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
1261	2025-03-11	AI-Driven Drug Discovery for Rare Diseases 2025-Mar-10, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c01966 PMID:39689164	综述	本文探讨了人工智能（AI）在罕见病药物发现中的潜力，通过克服传统药物发现模型的挑战，加速罕见病治疗的发展	本文综合了当前知识和最新突破，提供了关于AI如何加速罕见病治疗发展的关键见解，填补了文献中的关键空白	本文主要基于现有文献和突破，缺乏实际应用案例和数据的支持	探索AI在罕见病药物发现中的应用，以加速治疗发展并改善患者预后	罕见病（RDs）及其治疗	机器学习	罕见病	机器学习（ML）和深度学习（DL）	NA	NA	NA
1262	2025-03-11	Automated detection of small hepatocellular carcinoma in cirrhotic livers: applying deep learning to Gd-EOB-DTPA-enhanced MRI 2025-Mar-10, Abdominal radiology (New York) DOI:10.1007/s00261-025-04853-8 PMID:40059243	研究论文	本文开发了一种基于深度学习的自动化方法，用于在肝硬化患者中检测小肝细胞癌（sHCC），并利用Gd-EOB-DTPA增强MRI进行验证	本研究首次将nnU-Net应用于小肝细胞癌的自动检测，并在肝硬化患者中验证了其有效性	研究为回顾性研究，样本量相对较小，且仅使用了单一类型的MRI数据	开发一种自动化深度学习方法，用于检测肝硬化患者中的小肝细胞癌	肝硬化患者中的小肝细胞癌（sHCC）和非HCC病变	计算机视觉	肝癌	Gd-EOB-DTPA增强MRI	nnU-Net	MRI图像	120名肝硬化患者（78名sHCC患者和42名非HCC肝硬化患者）
1263	2025-03-11	Paradigms and methods of noninvasive brain-computer interfaces in motor or communication assistance and rehabilitation: a systematic review 2025-Mar-10, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-025-03340-y PMID:40059266	系统综述	本文系统回顾了过去十年中非侵入性脑机接口（BCI）在运动或沟通辅助及康复中的范式、方法和应用的发展	本文综述了非侵入性BCI技术的最新发展，特别是EEG和fNIRS在康复和辅助设备控制中的应用，并强调了深度学习等解码方法的进步	尽管非侵入性BCI技术取得了进展，但仍面临诸多挑战，如设计更便捷的电极、提高解码准确性和效率、为特定患者设计更适用的系统等	探讨非侵入性BCI技术在运动或沟通辅助及康复中的应用和发展	非侵入性脑机接口技术及其在康复和辅助设备中的应用	脑机接口	NA	脑电图（EEG）、功能性近红外光谱（fNIRS）	深度学习	神经生理信号	223篇研究文章（自2016年起）
1264	2025-03-11	Obtaining full-arch implant scan with smartphone video and deep learning: An in vitro investigation on trueness and precision 2025-Mar-08, Journal of prosthodontics : official journal of the American College of Prosthodontists DOI:10.1111/jopr.14041 PMID:40055947	研究论文	本研究探讨了使用智能手机摄像头和深度学习模型生成的全牙弓种植体扫描的准确性	结合智能手机视频和深度学习模型生成全牙弓种植体扫描，展示了与口腔内扫描仪相似的准确性	该方法的准确性尚不足以用于临床应用	研究智能手机摄像头和深度学习模型生成全牙弓种植体扫描的准确性	上颌无牙模型上的6个种植体和扫描体	计算机视觉	NA	深度学习	深度学习模型	视频	10次重复实验
1265	2025-03-11	Systematic Review and Meta-Analysis of Radiation Dose Reduction Studies in Pediatric Head CT 2025-Mar-07, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8730 PMID:40054878	系统综述与荟萃分析	本文综述了降低儿童头部CT扫描中辐射剂量的研究，并提供了这些研究中辐射剂量减少百分比的荟萃分析	本文通过系统综述和荟萃分析，识别了降低儿童头部CT辐射剂量的最常用参数，并强调了临床适应症在比较剂量减少研究中的重要性	研究方案的异质性、不完整的方案/结果报告以及机构、扫描仪、患者人口统计和临床适应症的变异性限制了研究结果的普遍性	评估和总结降低儿童头部CT扫描中辐射剂量的策略和效果	儿童头部CT扫描	医学影像	儿科疾病	CT扫描、迭代重建技术	NA	医学影像数据	20项研究
