提升图像质量的同时不影响风险分层	研究为单中心回顾性研究，样本量有限(178例)	评估不同图像重建算法对冠状动脉钙化量化的影响	接受冠状动脉CT血管造影的高风险人群	数字病理	心血管疾病	CT血管造影(CCTA)	深度学习图像重建(DLIR)	医学影像	178例患者(女性107例，平均年龄62.43±9.26岁，平均BMI 25.33±3.18 kg/m2)
904	2025-07-17	Atrial Fibrillation and Atrial Flutter Detection Using Deep Learning 2025-Jul-01, Sensors (Basel, Switzerland) DOI:10.3390/s25134109 PMID:40648365	研究论文	本文介绍了一种基于轻量级1D ConvNeXtV2神经网络的模型，用于从单导联心电信号中稳健检测心房颤动（AFib）和心房扑动（AFL）	使用轻量级1D ConvNeXtV2神经网络，在多个公共数据集上训练，并在MIT-AFDB上达到了最先进的F1分数0.986	目前仅适用于单导联心电信号，未来将扩展到多导联心电信号和更广泛的心律失常类型	开发一种高效且可解释的深度学习模型，用于心房颤动和心房扑动的检测	心房颤动（AFib）和心房扑动（AFL）	数字病理学	心血管疾病	深度学习	1D ConvNeXtV2	心电信号	多个公共数据集（Icentia11k, CPSC-2018/2021, LTAF, PTB-XL, PCC-2017）和评估数据集（MIT-AFDB, MIT-ADB, NST）
905	2025-07-17	Generative Artificial Intelligence for Synthetic Spectral Data Augmentation in Sensor-Based Plastic Recycling 2025-Jul-01, Sensors (Basel, Switzerland) DOI:10.3390/s25134114 PMID:40648369	研究论文	本文探讨了大型语言模型(LLMs)在合成光谱数据生成中的潜力，特别是在塑料分类的近红外反射光谱应用中	利用LLMs从极少的实验数据中生成合成光谱数据，增强模型性能，为光谱分类系统提供了一种可扩展的AI支持数据增强方法	对于光谱重叠的聚合物类别效果较差，且参数优化向未见类别的转移仍需验证	探索LLMs在合成光谱数据生成中的应用潜力，以解决标注数据获取困难的问题	塑料分类中的近红外反射光谱数据	机器学习	NA	近红外反射光谱(NIR)	LLMs	光谱数据	每个类别仅需一个经验平均光谱
906	2025-07-17	LVID-SLAM: A Lightweight Visual-Inertial SLAM for Dynamic Scenes Based on Semantic Information 2025-Jul-01, Sensors (Basel, Switzerland) DOI:10.3390/s25134117 PMID:40648372	研究论文	本文提出了一种基于语义信息的轻量级视觉-惯性SLAM系统LVID-SLAM，用于动态场景中的定位与建图	结合深度学习与经典ORB-SLAM3框架，通过新线程进行目标检测并紧密耦合语义信息与几何信息，移除动态对象的特征点，同时利用IMU数据辅助特征点提取，构建基于八叉树的密集语义地图	未提及具体计算资源消耗或硬件要求，可能在实际应用中存在限制	提升动态环境中SLAM系统的定位精度与鲁棒性	动态场景中的机器人定位与语义建图	计算机视觉	NA	深度学习、目标检测、实例分割	ORB-SLAM3框架	视觉图像、IMU数据	公开TUM数据集上的实验验证
907	2025-07-17	IPT-DCD: Interpolation Predictor for Teleoperation Under Dynamic Communication Delay Using Deep Learning Approach 2025-Jul-01, Sensors (Basel, Switzerland) DOI:10.3390/s25134118 PMID:40648373	研究论文	提出了一种用于动态通信延迟下遥操作的插值预测器IPT-DCD，通过LSTM架构重建异步接收的控制命令并预测未来命令	采用向后移位和插值(BSI)信号预处理技术，将接收数据转换为无延迟且均匀采样的格式，并通过多对多时间序列结构生成实时转向命令输出	NA	提高动态通信延迟下遥操作系统的控制稳定性和安全性	遥操作系统中的控制命令	机器学习	NA	LSTM	encoder-decoder LSTM	时间序列数据	NA
908	2025-07-17	Mitigating the Impact of Electrode Shift on Classification Performance in Electromyography Applications Using Sliding-Window Normalization 2025-Jul-01, Sensors (Basel, Switzerland) DOI:10.3390/s25134119 PMID:40648374	研究论文	本文提出了一种滑动窗口归一化（SWN）技术，用于减轻肌电图（EMG）应用中电极位移对分类性能的影响	SWN技术结合z-score归一化和滑动窗口处理，无需额外数据收集或重新训练，显著减少了电极位移导致的性能下降	研究仅验证了三种运动类别（休息、屈曲和伸展）的情况，未涉及更复杂的运动场景	解决肌电图应用中电极位移导致的分类性能下降问题	肌电图（EMG）信号	生物医学信号处理	NA	滑动窗口归一化（SWN）	NA	肌电图（EMG）信号	涉及右臂轨迹跟踪任务的实验数据
