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
1	2025-05-16	Deep learning-based detection of bacterial swarm motion using a single image 2025-Dec, Gut microbes IF:12.2Q1 DOI:10.1080/19490976.2025.2505115 PMID:40366861	研究论文	开发了一种基于深度学习的细菌群集运动检测方法，仅需单张模糊图像即可快速自主预测群集概率	首次提出使用单张模糊图像和深度学习技术快速、自主地检测细菌群集运动，相比传统方法更高效且客观	未明确说明训练数据的具体规模和多样性，可能影响模型的泛化能力	开发一种快速、客观的细菌群集运动检测方法，以替代传统耗时且主观的检测技术	细菌的群集（swarming）和游动（swimming）运动	计算机视觉	炎症性肠病（IBD）和尿路感染（UTI）	深度学习	CNN（未明确说明但推断为卷积神经网络）	图像	训练数据为SM3细菌，测试数据包括SM3、DB10和H6细菌
2	2025-05-16	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Cobb角，减少了人工测量的误差和工作量	研究样本量相对较小（345例），且成人患者的测量误差高于儿科患者	评估深度学习算法在全脊柱X光片上自动测量Cobb角的准确性	全脊柱X光片和Cobb角测量	计算机视觉	脊柱侧弯	深度学习	DL（深度学习）	图像	345例患者（179例儿科患者，166例成人患者）
3	2025-05-16	Comprehensive Morphometric Analysis to Identify Key Neuroimaging Biomarkers for the Diagnosis of Adult Hydrocephalus Using Artificial Intelligence 2025-Jun-01, Neurosurgery IF:3.9Q1 DOI:10.1227/neu.0000000000003248 PMID:39508594	研究论文	本研究通过人工智能技术识别用于诊断成人脑积水的关键神经影像生物标志物，旨在开发实用且准确的诊断工具	利用SHAP特征重要性分析确定了关键的一维神经影像生物标志物，并阐明了这些参数与脑室体积之间的关系	研究样本量较小，且仅针对非正常压力脑积水患者	开发基于人工智能的脑积水诊断工具	成人非正常压力脑积水患者和健康受试者	数字病理学	脑积水	人工图像处理，机器学习分类器	Gradient Boosting, 深度学习分类器	神经影像数据	NA
4	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)
5	2025-05-16	The role of deep learning in diagnostic imaging of spondyloarthropathies: a systematic review 2025-Jun, European radiology IF:4.7Q1 DOI:10.1007/s00330-024-11261-x PMID:39658683	系统综述	本文系统评估了深度学习模型在脊柱关节病（SpA）影像诊断中的应用及其准确性	深度学习模型（尤其是CNN和U-Net）在SpA影像诊断中展现出高准确度，部分模型AUC高达0.98，与放射科专家水平相当	部分研究样本量较小，需更大数据集和进一步前瞻性及外部验证以提高AI模型的泛化能力	评估深度学习模型提升脊柱关节病影像诊断准确性的潜力	脊柱关节病（SpA）的MRI、CT和X射线影像	数字病理学	脊柱关节病	深度学习	CNN, U-Net	医学影像（MRI/CT/X-ray）	21项研究（具体样本量未明确说明）
6	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
7	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
8	2025-05-16	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	该研究开发了一个全面的槟榔叶病害图像数据集，用于支持基于人工智能的植物病理学研究	首次提供了包含健康叶片和两种常见病害（叶腐病和叶斑病）的槟榔叶图像数据集，填补了该领域的空白	数据集仅包含两种常见病害，可能无法涵盖所有槟榔叶病害类型	开发可靠的槟榔叶病害图像数据集，以支持准确病害诊断工具的开发	槟榔叶及其病害（叶腐病和叶斑病）	digital pathology	植物病害	图像增强技术（翻转、亮度调整、对比度调整、旋转）	machine learning和deep learning模型	image	初始采集2,037张图像，通过增强技术扩展至10,185张图像
9	2025-05-16	GRU4ACE: Enhancing ACE inhibitory peptide prediction by integrating gated recurrent unit with multi-source feature embeddings 2025-Jun, Protein science : a publication of the Protein Society IF:4.5Q1 DOI:10.1002/pro.70026 PMID:40371738	研究论文	本研究介绍了一种名为GRU4ACE的创新深度学习框架，通过整合多源特征嵌入和门控循环单元(GRU)来预测ACE抑制肽	GRU4ACE框架首次整合了多源特征编码方法（包括序列信息、图形信息、语义信息和上下文信息）和GRU模型，显著提高了ACE抑制肽的预测性能	NA	提高ACE抑制肽的预测准确性，为新型抗高血压药物的开发提供指导	ACE抑制肽	自然语言处理	心血管疾病	自然语言处理(NLP)嵌入、预训练蛋白质语言模型(PLM)嵌入	GRU	文本	NA
