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	2025-05-15	Fingerprinting of Boletus bainiugan: FT-NIR spectroscopy combined with machine learning a new workflow for storage period identification 2025-Aug, Food microbiology IF:4.5Q1 DOI:10.1016/j.fm.2025.104743 PMID:40086983	研究论文	本研究通过FT-NIR光谱结合机器学习方法，开发了一种用于鉴定牛肝菌储存期的新工作流程	结合FT-NIR光谱与机器学习（特别是CNN和BPNN模型）来鉴定牛肝菌的储存时间，并首次应用DD-SIMCA模型完全区分新旧样品	研究仅分析了储存0、1和2年的样品，未涵盖更长的储存期	开发一种低成本、用户友好的方法，实时确定供应链中牛肝菌的储存期	牛肝菌（Boletus bainiugan）	机器学习	NA	高效液相色谱（HPLC）、傅里叶变换近红外光谱（FT-NIR）	CNN、BPNN、DD-SIMCA、PLSR	光谱数据	831份牛肝菌样品（储存0、1和2年）
2	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
3	2025-05-15	Optimizing Skin Cancer Diagnosis: A Modified Ensemble Convolutional Neural Network for Classification 2025-Jun, Microscopy research and technique IF:2.0Q3 DOI:10.1002/jemt.24792 PMID:39888306	research paper	该研究提出了一种结合随机猫群优化算法和集成卷积神经网络的RCS-ECNN方法，用于皮肤癌不同阶段的分类	提出了一种新的RCS-ECNN方法，结合随机猫群优化算法和集成卷积神经网络，以提高皮肤癌分类的准确性和效率	研究中未提及方法在其他数据集上的泛化能力或实际临床应用中的可行性	优化皮肤癌的诊断方法，提高分类的准确性和效率	皮肤癌的不同阶段	computer vision	skin cancer	随机猫群优化算法(CSO), GrabCut算法	ensemble convolutional neural network (ECNN), deep neural network (DNN), Keras DNN (KDNN)	image	HAM10000和ISIC数据集
4	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）
5	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）
6	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）
7	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
8	2025-05-15	Domain-generalized Deep Learning for Improved Subject-independent Emotion Recognition Based on Electroencephalography 2025-May-14, Experimental neurobiology IF:1.8Q4 DOI:10.5607/en25011 PMID:40364497	研究论文	本研究通过结合四种领域泛化技术和三种深度学习架构，系统评估了十二种方法，以提高基于脑电图（EEG）的主体独立情绪识别的性能	首次系统评估了四种领域泛化技术与三种深度学习架构的组合在主体独立EEG情绪识别中的应用，并展示了这些方法在提高分类准确性方面的潜力	研究仅使用了两个情绪EEG数据集，可能限制了结果的广泛适用性	提高基于EEG的主体独立情绪识别的模型泛化能力	情绪识别	机器学习	NA	EEG	Deep CORAL, GroupDRO, VREx, DANN, ShallowFBCSPNet, EEGNet, TSception	EEG信号	两个情绪EEG数据集
9	2025-05-15	Three pillars of artificial intelligence research in anesthesiology: welcoming address to the Korean Journal of Anesthesiology's new guidelines for machine learning and deep learning research 2025-May-14, Korean journal of anesthesiology IF:4.2Q1 DOI:10.4097/kja.25318 PMID:40364621	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
10	2025-05-15	The state of modelling face processing in humans with deep learning 2025-May-14, British journal of psychology (London, England : 1953) DOI:10.1111/bjop.12794 PMID:40364689	review	本文比较了深度学习模型与人类面部处理系统的心理学模型，探讨了深度学习在面部识别和面部代码编码方面的表现	揭示了深度学习模型在面部识别任务中不仅超越人类表现，还能模拟人类面部处理的某些定性方面，如身份识别网络中也编码表情信息	未提及具体的技术限制或数据限制	比较深度学习模型与人类面部处理系统的心理学模型，探讨面部代码的编码方式	人类面部处理系统和深度学习模型	computer vision	NA	深度学习	深度学习模型	面部图像	NA
