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
10541	2025-10-06	Optimizing dental implant identification using deep learning leveraging artificial data 2025-01-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-87579-3 PMID:39880861	研究论文	本研究评估了通过将人工生成的牙科植入物图像整合到深度学习过程中来提升全景X射线图像中牙科植入物分类性能的潜力	利用三维扫描技术创建植入物表面模型并生成人工X射线图像，通过结合真实和人工图像优化分类模型性能	仅针对10种牙科植入物类型进行研究，样本多样性有限	优化牙科植入物识别性能	牙科植入物	计算机视觉	NA	三维扫描，X射线成像	CNN	X射线图像	7,946张体内牙科植入物图像加上人工生成图像	NA	ResNet50	准确率	NA
10542	2025-10-06	Optimized sequential model for superior classification of plant disease 2025-01-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-86427-8 PMID:39880879	研究论文	本研究开发了一种优化的序列模型，用于植物病害的准确分类	使用卷积神经网络自主学习和提取复杂特征，相比传统机器学习方法实现了96%的更高准确率	研究仅限于芒果和花生的叶片病害，未涵盖其他作物或更广泛的病害类型	提高植物病害检测的准确性和效率，支持大规模农业管理	芒果和花生叶片	计算机视觉	植物病害	图像处理	CNN	图像	马哈拉施特拉邦西部实地采集的叶片样本和在线数据集	NA	卷积神经网络	准确率	NA
10543	2025-10-06	A deep learning analysis for dual healthcare system users and risk of opioid use disorder 2025-01-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-77602-4 PMID:39881142	研究论文	本研究使用深度学习和可解释人工智能分析双系统医疗使用者与阿片类药物使用障碍风险之间的关系	首次探索双系统使用与人口统计学和临床因素对阿片类药物使用障碍风险的交互作用	回顾性研究设计，数据仅限于华盛顿特区和巴尔的摩VA医疗中心	研究双系统医疗使用对阿片类药物使用障碍风险的影响及影响因素交互作用	856,299例来自VA医疗中心的患者实例	医疗健康分析	阿片类药物使用障碍	自然语言处理，ICD-9/10诊断编码	深度神经网络	临床记录文本，诊断编码	856,299例患者实例，其中146,688例(17%)确诊阿片类药物使用障碍	NA	深度神经网络	AUC 78%	NA
10544	2025-10-06	Deep Learning-Based Algorithm for Staging Secondary Caries in Bitewings 2025, Caries research IF:2.9Q1 DOI:10.1159/000542289 PMID:39471790	研究论文	开发基于深度学习的算法用于咬翼片中继发龋的检测和分期	采用创新性的病变严重程度连续评估方法，首次将Mask R-CNN与Swin Transformer结合用于继发龋分期	灵敏度值相对较低（所有病变0.737，牙本质病变0.808），样本仅来自荷兰牙科诊所网络	开发用于咬翼片中继发龋检测和分期的深度学习算法	来自383名15-88岁患者的413张咬翼片中的2,612颗修复牙齿	计算机视觉	龋齿	牙科影像分析	CNN	影像	413张咬翼片，2,612颗修复牙齿，383名患者	PyTorch	Mask R-CNN, Swin Transformer	特异性, 灵敏度, ROC曲线下面积, Pearson相关系数, Bland-Altman图	NA
10545	2025-10-06	AADNet: An End-to-End Deep Learning Model for Auditory Attention Decoding 2025, IEEE transactions on neural systems and rehabilitation engineering : a publication of the IEEE Engineering in Medicine and Biology Society IF:4.8Q1 DOI:10.1109/TNSRE.2025.3587637 PMID:40633040	研究论文	提出了一种名为AADNet的端到端深度学习模型，用于解决多说话者环境中的听觉注意解码问题	将传统的两阶段AAD方法整合为端到端的直接方法，显著提高了模型性能和对未见受试者的泛化能力	NA	开发更有效的听觉注意解码方法，用于神经导向听力设备	脑电图信号和语音信号	机器学习	NA	脑电图	深度学习神经网络	脑电图信号，语音信号	三个不同的数据集	NA	AADNet	分类准确率	NA
