深度学习在生物医药领域的应用

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	算法框架	模型架构	性能指标	计算资源
961	2025-12-09	Deep Probabilistic Principal Component Analysis for Process Monitoring 2025-Apr, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3386890 PMID:38652625	研究论文	本文提出了一种新颖的深度概率主成分分析（DePPCA）模型，用于工业过程监控和故障检测	结合概率建模和深度学习的优势，通过贪婪分层预训练和端到端微调构建深度结构，实现高效特征提取和监控	NA	开发一种准确且高效的过程监控方法	工业过程监控和故障检测	机器学习	NA	概率潜在变量模型，深度学习	PPCA, DePPCA	工业过程数据	NA	NA	深度PPCA（DePPCA）	NA	NA
962	2025-12-09	Toward non-invasive diagnosis of Bankart lesions with deep learning 2025-Feb, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.3046251 PMID:41341525	研究论文	本研究开发了基于深度学习的模型，用于在标准MRI和MRA上检测Bankart病变，以提高诊断准确性并减少对侵入性MRA的依赖	首次使用Swin Transformer架构，通过多视图集成方法，在标准MRI上实现了与MRA相当的诊断性能，为Bankart病变的非侵入性诊断提供了新途径	研究样本量相对有限（586个MRI），且仅基于单中心数据，可能影响模型的泛化能力	提高Bankart病变的诊断准确性，减少对侵入性MRI关节造影（MRA）的依赖	558名接受关节镜检查患者的586个肩部MRI图像（包括标准MRI和MRA）	计算机视觉	肩部损伤	MRI, MRA	深度学习	图像	586个肩部MRI（335个标准MRI，251个MRA），来自558名患者	PyTorch	Swin Transformer	AUC, 准确率, 灵敏度, 特异性	NA
963	2025-12-09	Ethical and legal concerns in artificial intelligence applications for the diagnosis and treatment of lung cancer: a scoping review 2025, Frontiers in public health IF:3.0Q2 DOI:10.3389/fpubh.2025.1663298 PMID:41164831	综述	本文通过范围综述探讨了人工智能在肺癌诊疗应用中的伦理与法律问题	系统性地识别并总结了AI在肺癌诊疗领域应用中最突出的伦理与法律关切点，特别是数据隐私、算法偏见及全球适用性差距	多数研究缺乏全面的法律分析，且文献主要来自高收入国家，全球视角不足，提出的解决方案未经验证且碎片化	评估人工智能在肺癌诊疗应用中的伦理与法律挑战	人工智能在肺癌筛查、诊断、治疗及预后中的应用	数字病理	肺癌	NA	深度学习	诊断影像	20篇符合纳入标准的文献	NA	NA	NA	NA
964	2025-12-09	Brain tumour segmentation in fused MRI-PET images with permutate U-Net framework 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0335952 PMID:41343590	研究论文	本文提出了一种基于Permutate U-Net框架的脑肿瘤分割方法，用于融合MRI-PET图像	设计了Permutate版本的U-Net架构，结合PCA融合MRI-PET图像以提高图像质量和分割精度	NA	自动精确地检测和分割脑肿瘤区域	脑肿瘤	数字病理学	脑肿瘤	MRI-PET图像融合	U-Net	图像	使用BraTS 2015、2020和2021数据集	NA	Permutate U-Net	Dice系数, IoU, 准确率	NA
