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
16001	2025-04-24	Segmentation and Vascular Vectorization for Coronary Artery by Geometry-Based Cascaded Neural Network 2025-Jan, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3435714 PMID:39078771	研究论文	提出一种基于几何的级联神经网络方法，用于冠状动脉的分割和血管向量化	1) 设计了一个级联网络，结合几何变形网络，用于冠状动脉分割和结果向量化，生成的冠状动脉网格连续且准确 2) 不同于传统的基于体素标签的marching cube方法生成的网格注释，重建了具有规则化形态的更精细的向量化网格 3) 收集了一个包含200例冠状动脉疾病CCTA图像的数据集CCA-200	NA	解决冠状动脉分割中的碎片化问题，提高分割和向量化的准确性	冠状动脉	数字病理	心血管疾病	深度学习	级联神经网络	医学图像（CCTA）	200例CCTA图像（CCA-200数据集）和公开ASOCA数据集	NA	NA	NA	NA
16002	2025-04-24	Unsupervised Domain Adaptation for EM Image Denoising With Invertible Networks 2025-Jan, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3431192 PMID:39028599	研究论文	提出了一种基于可逆网络的无监督域自适应方法，用于电子显微镜(EM)图像去噪	首次提出无监督域自适应EM图像去噪方法，通过域对齐建立共享的域无关内容空间，并引入域正则化确保精确对齐	方法依赖于EM图像内容特征的相似性假设，可能不适用于内容差异较大的图像	解决电子显微镜图像去噪中存在的域偏移问题	电子显微镜(EM)图像	计算机视觉	NA	无监督域自适应	可逆网络	图像	合成和真实EM数据集	NA	NA	NA	NA
16003	2025-04-24	Deep learning methods for protein function prediction 2025-Jan, Proteomics IF:3.4Q2 DOI:10.1002/pmic.202300471 PMID:38996351	review	本文深入回顾了近年来深度学习在蛋白质功能预测领域的最新发展	总结了该领域的重大进展，并指出了几个待解决的主要挑战及潜在探索方向	未提及具体实验验证或实际应用效果的局限性	推进蛋白质功能预测领域的发展	蛋白质功能预测	生物信息学	NA	深度学习	NA	蛋白质序列、结构、相互作用及其他相关信息	NA	NA	NA	NA	NA
16004	2025-04-24	Coati optimization algorithm for brain tumor identification based on MRI with utilizing phase-aware composite deep neural network 2025, Electromagnetic biology and medicine IF:1.6Q4 DOI:10.1080/15368378.2024.2401540 PMID:39835842	research paper	提出了一种基于MRI的脑肿瘤识别方法，使用相位感知复合深度神经网络和Coati优化算法	结合相位感知复合深度神经网络和Coati优化算法，提高了脑肿瘤识别的准确率、召回率和精确度	未提及具体的数据集来源和样本数量，可能影响方法的泛化能力	提高基于MRI的脑肿瘤识别准确率	脑肿瘤MRI图像	digital pathology	brain tumor	MRI, Multivariate Fast Iterative Filtering (MFIF), Self-Supervised Nonlinear Transform (SSNT)	Phase-aware Composite Deep Neural Network (PACDNN), Coati Optimized Algorithm (COA)	image	NA	NA	NA	NA	NA
16005	2025-10-07	Predicting Blood Pressures for Pregnant Women by PPG and Personalized Deep Learning 2025-Jan, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3386707 PMID:38598377	研究论文	本研究通过光电容积脉搏波数据和个性化深度学习模型预测孕妇血压，为子痫前期提供有效预警	提出三阶段建模方法（基线模型构建、孕妇数据微调、个性化迁移学习），结合1D-CNN与CBAM注意力机制和双向GRU网络	样本量相对有限（仅40名孕妇），未提及模型在更广泛人群中的泛化能力验证	开发连续无袖带血压监测系统，实现孕妇血压精准预测和子痫前期预警	194名受试者（包括154名正常个体和40名孕妇）	机器学习	妊娠期疾病	光电容积脉搏波	1D-CNN, GRU	生理信号数据	194名受试者（154名正常个体，40名孕妇）	NA	1D-CNN with CBAM, Bi-directional GRU, Attention layers	平均误差, 标准差	NA
