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
1661	2025-05-27	Application and optimization of the U-Net++ model for cerebral artery segmentation based on computed tomographic angiography images 2025-Jul, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.112137 PMID:40367559	research paper	本研究基于计算机断层扫描血管造影（CTA）图像，应用并优化了U-Net++模型用于脑动脉分割，重点分析了分割性能与计算成本之间的权衡	通过优化U-Net++模型的剪枝级别，实现了在保持有效分割性能的同时降低计算成本	研究中仅使用了双能量CTA和直接减影CTA数据集，可能限制了模型的泛化能力	优化脑动脉分割的深度学习模型，以提高临床诊断的效率和准确性	脑动脉，特别是靠近骨骼的颈内动脉和椎动脉	digital pathology	cerebrovascular disease	computed tomographic angiography (CTA)	U-Net++	image	双能量CTA和直接减影CTA数据集
1662	2025-05-25	Challenges, optimization strategies, and future horizons of advanced deep learning approaches for brain lesion segmentation 2025-Jul, Methods (San Diego, Calif.) DOI:10.1016/j.ymeth.2025.04.016 PMID:40306473	review	本文综述了2021年至2024年间用于脑肿瘤和脑卒中分割的深度学习算法，探讨了其优势、局限性、当前研究挑战及未探索领域	提出了优化性能的方法，如轻量级神经网络和多层架构，并讨论了未来研究方向，如神经架构搜索方法与领域知识的结合	未具体说明某些算法的实际应用效果及在临床环境中的验证情况	探讨深度学习在脑部病变分割中的应用及其优化策略	脑肿瘤和脑卒中的医学图像分割	digital pathology	brain tumor, stroke	deep learning	CNN, lightweight neural networks, multilayer architectures	image	基于超过250篇近期综述论文的见解
1663	2025-05-24	Establishment and evaluation of an automatic multi?sequence MRI segmentation model of primary central nervous system lymphoma based on the nnU?Net deep learning network method 2025-Jul, Oncology letters IF:2.5Q3 DOI:10.3892/ol.2025.15080 PMID:40400535	研究论文	本研究基于nnU-Net深度学习网络方法，建立并评估了一种用于原发性中枢神经系统淋巴瘤(PCNSL)的多序列MRI自动分割模型	开发了一种多模态人工智能深度学习分割模型，解决了传统2D测量和MRI手动体积评估的挑战	T2WI序列的表现相对较差，训练、测试和外部验证的Dice相似系数较低	提高原发性中枢神经系统淋巴瘤(PCNSL)的MRI定量评估准确性，以辅助治疗计划、监测和预后评估	49例经病理证实的PCNSL患者	数字病理	淋巴瘤	MRI	nnU-Net, 3D CNN	MRI图像	49例PCNSL患者的对比增强T1加权和T2加权MRI扫描数据
1664	2025-05-23	ConnectomeAE: Multimodal brain connectome-based dual-branch autoencoder and its application in the diagnosis of brain diseases 2025-Jul, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108801 PMID:40294455	研究论文	提出一种基于多模态脑连接组的双分支自编码器ConnectomeAE，用于整合多模态脑连接组信息和区域放射组学特征，以增强脑疾病的诊断	通过双分支自编码器分别学习节点特征和连接特征，整合多模态脑连接组信息和区域放射组学特征，提高了脑疾病诊断的适应性和准确性	未提及具体的数据集规模限制或模型在其他脑疾病上的泛化能力	探索多模态脑网络之间的依赖关系，整合节点特征以增强脑疾病诊断	自闭症谱系障碍和阿尔茨海默病	数字病理学	脑疾病	结构磁共振成像（MRI）和功能磁共振成像（fMRI）	双分支自编码器（ConnectomeAE）	图像	两个公开数据集，具体样本量未提及
