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	2025-09-19	Analyzing mental disorders with a CNN-GRU deep learning model on motor activity 2025-Dec, Cognitive neurodynamics IF:3.1Q2 DOI:10.1007/s11571-025-10335-w PMID:40964443	研究论文	使用CNN-GRU深度学习模型分析运动活动数据以检测情绪障碍	首次将连续可穿戴运动活动数据与CNN-GRU架构结合用于情绪障碍分析，实现98.1%的准确率	仅基于单一Depresjon数据集验证，未涉及多中心或多样化人群验证	开发基于深度学习的情绪障碍检测方法	情绪障碍患者（通过手腕活动记录仪采集数据）	机器学习	情绪障碍	actigraphy（活动记录技术）	CNN-GRU	时间序列运动活动数据	Depresjon数据集（具体样本量未明确说明）
2	2025-09-19	Response to letter regarding "A deep learning approach for gastroscopic manifestation recognition based on Kyoto Gastritis Score" 2025-Dec, Annals of medicine IF:4.9Q1 DOI:10.1080/07853890.2025.2561801 PMID:40964794	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
3	2025-09-19	A Salient Object Detection Network Enhanced by Nonlinear Spiking Neural Systems and Transformer 2025-Nov, International journal of neural systems IF:6.6Q1 DOI:10.1142/S0129065725500455 PMID:40539244	研究论文	提出一种结合非线性脉冲神经P系统和Transformer的RGB-D显著目标检测网络TranSNP-Net，用于提升跨模态特征融合和抗噪能力	集成NSNP系统与Transformer，引入增强特征融合模块SNPFusion和注意力机制，并采用微调Swin作为骨干网络	NA	解决RGB-D显著目标检测中的跨模态特征融合不足、深度信息噪声导致的误差及模型泛化能力有限的问题	RGB和深度（RGB-D）图像	计算机视觉	NA	深度学习，显著目标检测（SOD）	Transformer，Swin，NSNP系统	图像（RGB和深度）	六个RGB-D基准数据集（具体样本数未提供）
4	2025-09-19	Artificial Intelligence-Based Approaches for Brain Tumor Segmentation in MRI: A Review 2025-Nov, NMR in biomedicine IF:2.7Q1 DOI:10.1002/nbm.70141 PMID:40962716	综述	本文回顾了基于人工智能的MRI脑肿瘤分割方法，总结了近年来的技术进展与挑战	系统梳理了超过200篇文献，重点关注网络架构设计、不平衡数据分割和多模态处理等关键技术问题	作为综述文章，未提出新的原创方法，主要基于现有文献进行分析和总结	回顾MRI脑肿瘤自动分割技术，分析主流方法并探讨未来研究方向	脑肿瘤MRI图像	医学图像分析	脑肿瘤	MRI	CNN, ViT, 混合方法	医学影像	基于200多篇文献的综述，未指定具体样本量
5	2025-09-19	Synthetic electroretinogram signal generation using a conditional generative adversarial network 2025-Oct, Documenta ophthalmologica. Advances in ophthalmology DOI:10.1007/s10633-025-10019-0 PMID:40240677	研究论文	使用条件生成对抗网络生成合成视网膜电图信号以改善自闭症谱系障碍的分类性能	首次将条件生成对抗网络应用于ERG信号生成，并通过两种深度学习模型验证合成数据对分类性能的提升	样本量相对较小（ASD n=18，对照组 n=31），且仅使用单一公开数据集进行验证	通过生成合成ERG信号解决罕见或异质人群数据稀缺问题，提升分类模型的性能	自闭症谱系障碍（ASD）患者和健康对照组的视网膜电图（ERG）信号	生物医学信号处理	自闭症谱系障碍	条件生成对抗网络（Conditional GAN），连续小波变换	Time Series Transformer, Visual Transformer	时间序列信号，图像（小波变换后）	1058条ERG记录（560条来自18名ASD患者，498条来自31名健康对照），包含9种不同闪光强度