16006	2025-04-24	Quad-tree Based Driver Classification using Deep Learning for Mild Cognitive Impairment Detection 2025, IEEE access : practical innovations, open solutions IF:3.4Q2 DOI:10.1109/access.2025.3558706 PMID:40256415	研究论文	提出一种基于四叉树的深度学习方法，用于通过GPS数据识别驾驶员是否患有轻度认知障碍	引入地理区域四叉树结构捕捉驾驶轨迹的空间层次结构，并提出新的驾驶特征表示方法用于CNN分类	NA	通过驾驶模式分析识别轻度认知障碍驾驶员	驾驶员的GPS轨迹数据	机器学习	老年疾病	GPS数据分析	CNN	GPS轨迹数据	真实世界数据集（具体数量未说明）	NA	NA	NA	NA
16007	2025-04-24	Interplay between noise-induced sensorineural hearing loss and hypertension: pathophysiological mechanisms and therapeutic prospects 2025, Frontiers in cellular neuroscience IF:4.2Q2 DOI:10.3389/fncel.2025.1523149 PMID:40260077	review	本文综述了噪声性听力损失(NIHL)的病理生理学、对血迷路屏障(BLB)的影响以及新兴治疗方法	探讨了神经调节和基于载体的方法在克服BLB等生物屏障方面的潜力，以及计算化学方法在药物开发中的应用	主要集中于NIHL的机制和潜在治疗方法，缺乏具体临床试验数据的支持	详细研究NIHL及其潜在机制、生理影响和前沿治疗策略	噪声性听力损失及其相关病理生理机制	NA	心血管疾病	分子对接、分子动力学模拟、QSAR/QSPR分析、网络药理学	machine/deep learning algorithms	NA	NA	NA	NA	NA	NA
16008	2025-04-23	EEG-based schizophrenia detection: integrating discrete wavelet transform and deep learning 2025-Dec, Cognitive neurodynamics IF:3.1Q2 DOI:10.1007/s11571-025-10248-8 PMID:40256687	研究论文	本文提出了一种结合离散小波变换和深度学习的脑电图（EEG）信号分析方法，用于精神分裂症（SZ）的自动检测	采用Daubechies（db4）小波进行7级分解，结合多层感知器神经网络（MLP），在SZ检测中实现了高准确率	研究使用的公开数据集样本量较小（DS1有81条记录，DS2有28条记录），可能影响模型的泛化能力	开发一种高精度的基于EEG信号的SZ自动检测方法，以辅助医生诊断	精神分裂症患者和健康对照者的EEG信号	数字病理学	精神分裂症	离散小波变换（DWT）	多层感知器神经网络（MLP）	EEG信号	两个公开数据集：DS1（81条记录，32健康对照和49SZ患者）和DS2（28条记录，14健康对照和14SZ患者）	NA	NA	NA	NA
16009	2025-04-23	Transcranial adaptive aberration correction using deep learning for phased-array ultrasound therapy 2025-Aug, Ultrasonics IF:3.8Q1 DOI:10.1016/j.ultras.2025.107641 PMID:40117699	研究论文	本研究探讨了使用深度学习方法校正颅骨引起的畸变，开发了一种用于安全超声治疗血脑屏障（BBB）开放的经颅自适应聚焦方法	提出了一种结合预分割、k-Wave模拟和基于3D U-net网络的方法，用于快速准确地预测相位校正，显著降低了计算成本和时间	研究仅基于模拟环境和小块颅骨样本，尚未在真实临床环境中验证	开发一种快速、精确且自适应的经颅畸变校正方法，用于通过超声治疗脑部疾病	256元相控阵、小块颅骨和水构成的非线性模拟环境	医学影像处理	脑部疾病	k-Wave模拟、3D U-net网络	3D U-net	模拟数据	NA	NA	NA	NA	NA
16010	2025-04-23	Deep Learning-Driven Glaucoma Medication Bottle Recognition: A Multilingual Clinical Validation Study in Patients with Impaired Vision 2025 Jul-Aug, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2025.100758 PMID:40256318	research paper	临床验证一款基于CNN的Android智能手机应用，用于识别青光眼患者的局部用药	开发并验证了一款多语言的CNN驱动应用，显著提高了视力受损患者的药物识别准确率	样本量较小（41名参与者），且非英语使用者的应用易用性评分较低	验证基于CNN的智能手机应用在青光眼患者药物识别中的效果	青光眼伴视力受损患者（包括英语和非英语使用者）	computer vision	glaucoma	CNN	CNN	image	41名患者（20名非英语使用者，21名英语使用者）	NA	NA	NA	NA
