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
1141	2025-05-12	Deformable image registration with strategic integration pyramid framework for brain MRI 2025-Jul, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2025.110386 PMID:40122188	research paper	提出了一种基于金字塔结构的战略集成配准网络，用于脑部MRI的可变形图像配准	设计了CNN编码器和Transformer解码器，有效提取和增强全局与局部特征，并在金字塔结构的最低尺度引入渐进优化迭代以减少误差积累	未提及具体的数据集大小或多样性限制	提高脑部MRI图像配准的准确性和鲁棒性	脑部MRI图像	digital pathology	NA	deep learning-based deformable registration	CNN, Transformer	image	多个脑部MRI数据集（未提及具体数量）
1142	2025-05-12	Lightweight deep learning model for embedded systems efficiently predicts oil and protein content in rapeseed 2025-Jun-15, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2025.143557 PMID:40020621	研究论文	开发了一种基于优化深度学习方法的移动应用程序，用于低成本、非破坏性和实时预测油菜籽中的蛋白质和油含量	使用轻量级深度学习模型FasterNet-L，结合神经修剪技术，显著提高了预测速度和模型效率	未提及模型在其他作物上的泛化能力验证	开发一种高效、低成本的油菜籽蛋白质和油含量预测方法	油菜籽	计算机视觉	NA	深度学习	FasterNet-L	图像	未明确提及样本数量
1143	2025-05-12	A multimodal deep learning model for detecting endoscopic images of near-infrared fluorescence capsules 2025-Jun-15, Biosensors & bioelectronics IF:10.7Q1 DOI:10.1016/j.bios.2025.117251 PMID:40020636	研究论文	本文提出了一种名为Multimodal-Retinex-Attention-YOLO (MRAY)的多模态深度学习模型，用于检测近红外荧光胶囊内镜图像，以提高胃肠道疾病的早期筛查准确性	提出了结合白光和荧光图像数据的多模态深度学习模型MRAY，显著提高了在低光条件下的异常检测准确性和效率	使用的数据集为模拟人类胃肠道的猪胃图像，可能无法完全反映真实人类胃肠道环境的复杂性	提高胃肠道疾病的早期筛查准确性和效率	胃肠道疾病（如癌症、溃疡、炎症等）的早期检测	数字病理学	胃肠道疾病	近红外荧光胶囊内镜(NIRF-CE)	Multimodal-Retinex-Attention-YOLO (MRAY), YOLO	图像	使用NIRF-CE系统捕获的猪胃图像数据集
1144	2025-05-12	A deep learning-based, real-time image report system for linear EUS 2025-Jun, Gastrointestinal endoscopy IF:6.7Q1 DOI:10.1016/j.gie.2024.10.030 PMID:39427992	研究论文	开发了一种基于深度学习的EUS自动图像报告系统（EUS-AIRS），用于实时捕获高质量EUS图像	首次将深度学习模型集成到EUS自动图像报告系统中，实现实时自动拍摄标准站点、病变和穿刺过程	研究样本量相对较小（114名患者），且仅在单一医疗中心进行测试	提高EUS图像采集的完整性和质量，优化疾病相关决策	接受EUS检查的患者	数字病理	胆胰疾病	EUS（内镜超声检查）	深度学习模型（未指定具体类型）	图像	235,784张训练测试图像 + 114名前瞻性测试患者
1145	2025-05-12	Incorporating Radiologist Knowledge Into MRI Quality Metrics for Machine Learning Using Rank-Based Ratings 2025-Jun, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.29672 PMID:39690114	research paper	该研究开发了一种基于放射科医生图像排名和深度学习模型的MRI图像质量评估指标	利用放射科医生的图像排名训练深度学习模型，开发了专门针对MRI的图像质量评估指标，替代传统的均方误差和结构相似性指标	研究仅使用了NYU fastMRI Initiative神经数据库的数据，可能限制了模型的泛化能力	开发专门针对MRI图像的深度学习质量评估指标	MRI图像质量评估	digital pathology	NA	MRI	EfficientNet, IQ-Net	image	2916个独特图像对的19,344个排名数据