10546	2025-10-06	Finger drawing on smartphone screens enables early Parkinson's disease detection through hybrid 1D-CNN and BiGRU deep learning architecture 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0327733 PMID:40658696	研究论文	开发混合深度学习模型通过智能手机屏幕手指绘图检测早期帕金森病	提出结合一维卷积神经网络和双向门控循环单元的混合架构，仅需消费者级智能手机和徒手交互即可实现帕金森病检测，区别于依赖临床评分量表、神经影像或基于触控笔的现有方法	样本量相对较小（58名参与者），仅针对早期特发性帕金森病患者	通过分析智能手机屏幕上手指绘图的运动数据实现早期帕金森病检测	28名早期特发性帕金森病患者和30名年龄匹配的健康对照者	机器学习	帕金森病	智能手机运动数据采集	1D-CNN, BiGRU	运动数据（手指触摸坐标、瞬时移动速度、时间戳）	58名参与者（28名患者，30名对照）	NA	混合1D-CNN和双向GRU架构	准确率, 灵敏度, 特异性, 置信区间	NA
10547	2025-10-06	Sustainable deep vision systems for date fruit quality assessment using attention-enhanced deep learning models 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1521508 PMID:40661755	研究论文	提出一种结合DenseNet121和SE注意力机制的新方法，用于椰枣果实图像分类和质量评估	在传统DenseNet模型中集成SE注意力模块，增强关键图像特征表示能力	NA	开发可持续的深度视觉系统，实现水果质量自动评估	椰枣果实图像	计算机视觉	NA	图像分类	CNN	图像	NA	NA	DenseNet121, SE Attention, YOLOv8n	准确率, 精确率, 召回率, F1分数	NA
10548	2025-10-06	Assessment of prostate cancer aggressiveness through the combined analysis of prostate MRI and 2.5D deep learning models 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1539537 PMID:40661774	研究论文	本研究开发了一种基于前列腺MRI和2.5D深度学习模型的联合分析方法，用于评估前列腺癌的侵袭性	结合放射组学特征和深度学习特征构建联合模型，并采用2.5D深度学习架构分析多层面MRI图像	单中心研究，样本量相对有限（335例患者），需要外部验证	评估基于前列腺MRI的2.5D深度学习模型在前列腺癌侵袭性评估中的有效性	335例经病理证实的前列腺癌患者	医学影像分析	前列腺癌	双参数MRI（T2加权成像、扩散加权成像、表观扩散系数扫描）	2.5D深度学习, LightGBM	医学影像	335例前列腺癌患者（266例侵袭性，69例非侵袭性）	LightGBM, pyradiomics, ITK-SNAP	Inception_v3	AUC, 敏感性, 特异性	NA
10549	2025-10-06	Shared subspace learning via partial Tucker decomposition for hyperspectral image classification 2025-Dec-15, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2025.126584 PMID:40580669	研究论文	提出一种基于张量的分类框架SSTC，通过部分Tucker分解学习共享子空间，用于高光谱图像分类	采用部分Tucker分解保留高光谱数据的多维结构，学习跨样本共享的空间和光谱子空间	未明确说明样本量的具体限制和计算资源需求	开发高效的高光谱图像分类方法，应用于食品质量评估	李子皮下瘀伤检测和芒果成熟度分类	计算机视觉	NA	高光谱成像	张量分解	高光谱图像	NA	NA	部分Tucker分解	分类准确率	NA
10550	2025-10-06	Quantitative Analysis of Deltamethrin Residues in Water Using Surface-Enhanced Raman Spectroscopy 2025-Dec-15, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2025.126545 PMID:40614471	研究论文	本研究创新性地结合表面增强拉曼光谱与增强深度神经网络，提出了一种高灵敏度、高准确度的溴氰菊酯定量分析方法	通过引入门控循环单元和注意力机制增强传统CNN模型结构，构建CNN-GRU-Attention混合神经网络，在多维特征注意力聚焦和时间依赖性建模方面实现突破	NA	开发高灵敏度、高准确度的溴氰菊酯农药残留定量检测方法	水中的溴氰菊酯农药残留	机器学习	NA	表面增强拉曼光谱	CNN,GRU,Attention机制	光谱数据	NA	NA	CNN-GRU-Attention混合神经网络	相关系数R,均方根误差RMSE	NA
