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
561	2025-05-01	Predicting Short-Term Mortality in Patients With Acute Pulmonary Embolism With Deep Learning 2025-Apr-25, Circulation journal : official journal of the Japanese Circulation Society IF:3.1Q2 DOI:10.1253/circj.CJ-24-0630 PMID:39617426	research paper	开发了一种基于深度学习的多模态模型，用于预测急性肺栓塞患者的短期死亡率	提出了一种新型多模态深度学习模型（mmDL），结合影像学和临床/人口统计学数据，显著优于现有的PESI评分	样本量相对较小（207例患者），可能影响模型的泛化能力	优化急性肺栓塞患者的治疗策略并改善患者预后	急性肺栓塞患者	digital pathology	cardiovascular disease	对比增强多排计算机断层扫描	CNN, Transformer	影像数据、临床/人口统计学数据	207例急性肺栓塞患者（其中53例死亡）
562	2025-05-01	[Cross-session motor imagery-electroencephalography decoding with Riemannian spatial filtering and domain adaptation] 2025-Apr-25, Sheng wu yi xue gong cheng xue za zhi = Journal of biomedical engineering = Shengwu yixue gongchengxue zazhi DOI:10.7507/1001-5515.202411035 PMID:40288968	研究论文	本研究提出了一种结合黎曼空间滤波和领域自适应的方法（RSFDA），用于提高跨会话运动想象脑电信号（MI-EEG）分类的准确性和效率	通过多模块协作框架解决源域和目标域数据分布不一致的问题，提升了跨会话MI-EEG分类模型的泛化能力	在复杂迁移学习场景中的适用性仍需进一步研究	提高跨会话运动想象脑电信号（MI-EEG）分类的准确性和效率	运动想象脑电信号（MI-EEG）	脑机接口技术	NA	黎曼空间滤波和领域自适应	RSFDA	脑电信号（EEG）	三个公共数据集
563	2025-05-01	[Research progress in motor assessment of neurodegenerative diseases driven by motion capture data] 2025-Apr-25, Sheng wu yi xue gong cheng xue za zhi = Journal of biomedical engineering = Shengwu yixue gongchengxue zazhi DOI:10.7507/1001-5515.202403004 PMID:40288984	review	本文综述了基于运动捕捉数据的神经退行性疾病运动评估的最新研究进展	将神经退行性疾病运动评估方法按特征提取和处理方式分为三类，并比较分析了各类方法的技术要点和特点	未提及具体研究样本量及数据集的局限性	探讨神经退行性疾病运动评估的研究进展与发展趋势	神经退行性疾病患者的运动功能评估	digital pathology	geriatric disease	motion capture	machine learning, deep learning	motion data	NA
564	2025-05-01	Privacy-Preserving Federated Learning Framework for Multi-Source Electronic Health Records Prognosis Prediction 2025-Apr-09, Sensors (Basel, Switzerland) DOI:10.3390/s25082374 PMID:40285064	研究论文	提出了一种名为MultiProg的隐私保护联邦学习框架，用于多源电子健康记录的预后预测	采用多通道架构和特征校准机制，确保在机构间异构特征集下的稳健性能，同时保护敏感患者信息	未提及具体样本量及参与机构数量，可能影响结果的可推广性	解决临床预测系统中安全且隐私保护的健康状况表示学习问题	多源电子健康记录	机器学习	NA	联邦学习	深度学习模型	电子健康记录	NA
565	2025-05-01	Lightweight deep learning algorithm for real-time wheat flour quality detection via NIR spectroscopy 2025-Apr-05, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2024.125653 PMID:39733712	研究论文	本研究提出了一种轻量级卷积神经网络，用于通过近红外光谱实时检测小麦粉质量	结合Ghost bottlenecks、外部注意力模块和Kolmogorov-Arnold网络，增强特征提取并提高预测准确性	未提及具体样本多样性或模型在其他食品质量检测中的泛化能力	开发高效、非破坏性的小麦粉质量实时监测工具	小麦粉的质量参数（蛋白质和水分含量）	机器学习	NA	近红外光谱（NIR）	轻量级CNN	光谱数据	未明确提及具体样本数量
