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
161	2025-05-24	Development of a deep learning radiomics model combining lumbar CT, multi-sequence MRI, and clinical data to predict high-risk cage subsidence after lumbar fusion: a retrospective multicenter study 2025-Mar-02, Biomedical engineering online IF:2.9Q3 DOI:10.1186/s12938-025-01355-y PMID:40025592	research paper	开发并验证一个结合临床数据、深度学习放射组学和放射组学特征的模型，用于预测腰椎融合术后高风险患者发生笼子下沉的情况	结合了临床数据、深度学习放射组学和传统放射组学特征，开发了一个预测模型，其性能优于经验丰富的外科医生的预测	回顾性研究设计可能限制了结果的普适性，样本量相对较小	预测腰椎融合术后高风险患者发生笼子下沉的情况	305名接受腰椎融合手术的患者	digital pathology	geriatric disease	3D vision transformations, LASSO regression, logistic regression	deep learning model	CT, MRI, clinical data	305名患者（训练组214名，验证组61名，测试组30名）
162	2025-05-24	KID-PPG: Knowledge Informed Deep Learning for Extracting Heart Rate From a Smartwatch 2025-03, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2024.3477275 PMID:39383068	研究论文	本文提出了一种结合专家知识的深度学习模型KID-PPG，用于从智能手表的PPG信号中准确提取心率	通过自适应线性滤波、深度概率推断和数据增强整合医学和信号处理领域的专家知识，解决了深度学习模型在运动伪影去除、信号退化评估和生理合理性分析方面的不足	仅在PPGDalia数据集上进行了评估，未在其他数据集上验证模型的泛化能力	提高从PPG信号中提取心率的准确性	智能手表采集的PPG信号	生物医学信号处理	NA	深度学习、自适应线性滤波、深度概率推断、数据增强	KID-PPG	PPG信号	PPGDalia数据集
163	2025-05-24	Brain tumour histopathology through the lens of deep learning: A systematic review 2025-Mar, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109642 PMID:39787663	系统综述	本文通过系统综述探讨了机器学习和深度学习技术在脑肿瘤组织病理学研究中的应用，特别是在胶质母细胞瘤（GBM）中的影响	揭示了ML/DL技术在GBM组织病理学研究中的新兴趋势，并强调了结合组织学与组学数据的新方法	许多研究未能清晰报告ML/DL的训练和评估方法，影响了模型的稳健性和可重复性	调查ML/DL技术如何推动脑肿瘤组织病理学研究的进展，特别是在GBM领域	胶质母细胞瘤（GBM）及其组织病理学和组学数据	数字病理学	胶质母细胞瘤	机器学习（ML）/深度学习（DL）	SVM分类器和基于ResNet的CNN架构	组织病理学和组学数据	54项符合条件的研究，其中8项专注于GBM
164	2025-05-24	Artificial Intelligence-Guided Lung Ultrasound by Nonexperts 2025-Mar-01, JAMA cardiology IF:14.8Q1 DOI:10.1001/jamacardio.2024.4991 PMID:39813064	研究论文	评估AI在指导训练有素的医疗专业人员获取诊断质量肺部超声图像方面的能力	利用AI指导非专家获取高质量的肺部超声图像，扩展了肺部超声在缺乏专家地区的使用	研究样本量相对较小（176名参与者），且仅在特定临床环境下进行	评估AI在肺部超声图像获取中的指导作用	训练有素的医疗专业人员（包括医疗助理、呼吸治疗师和护士）和呼吸困难患者	数字病理	心血管疾病	深度学习算法	深度学习	图像	176名参与者（81名女性，平均年龄63岁）
165	2025-05-24	Ventricular Arrhythmia Classification Using Similarity Maps and Hierarchical Multi-Stream Deep Learning 2025-03, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2024.3490187 PMID:39485690	research paper	该研究提出了一种使用相似性图和分层多流深度学习的心室心律失常分类方法	开发了相似性图这一新特征集，用于捕捉心电图轨迹中的规律性，并结合可学习的Parzen带通滤波器和导数特征，提出了一种分层多流ResNet34架构	NA	解决心室心动过速（VT）、心室颤动（VF）和非心室节律（NVR）之间的分类问题	心电图（ECG）数据	machine learning	cardiovascular disease	深度学习	ResNet34	ECG trace	NA