1266	2025-03-11	Multimodal optimal matching and augmentation method for small sample gesture recognition 2025-Mar-06, Bioscience trends IF:5.7Q1 DOI:10.5582/bst.2024.01370 PMID:39864830	研究论文	本文提出了一种多模态最优匹配和增强方法，用于小样本手势识别，通过引入运动信息到基于表面肌电图的识别中，实现了每个手势仅需一次采集的高效识别	引入运动信息到基于表面肌电图的识别中，提出了一种多模态最优匹配和增强方法，显著减少了数据采集的负担	方法在非健康用户中的应用效果需要进一步验证，且数据集的多样性可能仍然有限	提高小样本手势识别模型的准确性，减少数据采集的负担	手势识别，特别是基于表面肌电图的手势识别	机器学习	中风	数据增强，迁移学习	深度学习模型	生理信号数据，运动信息数据	自收集的中风患者数据集，Ninapro DB1数据集和Ninapro DB5数据集
1267	2025-03-11	MetAssimulo 2.0: a web app for simulating realistic 1D and 2D metabolomic 1H NMR spectra 2025-Mar-04, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaf045 PMID:39862393	研究论文	本文介绍了MetAssimulo 2.0，一个用于模拟真实1D和2D代谢组学1H NMR光谱的Python网络应用	MetAssimulo 2.0在1.0版本的基础上进行了全面升级，增加了对尿液、血液和脑脊液的光谱模拟功能，并引入了2D J-resolved和Correlation Spectroscopy光谱的模拟能力	尽管MetAssimulo 2.0提高了光谱模拟的真实性，但其模拟结果与真实光谱的Pearson相关系数约为0.82，仍有改进空间	开发一个工具以支持深度学习与代谢组学交叉领域的研究	1D和2D代谢组学1H NMR光谱	代谢组学	NA	核磁共振（NMR）光谱	NA	光谱数据	NA
1268	2025-03-10	Forecasting the eddying ocean with a deep neural network 2025-Mar-06, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-57389-2 PMID:40050275	研究论文	本文开发了一个名为WenHai的数据驱动全球海洋预报系统，通过训练深度神经网络来预测海洋中尺度涡旋的短期演变	首次将深度神经网络应用于全球海洋预报系统，并结合动量、热量和淡水通量的体公式来改进海气相互作用的表示	由于大气和海洋的动态特性不同，AI方法在海洋预报中的应用仍具有挑战性	提高全球海洋预报能力，特别是中尺度涡旋的短期演变预测	海洋中尺度涡旋	机器学习	NA	深度神经网络	DNN	海洋数据	NA
1269	2025-03-10	Classifying microfossil radiolarians on fractal pre-trained vision transformers 2025-Mar-06, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-90988-z PMID:40050318	研究论文	本文探讨了使用预训练的视觉变换器（ViT）和公式驱动的监督学习（FDSL）技术对微化石（放射虫）进行分类的效果	首次将视觉变换器（ViT）和公式驱动的监督学习（FDSL）应用于地质学中的微化石分类，相比传统CNN模型，平均精度提高了6-8%	未提及具体样本量和数据集的多样性，可能影响模型的泛化能力	探索新的深度学习技术在地质学图像分类中的应用	微化石（放射虫）	计算机视觉	NA	公式驱动的监督学习（FDSL）	视觉变换器（ViT）	图像	NA
1270	2025-03-10	Deep learning-based image analysis in muscle histopathology using photo-realistic synthetic data 2025-Mar-06, Communications medicine IF:5.4Q1 DOI:10.1038/s43856-025-00777-y PMID:40050400	研究论文	本文介绍了一种名为SYNTA的新方法，用于生成逼真的合成生物医学图像数据，以解决当前生成模型和基于深度学习的图像分析中的挑战	SYNTA方法采用完全参数化的方法创建针对特定生物医学任务的逼真合成训练数据集，解决了现有生成模型缺乏代表性和高质量真实数据的问题	需要进一步验证SYNTA方法在其他生物医学领域的适用性和效果	旨在通过生成逼真的合成生物医学图像数据，改进和加速生物医学图像分析	肌肉组织病理学和骨骼肌分析	数字病理学	NA	深度学习和生成模型	GAN, Diffusion Models	图像	两个真实世界的数据集
