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
461	2025-05-17	Predicting 5-Year EDSS in Multiple Sclerosis with LSTM Networks: A Deep Learning Approach to Disease Progression 2025-Jun, Journal of clinical neuroscience : official journal of the Neurosurgical Society of Australasia IF:1.9Q4 DOI:10.1016/j.jocn.2025.111218 PMID:40174549	research paper	该研究利用LSTM网络预测多发性硬化症患者5年后的EDSS评分，以评估疾病进展	与现有研究不同，该方法整合了多发性硬化症患者的静态和动态数据，实现了EDSS评分从0到10的准确预测，且预测误差最小	研究仅基于两个中心的1000名患者数据，可能限制了模型的泛化能力	预测多发性硬化症患者5年后的残疾状态评分（EDSS）	多发性硬化症患者	machine learning	多发性硬化症	LSTM	LSTM	临床和人口统计学数据	1000名多发性硬化症患者
462	2025-05-17	Developing the Artificial Intelligence Method and System for "Multiple Diseases Holistic Differentiation" in Traditional Chinese Medicine and Its Interpretability to Clinical Decision 2025-Jun, Journal of evidence-based medicine DOI:10.1111/jebm.70016 PMID:40176367	研究论文	本研究开发了一种结合先验规则和深度学习的中医人工智能方法及系统，用于提升中医多病整体辨证的临床决策透明度和可解释性	提出了TCM-SEI-RD方法和TCM-MDHD系统，融合BERT与CNN模型捕捉特征相关序列，并通过分层模块预测多种中医证候	未明确提及具体样本量及外部验证结果	开发可解释性强的中医AI临床决策支持系统	中医多病整体辨证（MDHD）的证候要素	自然语言处理	中医多病种	深度学习	BERT-CNN混合模型	文本（专家知识数据集）	NA
463	2025-05-17	A comprehensive image dataset for accurate diagnosis of betel leaf diseases using artificial intelligence in plant pathology 2025-Jun, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2025.111564 PMID:40371167	research paper	该研究旨在开发一个全面的槟榔叶病害图像数据集，以支持基于人工智能的植物病理学研究	首次提供了一个全面的槟榔叶病害图像数据集，填补了该领域的数据空白	数据集仅包含两种常见病害（叶腐病和叶斑病），可能无法覆盖所有槟榔叶病害类型	开发可靠的槟榔叶病害诊断工具，支持农业可持续发展	槟榔叶及其病害（叶腐病和叶斑病）	digital pathology	plant disease	image augmentation (flipping, brightness factor, contrast factor, rotation)	deep learning	image	初始采集2,037张图像，通过数据增强扩展到10,185张图像
464	2025-05-16	Impact of deep learning reconstruction on radiation dose reduction and cancer risk in CT examinations: a real-world clinical analysis 2025-Jun, European radiology IF:4.7Q1 DOI:10.1007/s00330-024-11212-6 PMID:39613960	research paper	本研究评估了深度学习重建（DLR）在CT检查中降低辐射剂量和癌症风险的实际效果	首次利用真实世界临床数据分析DLR对辐射诱发癌症风险的影响	研究为单中心回顾性分析，可能存在选择偏倚	评估DLR技术对CT检查辐射剂量和癌症风险的降低效果	接受全身CT检查的成年患者	medical imaging	radiation-induced cancer	deep learning reconstruction (DLR)	NA	CT scan data	5247 matched cases (pre-DLR) + 5247 matched cases (post-DLR)
465	2024-12-12	Evaluating deep learning and radiologist performance in volumetric prostate cancer analysis with biparametric MRI and histopathologically mapped slides 2025-Jun, Abdominal radiology (New York) DOI:10.1007/s00261-024-04734-6 PMID:39658736	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