166	2025-05-24	Efficient spheroid morphology assessment with a ChatGPT data analyst: implications for cell therapy 2025-Mar, BioTechniques IF:2.2Q4 DOI:10.1080/07366205.2025.2493489 PMID:40264428	research paper	本研究开发了一种使用ChatGPT数据分析师进行深度学习的方法，用于自动测量球体大小以评估球体质量	利用ChatGPT数据分析师进行图像识别和处理，提供了一种可靠且高效的球体质量评估替代方法	未提及具体样本量的限制或潜在的偏差来源	开发一种自动测量球体大小的方法，以改善球体质量评估	由脂肪来源干细胞（ADSCs）生成的球体	digital pathology	osteoarthritis	deep learning, image recognition	ChatGPT Data Analyst	image	NA
167	2025-05-23	LEyes: A lightweight framework for deep learning-based eye tracking using synthetic eye images 2025-Mar-31, Behavior research methods IF:4.6Q1 DOI:10.3758/s13428-025-02645-y PMID:40164925	研究论文	介绍了一种名为LEyes的轻量级框架，用于通过合成眼图进行基于深度学习的眼动追踪	LEyes框架采用简单的合成图像生成器而非传统的光照真实方法，提高了训练神经网络的效率，并适应任何记录设备	合成图像可能无法完全捕捉真实眼图的复杂性和多样性	克服眼动追踪技术中训练数据不足和模型泛化能力差的问题	眼动追踪中的瞳孔和角膜反射检测	计算机视觉	NA	深度学习	神经网络	图像	多样化的数据集
168	2025-05-23	Deep learning-driven pulmonary artery and vein segmentation reveals demography-associated vasculature anatomical differences 2025-Mar-06, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-56505-6 PMID:40050617	research paper	提出了一种名为HiPaS的深度学习方法，用于在非对比CT和CTPA上实现肺动脉和静脉的精确分割	HiPaS方法首次在非对比CT上实现了肺动脉和静脉的精确分割，无需使用对比剂，且性能不劣于传统CTPA方法	NA	开发一种无需对比剂的肺动脉和静脉分割方法，用于疾病诊断和手术规划	肺动脉和静脉的解剖结构	digital pathology	lung cancer	deep learning	CNN	CT图像	1073个CT体积（训练集）和11,784名参与者（大规模分析）
169	2025-05-23	EfficientNet-resDDSC: A Hybrid Deep Learning Model Integrating Residual Blocks and Dilated Convolutions for Inferring Gene Causality in Single-Cell Data 2025-Mar, Interdisciplinary sciences, computational life sciences DOI:10.1007/s12539-024-00667-2 PMID:39578307	研究论文	提出了一种名为EfficientNet-resDDSC的混合深度学习模型，用于从单细胞数据中推断基因间的因果关系	结合了残差块和扩张卷积，增强了模型在初级阶段的低层次特征提取能力，并通过深度可分离卷积和扩张卷积在不增加计算量的情况下扩大了模型的感受野	未提及具体局限性	构建基因调控网络（GRNs）以揭示基因间的因果关系	单细胞RNA测序（scRNA-seq）数据	机器学习	乳腺癌	scRNA-seq	EfficientNet-resDDSC（结合了残差块和扩张卷积的深度学习模型）	单细胞RNA测序数据	四个数据集
170	2025-05-22	Artificial intelligence for medication-related osteonecrosis of the jaw: a scoping review 2025-Mar-10, Oral surgery, oral medicine, oral pathology and oral radiology DOI:10.1016/j.oooo.2025.03.004 PMID:40393880	综述	本文综述了人工智能在药物相关性颌骨坏死（MRONJ）的预测、诊断和管理中的应用现状	总结了AI在MRONJ预测、诊断和患者教育中的最新应用，并识别了当前研究的挑战和未来方向	数据质量、验证和临床整合方面的挑战尚未解决，且纳入研究数量有限（仅8篇）	评估人工智能在MRONJ领域的应用效果和潜力	药物相关性颌骨坏死（MRONJ）的预测、诊断和管理	人工智能在医学中的应用	颌骨坏死	机器学习（支持向量机、随机森林、梯度提升机）、深度学习、大语言模型	SVM、随机森林、梯度提升机、深度学习模型、LLM	放射影像数据、患者信息数据集	8项符合条件的研究（5项预测研究、2项诊断研究、1项患者教育研究）