1271	2025-03-10	Frequency transfer and inverse design for metasurface under multi-physics coupling by Euler latent dynamic and data-analytical regularizations 2025-Mar-06, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-57516-z PMID:40050630	研究论文	本文提出了一种多物理深度学习框架（MDLF），用于解决频率转移和多物理耦合问题，并在超表面设计中实现了未见频率段的预测	提出了结合多保真度DeepONet、欧拉潜在动态网络和数据解析反演网络的MDLF框架，能够在缺乏多物理响应知识的情况下，通过动态利用欧拉潜在空间和单物理信息，实现对未见频率段的预测	需要进一步验证在更广泛的多物理耦合场景下的适用性	解决频率转移问题，并实现超表面在未见频率段的多物理耦合预测	超表面	机器学习	NA	多物理深度学习框架（MDLF）	DeepONet, 欧拉潜在动态网络, 数据解析反演网络	频谱数据	NA
1272	2025-03-10	CUGUV: A Benchmark Dataset for Promoting Large-Scale Urban Village Mapping with Deep Learning Models 2025-Mar-06, Scientific data IF:5.8Q1 DOI:10.1038/s41597-025-04701-w PMID:40050634	研究论文	本文介绍了CUGUV基准数据集，旨在通过深度学习模型促进大规模城中村（UV）的映射	提出了一个包含来自中国15个主要城市的数千个UV样本的基准数据集，并开发了一个创新的框架，有效整合和学习了多种数据源，以更好地解决跨城市UV映射任务	数据集主要集中在中国的城市，可能限制了其全球适用性	提高大规模城中村映射的准确性和模型的可转移性	城中村（UV）	计算机视觉	NA	深度学习	NA	卫星图像	数千个UV样本，来自中国15个主要城市
1273	2025-03-10	Systematic review and meta-analysis of artificial intelligence in classifying HER2 status in breast cancer immunohistochemistry 2025-Mar-06, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-025-01483-8 PMID:40050686	meta-analysis	本文通过诊断性meta分析评估了人工智能在分类HER2免疫组化评分中的表现，展示了其在预测T-DXd资格方面的高准确性	首次系统评估了人工智能在HER2免疫组化评分分类中的表现，并揭示了深度学习和基于补丁的分析方法在提高准确性方面的优势	在外部验证和使用商业化算法的研究中，AI的表现有所下降	评估人工智能在分类HER2免疫组化评分中的准确性和潜力	乳腺癌患者的HER2免疫组化评分	digital pathology	breast cancer	免疫组化（IHC）	深度学习	图像	NA
1274	2025-03-09	Generalizable deep learning framework for 3D medical image segmentation using limited training data 2025-Mar-06, 3D printing in medicine IF:3.2Q1 DOI:10.1186/s41205-025-00254-1 PMID:40045095	研究论文	本文介绍了一种用于3D医学图像分割的深度学习框架，该框架在有限训练数据下仍能实现高性能	该框架克服了对大量数据和强大GPU资源的需求，适用于资源受限的医疗环境	尽管在多种临床应用中表现良好，但具体在不同医疗环境中的实际应用效果仍需进一步验证	开发一种适用于资源受限环境的3D医学图像分割深度学习框架	涉及骨科、眼眶分割、下颌骨CT、心脏CT、胎儿MRI和肺部CT的六种不同临床应用	数字病理	NA	深度学习	NA	3D医学图像	少量受试者
1275	2025-03-09	Leveraging deep neural network and language models for predicting long-term hospitalization risk in schizophrenia 2025-Mar-05, Schizophrenia (Heidelberg, Germany) DOI:10.1038/s41537-025-00585-2 PMID:40044707	研究论文	本研究开发了一种深度学习模型，通过整合入院时的人口统计、行为和血液检测数据，预测精神分裂症患者的长期住院风险	利用语言模型高效提取非结构化电子健康记录数据，结合多模态特征显著提高预测性能，并通过综合可解释性分析和消融研究验证关键风险因素	研究基于回顾性队列，可能受到数据质量和完整性的限制	预测精神分裂症患者的长期住院风险，以优化资源分配和个体治疗计划	精神分裂症患者	自然语言处理	精神分裂症	深度学习	深度学习模型	人口统计、行为、血液检测数据	回顾性队列
