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
1421	2025-05-03	Deep learning-aided preparation and mechanism revaluation of waste wood lignocellulose-based flame-retardant composites 2025-May, International journal of biological macromolecules IF:7.7Q1 DOI:10.1016/j.ijbiomac.2025.141690 PMID:40043971	研究论文	本研究提出了一种利用深度学习辅助制备废木材基阻燃复合材料的方法，并重新评估了其阻燃机制	结合深度学习模型预测复合材料的阻燃性能，实现了废木材的高值化利用	未明确说明实验样本的具体数量及模型在其他类型废木材上的泛化能力	实现建筑行业废木材的高效回收利用，促进绿色低碳发展	废木材基阻燃复合材料	机器学习	NA	深度学习	LSTM	材料性能数据	NA
1422	2025-05-03	Spiking-PhysFormer: Camera-based remote photoplethysmography with parallel spike-driven transformer 2025-May, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.107128 PMID:39817982	研究论文	提出了一种名为Spiking-PhysFormer的混合神经网络模型，用于基于摄像头的远程光电容积描记术（rPPG），旨在降低功耗	首次将脉冲神经网络（SNN）引入rPPG领域，设计了并行脉冲驱动的变压器块和简化的脉冲自注意力机制，显著降低了功耗	NA	开发一种能效更高的深度学习方法，用于从面部视频中测量心脏活动和生理信号	面部视频中的脉搏波、心率和呼吸率等生理信号	计算机视觉	NA	远程光电容积描记术（rPPG）	Spiking-PhysFormer（混合神经网络，包含ANN和SNN）	视频	四个数据集（PURE、UBFC-rPPG、UBFC-Phys和MMPD）
1423	2025-05-03	The Use of Maximum-Intensity Projections and Deep Learning Adds Value to the Fully Automatic Segmentation of Lesions Avid for [18F]FDG and [68Ga]Ga-PSMA in PET/CT 2025-May-01, Journal of nuclear medicine : official publication, Society of Nuclear Medicine IF:9.1Q1 DOI:10.2967/jnumed.124.269067 PMID:40081959	research paper	本研究探讨了在[F]FDG和[Ga]Ga-PSMA PET/CT扫描中使用最大强度投影(MIP)图像结合深度学习(DL)进行全自动病灶分割的附加价值	结合MIP图像和深度学习技术，提出了一种改进的全自动病灶分割方法，并在[F]FDG PET/CT扫描中显示出减少假阳性病灶和改善肿瘤负荷量化的潜力	在[Ga]Ga-PSMA PET/CT扫描中，与标准DL方法相比未观察到显著性能提升	评估MIP图像在PET/CT扫描全自动病灶分割中的附加价值	[F]FDG和[Ga]Ga-PSMA PET/CT扫描中的病灶	digital pathology	melanoma, lymphoma, lung cancer, prostate cancer	PET/CT, deep learning	3-dimensional U-Net	medical imaging	489例[F]FDG PET/CT扫描(391训练/98测试)和117例外部测试集，355例[Ga]Ga-PSMA PET/CT扫描(285训练/70测试)
1424	2025-05-03	Predicting Respiratory Disease Mortality Risk Using Open-Source AI on Chest Radiographs in an Asian Health Screening Population 2025-May, Radiology. Artificial intelligence DOI:10.1148/ryai.240628 PMID:40172326	research paper	评估开源深度学习算法CXR-Lung-Risk在亚洲健康筛查人群中预测呼吸系统疾病死亡风险的预后价值	使用开源AI模型CXR-Lung-Risk对胸片进行风险分层，并通过纵向分析探索基线及随访胸片的动态变化	单中心回顾性研究，样本来源有限，且仅针对亚洲人群	预测呼吸系统疾病死亡风险，优化健康筛查中的风险分层方法	亚洲健康筛查人群的基线及随访胸片	digital pathology	lung cancer	deep learning	CXR-Lung-Risk	image	36,924名个体（中位年龄58岁，22,352名男性）
