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
1341	2025-07-24	A modular deep learning pipeline for enhanced plane-wave beamforming and B-mode image quality 2025-Aug, Medical physics IF:3.2Q1 DOI:10.1002/mp.17948 PMID:40698752	研究论文	本文介绍了一种模块化的深度学习管道，用于增强平面波波束成形和B模式图像质量	提出了一种模块化的波束成形管道，通过多注意力U-Net模型和超分辨率模型，显著提升了图像质量	需要同时管理两个模型，增加了复杂性	提升平面波超声成像的图像质量和对比度	平面波超声成像中的图像质量	医学影像处理	NA	深度学习	多注意力U-Net, 超分辨率模型	超声图像	模拟数据、实验数据和体内数据（来自PICMUS数据集）
1342	2025-07-24	Self-Assembly MXene/PDA@Cotton Fabric Pressure Sensor Integrated with Deep Learning for Sign Language Recognition 2025-Jul-23, ACS applied materials & interfaces IF:8.3Q1 DOI:10.1021/acsami.5c08568 PMID:40643219	研究论文	开发了一种基于MXene/PDA@棉织物的多功能可穿戴压力传感器，结合深度学习技术实现手语识别	采用双氢键自组装策略修饰纬编棉织物，开发出具有宽线性检测范围、高灵敏度和快速响应/恢复时间的压力传感器，并成功应用于手语识别	未提及样本量或具体测试人数	开发智能纺织品用于人机交互和医疗康复训练	MXene/PDA@棉织物压力传感器及其在手语识别中的应用	智能纺织品	NA	双氢键自组装策略	深度学习	压力信号	NA
1343	2025-07-24	Deep Learning-Assisted Inverse Design of Transparent Absorbers Based on Ionic Liquids Using Mixture Density Networks 2025-Jul-23, ACS applied materials & interfaces IF:8.3Q1 DOI:10.1021/acsami.5c08242 PMID:40643426	研究论文	本研究提出了一种基于混合密度网络（MDN）的逆向设计方法，用于设计基于多种离子液体的透明波吸收器	采用混合密度网络架构，将离子液体类型和层特定结构参数作为设计变量，快速预测满足特定条件的设计变量，并提供多种可行的结构配置	NA	逆向设计透明波吸收器，以实现完美吸收带宽的设计目标	基于多种离子液体的透明波吸收器	机器学习	NA	混合密度网络（MDN）	MDN	NA	NA
1344	2025-07-24	Hybrid deep learning model for image de-noising and de-mosaicking with adaptive Gannet optimization algorithm 2025-Jul-23, Network (Bristol, England) DOI:10.1080/0954898X.2025.2529299 PMID:40697071	研究论文	本文提出了一种结合E-GAN和AG_DenseResNet的混合深度学习模型，用于图像去噪和去马赛克，以提高图像重建质量	采用E-GAN进行图像去噪，并引入基于自适应Gannet优化的AG_DenseResNet进行去马赛克，结合两种技术提升图像重建效果	仅在公开的Kodak数据集上进行了评估，未在其他数据集或实际应用场景中验证	提升图像重建质量，解决噪声和马赛克伪影问题	图像数据	计算机视觉	NA	E-GAN, AG_DenseResNet	GAN, DenseNet	图像	公开的Kodak数据集
1345	2025-07-24	Machine learning-driven inverse design of puncture needles with tailored mechanics 2025-Jul-23, Minimally invasive therapy & allied technologies : MITAT : official journal of the Society for Minimally Invasive Therapy IF:1.7Q2 DOI:10.1080/13645706.2025.2537927 PMID:40698677	research paper	该研究提出了一种基于机器学习的逆向设计方法，用于实现穿刺针机械行为的精确定制	结合机器学习和有限元分析，开发了一个快速逆向设计框架，能够直接从目标穿刺力-穿透深度曲线生成最佳结构参数	NA	实现穿刺针机械行为的精确定制，推动精准医疗技术的发展	穿刺针的结构设计和机械行为	machine learning	NA	finite element analysis, deep learning	deep learning neural network	simulation data	large-scale finite element simulation data
