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	2025-08-11	Automatic recognition of adrenal incidentalomas using a two-stage cascade network: a multicenter study 2025-Dec, Annals of medicine IF:4.9Q1 DOI:10.1080/07853890.2025.2540596 PMID:40772430	研究论文	该研究开发了一种基于深度学习的两阶段级联网络，用于在多中心非增强CT图像中自动识别肾上腺偶发瘤	首次提出使用两阶段级联网络（3D Res-Unet分割网络+分类器）实现肾上腺偶发瘤的自动识别，并在多中心数据上验证了模型性能	研究为回顾性设计，未在外部独立验证集上测试模型泛化能力	开发自动识别肾上腺偶发瘤的AI系统以辅助肾上腺疾病管理	肾上腺偶发瘤患者的非增强CT图像	数字病理	肾上腺疾病	深度学习	3D Res-Unet + 分类器的级联网络	CT图像	778例患者（443例训练/验证集，335例测试集）
2	2025-08-11	ChewNet: A multimodal dataset for invivo and invitro beef and plant-based burger patty boluses with images, texture, and force profiles 2025-Oct, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2025.111890 PMID:40778379	research paper	该研究提供了一个多模态数据集，包含牛肉和植物基汉堡肉饼在人类和机器人咀嚼过程中产生的图像、质地和力分布数据	首次结合人类和机器人咀嚼实验，提供全面的食物咀嚼过程多模态数据，支持深度学习模型开发	人类参与者样本量较小（仅3名健康成年男性），且仅针对特定类型食物	探索食物团块特性随咀嚼次数的变化关系，开发能预测咀嚼食物机械和质地特性的深度学习模型	牛肉和植物基汉堡肉饼的咀嚼过程	食品科学	NA	质地剖面分析(TPA)、机器人咀嚼模拟	深度学习模型	图像、力分布数据、质地参数	3名人类参与者+机器人咀嚼实验
3	2025-08-11	Crop field segmentation and irrigation water source attribution for groundwater monitoring and projection toward conservation in the Texas High Plains 2025-Sep-10, The Science of the total environment DOI:10.1016/j.scitotenv.2025.180031 PMID:40639040	研究论文	本研究提出了一种数据驱动的方法，结合遥感和现场地下水数据，监测和预测2000年至2030年德州高平原地区的地下水水位变化，以支持可持续水资源管理	创新点包括开发了一种基于高粱、棉花和玉米物候特征的作物分类和田间分割方法，以及集成深度学习模型（如1DCNN与LSTM网络）进行作物映射和水源归属分析	研究局限在于仅针对德州高平原的Castro和Hale县，未来可能需要扩展到其他面临类似挑战的地区	研究目的是监测和预测地下水水位变化，支持可持续水资源管理	研究对象是德州高平原地区的高粱、棉花和玉米作物以及地下水水位	遥感与水文建模	NA	遥感、深度学习、水文建模	1DCNN、LSTM、SAM	遥感图像、地下水数据	研究覆盖了1995年至2024年的作物数据以及2000年至2023年的地下水数据
4	2025-08-11	Deep learning based aerosol particle classification for the detection of ship emissions 2025-Sep-10, The Science of the total environment DOI:10.1016/j.scitotenv.2025.180041 PMID:40644880	研究论文	本研究结合单颗粒质谱仪（SPMS）和深度学习技术，开发了一种用于检测船舶排放的实时监测系统	利用卷积神经网络（CNN）自动处理复杂的质谱数据，实现了13种丰富气溶胶颗粒的高精度分类，并实时识别使用重油（HFO）的船舶	监测范围受限于SPMS的检测距离（约1.3公里），且需依赖AIS提供的船舶轨迹数据	开发一种能够实时监测和识别船舶排放气溶胶颗粒的系统，以减少航运对空气污染的影响	船舶排放的气溶胶颗粒，特别是含有钒（V/[VO]）、镍（Ni）和铁（Fe）离子的颗粒	机器学习和环境监测	NA	单颗粒质谱仪（SPMS）和卷积神经网络（CNN）	CNN	质谱数据	一周监测期内，80次通过监测点的21艘船舶（距离最远约1.3公里）
5	2025-08-11	Enhanced ISUP grade prediction in prostate cancer using multi-center radiomics data 2025-Sep, Abdominal radiology (New York) DOI:10.1007/s00261-025-04858-3 PMID:40047870	研究论文	本研究探讨了基于解剖ROI提取的放射组学特征在前列腺癌患者国际泌尿病理学会(ISUP)分级预测中的价值	利用前列腺解剖亚区(外周区和中央腺体)的放射组学特征组合，提升了ISUP分级的预测性能	需要进一步验证该策略在临床决策中的实际应用价值	提高前列腺癌ISUP分级的预测准确性	前列腺癌患者	数字病理	前列腺癌	放射组学分析	随机森林分类算法	医学影像(T2WI/ADC/DWI)	1500例多中心前列腺癌患者