1425	2025-05-03	CMV2U-Net: A U-shaped network with edge-weighted features for detecting and localizing image splicing 2025-May, Journal of forensic sciences IF:1.5Q2 DOI:10.1111/1556-4029.70033 PMID:40177991	research paper	提出了一种名为CMV2U-Net的边缘加权U型网络，用于检测和定位图像拼接伪造	设计了能够同时处理两路输入图像的特征提取模块，并采用分层融合方法和通道注意力机制来防止浅层特征数据丢失并监控多级操作轨迹	未明确提及具体局限性	改进深度学习在图像拼接检测中的特征融合和特征提取能力	图像拼接伪造的检测与定位	computer vision	NA	deep learning	U-Net	image	多个公共数据集（未明确数量）
1426	2025-05-03	Research on adversarial identification methods for AI-generated image software Craiyon V3 2025-May, Journal of forensic sciences IF:1.5Q2 DOI:10.1111/1556-4029.70034 PMID:40156229	研究论文	本文研究了针对AI生成图像软件Craiyon V3的对抗性识别方法，旨在为司法实践提供可靠的决策依据	引入基于分数的似然比方法来评估证据强度，并在多种阈值分类器上实现了超过99%的准确率	研究仅针对Craiyon V3生成的图像，未涵盖其他AI生成图像软件	开发对抗性识别方法以区分AI生成图像，保障司法公正	Craiyon V3软件生成的图像	计算机视觉	NA	深度学习	Swin-Transformer, ResNet-18	图像	18,000张由Craiyon V3生成的图像
1427	2025-05-03	Reconstructing and predicting stochastic dynamical systems using probabilistic deep learning 2025-May-01, Chaos (Woodbury, N.Y.) DOI:10.1063/5.0248312 PMID:40310707	研究论文	本研究提出了一种深度随机时间延迟嵌入模型，用于改进随机动力系统的数据驱动重建和预测	将不确定性学习整合到深度学习模型中，构建深度概率捕捉器以捕获重建映射中的不确定性信息，并将其作为元信息整合到时间延迟嵌入的重建过程中	NA	提高随机动力系统的预测准确性和鲁棒性	随机动力系统	机器学习	NA	深度学习	深度随机时间延迟嵌入模型	时间序列数据	Lorenz系统和真实世界数据集
1428	2025-05-03	Transformer-based Koopman autoencoder for linearizing Fisher's equation 2025-May-01, Chaos (Woodbury, N.Y.) DOI:10.1063/5.0244221 PMID:40310706	研究论文	提出了一种基于Transformer的Koopman自编码器，用于线性化Fisher的反应-扩散方程	使用深度学习技术发现反应-扩散系统中的复杂时空模式，并将系统动态转化为更易理解的线性形式	完全依赖数据，不要求了解基础方程，可能对未知方程的数据集适用性有限	通过深度学习技术线性化反应-扩散方程，并预测系统演化	Fisher的反应-扩散方程、Kuramoto-Sivashinsky方程和Burger's方程	机器学习	NA	深度学习	Transformer-based Koopman autoencoder	数值模拟数据	60,000个初始条件的数据集
1429	2025-05-03	Integrating Artificial Intelligence in Dermatological Cancer Screening and Diagnosis: Efficacy, Challenges, and Future Directions 2025-May-01, Annual review of biomedical data science IF:7.0Q1 DOI:10.1146/annurev-biodatasci-103123-094521 PMID:40312261	review	探讨人工智能在皮肤癌筛查和诊断中的应用、挑战及未来发展方向	提出利用AI和深度学习技术改善皮肤癌诊断准确性及扩大医疗服务可及性，并探讨了未来研究方向如远程皮肤病学和视觉语言模型（VLMs）的进步	面临临床验证、算法偏见、监管审查及患者接受度等挑战，以及AI算法在可及性和公平性方面的伦理问题	评估AI在皮肤癌筛查和诊断中的效果，并探索其未来发展方向	皮肤癌筛查和诊断	digital pathology	skin cancer	deep learning, AI	VLMs	image	NA
1430	2025-05-03	Embedding Methods for Electronic Health Record Research 2025-May-01, Annual review of biomedical data science IF:7.0Q1 DOI:10.1146/annurev-biodatasci-103123-094729 PMID:40312284	综述	本文综述了嵌入技术在电子健康记录数据分析与研究中的应用及其影响	探讨了多种嵌入方法（如词嵌入、图嵌入等）在提升电子健康记录数据效用方面的创新应用	未具体说明嵌入技术在特定临床场景中的局限性或挑战	阐明嵌入技术在电子健康记录研究中的作用和影响	电子健康记录数据	自然语言处理	NA	词嵌入、图嵌入、深度学习	深度学习模型	文本	NA
