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
121	2025-05-09	A quantitatively interpretable model for Alzheimer's disease prediction using deep counterfactuals 2025-Apr-01, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2025.121077 PMID:39954872	研究论文	本研究提出了一种可定量解释的深度学习模型，用于预测阿尔茨海默病，并通过反事实推理提供直观的医学解释	结合反事实推理和灰质密度图，提供定量解释的AD预测模型，并生成AD相关指数	仅基于结构MRI数据，未考虑其他模态数据如功能MRI或生物标记物	开发可解释的阿尔茨海默病预测模型	阿尔茨海默病患者的结构MRI数据	数字病理学	老年病	深度学习，反事实推理	CNN（基于使用图像数据推测）	MRI图像	未明确提及具体样本量
122	2025-05-09	Label-efficient sequential model-based weakly supervised intracranial hemorrhage segmentation in low-data non-contrast CT imaging 2025-Apr, Medical physics IF:3.2Q1 DOI:10.1002/mp.17689 PMID:39962740	研究论文	提出了一种基于弱监督的颅内出血分割方法，用于低数据量的非对比CT成像	利用图像级标签和类激活图（CAMs）进行弱监督分割，并通过无监督方式优化伪掩码，同时利用连续切片间的依赖关系提高激活图的鲁棒性	需要进一步验证在不同临床环境中的泛化能力	减少对体素级标注数据的依赖，提供一种高效的颅内出血分割方法	非对比CT图像中的颅内出血（ICH）	数字病理	心血管疾病	深度学习	CNN	图像	RSNA数据集（21,784例）、INSTANCE数据集（100例）、PhysioNet数据集（75例）
123	2025-05-09	Automatic Joint Lesion Detection by enhancing local feature interaction 2025-Apr, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2025.102509 PMID:39947085	research paper	该论文提出了一种通过增强局部特征交互来自动检测关节病变的方法，并改进了YOLO模型	提出了局部注意力特征融合（LAFF）和高斯位置编码（GPE）模块，显著提高了关节病变检测的准确率	研究仅基于X射线图像，可能不适用于其他类型的医学影像	提高自动关节病变检测（AJLD）的准确性和效率，以满足临床需求	关节病变的X射线图像	computer vision	arthritis	deep learning	YOLO	image	960张X射线图像（由两位关节炎专家和一位放射科医生标注）和216张X射线图像，补充了MURA数据集
124	2025-05-09	Interpretable multi-stage attention network to predict cancer subtype, microsatellite instability, TP53 mutation and TMB of endometrial and colorectal cancer 2025-Apr, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2025.102499 PMID:39947084	研究论文	提出了一种可解释的多阶段注意力深度学习网络，用于从子宫内膜癌和结直肠癌的组织病理学全切片图像中预测癌症亚型、微卫星不稳定性、TP53突变和肿瘤突变负荷	开发了一种新型深度学习网络，能够直接从低成本、常规使用的组织病理学图像中预测多个分子状态，显著优于现有方法	研究仅针对子宫内膜癌和结直肠癌，未验证在其他癌症类型中的适用性	开发一种低成本、高效的深度学习方法来预测癌症分子状态，以支持个性化免疫治疗决策	子宫内膜癌和结直肠癌的组织病理学全切片图像	数字病理学	子宫内膜癌, 结直肠癌	深度学习	多阶段注意力网络	图像	NA
125	2025-05-09	EAMAPG: Explainable Adversarial Model Analysis via Projected Gradient Descent 2025-Apr, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109788 PMID:39946791	研究论文	本研究提出了一种使用投影梯度下降（PGD）生成对抗样本的新颖可解释性方法，以分析医学图像中深度学习模型的透明度	通过对抗样本生成分析图像，识别影响模型决策的关键特征，为深度学习模型在医学图像分析中的可解释性提供了新的解决方案	仅测试了六种常见的CNN模型，且对抗攻击的有效性可能受限于特定数据集和模型	提高深度学习模型在医学图像分析中的可解释性和透明度	脑肿瘤、眼病和COVID-19的医学图像数据集	计算机视觉	脑肿瘤、眼病、COVID-19	投影梯度下降（PGD）	CNN（包括DenseNet121、InceptionV3、ResNet101等）	医学图像	NA
