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
1161	2025-07-15	A 3D deep learning model based on MRI for predicting lymphovascular invasion in rectal cancer 2025-Jul, Medical physics IF:3.2Q1 DOI:10.1002/mp.17882 PMID:40391614	研究论文	本研究开发并验证了一种基于术前MRI的深度学习模型，用于预测直肠癌患者的淋巴血管侵犯（LVI）	利用3D深度学习模型（3D GPTV10）结合肿瘤本身及其周围10像素边缘作为感兴趣区域，显著提高了LVI预测的准确性	研究样本量相对较小（训练队列233例，验证队列101例），且仅基于单一医疗机构的数据	开发并验证一种基于术前MRI的深度学习模型，用于预测直肠癌患者的淋巴血管侵犯（LVI）	直肠癌患者	数字病理	直肠癌	MRI T2WI轴向图像	3D DenseNet121	医学影像	训练队列233例，验证队列101例
1162	2025-07-15	Fusing radiomics and deep learning features for automated classification of multi-type pulmonary nodule 2025-Jul, Medical physics IF:3.2Q1 DOI:10.1002/mp.17901 PMID:40391634	研究论文	本研究提出了一种融合放射组学和深度学习特征的方法，用于自动分类多种类型的肺结节	通过引入判别相关分析特征融合算法，最大化两类特征的互补性和不同类别间的差异，有效利用特征的互补特性	NA	提高肺结节分类的准确性，以实现个性化肺癌治疗和预后预测	多种类型的肺结节（如恶性、钙化、毛刺、分叶、边缘和纹理）	数字病理	肺癌	CT放射组学	深度学习神经网络	CT图像	LIDC-IDRI数据集
1163	2025-07-15	A novel network architecture for post-applicator placement CT auto-contouring in cervical cancer HDR brachytherapy 2025-Jul, Medical physics IF:3.2Q1 DOI:10.1002/mp.17908 PMID:40414687	研究论文	开发了一种基于机器学习的自动轮廓绘制方法，用于宫颈癌高剂量率近距离放射治疗中高风险临床靶区和危险器官的CT图像分割	提出了一种新颖的双模型深度学习架构，结合U-Net和空间信息优化策略，显著提升了复杂解剖结构的分割准确性	对于软组织结构对比度差的肠道和乙状结肠分割效果仍有提升空间，且需要进一步临床验证	提高宫颈癌高剂量率近距离放射治疗中CT图像分割的准确性和效率	宫颈癌患者的CT图像数据	数字病理	宫颈癌	深度学习	U-Net	CT图像	32名宫颈癌患者的115张CT图像
1164	2025-07-15	A vessel bifurcation landmark pair dataset for abdominal CT deformable image registration (DIR) validation 2025-Jul, Medical physics IF:3.2Q1 DOI:10.1002/mp.17907 PMID:40437735	research paper	介绍了一种用于腹部CT可变形图像配准(DIR)验证的首个血管分叉标志点对数据集	首个针对腹部CT DIR验证的基准数据集，包含大量高精度的血管分叉标志点对	数据采集和处理流程可能限制了数据集的规模和多样性	支持未来DIR算法的开发和验证	腹部CT图像中的血管分叉标志点	digital pathology	NA	deep learning, deformable image registration	deep learning model	CT image	30名患者的腹部CT图像对，共1895个标志点对
1165	2025-07-15	Accelerated proton resonance frequency-based magnetic resonance thermometry by optimized deep learning method 2025-Jul, Medical physics IF:3.2Q1 DOI:10.1002/mp.17909 PMID:40450352	研究论文	本研究通过优化的深度学习方法加速基于质子共振频率的磁共振测温，以支持聚焦超声治疗中的实时温度监测	提出了一种结合预训练/训练阶段数据增强、知识蒸馏和振幅-相位解耦损失函数的深度学习方法，显著提高了MR测温的时间分辨率和准确性	在4倍欠采样情况下，评估指标显示准确性降低约10%	提高动态MR温度图重建的时间分辨率，支持聚焦超声治疗中的实时温度监测	聚焦超声治疗中的温度监测	医学影像处理	子宫肌瘤	磁共振测温	ResUNet	MRI图像	幻影实验、离体组织加热实验和子宫肌瘤患者的临床数据集