11	2025-05-15	Detection of Hypertrophic Cardiomyopathy on Electrocardiogram Using Artificial Intelligence 2025-May-14, Circulation. Heart failure DOI:10.1161/CIRCHEARTFAILURE.124.012667 PMID:40365710	研究论文	本研究评估了一种基于人工智能的设备（viz HCM）在12导联心电图中检测肥厚型心肌病（HCM）的准确性	开发了一种基于深度学习的AI设备，用于从心电图中检测HCM，具有较高的特异性和曲线下面积	敏感性为68.4%，阳性预测值较低（13.7%），在人群中的实际应用可能存在限制	提高肥厚型心肌病的筛查和早期诊断能力	肥厚型心肌病患者和非患者的心电图数据	机器学习	心血管疾病	深度学习	NA	心电图数据	293例HCM阳性和2912例HCM阴性病例
12	2025-05-15	DEMO-EMol: modeling protein-nucleic acid complex structures from cryo-EM maps by coupling chain assembly with map segmentation 2025-May-14, Nucleic acids research IF:16.6Q1 DOI:10.1093/nar/gkaf416 PMID:40366028	research paper	本文介绍了一种名为DEMO-EMol的改进服务器，通过结合深度学习图像分割和链拟合技术，从冷冻电镜密度图中准确组装蛋白质-核酸复合物结构	DEMO-EMol整合了深度学习图像分割和链拟合技术，显著提高了蛋白质-核酸复合物结构建模的准确性	NA	提高从冷冻电镜密度图中组装蛋白质-核酸复合物结构的准确性和效率	蛋白质-核酸复合物结构	computational biology	NA	cryo-EM, deep learning	deep learning-based model	cryo-EM density maps	综合基准测试集，分辨率范围1.96至12.77 Å
13	2025-05-15	Predicting Ustekinumab Treatment Response in Crohn's Disease Using Pre-Treatment Biopsy Images 2025-May-14, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaf301 PMID:40366737	研究论文	开发了一种基于全切片图像(WSIs)和弱监督学习的人工智能(AI)模型，用于预测克罗恩病(CD)患者对乌司奴单抗(UST)的治疗反应	提出了一种新颖的聚类增强弱监督学习框架，通过整合局部组织学线索和全局组织背景，提高了预测性能	临床研究中关于UST治疗反应的数据相对稀缺	提高克罗恩病患者对乌司奴单抗治疗反应的预测准确性	克罗恩病患者	数字病理学	克罗恩病	全切片图像(WSIs)分析	DenseNet, 多示例学习(MIL)	图像	402份克罗恩病患者的组织样本
14	2025-05-15	AI-based metal artefact correction algorithm for radiotherapy patients with dental hardware in head and neck CT: Towards precise imaging 2025-May-14, Dento maxillo facial radiology DOI:10.1093/dmfr/twaf038 PMID:40366748	研究论文	研究AI基于金属伪影校正算法（AI-MAC）在头颈部CT中减少牙科金属伪影的临床效果	首次在体内研究中展示了AI-MAC在减少金属伪影的同时保留器官可视化的能力	样本量较小（41例患者），且未探讨AI-MAC在其他类型金属伪影或不同扫描参数下的表现	评估AI-MAC在头颈部放疗患者CT图像中减少牙科金属伪影的效果	41例带有不可拆卸牙科硬件的头颈部放疗患者	医学影像处理	头颈部疾病	CT扫描	深度学习模型	医学影像	41例患者
15	2025-05-15	Cost-effectiveness of opportunistic osteoporosis screening using chest radiographs with deep learning in Germany 2025-May-13, Aging clinical and experimental research IF:3.4Q2 DOI:10.1007/s40520-025-03048-x PMID:40355760	research paper	评估在德国50岁及以上女性中使用深度学习模型对胸部X光片进行骨质疏松症机会性筛查的成本效益	利用AI驱动的胸部X光片进行骨质疏松症筛查，提高早期检测率，降低骨折风险，改善公共卫生结果	研究基于德国骨质疏松症指南和AI模型准确性，可能在其他国家或不同医疗体系中的适用性有限	评估AI驱动的胸部X光片筛查骨质疏松症的成本效益	德国50岁及以上的女性	digital pathology	geriatric disease	deep learning	NA	image	NA