1346	2025-07-24	Just-in-Time DNP Book Club: An Inclusive Immersion Experience 2025-Jul-23, Nursing education perspectives IF:0.9Q3 DOI:10.1097/01.NEP.0000000000001448 PMID:40699031	研究论文	介绍了一个为护理实践博士项目设计的即时虚拟读书俱乐部，旨在促进学生深度学习和实践应用	通过即时虚拟读书俱乐部形式，将非小说类书籍内容与高级护理实践原则相结合，促进学生深度学习	活动为无计划反应性活动，可能缺乏系统性和长期效果评估	探索虚拟读书俱乐部在护理实践博士教育中的应用效果	护理实践博士项目的学生和教师	护理教育	NA	虚拟讨论和独立阅读结合	NA	文本（书籍内容和学生反思）	未明确说明具体学生和教师人数
1347	2025-07-24	Thin-Slice Brain CT Image Quality and Lesion Detection Evaluation in Deep Learning Reconstruction Algorithm 2025-Jul-23, Clinical neuroradiology IF:2.4Q2 DOI:10.1007/s00062-025-01542-3 PMID:40699306	研究论文	本研究评估了基于AI的精确图像（PI）算法在脑部成像中的表现，比较了PI、迭代重建（IR）和滤波反投影（FBP）在1.0毫米薄层脑CT图像中的图像质量和病灶检测能力	首次在1.0毫米薄层脑CT图像中比较了深度学习方法（PI）与传统方法（IR和FBP）的性能，并展示了PI在降低图像噪声和提高病灶检测率方面的优势	研究样本量较小（60名患者），且主要针对低密度腔隙性梗死病灶，可能限制了结果的普遍性	评估和比较不同重建算法在脑部CT图像质量和病灶检测方面的表现	脑部非增强CT扫描图像	数字病理	脑血管疾病	CT扫描	深度学习重建算法（PI）	医学影像	60名患者（29名男性，31名女性，平均年龄65.47岁），其中39名有病灶
1348	2025-07-24	Integrating radiology and histology via co-attention deep learning for predicting progression-free survival in patients with metastatic prostate cancer 2025-Jul-22, Chinese medical journal IF:7.5Q1 DOI:10.1097/CM9.0000000000003697 PMID:40693634	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1349	2025-07-24	Research Progress in Artificial Intelligence for Central Serous Chorioretinopathy: A Systematic Review 2025-Jul-22, Ophthalmology and therapy IF:2.6Q2 DOI:10.1007/s40123-025-01209-9 PMID:40694226	review	本文综述了人工智能在中心性浆液性脉络膜视网膜病变（CSCR）中的应用进展，分析了挑战并概述了未来研究方向	从疾病分类发展到动态预后预测，利用多模态数据融合提高诊断准确性，并引入可解释AI（XAI）增强模型透明度和临床适用性	单中心数据依赖、观察者间标注差异、静态框架无法捕捉动态病变进展	指导个性化诊断和治疗策略	中心性浆液性脉络膜视网膜病变（CSCR）	digital pathology	geriatric disease	多模态数据融合（OCT、OCTA、FFA）	deep learning, neural networks	image	73项原创研究（来自698条记录）
1350	2025-07-24	Supervised versus unsupervised GAN for pseudo-CT synthesis in brain MR-guided radiotherapy 2025-Jul-22, Physical and engineering sciences in medicine IF:2.4Q2 DOI:10.1007/s13246-025-01606-1 PMID:40694229	研究论文	本研究比较了监督式（Pix2Pix）和无监督式（CycleGAN）两种深度学习方法在从T1和T2加权MR序列生成伪CT（pCT）图像中的表现	首次系统比较了监督式和无监督式生成对抗网络在MR到CT图像合成中的性能差异，并验证了其临床可行性	研究仅基于3270对图像数据，可能无法涵盖所有临床场景；未评估其他类型MR序列的适用性	评估不同深度学习方法在MR-only放射治疗计划中生成伪CT图像的性能差异	T1和T2加权MR图像与对应CT图像的配对数据	数字病理	脑肿瘤	深度学习图像合成	Pix2Pix, CycleGAN	医学影像（MRI和CT）	3270对配对的T1/T2加权MRI与CT图像