126	2025-05-09	Gabor-modulated depth separable convolution for retinal vessel segmentation in fundus images 2025-Apr, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109789 PMID:39946785	研究论文	提出了一种基于Gabor调制深度可分离卷积的UNet模型，用于眼底图像中的视网膜血管分割	结合Gabor滤波器的方向敏感性和深度可分离卷积的高效性，有效识别不同宽度和方向的血管	在噪声较多或病情进展的糖尿病视网膜病变图像上可能仍有改进空间	提高糖尿病视网膜病变中视网膜血管分割的准确性	眼底图像中的视网膜血管	计算机视觉	糖尿病视网膜病变	Gabor滤波器和深度可分离卷积	UNet	图像	DRIVE、STARE和CHASE_DB1数据集
127	2025-05-09	X-scPAE: An explainable deep learning model for embryonic lineage allocation prediction based on single-cell transcriptomics revealing key genes in embryonic cell development 2025-Apr, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109787 PMID:39946788	research paper	本文介绍了一种基于单细胞转录组学的可解释深度学习模型X-scPAE，用于预测胚胎细胞谱系分配并识别关键基因	结合PCA和注意力机制的自编码器模型，利用CGA算法解释基因表达差异，显著提高了预测准确性和可解释性	NA	理解细胞分化过程并减少人类早期妊娠流产	人类和小鼠的单细胞转录组数据	machine learning	NA	single-cell transcriptomics	PCA-based deep learning attention autoencoder (X-scPAE)	单细胞转录组数据	NA
128	2025-05-09	Multitask learning approach for PPG applications: Case studies on signal quality assessment and physiological parameters estimation 2025-Apr, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109798 PMID:39946784	research paper	本文提出了一种多任务学习方法，用于PPG信号的质量评估和生理参数估计	利用多任务学习（MTL）方法，通过共享PPG相关任务之间的潜在特征，提高了PPG应用的性能	研究仅基于46名受试者的数据，样本量较小，可能影响模型的泛化能力	探索多任务学习在PPG分析中的应用，以提高信号质量评估和生理参数估计的准确性	PPG信号及其衍生的生理参数（如心率、心率变异性和呼吸频率）	machine learning	NA	multitask learning (MTL)	multitask deep learning models	PPG信号	46名佩戴智能手表的受试者
129	2025-05-09	The state-of-the-art in cardiac MRI reconstruction: Results of the CMRxRecon challenge in MICCAI 2023 2025-Apr, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103485 PMID:39946779	研究论文	本文介绍了2023年心脏MRI重建挑战赛（CMRxRecon）的结果，该挑战赛旨在推动数据驱动的心脏MRI重建算法的发展	提出了一个公开可用的心脏k空间数据集，并组织了大规模的挑战赛以促进深度学习在心脏MRI重建中的应用	挑战赛的数据集虽然广泛，但仍可能存在数据多样性和代表性的限制	加速心脏MRI扫描并提高成像性能，解决现有数据驱动重建算法发展中的瓶颈	心脏MRI的k空间数据，包括电影和映射原始数据	数字病理	心血管疾病	深度学习	E2E-VarNet, U-Net	k空间数据	超过285个团队和600多名参与者，22个团队提交了测试阶段的Docker容器
130	2025-05-09	Evaluation and failure analysis of four commercial deep learning-based autosegmentation software for abdominal organs at risk 2025-Apr, Journal of applied clinical medical physics IF:2.0Q3 DOI:10.1002/acm2.70010 PMID:39946266	research paper	评估四种商业深度学习自动分割软件在腹部风险器官分割中的表现及失败原因分析	首次对四种商业深度学习自动分割软件在腹部风险器官分割中的异常情况进行系统分析	研究仅针对腹部器官，未涉及其他部位	评估商业深度学习自动分割软件的性能并分析其失败模式	四种商业深度学习自动分割软件（Limbus AI、MIM Contour ProtégéAI、Radformation AutoContour、Siemens syngo.via）	digital pathology	NA	deep learning-based segmentation	NA	medical imaging	111例患者病例
