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
1421	2025-05-13	Improved stent sharpness evaluation with super-resolution deep learning reconstruction in coronary CT angiography 2024-Jun-18, The British journal of radiology DOI:10.1093/bjr/tqae094 PMID:38733576	研究论文	本研究评估了超分辨率深度学习重建（SR-DLR）在冠状动脉CT血管造影（CCTA）中对图像质量和支架伪影的影响	首次将SR-DLR应用于CCTA图像重建，显著提高了支架的清晰度和图像质量	研究为回顾性分析，样本量较小（66例患者）	评估不同图像重建算法对冠状动脉支架成像质量的影响	冠状动脉CT血管造影图像	医学影像处理	心血管疾病	超分辨率深度学习重建（SR-DLR）	深度学习模型	医学影像	66例CCTA患者
1422	2025-05-13	Leverage Weakly Annotation to Pixel-wise Annotation via Zero-shot Segment Anything Model for Molecular-empowered Learning 2024-Feb, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.3006577 PMID:40343078	research paper	该研究探讨了利用零样本学习的Segment Anything Model（SAM）从弱标注生成像素级标注，以降低病理图像分割的标注成本	提出SAM辅助的分子赋能学习（SAM-L），仅需弱框标注即可训练分割模型，减少非专业标注者的工作量	未明确说明SAM在不同细胞类型上的泛化能力及对IF图像依赖程度的影响	开发无需像素级标注的病理图像分割方法	高分辨率千兆像素全切片图像（WSI）中的多类细胞	digital pathology	NA	immunofluorescence（IF）成像，零样本学习	Segment Anything Model（SAM）	病理图像	NA
1423	2025-05-13	High-performance Data Management for Whole Slide Image Analysis in Digital Pathology 2024-Feb, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.3006273 PMID:40343079	研究论文	本文介绍了一种针对数字病理学中全切片图像分析的高性能数据管理方法，使用ADIOS2系统优化数据访问和处理	首次在数字病理学领域应用ADIOS2系统，并开发了针对性的数据管理流程，显著提升了数据处理效率	仅针对特定两种场景(CPU和GPU)进行了性能评估，未涵盖更多可能的计算环境	解决数字病理学中全切片图像分析时的数据输入输出瓶颈问题	全切片图像(WSI)的数据管理流程	数字病理学	NA	ADIOS2数据管理系统	NA	图像	NA
1424	2025-05-12	Stacked long and short-term memory (SLSTM) - assisted terahertz spectroscopy combined with permutation importance for rapid red wine varietal identification 2025-Aug-15, Talanta IF:5.6Q1 DOI:10.1016/j.talanta.2025.127650 PMID:40037161	research paper	该研究利用太赫兹时域光谱结合深度学习技术，快速无损地区分不同品种的红酒，以正确识别红酒标签	采用堆叠长短时记忆（SLSTM）模型结合排列重要性进行特征选择，提高了红酒品种识别的准确性和效率	基于排列重要性的1-st der-SLSTM模型在精度上略低于全频率模型，预测时间减少了2秒	开发一种快速、准确且无损的红酒品种鉴别技术，以维护市场秩序和消费者权益	不同品种的红酒	machine learning	NA	太赫兹时域光谱（THz-TDS）	SLSTM	光谱数据	NA
1425	2025-05-12	Intelligent characterization multi-components in Yangxinshi tablet by online comprehensive two-dimensional liquid chromatography-quadrupole time-of-flight mass spectrometry combined with deep learning-assisted mass defect filtering classification and multidimensional data annotation strategy 2025-Aug-01, Talanta IF:5.6Q1 DOI:10.1016/j.talanta.2025.127821 PMID:40020613	研究论文	建立了一种用于养心氏片中多种化学成分智能分析的全面表征策略	开发了深度学习辅助质量缺陷过滤智能分类、优选离子捕获列表和主动排除（DLA-MDF-PIL-AE）数据采集模式	未明确提及具体限制	开发一种用于复杂天然产物中多种成分表征的集成策略	养心氏片中的化学成分	质谱分析与深度学习	NA	在线综合二维液相色谱-四极杆飞行时间质谱（2DLC-Q-TOF-MS/MS）	深度学习	质谱数据	228种化合物（包括80种黄酮类、52种生物碱、36种酚酸、15种萜类、17种皂苷和28种其他化合物）
1426	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）
1427	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
1428	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
1429	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
1430	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
1431	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
1432	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）
1433	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
1434	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
1435	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
1436	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
1437	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
1438	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
1439	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
1440	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