1351	2025-07-24	Area detection improves the person-based performance of a deep learning system for classifying the presence of carotid artery calcifications on panoramic radiographs 2025-Jul-22, Oral radiology IF:1.6Q3 DOI:10.1007/s11282-025-00843-0 PMID:40694246	research paper	本研究探讨了深度学习系统在全景X光片上诊断颈动脉钙化的效果，比较了两种不同区域检测功能的深度学习系统的性能	引入了区域检测功能（前置或同步）的深度学习系统，显著提高了在全景X光片上分类颈动脉钙化的基于个体的性能	未发现系统2和系统3之间的显著差异，可能限制了进一步优化的方向	提高在全景X光片上诊断颈动脉钙化的准确性和效率	290名患者（有颈动脉钙化）和290名对照者（无颈动脉钙化）的全景X光片	digital pathology	cardiovascular disease	deep learning	CNN (GoogLeNet and YOLOv7)	image	580 panoramic radiographs from 580 participants (290 patients and 290 controls)
1352	2025-07-24	Integrated modeling approach for assessing sustainable concrete incorporating waste glass powder: a finite element and deep learning perspective 2025-Jul-22, Environmental science and pollution research international DOI:10.1007/s11356-025-36767-9 PMID:40694313	研究论文	本研究提出了一种结合有限元方法(FEM)和深度学习(DL)的模型，用于评估掺入废玻璃粉(WGP)作为传统胶凝材料部分替代品的混凝土的结构和力学性能	创新性地将FEM和DL相结合，评估WGP在混凝土中的性能，并通过CNN模型预测抗压强度，准确率超过92%	未提及模型在其他类型废料或不同环境条件下的适用性	评估废玻璃粉作为混凝土可持续替代材料的性能，优化配合比设计	掺废玻璃粉的混凝土	建筑材料工程	NA	有限元分析(FEM), 深度学习(DL)	CNN	材料性能数据, 力学测试数据	未明确说明具体样本数量，但包含实验验证
1353	2025-07-24	EICSeg: Universal Medical Image Segmentation via Explicit In-Context Learning 2025-Jul-22, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3591565 PMID:40694460	研究论文	提出了一种名为EICSeg的通用医学图像分割框架，通过显式上下文学习（E-ICL）实现跨任务、解剖结构、标签和模态的泛化	首次将上下文学习的核心交互机制重新定义为显式检索过程（E-ICL），并整合互补的视觉基础模型（VFMs）构建端到端框架	与任务专用模型相比仍存在10.8%的性能差距	解决医学图像分割模型在新任务上的泛化问题	多模态医学图像数据	数字病理	NA	显式上下文学习（E-ICL）	SD-Adapter	医学图像	47个训练数据集和9个未见测试数据集
1354	2025-07-24	mRSubLoc: A novel multi-label learning framework integrating RNA large language model for mRNA subcellular localization 2025-Jul-22, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3591454 PMID:40694461	research paper	提出了一种名为mRSubLoc的新型多标签深度学习框架，用于预测mRNA的亚细胞定位	整合了RNA大语言模型RNAErnie与one-hot编码和Word2Vec嵌入，构建了mRNA序列的全面表示，并采用TextCNN和BiLSTM结合多头自注意力机制来捕获定位特异性特征	未提及具体的数据集规模限制或模型在其他数据集上的泛化能力	预测mRNA的亚细胞定位，以促进基因表达调控和靶向药物开发	mRNA序列及其亚细胞定位	natural language processing	NA	RNA large language model, one-hot encoding, Word2Vec embeddings	TextCNN, BiLSTM, multi-head self-attention mechanism, MLP	mRNA序列数据	未提及具体样本数量
1355	2025-07-24	A Benchmark Framework for the Right Atrium Cavity Segmentation From LGE-MRIs 2025-Jul-22, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3590694 PMID:40694459	research paper	本研究提出了一个用于从LGE-MRIs中分割右心房腔的基准框架，采用了两阶段策略和新型3D深度学习网络RASnet	提出了一种新颖的3D深度学习网络RASnet，结合了多路径输入、多尺度特征融合模块、Vision Transformers、上下文交互机制和深度监督，解决了类别不平衡和解剖变异性的挑战	未提及具体局限性	建立一个用于右心房腔分割的基准框架，以支持心脏成像应用的准确和高效分析	右心房(RA)的LGE-MRIs图像	数字病理	心血管疾病	LGE-MRIs	3D deep learning network (RASnet), Vision Transformers	image (LGE-MRIs)	354 LGE-MRIs
