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
1661	2025-04-07	DRExplainer: Quantifiable interpretability in drug response prediction with directed graph convolutional network 2025-May, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103101 PMID:40056540	研究论文	本文提出了一种新型可解释预测模型DRExplainer，用于预测癌细胞系对治疗药物的反应	利用有向图卷积网络在有向二分网络框架中增强预测，并引入可量化的模型解释方法	未提及具体样本量或实验范围的限制	提高药物反应预测的准确性和可解释性，以支持个性化医疗	癌细胞系和治疗药物	机器学习	癌症	多组学分析	有向图卷积网络	多组学数据、药物化学结构、已知药物反应数据	NA
1662	2025-04-07	Deep learning based estimation of heart surface potentials 2025-May, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103093 PMID:40073713	研究论文	本研究开发了一种基于深度学习的框架，仅从体表电位估计心脏表面电位，旨在简化心电图成像(ECGI)的临床应用	提出了一种新的深度学习框架，无需依赖CT/MRI几何信息，仅通过体表电位即可估计心脏表面电位，并设计了适用于2.5D数据的改进Pix2Pix网络和定制损失函数	样本量相对较小(40例)，且未明确说明模型在不同心脏疾病中的泛化能力	开发无需CT/MRI的ECGI替代方案，降低临床应用门槛	健康受试者和特发性心室颤动患者的心脏电活动	数字病理	心血管疾病	深度学习	改进的Pix2Pix网络(2.5D数据处理)	2D体表电位图(BSPMs)和2D心脏表面电位图(HSPMs)带时序信息	40例(11名健康受试者+29名特发性心室颤动患者)
1663	2025-04-07	Histopathology image classification based on semantic correlation clustering domain adaptation 2025-May, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103110 PMID:40107119	研究论文	提出一种基于语义相关性聚类的无监督域适应方法，用于组织病理学图像分类	利用动物模型的组织病理学图像数据集实现人类全切片图像（WSI）的分类识别，通过多尺度融合特征和语义相关性聚类实现跨域知识迁移	依赖于动物模型数据集，可能无法完全覆盖人类WSI的多样性	提高组织病理学图像分类的准确性，减少对人类WSI标注的依赖	动物模型的组织病理学图像和人类全切片图像（WSI）	数字病理学	癌症	无监督域适应方法	深度学习模型	图像	NA
1664	2025-04-07	Deep learning method for malaria parasite evaluation from microscopic blood smear 2025-May, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103114 PMID:40107120	系统性综述	本文系统综述了当前用于疟疾诊断中自动化分析疟原虫属的方法，特别关注计算机辅助方法	识别了三类最适合疟疾数字诊断的机器学习模型，并讨论了提高模型准确性的预处理和后处理技术	数据标准化和实际应用中的挑战仍未解决	评估自动化疟疾诊断方法的现状及其在提高诊断准确性和减少人为错误方面的潜力	疟原虫属的自动化分析方法和诊断模型	数字病理学	疟疾	深度学习、机器学习	ResNet、VGG、CNN、CADx	显微镜血液涂片图像	2020年至2024年间的同行评议和已发表研究
1665	2025-04-07	Unlocking new frontiers in epilepsy through AI: From seizure prediction to personalized medicine 2025-May, Epilepsy & behavior : E&B IF:2.3Q2 DOI:10.1016/j.yebeh.2025.110327 PMID:40043598	综述	本文探讨了人工智能在癫痫护理中的革命性作用，包括癫痫发作预测、诊断精确性提升和个性化治疗	利用机器学习和深度学习技术改进癫痫监测、自动化EEG分析并促进个性化治疗策略	模型准确性、可解释性以及在不同患者群体中的适用性仍存在挑战	探索人工智能在癫痫护理中的潜在变革及其有效实施的多学科举措	癫痫患者	机器学习	癫痫	机器学习和深度学习	NA	EEG数据	NA
1666	2025-04-07	Open-source deep-learning models for segmentation of normal structures for prostatic and gynecological high-dose-rate brachytherapy: Comparison of architectures 2025-Apr-05, Journal of applied clinical medical physics IF:2.0Q3 DOI:10.1002/acm2.70089 PMID:40186596	research paper	该研究比较了两种UNet衍生架构（UNet++和nnU-Net）在前列腺和妇科高剂量率（HDR）近距离放射治疗计划中自动分割风险器官（OARs）的性能	研究比较了两种UNet衍生架构在HDR近距离放射治疗计划中的性能，并选择了计算硬件需求较低的UNet++模型用于临床常规使用	研究仅针对前列腺和妇科HDR近距离放射治疗计划中的膀胱和直肠分割，未涵盖其他器官或治疗类型	实现和评估用于前列腺和妇科CT引导的HDR近距离放射治疗计划中的自动风险器官分割模型	前列腺和妇科HDR近距离放射治疗患者的CT扫描和分割文件	digital pathology	prostate cancer	CT扫描	UNet++, nnU-Net	image	1316 CT scans from 1105 patients for training, 100 CT scans from 62 patients for testing
1667	2025-04-07	A deep learning model for multiclass tooth segmentation on cone-beam computed tomography scans 2025-Apr-05, American journal of orthodontics and dentofacial orthopedics : official publication of the American Association of Orthodontists, its constituent societies, and the American Board of Orthodontics IF:2.7Q1 DOI:10.1016/j.ajodo.2025.02.014 PMID:40186597	研究论文	开发并验证了一种深度学习算法，用于从锥形束计算机断层扫描中自动创建人类牙齿的三维表面模型	提出了一种用于多类牙齿分割的深度学习模型，验证了人工智能在牙科影像分析中的有效性	NA	开发自动化的牙齿分割技术以提高牙科影像分析的精确度	人类牙齿	计算机视觉	NA	锥形束计算机断层扫描	深度学习	医学影像	210例扫描（140例训练集，40例验证集，30例测试集）
1668	2025-04-07	Classification of ocular surface diseases: Deep learning for distinguishing ocular surface squamous neoplasia from pterygium 2025-Apr-05, Graefe's archive for clinical and experimental ophthalmology = Albrecht von Graefes Archiv fur klinische und experimentelle Ophthalmologie DOI:10.1007/s00417-025-06804-x PMID:40186633	研究论文	本研究开发了一种深度学习模型，用于区分眼表鳞状上皮瘤（OSSN）和翼状胬肉（PTG）的裂隙灯照片	首次使用深度学习模型自动分割和分类OSSN与PTG的裂隙灯照片，并展示了较高的准确率	样本量相对较小（162例患者），且未提及模型在其他数据集上的泛化能力	开发一种能够准确区分OSSN和PTG的深度学习模型	眼表鳞状上皮瘤（OSSN）和翼状胬肉（PTG）患者	计算机视觉	眼科疾病	深度学习	EfficientNet B7, GoogleNet	图像	162例患者（77例OSSN，85例PTG）
1669	2025-04-07	Deep learning-based denoising image reconstruction of body magnetic resonance imaging in children 2025-Apr-05, Pediatric radiology IF:2.1Q2 DOI:10.1007/s00247-025-06230-5 PMID:40186652	research paper	本研究评估了基于深度学习的去噪图像重建技术在儿童身体磁共振成像（MRI）中的应用效果	首次在儿童身体MRI中应用深度学习技术进行图像去噪和重建，显著提高了图像质量和扫描速度	非呼吸门控的T1加权图像显示出更明显的呼吸运动伪影	评估深度学习重建技术在儿童身体MRI中的图像质量	21名儿童（中位年龄7岁）的胸腹部MRI图像	digital pathology	NA	radial k-space sampling, PROPELLER序列	DL-based	MRI图像	21名儿童（年龄范围1.5-15.8岁）
1670	2025-04-07	A magnetic resonance image-based deep learning radiomics nomogram for hepatocyte cytokeratin 7 expression: application to predict cholestasis progression in children with pancreaticobiliary maljunction 2025-Apr-05, Pediatric radiology IF:2.1Q2 DOI:10.1007/s00247-025-06225-2 PMID:40186654	research paper	开发了一种基于磁共振图像的深度学习放射组学列线图，用于预测胰胆管合流异常儿童胆汁淤积进展	首次利用深度学习放射组学列线图非侵入性评估肝细胞CK7状态，并预测胆汁淤积进展	研究样本量较小（180例），且为回顾性研究	开发非侵入性方法评估胰胆管合流异常患者的肝细胞CK7状态及胆汁淤积进展	胰胆管合流异常儿童患者	digital pathology	pancreaticobiliary maljunction	MRI, immunohistochemical analysis	ResNet50	image	180例胰胆管合流异常患者（训练集144例，验证集36例）
1671	2025-04-07	Parametric-MAA: fast, object-centric avoidance of metal artifacts for intraoperative CBCT 2025-Apr-05, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-025-03348-7 PMID:40186717	research paper	提出了一种新型参数化金属伪影避免方法（P-MAA），用于快速优化锥束CT（CBCT）成像中的轨迹，以减少金属伪影	通过深度学习模型检测关键点，将临床相关物体建模为椭球体，提出了一种计算高效的轨迹评分方法，显著提高了速度	未明确说明方法在极端复杂情况下的表现，以及是否适用于所有类型的金属植入物	解决锥束CT成像中金属伪影的问题，提高图像质量	骨科和创伤应用中的金属植入物及其周围的临床相关区域	医学影像处理	骨科疾病	深度学习，椭球体建模	深度学习模型	图像	模拟和真实临床数据
1672	2025-04-07	Deep learning-based estimation of respiration-induced deformation from surface motion: A proof-of-concept study on 4D thoracic image synthesis 2025-Apr-05, Medical physics IF:3.2Q1 DOI:10.1002/mp.17804 PMID:40186879	研究论文	提出一种非患者特定的级联集成模型（CEM），用于从表面运动估计呼吸引起的胸部组织变形	提出了一种不需要患者特定呼吸数据采样和额外训练的级联集成模型（CEM），用于估计胸部组织变形	研究仅基于模拟的表面运动和有限的4D-CT数据集进行验证	开发一种方法以减少4D-CT采集中的辐射暴露，同时保持图像质量	胸部组织变形和4D-CT图像合成	医学影像分析	胸部疾病	深度学习	级联集成模型（CEM）	4D-CT图像	62个私有4D-CT数据集和80个公共4D-CT数据集
1673	2025-04-07	Deep learning assisted detection and segmentation of uterine fibroids using multi-orientation magnetic resonance imaging 2025-Apr-05, Abdominal radiology (New York) DOI:10.1007/s00261-025-04934-8 PMID:40188260	research paper	开发深度学习模型用于自动化检测和分割子宫肌瘤的多方位MRI图像	基于三维nnU-Net框架构建的模型，在子宫肌瘤的检测和分割中表现出色，特别是在临床相关病例中	未提及模型在小样本或不同类型肌瘤上的泛化能力	开发自动化检测和分割子宫肌瘤的深度学习模型	子宫肌瘤患者的多方位MRI图像	digital pathology	uterine fibroids	MRI	nnU-Net	image	内部数据集299名患者（训练集239名，内部测试集60名），外部数据集45名患者
1674	2025-04-07	Deep learning-based uncertainty quantification for quality assurance in hepatobiliary imaging-based techniques 2025-Apr-04, Oncotarget DOI:10.18632/oncotarget.28709 PMID:40184325	评论	本文探讨了基于深度学习的肝胆影像技术中的不确定性量化方法，以提高诊断准确性和可靠性	介绍了Anisotropic Hybrid Network (AHUNet)这一现代架构，结合2D成像和3D体积数据，通过创新卷积方法提升肝胆影像分析	未提及具体实验数据或样本量，可能缺乏实证支持	提高肝胆影像技术的质量保证和诊断准确性	肝胆影像技术，特别是肿瘤学条件和癌前病变的早期检测	医学影像分析	肝胆肿瘤	深度学习	AHUNet	2D成像和3D体积数据	NA
1675	2025-04-07	MIST: An interpretable and flexible deep learning framework for single-T cell transcriptome and receptor analysis 2025-Apr-04, Science advances IF:11.7Q1 DOI:10.1126/sciadv.adr7134 PMID:40184452	研究论文	介绍了一个名为MIST的深度学习框架，用于单T细胞转录组和受体分析，具有可解释性和灵活性	MIST框架通过三个潜在空间（基因表达、TCR和联合潜在空间）实现转录组和TCR数据的向量化和整合，解析细胞功能和抗原特异性	NA	深入T细胞免疫功能研究	单T细胞的转录组和T细胞受体（TCR）特征	机器学习	肺癌	单细胞转录组分析	深度学习框架	转录组和TCR数据	涉及抗原特异性T细胞、肺癌免疫治疗和COVID19相关的T细胞数据集
1676	2025-04-07	Reparameterization Lightweight Residual Network for Super-Resolution of Brain MR Images 2025-Apr-04, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/adc935 PMID:40185120	研究论文	提出一种轻量级的超分辨率模型，用于提高脑部MR图像的分辨率和清晰度	结合BSRN主干网络和结构重参数化技术，实现轻量化和高效的超分辨率重建	未提及模型在更大规模或多样化数据集上的泛化能力	开发适用于医学图像处理的轻量级超分辨率技术	脑部MR图像	计算机视觉	NA	深度学习	BSRN与结构重参数化结合的轻量级网络	医学图像（脑部MR）	IXI数据集（具体数量未提及）
1677	2025-04-07	Uncertainty-aware quantitative CT evaluation of emphysema and mortality risk from variable radiation dose images 2025-Apr-04, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-11525-0 PMID:40185924	研究论文	开发了一种自动化方法，用于联合且一致地评估肺气肿和死亡风险，并提供数据和模型不确定性的量化	使用多任务贝叶斯神经网络（BNN）联合评估肺气肿和死亡风险，并量化数据和模型不确定性	研究仅基于COPDGene研究的数据，可能不适用于其他人群	开发一种对成像协议更具鲁棒性的CT评估方法，用于肺气肿和死亡风险的量化	COPDGene研究中接受全剂量和减剂量胸部CT扫描的参与者	数字病理学	慢性阻塞性肺疾病（COPD）	胸部CT扫描	贝叶斯神经网络（BNN）	图像	1350名参与者（平均年龄64.4岁±8.7；659名女性）
1678	2025-04-07	Evaluation of a deep learning segmentation tool to help detect spinal cord lesions from combined T2 and STIR acquisitions in people with multiple sclerosis 2025-Apr-04, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-11541-0 PMID:40185925	research paper	开发并评估了一种深度学习模型，用于从T2和STIR序列中检测多发性硬化症患者的脊髓病变	首次开发了一种结合T2和STIR序列的深度学习工具，用于辅助临床医生检测多发性硬化症患者的脊髓病变	样本量较小（50名患者），且未显示工具在提高精确度方面的显著效果	评估深度学习模型在辅助检测多发性硬化症患者脊髓病变中的效果	多发性硬化症患者的脊髓MRI图像	digital pathology	multiple sclerosis	MRI (T2 and STIR sequences)	DL (deep learning)	image	50名患者（39名女性，中位年龄41岁）
1679	2025-04-07	Deep learning model for detecting cystoid fluid collections on optical coherence tomography in X-linked retinoschisis patients 2025-Apr-04, Acta ophthalmologica IF:3.0Q1 DOI:10.1111/aos.17495 PMID:40186400	research paper	本文验证了一种深度学习框架，用于在X连锁视网膜劈裂症患者的SD-OCT图像中检测和量化囊样液体聚集	开发了一种基于no-new-U-Net的深度学习模型，用于自动分割和量化X连锁视网膜劈裂症患者的囊样液体聚集	深度学习模型存在系统性高估的问题，需要未来进一步优化	验证深度学习模型在X连锁视网膜劈裂症患者SD-OCT图像中检测和量化囊样液体聚集的有效性	X连锁视网膜劈裂症患者的SD-OCT图像	digital pathology	X-linked retinoschisis	spectral-domain optical coherence tomography (SD-OCT)	no-new-U-Net	image	112 OCT volumes (70训练, 42内部测试), 37 SD-OCT scans (20患者)
1680	2025-04-07	A novel deep learning-based floating garbage detection approach and its effectiveness evaluation in environmentally sustainable development 2025-Apr-04, Journal of environmental management IF:8.0Q1 DOI:10.1016/j.jenvman.2025.125154 PMID:40186972	研究论文	提出了一种基于YOLOv8的高效经济深度学习解决方案，用于水面漂浮垃圾的检测与收集	通过改进YOLOv8的主干网络、引入Wise-Powerful IoU损失函数和添加AuxHead检测头，有效压缩了复杂环境因素的负面影响，提高了检测精度	NA	提高水面聚集漂浮垃圾的检测效率和收集率，促进水生态系统的保护与恢复	水面聚集的漂浮垃圾	计算机视觉	NA	深度学习	YOLOv8	图像	NA