131	2025-05-09	Artificial intelligence demonstrates potential to enhance orthopaedic imaging across multiple modalities: A systematic review 2025-Apr, Journal of experimental orthopaedics IF:2.0Q2 DOI:10.1002/jeo2.70259 PMID:40337671	系统性综述	本文系统性评估了人工智能在骨科影像学中的应用效果和可靠性	首次系统比较不同AI模型在骨科影像诊断、分割和操作效率方面的表现	缺乏全面的统计分析和随机对照试验，临床验证不足	评估AI在骨科影像学中的应用效果	骨科影像数据	医学影像分析	骨科疾病	机器学习	CNN	医学影像	11,990,643张影像
132	2025-05-09	Artificial Intelligence for Classification of Endoscopic Severity of Inflammatory Bowel Disease: A Systematic Review and Critical Appraisal 2025-Mar-31, Inflammatory bowel diseases IF:4.5Q1 DOI:10.1093/ibd/izaf050 PMID:40163659	系统性综述	本文系统性回顾并评估了人工智能在炎症性肠病内镜严重程度分类中的应用	首次系统性评估AI在内镜炎症性肠病严重程度分类中的研究质量，并指出临床转化潜力	克罗恩病相关研究有限，模型的外部验证不足，数据和代码透明度有待提高	评估AI在标准化炎症性肠病内镜评估中的应用现状和研究质量	溃疡性结肠炎和克罗恩病的内镜图像/视频	数字病理	炎症性肠病	深度学习	CNN等深度学习模型	图像和视频	31项研究（2019-2024年），其中28项针对溃疡性结肠炎，3项针对克罗恩病
133	2025-05-09	Realtime particulate matter and bacteria analysis of peritoneal dialysis fluid using digital inline holography 2025-Mar-30, International journal of pharmaceutics IF:5.3Q1 DOI:10.1016/j.ijpharm.2025.125373 PMID:39961552	研究论文	本研究开发了一种结合深度学习算法的数字在线全息系统，用于实时检测腹膜透析液中的颗粒物和细菌污染	首次将数字在线全息技术与深度学习算法结合，实现了对腹膜透析液中颗粒物和细菌的实时检测与分类	目前仅针对高浓度细菌样本进行了验证，对于极低浓度细菌的检测灵敏度尚未验证	开发一种快速准确的腹膜透析液细菌污染检测方法	腹膜透析液中的颗粒物和细菌（大肠杆菌和铜绿假单胞菌）	数字病理	肾脏疾病	数字在线全息技术（DIH）	YOLOv8n	全息图像	含大肠杆菌和铜绿假单胞菌的腹膜透析液样本（浓度约100至10,000细菌/mL）
134	2025-05-09	Imaging Intravoxel Vessel Size Distribution in the Brain Using Susceptibility Contrast Enhanced MRI 2025-Mar-25, ArXiv PMID:40196141	研究论文	本文提出了一种基于磁敏感对比增强MRI的新方法，用于非侵入性成像脑内体素内血管大小分布（VSD），以实现对血管重塑的更全面和定量评估	利用高分辨率光片荧光显微镜图像模拟GESFIDE MRI信号，并训练深度学习模型从GESFIDE信号预测脑血容量（CBV）和VSD	需要进一步验证以确认其在临床前和临床应用中的潜力	开发一种非侵入性成像方法，以更全面和定量地评估血管重塑	啮齿动物脑部血管系统	数字病理学	NA	磁敏感对比增强MRI，光片荧光显微镜，GESFIDE MRI	深度学习模型	图像	NA
135	2025-05-09	Screening of estrogen receptor activity of per- and polyfluoroalkyl substances based on deep learning and in vivo assessment 2025-Mar-15, Environmental pollution (Barking, Essex : 1987) DOI:10.1016/j.envpol.2025.125843 PMID:39947576	研究论文	提出了一种基于深度学习的堆叠架构GXDNet，用于预测全氟和多氟烷基物质（PFAS）的雌激素受体α（ERα）活性，并通过实验验证了代表性PFAS分子的ERα活性	开发了GXDNet模型，整合分子描述符和分子图来预测化合物的ERα活性，提高了泛化能力，并揭示了氟化烷烃链对ERα结合亲和力的增强作用	研究集中于ERα活性，未涵盖PFAS的其他潜在毒性机制	开发预测PFAS雌激素受体活性的深度学习模型，以加速环保型PFAS分子的开发	全氟和多氟烷基物质（PFAS）分子	机器学习	NA	深度学习	GXDNet（堆叠深度学习架构）	分子描述符和分子图	10,067个PFAS分子
