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
181	2025-04-03	Kidney stone detection via axial CT imaging: A dataset for AI and deep learning applications 2025-Apr, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2025.111446 PMID:40160523	research paper	介绍了一个专注于肾结石检测的CT扫描图像数据集，包含有肾结石和无肾结石患者的两组数据	提供了一个经过清洗、交叉检查和充分标记的CT图像数据集，支持AI和深度学习在肾结石诊断中的应用	数据集主要来自伊拉克Sulaimani和Rania地区的医疗机构，可能无法完全代表其他地区的人口和肾结石模式	开发和验证用于肾结石诊断的深度学习模型	肾结石患者和无肾结石患者的CT扫描图像	digital pathology	kidney stone disease	CT imaging	deep learning models	image	3364 original CT images and 35,457 augmented CT images
182	2025-04-03	FallVision: A benchmark video dataset for fall detection 2025-Apr, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2025.111440 PMID:40160526	研究论文	本文介绍了一个专门为跌倒检测研究策划的综合视频数据集，包含分类的跌倒和非跌倒视频	提供了一个全面的跌倒检测视频数据集，包含多种跌倒类别和经过处理的标志视频	数据集来源为手持设备拍摄，可能影响视频质量和一致性	推进跌倒检测算法的发展，为算法开发和测试提供平台	跌倒和非跌倒的视频数据	计算机视觉	老年疾病	计算机视觉和深度学习	NA	视频	自愿参与者提供的视频数据
183	2025-04-03	Deep structural brain imaging via computational three-photon microscopy 2025-Apr, Journal of biomedical optics IF:3.0Q2 DOI:10.1117/1.JBO.30.4.046002 PMID:40161251	研究论文	开发了一种计算深度三光子显微镜方法，用于提高深层组织的成像质量	提出了一种名为低秩扩散模型（LRDM）-3PM的新方法，结合了定制化的聚集诱导发射纳米探针和自监督深度学习，能够在深层组织中保持高分辨率成像	NA	开发一种在不影响采集速度、不增加激发功率或不添加额外光学组件的情况下提高深层组织成像质量的技术	活体小鼠大脑的海马体	计算成像	NA	三光子显微镜（3PM）、低秩扩散模型（LRDM）、自监督深度学习	低秩扩散模型（LRDM）	三维（3D）图像	活体小鼠大脑
184	2025-04-03	A deep learning algorithm for radiographic measurements of the hip versus human CT measurements: An intermodality agreement study 2025-Apr, Acta radiologica open IF:0.9Q4 DOI:10.1177/20584601251330554 PMID:40162114	研究论文	本研究比较了人类在CT扫描和深度学习算法在X光片上对髋关节测量结果的一致性	首次使用深度学习算法评估髋关节X光片测量与人类CT测量之间的一致性，并探讨骨盆旋转对测量结果的影响	样本量相对较小(172例)，且为回顾性研究	评估不同髋关节测量方法之间的一致性	髋关节发育不良(HD)患者	数字病理	骨关节炎	CT扫描和X光成像	深度学习算法	医学影像	172例放射学报告回顾性分析
185	2025-04-03	Artificial Intelligence Models Accuracy for Odontogenic Keratocyst Detection From Panoramic View Radiographs: A Systematic Review and Meta-Analysis 2025-Apr, Health science reports IF:2.1Q3 DOI:10.1002/hsr2.70614 PMID:40165928	meta-analysis	评估人工智能模型在全景X光片中检测牙源性角化囊肿的诊断准确性	首次通过系统综述和荟萃分析评估AI模型在牙源性角化囊肿诊断中的表现，并比较不同模型架构的性能	存在发表偏倚和研究间高度异质性，且样本量有限	评估AI模型在全景X光片中检测牙源性角化囊肿的诊断准确性	牙源性角化囊肿的全景X光片	digital pathology	odontogenic keratocyst	deep learning	YOLO	image	8项研究的数据
186	2025-04-03	Domain-Adaptive and Per-Fraction Guided Deep Learning Framework for Magnetic Resonance Imaging-Based Segmentation of Organs at Risk in Gynecologic Cancers 2025-Apr, Advances in radiation oncology IF:2.2Q2 DOI:10.1016/j.adro.2025.101745 PMID:40166000	研究论文	开发了一种基于深度学习的领域自适应框架，用于在妇科癌症的磁共振成像中自动分割风险器官	提出了一种合成MRL辅助的深度学习框架，结合每部分适应性调整，提高了风险器官分割的准确性	数据稀缺可能限制了模型的训练效果	开发自动化分割算法以支持磁共振成像集成直线加速器治疗系统中的自适应干预	妇科癌症患者的磁共振成像和计算机断层扫描数据	数字病理学	妇科癌症	磁共振成像（MRI）和计算机断层扫描（CT）	生成对抗网络（GAN）和领域自适应分割网络	图像	158名患者用于CT扫描，25名患者用于MRL扫描