909	2025-07-17	Correction: Spilz, A.; Munz, M. Automatic Assessment of Functional Movement Screening Exercises with Deep Learning Architectures. Sensors 2023, 23, 5 2025-Jul-01, Sensors (Basel, Switzerland) DOI:10.3390/s25134110 PMID:40648500	correction	对原始出版物中的错误进行更正	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
910	2025-07-17	Deep learning classification models demonstrate high accuracy and clinical potential in radiograph interpretation in the arthroplasty clinical pathway: A systematic review and meta-analysis 2025-Jul, Journal of experimental orthopaedics IF:2.0Q2 DOI:10.1002/jeo2.70342 PMID:40655254	meta-analysis	该论文通过系统综述和荟萃分析评估了深度学习算法在骨关节炎-关节置换临床路径中解读放射影像和横断面影像的性能	首次全面评估深度学习算法在骨关节炎-关节置换临床路径中的诊断和预后任务表现，并与临床医生的表现进行比较	证据质量中低，结果不具备普遍适用性	评估深度学习算法在骨关节炎-关节置换临床路径中解读影像的性能	骨关节炎患者的放射影像和横断面影像	数字病理	骨关节炎	深度学习	深度学习算法	影像	66项研究
911	2025-07-17	Harnessing chemically crosslinked microbubble clusters using deep learning for ultrasound contrast imaging 2025-Jul, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.12.4.047001 PMID:40656209	研究论文	利用深度学习技术研究和分离化学交联微泡簇（CCMCs）产生的独特声学特性	使用基于自动编码器的异常检测模型来识别CCMCs的独特声学特征	未提及具体样本量或实验的广泛性限制	提高超声成像中对比剂的可检测性和定位	化学交联微泡簇（CCMCs）和非簇状微泡（MBs）	医学影像分析	NA	铜无点击化学合成和声学分析	自动编码器（Autoencoder）	射频数据	NA
912	2025-07-17	A semi-supervised multi-connection contrastive learning framework for x-ray lung segmentation based on mutual distillation 2025-Jul, Medical physics IF:3.2Q1 DOI:10.1002/mp.17984 PMID:40665530	研究论文	提出一种基于对比学习的半监督框架，用于开发适用于边缘部署的高性能微小离线模型，以实现X射线肺部图像分割	采用多一致性对齐和相互蒸馏机制，框架的主干可根据性能或速度需求进行调整，且在仅使用少量标注图像的情况下实现高性能分割	仅在128×128分辨率的胸部X射线数据集上进行了测试，可能在高分辨率图像上的性能未经验证	研究适用于边缘部署的高性能微小离线模型，以解决医疗设备计算和存储能力有限的问题	胸部X射线图像中的肺部区域	数字病理	肺癌	对比学习	半监督框架	图像	三个胸部X射线数据集（JSRT、Montgomery County和Shenzhen Hospital）
913	2025-07-17	Risk classification of thymoma based on multi-feature fusion in dynamic enhanced CT 2025-Jul, Medical physics IF:3.2Q1 DOI:10.1002/mp.17968 PMID:40665531	研究论文	本研究开发并验证了一种基于CT影像数据的综合模型（CSRT），用于提高胸腺瘤术前高风险和低风险分类的准确性	结合了放射组学和深度学习特征（ViT），并整合了临床语义特征，构建了融合模型	回顾性研究设计可能引入选择偏倚，且样本量相对有限	提高胸腺瘤术前高风险和低风险分类的准确性，评估其在无创诊断中的应用	360例经病理证实的胸腺瘤患者	数字病理	胸腺瘤	CT成像（NECT和CECT）	CSRT（融合模型，包含ViT和LASSO回归）	影像数据	360例患者（274例用于模型训练，86例用于外部验证）
914	2025-07-17	Detection and segmentation of brain metastases on MRI using 3D-MedDCNet 2025-Jul, Medical physics IF:3.2Q1 DOI:10.1002/mp.18001 PMID:40665544	research paper	本研究提出了一种名为3D-MedDCNet的新型深度学习模型，用于在MRI上检测和分割脑转移瘤	该模型结合了可变形卷积（3D-DCN），显著提高了对小转移瘤的检测敏感性和分割准确性	未来工作需要在更多样化的数据集上进行验证，并探索基础模型以改进特征表示	提高脑转移瘤在MRI上的检测敏感性和分割准确性，以支持临床决策和治疗计划	脑转移瘤	digital pathology	brain metastases	MRI	3D-MedDCNet (基于3D-DCN的深度学习架构)	3D MRI scans	两个数据集：UCSF脑转移数据集（560个MRI扫描）和BraTS-METS 2023数据集（1,297个MRI扫描）