1166	2025-07-15	Matrix completion-informed deep unfolded equilibrium models for self-supervised k $k$ -space interpolation in MRI 2025-Jul, Medical physics IF:3.2Q1 DOI:10.1002/mp.17924 PMID:40473478	研究论文	提出了一种新型的自监督MRI重建方法，结合矩阵补全理论和深度展开平衡模型，无需全采样标签即可实现k空间插值	将卷积神经网络与结构低秩模型中的零空间关系相结合，设计具有严格理论保证和可解释性的网络架构	虽然在某些场景下达到监督学习的效果，但整体性能可能仍受限于自监督方法的固有约束	开发无需全采样标签的自监督MRI重建方法，提高重建质量和可解释性	多线圈MRI数据	医学影像分析	NA	MRI重建	CNN与展开式平衡模型	k空间数据	NA
1167	2025-07-15	Leveraging protein language models for cross-variant CRISPR/Cas9 sgRNA activity prediction 2025-Jul-01, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaf385 PMID:40600900	研究论文	本研究提出了一种基于蛋白质语言模型的深度学习模型PLM-CRISPR，用于跨变体CRISPR/Cas9 sgRNA活性预测	利用蛋白质语言模型捕捉Cas9蛋白（变体）表征，采用跨变体训练策略和动态特征融合机制，有效建模sgRNA与蛋白序列的相互作用	未明确提及具体局限性	优化CRISPR/Cas9基因编辑系统，提高sgRNA活性预测的准确性和泛化能力	CRISPR/Cas9系统中的sgRNA和Cas9蛋白（变体）	机器学习	NA	蛋白质语言模型、深度学习	PLM-CRISPR	蛋白质序列、sgRNA序列	涵盖七个Cas9蛋白（变体）的数据集
1168	2025-07-15	Nondestructive Detection and Quality Grading System of Walnut Using X-Ray Imaging and Lightweight WKNet 2025-Jul-01, Foods (Basel, Switzerland) DOI:10.3390/foods14132346 PMID:40647098	研究论文	本文提出了一种基于X射线成像和轻量级WKNet的核桃无损检测与质量分级系统	首次将X射线成像与深度学习模型结合用于核桃质量检测，并开发了WKNet网络，解决了耗时和参数冗余问题	未提及该方法在其他坚果或食品检测中的适用性	开发高效的核桃内部质量检测与分级系统	核桃	计算机视觉	NA	X-ray成像	YOLO v5s, Transformer, GhostNet, CCA模块	X-ray图像	构建了核桃仁检测数据集(WKD)
1169	2025-07-15	Enhancing Early Detection of Oral Squamous Cell Carcinoma: A Deep Learning Approach with LRT-Enhanced EfficientNet-B3 for Accurate and Efficient Histopathological Diagnosis 2025-Jul-01, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15131678 PMID:40647677	research paper	本研究提出了一种基于EfficientNet-B3和LRT的深度学习模型，用于从组织病理学图像中准确高效地检测口腔鳞状细胞癌	采用学习率调整（LRT）增强的EfficientNet-B3模型，能够根据训练过程中的准确率和损失自动调整学习率，从而提升模型性能	研究依赖于特定数据集（口腔肿瘤数据集），模型在其他数据集上的泛化能力未经验证	提高口腔鳞状细胞癌（OSCC）的早期检测准确性和效率	口腔鳞状细胞癌（OSCC）的组织病理学图像	digital pathology	oral cancer	深度学习	EfficientNet-B3	image	来自多癌症数据集的口腔肿瘤数据集
1170	2025-07-15	Deep Learning-Enhanced T1-Weighted Imaging for Breast MRI at 1.5T 2025-Jul-01, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15131681 PMID:40647680	research paper	评估一种基于深度学习的T1加权成像技术在1.5T乳腺MRI中的应用，并与标准VIBE序列进行图像质量比较	提出了一种深度学习增强的T1w VIBE序列，显著提升了乳腺MRI的图像质量和诊断信心	样本量较小（52例患者），且仅由两名放射科医生进行评分	比较深度学习增强的T1w VIBE序列与标准VIBE序列在乳腺MRI中的图像质量	52名乳腺癌患者	digital pathology	breast cancer	MRI, deep learning	DL	image	52名乳腺癌患者
