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
961	2025-05-11	Untrained perceptual loss for image denoising of line-like structures in MR images 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0318992 PMID:40009630	研究论文	本研究探讨了在包含线状结构（如根或血管）的MR图像去噪中，使用未经训练的感知损失（uPL）的效果	将感知损失应用于3D数据，并通过比较未经训练网络的特征图来优化损失函数，展示了在多种噪声水平和网络架构下的优越性能	研究仅针对包含线状结构的MR图像，未涉及其他类型的图像或噪声	探索在MR图像去噪中，针对线状结构特性优化的损失函数的有效性	MR图像中的线状结构（如脑部血管和植物根部）	数字病理学	NA	深度学习	CNN	3D图像	536张植物根部MR图像和450张脑部血管MR图像（MRA）
962	2025-05-11	Enhancing nnUNetv2 Training with Autoencoder Architecture for Improved Medical Image Segmentation 2025, Head and Neck Tumor Segmentation for MR-Guided Applications : First MICCAI Challenge, HNTS-MRG 2024, held in conjunction with MICCAI 2024, Marrakesh, Morocco, October 17, 2024, proceedings DOI:10.1007/978-3-031-83274-1_17 PMID:40337098	研究论文	本研究开发了一种基于nnUNetv2框架并结合自动编码器架构的新型深度学习模型，用于提高头颈癌MRI引导放疗图像中肿瘤体积的自动分割准确性	在nnUNetv2框架中引入自动编码器架构，将原始训练图像作为额外输入通道，并采用MSE损失函数以提高分割精度	研究仅针对头颈癌患者，样本量相对有限（150名训练患者和50名测试患者）	提高MRI引导放疗图像中肿瘤体积的自动分割准确性，优化放射肿瘤学临床工作流程	头颈癌患者的MRI引导放疗图像	数字病理学	头颈癌	MRI	nnUNetv2结合自动编码器	医学图像	150名训练患者和50名测试患者
963	2025-05-11	[Identification of kidney stone types by deep learning integrated with radiomics features] 2024-Dec-25, Sheng wu yi xue gong cheng xue za zhi = Journal of biomedical engineering = Shengwu yixue gongchengxue zazhi DOI:10.7507/1001-5515.202310043 PMID:40000211	研究论文	本文提出了一种结合放射组学和深度学习的框架，用于高精度自动术前分类肾结石类型	结合放射组学特征和深度学习，实现肾结石类型的自动分类	实验结果的准确率为84.5%，仍有提升空间	实现肾结石类型的自动术前分类	感染性和非感染性肾结石	数字病理	肾结石	放射组学方法	3D CNN, LightGBM	图像	NA
964	2025-05-11	[Cardiac magnetic resonance image segmentation based on lightweight network and knowledge distillation strategy] 2024-Dec-25, Sheng wu yi xue gong cheng xue za zhi = Journal of biomedical engineering = Shengwu yixue gongchengxue zazhi DOI:10.7507/1001-5515.202312015 PMID:40000210	research paper	提出了一种轻量化的扩张并行卷积U-Net（DPU-Net）及多尺度适应向量知识蒸馏（MAVKD）训练策略，用于心脏磁共振图像分割	采用独特的卷积通道变化方式减少参数数量，结合残差块和扩张卷积缓解梯度爆炸和空间信息丢失问题，并利用知识蒸馏策略提升分割精度	未提及模型在更广泛数据集上的泛化能力或临床实际应用效果	降低心脏MRI图像分割深度学习网络的参数量和浮点运算量，同时保持或提高分割精度	心脏磁共振图像	digital pathology	cardiovascular disease	MRI	DPU-Net（基于U-Net改进的轻量化网络）	image	ACDC公共数据集（具体样本量未说明）
965	2025-05-11	[Research progress on endoscopic image diagnosis of gastric tumors based on deep learning] 2024-Dec-25, Sheng wu yi xue gong cheng xue za zhi = Journal of biomedical engineering = Shengwu yixue gongchengxue zazhi DOI:10.7507/1001-5515.202404004 PMID:40000222	review	本文综述了深度学习在胃肿瘤内镜图像分类、目标检测和分割中的应用，并总结了相关的计算机辅助诊断系统和多模态算法	总结了深度学习在胃肿瘤内镜诊断中的应用，并展望了未来研究方向	未提及具体的数据集或实验结果的局限性	促进深度学习方法在胃肿瘤内镜诊断中的临床应用	胃肿瘤内镜图像	digital pathology	gastric cancer	deep learning	NA	image	NA
