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
18101	2025-10-07	Establishment and evaluation of a deep learning-based tooth wear severity grading system using intraoral photographs 2025-Jan, Journal of dental sciences IF:3.4Q1 DOI:10.1016/j.jds.2024.05.013 PMID:39873059	研究论文	本研究开发了一种基于深度学习的牙齿磨损严重程度分级系统，使用口腔内照片自动诊断牙齿磨损程度	结合Mask R-CNN与U-Net和SGE注意力机制进行牙齿分割，并采用带掩码机制的视觉Transformer模型进行牙齿磨损分级	样本量相对有限（388张口腔照片），不同磨损等级间的F1分数存在差异（特别是3级磨损仅为0.82）	开发自动诊断牙齿磨损程度的AI系统	牙齿磨损程度	计算机视觉	牙齿磨损	深度学习	Mask R-CNN, Vision Transformer	图像	388张口腔内照片，分割后得到2774张单个牙齿图像	NA	Mask R-CNN, U-Net, Vision Transformer	准确率, 精确率, 召回率, F1分数	NA
18102	2025-10-07	Deep learning system for the differential diagnosis of oral mucosal lesions through clinical photographic imaging 2025-Jan, Journal of dental sciences IF:3.4Q1 DOI:10.1016/j.jds.2024.10.019 PMID:39873061	研究论文	开发基于卷积神经网络的深度学习系统，通过临床摄影图像对口腔黏膜病变进行鉴别诊断	能够将口腔溃疡及相关病变的临床照片分类为五种不同诊断，而现有深度学习系统通常仅关注鉴别诊断的有限方面	数据集规模小且不平衡	开发能够辅助临床医生进行准确鉴别诊断的CNN诊断模型	口腔黏膜病变的临床摄影图像	计算机视觉	口腔黏膜病变	临床摄影成像	CNN	图像	506张图像，涵盖五种不同诊断	NA	包含卷积层、批量归一化层、最大池化层、dropout层和全连接层的自定义架构	加权精确率, 加权召回率, 加权F1分数, 平均特异性, Cohen's Kappa系数, 归一化混淆矩阵, AUC	NA
18103	2025-10-07	Towards automated recipe genre classification using semi-supervised learning 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0317697 PMID:39874282	研究论文	本研究提出了一个包含200万条标注食谱的3A2M+数据集，并开发了自动化食谱分类方法	扩展了命名实体识别列表以解决食谱方向中缺失的命名实体，并构建了大规模标注食谱数据集	未明确说明模型在未见数据上的泛化能力	开发自动化食谱分类方法以解决在线食谱分类挑战	烹饪食谱	自然语言处理	NA	命名实体识别(NER)	传统机器学习,深度学习,预训练语言模型	文本	200万条烹饪食谱	NA	NA	准确率	NA
18104	2025-10-07	Identification of diabetic retinopathy lesions in fundus images by integrating CNN and vision mamba models 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0318264 PMID:39874303	研究论文	提出一种结合CNN和视觉Mamba模型的深度学习模型，用于准确识别和分类眼底图像中的糖尿病视网膜病变病变	首次将卷积神经网络与视觉Mamba模型相结合，利用双向状态空间方法和位置嵌入技术实现视觉数据的定位敏感性和全局关系建模	仅使用公开可用数据集进行验证，未说明模型在临床环境中的实际应用效果	开发自动识别和分类糖尿病视网膜病变病变的深度学习模型	眼底图像中的糖尿病视网膜病变病变	计算机视觉	糖尿病视网膜病变	深度学习	CNN, Vision Mamba	眼底图像	公开可用数据集（未指定具体数量）	NA	CNN, Vision Mamba	与最先进算法比较的实证结果	NA
18105	2025-10-07	AI-guided virtual biopsy: Automated differentiation of cerebral gliomas from other benign and malignant MRI findings using deep learning 2025 Jan-Dec, Neuro-oncology advances IF:3.7Q2 DOI:10.1093/noajnl/vdae225 PMID:39877747	研究论文	开发基于深度学习的自动化算法，通过MRI影像无创区分脑胶质瘤与其他颅内病变	首次提出AI引导的虚拟活检概念，实现胶质瘤与多种颅内病变的自动鉴别	样本量相对有限，需要更大规模的外部验证	开发非侵入性算法准确区分脑胶质瘤与其他颅内病理改变	1280名患有各种颅内病变的患者，包括胶质瘤、脑转移瘤、炎症病变、脑出血和脑膜瘤	医学影像分析	脑胶质瘤	MRI影像分析，放射组学特征提取	XGBoost	医学影像（MRI）	1280名患者，包含218例胶质瘤、514例脑转移瘤、366例炎症病变、99例脑出血和83例脑膜瘤	NA	NA	AUC（曲线下面积）	NA