965	2025-12-09	ConvLSTM-based tropical cyclone intensity estimation and classification using satellite imagery over the North Indian ocean 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0330705 PMID:41348707	研究论文	本研究提出了一种基于深度学习的框架，利用卫星图像序列对北印度洋的热带气旋进行检测、分类和强度估计	提出了一种混合架构，结合CNN和ConvLSTM共同学习时空模式，并引入了基于聚类的气旋区域隔离方法、序列级数据增强以及使用SMOTE缓解类别不平衡问题	未来工作需要通过集成学习、更复杂的架构或更大的数据集来提高模型的泛化能力	开发有效的热带气旋早期预警和灾害预防系统	北印度洋的热带气旋	计算机视觉	NA	卫星图像序列分析	CNN, ConvLSTM	图像序列	CIMSS热带数据档案和IMD最佳路径数据集	NA	VGG16, ConvLSTM	准确率, RMSE	NA
966	2025-12-09	Toward Non-Invasive Diagnosis of Bankart Lesions with Deep Learning 2024-Dec-09, ArXiv PMID:39764408	研究论文	本研究开发了基于深度学习的模型，用于在标准MRI和MRA上检测Bankart病变，旨在提高诊断准确性并减少对侵入性MRA的依赖	首次使用Swin Transformer架构和预训练策略，结合多视图集成方法，在标准MRI上实现了与MRA相当的诊断性能，可能减少对侵入性检查的需求	研究样本量相对有限（586个MRI扫描），且模型性能可能受限于数据集的多样性和标注质量	提高Bankart病变的诊断准确性，减少对侵入性MRI关节造影（MRA）的依赖	肩部MRI扫描（包括标准MRI和MRA）	计算机视觉	骨科损伤（Bankart病变）	MRI成像	深度学习	医学图像（MRI）	586个肩部MRI扫描（来自558名患者，包括335个标准MRI和251个MRA）	PyTorch（基于Swin Transformer的实现通常使用PyTorch）	Swin Transformer	AUC, 准确率, 敏感性, 特异性	NA
967	2025-12-09	USE-Evaluator: Performance metrics for medical image segmentation models supervised by uncertain, small or empty reference annotations in neuroimaging 2023-12, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2023.102927 PMID:37672900	研究论文	本文提出了一种用于评估医学图像分割模型性能的新方法，特别针对参考标注存在不确定性、尺寸小或为空的情况	开发了USE-Evaluator评估框架，专门处理神经影像中不确定、小或空的参考标注对分割模型性能评估的影响	研究主要基于卒中内部数据集，虽然与公共数据集进行了比较，但可能仍需更多临床数据验证	改进医学图像分割模型的性能评估方法，使其更适应临床实践中具有挑战性的分割任务	医学图像分割模型在神经影像数据上的性能评估	医学图像分析	卒中	医学图像分割	深度学习框架	医学图像	卒中内部数据集，并与BRATS 2019和脊髓公共数据集进行比较	未明确指定	标准深度学习框架	Dice系数等重叠度量指标	未明确指定
968	2025-12-09	Multi-site, Multi-domain Airway Tree Modeling 2023-12, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2023.102957 PMID:37716199	研究论文	本文介绍了在MICCAI 2022会议上组织的多站点、多领域气道树建模挑战赛（ATM'22），旨在为医学影像社区提供气道分割算法的基准测试	提供了大规模、多站点、包含噪声COVID-19 CT扫描的公开标注数据集，推动了数据驱动方法的发展，并首次系统比较了嵌入拓扑连续性增强的深度学习模型在气道分割中的性能	公开标注数据集仍然有限，可能影响新算法的详细性能评估；挑战赛结果可能受到参与团队算法实现差异的影响	为医学影像社区提供气道分割算法的基准测试，促进早期肺部疾病干预技术的发展	肺部气道树的分割与建模	计算机视觉	肺部疾病	CT扫描	深度学习模型	CT图像	500例CT扫描（300例训练，50例验证，150例测试）	NA	NA	定量与定性评估	NA
969	2025-12-09	Deep learning, data ramping, and uncertainty estimation for detecting artifacts in large, imbalanced databases of MRI images 2023-12, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2023.102942 PMID:37797482	研究论文	本文提出了一种基于深度学习的随机算法，用于在大型不平衡神经影像数据库中自动检测MRI图像伪影，并引入不确定性估计以提高检测准确性	首次提出结合蒙特卡洛dropout的随机深度学习算法，用于MRI伪影检测，并开发了数据斜坡方法处理类别不平衡问题	未提及算法在外部验证集上的泛化性能，且未讨论计算成本或实时处理能力	开发自动化方法以高效检测大型不平衡神经影像数据库中的MRI图像伪影	MRI图像	计算机视觉	NA	磁共振成像	深度学习	3D图像	34,800次扫描（其中98%为无伪影数据）	NA	3D AlexNet	准确率, F1分数	NA
