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
101	2025-06-29	OTMorph: Unsupervised Multi-Domain Abdominal Medical Image Registration Using Neural Optimal Transport 2025-Jan, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3437295 PMID:39093684	研究论文	提出了一种基于神经最优传输的无监督多域腹部医学图像配准框架OTMorph	利用神经最优传输技术解决多域腹部医学图像配准中的领域差异问题	未明确提及具体局限性	解决多域腹部医学图像配准中的领域差异问题	多模态和多参数腹部医学图像	医学图像分析	肝癌、淋巴瘤	神经最优传输	OTMorph	医学图像	未明确提及具体样本量
102	2025-06-29	Improved swin transformer-based thorax disease classification with optimal feature selection using chest X-ray 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0327099 PMID:40561187	research paper	提出了一种基于改进Swin Transformer和最优特征选择的胸部疾病分类模型，用于胸部X光片的疾病诊断	结合增强自编码器(EnAE)、混沌鲸鱼优化算法(ChWO)和改进Swin Transformer(IMSTrans)进行特征提取和分类，提高了胸部疾病分类的准确性	未提及模型在临床环境中的实际应用效果和泛化能力	开发一种准确高效的胸部疾病自动分类方法	胸部X光片中的疾病（肺炎、结核病、肺癌等）	digital pathology	lung cancer	深度学习	Improved Swin Transformer (IMSTrans), Enhanced Auto-Encoder (EnAE)	image	广泛的胸部X光数据集和肺部疾病数据集（未提供具体样本数量）
103	2025-06-29	Automated Segmentation of Knee Menisci Using U-Net Deep Learning Model: Preliminary Results 2024-Dec, Maedica DOI:10.26574/maedica.2024.19.4.690 PMID:39974461	研究论文	本研究利用U-Net深度学习模型对膝关节MRI中的半月板进行自动检测和分割	提出了一种基于深度学习的实用方法，用于膝关节半月板分割，并通过骨科医生的真实标注进行验证	面临数据稀缺和需要针对特定序列进行优化等挑战	开发一个自动识别和分割膝关节MRI中半月板的模型	膝关节MRI图像中的半月板	计算机视觉	骨科疾病	MRI	U-Net	图像	104张膝关节MRI图像用于训练，50张用于微调
104	2025-06-29	Semi-Supervised Contrastive VAE for Disentanglement of Digital Pathology Images 2024-Nov, Medical image computing and computer-assisted intervention : MICCAI ... International Conference on Medical Image Computing and Computer-Assisted Intervention DOI:10.1007/978-3-031-72083-3_43 PMID:40556771	研究论文	提出了一种用于数字病理图像解缠的半监督对比VAE方法，以提高深度学习模型的可解释性	首次提出针对病理图像的解缠方法，包括级联解缠、新颖架构和重建分支等创新点	NA	提高肿瘤浸润淋巴细胞(TIL)检测深度学习模型的可解释性和泛化能力	数字病理图像	数字病理学	肿瘤	深度学习	VAE (变分自编码器)	图像	NA
105	2025-06-29	Considerations on Image Preprocessing Techniques Required by Deep Learning Models. The Case of the Knee MRIs 2024-Sep, Maedica DOI:10.26574/maedica.2024.19.3.526 PMID:39553362	research paper	本研究展示了膝关节MRI图像的预处理步骤，用于通过深度学习模型检测半月板病变，并强调了这些步骤在诊断膝关节疾病中的实际应用	引入了创新的预处理方法，优化了深度学习模型训练数据的准备流程	研究仅针对膝关节MRI图像，预处理方法的普适性未在其他类型医学影像中得到验证	优化膝关节MRI图像的预处理流程，提高深度学习模型在半月板病变诊断中的性能	膝关节MRI图像，特别是半月板损伤	digital pathology	geriatric disease	MRI	deep learning segmentation model	image	188名患者的PD-sagittal图像
