深度学习在生物医药领域的应用

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	算法框架	模型架构	性能指标	计算资源
15541	2025-03-08	XAI-MRI: an ensemble dual-modality approach for 3D brain tumor segmentation using magnetic resonance imaging 2025, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2025.1525240 PMID:40046502	研究论文	本文提出了一种新颖的集成双模态方法，用于使用磁共振成像（MRI）进行3D脑肿瘤分割	提出了一种集成双模态方法，结合了表现最佳的双模态预训练模型，以提高分割性能，并引入了Grad-CAM可视化技术，生成热图以突出肿瘤区域，为临床医生提供模型决策的有用信息	未明确提及具体限制	提高脑肿瘤分割的准确性和可靠性，以支持有效的肿瘤分级和治疗计划	脑肿瘤	计算机视觉	脑肿瘤	MRI	U-Net, 集成模型	3D MRI图像	未明确提及具体样本数量	NA	NA	NA	NA
15542	2025-03-08	The prognostic value of pathologic lymph node imaging using deep learning-based outcome prediction in oropharyngeal cancer patients 2025-Jan, Physics and imaging in radiation oncology DOI:10.1016/j.phro.2025.100733 PMID:40046573	研究论文	本研究探讨了在口咽癌患者中，结合病理淋巴结空间信息与深度学习模型对局部控制、区域控制、远处无转移生存和总生存的预测效果	首次在深度学习模型中结合病理淋巴结空间信息，以提高口咽癌患者的预后预测性能	研究仅基于单一机构的患者数据，可能限制了模型的泛化能力	探索结合病理淋巴结空间信息对深度学习模型预测口咽癌患者预后的潜在益处	口咽癌患者	数字病理	口咽癌	深度学习	深度学习模型	PET/CT扫描图像	409名口咽癌患者	NA	NA	NA	NA
15543	2025-03-08	Deep learning combining imaging, dose and clinical data for predicting bowel toxicity after pelvic radiotherapy 2025-Jan, Physics and imaging in radiation oncology DOI:10.1016/j.phro.2025.100710 PMID:40046574	研究论文	本研究提出了一种深度学习模型，用于同时分析计算机断层扫描、剂量分布和临床元数据，以预测盆腔放疗后的肠道毒性，并识别临床风险因素和解剖区域的影响	开发了一种基于多实例学习、特征级融合和注意力的深度模型，能够同时分析3D成像和临床数据，识别潜在风险因素和关键解剖区域	数据集来自313名患者，虽然样本量较大，但患者群体的异质性（剂量、体积、分割、伴随治疗和随访期）可能影响模型的泛化能力	预测盆腔放疗后的肠道毒性，并识别临床风险因素和解剖区域的影响	313名接受3D适形放疗和容积调强弧形放疗的患者	数字病理	NA	深度学习	多实例学习模型	3D计算机断层扫描、计划剂量分布、临床数据	313名患者	NA	NA	NA	NA
15544	2025-03-08	Leveraging automated time-lapse microscopy coupled with deep learning to automate colony forming assay 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1520972 PMID:40046624	研究论文	本文介绍了一种结合延时显微镜和深度学习的人工智能辅助自动化集落形成实验（CFA）平台，用于实时跟踪集落形成并评估药物疗效	开发了一种基于深度学习和多目标跟踪的自动化集落计数平台，显著减少了人工操作并提高了准确性，同时支持长期细胞间相互作用和治疗反应的详细研究	未来需要与基于灌注的药物筛选系统集成以进一步增强个性化癌症治疗	开发一种自动化、高通量的集落形成实验平台，用于评估单癌细胞的克隆扩展能力和药物疗效	B-急性淋巴细胞白血病（B-ALL）细胞	数字病理学	白血病	延时显微镜、深度学习	YOLOv8	图像	E2A-PBX1小鼠模型中的B-ALL细胞	NA	NA	NA	NA
15545	2025-03-08	Machine learning for automated classification of lung collagen in a urethane-induced lung injury mouse model 2024-Oct-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.527972 PMID:39421774	研究论文	本文提出了一种基于机器学习的自动化评分框架，用于评估小鼠肺损伤模型中的肺胶原含量	利用预训练的VGG16模型和统计特征结合的方法，以及采用无监督技术进行图像分析，提高了肺胶原含量评估的准确性和效率	研究依赖于小鼠模型，可能无法完全反映人类肺疾病的情况	开发自动化评分系统以提高肺胶原含量评估的准确性和一致性	成年雌性小鼠的肺切片图像	数字病理学	肺癌	SHG显微镜	VGG16, SVM	图像	NA	NA	NA	NA	NA