466	2025-05-16	Evaluation of a deep learning prostate cancer detection system on biparametric MRI against radiological reading 2025-Jun, European radiology IF:4.7Q1 DOI:10.1007/s00330-024-11287-1 PMID:39699671	研究论文	本研究评估了一种基于双参数MRI的深度学习系统在检测临床显著性前列腺癌方面的性能，并与放射学解读进行了比较	开发了一个3D nnU-Net模型用于前列腺癌检测，在独立测试队列中表现优于放射科医生，特别是在中等和大尺寸病灶检测上	对小病灶的检测仍然具有挑战性	评估深度学习系统在前列腺癌检测中的性能	临床显著性前列腺癌(csPCa)，定义为Gleason Grade Group (GGG) ≥ 2	数字病理	前列腺癌	双参数MRI(bpMRI)	3D nnU-Net	医学影像	训练集4381例bpMRI病例(3800阳性，581阴性)，测试集328例来自PROSTATEx数据集
467	2025-05-15	Convolutional neural network-based method for the real-time detection of reflex syncope during head-up tilt test 2025-Jun, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108622 PMID:40068530	研究论文	提出一种基于卷积神经网络的实时反射性晕厥检测方法，用于头高位倾斜试验中	采用端到端架构结合残差和挤压-激励块，无需手动提取特征，直接从原始血压信号中量化反射性晕厥发生概率	仅使用血压信号进行检测，可能忽略了其他生理信号提供的有用信息	开发一种实时反射性晕厥风险监测系统，提高医疗效率和患者便利性	反射性晕厥患者	数字病理学	心血管疾病	深度学习	CNN	生理信号数据	1348名患者（1291名正常，57名反射性晕厥患者）
468	2025-05-15	MCNEL: A multi-scale convolutional network and ensemble learning for Alzheimer's disease diagnosis 2025-Jun, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108703 PMID:40081198	research paper	提出了一种多尺度卷积网络和集成学习框架（MCNEL），用于阿尔茨海默病的早期和准确诊断	采用增强版的EfficientNet-B0和MobileNetV2模型，并与DenseNet121模型集成，开发了基于SimAM的特征融合方法，以及使用自适应权重调整策略的集成学习分类器	未提及具体的数据集局限性或模型泛化能力的详细分析	提高阿尔茨海默病的早期诊断准确率	阿尔茨海默病患者及认知障碍不同阶段的患者	digital pathology	geriatric disease	MRI	CNN, Ensemble Learning (EfficientNet-B0, MobileNetV2, DenseNet121)	image	ADNI数据集（ADNI-1和ADNI-2）
469	2025-05-15	Light scattering imaging modal expansion cytometry for label-free single-cell analysis with deep learning 2025-Jun, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108726 PMID:40112688	研究论文	本研究开发了一种基于深度学习的模态扩展细胞术，用于无标记单细胞分析	提出了一种新的网络优化方法，结合对抗损失、L1距离损失和VGG感知损失，将单模光散射图像扩展为多模态图像	实验验证仅限于模拟图像、标准球体和特定细胞类型（如宫颈癌细胞和白血病细胞）	开发一种无标记单细胞分析方法，用于药物开发、疾病诊断和个性化医疗	宫颈癌细胞和白血病细胞	数字病理学	宫颈癌、白血病	光散射成像	深度学习	图像	模拟图像、标准球体和多种细胞类型（如宫颈癌细胞和白血病细胞）
470	2025-05-15	The impact of training image quality with a novel protocol on artificial intelligence-based LGE-MRI image segmentation for potential atrial fibrillation management 2025-Jun, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108722 PMID:40112687	研究论文	本研究开发了一种基于深度学习的自动化分割流程，通过标准化标记协议提高LGE-MRI图像分割的准确性和效率，以支持心房颤动患者的消融治疗	采用标准化标记协议和预训练的RIFE模型，显著提高了神经网络在心房LGE-MRI图像分割中的性能	研究结果依赖于手动标记的数据，可能存在主观误差，且样本量未明确说明	开发高效的自动化深度学习分割流程，以改善心房颤动患者的消融治疗效果	心房颤动患者的LGE-MRI图像	数字病理学	心血管疾病	LGE-MRI	nnU-Net, smpU-Net++, RIFE	图像	NA