10551	2025-10-06	Learning discrete structures for cancer radiomics 2025-Sep, APL bioengineering IF:6.6Q1 DOI:10.1063/5.0260927 PMID:40655195	研究论文	提出一种通过学习离散图像图结构来改进癌症影像组学特征提取的新方法	开发了能够同时学习任务特定图像关系和优化特征的Image-Graph神经网络，解决了传统方法忽略图像间潜在关系的问题	未明确说明方法在更广泛数据集上的泛化能力以及计算复杂度分析	改进癌症影像组学中的特征提取方法，通过利用图像间潜在关系提升诊断性能	来自五家不同医院的四个真实癌症影像数据集	医学影像分析	癌症	影像组学	图神经网络	医学影像	四个来自五家医院的真实数据集	NA	Image-Graph based neural Network	AUC	NA
10552	2025-10-06	Learning-Based Classification of B- and T-Cell Lymphoma on Histopathological Images: A Multicenter Study 2025-Aug, European journal of haematology IF:2.3Q2 DOI:10.1111/ejh.14433 PMID:40360162	研究论文	本研究首次探索使用深度学习模型在组织病理学图像上对B细胞和T细胞淋巴瘤进行分类	首次在组织病理学图像上部署深度学习模型进行B细胞和T细胞淋巴瘤分类的可行性研究，并集成了卷积块注意力模块(CBAMs)	样本量相对有限(1510个切片)，仅针对B细胞和T细胞淋巴瘤两大分类	开发基于深度学习的淋巴瘤分类方法以改善诊断工作流程	B细胞和T细胞淋巴瘤的组织病理学图像	数字病理学	淋巴瘤	H&E染色	CNN	图像	1510个H&E染色切片(750个B细胞淋巴瘤，760个T细胞淋巴瘤)	NA	Xception, NASNetL, ResNet50, EfficientNet	准确率, 精确率, 召回率	NA
10553	2025-10-06	Large-scale deep learning for metastasis detection in pathology reports 2025-Aug, JAMIA open IF:2.5Q3 DOI:10.1093/jamiaopen/ooaf070 PMID:40655537	研究论文	开发用于从病理报告中检测转移癌的大规模深度学习模型	针对特定任务从头训练的深度学习架构在性能上优于通用大语言模型，并整合了不确定性量化机制	NA	开发能够从非结构化病理报告中自动检测转移癌患者的算法	来自4个SEER登记处的60471份非结构化病理报告	自然语言处理	转移癌	深度学习	深度神经网络,LLM	文本	60471份病理报告	NA	任务特定深度神经网络	召回率	NA
10554	2025-10-06	Explainable CT-based deep learning model for predicting hematoma expansion including intraventricular hemorrhage growth 2025-Jul-18, iScience IF:4.6Q1 DOI:10.1016/j.isci.2025.112888 PMID:40655092	研究论文	开发用于预测血肿扩大的可解释深度学习模型HENet，包括脑室内出血增长	提出首个整合修订版血肿扩展定义和常规定义的3D深度学习模型，并采用Grad-CAM技术提供可视化解释	回顾性研究设计，样本量相对有限（718例患者）	预测脑出血患者的血肿扩展情况以改善临床预后	脑出血患者	医学影像分析	脑出血	CT扫描	深度学习	CT影像, 临床数据	718例脑出血患者，来自三家医院	NA	HENet	AUC, 净重分类指数, 综合判别指数	NA
10555	2025-10-06	ComptoNet: a Compton-map guided deep learning framework for multi-scatter estimation in multi-source stationary CT 2025-Jul-16, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/adebd7 PMID:40609598	研究论文	提出ComptoNet框架，通过结合康普顿散射物理与深度学习解决多源静态CT中的多重散射估计问题	创新性地引入康普顿图表示扫描视场外的大角度康普顿散射信号，并采用双网络架构分别处理交叉散射和前向散射	基于蒙特卡罗模拟数据验证，尚未在真实临床数据上测试	解决多源静态CT中缺乏抗散射栅格导致的严重散射污染问题	多源静态CT系统中的散射信号	医学影像处理	NA	蒙特卡罗模拟，CT成像	条件编码器-解码器网络，频率U-Net	CT投影数据，康普顿图	多个测试体模	NA	U-Net	平均绝对百分比误差	NA
