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
521	2025-05-27	Deep Learning for Automated Prediction of Sphenoid Sinus Pneumatization in Computed Tomography 2025-May-22, Current medical imaging IF:1.1Q3 DOI:10.2174/0115734056363158250429101521 PMID:40415313	研究论文	开发了一个用于自动预测CT扫描中蝶窦气化模式的CNN模型	首次使用深度学习技术自动识别蝶窦气化模式，特别是在类型IV上表现出色，这对内窥镜鼻窦手术至关重要	初始数据集较小且不平衡，尽管通过数据增强进行了改善，但样本量仍有限	提高经蝶窦手术的安全性，通过自动识别蝶窦气化模式来辅助放射科医生和外科医生	蝶窦气化模式	计算机视觉	鼻窦疾病	CT扫描	CNN	图像	249张CT图像（训练集174张，测试集75张），增强后训练集增至378张
522	2025-05-27	Unraveling the neural dynamics of mathematical interference in english reading: A novel approach with deep learning and fNIRS data 2025-May-21, Brain research bulletin IF:3.5Q2 DOI:10.1016/j.brainresbull.2025.111398 PMID:40409600	研究论文	本研究通过结合fNIRS、深度学习和数据挖掘技术，探讨英语学习中的数学认知干扰	提出了一种名为AC-LSTM的新型深度学习模型，结合了Transformer和LSTM架构，用于识别英语学习过程中的数学认知残留	NA	探究英语学习与数学认知之间的神经机制	英语学习过程中的数学干扰	教育神经科学	NA	fNIRS, 深度学习, 数据挖掘	AC-LSTM (结合Transformer和LSTM)	fNIRS数据	NA
523	2025-05-27	Integration of metabolomics and machine learning for precise management and prevention of cardiometabolic risk in Asians 2025-May-20, Clinical nutrition (Edinburgh, Scotland) DOI:10.1016/j.clnu.2025.05.011 PMID:40414052	research paper	该研究结合代谢组学和机器学习技术，旨在精确管理和预防亚洲人群的心血管代谢风险	通过整合代谢组学和机器学习，揭示隐藏的代谢模式和通路，为亚洲人群提供个性化干预措施	代谢组学在跨种族群体结果解释、研究设计限制、分析平台变异性和数据处理方法不一致方面存在挑战	开发针对亚洲人群的心血管代谢疾病（CMDs）的精准管理和预防策略	亚洲人群的心血管代谢风险	machine learning	cardiovascular disease	metabolomics, deep learning, network analysis	deep learning	metabolomic data	NA
524	2025-05-27	ProtoECGNet: Case-Based Interpretable Deep Learning for Multi-Label ECG Classification with Contrastive Learning 2025-May-17, ArXiv PMID:40395940	research paper	本文提出了一种基于原型学习的深度学习模型ProtoECGNet，用于可解释的多标签心电图分类	ProtoECGNet结合了1D CNN和2D CNN，使用原型损失和对比学习来提高分类性能并提供基于案例的解释	模型在PTB-XL数据集上进行评估，但未在其他数据集上验证其泛化能力	开发一种可解释的深度学习模型，用于多标签心电图分类	心电图数据	machine learning	心血管疾病	深度学习	CNN	时间序列数据	PTB-XL数据集中的71个诊断标签
525	2025-05-27	Machine Learning in nanoarchitectonics 2025-May-13, Advances in colloid and interface science IF:15.9Q1 DOI:10.1016/j.cis.2025.103546 PMID:40412155	综述	本文回顾了人工智能、机器学习和深度学习在纳米结构学中的发现、预测、优化、表征和成像方面的应用	探讨了可解释人工智能（XAI）在纳米结构学中的应用，通过分析可解释性、时间、准确性和参数（ITAP）矩阵来理解机器决策	未明确提及具体的研究局限性	分析机器学习和人工智能在纳米结构学中的应用及其潜在影响	纳米结构学中的原子和分子科学、胶体和纳米薄膜技术、微宏观技术	机器学习	NA	机器学习、深度学习、可解释人工智能（XAI）	NA	NA	NA
526	2025-05-27	The Potential Role of AI- and Machine Learning Models in the Early Detection of Oral Cancer and Oral Potentially Malignant Disorders 2025-05-12, Studies in health technology and informatics DOI:10.3233/SHTI250257 PMID:40357619	review	本文评估了人工智能在口腔癌及口腔潜在恶性病变早期检测中的应用进展	探讨了AI和深度学习模型在提高口腔癌及口腔潜在恶性病变早期检测准确性方面的潜力	存在解释性有限和伦理问题等挑战，需解决以全面整合到临床实践中	评估AI在口腔癌及口腔潜在恶性病变早期检测中的应用	口腔癌及口腔潜在恶性病变	digital pathology	oral cancer	AI-modalities, machine learning	deep learning models	NA	八项研究（2015-2024年间发表）
527	2025-05-27	Interpretable MRI-Based Deep Learning for Alzheimer's Risk and Progression 2025-May-07, medRxiv : the preprint server for health sciences DOI:10.1101/2025.05.06.25326606 PMID:40385384	research paper	该研究应用基于MRI的深度学习模型于中国SILCODE队列，用于阿尔茨海默病（AD）的早期检测和风险评估	模型在未经重新训练或微调的情况下，展示了强大的跨种族泛化能力，并成功识别出高风险个体及AD脑亚型	研究主要基于MRI数据，未涉及其他类型的生物标志物或影像数据	开发可解释的基于MRI的深度学习模型，用于AD的早期检测和风险评估	722名参与者，1,105次脑部MRI扫描	digital pathology	geriatric disease	MRI	deep learning	image	722名参与者，1,105次脑部MRI扫描
528	2025-05-27	Surrogate modeling of Cellular-Potts Agent-Based Models as a segmentation task using the U-Net neural network architecture 2025-May-05, ArXiv PMID:40386573	research paper	该研究开发了一种基于U-Net架构的卷积神经网络（CNN）代理模型，用于加速Cellular-Potts模型（CPM）的模拟评估	利用U-Net神经网络架构作为CPM的代理模型，显著提高了模拟评估速度（加速590倍），并有效捕捉了原始CPM的涌现行为	未明确提及具体限制，但可能包括模型泛化能力和对不同生物过程的适应性	开发高效的深度学习代理模型，以加速计算密集型的Cellular-Potts模型模拟	Cellular-Potts模型（CPM）及其在血管生成研究中的应用	machine learning	NA	卷积神经网络（CNN），U-Net架构	U-Net	模拟数据	NA
529	2025-05-27	Development and validation of a user-friendly prediction tool for preoperative T-Staging in gallbladder Cancer: A multicenter study using contrast-enhanced CT-Based fusion models 2025-May-02, European journal of surgical oncology : the journal of the European Society of Surgical Oncology and the British Association of Surgical Oncology DOI:10.1016/j.ejso.2025.110117 PMID:40412011	研究论文	开发并验证了一种基于对比增强CT的融合模型，用于胆囊癌术前T分期的用户友好预测工具	结合了放射组学和深度学习特征，开发了加权GBCT模型（wGBCT），并通过用户友好工具实现高预测准确性	研究为回顾性设计，样本量相对较小（189例患者）	提高胆囊癌术前T分期的准确性，以支持手术规划	胆囊癌患者	数字病理	胆囊癌	对比增强CT、放射组学、深度学习	融合模型（Rad+DL）、加权GBCT模型（wGBCT）	医学影像（CT）、临床数据	189例胆囊癌患者（111例训练集，48例内部验证集，30例时间验证集）
530	2025-05-27	Recent topics in musculoskeletal imaging focused on clinical applications of AI: How should radiologists approach and use AI? 2025-May, La Radiologia medica DOI:10.1007/s11547-024-01947-z PMID:39992330	综述	本文讨论了人工智能在肌肉骨骼成像领域的临床应用，包括图像生成和自动化诊断支持	聚焦于深度学习重建和基于MRI的皮质骨成像的临床应用，以及AI在罕见疾病诊断和预防医学中的角色	未提及具体的技术限制或研究样本量的限制	探讨人工智能在肌肉骨骼成像领域的应用及其对放射科医生的影响	肌肉骨骼成像和AI技术在放射学中的应用	数字病理	肌肉骨骼疾病	MRI, 深度学习	深度学习	图像	NA
531	2025-05-27	Hybrid Electromagnetic-Triboelectric Hip Energy Harvester for Wearables and AI-Assisted Motion Monitoring 2025-May, Small (Weinheim an der Bergstrasse, Germany) DOI:10.1002/smll.202500643 PMID:40190045	研究论文	本文介绍了一种AI辅助的可穿戴髋关节能量采集器（HJEH），用于将髋关节运动的机械能转化为电能并监测人体运动	结合电磁发电机（EMG）和独立式摩擦电纳米发电机（FS-TENG）实现能量采集与运动监测，并采用深度学习算法处理摩擦电信号	NA	开发一种可穿戴设备，用于能量采集和人体运动监测	人体髋关节运动	可穿戴技术	老年疾病	电磁发电技术、摩擦电纳米发电技术、深度学习算法	深度学习模型	运动信号	NA
532	2025-05-26	Harnessing deep learning for wheat variety classification: a convolutional neural network and transfer learning approach 2025-May-24, Journal of the science of food and agriculture IF:3.3Q2 DOI:10.1002/jsfa.14378 PMID:40411235	research paper	该研究利用深度学习和卷积神经网络（CNN）进行小麦品种分类，开发了一个四层CNN模型，并评估了DenseNet201、MobileNet和InceptionV3等预训练模型的性能	研究使用多视角图像数据集，包含124个小麦品种，开发了一个新的四层CNN模型，并在分类任务中表现优于预训练模型	高计算资源需求是主要挑战，且模型的超参数需要进一步优化以提高准确性	评估CNN模型在小麦品种分类中的适用性，并开发高效的分类方法	124个小麦品种的多视角图像	computer vision	NA	deep learning, transfer learning	CNN, DenseNet201, MobileNet, InceptionV3	image	124个小麦品种的多视角图像
533	2025-05-26	deepTFBS: Improving within- and Cross-Species Prediction of Transcription Factor Binding Using Deep Multi-Task and Transfer Learning 2025-May-24, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202503135 PMID:40411397	research paper	该研究提出了deepTFBS，一个利用深度多任务学习和迁移学习的框架，用于提高转录因子结合位点（TFBSs）在物种内和跨物种预测的准确性	deepTFBS通过构建一个稳健的DNA语言模型，结合多任务深度学习和迁移学习，能够利用大规模TF结合谱的知识来增强小样本训练和跨物种预测任务中的TFBS预测	NA	提高转录因子结合位点（TFBSs）的预测准确性，特别是在小样本训练和跨物种预测任务中	转录因子结合位点（TFBSs）	machine learning	NA	深度多任务学习和迁移学习	DL	DNA序列数据	359个拟南芥转录因子（TFs）的数据
534	2025-05-26	Deep learning-based classification and segmentation of interictal epileptiform discharges using multichannel electroencephalography 2025-May-24, Epilepsia IF:6.6Q1 DOI:10.1111/epi.18463 PMID:40411529	研究论文	本研究开发了一种基于深度学习的框架U-IEDNet，用于高精度分类和分割多通道脑电图(EEG)中的间歇性癫痫样放电(IEDs)	提出了一种结合卷积层、双向门控循环单元和Transformer网络的U形架构，能够同时提取单通道EEG的时间特征和多通道间的空间交互信息	研究仅在两个数据库(共413例患者记录)上进行了验证，样本量相对有限	开发高精度的IED自动检测工具以辅助癫痫诊断	多通道EEG记录中的间歇性癫痫样放电(IEDs)	机器学习	癫痫	深度学习	U-IEDNet(结合CNN、BiGRU和Transformer)	多通道EEG信号	413例患者记录(公共数据库370例+自建数据库43例)
535	2025-05-26	Deep learning reconstruction combined with contrast-enhancement boost in dual-low dose CT pulmonary angiography: a two-center prospective trial 2025-May-24, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-11681-3 PMID:40411550	research paper	研究深度学习重建（DLR）结合对比增强提升（CE-boost）技术在双低剂量CT肺动脉造影（CTPA）中的应用效果	首次将DLR与CE-boost技术结合应用于双低剂量CTPA，显著提升了图像质量和诊断准确性	研究仅在两中心进行，样本量为130例，可能需要更大规模验证	评估DLR结合CE-boost技术在降低辐射和对比剂剂量情况下提升CTPA图像质量的效果	疑似肺栓塞患者	digital pathology	pulmonary embolism	CT pulmonary angiography (CTPA)	deep learning reconstruction (DLR)	CT图像	130例患者
536	2025-05-26	Deep ensemble framework with Bayesian optimization for multi-lesion recognition in capsule endoscopy images 2025-May-24, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-025-03380-4 PMID:40411689	research paper	提出了一种基于深度集成框架和贝叶斯优化的方法，用于胶囊内窥镜图像中的多病灶识别	结合CA-EfficientNet-B0、ECA-RegNetY和Swin transformer作为基础学习器，并利用贝叶斯优化确定权重，提高了胃肠道疾病的分类性能	实验数据仅来自上海东方医院，可能限制了模型的泛化能力	解决无线胶囊内窥镜检查中大量图像导致的疲劳漏诊和误诊问题	胶囊内窥镜图像中的四种病灶（血管扩张、出血、糜烂和息肉）及正常胃肠道图像	computer vision	gastrointestinal disease	transfer learning, Bayesian optimization	ensemble model (CA-EfficientNet-B0, ECA-RegNetY, Swin transformer)	image	8358张图像，来自281个病例
537	2025-05-26	Feature-Reinforced Strategy for Enhancing the Accuracy of Triboelectric Vibration Sensing Toward Mechanical Equipment Monitoring 2025-May-24, Small (Weinheim an der Bergstrasse, Germany) DOI:10.1002/smll.202503997 PMID:40411864	研究论文	本文提出了一种结合界面偶极能量和真空能级优化的新型摩擦电材料机制，设计并开发了一种PDMS封装金属电极的TENG装置，通过振动波形分析实现设备运行状态的精确识别	结合界面偶极能量和真空能级优化解释振动下电荷的产生和分离，设计PDMS封装金属电极的TENG装置，并通过深度学习算法实现振动状态的高分辨率分类	未提及具体样本量或实验规模，可能限制结果的广泛适用性	提升摩擦电振动传感的准确性，实现智能设备运行状态的实时监测和诊断	智能设备中的振动传感器	智能传感与监测	NA	深度学习算法	NA	振动波形数据	NA
538	2025-05-26	Improvement of deep learning-based dose conversion accuracy to a Monte Carlo algorithm in proton beam therapy for head and neck cancers 2025-May-23, Journal of radiation research IF:1.9Q3 DOI:10.1093/jrr/rraf019 PMID:40267259	研究论文	本研究探讨了图像旋转技术和缩放增强在提高质子束治疗中基于深度学习的剂量转换精度方面的有效性	引入了图像旋转技术和缩放增强方法，显著提高了从铅笔束到蒙特卡洛算法的剂量转换精度	研究仅针对头颈癌患者，样本量相对较小	提高质子束治疗中基于深度学习的剂量计算精度	头颈癌患者	医学影像处理	头颈癌	深度学习	DL模型	CT图像和剂量数据	85名患者，分为101个训练/验证计划（334束）和11个测试计划（34束）
539	2025-05-26	Single-cell multimodal analysis reveals tumor microenvironment predictive of treatment response in non-small cell lung cancer 2025-May-23, Science advances IF:11.7Q1 DOI:10.1126/sciadv.adu2151 PMID:40408481	research paper	该研究通过单细胞多模态分析揭示了非小细胞肺癌肿瘤微环境对治疗反应的预测作用	开发了NucSegAI深度学习模型用于自动化核分割和细胞分类，并识别了预测免疫治疗反应的特定淋巴细胞表型	研究样本量相对有限（119张全切片图像），且仅针对非小细胞肺癌	优化非小细胞肺癌患者的治疗反应预测，改善患者分层和治疗方案选择	人类非小细胞肺癌组织	digital pathology	lung cancer	multiplex immunofluorescence (mIF), RNA sequencing	deep learning model (NucSegAI)	image, RNA-seq data	119张全切片图像中的4560万个细胞
540	2025-05-26	Multimodal ultrasound-based radiomics and deep learning for differential diagnosis of O-RADS 4-5 adnexal masses 2025-May-23, Cancer imaging : the official publication of the International Cancer Imaging Society IF:3.5Q1 DOI:10.1186/s40644-025-00883-z PMID:40410823	research paper	该研究开发并验证了一种基于多模态超声的列线图，结合临床变量、放射组学和深度学习特征，以有效区分O-RADS 4-5类别的附件肿块	首次探索基于CEUS的放射组学在区分附件肿块中的应用，并开发了结合临床变量、放射组学和深度学习特征的多模态列线图	研究依赖于放射科医生的手动分割，可能存在主观偏差	提高O-RADS 4-5类别附件肿块的诊断准确性	340名接受2DUS和CEUS检查并被分类为O-RADS 4-5的患者	digital pathology	卵巢癌	CEUS, 2DUS	ML, DL	image	340名患者