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
4221	2025-05-11	Biomechanical Risk Classification in Repetitive Lifting Using Multi-Sensor Electromyography Data, Revised National Institute for Occupational Safety and Health Lifting Equation, and Deep Learning 2025-Feb-01, Biosensors DOI:10.3390/bios15020084 PMID:39996986	研究论文	本研究通过结合多传感器肌电图数据、修订版NIOSH提升方程和深度学习技术，对重复性提升任务中的生物力学风险进行分类	整合可穿戴EMG传感器与深度学习模型，实现精确、实时和动态的风险评估，显著提升工作场所安全协议	研究样本量较小（25名参与者），可能影响模型的泛化能力	准确评估重复性提升任务的生物力学风险，以改善职业工效学和风险管理	25名参与者在执行重复性提升任务时的肌肉活动数据	机器学习	肌肉骨骼疾病	肌电图(EMG)	CNN, MLP, LSTM	时间序列肌电图数据	25名参与者，超过700万个数据点
4222	2025-05-11	Automated CT Measurement of Total Kidney Volume for Predicting Renal Function Decline after 177Lu Prostate-specific Membrane Antigen-I&T Radioligand Therapy 2025-Feb, Radiology IF:12.1Q1 DOI:10.1148/radiol.240427 PMID:39998377	research paper	该研究利用深度学习模型自动测量肾脏总体积（TKV），以预测接受177Lu-PSMA-I&T放射性配体治疗的转移性去势抵抗性前列腺癌患者的肾功能下降	首次将基于nnU-Net框架的深度学习分割模型TotalSegmentator应用于标准CT图像的TKV自动测量，并证明其优于早期eGFR变化在预测肾功能恶化方面的性能	研究为回顾性设计且样本量有限（121例患者），未评估长期肾功能结局	寻找预测转移性去势抵抗性前列腺癌患者接受Lu-PSMA-I&T治疗后肾功能显著恶化的生物标志物	接受至少4个周期177Lu-PSMA-I&T治疗的转移性去势抵抗性前列腺癌患者	digital pathology	prostate cancer	CT成像	nnU-Net框架的深度学习分割模型（TotalSegmentator）	医学影像（CT图像）	121例患者（平均年龄76±7岁）
4223	2025-05-11	Inherently imperfect, inherently evolving - The pursuit of precision through biomarkers 2025-Feb, Biomedical journal IF:4.1Q2 DOI:10.1016/j.bj.2025.100839 PMID:40015558	review	本期生物医学期刊特辑聚焦癌症生物标志物研究，探讨多种生物标志物在癌症检测和管理中的应用，并涵盖其他医学领域的研究进展	介绍了多种新型生物标志物（如cfDNA、粪便miRNA、EB病毒DNA等）在多种癌症中的应用，以及深度学习在创伤成像和心电图预测死亡率中的进展	文章为综述性质，未涉及具体实验设计和样本量的详细信息	探讨生物标志物在癌症检测和管理中的应用，以及医学其他领域的最新研究进展	多种癌症（结直肠癌、卵巢癌、鼻咽癌、肝细胞癌等）、mpox社会污名、miRNA研究、创伤成像、蛔虫感染、自身免疫性肝炎等	数字病理学	多种癌症（结直肠癌、卵巢癌、鼻咽癌、肝细胞癌等）	LC-MS、深度学习	深度学习模型	生物标志物数据、医学影像、心电图	NA
4224	2025-05-11	[Research Progress and Prospects of Minimally Invasive Surgical Instrument Segmentation Methods Based on Artificial Intelligence] 2025-Jan-30, Zhongguo yi liao qi xie za zhi = Chinese journal of medical instrumentation DOI:10.12455/j.issn.1671-7104.240436 PMID:39993977	review	本文综述了基于深度学习的微创手术器械分割方法，并探讨了其研究进展与前景	深入分析了训练算法的监督方法、网络结构改进和注意力机制，并探讨了基于Segment Anything Model的方法	深度学习方法对数据要求极高，当前数据增强方法仍需探索	提升微创内窥镜成像系统和手术视频分析系统的性能	微创手术器械的分割方法	computer vision	NA	深度学习	Segment Anything Model	image	NA
