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
1261	2025-05-12	Accelerating multi-objective optimization of concrete thin shell structures using graph-constrained GANs and NSGA-II 2025-May-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-00017-2 PMID:40341580	研究论文	本文提出了一种结合图约束条件生成对抗网络（GANs）和非支配排序遗传算法II（NSGA-II）的新方法，用于优化混凝土薄壳结构的拓扑和厚度	通过结合深度学习的生成能力和进化算法的优化过程，解决了当前优化技术的基本限制，显著提高了收敛速度和解决方案的多样性及质量	NA	优化混凝土薄壳结构的设计，以最小化重量、挠度和应变能	混凝土薄壳结构	机器学习和结构优化	NA	图约束条件生成对抗网络（GANs）和非支配排序遗传算法II（NSGA-II）	GAN和NSGA-II	结构设计数据	NA
1262	2025-05-12	An automated hip fracture detection, classification system on pelvic radiographs and comparison with 35 clinicians 2025-May-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-98852-w PMID:40341645	研究论文	本研究提出了一种基于卷积神经网络(CNN)的自动化系统，用于检测骨盆X光片中的髋部骨折，并与35名临床医生的诊断结果进行比较	使用YOLOv5和三种预训练DNN架构进行髋部骨折检测和预测，在准确性和速度上显著优于临床医生	研究仅基于三家医院的骨盆X光片数据，可能无法代表所有临床场景	提高骨盆和髋部骨折的诊断准确性和效率	骨盆X光片中的髋部骨折	计算机视觉	骨科损伤	CLAHE算法进行图像预处理	YOLOv5, MobileNetV2, Xception, InceptionResNetV2	图像	来自三家医院的骨盆X光片
1263	2025-05-12	AER U-Net: attention-enhanced multi-scale residual U-Net structure for water body segmentation using Sentinel-2 satellite images 2025-May-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-99322-z PMID:40341885	research paper	提出了一种名为AER U-Net的深度学习模型，用于从Sentinel-2卫星图像中精确分割水体	结合了残差块、自注意力机制和dropout层的U-Net架构，显著提升了分割精度和泛化能力	未提及具体的数据集局限性或模型在极端环境条件下的表现	开发创新的深度学习方法以提高遥感应用中水体分割的准确性	Sentinel-2卫星图像中的水体	computer vision	NA	深度学习	AER U-Net (基于U-Net架构改进)	卫星图像	未明确提及具体样本数量
1264	2025-05-12	Single-Molecule SERS Discrimination of Proline from Hydroxyproline Assisted by a Deep Learning Model 2025-May-07, Nano letters IF:9.6Q1 DOI:10.1021/acs.nanolett.5c01177 PMID:40241681	研究论文	本文利用单分子表面增强拉曼光谱（SERS）和深度学习模型，首次实现了脯氨酸和羟脯氨酸的单分子区分	首次结合等离子体孔内颗粒传感器、单分子SERS光谱的出现频率直方图和1D-CNN模型，成功实现了单分子羟基化的区分，准确率达96.6%	信号波动和柠檬酸盐的强干扰可能影响数据分析和模型训练	开发一种能够区分低丰度羟基化的方法，用于早期疾病诊断和治疗开发	脯氨酸和羟脯氨酸的单分子SERS信号	机器学习和光谱分析	NA	单分子表面增强拉曼光谱（SERS）	一维卷积神经网络（1D-CNN）	光谱数据	NA
1265	2025-05-12	A transformer-based framework for temporal health event prediction with graph-enhanced representations 2025-May-03, Journal of biomedical informatics IF:4.0Q2 DOI:10.1016/j.jbi.2025.104826 PMID:40324665	research paper	提出了一种结合图学习和Transformer框架的深度学习方法GLT-Net，用于预测时序健康事件	通过构建患者关联图和共病关联矩阵，结合图神经网络增强诊断代码的特征表示，并利用Transformer-Encoder框架捕捉历史入院记录的时间依赖性	未明确提及具体的数据集规模限制或模型计算复杂度问题	预测时序健康事件，深入理解患者健康状况和疾病趋势	患者入院记录和诊断代码	machine learning	NA	Graph Learning, Transformer, 图神经网络	GLT-Net (结合GNN和Transformer)	医疗记录数据（诊断代码和入院时间序列）	未明确提及具体样本量，仅说明使用了真实世界数据集