171	2025-05-21	Recurrent and convolutional neural networks in classification of EEG signal for guided imagery and mental workload detection 2025-Mar-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-92378-x PMID:40140460	研究论文	本研究探讨了使用循环神经网络和卷积神经网络对脑电图信号进行分类，以检测引导想象和心理工作负荷	首次在引导想象和心理工作负荷检测中比较了使用26个认知电极和256个通道的信号分类效果，并发现仅使用认知电极即可获得与全信号相似的结果	研究样本仅包括26名学生，可能限制了结果的泛化能力	验证是否能够通过深度学习方法和循环神经网络检测和分类引导想象放松技术与心理任务工作负荷之间的差异	26名接受引导想象放松技术和心理任务工作负荷的学生	机器学习	精神疾病	密集阵列脑电图放大器	EEGNet, LSTM, 1D CNN, 1D CNN-LSTM混合模型	脑电图信号	26名学生
172	2025-05-21	Convolutional Neural Network Models for Visual Classification of Pressure Ulcer Stages: Cross-Sectional Study 2025-Mar-25, JMIR medical informatics IF:3.1Q2 DOI:10.2196/62774 PMID:40135412	研究论文	本研究探讨了使用卷积神经网络（CNN）模型对压力性溃疡（PI）进行视觉分类的潜力	首次将AlexNet、VGGNet16、ResNet18和DenseNet121等CNN模型应用于PI分期，并展示了DenseNet121的最高准确率	未与不同经验水平的护士进行比较以进一步验证临床应用效果	提供一种有效的工具来辅助PI分期	压力性溃疡（PI）图像	计算机视觉	压力性溃疡	深度学习	CNN（包括AlexNet、VGGNet16、ResNet18和DenseNet121）	图像	853张原始PI图像，经过数据增强后得到7677张图像
173	2025-05-21	Imaging Intravoxel Vessel Size Distribution in the Brain Using Susceptibility Contrast Enhanced MRI 2025-Mar-25, ArXiv PMID:40196141	研究论文	本文提出了一种新的基于磁敏感对比的MRI方法，用于无创成像脑内体素内血管大小分布（VSD），以实现更全面和定量的血管重塑评估	利用高分辨率光片荧光显微镜图像模拟GESFIDE MRI信号，并通过深度学习模型预测脑血容量（CBV）和VSD	需要进一步验证以确认其在临床前和临床应用中的潜力	开发一种非侵入性成像技术，用于评估血管重塑	啮齿动物脑部血管系统	医学影像	癌症、神经退行性疾病、纤维化、高血压和糖尿病	磁敏感对比增强MRI、光片荧光显微镜、深度学习	深度学习模型	图像	NA
174	2025-05-21	GaitDynamics: A Generative Foundation Model for Analyzing Human Walking and Running 2025-Mar-21, Research square DOI:10.21203/rs.3.rs-6206222/v1 PMID:40166023	research paper	介绍了一种名为GaitDynamics的生成基础模型，用于分析人类步行和跑步的动力学	开发了一个基于大规模多样化数据集训练的生成基础模型，能够处理不同输入、输出和临床应用的多任务	未提及具体限制，但暗示现有模型通常在小规模同质数据上训练且仅预测单一输出	促进人类健康和表现，通过低成本高精度的方式分析步态动力学	人类步行和跑步的动力学	machine learning	NA	deep learning	generative foundation model	kinematics and force data	大规模多样化参与者数据集（具体数量未提及）
175	2025-05-21	scPrediXcan integrates advances in deep learning and single-cell data into a powerful cell-type-specific transcriptome-wide association study framework 2025-Mar-04, bioRxiv : the preprint server for biology DOI:10.1101/2024.11.11.623049 PMID:39605417	研究论文	本文提出了一种名为scPrediXcan的新方法，该方法将深度学习与单细胞数据相结合，用于细胞类型特异性的转录组范围关联研究	scPrediXcan整合了先进的深度学习方法和单细胞数据，能够更准确地预测细胞类型特异性表达，并捕捉线性模型忽略的复杂基因调控规律	NA	提高转录组范围关联研究（TWAS）在细胞水平上识别疾病机制的能力	2型糖尿病和系统性红斑狼疮	生物信息学	2型糖尿病, 系统性红斑狼疮	深度学习, 单细胞数据	ctPred	DNA序列, 单细胞表达数据	NA