1276	2025-03-09	A visual SLAM loop closure detection method based on lightweight siamese capsule network 2025-Mar-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-90511-4 PMID:40038350	研究论文	本文提出了一种基于轻量级Siamese胶囊网络的视觉SLAM闭环检测方法，旨在解决传统方法在光照和视角变化下的敏感性问题	设计了一种新的胶囊网络特征提取器，并通过剪枝进一步减少参数数量，提高了算法的准确性和鲁棒性	未提及具体的数据集规模限制或计算资源需求	改进视觉SLAM系统中的闭环检测模块，减少机器人运动中的累积误差	视觉SLAM系统	计算机视觉	NA	深度学习	Siamese胶囊神经网络	图像	CityCentre数据集、New College数据集、KITTI数据集
1277	2025-03-09	Precise Sizing and Collision Detection of Functional Nanoparticles by Deep Learning Empowered Plasmonic Microscopy 2025-Mar, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202407432 PMID:39792780	研究论文	本文介绍了一种利用深度学习增强的等离子体显微镜技术（Deep-SM），用于精确测量功能性化学和生物纳米颗粒的尺寸及碰撞检测	通过利用等离子体显微镜图像序列中独特的信号和噪声特征的时空相关性，Deep-SM能够增强信号检测并抑制噪声，从而实现对小至10纳米的生物纳米颗粒的动态成像和金属纳米颗粒电化学及量子耦合的碰撞检测	NA	开发一种高灵敏度且简单的方法，用于纳米颗粒分析，以应用于生物学、材料和能源等多个科学领域	功能性化学和生物纳米颗粒	计算机视觉	NA	等离子体显微镜	深度学习	图像序列	NA
1278	2025-03-09	Enhancement of phonocardiogram segmentation using convolutional neural networks with Fourier transform module 2025-Mar, Biomedical engineering letters IF:3.2Q2 DOI:10.1007/s13534-025-00458-8 PMID:40026887	研究论文	本研究提出了一种基于卷积傅里叶变换模块的深度学习分割方法，用于增强心音图（PCG）信号中第一和第二心音（S1和S2）的自动识别	引入了卷积傅里叶变换（CF）模块，能够区分心音和背景噪声，提高了心音分割的准确性和鲁棒性	未提及具体局限性	提高心音图信号中S1和S2心音的自动识别准确性，以支持心脏瓣膜疾病的检测	心音图（PCG）信号	数字病理学	心血管疾病	卷积傅里叶变换（CF）模块	CNN	信号数据	内部数据集、PhysioNet 2016数据集、PhysioNet 2022数据集和Asan Medical Center（AMC）数据集
1279	2025-03-09	Pathways to chronic disease detection and prediction: Mapping the potential of machine learning to the pathophysiological processes while navigating ethical challenges 2025-Mar, Chronic diseases and translational medicine DOI:10.1002/cdt3.137 PMID:40051825	综述	本文综述了机器学习在慢性疾病检测和预测中的最新应用，涵盖了从传统技术到现代深度学习神经网络架构的主要方法	本文综合了机器学习在慢性疾病预测中的最新趋势和轨迹，为未来研究和临床转化提供了信息	本文指出了在实现可扩展、公平和临床可实施的机器学习解决方案方面仍需解决的关键挑战和限制	探索机器学习在慢性疾病早期检测和预测中的潜力	慢性疾病（如心脏病、癌症和糖尿病）	机器学习	慢性疾病	基因组学、转录组学、蛋白质组学、糖组学和脂质组学	逻辑回归、随机森林、深度学习神经网络	医学影像、基因组数据、可穿戴设备数据、电子健康记录	NA
1280	2025-03-08	Deep learning-based quantification of T2-FLAIR mismatch sign: extending IDH mutation prediction in adult-type diffuse lower-grade glioma 2025-Mar-07, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-11475-7 PMID:40050456	研究论文	本研究探讨了基于深度学习的定量T2-FLAIR不匹配比率（qT2FM）在成人型弥漫性低级别胶质瘤（LGG）中预测IDH突变状态的价值	利用深度学习进行全自动肿瘤分割，首次提出qT2FM作为识别IDH突变状态和IDHmut-Noncodel亚型的有力预测指标	研究为回顾性设计，样本量相对有限，且未涉及其他类型胶质瘤的验证	评估qT2FM在成人型弥漫性LGG中预测IDH突变状态的有效性	218名成人型弥漫性LGG患者	数字病理学	脑胶质瘤	深度学习	深度学习分割模型	医学影像	218名患者（125名男性，平均年龄47岁±15）