1266	2025-05-12	The impact of body mass index on rehabilitation outcomes after lower limb amputation 2025-May, PM & R : the journal of injury, function, and rehabilitation DOI:10.1002/pmrj.13292 PMID:39676648	research paper	研究肥胖对下肢截肢患者康复期间身体功能和临床结果的影响	使用深度学习神经网络(DLNNs)分析调整后的BMI与出院回家的关系	研究为回顾性分析，可能存在选择偏倚	评估肥胖对下肢截肢患者康复结果的影响	接受下肢截肢住院康复服务的患者	医疗康复	下肢截肢	深度学习神经网络(DLNNs)	DLNNs	临床数据	951名下肢截肢患者
1267	2025-05-12	Automated measurement of cardiothoracic ratio based on semantic segmentation integration model using deep learning 2025-May, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-024-03263-0 PMID:39708230	研究论文	本研究探讨了语义分割模型在预测心胸比（CTR）和心脏扩大方面的效果，并与参考标准进行了一致性比较	使用软投票集成方法提高了分割准确性，并自动测量CTR，相比放射科医生的手动计算速度更快	研究未提及模型在更广泛疾病或不同影像设备上的泛化能力	开发一种自动化测量心胸比和诊断心脏扩大的方法	650张连续胸部X光片和756个公共数据集	计算机视觉	心血管疾病	深度学习	语义分割模型	图像	1406张胸部X光片
1268	2025-05-12	Deep learning in 3D cardiac reconstruction: a systematic review of methodologies and dataset 2025-May, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-024-03273-y PMID:39753994	系统综述	本研究提出了一种结合深度学习模型和计算技术的先进方法，用于3D心脏重建，解决了心脏建模和分割中的关键挑战	结合统计形状建模(SSM)、图卷积网络(GCNs)和渐进式GANs进行3D心脏重建，特别是在先天性心脏病等复杂心脏条件下的应用	未明确提及具体局限性	开发自动化、高分辨率的3D心脏重建方法，适用于临床和研究环境	心脏的3D重建	计算机视觉	心血管疾病	统计形状建模(SSM)、图卷积网络(GCNs)、渐进式GANs	GCNs、GANs	3D图像数据	来自UK Biobank、MICCAI MM-WHS挑战赛和先天性心脏病临床数据集的多数据集
1269	2025-05-12	Toward efficient slide-level grading of liver biopsy via explainable deep learning framework 2025-May, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-024-03266-x PMID:39806118	research paper	本研究提出了一种可解释的深度学习框架，用于高效地进行肝脏活检切片级别的分级	开发了一种新颖的基于多尺度特征提取和融合的patch级别分类模型，提高了肝脏活检分级的准确性和可解释性，并引入了slide级别的聚合框架	NA	解决传统组织学分析和现有深度学习方法的局限性，提高慢性肝病的诊断准确性和效率	肝脏活检切片	digital pathology	chronic liver diseases	deep learning	multi-scale feature extraction and fusion model	image	1322例采用不同染色方法的病例
1270	2025-05-12	Lesion segmentation method for multiple types of liver cancer based on balanced dice loss 2025-May, Medical physics IF:3.2Q1 DOI:10.1002/mp.17624 PMID:39945728	research paper	提出一种基于平衡Dice损失的多类型肝癌病灶分割方法，以提高分割准确性	引入平衡Dice损失函数(BD Loss)和贪婪参数平均算法(GPA算法)，解决多类别肝癌分割中的数据不平衡问题	研究仅基于单一医疗中心的回顾性数据，可能影响模型的泛化能力	开发能够准确分割多类型肝癌病灶的深度学习方法	591例恶性肝脏肿瘤患者的CT筛查图像和肿瘤分割数据	digital pathology	liver cancer	CT影像分析	深度学习模型(具体架构未说明)	医学影像(CT图像)	591例患者数据