15546	2025-03-08	DeepEnzyme: a robust deep learning model for improved enzyme turnover number prediction by utilizing features of protein 3D-structures 2024-Jul-25, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae409 PMID:39162313	研究论文	本文介绍了一种名为DeepEnzyme的深度学习模型，该模型结合了Transformer和图卷积网络（GCN），用于提高酶周转数（kcat）的预测准确性	DeepEnzyme模型通过整合蛋白质序列和3D结构特征，显著提高了对低序列相似性酶的预测准确性和鲁棒性，并能够评估点突变对酶催化活性的影响	NA	提高酶周转数（kcat）的预测准确性和鲁棒性，以促进蛋白质工程和合成生物学领域的研究	酶的周转数（kcat）	机器学习	NA	深度学习	Transformer, GCN	蛋白质序列和3D结构数据	NA	NA	NA	NA	NA
15547	2025-03-08	Deep Learning-Augmented ECG Analysis for Screening and Genotype Prediction of Congenital Long QT Syndrome 2024-Apr-01, JAMA cardiology IF:14.8Q1 DOI:10.1001/jamacardio.2024.0039 PMID:38446445	研究论文	本文开发了一种基于深度学习的神经网络，用于通过12导联心电图识别先天性长QT综合征（LQTS）并区分其基因型（LQTS1和LQTS2）	使用卷积神经网络（CNN）进行LQTS的检测和基因型区分，超越了传统的QTc间期检测方法	需要在未选择的普通人群中进行更广泛的验证以支持该模型的应用	开发一种深度学习模型，用于从静息心电图中检测先天性长QT综合征并区分其基因型	先天性长QT综合征患者及其亲属	数字病理学	心血管疾病	卷积神经网络（CNN）	CNN	心电图（ECG）	4521份心电图来自990名患者	NA	NA	NA	NA
15548	2025-10-07	COVID-19 Detection From Respiratory Sounds With Hierarchical Spectrogram Transformers 2024-03, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3339700 PMID:38051612	研究论文	提出一种基于分层频谱图变换器的深度学习方法，通过咳嗽或呼吸音频检测COVID-19	首次将分层频谱图变换器应用于呼吸音分析，通过逐步扩大注意力窗口捕获局部到全局的声学特征	依赖众包多国数据集，未说明模型在临床环境中的实际部署效果	开发基于呼吸音的非接触式COVID-19早期筛查方法	COVID-19患者与健康对照组的咳嗽和呼吸音频	自然语言处理	COVID-19	音频信号处理	Transformer	音频	众包多国数据集（未明确具体样本量）	NA	分层频谱图变换器（HST）	AUC	NA
15549	2025-10-07	EDLNet: ensemble deep learning network model for automatic brain tumor classification and segmentation 2024-Feb-12, Journal of biomolecular structure & dynamics IF:2.7Q2 DOI:10.1080/07391102.2024.2311343 PMID:38345061	研究论文	提出一种集成深度学习网络模型EDLNet，用于自动脑肿瘤分类和分割	提出新型集成深度学习网络EDLNet，结合改进的Faster RCNN和深度循环卷积神经网络，在脑肿瘤分类和分割任务中实现高精度	NA	开发自动脑肿瘤分类和分割模型以辅助疾病诊断	脑部MRI扫描图像	计算机视觉	脑肿瘤	MRI成像	集成深度学习, CNN, RCNN	医学图像	两个公开数据集(D1和D2)	NA	EDLNet, Modified Faster RCNN, DRCNN	准确率	NA
15550	2025-10-07	Exploring the Value of MRI Measurement of Hippocampal Volume for Predicting the Occurrence and Progression of Alzheimer's Disease Based on Artificial Intelligence Deep Learning Technology and Evidence-Based Medicine Meta-Analysis 2024, Journal of Alzheimer's disease : JAD DOI:10.3233/JAD-230733 PMID:38277290	研究论文	基于人工智能深度学习技术和循证医学Meta分析，探索MRI海马体体积测量对阿尔茨海默病发生和进展的预测价值	结合三种卷积神经网络模型与系统Meta分析，首次在多中心大样本数据中验证MRI海马体体积测量对AD预测的临床价值	研究依赖公开数据库数据，未包含所有AD亚型；Meta分析仅纳入23篇文献，可能存在发表偏倚	评估基于MRI的海马体体积测量在预测阿尔茨海默病发生和进展中的价值	483名AD患者、756名轻度认知障碍患者和968名正常对照者	医学影像分析	阿尔茨海默病	结构磁共振成像	CNN	医学影像	2207名受试者（483 AD + 756 MCI + 968 NC）	TensorFlow, PyTorch	InceptionResNetv2, Densenet169, SEResNet50	准确率, AUC	NA