4225	2025-05-11	Impact of Deep Learning 3D CT Super-Resolution on AI-Based Pulmonary Nodule Characterization 2025-Jan-27, Tomography (Ann Arbor, Mich.) DOI:10.3390/tomography11020013 PMID:39997996	研究论文	本文提出了一种基于深度学习的超分辨率技术，用于从厚层CT图像生成薄层CT图像，以提高肺结节体积测量和分类的准确性	使用深度学习超分辨率技术从厚层CT生成薄层CT图像，显著提高了肺结节分类的准确性	未提及该方法在不同类型CT扫描仪或不同分辨率下的泛化能力	提高肺结节体积测量和分类的准确性，以改善肺癌筛查程序的诊断效果	肺结节的体积测量和分类	数字病理	肺癌	CT扫描	深度学习	CT图像	未明确提及具体样本数量
4226	2025-05-11	Improving spleen segmentation in ultrasound images using a hybrid deep learning framework 2025-01-11, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-85632-9 PMID:39799236	研究论文	本文介绍了一种用于超声图像中脾脏分割的新方法，采用两阶段训练方法	结合SegFormer和Pix2Pix的优势，提出了一种混合深度学习方法，显著提高了脾脏分割的准确性	NA	提高超声图像中脾脏分割的准确性	脾脏超声图像	计算机视觉	NA	深度学习	SegFormerB0和Pix2Pix	超声图像	450张脾脏超声图像（Spleenex数据集）
4227	2025-05-11	Multi-atlas multi-modality morphometry analysis of the South Texas Alzheimer's Disease Research Center postmortem repository 2025, NeuroImage. Clinical DOI:10.1016/j.nicl.2025.103752 PMID:39987858	研究论文	本文报告了针对南德克萨斯阿尔茨海默病研究中心尸检库进行的首次形态计量学分析	开发了专门用于处理尸检MRI序列的处理流程，并解决了尸检神经影像学中的多个挑战，如脑组织与固定液的分离、更新的脑图谱需求以及脑固定引起的组织对比度变化	区域脑容量在尸检扫描中难以测量	研究阿尔茨海默病及相关痴呆症的神经病理学过程	尸检脑组织样本	数字病理学	阿尔茨海默病	MRI	Deep Learning	MRI扫描图像	200个脑捐赠样本和100个经过整理的MRI扫描会话
4228	2025-05-11	Ventilator pressure prediction employing voting regressor with time series data of patient breaths 2025 Jan-Mar, Health informatics journal IF:2.2Q3 DOI:10.1177/14604582241295912 PMID:39988551	研究论文	本研究提出了一种新型混合呼吸机压力预测器（H-VPP），用于预测呼吸机呼吸回路中的气道压力	提出了一种新型混合呼吸机压力预测器（H-VPP），其性能优于其他机器学习和深度学习模型	未提及具体的研究样本量或数据集的详细信息	精确预测呼吸机压力，以减少因压力不当导致的患者风险	COVID-19患者使用的呼吸机	机器学习	COVID-19	投票回归器	H-VPP	时间序列数据	NA
4229	2025-05-11	Evaluation of stroke sequelae and rehabilitation effect on brain tumor by neuroimaging technique: A comparative study 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0317193 PMID:39992898	research paper	本研究通过深度学习技术评估中风后遗症及康复效果，特别关注脑损伤区域的精确识别与追踪	引入了基于深度学习的先进神经影像技术SWI-BITR-UNet模型，结合SWIN Transformer的局部感受野和移位机制，以及U-Net架构中的有效特征融合策略，提高了多模态MRI扫描中脑损伤区域分割的准确性	未提及具体局限性	克服传统方法在中风后遗症评估和康复效果监测中的局限性，提高脑损伤区域的精确识别与追踪	中风后遗症患者及脑损伤区域	digital pathology	stroke	neuroimaging technique, multimodal MRI scans	SWI-BITR-UNet, 3D CNN, SWIN Transformer, U-Net	3D medical imaging data	Bra2020数据集
4230	2025-05-11	Optimizing Bi-LSTM networks for improved lung cancer detection accuracy 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0316136 PMID:39992919	研究论文	本研究比较了手工特征提取和深度学习在肺癌诊断中的效果，并优化了Bi-LSTM网络以提高检测准确率	结合手工特征提取和深度学习（Bi-LSTM网络）的方法，显著提高了肺癌检测的准确率	未提及具体的数据来源和样本多样性，可能影响模型的泛化能力	提高肺癌早期检测的准确率，优化计算机辅助诊断系统	肺癌的医学图像特征	计算机视觉	肺癌	Gray Level Co-occurrence Matrix (GLCM)特征提取，支持向量机(SVM)，深度学习	Bi-LSTM, SVM	医学图像	NA