966	2025-05-11	Multi-label material and human risk factors recognition model for construction site safety management 2024-Dec, Journal of safety research IF:3.9Q2 DOI:10.1016/j.jsr.2024.10.002 PMID:39998535	研究论文	提出了一种基于深度学习的多标签风险因素识别框架，用于自动识别建筑工地上的材料和人为风险因素	结合材料和人为风险因素为单一标签，并通过可视化解释模型的决策基础以提高性能	模型在视觉模糊和涉及透视时倾向于关注附近物体，导致性能下降	开发并优化深度学习模型，以自动且同时识别和分类建筑工地上的多种材料和人为风险因素	建筑工地上的材料和人为风险因素	计算机视觉	NA	深度学习	多标签识别模型	图像	14,605个实例，涵盖八种材料和人为风险因素
967	2025-05-11	ANALYSIS OF CHALLENGES AND POSSIBILITIES OF USING ARTIFICIAL INTELLIGENCE IN MEDICAL DIAGNOSTICS 2024-Dec, Georgian medical news PMID:40007388	综述	本文分析了人工智能在医学诊断中的应用挑战与可能性	系统性地评估了AI在医学诊断中的多模态数据整合、自动化提升及国际标准趋同等趋势	研究仅基于2019-2024年的24项研究，样本量有限且可能存在发表偏倚	评估AI在医疗诊断中的地理分布、实施挑战及提升医疗效率的潜在机会	医学诊断领域的人工智能应用	人工智能医疗应用	NA	多模态AI、深度学习、机器学习	深度学习、机器学习	多模态医疗数据	24项研究(2019-2024)
968	2025-05-11	Noninvasive fetal genotyping using deep neural networks 2024-Nov-22, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf067 PMID:39992001	研究论文	本研究提出了一种基于深度神经网络的无创胎儿基因分型方法	首次将深度学习框架应用于基于cfDNA的无创胎儿基因分型，整合了DNA核苷酸、片段、突变区域、样本和家族特征等多层次信息	NA	开发一种高效的无创产前单基因疾病检测方法	孕妇血浆中的游离DNA(cfDNA)	机器学习	单基因遗传病	全基因组测序(WGS)	深度学习(DL)	基因组数据	NA
969	2025-05-11	[Deep Learning Reconstruction Algorithm Combined With Smart Metal Artifact Reduction Technique Improves Image Quality of Upper Abdominal CT in Critically Ill Patients] 2024-Nov-20, Sichuan da xue xue bao. Yi xue ban = Journal of Sichuan University. Medical science edition DOI:10.12182/20241160102 PMID:39990832	研究论文	评估深度学习重建算法结合智能金属伪影减少技术对无法举臂且需要心电图监测的危重患者腹部CT图像质量的影响	首次将深度学习重建算法与智能金属伪影减少技术结合，用于改善危重患者腹部CT图像质量	研究为回顾性设计，样本量相对较小（102例患者）	提高危重患者腹部CT图像质量	无法举臂且需要心电图监测的危重患者	医学影像处理	危重病	深度学习重建算法、智能金属伪影减少技术、CT扫描	深度学习	CT图像	102例危重患者
970	2025-05-11	Intelligent Recognition and Segmentation of Blunt Craniocerebral Injury CT Images Based on DeepLabV3+ Model 2024-Oct-25, Fa yi xue za zhi DOI:10.12116/j.issn.1004-5619.2024.440801 PMID:39992333	研究论文	基于DeepLabV3+模型实现钝性颅脑损伤CT图像的智能识别与分割	首次将DeepLabV3+模型应用于钝性颅脑损伤的CT图像分割，并探索了深度学习在法医学自动诊断中的应用价值	直接使用活体CT图像训练的模型在尸体CT图像上的分割能力相对较差	实现钝性颅脑损伤的智能识别与分割，探索深度学习在法医学中的应用	钝性颅脑损伤的CT图像	计算机视觉	颅脑损伤	CT成像	DeepLabV3+	图像	5486张活体CT图像（训练集、验证集、测试集），255张活体CT图像和156张正常CT图像（盲测集），340张尸体CT图像和120张正常CT图像（新盲测集）