1271	2025-05-12	Enhancing automated right-sided early-stage breast cancer treatments via deep learning model adaptation without additional training 2025-May, Medical physics IF:3.2Q1 DOI:10.1002/mp.17682 PMID:39966996	研究论文	本文提出了一种无需额外训练的深度学习模型适应技术，用于自动化右侧早期乳腺癌治疗计划	通过调整模型设置和对称结构交换，实现了无需额外训练的深度学习模型从左侧乳腺癌到右侧乳腺癌的适应	该技术特定于特定治疗计划系统(TPS)，可能需要进行调整才能应用于其他平台	简化右侧乳腺癌自动化治疗计划的生成过程	右侧早期乳腺癌患者	数字病理	乳腺癌	深度学习模型适应技术	DL(深度学习)模型	医疗影像数据	30名患者(10名用于模型调优，20名用于验证)，外加10名临床患者
1272	2025-05-12	Comparative analysis of machine learning and deep learning algorithms for knee arthritis detection using YOLOv8 models 2025-May, Journal of X-ray science and technology IF:1.7Q3 DOI:10.1177/08953996241308770 PMID:40012222	研究论文	比较机器学习和深度学习算法在膝关节关节炎检测中的性能，特别是YOLOv8模型的应用	首次在膝关节关节炎检测中应用YOLOv8分类模型，并与其他机器学习和深度学习模型进行性能比较	数据集规模相对较小（1650张图像），且仅使用Hold-Out方法进行数据划分	评估不同算法在膝关节关节炎检测中的性能，寻找最优检测方法	膝关节关节炎的医学图像	计算机视觉	关节炎	YOLOv8分类模型	k-NN, SVM, GBM, DenseNet, EfficientNet, InceptionV3, YOLOv8n-cls, YOLOv8s-cls, YOLOv8m-cls, YOLOv8l-cls, YOLOv8x-cls	图像	1650张膝关节图像（分为Normal, Doubtful, Mild, Moderate, Severe五类）
1273	2025-05-12	Deep learning-driven prediction in healthcare systems: Applying advanced CNNs for enhanced breast cancer detection 2025-May, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109858 PMID:40020549	research paper	该研究开发了一种基于CNN的乳腺癌检测系统，旨在通过深度学习提高早期检测的准确性	研究采用了多种CNN架构，并通过迁移学习微调的FT-ResNet50模型达到了97.54%的准确率，优于现有最先进模型	研究仅使用了Mini-DDSM数据集，样本量和多样性可能有限	通过深度学习技术提高乳腺癌的早期检测准确率，以降低死亡率	乳腺癌患者	digital pathology	breast cancer	CNN, transfer learning	Basic CNN, FT-VGG19, FT-ResNet152, FT-ResNet50	image	1952张扫描胶片乳腺X光片
1274	2025-05-12	A novel interpretability framework for enzyme turnover number prediction boosted by pre-trained enzyme embeddings and adaptive gate network 2025-May, Methods (San Diego, Calif.) DOI:10.1016/j.ymeth.2025.02.010 PMID:40021034	研究论文	本文提出了一种新型的可解释性框架GELKcat，用于预测酶转换数(kcat)，结合了预训练的酶嵌入和自适应门网络	开发了一种端到端的双表示可解释性框架，利用图变换器进行底物分子编码和CNN进行酶word2vec嵌入，并通过自适应门网络整合底物和酶特征	NA	提高酶转换数(kcat)的预测性能，并识别对kcat预测有显著影响的关键分子亚结构	酶-底物对的转换数(kcat)	机器学习	NA	深度学习	图变换器、CNN、自适应门网络	分子结构数据、酶序列数据	NA
1275	2025-05-12	Artificial intelligence-enabled lipid droplets quantification: Comparative analysis of NIS-elements Segment.ai and ZeroCostDL4Mic StarDist networks 2025-May, Methods (San Diego, Calif.) DOI:10.1016/j.ymeth.2025.02.013 PMID:40023351	研究论文	本文比较了NIS-elements Segment.ai和ZeroCostDL4Mic StarDist网络在脂滴定量分析中的应用	提出了一种结合商业软件和开源工具的工作流程，用于脂滴的数量和形态分析，显著加速了成像数据的处理	研究仅针对3T3-L1细胞分化的脂肪细胞，可能不适用于其他细胞类型	开发并比较两种深度学习模型在脂滴定量分析中的性能，以促进对脂滴动态的理解	3T3-L1细胞分化的脂肪细胞中的脂滴	数字病理学	肥胖及相关并发症	共聚焦活细胞成像	Segment.ai和StarDist	图像	3T3-L1细胞分化的脂肪细胞