970	2025-12-09	Collagen fiber centerline tracking in fibrotic tissue via deep neural networks with variational autoencoder-based synthetic training data generation 2023-12, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2023.102961 PMID:37802011	研究论文	提出一种基于深度学习的流程，用于从病理组织样本的显微图像中量化胶原纤维的拓扑特性	利用变分自编码器生成具有可控拓扑特性的合成中心线，并结合条件生成对抗网络合成真实胶原纤维图像，以解决大规模标注数据短缺问题	未明确说明合成数据与真实数据之间的域适应差距可能对模型泛化性产生的影响	开发一种能够准确提取胶原纤维中心线并量化其拓扑特性的自动化方法	胰腺、肝脏和乳腺癌样本中的胶原纤维	数字病理学	癌症	二次谐波生成显微镜	变分自编码器, 条件生成对抗网络, 深度神经网络	图像	NA	NA	NA	NA	NA
971	2025-12-09	MGMT promoter methylation status prediction using MRI scans? An extensive experimental evaluation of deep learning models 2023-12, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2023.102989 PMID:37827111	研究论文	本文通过深度学习模型评估使用MRI扫描预测胶质母细胞瘤中MGMT启动子甲基化状态，并利用多种解释性方法验证模型性能	使用最大的公开MRI数据集之一（585名参与者）进行预测，并综合应用Grad-CAM、遮挡敏感性、特征可视化和训练损失景观等多种解释性方法评估模型	研究结果显示MRI扫描与MGMT启动子甲基化状态之间无相关性，表明需要外部队列数据验证模型以确保深度学习系统在癌症诊断中的准确性和可靠性	预测胶质母细胞瘤中MGMT启动子甲基化状态，以替代侵入性组织活检	胶质母细胞瘤患者	数字病理学	胶质母细胞瘤	MRI扫描	深度学习模型	图像	585名参与者	NA	NA	NA	NA
972	2025-12-09	Automated evaluation with deep learning of total interstitial inflammation and peritubular capillaritis on kidney biopsies 2023-11-30, Nephrology, dialysis, transplantation : official publication of the European Dialysis and Transplant Association - European Renal Association DOI:10.1093/ndt/gfad094 PMID:37197910	研究论文	本研究开发了一种基于卷积神经网络的深度学习工具，用于自动评估肾活检中的总间质炎症和肾小管周围毛细血管炎	首次利用深度学习自动评估肾活检中的总间质炎症和肾小管周围毛细血管炎，实现了与病理学家评分的高度相关性	样本量相对有限，训练集仅包含83个肾样本，且未提及模型在其他疾病或更大数据集上的泛化能力	开发自动化工具以精确评估肾活检中的组织学标准，帮助分层患者肾脏预后并促进治疗管理	肾活检样本，包括来自多种疾病的423个样本	数字病理学	肾脏疾病	组织学评估	CNN	图像	423个肾活检样本（83个用于训练，106个用于手动与自动预测比较，234个用于自动与视觉评分比较）	NA	NA	精确率, 召回率, F分数, 相关系数, AUC, kappa系数	NA