971	2025-05-11	An efficient enhanced stacked auto encoder assisted optimized deep neural network for forecasting Dry Eye Disease 2024-10-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-75518-7 PMID:39438634	研究论文	提出了一种名为ESAE-ODNN的改进堆叠自编码器辅助优化深度神经网络，用于预测干眼病	将混沌映射融入特征选择，使用SLSTM-STSA提高分类准确率，并通过EQBFOA的自适应量子旋转进行优化	NA	通过特征选择、特征提取和分类，提高干眼病的早期诊断准确率	干眼病患者	机器学习	干眼病	特征选择(FS)、特征提取(FE)、分类	堆叠自编码器(ESAE)、优化深度神经网络(ODNN)、SLSTM-STSA	NA	NA
972	2025-05-11	Automated analysis of fetal heart rate baseline/acceleration/deceleration using MTU-Net3 + model 2024-Sep, Biomedical engineering letters IF:3.2Q2 DOI:10.1007/s13534-024-00388-x PMID:39220035	研究论文	本研究提出了一种名为MTU-Net3+的深度学习模型，用于自动化分析胎儿心率（FHR）的基线、加速和减速，以提高诊断准确性和效率	MTU-Net3+模型基于UNet3+架构，整合了自注意力机制和双向LSTM层，提升了性能	模型在公开数据集和私有数据集上的表现存在差异，可能受数据质量和多样性的影响	提高胎儿心率分析的自动化水平和诊断准确性	胎儿心率信号	数字病理	胎儿健康评估	深度学习	MTU-Net3+（基于UNet3+架构，整合自注意力机制和双向LSTM）	胎儿心率信号	公开数据库的子集和私有数据库
973	2025-05-11	Evaluation Kidney Layer Segmentation on Whole Slide Imaging using Convolutional Neural Networks and Transformers 2024-Feb, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.3006865 PMID:40336524	research paper	评估使用卷积神经网络和Transformer在肾脏全切片图像上进行肾脏分层分割的效果	首次将深度学习技术应用于肾脏分层结构分割，并比较了CNN和Transformer模型的性能	研究仅在小鼠肾脏WSI上进行，未验证人类样本的适用性	探索深度学习在肾脏分层结构自动分割中的可行性	小鼠肾脏全切片图像中的皮质层结构	digital pathology	NA	whole slide imaging	Swin-Unet, Medical-Transformer, TransUNet, U-Net, PSPNet, DeepLabv3+	image	小鼠肾脏WSI（具体数量未提及）
974	2025-05-11	Deep Learning-Based Open Source Toolkit for Eosinophil Detection in Pediatric Eosinophilic Esophagitis 2024-Feb, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.3006520 PMID:40336525	研究论文	开发了一个名为Open-EoE的开源工具包，用于在儿童嗜酸性食管炎（EoE）中进行嗜酸性粒细胞的自动检测	开发了一个支持三种最先进的深度学习目标检测模型的开源工具包，并通过集成学习策略优化性能	未提及具体局限性	将机器学习方法整合到EoE的诊断过程中，提高检测效率和准确性	儿童嗜酸性食管炎（EoE）患者的全切片图像（WSI）	数字病理学	嗜酸性食管炎	深度学习	目标检测模型	图像	289张全切片图像（WSI）
975	2025-05-11	GEOMETRIC CONSTRAINED DEEP LEARNING FOR MOTION CORRECTION OF FETAL BRAIN MR IMAGES 2023-Apr, Proceedings. IEEE International Symposium on Biomedical Imaging DOI:10.1109/isbi53787.2023.10230423 PMID:40337452	研究论文	本文提出了一种基于几何约束的深度学习模型，用于胎儿脑部MRI图像的运动校正	该方法结合了全局运动估计网络和相对运动估计网络，利用几何约束和权重可学习策略处理复杂和大范围的运动	需要构建大规模的模拟胎儿脑部数据集以训练模型，可能在实际应用中存在数据获取的挑战	提高胎儿脑部MRI图像的运动校正能力，以支持3D脑部体积重建	胎儿脑部MRI图像	医学影像处理	胎儿脑部发育	MRI	深度学习模型（包含全局运动估计网络和相对运动估计网络）	图像	大量胎儿脑部MRI图像堆栈