1276	2025-05-12	Pathology report generation from whole slide images with knowledge retrieval and multi-level regional feature selection 2025-May, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108677 PMID:40023962	研究论文	提出了一种基于知识检索和多层次区域特征选择的病理报告生成方法，用于从全切片图像中高效生成病理报告	引入了多层次区域特征编码网络和特征选择模块，设计了知识检索模块，并提出了基于大语言模型的域外应用模式	NA	设计一种适合临床实践的病理报告生成方法	全切片图像(WSIs)	数字病理学	胃癌	深度学习	LLM	图像	公共数据集GastricADC(991张WSIs)和内部数据集Gastric-3300(3309张WSIs)
1277	2025-05-12	Low dose computed tomography reconstruction with momentum-based frequency adjustment network 2025-May, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108673 PMID:40023964	research paper	本文提出了一种基于动量频率调整网络的低剂量计算机断层扫描（LDCT）重建方法，显著减少了收敛所需的迭代次数并提高了重建质量	引入了创新的频率调整网络（FAN）和基于动量的频率调整网络（MFAN），以及独特的Focal Detail Loss（FDL）损失函数，有效改善了重建性能	未明确提及具体局限性，但可能涉及计算资源需求或对其他数据集的泛化能力	改进低剂量计算机断层扫描（LDCT）重建方法，减少迭代次数并提高图像质量	AAPM-Mayo公共数据集和真实猪仔数据集	digital pathology	NA	Low-Dose Computed Tomography (LDCT)	Frequency Adjustment Network (FAN), Momentum-based Frequency Adjustment Network (MFAN)	CT图像	AAPM-Mayo公共数据集和真实猪仔数据集（具体数量未提及）
1278	2025-05-12	Impact of aortic branch retention strategies on thrombus growth prediction in type B aortic dissection: A hemodynamic study 2025-May, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108679 PMID:40037009	research paper	本研究通过数值模拟探讨了四种主动脉分支保留策略对B型主动脉夹层血栓生长预测的影响	首次系统比较了不同分支保留策略对血流动力学稳定性和血栓形成风险的影响，并提出了简化图像处理的Type 4策略	研究基于数值模拟，尚未进行临床验证	评估不同主动脉分支保留策略对血栓生长预测的影响	B型主动脉夹层患者的主动脉模型	心血管疾病	B型主动脉夹层	数值模拟	计算流体动力学模型	数值模拟数据	四种分支保留策略的模拟比较
1279	2025-05-12	Deep learning models for improving Parkinson's disease management regarding disease stage, motor disability and quality of life 2025-May, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109961 PMID:40037167	research paper	该研究利用LSTM深度学习模型，通过单个惯性传感器对帕金森病患者的疾病阶段、运动状况和生活质量进行分类	提出了一种基于LSTM的深度学习架构，能够通过单一惯性传感器实现帕金森病的多维度评估	研究样本量较小，仅包含40名患者	改善帕金森病的管理，包括疾病阶段、运动障碍和生活质量的评估	帕金森病患者	machine learning	geriatric disease	惯性传感器	LSTM	sensor data	40名患者
1280	2025-05-12	Deep learning models for early and accurate diagnosis of ventilator-associated pneumonia in mechanically ventilated neonates 2025-May, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109942 PMID:40037168	research paper	该研究探讨了深度学习模型在新生儿重症监护病房（NICU）中，利用胸部X光图像早期准确诊断呼吸机相关性肺炎（VAP）的应用	通过集成学习方法结合ResNet50和RegNetX80模型，显著提高了VAP诊断的AUC值，同时利用XAI（可解释AI）技术增强了医生对AI辅助诊断的信心	需要未来前瞻性试验来验证其临床实用性和减少医疗资源的效果	优化呼吸机相关性肺炎（VAP）的诊断策略，减少不必要的抗生素使用	接受机械通气的新生儿	digital pathology	ventilator-associated pneumonia	deep learning	ResNet, VGG, DenseNet, RegNetX80, ensemble learning	image	670名新生儿（共900张胸部X光图像，其中399张来自确诊VAP的患者，501张来自非VAP新生儿）