106	2025-06-28	Automatic Multiclass Tissue Segmentation Using Deep Learning in Brain MR Images of Tumor Patients 2025-Jun-30, Journal of computer assisted tomography IF:1.0Q4 DOI:10.1097/RCT.0000000000001750 PMID:40576335	研究论文	本研究开发并评估了一种基于卷积神经网络的自动分割脑部组织及肿瘤病变的流程	利用深度残差U-Net框架的卷积神经网络，针对脑肿瘤患者的MR图像进行多类组织分割，解决了现有方法在处理病变患者时的不足	在本地医院测试数据集上的表现略低于BraTS'21数据集，可能存在泛化能力上的限制	开发一种快速、自动化的脑部组织和肿瘤病变分割方法，以支持神经学和肿瘤学的研究与临床应用	脑肿瘤患者的MR图像	数字病理学	脑肿瘤	MRI	深度残差U-Net	图像	BraTS'21数据集1251名患者，本地医院数据100名患者
107	2025-06-28	Artificial Intelligence-Based Detection of Central Retinal Artery Occlusion Within 4.5 Hours on Standard Fundus Photographs 2025-Jun-27, Journal of the American Heart Association IF:5.0Q1 DOI:10.1161/JAHA.124.041441 PMID:40576025	研究论文	开发并测试了一种深度学习系统，用于在标准眼底照片上4.5小时内检测急性中央视网膜动脉阻塞（CRAO）	首次开发了能够在4.5小时关键治疗窗口内检测超急性CRAO的深度学习系统，并在24小时内保持高准确率	研究为回顾性设计，需要进一步前瞻性验证	开发辅助诊断工具以改善CRAO患者的治疗管理和中风预防	771名因CRAO、中央视网膜静脉阻塞、非动脉性前部缺血性视神经病变导致急性视力丧失的患者及健康对照	数字病理学	心血管疾病	深度学习	CNN（推测）	图像（眼底照片）	1322张眼底照片（来自771名患者）
108	2025-06-28	3D Auto-segmentation of pancreas cancer and surrounding anatomical structures for surgical planning 2025-Jun-27, International journal of surgery (London, England) DOI:10.1097/JS9.0000000000002835 PMID:40576127	研究论文	本研究开发了一种基于深度学习的自动分割模型，用于胰腺癌及周围解剖结构的三维可视化，以优化手术规划	采用分层Swin Transformer V2模型实现胰腺、胰腺癌及周围结构的自动分割，并在多中心数据集中验证模型性能	模型对胰腺癌的分割准确度较低（DSC 54.5-57.0），尤其在肿瘤体积较小时表现欠佳	开发用于手术规划的胰腺癌三维自动分割工具	胰腺癌患者及周围解剖结构（胰腺实质、肠系膜上动脉/静脉等）	数字病理	胰腺癌	CT扫描	Swin Transformer V2	医学影像	275例患者（176例训练集，59例内部验证集，40例外部验证集）
109	2025-06-28	Modeling Nonradiative Recombination in CsPbI3 and Ge-Doped Perovskites Via Deep Learning with CNN and Transformer Architectures 2025-Jun-27, The journal of physical chemistry letters IF:4.8Q1 DOI:10.1021/acs.jpclett.5c01669 PMID:40576303	研究论文	本研究采用深度学习方法，结合CNN和Transformer架构，对CsPbI3和Ge掺杂钙钛矿中的非辐射复合进行建模	首次将多种深度学习模型（包括四种CNN和三种Transformer结构）应用于非绝热耦合的高效预测，揭示了Ge掺杂对非平衡复合过程的微观调控机制	研究局限于CsPbI和Ge掺杂系统，未涉及其他钙钛矿材料	揭示Ge掺杂对钙钛矿材料非辐射复合过程的影响机制，为构建高效稳定钙钛矿材料提供理论指导	CsPbI和Ge掺杂钙钛矿系统	机器学习	NA	密度泛函理论、非绝热分子动力学(NAMD)、Hammes-Schiffer-Tully(HST)和norm-preserving interpolation(NPI)策略	CNN（包括ResNetPlus）、Transformer（包括TSTPlus）	计算模拟数据	NA
110	2025-06-28	Deep Learning-Guided Discovery of Celestolide as a Natural Allosteric Inhibitor Targeting Botrytis cinerea CYP51 and Its Application in Strawberry Preservation 2025-Jun-27, Journal of agricultural and food chemistry IF:5.7Q1 DOI:10.1021/acs.jafc.5c05257 PMID:40576401	研究论文	本研究利用深度学习技术发现了一种天然变构抑制剂celestolide，靶向Botrytis cinerea CYP51，并应用于草莓保鲜	采用神经关系推理框架和基于高斯网络的深度学习模型CorrSite2.0主动识别CYP51的变构位点，并确认celestolide作为天然变构抑制剂	未提及具体样本量或实验重复次数	发现新型天然变构抑制剂并评估其在水果保鲜中的应用潜力	Botrytis cinerea CYP51酶和草莓	深度学习	真菌感染	神经关系推理框架、Gaussian网络模型CorrSite2.0	深度学习模型	分子结构数据	NA