18106	2025-10-07	Generalizable deep learning approach for 3D particle imaging using holographic microscopy (HM) 2024-Dec-30, Optics express IF:3.2Q2 DOI:10.1364/OE.535207 PMID:39876127	研究论文	提出一种基于深度学习的通用化三维粒子成像方法，用于全息显微镜分析	利用人类对粒子衍射图案纵向变化的感知特性开发深度学习架构，实现了处理速度数量级提升和高度通用化的三维粒子分析	仅使用简单粒子的少量合成和真实全息图进行训练	开发通用化的三维粒子成像分析方法	全息显微镜中的粒子	计算机视觉	NA	全息显微镜	深度学习	全息图像	少量合成和真实全息图	NA	NA	处理速度，通用性	NA
18107	2025-10-07	Qualitative identification of passive Fourier transform infrared spectra via an attention mechanism based deep learning approach 2024-Dec-30, Optics express IF:3.2Q2 DOI:10.1364/OE.543450 PMID:39876146	研究论文	提出一种基于注意力机制的深度学习模型，用于被动傅里叶变换红外光谱的定性识别	首次将Transformer自注意力神经网络与协同注意力机制结合用于气体识别，实现联合特征学习与融合	未明确说明模型在极端弱信号条件下的性能极限	提高被动傅里叶变换红外光谱在复杂背景干扰下的气体识别精度	空气中的化学污染物气体	机器学习	NA	被动傅里叶变换红外光谱	Transformer	光谱数据	NA	NA	Transformer, 协同注意力机制	NA	NA
18108	2025-10-07	Mobile-friendly under-sampling single-pixel imaging based on a lightweight hybrid CNN-ViT architecture 2024-Dec-30, Optics express IF:3.2Q2 DOI:10.1364/OE.546375 PMID:39876166	研究论文	提出一种基于轻量级CNN-ViT混合架构的移动友好型欠采样单像素成像方法	提出移动ViT模块降低传统ViT计算成本，并结合CNN设计轻量级混合模型，同时提出适用于深度学习SPI的通用差分三元调制模式方案	NA	开发适用于移动设备的单像素成像重建方法	单像素成像系统	计算机视觉	NA	单像素成像	CNN, ViT	图像	NA	NA	CNN-ViT混合架构	成像质量, 内存消耗, 计算负担	移动设备
18109	2025-10-07	Three-stage training strategy phase unwrapping method for high speckle noises 2024-Dec-30, Optics express IF:3.2Q2 DOI:10.1364/OE.544968 PMID:39876182	研究论文	提出一种三阶段多任务相位展开方法，用于高散斑噪声条件下的相位恢复	提出三阶段训练策略和基于卷积的多尺度空间注意力模块，有效降低空间不一致噪声的干扰	仅使用模拟数据进行测试，未在真实实验数据上验证	提高高噪声条件下相位展开的测量精度	含噪声的包裹相位数据	计算机视觉	NA	相位展开技术	CNN	相位图像数据	不同噪声水平的模拟数据	NA	UNet, DeepLabV3+	噪声鲁棒性, 相位恢复精度	NA
18110	2025-10-07	OAM-basis underwater single-pixel imaging based on deep learning at a low sampling rate 2024-Dec-30, Optics express IF:3.2Q2 DOI:10.1364/OE.543358 PMID:39876191	研究论文	提出一种基于轨道角动量基和深度学习的低采样率水下单像素成像方法	首次将轨道角动量基采样方案与双注意力残差U-Net生成对抗网络相结合用于水下单像素成像	NA	解决水下环境中低采样率和高浊度条件下的成像挑战	水下目标图像	计算机视觉	NA	单像素成像	GAN	图像	NA	NA	双注意力残差U-Net生成对抗网络(DARU-GAN)	NA	NA
