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
1061	2025-05-12	Artificial intelligence-enabled lipid droplets quantification: Comparative analysis of NIS-elements Segment.ai and ZeroCostDL4Mic StarDist networks 2025-May, Methods (San Diego, Calif.) DOI:10.1016/j.ymeth.2025.02.013 PMID:40023351	研究论文	本文比较了NIS-elements Segment.ai和ZeroCostDL4Mic StarDist网络在脂滴定量分析中的应用	提出了一种结合商业软件和开源工具的工作流程，用于脂滴的数量和形态分析，显著加速了成像数据的处理	研究仅针对3T3-L1细胞分化的脂肪细胞，可能不适用于其他细胞类型	开发并比较两种深度学习模型在脂滴定量分析中的性能，以促进对脂滴动态的理解	3T3-L1细胞分化的脂肪细胞中的脂滴	数字病理学	肥胖及相关并发症	共聚焦活细胞成像	Segment.ai和StarDist	图像	3T3-L1细胞分化的脂肪细胞
1062	2025-05-12	Pathology report generation from whole slide images with knowledge retrieval and multi-level regional feature selection 2025-May, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108677 PMID:40023962	研究论文	提出了一种基于知识检索和多层次区域特征选择的病理报告生成方法，用于从全切片图像中高效生成病理报告	引入了多层次区域特征编码网络和特征选择模块，设计了知识检索模块，并提出了基于大语言模型的域外应用模式	NA	设计一种适合临床实践的病理报告生成方法	全切片图像(WSIs)	数字病理学	胃癌	深度学习	LLM	图像	公共数据集GastricADC(991张WSIs)和内部数据集Gastric-3300(3309张WSIs)
1063	2025-05-12	Low dose computed tomography reconstruction with momentum-based frequency adjustment network 2025-May, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108673 PMID:40023964	research paper	本文提出了一种基于动量频率调整网络的低剂量计算机断层扫描（LDCT）重建方法，显著减少了收敛所需的迭代次数并提高了重建质量	引入了创新的频率调整网络（FAN）和基于动量的频率调整网络（MFAN），以及独特的Focal Detail Loss（FDL）损失函数，有效改善了重建性能	未明确提及具体局限性，但可能涉及计算资源需求或对其他数据集的泛化能力	改进低剂量计算机断层扫描（LDCT）重建方法，减少迭代次数并提高图像质量	AAPM-Mayo公共数据集和真实猪仔数据集	digital pathology	NA	Low-Dose Computed Tomography (LDCT)	Frequency Adjustment Network (FAN), Momentum-based Frequency Adjustment Network (MFAN)	CT图像	AAPM-Mayo公共数据集和真实猪仔数据集（具体数量未提及）
1064	2025-05-12	Impact of aortic branch retention strategies on thrombus growth prediction in type B aortic dissection: A hemodynamic study 2025-May, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108679 PMID:40037009	research paper	本研究通过数值模拟探讨了四种主动脉分支保留策略对B型主动脉夹层血栓生长预测的影响	首次系统比较了不同分支保留策略对血流动力学稳定性和血栓形成风险的影响，并提出了简化图像处理的Type 4策略	研究基于数值模拟，尚未进行临床验证	评估不同主动脉分支保留策略对血栓生长预测的影响	B型主动脉夹层患者的主动脉模型	心血管疾病	B型主动脉夹层	数值模拟	计算流体动力学模型	数值模拟数据	四种分支保留策略的模拟比较
1065	2025-05-12	Deep learning models for improving Parkinson's disease management regarding disease stage, motor disability and quality of life 2025-May, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109961 PMID:40037167	research paper	该研究利用LSTM深度学习模型，通过单个惯性传感器对帕金森病患者的疾病阶段、运动状况和生活质量进行分类	提出了一种基于LSTM的深度学习架构，能够通过单一惯性传感器实现帕金森病的多维度评估	研究样本量较小，仅包含40名患者	改善帕金森病的管理，包括疾病阶段、运动障碍和生活质量的评估	帕金森病患者	machine learning	geriatric disease	惯性传感器	LSTM	sensor data	40名患者