10	2025-05-16	Deep-Diffeomorphic Networks for Conditional Brain Templates 2025-Jun-01, Human brain mapping IF:3.5Q1 DOI:10.1002/hbm.70229 PMID:40372124	research paper	该论文提出了一种基于深度学习的拓扑保持框架，用于生成条件性脑模板，以提高神经影像分析的准确性	使用深度学习和微分同胚框架生成条件性脑模板，能够捕捉更丰富的临床和人口统计学变量组合	尽管方法在捕捉年龄依赖性解剖差异方面有一定效果，但在准确追踪所有脑结构体积变化方面仍需进一步改进	开发一种能够生成条件性脑模板的深度学习方法，以支持神经影像研究和个性化医疗	认知正常的参与者（来自阿尔茨海默病神经影像倡议ADNI）的脑部扫描数据	neuroimaging	阿尔茨海默病	深度学习	deep-diffeomorphic networks	脑部扫描图像	来自ADNI的认知正常参与者数据集
11	2025-05-16	Automated high precision PCOS detection through a segment anything model on super resolution ultrasound ovary images 2025-May-15, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-01744-2 PMID:40369044	研究论文	提出了一种名为QEI-SAM的新型集成方法，用于提高图像质量和卵巢囊肿分割，以实现准确的多囊卵巢综合征(PCOS)预测	结合了ESRGAN进行图像增强和SAM进行囊肿分割，以及多种CNN模型进行PCOS诊断，实现了高精度的自动化检测	未提及研究样本的具体数量和多样性，可能影响模型的泛化能力	开发自动化高精度PCOS检测系统	超声卵巢图像中的囊肿	数字病理	多囊卵巢综合征	超声成像	ESRGAN, SAM, CNN (包括ResNet 50/101, VGG 16/19, AlexNet, Inception v3)	超声图像	NA
12	2025-05-16	Deep learning MRI-based radiomic models for predicting recurrence in locally advanced nasopharyngeal carcinoma after neoadjuvant chemoradiotherapy: a multi-center study 2025-May-15, Clinical & experimental metastasis IF:4.2Q2 DOI:10.1007/s10585-025-10349-y PMID:40369240	研究论文	本研究利用基于深度学习的MRI放射组学模型预测局部晚期鼻咽癌患者在新辅助放化疗后的复发情况	结合传统放射组学特征和深度放射组学特征，开发了预测模型，并在多中心数据中验证了其性能	研究为回顾性设计，样本量相对有限（328例患者）	验证基于深度学习的MRI放射组学模型在预测局部晚期鼻咽癌患者复发中的临床价值	局部晚期鼻咽癌（LA-NPC）患者	数字病理	鼻咽癌	MRI（T1WI+C和T2WI序列）	Random forest (RF), LASSO	医学影像	328例患者（229例训练集，99例验证集）
13	2025-05-16	MRI-derived deep learning models for predicting 1p/19q codeletion status in glioma patients: a systematic review and meta-analysis of diagnostic test accuracy studies 2025-May-15, Neuroradiology IF:2.4Q2 DOI:10.1007/s00234-025-03631-z PMID:40369298	meta-analysis	本文通过系统综述和荟萃分析评估了基于MRI的深度学习模型在预测胶质瘤患者1p/19q共缺失状态中的表现	首次对MRI衍生的深度学习模型在预测胶质瘤1p/19q共缺失状态中的诊断准确性进行了系统评价和荟萃分析	纳入研究的质量参差不齐，仅有两项研究质量较低，且存在显著的异质性	评估MRI衍生的深度学习模型在预测胶质瘤1p/19q共缺失状态中的诊断准确性	胶质瘤患者	digital pathology	glioma	MRI	DL	image	20项研究纳入系统综述，其中10项研究进行了荟萃分析
14	2025-05-16	Trends and Gaps in Public Perception of Genetic Testing for Dementia Risk: Unsupervised Deep Learning of Twitter Posts From 2010 to 2023 2025-May-15, Alzheimer disease and associated disorders DOI:10.1097/WAD.0000000000000667 PMID:40371554	研究论文	利用Twitter数据分析公众对痴呆症基因检测的看法	使用BERT模型和主题建模分析Twitter数据，揭示公众对痴呆症基因检测的认知趋势和误区	研究仅基于Twitter数据，可能无法全面代表所有公众观点	分析公众对痴呆症基因检测的认知和态度	2010年至2023年期间包含相关关键词的英文推文	自然语言处理	老年疾病	BERT模型, NER, 主题建模	BERT	文本	3045条原始/来源推文