915	2025-07-17	Report on the quantitative intra-voxel incoherent motion diffusion MRI reconstruction grand challenge 2025-Jul, Medical physics IF:3.2Q1 DOI:10.1002/mp.17998 PMID:40665555	research paper	该论文报告了2024年定量体素内不相干运动扩散MRI（IVIM-dMRI）重建大挑战的结果，旨在评估和推进从扩散MRI数据中提取定量组织参数的重建算法	挑战赛聚焦于IVIM模型，旨在提高临床参数估计的准确性和鲁棒性，解决更广泛临床应用的关键障碍	尽管基于模拟的方法提供了受控环境，但未来工作需解决现实世界的复杂性以确保临床适用性	推进扩散MRI（dMRI）数据的重建算法，提高定量组织参数提取的准确性和鲁棒性	模拟的k空间数据，基于真实的数字VICTRE体模	medical imaging	NA	扩散MRI（dMRI），IVIM模型	cascaded U-Net	MRI数据	42个团队参与，7个进入最终阶段
916	2025-07-17	Deep learning model for coronary artery segmentation and quantitative stenosis detection in angiographic images 2025-Jul, Medical physics IF:3.2Q1 DOI:10.1002/mp.17970 PMID:40665573	research paper	本研究开发了一种基于深度学习的自动分割冠状动脉和定量检测狭窄的方法，以提高冠状动脉疾病诊断的准确性和效率	结合MedSAM和VM-UNet架构的新型深度学习方法，用于冠状动脉自动分割和狭窄检测	未提及具体局限性	提高冠状动脉疾病诊断的准确性和效率	冠状动脉血管造影图像	computer vision	cardiovascular disease	deep learning	MedSAM, VM-UNet	image	混合数据集（包括ARCADE、DCA1和GH数据集）
917	2025-07-17	Beam field guided diffusion model for liver cancer radiotherapy dose distribution prediction 2025-Jul, Medical physics IF:3.2Q1 DOI:10.1002/mp.17989 PMID:40665572	研究论文	本研究提出了一种基于扩散模型的肝脏癌症放疗剂量分布预测方法，名为BeamDiff	设计了多分支混合编码器和多条件聚合模块，有效利用患者特异性临床特征，并通过多头注意力模块重建切片间联系	输入仅包含2D切片，缺乏切片间的依赖关系和相似性特征	开发一种新颖且精确的肝脏癌症放疗剂量分布预测方法	肝脏癌症患者的放疗剂量分布	医学图像分析	肝癌	扩散模型	BeamDiff	2D图像	临床肝癌放疗数据集
918	2025-07-17	Low-noise trajectory optimization of urban air mobility in the urban environment using deep reinforcement learninga) 2025-Jul-01, The Journal of the Acoustical Society of America IF:2.1Q1 DOI:10.1121/10.0037186 PMID:40667977	研究论文	本研究提出了一种利用深度强化学习（DRL）优化城市空中交通（UAM）在都市环境中低噪音飞行轨迹的方法	采用深度强化学习（DRL）结合噪声奖励函数优化UAM飞行轨迹，以减少对地面观察者的噪音影响	研究基于简化的城市环境，可能未涵盖所有实际复杂情况	优化城市空中交通（UAM）的飞行轨迹以减少噪音污染	城市空中交通（UAM）的飞行轨迹	机器学习	NA	深度强化学习（DRL），深度学习（DL）	Soft actor critic算法	噪音数据，飞行轨迹数据	NA
919	2025-07-17	2D Prediction of the Nutritional Composition of Dishes from Food Images: Deep Learning Algorithm Selection and Data Curation Beyond the Nutrition5k Project 2025-Jun-30, Nutrients IF:4.8Q1 DOI:10.3390/nu17132196 PMID:40647299	研究论文	本文评估了几种标准深度学习模型在预测食物图像中质量、能量和宏量营养素含量方面的性能，并探讨了数据质量和国家特定食物成分数据库对模型泛化的影响	首次系统评估了不同深度学习模型在预测食物营养成分方面的性能，并提出了针对意大利饮食评估工具的数据优化方法	对于复杂沙拉、鸡肉或鸡蛋类菜肴以及西式早餐的预测性能普遍较差	开发基于食物图像的营养成分预测方法	食物图像及其营养成分	计算机视觉	NA	深度学习	ResNet-50, ResNet-101, InceptionV3, Vision Transformer-B-16	图像	约5000道美国食堂复杂菜肴
920	2025-07-17	Rice Canopy Disease and Pest Identification Based on Improved YOLOv5 and UAV Images 2025-Jun-30, Sensors (Basel, Switzerland) DOI:10.3390/s25134072 PMID:40648327	研究论文	基于改进的YOLOv5和无人机图像的水稻冠层病虫害识别方法	提出了一种改进的YOLOv5模型（YOLOv5_DWMix），通过引入深度可分离卷积、MixConv模块、注意力机制和优化损失函数，显著提升了模型的速度、特征提取能力和鲁棒性	面对复杂田间环境和小数据集的挑战，仍需依赖图像增强技术	实现水稻冠层病虫害的准确及时识别	水稻冠层病虫害	计算机视觉	水稻病虫害	无人机图像采集、深度学习	改进的YOLOv5（YOLOv5_DWMix）	图像	四种常见水稻冠层病虫害的数据集