1066	2025-05-12	Deep learning models for early and accurate diagnosis of ventilator-associated pneumonia in mechanically ventilated neonates 2025-May, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109942 PMID:40037168	research paper	该研究探讨了深度学习模型在新生儿重症监护病房（NICU）中，利用胸部X光图像早期准确诊断呼吸机相关性肺炎（VAP）的应用	通过集成学习方法结合ResNet50和RegNetX80模型，显著提高了VAP诊断的AUC值，同时利用XAI（可解释AI）技术增强了医生对AI辅助诊断的信心	需要未来前瞻性试验来验证其临床实用性和减少医疗资源的效果	优化呼吸机相关性肺炎（VAP）的诊断策略，减少不必要的抗生素使用	接受机械通气的新生儿	digital pathology	ventilator-associated pneumonia	deep learning	ResNet, VGG, DenseNet, RegNetX80, ensemble learning	image	670名新生儿（共900张胸部X光图像，其中399张来自确诊VAP的患者，501张来自非VAP新生儿）
1067	2025-05-12	Potential of AI and ML in oncology research including diagnosis, treatment and future directions: A comprehensive prospective 2025-May, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109918 PMID:40037170	review	本文综述了人工智能（AI）和机器学习（ML）在肿瘤学研究中的潜力，包括诊断、治疗及未来发展方向	探讨了AI和ML在癌症预测、诊断和治疗中的最新进展，包括FDA批准的技术及其在个性化医疗中的应用	讨论了AI在医疗领域的挑战、限制、监管考虑和伦理问题	评估AI和ML在肿瘤学研究中的应用及其对癌症护理和治疗的潜在影响	癌症研究，特别是预测、诊断和治疗	machine learning	cancer	deep learning (DL), machine learning (ML)	CNN, MLP	NA	NA
1068	2025-05-12	Predictive modeling and optimization in dermatology: Machine learning for skin disease classification 2025-May, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109946 PMID:40037169	研究论文	本研究利用机器学习分类器基于活检样本的组织病理学特征预测皮肤疾病，以提高诊断准确性	采用六种广泛使用的分类器进行比较，其中SGD分类器表现最佳，准确率达到99.09%，F1分数达到98.77%，并通过高级特征选择技术提高了模型性能和可解释性	未来工作需改进特征选择方法、扩大数据集以提高泛化能力，并探索更先进的深度学习技术	提高皮肤疾病的诊断准确性，开发可靠且自动化的诊断工具	皮肤疾病的组织病理学特征	机器学习	皮肤疾病	NA	Random Forest, Logistic Regression, SGD Classifier, SVM, AdaBoost, Naive Bayes	组织病理学特征	NA
1069	2025-05-12	Factor enhanced DeepSurv: A deep learning approach for predicting survival probabilities in cirrhosis data 2025-May, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109963 PMID:40037171	研究论文	本文提出了一种名为Factor Enhanced DeepSurv（FE-DeepSurv）的新型深度神经网络模型，用于预测肝硬化患者的生存概率	结合因子分析降低预测变量维度，应用转换技术处理数据截尾，并使用深度神经网络预测每个时间间隔的条件失效概率，从而提高生存概率估计的精确度	研究仅针对肝硬化数据进行了验证，未在其他疾病数据集上测试	开发一种能够更准确预测生存概率的深度学习模型	肝硬化患者的生存数据	机器学习	肝硬化	因子分析、深度神经网络	FE-DeepSurv	生存数据	来自Mayo Clinic试验的继发性肝硬化数据
1070	2025-05-12	Deep learning based image enhancement for dynamic non-Cartesian MRI: Application to "silent" fMRI 2025-May, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109920 PMID:40037172	research paper	本研究探讨了深度学习图像增强方法在非笛卡尔MRI中的应用，特别关注于保留动态时间信号变化	利用高分辨率静息态fMRI数据集构建了真实训练集，并比较了2D-UNet和3D-UNet在图像增强任务中的表现，发现3D-UNet表现更优	研究主要基于模拟数据，实际临床应用中的效果尚需进一步验证	提高非笛卡尔MRI图像质量，同时保留动态时间信号变化	非笛卡尔MRI图像，特别是静息态fMRI数据	medical imaging	NA	deep learning, fMRI	2D-UNet, 3D-UNet	image	Human Connectome Project (HCP) foundation的高分辨率静息态fMRI数据集
1071	2025-05-12	EVlncRNA-net: A dual-channel deep learning approach for accurate prediction of experimentally validated lncRNAs 2025-May, International journal of biological macromolecules IF:7.7Q1 DOI:10.1016/j.ijbiomac.2025.141538 PMID:40043997	research paper	提出了一种名为EVlncRNA-net的双通道深度学习框架，用于准确预测经过实验验证的lncRNAs	EVlncRNA-net结合了图卷积网络（GCN）和卷积神经网络（CNN）两种表示学习模块，创新性地将lncRNA序列转化为图形格式并通过图卷积处理，同时从one-hot编码序列中提取特征	实验验证成本高昂，限制了验证的lncRNAs数量	开发预测工具以优先选择潜在功能性lncRNAs进行低通量验证	人类、小鼠和植物的lncRNAs	natural language processing	NA	high-throughput RNA sequencing (HTlncRNAs)	GCN, CNN	sequence	NA
1072	2025-05-12	INFERYS rescoring: Boosting peptide identifications and scoring confidence of database search results 2025-May, Rapid communications in mass spectrometry : RCM IF:1.8Q2 DOI:10.1002/rcm.9128 PMID:34015160	研究论文	介绍了一种名为INFERYS™重评分的处理工作流程，用于在Thermo Scientific™ Proteome Discoverer™ 2.5软件中对Sequest HT搜索引擎结果进行基于强度的重评分	利用深度学习准确预测肽段碎片离子强度，并通过计算基于强度的额外分数来克服数据库搜索引擎忽略碎片离子强度的缺点	未明确提及具体限制	提升肽段鉴定的数量和评分置信度，优化蛋白质组学数据分析	肽段谱匹配、肽段和蛋白质鉴定	蛋白质组学	NA	深度学习、质谱分析	深度学习平台INFERYS	质谱数据	HeLa标准样本和免疫肽组数据集
1073	2025-05-12	Deep learning segmentation of periarterial and perivenous capillary-free zones in optical coherence tomography angiography 2025-May, Journal of biomedical optics IF:3.0Q2 DOI:10.1117/1.JBO.30.5.056005 PMID:40342523	研究论文	本研究开发并评估了深度学习模型（包括CNN和ViT）用于光学相干断层扫描血管成像（OCTA）中动脉周围和静脉周围无毛细血管区（CFZs）的精确分割，以改善糖尿病视网膜病变（DR）的早期检测和监测	首次使用深度学习模型（如UNet++与EfficientNet-b7）实现CFZs的高精度自动分割，并定量分析CFZ特征作为DR的潜在生物标志物	研究样本仅包括健康对照组、无DR的糖尿病患者和轻度DR患者，未涵盖DR的中重度阶段	开发自动化CFZ分割方法并探索其作为DR生物标志物的潜力	OCTA图像中的动脉周围和静脉周围无毛细血管区（CFZs）	计算机视觉	糖尿病视网膜病变	光学相干断层扫描血管成像（OCTA）	UNet, UNet++, TransUNet, Segformer, CNN, ViT	图像	健康对照组、无DR糖尿病患者和轻度DR患者的OCTA图像
1074	2025-05-12	Lung disease classification in chest X-ray images using optimal cross stage partial bidirectional long short term memory 2025-May, Journal of X-ray science and technology IF:1.7Q3 DOI:10.1177/08953996241304987 PMID:40343884	研究论文	本研究提出了一种深度学习模型OCBiNet，用于在胸部X光图像中对肺部疾病进行分类	提出了结合交叉阶段部分连接的双向长短期记忆网络(OCBiNet)和改进的母优化算法(ImMO)，以提高分类准确性和收敛速度	未提及模型在更大规模或多样化数据集上的泛化能力	提高肺部疾病分类的准确性和效率	胸部X光图像中的肺部疾病分类	计算机视觉	肺部疾病	深度学习	OCBiNet（基于BiLSTM和交叉阶段部分连接）	图像	NA
1075	2025-05-11	APD-FFNet: A Novel Explainable Deep Feature Fusion Network for Automated Periodontitis Diagnosis on Dental Panoramic Radiography 2025-May-09, Dento maxillo facial radiology DOI:10.1093/dmfr/twaf034 PMID:40343455	研究论文	本研究提出了一种名为APD-FFNet的新型可解释深度学习架构，用于在牙科全景X光片上自动诊断牙周炎	首次提出了一种专门用于牙周炎诊断的特征融合方法，结合了卷积和基于Transformer的层，并采用了可解释的人工智能技术	研究仅使用了337张全景X光片，样本量相对较小	开发一种自动化、可解释的牙周炎诊断方法	牙科全景X光片	数字病理学	牙周炎	深度学习	APD-FFNet（结合CNN和Transformer的混合模型）	图像	337张牙科全景X光片