6	2025-09-19	Predicting fixations and gaze location from EEG 2025-Oct, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-025-03362-6 PMID:40338479	研究论文	使用深度学习模型从脑电图（EEG）预测注视点和估计凝视位置	提出基于Transformer和LSTM的架构，在短信号长度和有限通道条件下优于现有方法，且无需预训练	Transformer模型对短信号和少通道数更敏感	探索从EEG信号预测眼动注视点和凝视位置的可能性	脑电图信号与眼动数据的关联	机器学习	NA	深度学习，EEG信号处理	Transformer, LSTM	EEG信号	NA
7	2025-09-19	Deep learning algorithms reveal genomic markers for anxiety disorder in a large cohort of children with down syndrome 2025-Oct, Molecular psychiatry IF:9.6Q1 DOI:10.1038/s41380-025-03065-2 PMID:40413309	研究论文	本研究利用深度学习算法分析大规模全基因组测序数据，探索唐氏综合征儿童焦虑障碍的基因组标记	首次结合WGS队列和深度学习AI模型全面探索唐氏综合征焦虑障碍，发现其分子机制与其他精神疾病不同	NA	识别唐氏综合征患者焦虑障碍的基因组变异并理解其分子机制	1479名唐氏综合征个体及家庭成员，其中255名被诊断至少一种精神障碍，74名确诊焦虑障碍	机器学习	唐氏综合征	全基因组测序(WGS)	神经网络	基因组数据	1479个样本（包括唐氏综合征患者和家庭成员）
8	2025-09-19	Subclinical atrial fibrillation prediction based on deep learning and strain analysis using echocardiography 2025-Oct, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-025-03385-z PMID:40450156	研究论文	本研究提出了一种基于深度学习和超声心动图应变分析的亚临床心房颤动预测框架	首次将深度学习模型应用于心房高频事件（AHRE）预测，结合左心房分割和应变特征提取的创新方法	样本量相对有限（117例患者），需要更大规模的外部验证	开发自动化的AHRE检测工具以早期识别亚临床心房颤动	植入心脏电子设备的患者群体	医学影像分析	心血管疾病	超声心动图，应变分析	Transformer	医学影像（超声心动图）	117例患者（80%训练集，20%测试集）
9	2025-09-19	Task Augmentation-Based Meta-Learning Segmentation Method for Retinopathy 2025-Oct, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3579271 PMID:40504712	研究论文	提出一种基于任务增强的元学习方法TAMS，用于视网膜图像分割，以解决标注数据稀缺问题	设计了视网膜病变模拟算法(LSA)和生成模拟网络(GSNet)，自动生成多类视网膜疾病像素级标注数据，增强元学习任务	未提及实际临床部署中的计算效率或模型泛化能力验证	开发能够快速适应有限标注数据的医学图像分割方法	视网膜病变图像，特别是OCT和CFP图像	计算机视觉	视网膜病变	深度学习，对抗训练，图像生成	元学习，GAN	医学图像	在三个不同的OCT和CFP图像数据集上评估
10	2025-07-22	Neural Networks for Predicting and Classifying Antimicrobial Resistance Sequences in Porphyromonas gingivalis 2025-Oct, International dental journal IF:3.2Q1 DOI:10.1016/j.identj.2025.100890 PMID:40618714	研究论文	本研究开发了一种基于卷积神经网络（CNN）的深度学习方法，用于根据氨基酸序列对牙龈卟啉单胞菌的蛋白质进行分类，以预测和分类抗菌素耐药性（AMR）序列	使用CNN模型对牙龈卟啉单胞菌的蛋白质序列进行分类，优于传统方法如BLAST、HMM Profiles和DeepSig，并展示了与ProtBERT模型相当的高准确率	研究仅基于685个蛋白质序列，样本量相对较小，可能影响模型的泛化能力	开发一种深度学习方法，用于准确预测和分类牙龈卟啉单胞菌中的抗菌素耐药性序列	牙龈卟啉单胞菌的蛋白质序列	机器学习	牙周病	全基因组测序	CNN, ProtBERT	蛋白质序列	685个蛋白质序列（包括150个牙龈卟啉单胞菌蛋白质和535个非耐药变体）