16	2025-05-15	Artificial Intelligence in Sincalide-Stimulated Cholescintigraphy: A Pilot Study 2025-May-13, Clinical nuclear medicine IF:9.6Q1 DOI:10.1097/RLU.0000000000005967 PMID:40359029	研究论文	本研究探索了基于AI的实时胆囊放射性追踪方法在胆囊排空分数计算中的应用	首次在核医学实践中探索了整合实时图像处理和器官功能计算的AI驱动工作流程	AI在患者移动或低计数活动情况下容易出错，且样本量较小(仅20例)	开发AI驱动的实时胆囊追踪和功能评估系统	胆囊放射性追踪和胆囊排空分数(GBEF)计算	数字病理	胆囊功能障碍	胆囊闪烁扫描术(SSC)	U-Net	医学影像	20例胆囊闪烁扫描检查(10例简单病例和10例挑战性病例)
17	2025-05-15	Multiple-Basin Go̅-Martini for Investigating Conformational Transitions and Environmental Interactions of Proteins 2025-May-13, Journal of chemical theory and computation IF:5.7Q1 DOI:10.1021/acs.jctc.5c00256 PMID:40359486	研究论文	提出了一种名为Multiple-basin Go̅-Martini的新方法，用于研究蛋白质在显式环境中的构象转变及其与环境相互作用	结合Go̅-Martini模型和指数混合方案，能够在显式环境中模拟蛋白质的自发构象转变	未明确提及具体局限性	研究蛋白质构象转变及其与环境相互作用	蛋白质（GlnBP、Arc、Hinge、SemiSWEET和TRAAK）	计算生物学	NA	分子动力学模拟（MD）、Multiple-basin Go̅-Martini方法	Go̅-Martini模型	分子动力学模拟数据	五个案例研究（GlnBP、Arc、Hinge、SemiSWEET和TRAAK）
18	2025-05-15	Artificial intelligence for chronic total occlusion percutaneous coronary interventions 2025-May-13, The Journal of invasive cardiology IF:1.6Q3 DOI:10.25270/jic/25.00089 PMID:40359582	review	本文回顾了人工智能在慢性完全闭塞（CTO）诊断和经皮冠状动脉介入治疗（PCI）成功率预测中的最新进展	探讨了AI在CTO PCI中的创新应用，特别是在诊断和治疗决策支持方面的潜力	未提及具体的研究样本量或模型性能的详细比较	评估AI在CTO PCI领域的应用效果和前景	慢性完全闭塞（CTO）和经皮冠状动脉介入治疗（PCI）	machine learning	cardiovascular disease	NA	neural networks, deep learning	clinical parameters, imaging	NA
19	2025-05-15	Learning-Based Classification of B- and T-Cell Lymphoma on Histopathological Images: A Multicenter Study 2025-May-13, European journal of haematology IF:2.3Q2 DOI:10.1111/ejh.14433 PMID:40360162	research paper	该研究首次探讨了在组织病理学图像上使用深度学习模型对B细胞和T细胞淋巴瘤进行分类的可行性	首次在组织病理学图像上部署深度学习模型进行B细胞和T细胞淋巴瘤分类，并整合了卷积块注意力模块（CBAMs）提升模型性能	研究样本量相对有限（1510张切片），且仅针对B细胞和T细胞淋巴瘤两种类型	提高淋巴瘤诊断的精确性并减少对人工染色和解释的依赖	B细胞和T细胞淋巴瘤的组织病理学图像	digital pathology	lymphoma	深度学习	CNN (Xception, NASNetL, ResNet50, EfficientNet)	image	1510张H&E染色切片（750张B细胞，760张T细胞）
20	2025-05-15	Deep Learning-accelerated MRI in Body and Chest 2025-May-13, Journal of computer assisted tomography IF:1.0Q4 DOI:10.1097/RCT.0000000000001762 PMID:40360272	research paper	本文探讨了深度学习重建（DLR）在加速MRI扫描并保持图像质量方面的应用，特别是在身体和胸部成像中	DLR技术在保持图像质量的同时显著减少了MRI扫描时间，并提供了去噪、减少伪影、提高分辨率和信噪比（SNR）及对比噪声比（CNR）的潜力	DLR面临的挑战包括轻微降低的病变检测率、心脏运动相关的信号丢失、区域SNR变化以及不同器官系统中ADC测量的变异性	研究DLR技术在MRI加速中的应用及其对图像质量和诊断准确性的影响	腹部、骨盆和胸部的MRI图像，特别是肝脏和前列腺	医学影像	NA	深度学习重建（DLR）	监督深度学习模型，包括变分网络	MRI图像	NA