566	2025-05-01	Determination and visualization of moisture content in Camellia oleifera seeds rapidly based on hyperspectral imaging combined with deep learning 2025-Apr-05, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2024.125676 PMID:39742624	研究论文	本研究基于高光谱成像和深度学习技术，快速测定和可视化油茶籽的水分含量	提出了一种利用粒子群优化算法（PSO）在卷积神经网络回归（CNNR）模型中搜索最优超参数的方法，并开发了最优混合预测模型PSO-CNN-SVR	NA	探索利用可见近红外高光谱成像（VNIR-HSI）结合深度学习（DL）方法检测油茶籽水分含量的可行性	油茶籽	计算机视觉	NA	可见近红外高光谱成像（VNIR-HSI）	卷积神经网络回归（CNNR）、支持向量机回归（SVR）、AlexNet	图像	NA
567	2025-05-01	Rapid identification of horse oil adulteration based on deep learning infrared spectroscopy detection method 2025-Apr-05, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2024.125604 PMID:39756131	研究论文	本研究提出了一种基于深度学习和红外光谱技术的马油掺假快速检测方法	首次将红外光谱与深度学习结合用于马油掺假的快速检测，并优化了ResNet模型在该应用中的性能	仅测试了黄油、羊油和猪油三种掺假物质，未涵盖其他可能的掺假物	建立一种快速、准确的马油掺假检测方法	马油及其掺假混合物（黄油、羊油、猪油）	机器学习	NA	红外光谱技术	ResNet	红外光谱数据	591×3601组不同掺假比例（5%-50%）的红外光谱数据
568	2025-05-01	Identifying mating events of group-housed broiler breeders via bio-inspired deep learning models 2025-Apr-04, Poultry science IF:3.8Q1 DOI:10.1016/j.psj.2025.105126 PMID:40300323	研究论文	开发深度学习模型识别群养肉种鸡的交配行为	结合生物特征和鸟只数量变化，利用深度学习模型自动识别交配行为，显著提高了处理速度	交配事件识别在不同时间段和鸟龄间存在波动，受鸟只重叠、聚集密度和遮挡影响	优化肉种鸡的繁殖效率和生产力	罗斯708品种的肉种鸡（20只母鸡和2-3只公鸡）	计算机视觉	NA	深度学习	YOLOv7, YOLOv8, DeepSORT, StrongSORT, ByteTrack, SAM2, YOLOv8-segmentation, Track Anything	图像	20只母鸡和2-3只公鸡（56周龄）在四个实验栏中监测
569	2025-05-01	Computational Pathology Detection of Hypoxia-Induced Morphologic Changes in Breast Cancer 2025-Apr, The American journal of pathology DOI:10.1016/j.ajpath.2024.10.023 PMID:39732389	research paper	该研究利用人工智能在计算病理学中评估乳腺癌缺氧情况，通过弱监督深度学习模型检测H&E染色全切片图像中与缺氧相关的形态变化	首次将弱监督深度学习模型应用于常规H&E染色切片中缺氧相关形态变化的检测，无需额外基因表达检测	研究仅基于乳腺癌样本，模型在其他肿瘤类型中的适用性尚待验证	开发一种基于人工智能的方法来检测乳腺癌中的缺氧诱导形态变化	乳腺癌原发部位的H&E染色全切片图像	digital pathology	breast cancer	H&E染色全切片成像	HypOxNet (弱监督深度学习模型)	image	1016例乳腺癌原发部位样本
570	2025-05-01	Multi-stain deep learning prediction model of treatment response in lupus nephritis based on renal histopathology 2025-Apr, Kidney international IF:14.8Q1 DOI:10.1016/j.kint.2024.12.007 PMID:39733792	研究论文	本研究开发了一种基于肾脏组织病理学的多染色深度学习模型，用于预测狼疮性肾炎患者的治疗反应	首次将深度学习应用于多染色肾脏活检切片，整合四种染色模型构建多染色预测模型，性能优于传统临床病理参数	需要进一步验证才能在临床实践中实施	开发预测狼疮性肾炎患者治疗反应的工具	狼疮性肾炎患者	数字病理学	狼疮性肾炎	深度学习	多染色集成模型	数字病理切片图像	开发队列245名患者(880张数字切片)，外部测试队列71名患者(258张数字切片)
