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	2025-05-18	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	本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	提出了一种新型的深度学习分类器，能够从单张模糊图像中快速、客观地定量评估细菌群集概率，相比传统方法更适用于高通量环境	虽然在新菌种上展示了良好的泛化能力，但可能需要更多样化的训练数据以进一步提高模型的普适性	开发一种快速、客观的细菌群集运动检测方法	细菌的群集运动和游泳运动	计算机视觉	炎症性肠病(IBD)和尿路感染(UTI)	深度学习	CNN	图像	SM3、DB10和H6菌种的样本
2	2025-05-18	Breast tumor diagnosis via multimodal deep learning using ultrasound B-mode and Nakagami images 2025-Nov, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.12.S2.S22009 PMID:40375887	研究论文	本文提出并评估了一种结合超声B模式和Nakagami参数图像的多模态深度学习方法，用于乳腺肿瘤分类	通过整合B模式图像的亮度信息和Nakagami图像的散射特性，提高了诊断性能，相比单输入方法有显著改进	研究样本量相对有限，仅包含264名患者的831次超声采集	提升乳腺肿瘤分类的准确性和诊断效率	乳腺肿瘤的超声图像	数字病理	乳腺癌	超声成像	EfficientNetV2B0	图像	264名患者的831次超声采集
3	2025-05-18	Detection of ninhydrin-glyphosate in groundwater via the colour chart-assisted digital camera method 2025-Oct-15, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2025.126253 PMID:40273772	研究论文	本研究介绍了一种利用一次性多标准色卡通过三种仪器（颜色可见分光光度计、数码单反相机和手机相机）定量检测地下水中草甘膦的新方法	首次将一次性多标准色卡应用于三种不同仪器进行草甘膦检测，并实现了实时监测，为人工智能、机器学习和深度学习模型整合色卡数据提供了可能	数码单反相机会因离子干扰高估浓度，而颜色可见分光光度计受磷酸盐和硝酸盐影响	开发一种经济高效、用户友好的即时检测技术，用于地下水中草甘膦的实时监测	地下水中的草甘膦	环境监测	NA	颜色可见分光光度法、数码相机成像分析	NA	图像、光谱数据	75 mL地下水样本（浓度范围50-500 ng/mL）
4	2025-05-18	Application of deep learning on quantitative analysis of binary solid dispersions by UV Raman spectroscopy for planetary exploration 2025-Oct-15, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2025.126154 PMID:40279879	研究论文	本研究提出了一种名为IRMSE的深度学习模型，用于紫外拉曼光谱的定量分析，以支持行星探索任务	提出结合深度残差网络和注意力机制的IRMSE模型，能够自动从拉曼光谱中学习并提取组分信息，显著提高了定量分析的准确性	NA	验证深度学习在行星探索任务中通过拉曼光谱定量分析矿物和有机材料的可行性	矿物和有机化合物的固体分散体	机器学习	NA	紫外拉曼光谱	Inception-ResNet-v1 with squeeze-and-excitation block (IRMSE)	光谱数据	NA
5	2025-05-18	A high-throughput framework for predicting three-dimensional structural-mechanical relationships of human cranial bones using a deep learning-based method 2025-Aug, Journal of the mechanical behavior of biomedical materials IF:3.3Q3 DOI:10.1016/j.jmbbm.2025.107007 PMID:40328110	research paper	本研究提出了一种基于深度学习的高通量框架，用于预测人类颅骨的三维结构-力学关系	首次使用深度学习框架直接关联三维颅骨微观结构与宏观力学响应，克服了以往一维或二维方法的局限性	研究样本数量有限（40个颅骨样本），且年龄分布集中在老年人群（平均82.5岁）	建立颅骨微观结构与宏观力学响应之间的关联，提高颅骨损伤诊断准确性	人类颅骨样本	digital pathology	NA	micro-CT扫描，有限元模拟，准静态压缩实验	U-Net	3D医学影像	40个人类颅骨样本，从中提取2000个代表性体积单元(RVE)
6	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）
7	2025-05-18	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	bibliometric analysis	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	研究仅基于Web of Science数据库，可能未涵盖所有相关文献	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1019篇与人工智能和头颈癌相关的文献	digital pathology	head and neck cancer	文献计量分析	deep learning	text	1019篇文献