176	2025-05-21	Enhancing Outcome Prediction in Intracerebral Hemorrhage Through Deep Learning: A Retrospective Multicenter Study 2025-Mar, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.07.025 PMID:39095262	研究论文	本研究利用深度学习技术分析和验证了一种自动预测脑出血（ICH）后90天功能预后的生物标志物	结合临床数据和深度学习特征构建的Merge模型在预测脑出血预后方面表现出更高的AUC值	研究为回顾性多中心研究，可能存在选择偏倚	开发客观有效的脑出血预后预测工具	脑出血患者	数字病理学	脑出血	深度学习	Resnet50, 逻辑回归	医学影像	1098名患者（男性652名，女性446名）
177	2025-05-21	The role of artificial intelligence and deep learning in determining the histopathological grade of pancreatic neuroendocrine tumors by using EUS images 2025 Mar-Apr, Endoscopic ultrasound IF:4.4Q1 DOI:10.1097/eus.0000000000000113 PMID:40385971	research paper	该研究利用人工智能和深度学习算法，通过EUS图像预测胰腺神经内分泌肿瘤的组织病理学分级	首次将AI和深度学习技术应用于EUS图像，以预测胰腺神经内分泌肿瘤的分级	样本量较小（44名患者），且为初步研究，需要更大规模的验证	评估AI和深度学习在预测胰腺神经内分泌肿瘤分级中的应用	胰腺神经内分泌肿瘤（pNETs）患者	digital pathology	pancreatic neuroendocrine tumors	EUS, deep learning	CNN	image	44名患者的803张EUS图像
178	2025-05-19	Deep Learning-Based Ion Channel Kinetics Analysis for Automated Patch Clamp Recording 2025-Mar, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202404166 PMID:39737527	研究论文	本研究提出了首个基于人工智能的框架，用于表征全细胞记录中的多种离子通道动力学	首次将人工智能技术应用于离子通道动力学分析，结合了异常检测和多类分类的深度学习模型	NA	提高电生理研究中离子通道动力学分析的效率和准确性	离子通道动力学	机器学习	阿尔茨海默病, 帕金森病	膜片钳技术	1D CNN, 双向LSTM, 注意力机制	电生理记录数据	124个测试数据集
179	2025-05-18	Deep learning-based fully automated detection and segmentation of pelvic lymph nodes on diffusion-weighted images for prostate cancer: a multicenter study 2025-Mar-17, Cancer imaging : the official publication of the International Cancer Imaging Society IF:3.5Q1 DOI:10.1186/s40644-025-00840-w PMID:40098034	research paper	本研究开发了一种基于3D V-Net模型的深度学习系统，用于前列腺癌患者盆腔淋巴结的自动检测和分割	利用3D V-Net模型实现了盆腔淋巴结的自动检测和分割，提高了效率和准确性	在淋巴结水平上的敏感性为60.1%，仍有提升空间	提高前列腺癌患者盆腔淋巴结检测和分割的效率和准确性	前列腺癌患者的盆腔淋巴结	digital pathology	prostate cancer	diffusion-weighted imaging (DWI)	3D V-Net	image	1,151名患者（训练集），401名患者（外部验证集），共计32,507个标注淋巴结（训练集），7,707个淋巴结（验证集）
180	2025-05-18	Artificial intelligence can be trained to predict c-KIT-11 mutational status of canine mast cell tumors from hematoxylin and eosin-stained histological slides 2025-03, Veterinary pathology IF:2.3Q1 DOI:10.1177/03009858241286806 PMID:39422217	research paper	该研究训练深度学习模型（DLMs）仅基于形态学预测犬肥大细胞瘤（MCTs）中c-KIT-11的突变状态	首次使用深度学习模型从HE染色切片中预测c-KIT-11的突变状态，无需进行PCR检测	染色协议和扫描仪类型会影响模型的准确性，跨机构数据集的性能下降	开发一种基于形态学的非侵入性方法来预测犬肥大细胞瘤的c-KIT-11突变状态	犬肥大细胞瘤（MCTs）	digital pathology	mast cell tumors	deep learning, HE staining	DLMs	image	368例犬皮肤、皮下和黏膜皮肤MCTs（195例有ITD突变，173例无）