16011	2025-04-23	A semantic segmentation network for red tide detection based on enhanced spectral information using HY-1C/D CZI satellite data 2025-Jun, Marine pollution bulletin IF:5.3Q1 DOI:10.1016/j.marpolbul.2025.117813 PMID:40117936	研究论文	提出了一种基于增强光谱信息的语义分割网络SIC-RTNet，用于利用HY-1C/D CZI卫星数据检测赤潮	SIC-RTNet通过引入残差块、计算三个光谱信息通道和改进损失函数，提高了赤潮监测的准确性	传统遥感方法难以监测小规模赤潮事件和详细分布，且不适用于中高空间分辨率和低光谱分辨率的卫星传感器	提高赤潮监测的准确性，助力海洋生态灾害监测	赤潮	计算机视觉	NA	卫星遥感	Residual Neural Network (SIC-RTNet)	卫星图像	NA	NA	NA	NA	NA
16012	2025-04-23	High-level visual processing in the lateral geniculate nucleus revealed using goal-driven deep learning 2025-Jun, Journal of neuroscience methods IF:2.7Q3 DOI:10.1016/j.jneumeth.2025.110429 PMID:40122470	研究论文	本研究提出了一种利用目标驱动的深度学习方法来揭示侧膝状体核（LGN）在高级视觉处理中的作用	使用VGG16和ResNet50两种深度神经网络作为目标驱动模型，探索LGN在高级视觉特征（如数量感知）编码中的作用，挑战了关于LGN功能简单性的传统观点	研究仅针对小鼠LGN，结果是否适用于其他物种尚不明确	探索LGN在高级视觉处理中的功能	小鼠侧膝状体核（LGN）的神经活动	计算机视觉	NA	深度学习	VGG16, ResNet50	神经活动数据	NA	NA	NA	NA	NA
16013	2025-04-23	AI-driven approaches for air pollution modelling: A comprehensive systematic review 2025-May-15, Environmental pollution (Barking, Essex : 1987) DOI:10.1016/j.envpol.2025.125937 PMID:40058557	综述	本文对利用机器学习和深度学习技术预测空气污染的现有研究进行了系统性回顾	不仅比较了不同模型和方法，还分析了外部特征（如气象数据、交通信息和土地利用）对污染物水平和模型预测准确性的影响	探讨了机器学习和深度学习方法的性能和局限性，但未提出新的模型或方法	比较和评估不同方法在预测空气污染物浓度水平方面的效果	空气污染预测模型	机器学习	NA	机器学习和深度学习技术	时间模型和时空模型	气象数据、交通信息、土地利用等多源数据	NA	NA	NA	NA	NA
16014	2025-10-07	Comparative analysis of retinal microvascular parameters in healthy individuals with or without carotid artery stenosis or plaque 2025-May, European journal of ophthalmology IF:1.4Q3 DOI:10.1177/11206721241291224 PMID:39410788	研究论文	通过眼底摄影评估视网膜微血管参数与颈动脉狭窄（伴或不伴斑块）的相关性	首次使用基于深度学习的算法分析视网膜微血管参数与颈动脉狭窄的关联，为颈动脉狭窄筛查提供新方法	回顾性观察研究设计，样本量有限（715名参与者）	评估视网膜微血管变化与颈动脉狭窄的相关性	接受双侧颈动脉超声和双侧眼底摄影检查的患者	数字病理	心血管疾病	眼底摄影，颈动脉超声	深度学习算法	眼底图像	715名参与者（313名颈动脉狭窄患者，402名对照组）	NA	NA	NA	NA
16015	2025-10-07	Development and Validation of Multiparametric MRI-based Interpretable Deep Learning Radiomics Fusion Model for Predicting Lymph Node Metastasis and Prognosis in Rectal Cancer: A Two-center Study 2025-May, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.11.045 PMID:39638641	研究论文	开发基于多参数MRI的可解释深度学习放射组学融合模型，用于预测直肠癌淋巴结转移和预后	结合深度学习和放射组学特征构建融合模型，并利用SHAP工具增强模型可解释性	回顾性研究，样本量有限（共352例患者）	预测直肠癌术前淋巴结转移和患者预后	经组织病理学确认的直肠癌患者	数字病理	直肠癌	多参数磁共振成像（T2WI, DWI）	深度学习, 机器学习	医学影像	352例患者（中心1：286例训练集，中心2：66例外部队列）	NA	MobileNet-V3-large, Inception-V3, ResNet50, VGG16	AUC	NA