6	2025-08-11	Automated liver magnetic resonance elastography quality control and liver stiffness measurement using deep learning 2025-Sep, Abdominal radiology (New York) DOI:10.1007/s00261-025-04883-2 PMID:40088296	research paper	该研究利用深度学习技术实现了肝脏磁共振弹性成像（MRE）质量控制和肝脏硬度测量（LSM）的全自动化	首次提出基于深度学习的全自动化肝脏MRE质量控制和LSM方法，显著提高了效率和准确性	研究为单中心回顾性研究，样本量相对有限（69名患者）	开发自动化肝脏MRE质量控制和硬度测量方法以提高临床实用性	肝脏磁共振弹性成像数据	digital pathology	liver fibrosis	MRI, MRE	SqueezeNet, 2D U-Net	medical image	69名患者（37名男性，平均年龄51.6岁）的146次2D MRE扫描，共897幅MRE幅度切片
7	2025-08-11	Prostate Cancer Risk Stratification and Scan Tailoring Using Deep Learning on Abbreviated Prostate MRI 2025-Sep, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.29798 PMID:40259798	研究论文	开发并评估了一种基于深度学习的模型，用于利用双参数MRI（bpMRI）对临床显著性前列腺癌（csPCa）进行分类，并评估其在优化MRI协议选择方面的潜力	提出了一种基于3D ResNet-50架构的深度学习模型，能够实时在MRI工作流程中提供分类结果，优化资源利用	研究样本量虽然较大，但前瞻性和回顾性队列的样本量相对较小，可能影响模型的泛化能力	开发一种深度学习模型，用于前列腺癌的风险分层和MRI扫描协议的个性化选择	前列腺癌患者	数字病理学	前列腺癌	双参数MRI（bpMRI）和深度学习	3D ResNet-50	MRI图像	训练和验证集包含26,129例前列腺MRI研究，回顾性队列151例患者，前瞻性队列142例患者
8	2025-04-24	Editorial for "Prostate Cancer Risk Stratification and Scan Tailoring Using Deep Learning on Abbreviated Prostate MRI" 2025-Sep, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.29806 PMID:40264361	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
9	2025-08-11	Federated Learning for Renal Tumor Segmentation and Classification on Multi-Center MRI Dataset 2025-Sep, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.29819 PMID:40384349	研究论文	评估联邦学习在多中心MRI数据集上对肾肿瘤分割和分类的性能与可靠性	使用联邦学习作为隐私保护解决方案，在多中心数据集上训练深度学习模型，以解决数据共享限制问题	研究为回顾性多中心研究，可能存在选择偏差	评估联邦学习在肾肿瘤分割和分类中的性能与可靠性	肾肿瘤患者的多中心MRI数据	数字病理	肾癌	MRI（T2WI和CE-T1WI序列）	nnU-Net（分割）、ResNet（分类）	MRI图像	987名患者（785训练、104验证、99测试），来自6家医院
10	2025-08-11	StarVasc: hyper-dimensional and spectral feature expansion for lightweight vascular enhancement 2025-Aug-10, Journal of robotic surgery IF:2.2Q2 DOI:10.1007/s11701-025-02644-3 PMID:40783657	research paper	提出了一种名为StarVasc的轻量级无监督血管对比增强框架，用于机器人手术视觉系统	StarVasc采用基于紧凑生成对抗网络的非配对学习策略，并引入了星形操作模块和光谱特征增强模块，实现了高维特征扩展和血管细节的精细优化	未提及具体的手术环境适应性测试或与其他硬件集成的兼容性问题	开发一种无需专用硬件的自适应血管对比增强方法，以提高机器人手术成像中的视觉感知和手术安全性	机器人手术视觉系统中的血管图像	computer vision	NA	生成对抗网络	GAN	image	未提及具体样本数量