10556	2025-10-06	18F-FDG PET-based liver segmentation using deep-learning 2025-Jul-15, Physical and engineering sciences in medicine IF:2.4Q2 DOI:10.1007/s13246-025-01595-1 PMID:40665198	研究论文	本研究开发了一种基于深度学习的方法，仅使用18F-FDG PET图像进行全肝脏分割	首次探索仅使用F-FDG PET图像进行器官分割的深度学习方法，避免了传统CT或MRI图像的对准问题和伪影	样本量相对较小（120例患者），需要进一步验证在更大数据集上的泛化能力	开发基于深度学习的肝脏自动分割方法	120例接受18F-FDG PET评估的患者	医学影像分析	肝脏疾病	18F-FDG PET成像	CNN	三维PET图像	120例患者（100例训练，20例测试）	nnUNet	3D U-Net	IoU, Dice系数, 肝脏体积, SUVmean, SUVmax, SNR	NA
10557	2025-10-06	Diagnosing pathologic myopia by identifying morphologic patterns using ultra widefield images with deep learning 2025-Jul-13, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-025-01849-y PMID:40653573	研究论文	本研究通过深度学习识别超广角图像中的形态学模式来诊断病理性近视	提出RealMNet轻量级框架，通过识别具有临床意义的形态学模式（后巩膜葡萄肿和近视性黄斑病变）来诊断病理性近视，提高了临床可解释性	NA	诊断病理性近视并识别具有临床意义的形态学模式	病理性近视患者的超广角视网膜图像	计算机视觉	眼科疾病	超广角成像	深度学习	图像	大规模多源PSMM数据集	NA	RealMNet	F1分数,mAP,AUROC	NA
10558	2025-10-06	Computational exploration of global venoms for antimicrobial discovery with Venomics artificial intelligence 2025-Jul-12, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-60051-6 PMID:40645962	研究论文	本研究利用人工智能技术从全球毒液数据库中挖掘新型抗菌肽	首次结合大规模毒液组学数据与深度学习技术，从16,123种毒液蛋白中生成并筛选出结构功能新颖的抗菌肽	研究主要聚焦于计算预测和体外验证，临床前研究仅在小鼠模型中完成	开发新型抗生素以应对耐药菌感染	革兰氏阴性菌（特别是鲍曼不动杆菌）	生物信息学	细菌感染	深度学习，毒液组学分析	深度学习	蛋白质序列数据	16,123种毒液蛋白，生成40,626,260个毒液加密肽，筛选386个候选肽，实验验证58个肽	NA	NA	抗菌活性评估，细菌负荷减少量	NA
10559	2025-10-06	Highly adaptable deep-learning platform for automated detection and analysis of vesicle exocytosis 2025-Jul-12, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-61579-3 PMID:40651941	研究论文	开发了一种用于自动检测和分析囊泡胞吐的深度学习平台IVEA	首个高度适应性强的囊泡胞吐自动分析平台，包含三个专用模块，可检测罕见事件且速度比人工分析快约60倍	NA	开发自动化的囊泡胞吐分析工具以替代劳动密集型的人工分析	荧光标记的囊泡融合事件和其他爆发式活动	计算机视觉	NA	活细胞成像，荧光标记	深度学习	图像	NA	ImageJ	NA	速度，准确度	NA
10560	2025-10-06	Multimodal deep learning for cephalometric landmark detection and treatment prediction 2025-Jul-12, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-06229-w PMID:40651957	研究论文	提出一种多模态深度学习框架DeepFuse，集成头影侧位片、CBCT体积数据和数字牙科模型信息，同时进行头影测量标志点检测和治疗结果预测	首次提出结合多种影像模态的多模态深度学习框架，通过注意力引导融合机制和双任务解码器利用不同成像技术的互补信息	NA	提高正畸和颌面外科中头影测量分析的准确性和治疗结果预测的精度	头影测量标志点检测和治疗结果预测	计算机视觉	颌面疾病	多模态深度学习	深度学习	头影侧位片、CBCT体积数据、数字牙科模型	三个临床数据集	NA	模态特定编码器、注意力引导融合机制、双任务解码器	平均径向误差、临床可接受率、准确率	NA