8	2025-05-18	Automated Whole-Brain Focal Cortical Dysplasia Detection Using MR Fingerprinting With Deep Learning 2025-Jun-10, Neurology IF:7.7Q1 DOI:10.1212/WNL.0000000000213691 PMID:40378378	研究论文	本研究开发了一种基于磁共振指纹（MRF）和深度学习（DL）的框架，用于全脑局灶性皮质发育不良（FCD）的自动检测	首次将MRF与深度学习结合用于FCD检测，提供了一种快速可靠的定量成像技术	样本量相对较小（40名FCD患者和67名健康对照）	开发一种自动检测FCD的深度学习框架	局灶性皮质发育不良（FCD）患者和健康对照者	数字病理学	癫痫	磁共振指纹（MRF）	U-Net	MRI图像	40名FCD患者和67名健康对照者
9	2025-05-18	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（特别是CNN和U-Net）在SpA影像诊断中展现出高准确性，部分模型AUC高达0.98，与放射科专家表现相当	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	评估深度学习模型在脊柱关节病影像诊断中的应用效果	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射线）	21项研究（具体样本量未明确说明）
10	2025-05-18	PET and CT based DenseNet outperforms advanced deep learning models for outcome prediction of oropharyngeal cancer 2025-Jun, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2025.110852 PMID:40118186	research paper	本研究探讨了使用优化的DenseNet架构在头颈癌患者无复发生存期预测中的性能，并与现有先进深度学习模型进行了比较	研究表明，经过优化的DenseNet81架构在内部测试集上达到了与更复杂架构的SOTA模型相当的性能，在外部测试集上表现更优	研究仅针对口咽癌患者，可能不适用于其他类型的头颈癌	比较DenseNet架构与现有先进深度学习模型在头颈癌患者无复发生存期预测中的性能	口咽癌患者的PET和CT图像数据	digital pathology	oropharyngeal cancer	PET和CT成像	DenseNet	image	HECKTOR 2022数据集中的489名患者（训练集369名，测试集120名）和额外400名患者用于外部测试
11	2025-05-18	LMCBert: An Automatic Academic Paper Rating Model Based on Large Language Models and Contrastive Learning 2025-Jun, IEEE transactions on cybernetics IF:9.4Q1 DOI:10.1109/TCYB.2025.3550203 PMID:40168236	研究论文	本文提出了一种基于大型语言模型和对比学习的自动学术论文评分模型LMCBert，旨在提高论文接受预测的准确性	结合大型语言模型提取论文核心语义内容，并利用动量对比学习优化Bert训练，增强语义表示的区分度	未提及模型在跨学科或不同学术领域的泛化能力	开发高效的自动学术论文评分方法，减少人工评审的资源和偏见	学术论文	自然语言处理	NA	大型语言模型(LLMs)、动量对比学习(MoCo)	LMCBert（基于Bert的改进模型）	文本	未明确提及具体样本量，但使用了公开数据集
12	2025-05-18	Deep Learning for Ocean Forecasting: A Comprehensive Review of Methods, Applications, and Datasets 2025-Jun, IEEE transactions on cybernetics IF:9.4Q1 DOI:10.1109/TCYB.2025.3539990 PMID:40168238	综述	本文全面回顾了基于深度学习的海洋预报方法、应用和数据集的最新研究进展	探讨了深度学习在海洋预报中的创新应用，包括模型架构、时空多尺度分析和可解释性，以及理论驱动与数据驱动混合架构的可行性	讨论了当前研究的局限性，包括物理过程表示不清晰、观测数据同化不足和模型参数化不准确等问题	旨在通过深度学习技术改进海洋预报的准确性和时效性	海洋预报	机器学习	NA	深度学习	NA	时空数据	NA
13	2025-05-18	Advances in MRI optic nerve segmentation 2025-Jun, Multiple sclerosis and related disorders IF:2.9Q2 DOI:10.1016/j.msard.2025.106437 PMID:40220726	review	本文综述了过去十年间视神经磁共振成像分割技术的发展，从基于强度的方法到最新的深度学习算法	回顾了视神经磁共振成像分割技术的演变，包括多图谱解决方案和多种图像模态的使用	仅涵盖了2007年至2024年间发表的27篇同行评审文章，可能未涵盖所有相关研究	提高视神经相关疾病的早期诊断和治疗准确性，以及规划放射治疗干预	视神经的结构和变化	digital pathology	multiple sclerosis	magnetic resonance imaging (MRI), deep learning	multi-atlas solutions, deep learning algorithms	image	27 peer-reviewed articles
14	2025-05-18	Quantifying axonal features of human superficial white matter from three-dimensional multibeam serial electron microscopy data assisted by deep learning 2025-Jun, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2025.121212 PMID:40222502	研究论文	本研究利用深度学习辅助的三维多光束连续电子显微镜数据，量化人类浅表白质的轴突特征	首次在纳米级分辨率下对人类浅表白质中的短程关联纤维进行详细的形态学表征，填补了该领域知识的空白	研究仅基于一个200×200×112μm的组织样本，可能限制了结果的普遍性	量化人类浅表白质中轴突的形态特征，以了解驱动大脑皮层间连接的轴突特性	人类浅表白质中的短程关联纤维	数字病理学	NA	多光束扫描电子显微镜(EM)	深度卷积神经网络(CNNs)	三维电子显微镜图像	一个200×200×112μm的人类浅表白质组织样本，共分割了128,285个有髓鞘轴突