571	2025-05-01	Incorporating spatial information in deep learning parameter estimation with application to the intravoxel incoherent motion model in diffusion-weighted MRI 2025-Apr, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103414 PMID:39740472	research paper	该研究提出了一种结合空间信息的深度学习方法，用于扩散加权磁共振成像中的参数估计，特别是在体素内不相干运动模型中	通过训练神经网络在包含相邻体素间直接相关性的合成数据块上，有效利用了空间信息，提高了参数估计的准确性	研究主要基于合成数据和少量健康志愿者的体内数据，需要更多临床数据验证	提高扩散加权磁共振成像中模型参数估计的准确性	扩散加权磁共振成像数据	医学图像分析	NA	扩散加权磁共振成像(DWI)	attention模型, CNN	医学图像	12次重复扫描的健康志愿者数据
572	2025-05-01	Automatic Segmentation of Vestibular Schwannoma From MRI Using Two Cascaded Deep Learning Networks 2025-Apr, The Laryngoscope DOI:10.1002/lary.31979 PMID:39744768	研究论文	本文介绍了一种结合两个卷积神经网络（CNN）的新模型，用于通过深度学习自动分割和检测MRI中的前庭神经鞘瘤（VS），以提高自动分割的性能	提出了一种顺序连接两个UNet并结合空间注意力机制的新模型，用于改进前庭神经鞘瘤的自动分割性能	未提及具体的数据集规模或模型在其他类型肿瘤上的泛化能力	提高前庭神经鞘瘤（VS）在MRI中的自动分割和检测性能	前庭神经鞘瘤（VS）	数字病理学	前庭神经鞘瘤	MRI（对比增强T1和高分辨率T2加权）	UNet（2D、2.5D、3D）	图像	公共和私人数据集（具体数量未提及）
573	2025-05-01	Overfit detection method for deep neural networks trained to beamform ultrasound images 2025-Apr, Ultrasonics IF:3.8Q1 DOI:10.1016/j.ultras.2024.107562 PMID:39746284	研究论文	提出一种检测深度神经网络在超声图像波束成形任务中过拟合的方法	仅需网络架构和训练权重即可检测过拟合，无需耗时重新训练或额外测试数据	方法仅在三种人工输入（零、一和高斯噪声）上验证，未在更广泛数据上测试	开发无需额外测试数据即可检测深度神经网络过拟合的方法	用于超声图像波束成形的深度神经网络	计算机视觉	NA	深度神经网络训练与评估	DNN	超声图像	多中心数据训练的三种DNN模型
574	2025-05-01	CPI-GGS: A deep learning model for predicting compound-protein interaction based on graphs and sequences 2025-Apr, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2024.108326 PMID:39752853	research paper	本文提出了一种基于图和序列的深度学习模型CPI-GGS，用于预测化合物-蛋白质相互作用	CPI-GGS模型结合了图和序列信息，提高了化合物-蛋白质相互作用的预测准确性	模型在不同数据集上的泛化能力仍需进一步验证	提高化合物-蛋白质相互作用预测的准确性，以促进药物发现和设计	化合物-蛋白质相互作用	machine learning	NA	deep learning	CPI-GGS	graph and sequence data	NA
575	2025-05-01	Mapping the knowledge landscape of the PET/MR domain: a multidimensional bibliometric analysis 2025-Apr, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-024-07043-8 PMID:39754665	研究论文	本文通过文献计量分析探讨了2010年至2024年PET/MR领域的研究趋势、合作模式和新兴主题	首次对PET/MR领域进行多维度的文献计量分析，揭示了研究热点和发展趋势	仅基于Web of Science数据库，可能遗漏其他来源的重要文献	探索PET/MR领域的研究现状和未来发展方向	PET/MR领域的4349篇文献	医学影像分析	肿瘤学、神经系统疾病和心血管疾病	文献计量分析工具VOSviewer和CiteSpace	NA	文献数据	4349篇出版物