18111	2025-10-07	A Deep Learning Framework for Automated Classification and Archiving of Orthodontic Diagnostic Documents 2024-Dec, Cureus DOI:10.7759/cureus.76530 PMID:39877794	研究论文	提出基于卷积神经网络的深度学习框架，用于自动化正畸诊断图像的分类和归档	采用带有注意力模块的顺序分类方法，结合Grad-CAM可视化验证模型对临床相关特征的关注	研究仅聚焦于图像分类任务，尚未实现完整的诊断和治疗规划自动化	开发AI驱动的自动化正畸诊断图像分类和归档系统	正畸诊断图像	计算机视觉	口腔正畸	深度学习	CNN	图像	61,842张训练图像和13,729张外部验证图像，来自三家牙科诊所，涵盖13个类别	NA	ResNet50, InceptionV3, 带注意力模块的自定义模型	准确率	NA
18112	2025-10-07	A deep learning model for carotid plaques detection based on CTA images: a two stepwise early-stage clinical validation study 2024, Frontiers in neurology IF:2.7Q3 DOI:10.3389/fneur.2024.1480792 PMID:39871993	研究论文	开发基于CTA图像的深度学习模型用于颈动脉斑块检测，并进行两步早期临床验证研究	结合ResUNet与金字塔场景解析网络(PSPNet)增强斑块分割，采用两步早期临床验证研究模拟真实临床诊断场景	回顾性单中心研究，样本量相对有限	开发颈动脉斑块检测的深度学习模型并评估其临床应用可行性和价值	颈动脉粥样硬化斑块患者	计算机视觉	心血管疾病	CTA成像	深度学习	医学图像	647例患者(训练集475例，验证集86例，测试集86例)	NA	ResUNet,PSPNet	召回率,敏感度,精确度	NA
18113	2025-10-07	Deep learning-enabled exploration of global spectral features for photosynthetic capacity estimation 2024, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2024.1499875 PMID:39872203	研究论文	提出一种基于注意力机制和植被指数计算的深度学习模型，用于挖掘全球光谱特征以准确估算光合作用能力	开发具有增强可解释性的深度学习模型，能够发现最优植被指数形式并优于传统方法	NA	准确估算光合作用能力	植物光合作用能力	机器学习	NA	光谱分析	深度学习	光谱数据	NA	NA	注意力机制	决定系数(R), 均方根误差(RMSE)	NA
18114	2025-10-07	Contrastive learning with transformer for adverse endpoint prediction in patients on DAPT post-coronary stent implantation 2024, Frontiers in cardiovascular medicine IF:2.8Q2 DOI:10.3389/fcvm.2024.1460354 PMID:39872877	研究论文	提出一种基于对比学习和Transformer的模型，用于预测冠状动脉支架植入术后接受双抗血小板治疗患者的不良事件风险	首次将对比学习与Transformer架构结合用于DAPT不良事件预测，通过最大化类内相似性和区分类间差异优化预测性能	使用回顾性真实世界数据，可能存在选择偏倚；模型性能需在前瞻性研究中进一步验证	提高冠状动脉支架植入术后患者双抗血小板治疗不良事件的预测准确性	接受药物洗脱支架植入的成年患者	医疗人工智能	心血管疾病	深度学习	Transformer, 自编码器, 对比学习	临床电子健康记录	19,713名成年患者	NA	Transformer, 自编码器	时间依赖性一致性指数(Ctd-index)	NA
18115	2025-10-07	Deep learning-based motion tracking using ultrasound images 2021-Dec, Medical physics IF:3.2Q1 DOI:10.1002/mp.15321 PMID:34724712	研究论文	本研究开发了一种基于深度学习的超声图像运动跟踪方法，用于放射治疗中的实时运动跟踪	提出了一种基于生成对抗网络的马尔可夫式网络结构，能够从序列超声图像中提取特征并估计变形矢量场	研究仅使用了公开数据集进行验证，未在真实临床环境中进行大规模测试	开发用于放射治疗中实时运动跟踪的深度学习算法	超声图像序列中的解剖标志点运动	计算机视觉	肿瘤治疗	超声成像	GAN	2D和3D超声图像序列	CLUST数据集：63个2D序列（42名受试者）和22个3D序列（18名受试者）；CAMUS数据集：450名患者的2D超声图像	NA	马尔可夫式网络	跟踪误差	NA