976	2025-05-10	AI-driven early diagnosis of specific mental disorders: a comprehensive study 2025-Dec, Cognitive neurodynamics IF:3.1Q2 DOI:10.1007/s11571-025-10253-x PMID:40330715	review	本文综述了人工智能技术在精神障碍早期诊断中的应用，包括机器学习和深度学习模型	研究展示了多种AI模型在精神障碍诊断中的高准确率，如LightGBM在焦虑和抑郁预测中达到96%准确率，XGBoost在自闭症谱系障碍分类中达到98%准确率	研究未提及模型在实际临床环境中的验证情况，也未讨论数据隐私和伦理问题	探索人工智能技术在精神障碍早期诊断中的应用潜力	双相情感障碍、精神分裂症、自闭症谱系障碍、抑郁症、自杀倾向和痴呆症等精神障碍	machine learning	mental disorder	EEG信号分析、文本分析、图像分析	XGBoost, LightGBM, RF, SVM, KNN, CNN, LSTM, GRU	survey, EEG信号, text, image	NA
977	2025-05-10	Non-destructive origin and ginsenoside analysis of American ginseng via NIR and deep learning 2025-Jun-05, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2025.125913 PMID:39987608	研究论文	本研究开发了一种结合近红外光谱和多任务深度学习网络MMTDL的方法，用于无损分析西洋参的产地和人参皂苷含量	提出了一种混合多任务深度学习网络MMTDL，结合残差网络、注意力机制和混合头网络，用于同时进行西洋参的产地溯源和人参皂苷含量预测	样本量相对较小，仅包含150个样本，可能影响模型的泛化能力	开发一种无损方法，同时识别西洋参的产地并预测其人参皂苷含量	西洋参	深度学习	NA	近红外光谱（NIR）	MMTDL（混合多任务深度学习网络）	光谱数据	150个样本，来自四个不同产地
978	2025-05-10	Automated Cone Beam Computed Tomography Segmentation of Multiple Impacted Teeth With or Without Association to Rare Diseases: Evaluation of Four Deep Learning-Based Methods 2025-Jun, Orthodontics & craniofacial research IF:2.4Q2 DOI:10.1111/ocr.12890 PMID:39744906	research paper	评估四种基于深度学习的自动牙齿分割方法在锥形束计算机断层扫描（CBCT）图像中的准确性	比较了三种商业化和一种开源的深度学习解决方案在牙齿分割中的表现，特别是在多颗阻生牙患者中的应用	研究样本量较小（20例CBCT扫描），且未来深度学习解决方案的性能无法基于当前结果预测	评估深度学习解决方案在自动牙齿分割中的准确性	多颗阻生牙患者的CBCT图像	digital pathology	dental disease	CBCT	DL (deep learning)	image	20例CBCT扫描（来自多颗阻生牙患者）
979	2025-05-10	Deep Learning-Based Three-Dimensional Analysis Reveals Distinct Patterns of Condylar Remodelling After Orthognathic Surgery in Skeletal Class III Patients 2025-Jun, Orthodontics & craniofacial research IF:2.4Q2 DOI:10.1111/ocr.12895 PMID:39754473	研究论文	本研究利用深度学习技术对骨骼III类错颌畸形患者进行下颌髁突形态变化的自动化三维分析	采用深度学习算法自动化CBCT图像的方向调整、配准、骨分割和标志点识别，并通过体素叠加和形状对应分析髁突重塑模式	样本量较小（17例患者），且为回顾性研究	评估骨骼III类错颌畸形患者双颌正颌手术后下颌髁突的形态变化	17例骨骼III类错颌畸形患者（平均年龄24.8±3.5岁）	数字病理	骨骼III类错颌畸形	CBCT扫描、深度学习算法	深度学习算法	三维医学影像	17例患者的术前和术后12-18个月CBCT扫描数据
980	2025-05-10	A breakthrough computational strategy for efficient enzymatic digestion of walnut protein to prepare antioxidant peptides 2025-Jun-01, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2025.143311 PMID:39970520	research paper	提出一种结合深度学习模型与虚拟消化的高效计算策略CAE-VD，用于制备具有特定活性的核桃蛋白抗氧化肽	首次将高精度深度学习模型（卷积自编码器，CAE）与虚拟消化（VD）相结合，指导酶的选择以高效制备天然生物活性肽（NBAPs）	研究仅针对核桃蛋白，未验证其他蛋白来源的适用性	开发高效计算策略以优化天然生物活性肽的酶法制备过程	核桃蛋白及其酶解产物	机器学习	NA	虚拟消化（VD）与深度学习建模	卷积自编码器（CAE）	肽序列数据与活性数据	未明确样本量（涉及核桃蛋白、碱性蛋白酶、胃蛋白酶和胰蛋白酶）