576	2025-05-01	MPIC: Exploring alternative approach to standard convolution in deep neural networks 2025-Apr, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2024.107082 PMID:39754840	研究论文	本文提出了一种名为MPIC的多尺度渐进推理卷积方法，旨在增强标准卷积的特征提取能力同时保持参数数量相近	MPIC结合了大感受野、多尺度处理和渐进推理的优点，与现有卷积变体网络兼容并能显著提升特征提取能力	NA	探索标准卷积的替代方法以增强特征提取能力	卷积神经网络(CNNs)	计算机视觉	NA	NA	MPIC, CNN	图像	多个知名数据集(未具体说明数量)
577	2025-05-01	Interpretable deep learning for acoustic leak detection in water distribution systems 2025-Apr-01, Water research IF:11.4Q1 DOI:10.1016/j.watres.2024.123076 PMID:39756226	研究论文	本研究提出了一种用于水分配系统中声学泄漏检测的可解释深度学习方法	提出了多通道卷积神经网络（MCNN）模型和MGrad-CAM方法，以提高泄漏检测的准确性和模型的可解释性	未提及具体的研究局限性	提高水分配系统中泄漏检测的准确性和模型的可解释性	水分配系统中的声学泄漏信号	机器学习	NA	深度学习，聚类分析	MCNN, FCNN	声学信号	实验数据和实际现场数据
578	2025-05-01	SegRap2023: A benchmark of organs-at-risk and gross tumor volume Segmentation for Radiotherapy Planning of Nasopharyngeal Carcinoma 2025-Apr, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103447 PMID:39756265	research paper	介绍SegRap2023挑战赛及其为鼻咽癌放疗计划提供的器官风险区域和肿瘤体积分割基准数据集	提出了一个大规模基准数据集，包含200名鼻咽癌患者的400次CT扫描，用于评估OARs和GTVs的分割性能	对于GTVs和较小或较薄的OARs分割仍需更多努力	提升鼻咽癌放疗计划中器官风险区域和肿瘤体积的精确分割	鼻咽癌患者的CT扫描图像	digital pathology	nasopharyngeal carcinoma	CT扫描	NA	image	200名患者的400次CT扫描
579	2025-05-01	Traditional versus modern approaches to screening mammography: a comparison of computer-assisted detection for synthetic 2D mammography versus an artificial intelligence algorithm for digital breast tomosynthesis 2025-Apr, Breast cancer research and treatment IF:3.0Q2 DOI:10.1007/s10549-024-07589-z PMID:39786500	research paper	比较传统计算机辅助检测算法和现代人工智能算法在乳腺X线摄影中的性能	首次比较了传统机器学习CADe算法和深度学习AI算法在乳腺X线摄影中的表现	研究仅使用了Hologic公司的特定算法，可能无法推广到其他厂商的算法	比较传统和现代方法在乳腺X线摄影筛查中的效果	乳腺X线摄影图像	digital pathology	breast cancer	synthetic 2D mammography, digital breast tomosynthesis (DBT)	traditional machine learning CADe, deep learning-based AI	image	764名患者（平均年龄58岁±11），包含106例活检证实的癌症和658例阴性病例
580	2025-05-01	Domain-guided conditional diffusion model for unsupervised domain adaptation 2025-Apr, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2024.107031 PMID:39778293	研究论文	提出了一种领域引导的条件扩散模型（DCDM），用于无监督领域自适应（UDA），以生成高保真的目标领域样本	引入了类信息来控制生成样本的标签，并使用领域分类器引导生成样本朝向目标领域	性能可能受到领域差异大和目标领域数据有限的限制	解决深度学习模型在新应用场景中迁移性能受限的问题	无监督领域自适应（UDA）	机器学习	NA	扩散模型	DCDM	NA	NA