111	2025-06-28	Early prediction of adverse outcomes in liver cirrhosis using a CT-based multimodal deep learning model 2025-Jun-27, Abdominal radiology (New York) DOI:10.1007/s00261-025-05045-0 PMID:40576670	研究论文	开发了一种基于CT的多模态深度学习模型TMF-LCNet，用于早期预测肝硬化患者的不良结局	首次整合了非对比腹部CT图像、肝脏和脾脏的放射组学特征以及临床文本数据，构建了多模态融合模型TMF-LCNet	研究为回顾性设计，样本量相对较小（243例患者）	提高肝硬化患者早期风险评估的准确性，改善临床管理策略	早期肝硬化患者	数字病理学	肝硬化	深度学习，放射组学分析	TMF-LCNet（多模态融合网络）	CT图像，放射组学特征，临床文本数据	243例早期肝硬化患者（184例训练集，59例外部测试集）
112	2025-06-28	Practical applications of AI in body imaging 2025-Jun-27, Abdominal radiology (New York) DOI:10.1007/s00261-025-05088-3 PMID:40576669	综述	本文综述了截至2024年底美国市场上FDA批准的AI算法在腹部和盆腔器官及相关疾病评估中的实际应用	总结了当前FDA批准的AI算法在放射学中的商业应用，并评估了其潜在优势	仅涵盖美国市场上FDA批准的算法，可能未包括全球范围内的最新进展	探讨AI在放射学影像中的实际应用及其潜在优势	FDA批准的AI算法及其在腹部和盆腔器官疾病评估中的应用	数字病理学	腹部和盆腔器官相关疾病	深度学习	NA	影像	NA
113	2025-06-28	Deep learning for classification of aggressive versus non-aggressive central giant cell granuloma using whole-slide histopathology images 2025-Jun-27, Virchows Archiv : an international journal of pathology IF:3.4Q1 DOI:10.1007/s00428-025-04160-z PMID:40576733	研究论文	使用深度学习算法分析中央巨细胞肉芽肿（CGCG）的侵袭性与非侵袭性病例的显微图像，以评估其在预测CGCG生物学行为中的潜力	首次尝试基于全显微切片使用深度学习模型区分侵袭性和非侵袭性CGCG	由于缺乏特定分割和技术染色问题，模型性能不佳	评估深度学习在预测CGCG生物学行为中的潜力	侵袭性和非侵袭性CGCG病例	数字病理学	中央巨细胞肉芽肿	H&E染色	ResNet-50	图像	87例（48例侵袭性，39例非侵袭性），共9982个切片，训练使用4272个切片（2629侵袭性，1643非侵袭性），测试使用100张图像（50侵袭性，50非侵袭性）
114	2025-06-28	Deep learning predicts onset acceleration of 38 age-associated diseases from blood and body composition biomarkers in the UK Biobank 2025-Jun-27, GeroScience IF:5.3Q1 DOI:10.1007/s11357-025-01702-w PMID:40576910	研究论文	本研究开发并评估了一种神经网络Cox模型，用于预测与年龄相关疾病的发病加速风险，利用英国生物银行的数据进行验证	首次利用疾病诊断的相对发病加速关联来表征疾病模式，并开发了神经网络生存模型OnsetNet	研究依赖于英国生物银行的数据，可能不适用于其他人群	理解多病共存的老龄化现象，识别疾病加速发展的高风险群体	60,396名个体及其218,530个结果事件	机器学习	老年疾病	神经网络Cox模型	OnsetNet	人口统计、人体测量、成像和血液生物标志物数据	60,396名个体，218,530个结果事件
115	2025-06-28	Catheter detection and segmentation in X-ray images via multi-task learning 2025-Jun-27, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-025-03461-7 PMID:40576920	研究论文	本文提出了一种基于多任务学习的卷积神经网络模型，用于X射线图像中导管的检测和分割	提出了一种新颖的多级动态资源优先方法，动态调整训练过程中的样本和任务权重，以有效优先处理更具挑战性的任务	未明确提及具体局限性	增强微创心脏手术中的图像引导	X射线荧光图像中的导管和电极	计算机视觉	心血管疾病	深度学习	CNN (ResNet架构)	X射线图像	公共和私人数据集