1665	2025-05-23	A Minimal Annotation Pipeline for Deep Learning Segmentation of Skeletal Muscles 2025-Jul, NMR in biomedicine IF:2.7Q1 DOI:10.1002/nbm.70066 PMID:40390325	研究论文	本研究探讨了一种简单有效的迭代方法，用于构建高质量自动分割模型，同时最小化手动标注工作	提出了一种最小化标注工作的迭代方法，用于训练高质量的nnU-Net分割模型	训练集规模较小（n=30），且五级评分量表上的评分者间一致性仅为一般到中等	开发高效的自动分割方法，将骨骼肌MRI生物标志物转化为临床应用	健康志愿者和患有各种神经肌肉疾病的患者（包括肌营养不良、炎症性、神经源性和未标记的NMDs）	数字病理	神经肌肉疾病	定量MRI	nnU-Net	MRI图像	训练集70例（健康与病理大腿），独立测试集20例
1666	2025-05-23	Integrating artificial intelligence into orthopedics: Opportunities, challenges, and future directions 2025-Jul, Journal of hand and microsurgery IF:0.3Q4 DOI:10.1016/j.jham.2025.100257 PMID:40395968	综述	本文综述了人工智能在骨科中的应用、挑战及未来发展方向	全面评估了AI在骨科中的多种应用及其对患者护理的影响，同时指出了当前的技术挑战和未来研究方向	数据标准化和临床验证仍是主要挑战，且研究仅限于已发表的英文同行评审文章	评估人工智能在骨科中的应用及其对临床实践的影响	骨科领域的AI技术及其临床应用	医疗人工智能	骨科疾病	机器学习和深度学习	NA	文献数据	NA
1667	2025-05-23	Accelerating CEST MRI With Deep Learning-Based Frequency Selection and Parameter Estimation 2025-Jul, NMR in biomedicine IF:2.7Q1 DOI:10.1002/nbm.70068 PMID:40396230	研究论文	提出了一种基于深度学习的频率选择和参数估计框架，以加速化学交换饱和转移（CEST）MRI扫描	整合了频率选择和参数估计的深度学习框架，利用通道剪枝技术识别最具信息量的频率偏移，同时保持参数图质量	未来研究需要扩展到患者群体，并解决B不均匀性和病变组织中异常信号变化等挑战	加速CEST MRI扫描时间，同时保持参数图质量	六名健康志愿者的CEST MRI数据	医学影像分析	NA	CEST MRI, 深度学习, 通道剪枝	深度学习网络	MRI图像	六名健康志愿者
1668	2025-05-21	CatSkill: Artificial Intelligence-Based Metrics for the Assessment of Surgical Skill Level from Intraoperative Cataract Surgery Video Recordings 2025 Jul-Aug, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2025.100764 PMID:40385240	research paper	开发并验证了一种基于AI的视频分析系统CatSkill，用于评估白内障手术中外科医生的技能水平	提出了一种新型AI驱动的视频分析系统，能够自动评估手术中的眼位中性、眼位中心和显微镜焦距维持能力	研究仅回顾性分析了620例手术视频，未涉及实时应用验证	开发AI系统评估白内障手术医生的专业技能水平	白内障手术视频记录	computer vision	白内障	深度学习视频分析	FPN (VGG16), 随机森林	video	620例白内障手术视频（254例主治医师/176例住院医师）
1669	2025-05-20	FADE: Forecasting for anomaly detection on ECG 2025-Jul, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108780 PMID:40300434	研究论文	提出了一种名为FADE的深度学习系统，用于正常ECG预测和异常检测，以减少对大量标记数据集和人工解释的需求	采用自监督学习方式和新型形态学启发的损失函数，通过预测正常ECG信号的未来值来检测异常，避免了传统方法需要标记异常ECG波形的需求	NA	提高心血管疾病的早期和准确检测，改善患者预后	ECG信号	机器学习	心血管疾病	深度学习	FADE	ECG信号	两个公开数据集：MIT-BIH NSR和MIT-BIH Arrythmia
1670	2025-05-20	A multi-task neural network for full waveform ultrasonic bone imaging 2025-Jul, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108807 PMID:40311439	研究论文	本文提出了一种名为CEDD-Unet的新型网络，用于实现基于深度学习的全波形反演方法进行高分辨率骨超声成像	采用双解码器架构，结合ConvLSTM模块和EMA模块，有效捕捉超声射频信号的多尺度时空特征，提高了重建精度	NA	实现高分辨率骨超声成像	人类骨骼和小鼠骨骼	医学影像处理	骨科疾病	全波形反演(FWI)	CEDD-Unet, ConvLSTM	超声射频(RF)信号	人类骨骼数据集(Dataset1)和小鼠骨骼数据集(Dataset2)