1356	2025-07-24	A high-resolution database of historical and future climate for Africa developed with deep neural networks 2025-Jul-22, Scientific data IF:5.8Q1 DOI:10.1038/s41597-025-05575-8 PMID:40695805	研究论文	本研究为非洲提供了一个可访问、全面的插值气候数据库，包含过去120年（1901年至今）的月、年、十年和30年常态气候数据，以及21世纪的多模型CMIP6气候变化预测	采用新颖的深度学习方法模拟地形降水、雨影、湖泊和海岸效应，并通过基于递减率的下采样生成高分辨率网格	讨论了该数据库的应用和局限性	为生态研究和基础设施规划提供高分辨率的气候数据	非洲地区的气候数据	机器学习	NA	深度神经网络，薄板样条插值，递减率下采样	深度神经网络	网格化气候数据	超过25,000个气候网格
1357	2025-07-24	MAN-GAN: a mask-adaptive normalization based generative adversarial networks for liver multi-phase CT image generation 2025-Jul-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-10754-z PMID:40695879	research paper	提出了一种基于掩码自适应归一化的生成对抗网络（MAN-GAN），用于从标准非对比CT扫描自动生成肝脏多期增强CT图像	引入了掩码自适应归一化和循环一致性损失的生成对抗网络，用于非对比CT到多期增强CT的转换，并在内部和外部数据集上验证了其优越性能	研究仅针对特定肝脏疾病患者，样本量相对有限，且未涵盖所有可能的肝脏病变类型	开发一种深度学习网络，实现从标准非对比CT扫描自动生成肝脏多期增强CT图像	肝脏多期增强CT图像	digital pathology	liver cancer	CT扫描	GAN	image	601名患者（374名用于训练/验证/测试，144名特定肝病患者用于内部测试，83名用于外部验证）
1358	2025-07-24	Interdisciplinary framework for cyber-attacks and anomaly detection in industrial control systems using deep learning 2025-Jul-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-89650-5 PMID:40695948	研究论文	本文提出了一种跨学科框架，旨在通过深度学习方法增强工业控制系统中的网络入侵检测系统	引入了基于注意力机制的轻量级深度神经网络（RNN、LSTM、Bi-LSTM）结合特征选择和降维技术的新型入侵检测系统框架	论文未明确提及具体的数据集规模限制或模型泛化能力的详细测试	提高工业控制系统对网络攻击的检测能力	工业控制系统（ICS）的网络入侵检测	机器学习	NA	特征选择、特征降维（SPCA）、深度神经网络	RNN、LSTM、Bi-LSTM	网络流量数据	三个数据集：SWaT、WADI、GHL（具体样本量未提及）
1359	2025-07-24	Deep learning algorithm for the automatic assessment of axial vertebral rotation in patients with scoliosis using the Nash-Moe method 2025-Jul-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-11295-1 PMID:40695965	研究论文	提出一种基于深度学习算法的自动化评估脊柱侧凸患者轴向椎体旋转的方法	开发了一个两阶段深度学习框架，改进了Nash-Moe分类方法，采用12段分割系统和宽度比度量进行精确评估	对严重旋转病例的评估性能有限，Grade 3的召回率较低（0.33），且无法分类Grade 4	自动化评估脊柱侧凸患者的轴向椎体旋转，提高评估的准确性和效率	脊柱侧凸患者的后前位脊柱X光片	数字病理	脊柱侧凸	深度学习	CNN	图像	1080张后前位脊柱X光片，患者年龄4-18岁
1360	2025-07-24	Automated identification of autism spectrum disorder from facial images using explainable deep learning models 2025-Jul-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-11847-5 PMID:40695996	研究论文	本研究提出了一种基于可解释深度学习模型的自动化自闭症谱系障碍（ASD）面部图像识别方法	结合预训练的CNN模型（如VGG16、VGG19等）与可解释AI方法（如LIME），提高了ASD检测的准确性和可解释性	模型在不同数据集上的泛化能力可能有限	开发一种自动化、高效且可解释的ASD早期诊断方法	自闭症谱系障碍患者的面部图像	计算机视觉	自闭症谱系障碍	深度学习	CNN（包括VGG16、VGG19、InceptionV3、VGGFace和MobileNet）	图像	NA