16016	2025-10-07	Deep Learning for Contrast Enhanced Mammography - A Systematic Review 2025-May, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.11.035 PMID:39643464	系统综述	系统回顾深度学习在对比增强乳腺摄影中的应用研究	首次系统综述深度学习在对比增强乳腺摄影中的应用，涵盖多种深度学习算法和临床任务	纳入研究数量有限，大多数为回顾性研究，缺乏前瞻性临床验证	评估深度学习算法在对比增强乳腺摄影图像自动分析中的应用效果	对比增强乳腺摄影图像	计算机视觉	乳腺癌	对比增强乳腺摄影	CNN	医学影像	16项相关研究（2018-2024年）	NA	卷积神经网络，注意力机制	AUC, 准确率	NA
16017	2025-10-07	SMART: Development and Application of a Multimodal Multi-organ Trauma Screening Model for Abdominal Injuries in Emergency Settings 2025-May, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.11.056 PMID:39690074	研究论文	开发并应用用于急诊环境中腹部损伤的多模态多器官创伤筛查模型SMART	结合非对比CT扫描和非结构化文本数据构建多模态诊断模型，通过集成GPT-4嵌入API、nnU-Net和DenseNet121实现快速准确的腹部创伤筛查	NA	提高急诊科创伤护理中腹部损伤诊断的速度和准确性	接受腹部CT扫描的患者	医学影像分析	腹部创伤	非对比计算机断层扫描，文本数据分析	多模态深度学习模型	CT图像，非结构化文本	2638名患者（459例阳性，2179例阴性腹部创伤病例），测试集包含1006名患者的1632个连续数据点	GPT-4 API, nnU-Net, DenseNet121	nnU-Net, DenseNet121, 逻辑回归集成模型	敏感度，AUC（受试者工作特征曲线下面积）	NA
16018	2025-10-07	Interpretable Deep-learning Model Based on Superb Microvascular Imaging for Noninvasive Diagnosis of Interstitial Fibrosis in Chronic Kidney Disease 2025-May, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.11.067 PMID:39690075	研究论文	开发基于超微血管成像的可解释深度学习模型，用于无创诊断慢性肾病间质纤维化程度	首次结合超微血管成像和可解释深度学习技术，通过SHAP方法提供模型决策的可视化解释	研究样本量相对有限，需要更大规模的多中心验证	开发无创诊断慢性肾病间质纤维化程度的深度学习模型	慢性肾病患者	医学影像分析	慢性肾病	超微血管成像，超声影像学，彩色多普勒超声	深度学习	医学影像	365名慢性肾病患者	NA	NA	AUC，ROC曲线，决策曲线分析	NA
16019	2025-10-07	The Quality and Accuracy of Radiomics Model in Diagnosing Osteoporosis: A Systematic Review and Meta-analysis 2025-May, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.11.065 PMID:39701845	系统评价与荟萃分析	通过系统评价和荟萃分析评估放射组学模型在骨质疏松诊断中的性能表现及研究质量	首次对骨质疏松诊断放射组学模型进行全面的质量评估和诊断性能荟萃分析	纳入研究的方法学质量存在异质性，不同影像模态可能影响结果一致性	评估当前放射组学模型在骨质疏松诊断中的诊断性能和研究质量	骨质疏松患者和非骨质疏松患者	医学影像分析	骨质疏松	放射组学分析	深度学习算法	医学影像数据（CT等）	24项研究，共3753名患者（1553名骨质疏松患者，2200名非骨质疏松患者）	NA	NA	诊断比值比(DOR), 敏感性, 特异性, 受试者工作特征曲线下面积(AUC)	NA
16020	2025-10-07	Deep Learning Model for the Differential Diagnosis of Nasal Polyps and Inverted Papilloma by CT Images: A Multicenter Study 2025-May, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.12.011 PMID:39730250	研究论文	本研究开发了一种基于CT图像的深度学习模型，用于区分鼻腔息肉和倒置性乳头状瘤	首次采用3D深度学习模型进行鼻腔良性肿瘤的鉴别诊断，并通过多中心数据和蛋白质组学分析验证模型性能	回顾性研究设计，样本来源仅限于两家医院	开发能够区分鼻腔息肉和倒置性乳头状瘤的深度学习诊断模型	鼻腔良性肿瘤患者	计算机视觉	鼻腔肿瘤	CT成像，蛋白质组学分析	CNN	CT图像	1791名患者来自两家医院，其中70名患者进行了蛋白质组学分析	NA	3D ResNet, 3D Xception, HRNet	AUC, 准确率, 敏感性, 特异性	NA