1171	2025-07-15	Deep Learning Models for Detection and Severity Assessment of Cercospora Leaf Spot (Cercospora capsici) in Chili Peppers Under Natural Conditions 2025-Jul-01, Plants (Basel, Switzerland) DOI:10.3390/plants14132011 PMID:40648020	研究论文	本研究评估了八种深度学习模型在自然田间条件下检测和量化辣椒叶斑病严重程度的效果	开发了一个包含1645张辣椒叶片图像的自定义数据集，并在真实世界的照明和背景变化下评估了模型性能，比较了一阶段和两阶段模型	Mask R-CNN在高严重程度级别下低估了病情，准确率为72.3%	准确评估植物病害严重程度以进行有效的作物管理	辣椒叶片上的Cercospora叶斑病	计算机视觉	植物病害	CNN	YOLOv8, Mask R-CNN	图像	1645张辣椒叶片图像，标注了6282个病斑
1172	2025-07-15	Multi-sequence brain tumor segmentation boosted by deep semantic features 2025-Jul, Medical physics IF:3.2Q1 DOI:10.1002/mp.17845 PMID:40296197	research paper	提出一种基于深度学习的脑肿瘤分割方法，通过引入语义特征模块（SFM）增强图像特征的类内一致性，从而提高分割准确性	引入语义特征模块（SFM）来增强图像特征的类内一致性，并使用深度语义向量作为原型重新编码图像特征	未提及方法在计算资源消耗或处理时间方面的表现	解决脑肿瘤图像特征类内一致性低的问题，提高脑肿瘤分割的准确性	脑肿瘤的多序列MR图像	digital pathology	brain tumor	深度学习	CNN	image	1251名患者的多序列MR图像
1173	2025-07-15	Singular value decomposition based under-sampling pattern optimization for MRI reconstruction 2025-Jul, Medical physics IF:3.2Q1 DOI:10.1002/mp.17860 PMID:40296184	research paper	本研究提出了一种基于奇异值分解（SVD）的轻量级、数据驱动的欠采样模式优化方法，用于快速MRI重建，以平衡重建质量和采样时间	通过SVD将MRI解耦为多个按能量贡献排序的组件，并选择k空间中与各组件能量贡献匹配的采样点，生成可直接用作采样器或集成到深度学习中的掩码	未提及具体样本量或数据集细节，可能影响方法的泛化性评估	设计一种轻量级、数据驱动的欠采样模式，以平衡MRI重建质量和采样时间，并可与深度学习结合	MRI图像重建	医学影像处理	NA	奇异值分解（SVD）	深度学习模型（未指定具体类型）	MRI图像数据	两个公共数据集（未提及具体样本量）
1174	2025-07-15	Software-Based Transformation of White Light Endoscopy Images to Hyperspectral Images for Improved Gastrointestinal Disease Detection 2025-Jun-30, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15131664 PMID:40647664	研究论文	该研究提出了一种名为SAVE的新技术，将传统的白光内窥镜图像转换为类似高光谱成像的表示，以提高胃肠道疾病的诊断准确性	提出了一种无需专用设备即可提高诊断准确性的SAVE技术，通过软件方法将白光图像转换为高光谱成像表示	研究仅基于6000张标注图像，可能需要更大规模的数据验证	提高胃肠道疾病的早期识别和分类准确性	胃肠道疾病（食管炎、息肉、溃疡性结肠炎）	数字病理学	胃肠道疾病	高光谱成像(HSI)	EfficientNetB7, VGG16	图像	6000张标注照片（来自KVASIR和ETIS-Larib息肉数据库）
1175	2025-07-15	Using a Deep Learning-Based Decision Support System to Predict Emergent Large Vessel Occlusion Using Non-Contrast Computed Tomography 2025-Jun-30, Journal of clinical medicine IF:3.0Q1 DOI:10.3390/jcm14134635 PMID:40649010	研究论文	本研究评估了一种基于深度学习的临床决策支持系统在利用非对比计算机断层扫描（NCCT）图像预测突发大血管闭塞（ELVO）中的性能	首次展示了AI辅助系统在提高ELVO检测敏感性和特异性方面的显著效果	研究为回顾性设计，样本量相对有限（477例患者）	评估AI系统在辅助临床医生检测ELVO中的效果	477名患者（112例前循环ELVO患者和365例对照）	数字病理学	心血管疾病	非对比计算机断层扫描（NCCT）	深度学习	医学影像	477名患者（112例ELVO，365例对照）