11	2025-08-11	Advancing Aqueous Solubility Prediction: A Machine Learning Approach for Organic Compounds Using a Curated Data Set 2025-Aug-10, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c02399 PMID:40783839	research paper	本文提出了一种利用机器学习方法预测有机化合物水溶性的模型，基于一个从四个不同来源合并的精选数据集	采用多种机器学习和深度学习模型结合化学描述符、指纹和功能基团，以提高水溶性预测的准确性和泛化能力	模型仅在Huuskonen数据集上进行了测试，可能在其他数据集上的泛化能力有待验证	预测有机化合物的水溶性，以支持药物开发和材料科学等应用	有机化合物	machine learning	NA	machine learning, deep learning	多种机器学习和深度学习模型	化学描述符、指纹和功能基团数据	1282种独特的有机化合物
12	2025-08-11	Time series AQI forecasting using Kalman-integrated Bi-GRU and Chi-square divergence optimization 2025-Aug-09, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-12422-8 PMID:40783413	research paper	提出了一种结合卡尔曼注意力和双向门控循环单元（Bi-GRU）的新型深度学习框架，用于稳健的空气质量指数（AQI）时间序列预测	引入了卡尔曼注意力机制动态调整数据不确定性，增强时序特征权重，并在损失函数中加入基于卡方散度的正则化项，以减少预测与实际污染物水平之间的分布不匹配	NA	提高空气质量指数（AQI）预测的准确性，以应对全球空气污染问题	美国环境保护署（2022-2024年）在丹佛-奥罗拉-莱克伍德地区的六种主要污染物（CO、NO2、SO2、O3、PM2.5、PM10）的实时数据	machine learning	NA	ARIMA, Kalman Attention, Bi-GRU	Bi-GRU, LSTM, CNN-LSTM	time series data	NA
13	2025-08-11	Enhancing AI-driven forecasting of diabetes burden: a comparative analysis of deep learning and statistical models 2025-Aug-09, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-14599-4 PMID:40783432	研究论文	本研究比较了深度学习和统计模型在糖尿病负担预测中的表现，评估了预测准确性、鲁棒性和计算效率之间的权衡	首次将Transformer与VAE结合用于糖尿病负担预测，并全面比较了多种模型的性能	Transformer-VAE模型计算成本高且可解释性差，限制了其在资源受限环境中的可扩展性	评估不同预测模型在糖尿病负担预测中的表现	糖尿病负担预测模型	机器学习	糖尿病	深度学习与统计模型比较	Transformer-VAE, LSTM, GRU, ARIMA	时间序列数据	1990-2021年的年度DALYs、死亡率和患病率数据
14	2025-08-11	3D long time spatiotemporal convolution for complex transfer sequence prediction 2025-Aug-09, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-13828-0 PMID:40783430	研究论文	提出了一种基于3D卷积的时空序列预测模型3DcT-Pred，用于解决现有方法在长序列信息遗忘和复杂非平滑特征捕捉上的不足	通过双分支3D卷积提取长期全局特征，结合跨结构时空注意力模块增强细粒度特征响应，并设计融合门控模块整合全局与局部特征	未明确说明模型计算复杂度及在实时场景下的适用性	提升时空序列预测任务中长程依赖建模和非平滑瞬变特征的捕捉能力	时空序列数据（SSD）	计算机视觉	NA	3D卷积、注意力机制	3DcT-Pred（基于3D CNN的端到端模型）	时空序列数据（可能包含雷达回波等时序图像数据）	三个公开数据集和一个私有雷达回波数据集（未注明具体样本量）
15	2025-08-11	Exploring the feasibility of AI-based analysis of histopathological variability in salivary gland tumours 2025-Aug-09, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-15249-5 PMID:40783435	研究论文	本研究利用人工智能（AI）对唾液腺肿瘤（SGT）进行数字化H&E染色全切片图像（WSI）的分析，以区分良恶性肿瘤、恶性亚型及分级	首次将AI技术应用于唾液腺肿瘤的自动分类和分级，并比较了机器学习与深度学习模型的性能	需要更大规模的多中心队列研究来验证结果的临床意义和实用性	探索AI在唾液腺肿瘤病理学分析中的可行性和准确性	唾液腺肿瘤（SGT）的数字化H&E染色全切片图像	数字病理学	唾液腺肿瘤	机器学习（ML）和深度学习（DL）	ML分类器和DL模型	图像（WSI）	320张扫描的WSI