973	2025-12-09	Uncovering new families and folds in the natural protein universe 2023-10, Nature IF:50.5Q1 DOI:10.1038/s41586-023-06622-3 PMID:37704037	研究论文	本研究利用AlphaFold数据库预测的蛋白质结构，探索了天然蛋白质宇宙中未被充分注释的“暗物质”区域，并发现了新的蛋白质折叠和家族	从序列、结构和语义三个角度系统搜索蛋白质新颖性，发现了β-花状折叠，并向Pfam数据库添加了多个蛋白质家族，实验证实了其中一个属于新的翻译靶向毒素-抗毒素系统超家族TumE-TumA	研究依赖于AlphaFold的预测结构，其准确性可能影响后续功能注释；大规模分析可能遗漏某些低丰度或高度特异的蛋白质家族	评估AlphaFold数据库在揭示天然蛋白质宇宙中未注释蛋白质结构方面的能力，并识别新的蛋白质折叠和家族	AlphaFold数据库预测的蛋白质结构，特别是那些难以通过标准同源性方法注释功能的蛋白质	蛋白质生物信息学	NA	深度学习蛋白质结构预测，序列相似性网络分析	AlphaFold	蛋白质序列，蛋白质三维结构	数亿个预测蛋白质结构（覆盖几乎所有已知蛋白质）	AlphaFold	AlphaFold	预测准确性	NA
974	2025-12-09	Transforming medical imaging with Transformers? A comparative review of key properties, current progresses, and future perspectives 2023-04, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2023.102762 PMID:36738650	综述	本文对Transformer在医学影像领域的应用进行了比较性综述，探讨其关键特性、当前进展及未来前景	基于Transformer的关键定义特性（主要通过与CNN比较得出）及其架构类型来组织综述，帮助读者深入理解相关方法的原理	NA	评估Transformer在医学影像领域的现状、应用进展及未来发展方向	医学影像数据	医学影像	NA	深度学习	Transformer, CNN	医学影像	NA	NA	Transformer, CNN	NA	NA
975	2025-12-08	Deep learning-assisted metabolic fingerprint profiling based on V-groove and wrinkle-shaped 3D surface-enhanced Raman scattering substrate for early colorectal cancer diagnosis 2026-Feb-15, Biosensors & bioelectronics IF:10.7Q1 DOI:10.1016/j.bios.2025.118183 PMID:41223500	研究论文	本研究开发了一种基于三维表面增强拉曼散射基底和深度学习的代谢指纹图谱分析方法，用于结直肠癌的早期诊断	提出了一种结合微V型槽阵列、皱纹图案和银纳米颗粒的新型三维SERS基底，并首次将CNN模型应用于该平台获得的早期结直肠癌代谢指纹图谱分析	未明确说明样本来源的多样性、模型在独立外部验证集上的性能以及长期临床应用的可行性	开发一种高灵敏度的早期结直肠癌诊断平台	早期结直肠癌患者的血清代谢物	机器学习	结直肠癌	表面增强拉曼散射	CNN	拉曼光谱数据	未明确说明具体样本数量	NA	NA	AUC, 准确率, 特异性	NA
976	2025-12-08	Rapid whole-brain T2* and susceptibility mapping using 3D multiple overlapping-echo detachment acquisition and missing modality synthesis embedded simulation 2026-Feb, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.70108 PMID:41040040	研究论文	本文开发了一种3D多重重叠回波分离成像技术，结合数据生成和重建策略，用于快速全脑T2*和磁化率定量成像	将MOLED编码扩展至3D多激发采集，结合双回波反向EPI序列，同时获取T2*和QSM信号并减少图像畸变；采用基于深度学习的缺失模态合成方法生成配准的多参数模板，并提出了伪3D Bloch模拟以加速网络训练数据生成	NA	开发快速全脑T2*和磁化率定量成像技术	健康志愿者和临床参与者	医学影像处理	NA	3D多重重叠回波分离成像，双回波反向EPI序列，Bloch模拟	深度学习	3D磁共振图像	健康志愿者和临床参与者队列	NA	NA	图像质量评分	NA