1076	2025-05-11	Deep Learning for EEG-Based Visual Classification and Reconstruction: Panorama, Trends, Challenges and Opportunities 2025-May-09, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3568282 PMID:40343828	review	本文首次综述了基于EEG的视觉分类与重建的深度学习方法，涵盖了特征编码与解码、基准数据集、实验范式、方法性能、方法论本质与神经科学见解以及未来趋势	首次对基于EEG的视觉分类与重建的深度学习方法进行全面综述，提出了方法论本质与神经科学见解的动态闭环互动与促进	未提及具体实验数据或样本量的限制	促进基于EEG的视觉分类与重建研究的进展	EEG信号及其在视觉分类与重建中的应用	机器学习	NA	EEG	深度学习	EEG信号	NA
1077	2025-05-11	Deep learning-based evaluation of the severity of mitral regurgitation in canine myxomatous mitral valve disease patients using digital stethoscope recordings 2025-May-08, BMC veterinary research IF:2.3Q1 DOI:10.1186/s12917-025-04802-z PMID:40336065	研究论文	本研究利用深度学习模型评估犬类粘液瘤性二尖瓣疾病患者的二尖瓣反流严重程度	使用CNN6等深度学习模型通过数字听诊器录音评估二尖瓣反流严重程度，提供了一种快速、无创且可靠的替代方法	需要更广泛的临床验证和实时应用技术的研究	评估深度学习模型在犬类粘液瘤性二尖瓣疾病患者中评估二尖瓣反流严重程度的有效性	460只患有粘液瘤性二尖瓣疾病的犬类	数字病理学	心血管疾病	数字听诊器录音	CNN, PaSST, ResNet38	音频信号	460只犬类
1078	2025-05-11	Predicting treatment response to systemic therapy in advanced gallbladder cancer using multiphase enhanced CT images 2025-May-08, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-11645-7 PMID:40341972	研究论文	本研究开发并外部验证了一个深度学习放射组学-临床（DLRSC）模型，用于预测晚期胆囊癌（GBC）患者对系统性治疗的反应	结合深度学习放射组学特征和临床因素构建预测模型，并通过梯度加权类激活映射分析提高结果的可解释性	研究样本来自四个机构，可能存在选择偏倚	预测晚期胆囊癌患者对系统性治疗的反应	晚期胆囊癌患者	数字病理	胆囊癌	多期增强CT成像	深度学习放射组学-临床（DLRSC）模型	医学影像	399名符合条件的GBC患者
1079	2025-05-11	nnU-Net-based high-resolution CT features quantification for interstitial lung diseases 2025-May-08, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-11649-3 PMID:40341974	研究论文	开发了一种基于nnU-Net的高分辨率CT异常量化工具CVILDES，用于间质性肺疾病的定量评估	基于nnU-Net网络结构开发了新的高分辨率CT异常量化工具CVILDES，其定量参数与专家视觉评估结果高度一致	研究样本量相对较小（83例ILD和20例其他弥漫性肺疾病），需要更大规模验证	开发一种可靠的间质性肺疾病高分辨率CT定量评估工具	间质性肺疾病患者的高分辨率CT影像	数字病理	间质性肺疾病	高分辨率CT扫描	nnU-Net	医学影像	83例ILD患者和20例其他弥漫性肺疾病患者的HRCT扫描数据，以及临床验证队列中的51例IPAF和14例IPF患者
1080	2025-05-11	EEG-based neurodegenerative disease diagnosis: comparative analysis of conventional methods and deep learning models 2025-May-07, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-00292-z PMID:40335527	研究论文	该研究通过比较传统方法和深度学习模型，基于EEG信号进行神经退行性疾病（如痴呆症）的诊断	研究展示了深度学习模型（特别是1D和2D CNNs）在识别与神经退行性疾病相关的细微EEG信号模式上优于传统方法	在Dataset 3中表现不佳，表明需要针对特定数据集进一步优化模型	探索和比较不同方法在痴呆症早期诊断中的应用效果	EEG信号	机器学习	神经退行性疾病	EEG信号处理	Random Forest, 1D CNN, 2D CNN	EEG信号	三个不同的基准数据集，包含认知正常、额颞叶痴呆、轻度认知障碍和阿尔茨海默病等类别