18116	2025-10-07	Fully automated segmentation of brain tumor from multiparametric MRI using 3D context deep supervised U-Net 2021-Aug, Medical physics IF:3.2Q1 DOI:10.1002/mp.15032 PMID:34101845	研究论文	开发基于3D上下文深度监督U-Net的全自动脑肿瘤分割方法	提出上下文块聚合多尺度上下文信息，扩大卷积神经网络的有效感受野	NA	实现脑肿瘤MR图像的自动分割	脑肿瘤亚区域	医学图像分析	脑肿瘤	多参数MRI	CNN	MR图像	BraTS 2020训练数据集（五折交叉验证）和测试数据集	NA	U-Net	Dice相似系数, Hausdorff距离, Bland-Altman图, Pearson分析	NA
18117	2025-10-07	High through-plane resolution CT imaging with self-supervised deep learning 2021-07-14, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ac0684 PMID:34049297	研究论文	提出一种自监督深度学习工作流程，用于合成高平面分辨率CT图像	该工作流程是自监督的，不依赖真实CT图像训练网络，并证实了平面内高分辨率信息可以指导平面间高分辨率生成的假设	研究中仅针对头颈癌和肺癌患者的CT图像进行了验证，样本量相对有限	提高放射治疗计划中CT图像的平面分辨率	头颈癌患者和肺癌患者的CT图像	医学影像处理	头颈癌, 肺癌	CT成像	深度学习	CT图像	75例头颈癌患者（1mm层厚）和20例肺癌患者（3mm层厚）的200张CT图像	NA	NA	平均绝对误差, 边缘保持指数, 结构相似性指数, 信息保真度准则, 像素域视觉信息保真度	NA
18118	2025-10-07	Learning-based dose prediction for pancreatic stereotactic body radiation therapy using dual pyramid adversarial network 2021-06-21, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ac0856 PMID:34087807	研究论文	本研究开发了一种基于双金字塔对抗网络的深度学习模型，用于胰腺癌立体定向放射治疗剂量预测	提出了结合CT特征金字塔网络、轮廓特征金字塔网络、晚期融合网络和对抗网络的新型双金字塔网络架构	研究样本量相对有限，仅包含50例患者数据	探索深度学习在胰腺癌立体定向放射治疗剂量预测任务中的可行性	胰腺癌患者立体定向放射治疗计划	医学影像分析	胰腺癌	立体定向放射治疗(SBRT)	深度学习	CT影像和轮廓数据	50例患者(30例用于交叉验证，20例用于保留测试)	NA	双金字塔网络(DPN), 3D U-Net	平均绝对误差, 梯度差异误差, 直方图匹配, 对抗损失, 剂量体积参数, 配对t检验, 相关系数	NA
18119	2025-10-07	Head and neck multi-organ segmentation on dual-energy CT using dual pyramid convolutional neural networks 2021-05-20, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/abfce2 PMID:33915524	研究论文	提出一种基于双金字塔卷积神经网络的头颈部双能CT多器官自动分割方法	采用双金字塔网络分别学习低能和高能CT特征，通过深度注意力机制融合特征，并在Mask R-CNN框架中集成掩码评分子网络以建立器官类别与分割形状的关联	对小尺寸低对比度器官（如视交叉、耳蜗等）的分割性能仍有提升空间（DSC 0.5-0.8）	开发头颈部双能CT的自动多器官分割方法	头颈部癌症患者的19个器官	计算机视觉	头颈部癌症	双能CT	CNN, R-CNN	CT图像	127名头颈部癌症患者（66名训练，61名测试）	PyTorch, TensorFlow	Mask R-CNN, 双金字塔卷积神经网络	Dice相似系数, 95% Hausdorff距离	NA
18120	2025-10-07	Synthetic dual-energy CT for MRI-only based proton therapy treatment planning using label-GAN 2021-03-09, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/abe736 PMID:33596558	研究论文	本研究提出一种基于标签生成对抗网络的深度学习模型，从MRI生成合成双能CT用于质子治疗计划中的阻止本领比计算	提出新型标签生成对抗网络模型，不仅能判别合成双能CT的真实性，还能区分双能CT中的高能和低能CT，更准确地建模两者间的对比度差异	研究仅基于57例头颈癌患者数据验证，样本量相对有限	开发MRI-only质子治疗计划方法，通过生成合成双能CT来准确计算阻止本领比	头颈癌患者的双能CT和MRI影像数据	医学影像分析	头颈癌	双能CT, MRI	GAN	医学影像	57例头颈癌患者的双能CT和MRI配对数据	NA	标签生成对抗网络	平均绝对误差, 归一化平均绝对误差	NA