1146	2025-05-12	Computer-Aided Detection (CADe) and Segmentation Methods for Breast Cancer Using Magnetic Resonance Imaging (MRI) 2025-Jun, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.29687 PMID:39781684	review	本文综述了计算机辅助检测（CADe）系统在乳腺癌MRI中的应用，包括技术细节、分割模型及最新深度学习架构	强调了从传统算法到复杂深度学习模型（如U-Nets）的最新进展，以及多参数MRI采集的CADe实现	面临假阳性和假阴性率不稳定、影像数据解释复杂、系统性能差异大、缺乏大规模研究和多中心模型等技术挑战	提高乳腺癌早期检测的准确性和效率，优化CADe系统在临床实践中的应用	乳腺癌MRI影像	digital pathology	breast cancer	MRI	U-Nets, supervised and unsupervised ML, DL architectures	image	NA
1147	2025-05-12	DeepTree-AAPred: Binary tree-based deep learning model for anti-angiogenic peptides prediction 2025-Jun, Journal of molecular graphics & modelling IF:2.7Q2 DOI:10.1016/j.jmgm.2025.108982 PMID:40020469	research paper	提出了一种基于二叉树的深度学习模型DeepTree-AAPred，用于预测抗血管生成肽	结合了二叉树的深度学习结构，并使用ProtBERT和ESM-2预训练模型提取1D和2D广义特征，进一步利用BiLSTM和TextCNN捕捉局部特征和上下文依赖关系	未提及模型在真实临床环境中的表现或泛化能力	提高抗血管生成肽的预测准确性，以支持肿瘤治疗	抗血管生成肽（AAPs）	machine learning	tumor	ProtBERT, ESM-2, BiLSTM, TextCNN	DeepTree-AAPred (binary tree-based deep learning model)	protein sequence data	标准数据集（具体数量未提及）
1148	2025-05-12	Role of artificial intelligence in data-centric additive manufacturing processes for biomedical applications 2025-Jun, Journal of the mechanical behavior of biomedical materials IF:3.3Q3 DOI:10.1016/j.jmbbm.2025.106949 PMID:40036906	review	本文综述了人工智能在生物医学应用中数据驱动的增材制造过程中的作用	探讨了AI在增材制造预处理、打印过程和后处理中的应用潜力，特别是在满足个性化医疗需求方面	未提及具体的技术实施限制或数据可用性问题	探索AI如何优化增材制造全流程以提升生物医学产品的个性化适配性	增材制造流程（预处理、打印、后处理）及生物医学产品（组织工程、假体、芯片器官等）	machine learning	NA	监督学习、无监督学习、深度学习、强化学习	NA	制造参数、结构设计数据、材料特性数据	NA
1149	2025-05-12	Incorporating radiomic MRI models for presurgical response assessment in patients with early breast cancer undergoing neoadjuvant systemic therapy: Collaborative insights from breast oncologists and radiologists 2025-Jun, Critical reviews in oncology/hematology DOI:10.1016/j.critrevonc.2025.104681 PMID:40058742	review	探讨放射组学MRI模型在早期乳腺癌患者新辅助系统治疗前反应评估中的应用及其临床意义	结合机器学习和深度学习方法提高放射组学MRI的准确性和预测能力	放射科医生的评估具有定性和主观性，可能不足以决定是否放弃额外的局部治疗措施	提高早期乳腺癌患者新辅助治疗前反应评估的准确性	早期乳腺癌患者	digital pathology	breast cancer	MRI, machine learning, deep learning	NA	image	NA
1150	2025-05-12	Comparison of deep learning models for facial attractiveness assessment on 3D photos 2025-Jun, Journal of dentistry IF:4.8Q1 DOI:10.1016/j.jdent.2025.105735 PMID:40199417	研究论文	本研究比较了几种著名的CNN模型在中国6-18岁正畸患者面部吸引力评估中的准确性和精确性	首次在3D照片上比较了多种CNN模型在面部吸引力评估中的表现，并分析了模型准确性与训练效率之间的权衡	研究仅针对中国6-18岁正畸患者，样本多样性可能有限	评估不同CNN模型在面部吸引力评估中的性能	中国6-18岁正畸患者的面部3D照片	计算机视觉	正畸	3D摄影	CNN (包括ResNet18, ResNet50, ResNet101, VGG-16, VGG-19, Inception-v3, MobileNet-v2, DenseNet121)	3D照片转换的2D RGB图像	1272名患者的3D照片