11	2025-09-19	Automatic Point Cloud Patching of Intraoral Three-Dimensional Scanning Based on Deep Learning 2025-Oct, International dental journal IF:3.2Q1 DOI:10.1016/j.identj.2025.100911 PMID:40684681	研究论文	提出一种基于深度学习的口腔内三维扫描点云自动修补方法，用于恢复缺失数据并提升数字正畸工作流程	首次采用Point Fractal Network架构实现口腔内扫描点云的实时自动修复，支持临床近实时应用	缺失数据通过随机模拟生成，可能未完全覆盖真实临床中所有复杂缺失模式	开发并评估深度学习方法来自动修复口腔内三维点云的缺失区域	口腔内扫描（IOS）获取的牙齿表面三维点云数据	计算机视觉	NA	深度学习，点云处理	Point Fractal Network	3D点云	314个IOS扫描和4162颗独立牙齿
12	2025-09-19	Evaluation of Deep Learning for Caries Detection With Fine-Grained Classification and Postprocessing Improvements 2025-Oct, International dental journal IF:3.2Q1 DOI:10.1016/j.identj.2025.100898 PMID:40701111	研究论文	本研究通过改进深度学习模型和后处理方法，实现了基于牙齿实例的龋齿检测和细粒度分类	提出两种结合背景知识的校正方法，针对复杂场景下的不稳定性进行优化，并实现基于ICDAS标准的细粒度分类	处理速度略有下降（FPS从83.1降至78.1），且研究仅基于1200张原始口腔图像	提升龋齿检测的准确性和鲁棒性，并实现更精细的龋齿分类	口腔内可见光图像中的牙齿实例	计算机视觉	牙科疾病	数据增强、深度学习目标检测	YOLO-v8, YOLO-v9, YOLO-NAS	图像	1200张原始口腔图像（通过数据增强扩展至8754张图像）
13	2025-09-19	Contrast-Enhanced CT-Based Deep Learning and Habitat Radiomics for Analysing the Predictive Capability for Oral Squamous Cell Carcinoma 2025-Oct, International dental journal IF:3.2Q1 DOI:10.1016/j.identj.2025.100914 PMID:40712385	研究论文	本研究基于对比增强CT，结合深度学习和生境影像组学方法，预测口腔鳞状细胞癌的淋巴结转移和病理亚型	首次将生境分析与临床特征结合，构建集成模型用于口腔癌预测，并比较了深度学习与生境分析模型的性能	回顾性研究，样本量较小（132例），仅来自单一医疗机构	探索预测口腔鳞状细胞癌宫颈淋巴结转移和病理亚型的新方法	经石蜡病理确诊的口腔鳞状细胞癌患者	数字病理	口腔癌	对比增强CT（CECT）成像	CNN, FCNN, K-means聚类	医学影像（CT图像）	132例患者
14	2025-09-19	Evaluating the Efficacy of Various Deep Learning Architectures for Automated Preprocessing and Identification of Impacted Maxillary Canines in Panoramic Radiographs 2025-Oct, International dental journal IF:3.2Q1 DOI:10.1016/j.identj.2025.100940 PMID:40753865	研究论文	本研究评估多种CNN架构在自动识别全景X光片中上颌阻生尖牙的效能	比较八种不同CNN架构在预处理前后的分类性能，发现GoogLeNet在裁剪和未裁剪图像上均表现最佳	样本量较小（每组91个样本），仅针对上颌尖牙进行研究	开发全自动软件用于识别全景X光片中的上颌阻生尖牙	上颌阻生尖牙和非阻生尖牙的全景X光片	计算机视觉	口腔疾病	深度学习，卷积神经网络	CNN（包括SqueezeNet, GoogLeNet, NASNet-Mobile, ShuffleNet, VGG-16, ResNet50, DenseNet201, Inception V3）	医学影像（全景X光片）	182个样本（91个阻生尖牙，91个非阻生尖牙）
15	2025-09-19	Fully Automated Tooth Segmentation and Labeling for Both Full- and Partial-Arch Intraoral Scans Using Deep Learning 2025-Oct, International dental journal IF:3.2Q1 DOI:10.1016/j.identj.2025.100950 PMID:40815915	研究论文	提出一种基于深度学习的全自动牙齿分割与标记方法，适用于全牙弓和部分牙弓口内扫描数据	首个针对全牙弓和部分牙弓口内扫描数据的全自动牙齿分割与FDI标记方法，引入人工部分牙弓数据、深度学习对齐模块等四项增强技术	模型错误与某些牙齿状况（如残根、残冠、缺牙和部分萌出牙）呈显著正相关	开发适用于全牙弓和部分牙弓口内扫描的自动化牙齿分割与标记模型	牙齿	计算机视觉	NA	深度学习	ToothInstanceNet（两阶段深度学习模型）	3D口内扫描数据	600个口内扫描数据（300个全牙弓，300个部分牙弓）