15551	2025-10-07	Reinforcement learning using Deep Q networks and Q learning accurately localizes brain tumors on MRI with very small training sets 2022-12-23, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-022-00919-x PMID:36564724	研究论文	本研究应用强化学习在小型训练集上准确定位脑部MRI图像中的肿瘤	将深度Q学习推广到基于网格世界的环境，仅需图像和图像掩码，无需放射科医师眼动追踪点	仅使用30个二维图像切片进行训练，样本量较小	开发能够在小训练集上准确定位脑肿瘤的强化学习方法	脑部MRI图像中的肿瘤病灶	医学影像分析	脑肿瘤	MRI	Deep Q Network, 关键点检测监督深度学习网络	二维医学图像	30个训练图像切片，30个测试图像切片	NA	Deep Q Network	准确率	NA
15552	2025-10-07	A Hardware Accelerator for Real-Time Processing Platforms Used in Synthetic Aperture Radar Target Detection Tasks 2025-Feb-07, Micromachines IF:3.0Q2 DOI:10.3390/mi16020193 PMID:40047666	研究论文	本文设计了一种用于合成孔径雷达目标检测任务的低功耗硬件加速器	提出适用于多维卷积并行计算的处理引擎和独特的存储器排列设计，充分利用FPGA计算资源	仅基于Virtex 7 690t芯片进行验证，未在其他硬件平台上测试	解决机载或星载实时处理平台的功耗问题，实现实时SAR图像目标检测	合成孔径雷达图像中的目标检测	计算机视觉	NA	合成孔径雷达成像	CNN	SAR图像	NA	Yolov5s	Yolov5s	处理速度（52.19张/秒），功耗（7瓦）	Virtex 7 690t FPGA芯片
15553	2025-10-07	Addressing grading bias in rock climbing: machine and deep learning approaches 2024, Frontiers in sports and active living IF:2.3Q2 DOI:10.3389/fspor.2024.1512010 PMID:40046938	综述	本文综述了机器学习和深度学习在解决攀岩路线难度评级主观性问题中的应用	首次系统分类并比较了三种不同视角（路线中心、攀登者中心、路径查找与生成）的机器学习方法在攀岩难度评级中的应用	NA	通过机器学习和深度学习技术建立标准化的攀岩路线难度确定方法	攀岩路线难度评级系统	自然语言处理, 机器学习	NA	自然语言处理, 深度学习	循环神经网络	NA	NA	NA	NA	NA	NA
15554	2025-03-06	Deep Learning-Powered CT-Less Multitracer Organ Segmentation From PET Images: A Solution for Unreliable CT Segmentation in PET/CT Imaging 2025-Apr-01, Clinical nuclear medicine IF:9.6Q1 DOI:10.1097/RLU.0000000000005685 PMID:39883026	研究论文	本研究开发了一种不依赖CT图像的PET器官分割框架，利用深度学习模型对两种常用PET示踪剂进行多器官分割	提出了一种不依赖CT图像的PET器官分割方法，解决了PET/CT成像中CT分割不可靠的问题	研究中排除了PET和CT图像不匹配的病例，可能影响模型的泛化能力	开发一种不依赖CT图像的PET器官分割框架，以解决PET/CT成像中CT分割不可靠的问题	2062例PET/CT图像，包括18 F-FDG和68 Ga-PSMA两种示踪剂	数字病理学	NA	深度学习	nnU-Net	PET/CT图像	2062例PET/CT图像	NA	NA	NA	NA
15555	2025-03-06	Predicting inflammatory response of biomimetic nanofibre scaffolds for tissue regeneration using machine learning and graph theory 2025-Mar-05, Journal of materials chemistry. B DOI:10.1039/d4tb02494j PMID:39869000	研究论文	本文探讨了使用机器学习和图论预测仿生纳米纤维支架在组织再生中的炎症反应	结合机器学习和图论分析纳米纤维支架的复杂组织结构，以预测细胞相互作用并优化组织工程流程	研究中仅使用了15种纳米纤维支架家族，样本量有限，可能影响模型的泛化能力	预测仿生纳米纤维支架的炎症反应，以优化支架设计并促进组织再生	纳米纤维支架及其对巨噬细胞炎症反应的影响	机器学习	NA	机器学习、图论、扫描电子显微镜（SEM）	随机森林（Random Forest）、卷积神经网络（CNN）	图像（SEM图像）	15种纳米纤维支架家族	NA	NA	NA	NA
