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
17421	2025-10-07	Self-Supervised Learning for Improved Optical Coherence Tomography Detection of Macular Telangiectasia Type 2 2024-Mar-01, JAMA ophthalmology IF:7.8Q1 DOI:10.1001/jamaophthalmol.2023.6454 PMID:38329740	研究论文	本研究开发了一种基于自监督学习的光学相干断层扫描图像分析方法，用于2型黄斑毛细血管扩张症的自动检测	采用自监督学习方法在有限标注数据条件下实现了罕见疾病的准确分类，使用Bootstrap Your Own Latent算法进行预训练	研究为回顾性研究，需要进一步研究验证方法的普适性	开发在有限标注数据条件下自动检测2型黄斑毛细血管扩张症的方法	2型黄斑毛细血管扩张症患者和非患者的OCT图像	计算机视觉	眼科疾病	光学相干断层扫描	CNN	图像	5200张OCT扫描图像，来自2549名患者（780名MacTel患者和1769名非MacTel患者）	NA	ResNet18, ResNet50	准确率, 灵敏度, 特异性, 阳性预测值, 阴性预测值, AUPRC, AUROC	NA
17422	2025-10-07	Estimating baselines of Raman spectra based on transformer and manually annotated data 2025-Apr-05, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2024.125679 PMID:39733708	研究论文	本研究提出了一种基于Transformer和人工标注数据的拉曼光谱基线估计方法	设计了专门针对拉曼光谱数据的一维Transformer模型，并通过人工标注的真实基线数据进行训练	需要大量人工参数调优来生成训练数据，且仅针对八种生物材料进行了验证	开发更准确和通用的拉曼光谱基线校正方法	八种不同生物材料的拉曼光谱数据	光谱分析	NA	拉曼光谱	Transformer, CNN	光谱数据	八种生物材料的拉曼光谱数据集	NA	1dTrans, ResUNet	平均绝对误差, 光谱角制图	NA
17423	2025-10-07	On the analysis of adapting deep learning methods to hyperspectral imaging. Use case for WEEE recycling and dataset 2025-Apr-05, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2024.125665 PMID:39746253	研究论文	本文评估了空间和光谱特征对高光谱图像分割深度学习架构的影响，并公开了Tecnalia WEEE高光谱数据集	系统分析光谱与空间信息组合对模型性能的影响，探索RGB预训练基础模型向高光谱领域的知识迁移	未开发专门整合光谱和空间信息的新型架构，RGB基础模型在高光谱领域表现不佳	评估不同空间和光谱特征对高光谱图像分割深度学习模型性能、能耗和推理时间的影响	废弃电子电气设备(WEEE)中的有色金属分选，包括铜、黄铜、铝、不锈钢和白铜	计算机视觉	NA	高光谱成像	深度学习	高光谱图像	Tecnalia WEEE高光谱数据集，包含多种有色金属样本	NA	基础模型	识别性能、能耗、推理时间	NA
17424	2025-10-07	Enhancing thin slice 3D T2-weighted prostate MRI with super-resolution deep learning reconstruction: Impact on image quality and PI-RADS assessment 2025-Apr, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2024.110308 PMID:39667642	研究论文	本研究评估了超分辨率深度学习重建技术在提升前列腺薄层3D T2加权MRI图像质量和PI-RADS评估一致性方面的效果	首次将超分辨率深度学习重建技术应用于前列腺薄层3D T2加权MRI，在不增加扫描时间的前提下提升图像质量	样本量较小（28例患者），且为单中心回顾性研究	评估超分辨率深度学习重建技术对前列腺MRI图像质量和PI-RADS评估的影响	前列腺MRI图像	医学影像分析	前列腺癌	MRI，超分辨率深度学习重建	深度学习模型	医学影像	28名男性患者（年龄范围47-88岁，平均70.8岁）	NA	超分辨率深度学习重建	对比度，对比噪声比，斜率，定性评分，kappa值	NA
17425	2025-10-07	A lightweight adaptive spatial channel attention efficient net B3 based generative adversarial network approach for MR image reconstruction from under sampled data 2025-Apr, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2024.110281 PMID:39672285	研究论文	提出一种基于轻量级自适应空间通道注意力EfficientNet B3的生成对抗网络方法，用于从欠采样k空间数据中快速重建高质量MR图像	结合自适应空间通道注意力机制与EfficientNet B3的轻量级GAN架构，在保持高性能的同时减少参数数量	未明确说明数据集的具体规模和多样性限制	加速磁共振成像采集过程并提高欠采样数据重建质量	磁共振图像重建	计算机视觉	NA	压缩感知MRI	GAN, U-net, ResNet	医学图像	NA	NA	EfficientNet B3, U-net, ResNet	多种评估指标	NA