1671	2025-05-20	TransAnno-Net: A Deep Learning Framework for Accurate Cell Type Annotation of Mouse Lung Tissue Using Self-supervised Pretraining 2025-Jul, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108809 PMID:40315689	research paper	提出了一种基于自监督预训练的深度学习框架TransAnno-Net，用于小鼠肺组织单细胞RNA测序数据的细胞类型注释	采用自监督预训练策略减少标注成本，结合Transformer架构提升模型效率和可迁移性	需要在小规模标注数据集上进行微调，且针对细胞类型不平衡问题采用了随机过采样技术	开发高效准确的单细胞RNA测序数据细胞类型注释方法	小鼠肺组织的单细胞RNA测序数据	digital pathology	lung cancer	scRNA-seq	Transformer	gene expression data	约100,000个细胞的scRNA-seq肺数据
1672	2025-05-20	Deep learning modelling to forecast emergency department visits using calendar, meteorological, internet search data and stock market price 2025-Jul, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108808 PMID:40315688	研究论文	本研究利用深度学习模型，结合日历、气象、互联网搜索数据和股票市场价格，预测急诊科患者访问量	首次将股票市场价格与互联网搜索数据结合日历和气象数据，用于深度学习预测急诊科患者访问量，并比较了不同混合深度学习架构的预测效果	研究仅基于2010-2012年新加坡总医院的数据，可能不具有普遍适用性	提高急诊科患者访问量的预测准确性，优化资源分配	急诊科患者访问量	机器学习	NA	深度学习	LSTM, 1D CNN, CNN-LSTM混合模型	时间序列数据（日历、气象、互联网搜索、股票市场数据）	2010-2012年新加坡总医院的每日急诊科患者访问量数据
1673	2025-05-20	A method for evaluating the degree of Adipogenic differentiation of porcine cells cultured in suspension based on deep learning 2025-Jul, Food research international (Ottawa, Ont.) DOI:10.1016/j.foodres.2025.116324 PMID:40382025	研究论文	提出了一种基于深度学习的悬浮培养猪细胞脂肪生成分化程度评估方法	结合高通量技术和深度学习，开发了一种快速、直观且准确的脂肪生成分化评估技术	NA	评估猪悬浮脂肪细胞分化程度，以提高细胞培养肉的生产效率	猪悬浮脂肪细胞	深度学习	NA	高通量成像技术	深度学习模型	图像	96孔板中的12个孔
1674	2025-05-19	Worldwide research trends on artificial intelligence in head and neck cancer: a bibliometric analysis 2025-Jul, Oral surgery, oral medicine, oral pathology and oral radiology DOI:10.1016/j.oooo.2025.02.014 PMID:40155307	文献计量分析	本文通过文献计量分析探讨了人工智能在头颈癌研究中的全球趋势	首次对人工智能在头颈癌领域的应用进行了全面的文献计量分析，揭示了研究热点和发展趋势	仅基于Web of Science数据库，可能未涵盖所有相关研究；未对研究质量进行深入评估	探索人工智能在头颈癌研究中的应用趋势和发展状况	1995至2024年间发表的1,019篇与人工智能和头颈癌相关的论文	人工智能在医学中的应用	头颈癌	文献计量分析技术（VosViewer和Biblioshiny/Bibiometrix）	深度学习模型（用于分割任务）	科学文献数据	1,019篇论文
1675	2025-05-18	Deep learning algorithm enables automated Cobb angle measurements with high accuracy 2025-Jul, Skeletal radiology IF:1.9Q3 DOI:10.1007/s00256-024-04853-7 PMID:39688663	研究论文	本研究评估了深度学习算法在全脊柱X光片上自动测量Cobb角的准确性	开发了一种深度学习算法，能够高精度自动测量脊柱侧弯患者的Cobb角	研究样本量相对较小（345例），且成人患者的测量误差高于儿童患者	评估深度学习算法在脊柱侧弯诊断中自动测量Cobb角的准确性	全脊柱X光片和脊柱侧弯患者	数字病理学	脊柱侧弯	深度学习	深度学习算法（未指定具体模型）	图像（全脊柱X光片）	345例患者（179例儿童，166例成人）