15	2025-05-18	Identification of therapeutics against PfPK6 protein of Plasmodium falciparum: Structure and Deep Learning approach 2025-Jun, Experimental parasitology IF:1.4Q3 DOI:10.1016/j.exppara.2025.108947 PMID:40288672	研究论文	本研究通过计算方法和深度学习模型识别了一种新型的PfPK6抑制剂，用于治疗疟疾	利用结构基础方法和深度学习模型筛选小分子抑制剂，发现TCMDC-132409作为潜在的抗疟疾抑制剂	研究仅基于计算模拟，尚未进行实验验证	识别针对恶性疟原虫PfPK6蛋白的治疗药物	恶性疟原虫的PfPK6蛋白	生物信息学	疟疾	虚拟筛选、分子动力学模拟	DL	化合物数据集	多种小分子抑制剂化合物
16	2025-05-18	A magnetic resonance imaging (MRI)-based deep learning radiomics model predicts recurrence-free survival in lung cancer patients after surgical resection of brain metastases 2025-Jun, Clinical radiology IF:2.1Q2 DOI:10.1016/j.crad.2025.106920 PMID:40300277	research paper	开发并验证了一种基于MRI的深度学习放射组学模型（DLRM），用于预测肺癌患者脑转移（BrMs）手术切除后的无复发生存期（RFS）	整合了临床、形态学MRI预测因子、手工特征和深度学习特征，构建了一个新的DLRM模型，显著优于其他现有模型	研究为回顾性设计，样本量相对较小（215例患者），且仅来自五个中心	预测肺癌患者脑转移手术切除后的无复发生存期	肺癌患者（215例）	digital pathology	lung cancer	MRI, deep learning radiomics	DLRM (deep learning radiomics model)	MRI图像	215例肺癌患者（167例训练集，48例外部测试集）
17	2025-05-18	Deep learning-based triple-tracer brain PET scanning in a single session: A simulation study using clinical data 2025-Jun, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2025.121246 PMID:40316225	研究论文	本研究探讨了基于深度学习的单次三示踪剂脑PET成像协议，旨在简化多示踪剂PET成像并减少辐射暴露	提出了一种基于Swin Transformer架构的深度学习模型，用于从合成的双示踪剂和三示踪剂PET图像中分离信号	在生成FTP图像方面表现不佳	简化多示踪剂PET成像，减少扫描时间和辐射暴露	阿尔茨海默病神经影像倡议(ADNI)数据集中的认知正常患者、轻度认知障碍患者和痴呆患者	数字病理	阿尔茨海默病	PET扫描	Swin Transformer	图像	ADNI数据集中的患者，具体数量未明确说明
18	2025-05-18	Deep learning for liver lesion segmentation and classification on staging CT scans of colorectal cancer patients: a multi-site technical validation study 2025-Jun, Clinical radiology IF:2.1Q2 DOI:10.1016/j.crad.2025.106914 PMID:40327945	研究论文	使用深度学习模型在结直肠癌患者的CT扫描中进行肝脏病变分割和分类的技术验证研究	该研究验证了一个基于UNet的深度学习模型在肝脏病变检测和分类上的性能，特别是在亚厘米级病变上的表现	分类准确性中等，特异性较低，未来需要进一步研究其对放射科医生工作效率的影响	验证深度学习模型在结直肠癌患者CT扫描中肝脏病变检测和分类的性能	结直肠癌患者的肝脏病变	数字病理	结直肠癌	CT扫描	UNet	图像	272个公共肝脏肿瘤CT扫描用于训练，220个结直肠癌分期CT扫描用于测试
19	2025-05-18	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	本研究提出了一种名为GRU4ACE的创新深度学习框架，通过整合门控循环单元(GRU)和多源特征嵌入，提高了血管紧张素转换酶(ACE)抑制肽的预测准确性	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，显著提升了ACE抑制肽的预测性能	NA	提高ACE抑制肽的预测准确性，为新型降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	蛋白质序列数据	NA
20	2025-05-18	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	本文提出了一种基于深度学习的条件性脑模板生成方法，利用微分同胚框架来创建几何方法，以捕捉年龄依赖的解剖学差异	使用微分同胚（拓扑保持）框架创建纯几何方法，能够生成具有高空间保真度和一致拓扑结构的条件性脑模板	尽管方法在捕捉年龄依赖的解剖学差异方面有一定效果，但仍需进一步改进以更准确地跟踪所有脑结构的变化	开发一种能够生成条件性脑模板的深度学习方法，以改进神经影像分析中的配准精度和脑发育与退化过程的捕捉	认知正常的参与者（来自阿尔茨海默病神经影像倡议ADNI的数据集）	神经影像分析	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