17426	2025-10-07	Conditional generative diffusion deep learning for accelerated diffusion tensor and kurtosis imaging 2025-Apr, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2024.110309 PMID:39675686	研究论文	开发DiffDL生成式扩散概率模型，从减少的扩散加权图像生成高质量扩散张量和扩散峰度成像指标	首次将生成式扩散概率模型应用于扩散MRI加速成像，支持不确定性量化	计算需求较高，尚未在临床队列和标准MRI扫描仪上验证	解决扩散MRI数据采集时间过长的问题，同时保持指标准确性	扩散张量成像和扩散峰度成像指标	医学影像分析	NA	扩散加权成像，扩散张量成像，扩散峰度成像	扩散概率模型，UNet	医学影像数据	300个训练/验证对象，50个测试对象（来自人类连接组计划）	NA	UNet	归一化平均绝对误差，峰值信噪比，皮尔逊相关系数	NA
17427	2025-10-07	Predicting molecular subtypes of breast cancer based on multi-parametric MRI dataset using deep learning method 2025-Apr, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2024.110305 PMID:39681144	研究论文	开发基于多参数MRI和深度学习方法的乳腺癌分子亚型预测模型	使用五种MRI图像类型分别构建基础模型，并通过集成学习方法融合多参数MRI数据	回顾性研究，样本量相对有限（325例患者）	预测乳腺癌分子亚型	乳腺癌患者	医学影像分析	乳腺癌	多参数MRI成像	深度学习	医学影像	325例经病理证实的乳腺癌患者（训练集260例，测试集65例）	NA	ResNeXt50	准确率, 敏感度, 特异度, ROC曲线, AUC	NA
17428	2025-10-07	Reliability of post-contrast deep learning-based highly accelerated cardiac cine MRI for the assessment of ventricular function 2025-Apr, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2024.110313 PMID:39708928	研究论文	评估基于深度学习的超加速心脏电影MRI在对比剂注射前后对心室功能评估的可靠性	首次验证对比剂注射后深度学习加速心脏电影MRI与注射前在图像质量和心室功能定量评估方面的等效性	样本量较小（30例患者），仅在1.5T扫描器上验证	评估对比剂注射前后深度学习加速心脏电影MRI在心室功能评估中的等效性	30例接受心脏磁共振检查的患者（20名男性，平均年龄53.7±17.8岁）	医学影像分析	心血管疾病	心脏磁共振成像，深度学习加速采集	深度学习模型	心脏磁共振图像	30例患者	NA	NA	图像质量评分，双心室舒张末期容积，收缩末期容积，每搏输出量，射血分数，左心室质量	1.5T磁共振扫描器
17429	2025-10-07	Comparison of conventional diffusion-weighted imaging and multiplexed sensitivity-encoding combined with deep learning-based reconstruction in breast magnetic resonance imaging 2025-Apr, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2024.110316 PMID:39716684	研究论文	比较传统扩散加权成像与结合深度学习重建的多重灵敏度编码在乳腺磁共振成像中的表现	首次将深度学习重建技术应用于多重灵敏度编码的乳腺MRI图像重建	样本量相对较小（51名参与者），仅评估了短期数据（2023年6-12月）	评估MUSE结合深度学习重建在乳腺成像中的可行性	接受乳腺磁共振成像的女性参与者	医学影像分析	乳腺癌	扩散加权成像，多重灵敏度编码，深度学习重建	深度学习	磁共振图像	51名女性参与者	NA	NA	信噪比，对比噪声比，组内相关系数，表观扩散系数	NA
17430	2025-10-07	Application of MRI-based tumor heterogeneity analysis for identification and pathologic staging of breast phyllodes tumors 2025-Apr, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2025.110325 PMID:39788394	研究论文	本研究探讨基于MRI的影像组学和深度学习模型在乳腺叶状肿瘤识别与分类中的应用价值	融合传统影像组学特征、亚区影像组学特征和深度学习特征构建联合模型，在乳腺叶状肿瘤分类中取得最佳诊断效能	回顾性研究设计，样本量相对有限（77例患者）	探索MRI影像组学和深度学习在乳腺叶状肿瘤鉴别诊断和病理分期中的应用	经病理确诊的乳腺叶状肿瘤和纤维腺瘤患者	数字病理	乳腺癌	MRI成像	深度学习,随机森林,LASSO	医学影像	77例患者	NA	NA	AUC,ROC曲线,DeLong检验,决策曲线分析,校准曲线分析	NA