16	2025-09-19	DeepNuParc: A novel deep clustering framework for fine-scale parcellation of brain nuclei using diffusion MRI tractography 2025-Oct-01, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2025.121421 PMID:40902872	研究论文	提出一种基于扩散MRI纤维束成像的深度聚类框架DeepNuParc，用于脑核团的精细尺度分割	结合新型深度学习方法进行核团精确分割，设计基于流线聚类的结构连接特征，并改进联合降维与k均值聚类方法以实现更精细的核团划分	NA	开发自动化脑核团精细尺度分割方法	杏仁核和丘脑	医学影像分析	神经系统疾病	扩散MRI纤维束成像	深度学习聚类框架	MRI影像数据	多个受试者（具体数量未说明）
17	2025-09-19	MRS-Sim: Open-Source Framework for Simulating In Vivo-Like Magnetic Resonance Spectra 2025-Oct, NMR in biomedicine IF:2.7Q1 DOI:10.1002/nbm.70130 PMID:40955682	研究论文	介绍了一个用于模拟体内磁共振波谱的开源框架MRS-Sim，旨在生成具有已知真实值的合成数据	包含两个新颖组件：3D磁场图模拟器处理场不均匀性，以及半参数生成器模拟未充分表征的残余水和基线信号	NA	开发和验证磁共振波谱分析方法，通过模拟真实数据支持方法验证和可重复性研究	磁共振波谱(MRS)数据	医学影像分析	NA	磁共振波谱(MRS)	半参数生成器	光谱数据	NA
18	2025-09-19	Deep learning-based insights on T:R ratio behaviour during prolonged screening for S-ICD eligibility 2025-Oct, Journal of interventional cardiac electrophysiology : an international journal of arrhythmias and pacing IF:2.1Q3 DOI:10.1007/s10840-022-01245-6 PMID:35551558	研究论文	开发基于深度学习的工具评估T:R比率波动，以优化皮下植入式心脏除颤器（S-ICD）的资格筛查	首次利用深度学习工具量化T:R比率波动，探索其在延长筛查期间对S-ICD适应症判断的价值	样本量较小（37例患者），需进一步研究确定最佳筛查阈值	识别高T波过感知（TWO）风险患者，同时避免不适当地排除真正的S-ICD候选者	37例患者（包括心衰、肥厚型心肌病、先天性心脏病等不同心脏状况患者）	数字病理	心血管疾病	深度学习，Holter心电图监测	深度学习模型（未指定具体类型）	ECG信号数据	37例患者（年龄54.5±21.3岁，64.8%男性）
19	2025-09-19	ArYSL: Arabic Yemeni sign language dataset 2025-Oct, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2025.111996 PMID:40955420	研究论文	本文介绍了ArYSL Version 2数据集，一个用于阿拉伯也门手语识别和翻译任务的大规模标注图像数据集	开发并公开了首个包含动态词汇、完全标注的阿拉伯也门手语大规模数据集，并配有包含同义词、方言变体和常见拼写错误的阿拉伯语词典	NA	解决阿拉伯手语识别因缺乏真实场景数据集而面临的挑战，支持双向翻译任务	阿拉伯也门手语的手势图像和对应的文本翻译	自然语言处理	NA	深度学习，模糊逻辑	NA	图像，文本	35名不同年龄和性别的参与者，35,900张标注RGB图像
20	2025-09-19	IQ-UltraRecon: Demodulated IQ ultrasound dataset of human hand and arm tissue for deep learning-based reconstruction 2025-Oct, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2025.112001 PMID:40955410	研究论文	本文介绍了一个解调IQ超声数据集，用于基于深度学习的图像重建研究	提供了包含多角度采集的原始IQ超声数据，支持深度学习重建方法开发	数据仅来自健康成人的手和前臂组织，样本量相对有限	支持超声信号分析、波束成形替代方法和基于深度学习的图像重建研究	人类手部和前臂组织	医学影像处理	NA	超声成像，解调IQ数据采集	深度学习	超声信号数据	48个.mat文件，来自健康成人受试者，共4800个数据样本