1676	2025-05-17	SagMSI: A graph convolutional network framework for precise spatial segmentation in mass spectrometry imaging 2025-Jul-08, Analytica chimica acta IF:5.7Q1 DOI:10.1016/j.aca.2025.344098 PMID:40374250	研究论文	提出了一种基于图卷积网络（GCN）的无监督分割策略SagMSI，用于质谱成像（MSI）数据的精确空间分割	结合了MSI数据的空间感知图构建与GCN模块，能够灵活、有效且精确地进行空间分割	未提及具体局限性	解决MSI数据在空间分割中的复杂性问题，提升分割精度	质谱成像（MSI）数据	数字病理	NA	质谱成像（MSI）	图卷积网络（GCN）	图像	模拟数据和多种MSI实验数据集
1677	2025-05-17	PursuitNet: A deep learning model for predicting competitive pursuit-like behavior in mice 2025-Jul-01, Brain research IF:2.7Q3 DOI:10.1016/j.brainres.2025.149634 PMID:40210144	research paper	介绍了一种名为PursuitNet的深度学习模型，用于预测小鼠在竞争性追逐行为中的实时动态	PursuitNet采用轻量级架构，结合图卷积网络（GCN）和时序卷积网络（TCN），显式建模动态交互和空间关系，融合速度和加速度数据以预测变化	该框架专注于快速变化的轨迹，可能不适用于其他类型的运动行为	研究捕食者-猎物动态，为交互式机器人和自主系统的设计提供信息	实验室小鼠追逐磁控机器人诱饵的行为	machine learning	NA	deep learning	Graph Convolutional Networks (GCN), Temporal Convolutional Networks (TCN)	trajectory data	Pursuit-Escape Confrontation (PEC) dataset
1678	2025-05-17	μGlia-Flow, an automatic workﬂow for microglia segmentation and classification 2025-Jul, Journal of neuroscience methods IF:2.7Q3 DOI:10.1016/j.jneumeth.2025.110446 PMID:40220906	research paper	提出了一种名为μGlia-Flow的自动工作流程，用于小胶质细胞的分割和分类	结合了Frangi滤波算法和边缘引导注意力TransUNet（EGA-Net）进行分割，并采用Vision Transformer（ViT）网络进行分类，显著提高了分割精度并解决了现有分类方法的参数依赖问题	NA	开发一种自动工作流程，用于小胶质细胞的分割和分类，以支持不同形态分析	小胶质细胞	digital pathology	brain diseases	Frangi filtering algorithm, edge-guided attention TransUNet (EGA-Net), Vision Transformer (ViT)	TransUNet, ViT	image	NA
1679	2025-05-17	TasteNet: A novel deep learning approach for EEG-based basic taste perception recognition using CEEMDAN domain entropy features 2025-Jul, Journal of neuroscience methods IF:2.7Q3 DOI:10.1016/j.jneumeth.2025.110463 PMID:40315923	研究论文	提出了一种名为TasteNet的新型深度学习框架，用于基于EEG信号的基本味觉感知识别	结合了CEEMDAN域熵特征、CNN模块、多头注意力模块和Att-BiPLSTM网络，显著提高了味觉感知分类的准确性	NA	开发一个深度学习框架，用于从EEG信号中有效识别基本味觉刺激	EEG信号	机器学习	NA	CEEMDAN, 熵特征提取	CNN, 多头注意力模块, Att-BiPLSTM	EEG信号	NA
1680	2025-05-14	Rapid diagnosis of lung cancer by multi-modal spectral data combined with deep learning 2025-Jul-05, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2025.125997 PMID:40073660	研究论文	本研究提出了一种基于深度学习的多模态光谱信息融合网络（MSIF），用于肺腺癌细胞的快速诊断	引入了自适应深度卷积（ADConv）进行特征提取，设计了跨模态交互融合（CMIF）模块实现多模态特征学习	未提及模型在更大规模数据集上的泛化能力验证	开发快速、低成本的肺癌早期诊断方法	肺腺癌细胞	数字病理	肺癌	傅里叶变换红外光谱、UV-vis吸收光谱、荧光光谱	ResNet、Transformer、一维CNN混合模型	光谱图像和文本数据	正常细胞和患者细胞的多模态光谱数据