17431	2025-02-10	FDuDoCLNet: Fully dual-domain contrastive learning network for parallel MRI reconstruction 2025-Apr, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2025.110336 PMID:39864600	研究论文	本文提出了一种新的全双域对比学习网络（FDuDoCLNet），用于并行MRI重建，以解决现有深度学习方法在重建质量上的局限性	提出了基于变分网络（VarNet）的全双域对比学习网络（FDuDoCLNet），通过引入双域对比损失来优化重建性能，并在图像域和小波域中同时进行加速并行成像（PI）	现有重建网络很少考虑小波域中的多样化频率特征，且现有双域重建方法可能过于关注单一域的特征，导致重建图像中关键全局结构或局部细节的丢失	提高并行MRI重建的速度和质量	MRI图像	计算机视觉	NA	深度学习	FDuDoCLNet, VarNet	图像	fastMRI多线圈膝盖数据集	NA	NA	NA	NA
17432	2025-10-07	Decoding thoughts, encoding ethics: A narrative review of the BCI-AI revolution 2025-Mar-01, Brain research IF:2.7Q3 DOI:10.1016/j.brainres.2024.149423 PMID:39719191	综述	本文通过叙事性综述分析脑机接口与人工智能融合的机制、技术进展和伦理考量	系统评估了BCI-AI融合的最新进展，包括高密度电极阵列、深度学习解码器和自适应算法的突破性改进	叙事性综述可能存在选择偏倚，未进行定量meta分析	分析BCI与AI融合机制，评估信号采集处理技术进展，考察AI增强的神经解码策略	脑机接口与人工智能融合相关文献和技术	脑机接口,人工智能	NA	高密度电极阵列,深度学习解码,自适应算法,闭环优化框架	深度学习	神经信号数据	NA	NA	NA	空间分辨率,信息传输率,成功率,准确率,训练时间减少	NA
17433	2025-10-07	An AttSDNet model for multi-scale feature perception enhanced remote sensing classification of coastal salt-marsh wetlands 2025-Feb, Marine environmental research IF:3.0Q2 DOI:10.1016/j.marenvres.2024.106899 PMID:39673892	研究论文	提出一种融合注意力机制和多尺度特征提取的增强型U-Net模型，用于海岸带盐沼湿地遥感影像分类	结合堆叠空洞卷积扩展感受野和通道-空间注意力机制，增强模型对复杂湿地多尺度特征的学习能力	未明确说明模型计算复杂度及在更大尺度区域的泛化能力	提升海岸带湿地遥感影像分类精度，支持湿地生态保护与恢复	黄河三角洲和胶州湾海岸带湿地	计算机视觉	NA	卫星遥感	U-Net	光学遥感影像	Sentinel-2影像数据（具体数量未明确）	NA	U-Net, ResU-Net, SDU-Net, AttSDNet（改进型）	总体精度, MIoU	NA
17434	2025-10-07	Deep learning multi-classification of middle ear diseases using synthetic tympanic images 2025-Feb, Acta oto-laryngologica IF:1.2Q3 DOI:10.1080/00016489.2024.2448829 PMID:39797517	研究论文	本研究开发了一种基于深度学习的自动诊断系统，用于中耳疾病的多分类诊断	探索使用生成对抗网络(GANs)生成高质量合成鼓膜图像来增强训练数据集	合成图像与真实内窥镜图像结合训练未能显著提高诊断准确性	开发中耳疾病的自动诊断系统	鼓膜图像	计算机视觉	中耳疾病	内窥镜成像	CNN,GAN	图像	472张真实内窥镜图像和200张合成图像	TensorFlow/PyTorch	InceptionV3,StyleGAN3	诊断准确率	NA
17435	2025-10-07	Design and structure of overlapping regions in PCA via deep learning 2025-Jun, Synthetic and systems biotechnology IF:4.4Q1 DOI:10.1016/j.synbio.2024.12.007 PMID:39917768	研究论文	提出基于深度学习的重叠区域设计模型，用于提高聚合酶循环组装(PCA)合成DNA片段的成功率	首次利用深度学习从大规模合成数据中识别重叠区域的潜在序列表征，并开发SmartCut算法优化寡核苷酸设计	未明确说明模型对特定类型DNA序列的适用性限制	提高基因组合成中DNA片段合成的成功率和效率	DNA序列的重叠区域设计	机器学习	NA	聚合酶循环组装(PCA)	深度学习	DNA序列数据	大规模合成数据集	NA	NA	AUPR	NA