1431	2025-05-03	Quantitative susceptibility mapping in magnetically inhomogeneous tissues 2025-May-01, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.30537 PMID:40312865	研究论文	本研究开发了一种名为DEEPOLE的深度学习方法，用于改进磁敏感定量成像（QSM）的质量和准确性	DEEPOLE首次将宏观非偶极拉莫尔频移纳入QSM，通过深度学习卷积神经网络整合QUASAR模型，显著提高了磁敏感图的准确性和解剖一致性	研究主要基于模拟数据和有限的人脑数据验证，需要更多临床数据进一步验证其普适性	改进磁敏感定量成像技术，提高在生物组织中的成像质量和准确性	数字脑模型和人脑活体数据	医学影像处理	神经退行性疾病和脱髓鞘疾病	定量磁敏感成像（QSM）	深度卷积神经网络	磁共振成像数据	数字脑模型和人脑活体数据（具体数量未提及）
1432	2025-05-03	Model-based self-supervised learning for quantitative assessment of myocardial oxygen extraction fraction and myocardial blood volume 2025-May-01, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.30555 PMID:40312974	研究论文	开发了一种基于模型的自监督深度学习网络，用于同时映射心肌氧提取分数（mOEF）和心肌血容量（MBV）	将物理模型整合到训练过程中，通过自监督学习（SSL）模式进行调节，同时使用包含均方误差和余弦相似度的损失函数来提高网络预测性能	研究样本量较小，仅包括10名健康受试者和10名心肌梗死患者	开发一种能够同时定量评估心肌氧提取分数和心肌血容量的深度学习网络	心肌氧提取分数（mOEF）和心肌血容量（MBV）	医学影像分析	心肌梗死	自监督学习（SSL）	深度学习网络	医学影像	10名健康受试者和10名心肌梗死患者
1433	2025-05-02	Artificial Intelligence Measurement of Preoperative Radiographs in Adolescent Idiopathic Scoliosis Based on Multiple-View Semantic Segmentation 2025-May, Global spine journal IF:2.6Q1 DOI:10.1177/21925682241270036 PMID:39109794	研究论文	本研究探讨了基于深度学习的青少年特发性脊柱侧凸（AIS）自动分类方法，并验证了机器分类与人工分类的一致性	利用U-Net语义分割神经网络技术和深度学习方法，实现了脊柱多视图的自动分割和对齐关系建立，以及Cobb角等脊柱特征的自动提取	研究样本量相对较小，且性别比例不均（男性81例，女性425例）	开发并验证一种自动化的AIS影像分类方法，以提高分类的一致性和准确性	青少年特发性脊柱侧凸（AIS）患者	数字病理	脊柱侧凸	深度学习，U-Net语义分割神经网络	U-Net	图像	506例（训练集），107例（测试集）
1434	2025-05-02	A New Method for Scoliosis Screening Incorporating Deep Learning With Back Images 2025-May, Global spine journal IF:2.6Q1 DOI:10.1177/21925682241282581 PMID:39264983	研究论文	提出了一种结合深度学习与背部图像的新方法用于脊柱侧弯筛查	利用深度学习算法自动进行脊柱侧弯筛查，减少不必要的辐射风险和筛查成本	研究样本量较小（247例），且为回顾性研究	开发一种自动化、准确、简洁且方便的脊柱侧弯筛查方法	脊柱侧弯患者	计算机视觉	脊柱侧弯	深度学习	NA	图像（正面、侧面、背部直立图像及X射线图像）	247例脊柱侧弯患者（2008-2021年数据）
1435	2025-05-02	MRI deep learning models for assisted diagnosis of knee pathologies: a systematic review 2025-May, European radiology IF:4.7Q1 DOI:10.1007/s00330-024-11105-8 PMID:39422725	系统综述	本文系统综述了用于辅助诊断多种膝关节异常的深度学习MRI模型的现状	总结了不同卷积神经网络在膝关节病理诊断中的性能表现，并比较了特定损伤检测与一般异常检测模型的准确性差异	研究设计存在差异，现有模型性能与临床需求之间仍存在差距，需要更大规模的MRI数据集进行验证	评估深度学习模型在膝关节病理MRI辅助诊断中的临床应用潜力	膝关节异常（包括前交叉韧带损伤、骨关节炎、半月板损伤等）	数字病理	膝关节疾病	MRI	CNN（包括ResNet、VGG、DenseNet、DarkNet等）	医学影像	54篇相关研究文章