471	2025-05-14	Rapid detection of the viability of naturally aged maize seeds using multimodal data fusion and explainable deep learning techniques 2025-Jun-30, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2025.143692 PMID:40068265	研究论文	本研究提出了一种基于多模态数据融合和可解释深度学习技术的自然老化玉米种子活力快速检测方法	提出了MSCNSVN模型，通过融合多传感器信息（MV、RS、TS、FS、SS）提高种子活力检测的准确性，并分析了不同数据对模型精度的影响	未提及具体样本量，且模型在单模态数据上的准确率仍有提升空间	提高自然老化玉米种子活力的检测准确率	自然老化的玉米种子	机器学习	NA	多模态数据融合、深度学习	MSCNSVN	多传感器数据（MV、RS、TS、FS、SS）	NA
472	2025-05-14	Online assessment of soluble solids content in strawberries using a developed Vis/NIR spectroscopy system with a hanging grasper 2025-Jun-30, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2025.143671 PMID:40073605	研究论文	本研究探讨了使用可见/近红外光谱(VIS/NIRS)在线检测草莓在悬挂运输过程中可溶性固形物含量(SSC)的可行性	开发了一种悬挂式抓取器的VIS/NIRS系统，并结合深度学习方法来提高在线检测草莓SSC的准确性和效率	研究仅针对草莓，未涉及其他小且易损水果的在线检测	实现在线检测草莓内部品质，特别是可溶性固形物含量(SSC)	草莓	光谱分析	NA	可见/近红外光谱(VIS/NIRS)	PLSR, 1D-CNN, 1D-CNN-LSTM	光谱数据	未明确说明样本数量
473	2025-05-14	Artificial intelligence driven plaque characterization and functional assessment from CCTA using OCT-based automation: A prospective study 2025-Jun-01, International journal of cardiology IF:3.2Q2 DOI:10.1016/j.ijcard.2025.133140 PMID:40064207	研究论文	开发并验证了一种基于AI的模型，利用CCTA和OCT图像自动分析斑块特征和冠状动脉功能	首次将AI模型与OCT图像结合，用于自动化分析斑块特征和冠状动脉功能，并展示了与OCT分析结果的高度一致性	样本量相对较小（100名患者），且仅针对特定类型的斑块和冠状动脉狭窄进行了验证	开发并验证一种AI模型，用于自动化分析冠状动脉斑块特征和功能	100名接受侵入性冠状动脉造影、OCT和CCTA检查的患者	数字病理学	心血管疾病	光学相干断层扫描（OCT）、冠状动脉CT血管造影（CCTA）	深度学习卷积神经网络（CNN）	图像	100名患者，包括21,471张断层扫描图像
474	2025-05-14	Genetic Distinctions Between Reticular Pseudodrusen and Drusen: A Genome-Wide Association Study 2025-Jun, American journal of ophthalmology IF:4.1Q1 DOI:10.1016/j.ajo.2025.03.007 PMID:40064387	研究论文	通过全基因组关联研究（GWAS）比较网状假性玻璃膜疣（RPD）和玻璃膜疣（drusen）的遗传差异	首次识别出与RPD特异性相关的三个新遗传位点，并确认了ARMS2-HTRA1位点与RPD负荷的显著关联	样本量有限，特别是纯RPD病例较少（仅66例），且部分新发现的遗传变异属于罕见变异（次要等位基因频率<5%）	鉴定网状假性玻璃膜疣（RPD）相对于玻璃膜疣（drusen）的特异性遗传决定因素	UK Biobank（UKBB）队列中的RPD患者、drusen患者和对照参与者	基因组学	年龄相关性黄斑变性（AMD）	全基因组关联研究（GWAS）、深度学习框架、光学相干断层扫描（OCT）	深度学习	基因组数据、OCT影像、彩色眼底照片	1787名参与者（1037名对照、361名纯drusen、66名纯RPD、323名混合病例）
475	2025-05-14	Spectroscopic techniques combined with chemometrics for rapid detection of food adulteration: Applications, perspectives, and challenges 2025-Jun, Food research international (Ottawa, Ont.) DOI:10.1016/j.foodres.2025.116459 PMID:40356185	review	本文综述了近三年来六种光谱技术与化学计量学方法在常见食品掺假检测中的应用、前景与挑战	总结了六种光谱技术（NIR、FTIR、HSI、Raman、UV-Vis和FS）与化学计量学方法在食品掺假检测中的综合应用，并提出了基于深度学习的方法和数据融合的未来研究方向	线性化学计量学方法仍是主要研究方法，这可能限制光谱技术的应用潜力	探讨光谱技术与化学计量学在食品掺假快速检测中的应用与未来发展	常见食品掺假（粉状食品、肉类、蜂蜜、饮料、食用油和乳制品）	食品检测	NA	NIR, FTIR, HSI, Raman, UV-Vis, FS	线性化学计量学方法、深度学习模型	光谱数据	NA