1151	2025-05-12	SapFlower: an automated tool for sap flow data preprocessing, gap-filling, and analysis using deep learning 2025-Jun, The New phytologist DOI:10.1111/nph.70107 PMID:40200603	research paper	介绍了一个名为SapFlower的自动化工具，用于处理、填补和分析植物液流数据	整合了自动清洗、机器学习和深度学习模型，能够高效处理液流数据中的噪声和缺失值	未来需要针对不同树种进行特定校正，并支持更多测量方法	提高植物液流数据处理的效率和可访问性	植物液流数据	machine learning	NA	thermal dissipation probes (TDP)	random forest, Gaussian process regression, LSTM, BiLSTM	sap flow data	NA
1152	2025-05-12	ChatIOS: Improving automatic 3-dimensional tooth segmentation via GPT-4V and multimodal pre-training 2025-Jun, Journal of dentistry IF:4.8Q1 DOI:10.1016/j.jdent.2025.105755 PMID:40228651	research paper	提出了一种结合GPT-4V和多模态预训练技术的框架ChatIOS，用于提升3D牙齿分割的深度学习算法性能	首次将GPT-4V应用于数字牙科领域，并开创了多模态预训练范式用于3D牙齿分割	研究仅基于Teeth3DS数据集，未在其他数据集上验证模型的泛化能力	提升3D牙齿分割的准确性和效率，以支持临床正畸和修复治疗	口腔内扫描仪(IOS)产生的3D牙齿扫描数据	digital pathology	NA	multimodal pre-training, GPT-4V	PointNet++	3D point clouds, 2D images, text descriptions	1800个口腔内扫描数据，约24000颗标注牙齿（训练集：1200扫描，16004牙齿；测试集：600扫描，7995牙齿），来自900名患者
1153	2025-05-12	Predicting lung cancer bone metastasis using CT and pathological imaging with a Swin Transformer model 2025-Jun, Journal of bone oncology IF:3.1Q2 DOI:10.1016/j.jbo.2025.100681 PMID:40342492	research paper	开发了一种基于Swin Transformer的多模态深度学习模型，用于通过整合CT成像和病理数据预测肺癌患者的骨转移风险	首次将Swin Transformer模型应用于多模态（CT和病理图像）数据融合，以预测肺癌骨转移风险	样本量相对较小（215例患者），且未提及外部验证集的结果	早期预测肺癌患者的骨转移风险，以实现及时干预并改善患者预后	215例确诊肺癌患者（包括有和无骨转移的患者）	digital pathology	lung cancer	CT成像和数字化组织病理学成像	Swin Transformer	image	215例肺癌患者
1154	2025-05-12	Using explainable machine learning to predict the irritation and corrosivity of chemicals on eyes and skin 2025-May-15, Toxicology letters IF:2.9Q2 DOI:10.1016/j.toxlet.2025.03.008 PMID:40180199	研究论文	本研究采用可解释的机器学习方法预测化学物质对眼睛和皮肤的刺激性和腐蚀性	结合大量实验数据开发多种机器学习和深度学习模型，并通过多层次的解释性分析提供预测结果的深入见解	模型在外部验证集上的平衡准确率分别为73.0%和75.1%，仍有提升空间	评估农药、化妆品和眼科药物中化学物质的潜在刺激性	化学物质对眼睛和皮肤的刺激性和腐蚀性	机器学习	NA	机器学习和深度学习	多种机器学习和深度学习模型	实验数据	3316个眼刺激实验数据点和3080个皮肤刺激实验数据点
1155	2025-05-12	Estimating canopy leaf angle from leaf to ecosystem scale: a novel deep learning approach using unmanned aerial vehicle imagery 2025-May-10, The New phytologist DOI:10.1111/nph.70197 PMID:40346911	research paper	提出一种基于深度学习的无人机图像处理方法，用于从叶片到生态系统尺度估算冠层叶片角度	相比传统方法，该方法更经济、高效、自动化且减少人力投入，能够跨尺度高效估算叶片角度分布	NA	估算冠层叶片角度分布以理解植被冠层结构及其对光合作用和生态系统生产力的影响	三种植物物种（Pachira glabra、Ficus elastica、Schefflera macrostachya）和四种代表性树种（Melodinus suaveolens、Daphniphyllum calycinum、Endospermum chinense、Tetracera sarmentosa）的叶片角度	computer vision	NA	structure-from-motion点云算法和Mask R-CNN	Mask R-CNN	无人机图像	57,032片叶子（30 m × 30 m样地内）和三种植物物种的手动测量数据