4231	2025-05-11	Trustworthy diagnosis of Electrocardiography signals based on out-of-distribution detection 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0317900 PMID:39999066	research paper	提出了一种基于分布外检测的心电图信号可信诊断方法	结合CNN和注意力机制增强特征提取，利用Energy和ReAct技术识别分布外心脏病，提高诊断可信度	未提及具体样本量外的其他潜在限制	提升心电图信号诊断的准确性和可信度，特别是对未知心脏病的识别	心电图信号	machine learning	cardiovascular disease	Energy and ReAct	CNN with Attention mechanisms	ECG signals	MIT-BIH Arrhythmia Database and INCART 12-lead Arrhythmia Database
4232	2025-05-11	Author name disambiguation based on heterogeneous graph neural network 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0310992 PMID:40009590	研究论文	本文提出了一种基于异构图注意力神经网络的作者姓名消歧方法，以提高论文作者分配的准确性	引入了异构图注意力神经网络，结合多注意力机制，改进了传统的层次聚类方法，能够自动确定最佳k值	未提及具体的数据集局限性或模型在其他数据集上的泛化能力	解决作者姓名消歧问题，提高论文作者分配的准确性和效率	学术论文作者	自然语言处理	NA	异构图注意力神经网络	GNN	文本	Aminer数据集
4233	2025-05-11	Untrained perceptual loss for image denoising of line-like structures in MR images 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0318992 PMID:40009630	研究论文	本研究探讨了在包含线状结构（如根或血管）的MR图像去噪中，使用未经训练的感知损失（uPL）的效果	将感知损失应用于3D数据，并通过比较未经训练网络的特征图来优化损失函数，展示了在多种噪声水平和网络架构下的优越性能	研究仅针对包含线状结构的MR图像，未涉及其他类型的图像或噪声	探索在MR图像去噪中，针对线状结构特性优化的损失函数的有效性	MR图像中的线状结构（如脑部血管和植物根部）	数字病理学	NA	深度学习	CNN	3D图像	536张植物根部MR图像和450张脑部血管MR图像（MRA）
4234	2025-05-11	Enhancing nnUNetv2 Training with Autoencoder Architecture for Improved Medical Image Segmentation 2025, Head and Neck Tumor Segmentation for MR-Guided Applications : First MICCAI Challenge, HNTS-MRG 2024, held in conjunction with MICCAI 2024, Marrakesh, Morocco, October 17, 2024, proceedings DOI:10.1007/978-3-031-83274-1_17 PMID:40337098	研究论文	本研究开发了一种基于nnUNetv2框架并结合自动编码器架构的新型深度学习模型，用于提高头颈癌MRI引导放疗图像中肿瘤体积的自动分割准确性	在nnUNetv2框架中引入自动编码器架构，将原始训练图像作为额外输入通道，并采用MSE损失函数以提高分割精度	研究仅针对头颈癌患者，样本量相对有限（150名训练患者和50名测试患者）	提高MRI引导放疗图像中肿瘤体积的自动分割准确性，优化放射肿瘤学临床工作流程	头颈癌患者的MRI引导放疗图像	数字病理学	头颈癌	MRI	nnUNetv2结合自动编码器	医学图像	150名训练患者和50名测试患者
4235	2025-05-10	AI-driven early diagnosis of specific mental disorders: a comprehensive study 2025-Dec, Cognitive neurodynamics IF:3.1Q2 DOI:10.1007/s11571-025-10253-x PMID:40330715	review	本文综述了人工智能技术在精神障碍早期诊断中的应用，包括机器学习和深度学习模型	研究展示了多种AI模型在精神障碍诊断中的高准确率，如LightGBM在焦虑和抑郁预测中达到96%准确率，XGBoost在自闭症谱系障碍分类中达到98%准确率	研究未提及模型在实际临床环境中的验证情况，也未讨论数据隐私和伦理问题	探索人工智能技术在精神障碍早期诊断中的应用潜力	双相情感障碍、精神分裂症、自闭症谱系障碍、抑郁症、自杀倾向和痴呆症等精神障碍	machine learning	mental disorder	EEG信号分析、文本分析、图像分析	XGBoost, LightGBM, RF, SVM, KNN, CNN, LSTM, GRU	survey, EEG信号, text, image	NA
4236	2025-05-10	Non-destructive origin and ginsenoside analysis of American ginseng via NIR and deep learning 2025-Jun-05, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2025.125913 PMID:39987608	研究论文	本研究开发了一种结合近红外光谱和多任务深度学习网络MMTDL的方法，用于无损分析西洋参的产地和人参皂苷含量	提出了一种混合多任务深度学习网络MMTDL，结合残差网络、注意力机制和混合头网络，用于同时进行西洋参的产地溯源和人参皂苷含量预测	样本量相对较小，仅包含150个样本，可能影响模型的泛化能力	开发一种无损方法，同时识别西洋参的产地并预测其人参皂苷含量	西洋参	深度学习	NA	近红外光谱（NIR）	MMTDL（混合多任务深度学习网络）	光谱数据	150个样本，来自四个不同产地
4237	2025-05-10	Automated Cone Beam Computed Tomography Segmentation of Multiple Impacted Teeth With or Without Association to Rare Diseases: Evaluation of Four Deep Learning-Based Methods 2025-Jun, Orthodontics & craniofacial research IF:2.4Q2 DOI:10.1111/ocr.12890 PMID:39744906	research paper	评估四种基于深度学习的自动牙齿分割方法在锥形束计算机断层扫描（CBCT）图像中的准确性	比较了三种商业化和一种开源的深度学习解决方案在牙齿分割中的表现，特别是在多颗阻生牙患者中的应用	研究样本量较小（20例CBCT扫描），且未来深度学习解决方案的性能无法基于当前结果预测	评估深度学习解决方案在自动牙齿分割中的准确性	多颗阻生牙患者的CBCT图像	digital pathology	dental disease	CBCT	DL (deep learning)	image	20例CBCT扫描（来自多颗阻生牙患者）
4238	2025-05-10	Deep Learning-Based Three-Dimensional Analysis Reveals Distinct Patterns of Condylar Remodelling After Orthognathic Surgery in Skeletal Class III Patients 2025-Jun, Orthodontics & craniofacial research IF:2.4Q2 DOI:10.1111/ocr.12895 PMID:39754473	研究论文	本研究利用深度学习技术对骨骼III类错颌畸形患者进行下颌髁突形态变化的自动化三维分析	采用深度学习算法自动化CBCT图像的方向调整、配准、骨分割和标志点识别，并通过体素叠加和形状对应分析髁突重塑模式	样本量较小（17例患者），且为回顾性研究	评估骨骼III类错颌畸形患者双颌正颌手术后下颌髁突的形态变化	17例骨骼III类错颌畸形患者（平均年龄24.8±3.5岁）	数字病理	骨骼III类错颌畸形	CBCT扫描、深度学习算法	深度学习算法	三维医学影像	17例患者的术前和术后12-18个月CBCT扫描数据
4239	2025-05-10	A breakthrough computational strategy for efficient enzymatic digestion of walnut protein to prepare antioxidant peptides 2025-Jun-01, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2025.143311 PMID:39970520	research paper	提出一种结合深度学习模型与虚拟消化的高效计算策略CAE-VD，用于制备具有特定活性的核桃蛋白抗氧化肽	首次将高精度深度学习模型（卷积自编码器，CAE）与虚拟消化（VD）相结合，指导酶的选择以高效制备天然生物活性肽（NBAPs）	研究仅针对核桃蛋白，未验证其他蛋白来源的适用性	开发高效计算策略以优化天然生物活性肽的酶法制备过程	核桃蛋白及其酶解产物	机器学习	NA	虚拟消化（VD）与深度学习建模	卷积自编码器（CAE）	肽序列数据与活性数据	未明确样本量（涉及核桃蛋白、碱性蛋白酶、胃蛋白酶和胰蛋白酶）
4240	2025-05-10	Specific glycomacropeptide detection via polyacrylamide gel electrophoresis with dual imaging and signal-fusion deep learning 2025-Jun-01, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2025.143293 PMID:39986063	研究论文	本文报告了一种结合双成像和信号融合深度学习的SDS-PAGE方法，用于牛奶样品中糖巨肽的特异性检测与分析	采用双成像（固有荧光成像和银染）生成互补检测信号，结合信号融合深度学习模型提高定量分析性能	NA	开发一种特异性、灵敏且简单的方法，用于检测和分析牛奶中的糖巨肽	牛奶样品中的糖巨肽（GMP）	机器视觉	NA	SDS-PAGE、固有荧光成像（IFI）、银染	信号融合深度学习模型	图像	NA