476	2025-05-13	A general deep learning model for predicting and classifying pea protein content via visible and near-infrared spectroscopy 2025-Jun-30, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2025.143617 PMID:40049135	研究论文	本研究提出了一种名为PeaNet的深度学习模型，用于通过可见光和近红外光谱预测和分类豌豆蛋白质含量	PeaNet模型采用改进的卷积神经网络架构，显著优于传统机器学习模型和传统深度学习架构	研究仅基于52个品种的156个光谱数据集，样本多样性可能有限	快速准确地检测豌豆蛋白质含量，以促进育种和食品质量控制	豌豆蛋白质含量	机器学习	NA	可见光和近红外光谱	改进的CNN	光谱数据	156个来自52个不同品种的光谱数据集
477	2025-05-13	Unraveling Parkinson's disease motor subtypes: A deep learning approach based on spatiotemporal dynamics of EEG microstates 2025-Jun-15, Neurobiology of disease IF:5.1Q1 DOI:10.1016/j.nbd.2025.106915 PMID:40274133	研究论文	本研究通过深度学习模型分析EEG微状态的时空动态，以区分帕金森病（PD）的不同运动亚型	首次将EEG微状态动态空间模式用于PD运动亚型分类，并强调动态脑网络特征作为潜在标记物	研究样本可能有限，未提及具体样本量，且仅关注PD的两种运动亚型	理解PD不同运动亚型的脑网络动态变化，以改善个性化治疗	帕金森病患者（震颤主导型TD和姿势不稳/步态困难型PIGD）及健康对照	机器学习	帕金森病	EEG微状态分析	深度学习模型	EEG数据	NA
478	2025-05-13	Forecasting climate change effects on Saline Lakes through advanced remote sensing and deep learning 2025-Jun-10, The Science of the total environment DOI:10.1016/j.scitotenv.2025.179582 PMID:40324314	研究论文	本研究通过先进的遥感和深度学习技术预测气候变化对盐湖的影响	结合SRGAN和MRS技术提升卫星图像分辨率，并利用CA-Markov模型和LSTM算法高精度预测盐湖未来变化	研究结果依赖于RCP8.5气候情景假设，可能无法涵盖所有潜在气候变化情况	预测气候变化对盐湖特征及周边生态环境的影响	查卡湖、图兹湖和拉扎扎湖等盐湖	遥感与深度学习	NA	SRGAN、MRS、CA-Markov建模、LSTM算法	SRGAN、LSTM	卫星图像	查卡湖、图兹湖和拉扎扎湖等多个盐湖的长期观测数据
479	2025-05-13	Prediction of therapeutic response to transarterial chemoembolization plus systemic therapy regimen in hepatocellular carcinoma using pretreatment contrast-enhanced MRI based habitat analysis and Crossformer model 2025-Jun, Abdominal radiology (New York) DOI:10.1007/s00261-024-04709-7 PMID:39586897	研究论文	本研究利用多期对比增强磁共振成像（CE-MRI）和深度学习模型预测肝细胞癌（HCC）患者对经动脉化疗栓塞（TACE）联合系统治疗的早期反应	结合K-means聚类算法和Crossformer模型，首次在CE-MRI基础上构建栖息地模型和深度学习模型来预测HCC治疗反应	样本量相对较小（102例患者），且来自两个机构，可能存在选择偏差	开发能够非侵入性预测HCC患者对TACE联合系统治疗反应的模型	肝细胞癌（HCC）患者	数字病理	肝癌	多期对比增强磁共振成像（CE-MRI），K-means聚类算法	Crossformer, ResNet50, ExtraTrees分类器	医学影像	102例HCC患者（机构A 63例，机构B 39例）
480	2024-12-05	Correction to: Deep learning-based reconstruction improves the image quality of low-dose CT enterography in patients with inflammatory bowel disease 2025-Jun, Abdominal radiology (New York) DOI:10.1007/s00261-024-04694-x PMID:39630201	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA