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
1561	2025-05-27	Machine learning techniques to predict diabetic ketoacidosis and HbA1c above 7% among individuals with type 1 diabetes - A large multi-centre study in Australia and New Zealand 2025-Jul, Nutrition, metabolism, and cardiovascular diseases : NMCD DOI:10.1016/j.numecd.2025.103861 PMID:39939258	research paper	该研究利用机器学习技术预测1型糖尿病患者的糖尿病酮症酸中毒(DKA)和HbA1c>7%的风险	首次在澳大利亚和新西兰的大型多中心临床数据集中应用深度学习模型预测DKA，并展示了较高的预测性能	研究仅基于澳大利亚和新西兰的数据，可能不适用于其他人群	开发有效的机器学习模型来预测1型糖尿病患者的不良结局风险	1型糖尿病患者	machine learning	diabetes	machine learning	Deep Learning, Support Vector Machine	clinical demographic and socio-economic data	13761名1型糖尿病患者
1562	2025-05-27	Assessment of AI-accelerated T2-weighted brain MRI, based on clinical ratings and image quality evaluation 2025-Jul, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.112123 PMID:40315626	research paper	比较基于深度学习的MRI重建方法与传统T2加权脑MRI的临床评分和图像质量	首次评估商业化的深度学习MRI重建方法在临床环境中的表现	研究样本量有限，且仅在一台3T MRI扫描仪上进行	评估AI加速的T2加权脑MRI的临床应用价值	100名患有各种神经系统疾病的患者	医学影像分析	神经系统疾病	Deep Learning-based MRI reconstruction	深度学习模型	MRI图像	100名患者
1563	2025-05-27	Impact of CT reconstruction algorithms on pericoronary and epicardial adipose tissue attenuation 2025-Jul, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.112132 PMID:40344712	研究论文	本研究探讨了ASIR-V和DLIR算法对心周脂肪组织(PCAT)和心外膜脂肪组织(EAT)量化的影响，并探索通过脂肪阈值调整校正这些影响的可行性	首次比较了ASIR-V和DLIR算法对PCAT和EAT衰减值的影响，并提出了脂肪阈值调整的校正方法	研究为回顾性分析，样本量相对较小(134例患者)	评估不同CT重建算法对脂肪组织定量的影响并探索校正方法	心周脂肪组织(PCAT)和心外膜脂肪组织(EAT)	医学影像分析	心血管疾病	冠状动脉CT血管造影(CCTA)	ASIR-V和DLIR算法	医学影像数据	134例接受CCTA检查的患者
1564	2025-05-27	Automated vertebrae identification and segmentation with structural uncertainty analysis in longitudinal CT scans of patients with multiple myeloma 2025-Jul, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.112160 PMID:40349413	research paper	本研究通过结构不确定性分析优化了多发性骨髓瘤患者纵向CT扫描中的深度学习椎骨分割方法	结合开源深度学习方法与后验结构不确定性分析，自动修正不一致性或标记不确定区域供人工审查	需要人工审查3.6%的扫描，增加了部分工作量	优化多发性骨髓瘤患者纵向CT扫描中的椎骨分割准确性	474名多发性骨髓瘤患者的纵向CT扫描数据	digital pathology	multiple myeloma	CT扫描	Payer's method	image	474名患者（训练队列179名，测试队列295名），共1020次扫描
1565	2025-05-27	Application and optimization of the U-Net++ model for cerebral artery segmentation based on computed tomographic angiography images 2025-Jul, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.112137 PMID:40367559	research paper	本研究基于计算机断层扫描血管造影（CTA）图像，应用并优化了U-Net++模型用于脑动脉分割，重点分析了分割性能与计算成本之间的权衡	通过优化U-Net++模型的剪枝级别，实现了在保持有效分割性能的同时降低计算成本	研究中仅使用了双能量CTA和直接减影CTA数据集，可能限制了模型的泛化能力	优化脑动脉分割的深度学习模型，以提高临床诊断的效率和准确性	脑动脉，特别是靠近骨骼的颈内动脉和椎动脉	digital pathology	cerebrovascular disease	computed tomographic angiography (CTA)	U-Net++	image	双能量CTA和直接减影CTA数据集
1566	2025-05-27	PEDRA-EFB0: colorectal cancer prognostication using deep learning with patch embeddings and dual residual attention 2025-Jun, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-025-03292-3 PMID:39833600	research paper	该论文提出了一种名为PEDRA-EFB0的深度学习架构，用于结直肠癌CT扫描的特征提取和生存预测	整合了补丁嵌入和双残差注意力机制，增强了特征提取能力，并提出了一种结合自动编码器和熵技术的特征选择算法	未提及具体的数据集规模或多样性限制	提高结直肠癌CT扫描的特征提取和生存预测的准确性	结直肠癌患者的CT扫描数据	digital pathology	colorectal cancer	deep learning	CNN with patch embeddings and dual residual attention	CT scans	NA
1567	2025-05-27	Automatic skeletal maturity grading from pelvis radiographs by deep learning for adolescent idiopathic scoliosis 2025-Jun, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-025-03283-4 PMID:39838221	research paper	该研究提出了一种基于深度学习的多任务学习方法，用于从骨盆X光片中自动评估青少年特发性脊柱侧凸（AIS）患者的骨骼成熟度（Risser阶段）	采用改进的Swin Transformer模型，并结合空间和通道重建卷积Swin块，提高了Risser阶段评估的准确性	未提及模型在其他数据集上的泛化能力	解决Risser阶段手动评估中观察者内和观察者间的不准确性问题	青少年特发性脊柱侧凸（AIS）患者的骨盆X光片	digital pathology	adolescent idiopathic scoliosis	deep learning	改进的Swin Transformer	image	NA
1568	2025-05-27	CTCNet: a fine-grained classification network for fluorescence images of circulating tumor cells 2025-Jun, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-025-03297-y PMID:39841310	研究论文	本文提出了一种名为CTCNet的细粒度分类网络，用于循环肿瘤细胞（CTCs）荧光图像的分类	开发了CTCDet数据集和CTCNet混合架构，结合CNN和Transformer，通过Parallel Token mixer和DLKAttention模块提升分类性能	未提及具体的数据集规模限制或模型计算复杂度	提升循环肿瘤细胞（CTCs）的分类准确性以促进癌症诊断和治疗	循环肿瘤细胞（CTCs）的荧光图像	数字病理学	癌症	深度学习	CNN和Transformer混合架构	图像	未明确提及具体样本数量，但使用了大规模CTCDet数据集
1569	2025-05-27	Adaptive ensemble loss and multi-scale attention in breast ultrasound segmentation with UMA-Net 2025-Jun, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-025-03301-5 PMID:39847155	研究论文	本文提出了一种名为UMA-Net的改进UNet架构，用于乳腺超声图像分割，通过集成残差连接、注意力机制和空洞卷积瓶颈，有效捕获多尺度上下文信息	UMA-Net结合了自适应集成损失函数，动态平衡训练过程中不同损失组件的贡献，解决了传统损失函数导致的优化不平衡问题	NA	提高乳腺超声图像中病灶分割的准确性和泛化能力	乳腺超声图像	计算机视觉	乳腺癌	深度学习	UMA-Net（基于UNet架构）	图像	五个不同的乳腺超声数据集（BUET、BUSI、Mendeley、OMI和UDIAT）
1570	2025-05-27	Unrolled deep learning for breast cancer detection using limited-view photoacoustic tomography data 2025-Jun, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-025-03302-4 PMID:39856397	研究论文	本文提出了一种基于展开深度学习的有限视角光声断层扫描数据乳腺癌检测方法	结合了分裂Bregman全变分(SBTV)和松弛基追踪交替方向乘子法(rBP-ADMM)算法的新型展开深度学习网络，并整合了U-Net去噪器，实现了最先进的重建质量和显著的计算效率提升	研究主要针对有限视角场景，未涉及其他可能影响成像质量的因素	提高有限视角光声断层扫描在乳腺癌检测中的图像重建质量和计算效率	乳腺癌检测	数字病理学	乳腺癌	光声断层扫描(PAT)	U-SBTV网络, U-Net	图像	NA
1571	2025-03-11	A Need for Multi-Institutional Collaboration for Deep Learning-Driven Assessment of Osteosarcoma Treatment Response 2025-Jun, The American journal of pathology DOI:10.1016/j.ajpath.2025.02.002 PMID:40056973	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1572	2025-05-27	Longitudinal brain age in first-episode mania youth treated with lithium or quetiapine 2025-Jun, European neuropsychopharmacology : the journal of the European College of Neuropsychopharmacology IF:6.1Q1 DOI:10.1016/j.euroneuro.2025.03.013 PMID:40222151	research paper	该研究探讨了锂和喹硫平在双相情感障碍和分裂情感性障碍早期阶段是否具有神经保护作用，通过测量基线及治疗后脑年龄差异（brain-PAD）的变化	使用深度学习模型在大规模数据集上预测脑年龄，首次在首次躁狂发作（FEM）青年中比较锂和喹硫平治疗对脑年龄差异的影响	样本量较小，随访时间较短，未能观察到治疗组间显著差异或长期治疗效果	评估锂和喹硫平在双相情感障碍和分裂情感性障碍早期阶段的神经保护效果	首次躁狂发作（FEM）青年患者（15-25岁）及健康对照组	数字病理学	双相情感障碍, 分裂情感性障碍	T1加权扫描, 深度学习	深度学习模型	MRI图像	FEM患者39人（锂治疗21人，喹硫平治疗18人），健康对照组29人，模型训练数据集53,542人
1573	2025-05-27	AdptDilatedGCN: Protein-ligand binding affinity prediction based on multi-scale interaction fusion mechanism and dilated GCN 2025-Jun, International journal of biological macromolecules IF:7.7Q1 DOI:10.1016/j.ijbiomac.2025.143751 PMID:40316081	研究论文	提出了一种名为AdptDilatedGCN的深度学习方法，用于预测蛋白质-配体结合亲和力，通过多尺度交互与融合机制充分利用蛋白质和配体的特征	结合多尺度交互与融合机制、扩张图卷积网络（GCN）和多头注意力机制，克服传统GCN的局限性，同时考虑蛋白质图中氨基酸节点间的相互作用	未提及具体的数据集限制或模型在其他数据集上的泛化能力	提高蛋白质-配体结合亲和力的预测准确性，以促进药物发现	蛋白质和配体的结合亲和力	机器学习	NA	深度学习、图卷积网络（GCN）、多头注意力机制、自适应门控循环单元（GRU）	AdptDilatedGCN（基于扩张GCN和多尺度融合机制）	蛋白质和配体的分子结构数据	在CASF-2016和CASF-2013公共测试集上进行评估
1574	2025-05-27	Inter-hospital transferability of AI: A case study on phase recognition in cholecystectomy 2025-Jun, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110235 PMID:40328029	研究论文	本文通过胆囊切除术作为案例研究，分析了训练好的手术阶段识别模型在不同医院间的可转移性	研究了AI模型在不同医院和外科医生间的可转移性，并提出了结合公共数据和特定机构数据以提高模型性能的方法	研究仅针对胆囊切除术，样本量相对较小（104例公开手术和21例自录视频）	开发具有跨数据集泛化能力的手术阶段识别AI模型	胆囊切除术的手术视频	计算机视觉	NA	深度学习	ResNet50 + MS-TCN	视频	104例公开手术视频 + 21例自录手术视频
1575	2025-05-27	Oral cavity carcinoma detection using BAT algorithm-optimized machine learning models with transfer learning and random sampling 2025-Jun, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110250 PMID:40328028	research paper	该研究提出了一种结合迁移学习、随机采样和BAT算法优化的集成机器学习分类器TR-ROS-BAT-ML，用于口腔癌的早期和准确检测	结合了迁移学习、随机采样和BAT算法优化策略，提出了一种新的诊断框架TR-ROS-BAT-ML	未来研究需要整合多模态数据并进一步优化以提高其临床适用性	提高口腔癌的早期和准确检测能力	口腔鳞状细胞癌(OSCC)和正常口腔上皮组织的H&E染色组织学图像	digital pathology	oral cavity carcinoma	transfer learning, random oversampling, BAT algorithm	NANSNetLarge, EfficientNetB7, EfficientNetV2L, EfficientNetV2S, EfficientNetV2M, XGBoost, AdaBoost, ET, HBGC, MLP	image	1224张H&E染色组织学图像，来自230名患者
1576	2025-05-27	Deep learning-based MRI reconstruction with Artificial Fourier Transform Network (AFTNet) 2025-Jun, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110224 PMID:40328027	研究论文	本文介绍了一种基于深度学习的MRI重建方法，使用人工傅里叶变换网络（AFTNet）	AFTNet结合了域流形学习和复数神经网络（CVNNs），直接在频域处理原始k空间数据，利用复数运算实现频域和图像域之间的映射	NA	解决图像逆问题，特别是加速磁共振成像（MRI）重建	k空间数据和图像域数据	计算机视觉	NA	深度学习	AFTNet（人工傅里叶变换网络）	k空间数据和图像数据	NA
1577	2025-05-27	Real-time brain tumour diagnoses using a novel lightweight deep learning model 2025-Jun, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110242 PMID:40334297	研究论文	本文提出了一种名为MK-YOLOv8的轻量级深度学习框架，用于实时检测和分类脑肿瘤的MRI图像	结合Ghost Convolution、C3Ghost模块和SPPELAN模块，提高了特征提取能力并显著降低了计算复杂度，同时增加了x-small物体检测层以提升小肿瘤检测精度	NA	开发高效的实时脑肿瘤诊断工具	脑肿瘤的MRI图像	计算机视觉	脑肿瘤	深度学习	MK-YOLOv8（基于YOLOv8架构）	MRI图像	3,064张MRI图像（FBT数据集）和801张图像（Br35H数据集）
1578	2025-05-27	Improving microsurgical suture training with automated phase recognition and skill assessment via deep learning 2025-Jun, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110238 PMID:40339525	research paper	本研究开发了一种基于深度学习的自动化方法，用于显微外科缝合中的阶段识别和技能评估	使用改进的LRCN模型进行显微外科视频的阶段分类和技能评估，并采用数据增强和跳跃窗口策略处理类别不平衡和代表性帧选择	在识别具有重叠视觉和时间特征的阶段时存在挑战	提高显微外科缝合训练的效果和技能评估的准确性	显微外科缝合视频	computer vision	NA	deep learning	LRCN	video	包含新手和专家外科医生的数据集
1579	2025-05-27	Review learning: Real world validation of privacy preserving continual learning across medical institutions 2025-Jun, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110239 PMID:40339524	研究论文	本文介绍了一种名为'复习学习'(RevL)的低成本持续学习算法，用于在隐私保护深度学习(PPDL)框架内使用电子健康记录(EHR)进行诊断预测	提出了'复习学习'(RevL)算法，通过生成数据样本来回顾先前数据集的知识，解决了深度学习中灾难性遗忘的问题	NA	解决隐私保护深度学习(PPDL)中由于顺序训练不同数据集导致的灾难性遗忘问题	电子健康记录(EHR)数据	机器学习	NA	持续学习算法	深度学习模型	电子健康记录(EHR)	模拟实验涉及六个机构，真实世界实验涉及三个医疗机构的106,508名患者数据
1580	2025-05-27	Efficient polyp detection algorithm based on deep learning 2025-Jun, Scandinavian journal of gastroenterology IF:1.6Q3 DOI:10.1080/00365521.2025.2503297 PMID:40358097	research paper	提出一种基于YOLOv10的轻量高效结肠息肉检测模型EP-YOLO，通过引入GBottleneck模块、轻量级GHead检测头和SE_SPPF模块等技术，提高了检测精度和效率	引入GBottleneck模块减少参数量并加速推理，设计轻量级GHead检测头和小目标检测层增强小目标识别能力，提出SE_SPPF模块提高息肉注意力并抑制背景噪声干扰，使用Wise-IoU损失函数优化梯度分布	仅在公开数据集上进行了验证，未提及在实际临床环境中的表现	提高结肠息肉检测的准确性和效率，降低结直肠癌发病率	结肠息肉	computer vision	colorectal cancer	deep learning	YOLOv10, EP-YOLO	image	7,681张图像(LDPolypVideo数据集)、1,000张图像(Kvasir-SEG数据集)、612张图像(CVC-ClinicDB数据集)