1176	2025-07-15	High-Accuracy Polymer Property Detection via Pareto-Optimized SMILES-Based Deep Learning 2025-Jun-28, Polymers IF:4.7Q1 DOI:10.3390/polym17131801 PMID:40647811	研究论文	本文提出了一种基于SMILES的深度学习框架SMILES-PPDCPOA，用于聚合物属性分类，通过结合1DCNN和GRU并利用Pareto优化算法，实现了高分类准确率和泛化能力	首次将1DCNN与GRU结合，并采用Pareto优化算法调整超参数，能够同时捕捉局部子结构和长程化学依赖性	仅在基准数据集上进行了验证，未说明在实际工业应用中的表现	开发高性能的聚合物属性分类模型以促进材料科学与工程发展	聚合物分子	机器学习	NA	深度学习	1DCNN-GRU	SMILES字符串	基准数据集（具体数量未说明）
1177	2025-07-15	Correlating Patient Symptoms and CT Morphology in AI-Detected Incidental Pulmonary Embolisms 2025-Jun-27, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15131639 PMID:40647638	研究论文	本研究评估了AI算法检测到的偶发性肺栓塞（IPEs）的临床和放射学意义，并将其与血栓负荷、CT形态学右心应变迹象和临床症状相关联	首次使用深度学习AI算法检测IPEs，并结合临床和形态学标准评估其临床意义	研究为回顾性设计，样本量相对较小（41例IPEs），且主要在肿瘤患者中进行	评估AI检测到的IPEs的临床和放射学意义，避免过度治疗并指导适当管理	13,603例对比增强胸部和腹部CT扫描	数字病理学	肺栓塞	深度学习AI算法，自然语言处理（NLP）	深度学习	CT扫描图像	13,603例CT扫描，其中41例检测到IPEs
1178	2025-07-15	Artificial Intelligence in Microsurgical Planning: A Five-Year Leap in Clinical Translation 2025-Jun-27, Journal of clinical medicine IF:3.0Q1 DOI:10.3390/jcm14134574 PMID:40648947	综述	本文综述了过去五年人工智能在显微外科手术规划中的应用及其临床转化进展	人工智能在显微外科手术的术前、术中和术后各阶段提供了新的能力，如自动穿支血管映射、皮瓣设计和个体化风险分层	大多数研究依赖于回顾性单中心数据，大规模前瞻性验证仍然有限	评估人工智能在显微外科手术中的应用及其对手术精度、安全性和效率的提升	人类受试者在显微外科手术中的术前、术中和术后阶段	数字病理	NA	深度学习	预测模型	图像	NA
1179	2025-07-15	Performance Evaluation of Four Deep Learning-Based CAD Systems and Manual Reading for Pulmonary Nodules Detection, Volume Measurement, and Lung-RADS Classification Under Varying Radiation Doses and Reconstruction Methods 2025-Jun-26, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15131623 PMID:40647622	research paper	评估四种基于深度学习的CAD系统和人工阅读在不同辐射剂量和重建方法下对肺结节检测、体积测量和Lung-RADS分类的性能	比较了四种DL-CAD系统与人工阅读在不同辐射剂量和重建方法下的性能，发现DL-CAD系统在检测灵敏度上优于人工阅读，特别是在亚厘米结节上	DL-CAD系统在体积测量和Lung-RADS分类准确性上存在局限，特别是对于部分实性结节	优化肺结节检测在不同成像协议下的性能	169个人工结节	digital pathology	lung cancer	CT扫描	DL-CAD	image	1080个图像集
1180	2025-07-15	Fusion-Based Deep Learning Approach for Renal Cell Carcinoma Subtype Detection Using Multi-Phasic MRI Data 2025-Jun-26, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15131636 PMID:40647635	research paper	本研究提出了一种基于深度学习的混合模型，利用多相MRI数据对肾细胞癌亚型进行准确分类，并为放射科医生提供决策支持机制	通过结合对比剂注射前获得的T2相和注射后记录的动脉相(A)和静脉相(V)，提出了一种更全面的分析方法	研究中使用的样本量相对较小（1275张MRI图像），可能影响模型的泛化能力	提高肾细胞癌亚型分类的准确性，并为临床决策提供支持	肾细胞癌(RCC)亚型	digital pathology	renal cell carcinoma	多相MRI	深度学习混合模型	MRI图像	1275张来自不同阶段的MRI图像