977	2025-12-08	Deep learning approach for DCE-MRI parameter estimation: Evaluating signal intensity and concentration-time curve-based convolution-neural-networks 2026-Feb, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2025.110559 PMID:41207450	研究论文	本文提出了一种基于浓度-时间曲线的卷积神经网络方法，用于动态对比增强MRI参数估计，旨在适应不同扫描协议并提高计算效率	采用浓度曲线而非信号强度作为输入，设计能适应多种DCE-MRI协议的CNN模型，在外部验证中展示了跨扫描仪和机构的鲁棒性	研究主要针对脑胶质瘤患者，样本量相对有限（训练集72例，测试集18例），且依赖于合成数据进行初始训练	开发一种快速、鲁棒的深度学习方法，用于估计DCE-MRI中的广义示踪动力学参数，以克服传统非线性最小二乘法计算成本高、对噪声和协议变化敏感的问题	脑胶质瘤患者（2-4级）的DCE-MRI数据	医学影像分析	脑胶质瘤	动态对比增强MRI	CNN	医学影像数据	训练集：72例胶质瘤患者；测试集：18例患者；外部验证集：跨扫描仪9例（1.5T），跨机构6例（不同医院）	NA	卷积神经网络	平均绝对误差，AUC，相关性系数	NA
978	2025-12-08	Transformer-based multi-scale feature fusion for real-time CT bone metastasis detection 2026-Feb, Bone IF:3.5Q2 DOI:10.1016/j.bone.2025.117729 PMID:41241185	研究论文	本文提出了一种基于Transformer的实时CT骨转移检测模型BM-DETR，通过多尺度特征融合提升小尺寸、低对比度病变的检测精度	提出了集成空间上下文增强模块（SCEM）、双分支上采样的AttentionUpsample以及扩张Transformer注意力块（DTAB）的新型Transformer架构，有效解决了局部细节捕获与计算效率的平衡问题	未明确说明模型在更广泛临床数据上的泛化能力，以及在实际边缘设备部署中的具体性能表现	开发高精度、实时的CT骨转移自动检测系统，以支持早期筛查和智能诊断	CT影像中的骨转移病变	计算机视觉	骨转移癌	CT影像分析	Transformer	医学影像（CT）	OsteoScan和BMSeg两个公开数据集	未明确说明	BM-DETR（自定义Transformer架构，包含SCEM、AttentionUpsample、DTAB模块）	mAP50	未明确说明，但提及支持边缘部署
979	2025-12-08	Deep learning-based perfusion quantification and large vessel exclusion for renal multi-TI arterial spin labelling MRI 2026-Feb, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2025.110573 PMID:41260277	研究论文	提出了一种基于BiLSTM的深度学习方法，用于肾脏多反转时间动脉自旋标记MRI的灌注量化、大血管排除以及血流到达时间和血流长度估计	首次将BiLSTM深度学习模型应用于多反转时间ASL数据的灌注参数量化，并实现了自动大血管排除，相比传统基于Buxton模型拟合的方法，在噪声环境下更准确、更鲁棒	模拟数据与体内数据的特性存在差异，导致部分观察到的量化差异无法完全由模拟结果解释；深度学习模型在血流长度估计上误差大于传统方法	改进肾脏多反转时间动脉自旋标记MRI的灌注参数量化方法，提高其准确性和鲁棒性	肾脏灌注参数（灌注量、血流到达时间、血流长度）及大血管区域	医学影像分析	肾脏疾病	多反转时间流动敏感交替反转恢复序列动脉自旋标记MRI	BiLSTM	MRI图像序列	模拟像素级多反转时间信号数据及体内数据	NA	BiLSTM	量化误差	NA
980	2025-12-08	GL-mamba-net: A magnetic resonance imaging restoration network with global-local mamba 2026-Feb, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2025.110574 PMID:41271086	研究论文	本文提出了一种名为GL-mamba-net的双路径Mamba网络，用于加速磁共振成像的采集过程，通过融合全局与局部特征来提升图像恢复的质量和效率	提出了多尺度局部Mamba块以捕获不同区域的局部信息；设计了新的特征融合块以增强全局与局部信息的融合；构建了双路径Mamba网络架构，提升了复杂动态数据环境下的特征提取能力和适应性	未明确说明模型在特定病理条件下的泛化能力，以及在实际临床部署中的计算效率限制	加速磁共振成像采集过程，提升欠采样图像恢复的质量	欠采样的单线圈图像域数据	计算机视觉	NA	磁共振成像	Mamba	图像	NA	NA	双路径Mamba网络	多种评估指标	NA