136	2025-05-09	TimePAD─Unveiling Temporal Sequence ELISA Signal by Deep Learning for Rapid Readout and Improved Accuracy in a Microfluidic Paper-Based Analytical Platform 2025-Mar-04, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.4c06001 PMID:39960863	研究论文	本文提出了一种通过深度学习分析时间序列比色数据来改进纸基微流控ELISA性能的新方法	利用时间序列数据而非传统静态数据，通过深度学习模型YOLOv8分析ELISA反应的动态变化，实现了更快的检测速度和更高的准确性	NA	提高纸基微流控ELISA的检测速度和准确性	纸基微流控ELISA平台	数字病理	心血管疾病	ELISA	YOLOv8	视频数据	使用Rabbit IgG作为ELISA检测模型，并扩展到疾病标志物cTnI的检测
137	2025-05-09	Prediction of sudden cardiac death using artificial intelligence: Current status and future directions 2025-Mar, Heart rhythm IF:5.6Q1 DOI:10.1016/j.hrthm.2024.09.003 PMID:39245250	综述	本文综述了人工智能在预测心源性猝死（SCD）中的当前应用和未来发展方向	利用机器学习和深度学习算法识别传统统计方法难以发现的SCD复杂非线性模式和预测因子	尽管AI在SCD风险分层方面具有潜力，但仍存在需要解决的重要限制	提高心源性猝死的个性化风险预测和预防策略	心源性猝死高风险人群	机器学习	心血管疾病	机器学习和深度学习算法	NA	复杂医疗数据	NA
138	2025-05-09	Video-based robotic surgical action recognition and skills assessment on porcine models using deep learning 2025-03, Surgical endoscopy DOI:10.1007/s00464-024-11486-3 PMID:39806176	research paper	该研究旨在利用深度学习开发一种自动化的手术技能评估工具，用于机器人辅助手术（RAS）中的动作识别和技能评估	结合CNN和LSTM的网络架构从手术视频中提取和分析时空特征，实现高精度的动作识别和技能评估	研究基于猪模型数据，未来需测试在临床环境中的适用性	开发自动化手术技能评估工具以辅助外科培训	机器人辅助手术（RAS）中的手术动作和技能水平	computer vision	NA	deep learning	CNN, LSTM	video	21名参与者（16名新手和5名经验丰富者）在猪模型上进行的16种不同腹腔内机器人辅助手术
139	2025-05-09	Segment Anything for Microscopy 2025-Mar, Nature methods IF:36.1Q1 DOI:10.1038/s41592-024-02580-4 PMID:39939717	research paper	介绍了一种名为μSAM的显微镜图像分割工具，基于Segment Anything模型，用于多维显微镜数据的分割和追踪	通过微调通用模型，显著提高了在各种成像条件下的分割质量，并实现了交互式和自动分割	未提及具体的数据集或样本量限制	解决显微镜图像中物体准确分割的问题	显微镜图像中的物体	digital pathology	NA	NA	Segment Anything	image	NA
140	2025-05-09	A Veterinary DICOM-Based Deep Learning Denoising Algorithm Can Improve Subjective and Objective Brain MRI Image Quality 2025-Mar, Veterinary radiology & ultrasound : the official journal of the American College of Veterinary Radiology and the International Veterinary Radiology Association IF:1.3Q2 DOI:10.1111/vru.70015 PMID:39945204	研究论文	本研究评估了一种专为兽医患者开发的基于DICOM的深度学习去噪算法对犬猫脑部MRI图像质量的影响	开发了首个专为兽医患者设计的DICOM-based深度学习去噪算法，并验证其在1.5T MRI上的效果	样本量较小(30只犬猫)，仅测试了1.5T MRI系统	评估深度学习去噪算法对兽医脑部MRI图像质量的改善效果	30只犬猫的脑部MRI图像	数字病理	兽医神经疾病	MRI	深度学习(DL)	医学影像	30只犬猫的脑部MRI图像