15	2025-05-16	The Lack of Neurofeedback Training Regulation Guidance and Process Evaluation May be a Source of Controversy in Post-Traumatic Stress Disorder-Neurofeedback Research: A Systematic Review and Statistical Analysis 2025-May-15, Brain connectivity IF:2.4Q3 DOI:10.1089/brain.2024.0084 PMID:40371570	系统性综述	本文对创伤后应激障碍（PTSD）神经反馈（NF）研究进行了系统性综述和统计分析，探讨了现有研究的不足并提出了改进方向	首次对PTSD-NF研究进行了全面的统计分析和分类，提出了改进NF过程评估机制和调制指导的建议	研究仅纳入了31项原始研究，样本量较小（EEG-NF平均17.4人，fMRI-NF平均14.6人），且缺乏深度学习方法的运用	探讨PTSD-NF研究中存在的问题并提出改进方向	创伤后应激障碍（PTSD）患者	脑机接口	创伤后应激障碍	脑电图神经反馈（EEG-NF）和功能磁共振成像神经反馈（fMRI-NF）	传统统计方法和基础机器学习方法	神经信号数据	EEG-NF研究平均17.4人（SD 7.13），fMRI-NF研究平均14.6人（SD 6.37）
16	2025-05-16	Comparison of Manual Versus QuPath Software-based Immunohistochemical Scoring Using Oral Squamous Cell Carcinoma as a Model 2025-May-15, The journal of histochemistry and cytochemistry : official journal of the Histochemistry Society DOI:10.1369/00221554251335698 PMID:40371713	研究论文	比较手动与QuPath软件在口腔鳞状细胞癌免疫组化评分中的应用	使用开源软件QuPath进行数字评估，并与手动评估进行比较，展示了高相关性	软件分析需要准确且耗时的样本注释，要求用户具备组织学知识和QuPath的深入培训	评估数字评估与手动评估在免疫组化分析中的可比性	口腔鳞状细胞癌患者的组织样本	数字病理学	口腔鳞状细胞癌	免疫组化染色	NA	图像	309名患者的组织微阵列（TMA）
17	2025-05-16	Deep Learning-Assisted 3D Pressure Sensors for Control of Unmanned Aerial Vehicles 2025-May-15, ACS applied materials & interfaces IF:8.3Q1 DOI:10.1021/acsami.5c03575 PMID:40371705	研究论文	本文介绍了一种利用多层微结构复合薄膜压阻传感阵列和深度学习技术的可穿戴智能手势识别控制系统，用于无人机的实时控制	结合了高灵敏度压阻传感阵列和CNN深度学习技术，实现了97.5%的手势识别准确率，并开发了直观的用户界面进行实时飞行高度和视频监控显示	未提及系统在复杂环境下的稳定性测试或长期使用可靠性评估	开发高精度实时手势识别系统以改善人机交互体验	人体手势动作识别与无人机控制	机器人与人机交互	NA	深度学习与压阻传感技术	CNN	压力传感数据与视频数据	未明确说明实验样本量
18	2025-05-16	De Novo Design of Highly Stable Binders Targeting Dihydrofolate Reductase in Klebsiella pneumoniae 2025-May-15, Proteins IF:3.2Q2 DOI:10.1002/prot.26835 PMID:40371895	研究论文	本研究旨在设计针对肺炎克雷伯菌二氢叶酸还原酶（DHFR）的新型治疗性抑制剂，利用深度学习生物信息学技术设计具有细胞穿透特性的稳定肽	采用深度学习模型（OmegaFold、ProteinMPNN）设计全新抑制剂，并通过添加细胞穿透肽（CPP）基序增强递送效果	计算模型在预测体内行为方面存在局限性，需进一步体外和体内实验验证	设计针对肺炎克雷伯菌DHFR蛋白的新型治疗性抑制剂，以应对细菌耐药性问题	肺炎克雷伯菌的DHFR蛋白	生物信息学	细菌感染	深度学习、分子对接、分子动力学模拟	OmegaFold、ProteinMPNN	蛋白质序列	60个全新结合剂，生成7200个序列，最终筛选出10个序列
19	2025-05-16	Artificial Intelligence in Surgical Training and Applications to Otolaryngology: A Scoping Review 2025-May-15, The Laryngoscope DOI:10.1002/lary.32246 PMID:40371996	综述	本文探讨了人工智能在耳鼻喉科手术技能评估和教育中的应用进展	利用AI技术提供客观、数据驱动的手术技能评估，替代传统主观评估方法	纳入研究数量有限（34项），且AI评估准确率存在较大波动（60%-100%）	评估人工智能在手术技能评估中的应用潜力，特别是在耳鼻喉科教育领域	手术技能评估研究，包括基础手术任务和特定外科手术程序	计算机视觉	耳鼻喉科疾病	深度学习、机器学习、计算机视觉技术	NA	运动学数据、运动数据、力数据、手术视频	34项符合条件的研究
20	2025-05-16	Robust Odor Detection in Electronic Nose Using Transfer-Learning Powered Scentformer Model 2025-May-15, ACS sensors IF:8.2Q1 DOI:10.1021/acssensors.5c00630 PMID:40372408	研究论文	本研究提出了一种基于深度学习架构的新型电子鼻Scentformer，用于自然气味检测，解决了当前电子鼻检测范围窄和泛化能力有限的问题	提出了一种名为Scentformer的新型电子鼻模型，采用自适应数据下采样方法，能够检测55种不同自然气味，分类准确率达99.94%，并利用迁移学习能力高效适应新气味	NA	开发一种能够广泛检测自然气味并具有高泛化能力的电子鼻系统	55种不同自然气味	机器学习	NA	深度学习	Scentformer	气味信号数据	NA