1436	2025-05-02	Lumbar Spinal Stenosis Grading in Multiple Level Magnetic Resonance Imaging Using Deep Convolutional Neural Networks 2025-May, Global spine journal IF:2.6Q1 DOI:10.1177/21925682241299332 PMID:39487037	研究论文	该研究通过比较专家和深度卷积神经网络（CNN）对腰椎多水平磁共振成像（MRI）的狭窄分级，探讨深度学习在临床诊断中的应用	使用CNN进行腰椎狭窄分级和神经根分类，展示了深度学习在医学影像诊断中的潜力	解剖结构的突然变化可能导致仅基于图像的诊断困难	评估深度学习模型在腰椎狭窄分级和神经根分类中的性能	腰椎多水平磁共振成像	数字病理学	脊柱疾病	MRI	CNN	图像	NA
1437	2025-05-02	Artificial Intelligence for Cervical Spine Fracture Detection: A Systematic Review of Diagnostic Performance and Clinical Potential 2025-May, Global spine journal IF:2.6Q1 DOI:10.1177/21925682251314379 PMID:39800538	系统综述	本文系统评估了人工智能和深度学习模型在颈椎骨折检测中的诊断性能及其临床潜力	首次系统综述了AI和DL模型在颈椎骨折检测中的应用，比较了不同模型和成像方式的性能差异	大多数研究缺乏外部验证，结果的可推广性存疑	评估AI和DL模型在颈椎骨折检测中的诊断性能及其临床应用潜力	颈椎骨折	数字病理学	骨科疾病	CT和X光成像	CNN, MobileNetV2, Vision Transformer (ViT)	医学影像	11项研究(2021-2024年间发表)
1438	2025-05-02	Deep learning image enhancement for confident diagnosis of TMJ osteoarthritis in zero-TE MR imaging 2025-05-01, Dento maxillo facial radiology DOI:10.1093/dmfr/twae063 PMID:39989448	research paper	评估深度学习在零回波时间MRI（ZTE-MRI）中去噪和伪影减少（AR）中的有效性，并比较图像诊断与颞下颌关节（TMJ）锥形束CT（CBCT）的临床适用性	新开发的深度学习技术用于ZTE-MRI的去噪和伪影减少，展示了临床实用性	样本量较小（30名患者），且仅针对TMJ骨成像	评估深度学习在ZTE-MRI图像增强中的效果，以替代CBCT在TMJ骨成像中的应用	30名患者的CBCT和ZTE-MRI数据	digital pathology	TMJ osteoarthritis	deep learning, ZTE-MRI, CBCT	deep learning	image	30名患者的CBCT和ZTE-MRI数据
1439	2025-05-02	Prediction of Hypoglycemia From Continuous Glucose Monitoring in Insulin-Treated Patients With Type 2 Diabetes Using Transfer Learning on Type 1 Diabetes Data: A Deep Transfer Learning Approach 2025-May, Journal of diabetes science and technology IF:4.1Q2 DOI:10.1177/19322968231215324 PMID:38014538	research paper	该研究利用迁移学习技术，基于1型糖尿病患者的连续血糖监测数据，开发了一个深度学习模型，用于预测2型糖尿病患者的低血糖事件	首次将迁移学习应用于从1型糖尿病数据中学习，以预测2型糖尿病患者的低血糖事件	模型在外部验证集上的阳性预测值较低（40.49%）	开发一个能够准确预测胰岛素治疗的2型糖尿病患者低血糖事件的深度学习模型	胰岛素治疗的2型糖尿病患者	machine learning	diabetes	continuous glucose monitoring (CGM)	CNN	time-series data	226名1型糖尿病患者和180名2型糖尿病患者的CGM数据，外部验证集包含334711个一小时CGM样本
1440	2025-05-02	DDUM: Deformable Dilated U-structure Module for coronary stenosis detection 2025-May, Medical engineering & physics IF:1.7Q3 DOI:10.1016/j.medengphy.2025.104337 PMID:40306887	research paper	提出了一种可变形可扩展的U结构模块（DDUM），用于提高冠状动脉狭窄检测的准确性和泛化能力	DDUM模块能够针对冠状动脉狭窄检测任务优化通用网络，显著提升模型性能和泛化能力	未提及具体的数据集规模和多样性限制	提高冠状动脉狭窄检测的准确性和模型泛化能力	冠状动脉狭窄检测	computer vision	cardiovascular disease	deep learning	ResNet50 + faster R-CNN	medical imaging (coronary angiography)	NA