1156	2025-05-12	Estimation method of dynamic range parameters for cochlear implants based on neural response telemetry threshold 2025-May-10, Acta oto-laryngologica IF:1.2Q3 DOI:10.1080/00016489.2025.2492359 PMID:40347195	research paper	本研究探讨了耳蜗植入患者主观行为测试阈值与神经反应遥测阈值之间的相关性，并利用深度学习技术建立预测模型以指导术后机器调整	首次利用深度学习技术构建卷积神经网络预测模型，用于预测耳蜗植入机器调整参数	样本量相对较小（57例正常耳蜗形态患者和20例内耳畸形患者）	探索耳蜗植入患者主观行为测试阈值与神经反应遥测阈值的相关性，并建立预测模型以指导术后机器调整	耳蜗植入患者（包括正常耳蜗形态和内耳畸形患者）	digital pathology	geriatric disease	神经反应遥测（NRT）和主观行为测试	CNN	生理信号数据	77例患者（57例正常耳蜗形态和20例内耳畸形）
1157	2025-05-12	Quantitative analysis and clinical determinants of orthodontically induced root resorption using automated tooth segmentation from CBCT imaging 2025-May-08, BMC oral health IF:2.6Q1 DOI:10.1186/s12903-025-06052-9 PMID:40340630	research paper	本研究应用深度学习和CBCT技术定量分析正畸诱导的牙根吸收（OIRR）及其风险因素，以提高评估的准确性和效率	利用深度学习自动分割CBCT图像中的牙齿，实现OIRR的精确量化，并分析其临床影响因素	研究样本量较小（108例），且部分因素对牙根吸收的解释方差较低（3%至15.4%）	提高正畸诱导牙根吸收的评估准确性和临床决策支持	108名正畸患者的CBCT扫描数据	digital pathology	geriatric disease	CBCT成像	深度学习模型	3D图像	108名正畸患者
1158	2025-05-12	Hearing vocals to recognize schizophrenia: speech discriminant analysis with fusion of emotions and features based on deep learning 2025-May-08, BMC psychiatry IF:3.4Q2 DOI:10.1186/s12888-025-06888-z PMID:40340671	研究论文	开发了一种基于深度学习的精神分裂症语音判别模型，结合不同情感刺激和特征	结合不同情感刺激和特征融合，提高了精神分裂症检测的准确性和特异性	样本量相对较小，且仅使用固定文本进行语音分析	提高精神分裂症的准确检测	精神分裂症患者和健康对照者	自然语言处理	精神分裂症	log-Mel频谱图和MFCCs提取	CNN	语音	156名精神分裂症患者和74名健康对照者
1159	2025-05-12	Hierarchical diagnosis of breast phyllodes tumors enabled by deep learning of ultrasound images: a retrospective multi-center study 2025-May-08, Cancer imaging : the official publication of the International Cancer Imaging Society IF:3.5Q1 DOI:10.1186/s40644-025-00879-9 PMID:40340752	research paper	利用深度学习对超声图像进行层次化诊断，以术前识别和分级乳腺叶状肿瘤	提出了基于深度学习的乳腺叶状肿瘤层次化诊断模型（PTs-HDM），能够在术前进行识别和分级，减少对术后病理的依赖	研究为回顾性多中心研究，可能存在数据选择和偏倚的问题	开发一种术前识别和分级乳腺叶状肿瘤的深度学习模型	乳腺叶状肿瘤（PTs）和纤维腺瘤（FAs）的超声图像	digital pathology	breast cancer	deep learning	CNN	image	712名患者的超声图像
1160	2025-05-12	Optimizing the dynamic treatment regime of outpatient rehabilitation in patients with knee osteoarthritis using reinforcement learning 2025-May-08, Journal of neuroengineering and rehabilitation IF:5.2Q1 DOI:10.1186/s12984-025-01609-9 PMID:40340812	研究论文	本研究通过构建膝关节骨关节炎数据库并应用强化学习算法，开发了一种动态治疗推荐系统，以优化膝关节骨关节炎的个性化治疗方案	结合特征选择和强化学习技术，提出了一种创新的治疗方法优化方案，为慢性病管理提供了新的可能性	研究依赖于模拟实验验证算法有效性，实际临床应用效果有待进一步验证	优化膝关节骨关节炎患者的门诊康复动态治疗方案	膝关节骨关节炎患者	机器学习	膝关节骨关节炎	随机森林特征选择，强化学习算法（DDPG、DQN、BCQ）	DDPG、DQN、BCQ	临床问卷数据	大量临床数据（具体数量未提及）