15556	2025-03-06	Predicting Cardiac Magnetic Resonance-Derived Ejection Fraction from Echocardiogram Via Deep Learning Approach in Tetralogy of Fallot 2025-Mar-04, Pediatric cardiology IF:1.5Q2 DOI:10.1007/s00246-025-03802-y PMID:40038120	研究论文	本研究通过深度学习技术预测法洛四联症患者的心脏磁共振成像（CMR）衍生的射血分数（LVEF），使用超声心动图视频作为输入	利用EchoNet-Dynamic模型，通过迁移学习方法，以CMR衍生的LVEF为基准，预测法洛四联症患者的LVEF，提供了一种比传统方法更准确的评估方法	研究仅针对法洛四联症患者，且模型在不同视图（PSAX和A4C）下的预测性能存在差异	通过深度学习技术改进法洛四联症患者的心脏功能评估	法洛四联症患者的超声心动图视频	计算机视觉	心血管疾病	深度学习	CNN	视频	NA	NA	NA	NA	NA
15557	2025-03-06	Landscape of 2D Deep Learning Segmentation Networks Applied to CT Scan from Lung Cancer Patients: A Systematic Review 2025-Mar-04, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01458-x PMID:40038137	系统综述	本文综述了2D深度学习网络在肺癌CT分割中的应用现状和前景，总结了研究进展、关键概念和存在的不足	强调了卷积神经网络，特别是UNet在肺癌CT分析中的重要性，并提倡结合2D/3D建模方法	研究存在类别不平衡（67%）、交叉验证使用不足（21%）和模型稳定性评估不足（3%）等问题，88%的研究未处理缺失数据，仅34%讨论了泛化性问题	探讨深度学习在肺癌CT分割中的应用，以改善诊断、治疗和患者生存率	肺癌患者的CT扫描图像	计算机视觉	肺癌	深度学习	UNet及其变体	CT图像	124项研究符合纳入标准并进行了分析，主要使用LIDC-LIDR数据集	NA	NA	NA	NA
15558	2025-03-06	A Novel Pipeline for Adrenal Gland Segmentation: Integration of a Hybrid Post-Processing Technique with Deep Learning 2025-Mar-04, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01449-y PMID:40038136	研究论文	本文提出了一种新的肾上腺分割流程，通过集成先进的预处理技术和强大的后处理框架，显著提高了左右肾上腺的分割精度	该研究创新性地结合了测试时间增强（TTA）和针对未连接区域的定向移除技术，显著提升了分割的准确性和鲁棒性	NA	提高CT图像中肾上腺的分割精度，以增强计算机辅助诊断和手术规划	CT图像中的左右肾上腺	医学图像分割	NA	测试时间增强（TTA），未连接区域定向移除	2D UNet, VGG16, ResNet34, InceptionV3	CT图像	AMOS数据集	NA	NA	NA	NA
15559	2025-03-06	A Feature Fusion Attention-based Deep Learning Algorithm for Mammographic Architectural Distortion Classification 2025-Mar-03, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3547263 PMID:40031706	研究论文	本文提出了一种基于特征融合和注意力机制的深度学习算法，用于乳腺X线摄影中结构扭曲的分类	结合了Vision Transformer (ViT)注意力网络和VGG-16，提高了结构扭曲检测的准确性和效率	未提及具体局限性	提高乳腺X线摄影中结构扭曲检测的准确性和效率	乳腺X线摄影中的结构扭曲	计算机视觉	乳腺癌	深度学习	Vision Transformer (ViT) + VGG-16	图像	PINUM和DDSM数据集	NA	NA	NA	NA
15560	2025-03-06	PICASO Set Operator for Computational Nephropathology 2025-Mar-03, Kidney360 IF:3.2Q1 DOI:10.34067/KID.0000000668 PMID:40029711	研究论文	本文介绍了一种名为PICASO的新型排列不变集合操作符，用于动态聚合病理学特征，并在两种肾病场景中进行了应用	PICASO是一种基于Transformer的集合操作符，能够动态聚合实例集合中的特征，显著提升了肾病病理诊断的性能	研究仅在两种肾病场景中进行了验证，尚未在其他病理学领域进行广泛测试	通过引入PICASO集合操作符，提升肾病病理诊断的准确性和性能	IgA肾病中的活动性新月体病变检测和肾移植中的抗体介导排斥反应（AMR）分类	数字病理学	肾病	深度学习	Transformer	图像	IgA肾病数据集包含6206个PAS染色的肾小球图像（5792个无活动性新月体，414个有活动性新月体），AMR分类数据集包含1655个PAS染色的肾小球图像（769个AMR，886个非AMR）	NA	NA	NA	NA