16	2025-08-11	A blockchain-based deep learning approach for student course recommendation and secure digital certification 2025-Aug-09, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-14778-3 PMID:40783441	研究论文	本文提出了一种基于区块链和深度学习的模型Deep Certifier-DX509，用于学生课程推荐和安全数字证书颁发	结合了改进的注意力机制深度LSTM模型(MA-DLSTM)进行课程推荐，并整合X509区块链与工作量证明(PoW)增强证书安全性，采用两步认证机制	未提及模型在不同教育机构或课程体系中的泛化能力	解决现有技术在处理课程大纲更新、复杂性和证书安全颁发方面的挑战	学生课程推荐系统和数字证书颁发系统	机器学习	NA	区块链技术、深度学习	MA-DLSTM (改进的注意力机制深度LSTM)	学术表现数据、课程数据	NA
17	2025-08-11	Deep learning in rib fracture imaging: study quality assessment using the Must AI Criteria-10 (MAIC-10) checklist for artificial intelligence in medical imaging 2025-Aug-09, Insights into imaging IF:4.1Q1 DOI:10.1186/s13244-025-02046-x PMID:40783476	研究论文	使用MAIC-10清单评估深度学习在肋骨骨折影像学研究中方法学质量	首次应用MAIC-10清单评估肋骨骨折影像学中深度学习研究的质量，并报告了该清单的适用性	仅纳入25篇原始文章，样本量较小，且仅使用PubMed数据库进行文献搜索	评估深度学习在肋骨骨折影像学研究中的方法学质量	25篇关于深度学习在肋骨骨折影像学中应用的原始文章	数字病理学	肋骨骨折	深度学习	NA	医学影像	25篇原始文章
18	2025-08-11	Supporting intraoperative margin assessment using deep learning for automatic tumour segmentation in breast lumpectomy micro-PET-CT 2025-Aug-09, NPJ breast cancer IF:6.5Q1 DOI:10.1038/s41523-025-00797-w PMID:40783490	研究论文	本研究利用深度学习技术开发了一种自动肿瘤分割方法，用于乳腺癌保乳手术中的术中边缘评估	首次将2D Residual U-Net应用于微PET-CT图像中的乳腺癌肿瘤分割，并开发了集成模型用于边缘状态预测	样本量较小（53个切片来自19名患者），且仅在特定类型乳腺癌（非特殊类型浸润性癌）上进行了验证	开发自动肿瘤分割方法以辅助乳腺癌保乳手术中的术中边缘评估	乳腺癌患者的微PET-CT图像	数字病理学	乳腺癌	微PET-CT成像	2D Residual U-Net	医学影像	53个乳腺癌切片图像（来自19名患者）用于训练，31个微PET-CT图像（来自31名患者）用于验证
19	2025-08-11	Developing an AI-powered wound assessment tool: a methodological approach to data collection and model optimization 2025-Aug-09, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-025-03144-y PMID:40783534	研究论文	开发一种基于AI的伤口评估工具，用于支持医疗专业人员的诊断、监测和临床决策	结合前瞻性和回顾性数据收集方法，使用Deeplabv3+架构和ResNet50骨干网络开发AI模型，实现伤口分割和组织分类	组织分类的准确性在不同组织类型（尤其是纤维蛋白和坏死组织）中表现不一	开发一种AI驱动的伤口评估工具，以提高诊断精度、支持个性化护理并降低医疗成本	慢性伤口和急性伤口的图像数据	数字病理	慢性伤口	深度学习	Deeplabv3+ with ResNet50 backbone	图像、视频、3D扫描	约4,000张伤口图像
20	2025-08-11	The integration of psychological education and moral dilemmas from a value perspective 2025-Aug-09, BMC psychology IF:2.7Q1 DOI:10.1186/s40359-025-03197-8 PMID:40783551	研究论文	本文探讨了心理教育与道德困境在价值视角下的整合，并利用深度学习模型提升这一整合的科学性和理论理解	提出了心理教育与道德困境整合的新方法，并应用深度学习模型来增强理解和解决价值问题的能力	未提及具体实验样本量或数据来源，可能影响研究结果的普适性	研究心理教育与道德困境的整合及其在教育策略中的应用	心理教育与道德困境的整合及其对教育实践的影响	教育技术	NA	深度学习	深度学习神经网络	NA	NA