17436	2025-10-07	Deep Learning-Enhanced Accelerated 2D TSE and 3D Superresolution Dixon TSE for Rapid Comprehensive Knee Joint Assessment 2025-Mar-01, Investigative radiology IF:7.0Q1 DOI:10.1097/RLI.0000000000001118 PMID:39190787	研究论文	评估深度学习重建的4倍加速2D TSE协议和6倍加速2D Dixon TSE结合3D超分辨率重建在膝关节MRI中的图像质量与诊断性能	首次将深度学习重建技术与4倍加速2D TSE和6倍加速2D Dixon TSE结合3D超分辨率重建应用于膝关节MRI评估	3D SRR Dixon TSE协议在边缘锐度降低和伪影存在方面图像质量较差，对软骨、肌腱和骨骼的可视化受影响	开发快速全面的膝关节MRI评估方法	19名有症状的成年受试者的膝关节	医学影像分析	膝关节疾病	磁共振成像, 深度学习重建, 超分辨率重建, 并行成像, 同步多层采集	深度学习模型	MRI图像	19名受试者，共228次膝关节MRI扫描，包含21,204张图像	NA	NA	图像质量评分, 解剖结构可见性评分, 诊断置信度评分, Fleiss-Cohen kappa统计量	临床3T MRI扫描仪
17437	2025-10-07	EpiBrCan-Lite: A lightweight deep learning model for breast cancer subtype classification using epigenomic data 2025-Mar, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2024.108553 PMID:39667144	研究论文	提出一种轻量级深度学习模型EpiBrCan-Lite，用于基于DNA甲基化数据的乳腺癌亚型分类	通过将传统Transformer编码器中的MLP模块替换为GRU模块，显著减少可训练权重参数数量同时保持对输入特征长程依赖关系的捕捉能力	未提及模型在其他独立数据集上的验证结果	开发轻量级乳腺癌亚型分类模型以解决现有方法参数过多和性能不足的问题	乳腺癌亚型分类	机器学习	乳腺癌	DNA甲基化数据	Transformer, GRU	表观基因组数据	TCGA乳腺癌数据集	NA	TransGRU（改进的Transformer编码器）	准确率, 精确率, 召回率, F1分数, 假正率, 假负率	适用于低计算能力设备
17438	2025-10-07	Improving real-time detection of laryngeal lesions in endoscopic images using a decoupled super-resolution enhanced YOLO 2025-Mar, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2024.108539 PMID:39689500	研究论文	提出一种名为SRE-YOLO的深度学习方法，用于实时检测喉镜图像中的喉部病变	将超分辨率分支与YOLOv8n基线耦合训练并在推理时解耦，在保持实时性的同时提升小病变检测精度	NA	开发高效的深度学习决策支持系统，为经验不足的医务人员提供喉部病变实时检测辅助	喉部病变	计算机视觉	喉癌	白光内窥镜成像，窄带成像	YOLO	图像	多中心数据集，包含多种喉部病理和采集模式	NA	YOLOv8n	平均精度，推理速度	NA
17439	2025-10-07	Transferable automatic hematological cell classification: Overcoming data limitations with self-supervised learning 2025-Mar, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2024.108560 PMID:39693791	研究论文	本研究提出将自监督学习整合到血细胞分类流程中，以解决数据稀缺和模型泛化性差的问题	首次将自监督学习应用于血细胞分类，实现了骨髓和外周血细胞领域间的知识迁移，仅需少量标注样本即可高效适应新数据集	研究基于公开数据集，在实际临床环境中的验证仍需进一步研究	开发鲁棒可靠的血细胞自动分类系统，克服数据稀缺和模型泛化性限制	骨髓和外周血细胞图像	计算机视觉	血液系统疾病	自监督学习	深度学习	单细胞图像	四个公开血液学数据集（一个骨髓数据集和三个外周血数据集），每类仅需50个标注样本	NA	自监督学习特征提取器+轻量级机器学习分类器	平衡分类准确率	NA
17440	2025-10-07	Multimodal autism detection: Deep hybrid model with improved feature level fusion 2025-Mar, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2024.108492 PMID:39700689	研究论文	提出了一种基于深度学习的多模态自闭症检测模型，融合脑电图和面部图像特征	提出了改进的特征级融合方法和深度混合模型架构，结合CNN和Bi-GRU进行自闭症检测	NA	开发准确的自闭症检测模型以辅助早期诊断	自闭症谱系障碍患者	机器学习	自闭症谱系障碍	脑电图分析，图像处理	CNN, Bi-GRU, 混合模型	脑电图信号，面部图像	NA	NA	CNN, Bi-GRU	准确率	NA