116	2025-06-28	Cluster-based human-in-the-loop strategy for improving machine learning-based circulating tumor cell detection in liquid biopsy 2025-Jun-13, Patterns (New York, N.Y.) DOI:10.1016/j.patter.2025.101285 PMID:40575126	研究论文	提出一种基于聚类的人机交互策略，用于改进基于机器学习的液体活检中循环肿瘤细胞检测	结合自监督深度学习和传统机器学习分类器，提出了一种针对潜在空间中高不确定性簇的有针对性采样策略的人机交互方法	方法在有限标记数据情况下仍依赖人类专家干预	改进液体活检中循环肿瘤细胞的检测效率和准确性	转移性癌症患者的血液样本中的循环肿瘤细胞(CTCs)和非CTCs	数字病理学	乳腺癌	自监督深度学习、传统机器学习分类	深度学习与传统ML分类器结合	图像	转移性乳腺癌患者的数据
117	2025-06-28	Discovering the nuclear localization signal universe through a deep learning model with interpretable attention units 2025-Jun-13, Patterns (New York, N.Y.) DOI:10.1016/j.patter.2025.101262 PMID:40575124	研究论文	介绍了一种名为NLSExplorer的可解释性方法，用于预测核定位信号（NLS），并通过深度学习模型在基准数据集上实现了超过10%的F1分数提升	利用蛋白质语言模型提取的核特异性位点信息辅助NLS检测，并揭示了416个物种中核运输片段的特征	未提及具体的数据集大小或模型泛化能力的限制	探索核定位信号（NLS）的多样性并开发高效检测特征域和基序的工具	核定位蛋白及其核定位信号（NLS）	机器学习	NA	深度学习	具有可解释性注意力单元的深度学习模型	蛋白质序列数据	Swiss-Prot数据库中的核定位蛋白
118	2025-06-28	Development and validation of a combined clinical and MRI-based biomarker model to differentiate mild cognitive impairment from mild Alzheimer's disease 2025-Jun, PCN reports : psychiatry and clinical neurosciences DOI:10.1002/pcn5.70134 PMID:40575445	研究论文	开发和验证一种结合临床和MRI的生物标志物模型，用于区分轻度认知障碍和轻度阿尔茨海默病	结合临床和放射学预测因子，开发了一个具有高诊断性能的模型，用于区分轻度阿尔茨海默病和轻度认知障碍	研究为横断面设计，未进行外部验证	区分轻度阿尔茨海默病和轻度认知障碍，以预防阿尔茨海默病的发展	161名参与者，包括30名对照、71名轻度阿尔茨海默病患者和60名轻度认知障碍患者	数字病理学	阿尔茨海默病	MRI	二元逻辑回归	临床数据和MRI图像	161名参与者（30名对照，71名轻度AD，60名MCI）
119	2025-06-28	SubgroupTE: Advancing Treatment Effect Estimation with Subgroup Identification 2025-Jun, ACM transactions on intelligent systems and technology IF:7.2Q1 DOI:10.1145/3718097 PMID:40575765	research paper	提出了一种名为SubgroupTE的新型治疗效果估计模型，通过考虑亚组特异性治疗效果来提高估计精度	SubgroupTE模型在治疗效果估计中引入了亚组识别，考虑了不同亚组的异质性反应，并通过EM-based训练过程优化估计和亚组识别网络	模型在合成和半合成数据集上表现优异，但在真实世界数据中的应用仍需进一步验证	提高治疗效果估计的精确性，并提供有针对性的治疗建议	患者群体，特别是阿片类药物使用障碍（OUD）患者	machine learning	opioid use disorder	expectation-maximization (EM)	SubgroupTE	synthetic and semi-synthetic datasets, real-world data	NA
120	2025-06-28	UK-YOLOv10: Deep Learning-Based Detection of Surgical Instruments 2025-Jun, The international journal of medical robotics + computer assisted surgery : MRCAS DOI:10.1002/rcs.70083 PMID:40576152	研究论文	提出了一种基于深度学习的手术器械检测新框架UK-YOLOv10，用于机器人辅助手术	集成了uni-fusion注意力模块(UFAM)增强多尺度特征表示，以及采用KAN卷积的C2fKAN模块以提高分类精度和加速训练	未提及具体临床应用的局限性	提高机器人辅助手术中手术器械检测的准确性和实时性能	手术器械	计算机视觉	NA	深度学习	YOLOv10	图像	M2CAI16-Tool-Locations数据集和COCO2017数据集