187	2025-04-03	StructVPR++: Distill Structural and Semantic Knowledge with Weighting Samples for Visual Place Recognition 2025-Apr-01, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3556859 PMID:40168193	research paper	提出StructVPR++框架，通过分割引导蒸馏将结构和语义知识嵌入RGB全局表示，以在视觉地点识别任务中实现准确性和效率的良好平衡	解耦全局描述符中的标签特定特征，实现图像对之间的显式语义对齐，同时引入样本加权蒸馏策略以优先处理可靠训练对并抑制噪声对	未明确提及具体局限性	在视觉地点识别任务中平衡准确性和效率	自动驾驶和机器人领域的视觉地点识别	computer vision	NA	分割引导蒸馏	StructVPR++	RGB图像	四个基准测试数据集
188	2025-04-03	Spatiotemporal Observer Design for Predictive Learning of High-Dimensional Data 2025-Apr-01, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3556669 PMID:40168192	research paper	该论文提出了一种基于观测器理论的深度学习架构，用于高维数据的时空预测学习	结合动态系统领域知识设计深度学习模型，提供泛化误差界和收敛保证，并引入动态正则化以更好地学习系统动态	未提及具体局限性	解决具有理论保证的时空预测问题	高维时空数据	machine learning	NA	NA	Spatiotemporal Observer	高维时空数据	NA
189	2025-04-03	AADNet: Exploring EEG Spatiotemporal Information for Fast and Accurate Orientation and Timbre Detection of Auditory Attention Based on A Cue-Masked Paradigm 2025-Apr-01, IEEE transactions on neural systems and rehabilitation engineering : a publication of the IEEE Engineering in Medicine and Biology Society IF:4.8Q1 DOI:10.1109/TNSRE.2025.3555542 PMID:40168202	研究论文	该研究提出了一种基于线索掩蔽范式的听觉注意解码方法AADNet，用于快速准确地从EEG信号中检测听觉注意的方向和音色	提出了一种新的线索掩蔽听觉注意范式以避免信息泄露，并开发了端到端深度学习模型AADNet，利用EEG信号的时空信息实现高精度低延迟解码	NA	开发快速准确的听觉注意解码技术，用于神经导向助听器等辅助听力设备的应用	EEG信号中的听觉注意方向(OA)和音色注意(TA)	脑机接口	NA	深度学习	AADNet(端到端深度学习模型)	EEG信号	NA
190	2025-04-03	Leveraging Channel Coherence in Long-Term iEEG Data for Seizure Prediction 2025-Apr-01, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3556775 PMID:40168220	研究论文	本研究提出了一种基于相干性分析的癫痫发作预测方法CoSP，结合深度学习和长期颅内脑电图数据，提高了预测准确性	结合通道相干性分析和深度学习，提出新的癫痫发作预测方法CoSP，并在长期iEEG数据上验证其有效性	研究仅基于10名患者的数据，样本量较小	提高癫痫发作预测的准确性和可靠性	癫痫患者的颅内脑电图数据	生物医学信号处理	癫痫	脑电图(EEG)分析	CNN	脑电图信号	10名患者的长期iEEG数据
191	2025-04-03	Integrating Clinical Insights via Hierarchical Inference to Predict Conditions in Bilaterally Symmetric Organs 2025-Apr-01, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3556717 PMID:40168215	研究论文	本文提出了一种用于双侧对称器官疾病预测的双边模型，结合了层次推理和自监督学习技术，以提高预测准确性和可解释性	该模型不仅提供初步诊断，还能预测随访时间，通过层次推理和自监督学习增强可解释性，优化计算效率并扩大数据集的有效规模	模型主要针对眼科病例，可能在其他双侧对称器官疾病上的泛化能力有待验证	开发一种能够同时支持初步诊断和随访预测的深度学习模型，以提升临床决策的可信度和效率	双侧对称器官（如眼睛）的疾病诊断和随访预测	数字病理学	眼科疾病	自监督学习	稀疏自编码器、诊断分类器和随访分类器	图像	NA
192	2025-04-03	FIND: A Framework for Iterative to Non-Iterative Distillation for Lightweight Deformable Registration 2025-Apr-01, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3556676 PMID:40168217	research paper	该论文提出了一个名为FIND的框架，用于将迭代式变形配准能力高效地转移到非迭代轻量级网络中，以在资源有限的设备上实现快速有效的医学图像配准	FIND框架通过双重步骤（循环蒸馏和高级特征蒸馏）有效转移复杂变形处理能力，使轻量级网络在保持高精度的同时显著提升速度	论文未明确说明该方法在极端变形情况下的表现或跨模态配准的适用性	解决深度学习网络在资源受限设备上部署时因复杂性导致的性能限制问题	医学图像变形配准任务	digital pathology	NA	知识蒸馏	非迭代轻量级网络(NIL)	医学图像	四个数据集（未明确样本数量）
193	2025-04-03	MM-GTUNets: Unified Multi-Modal Graph Deep Learning for Brain Disorders Prediction 2025-Apr-01, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3556420 PMID:40168232	research paper	提出了一种名为MM-GTUNets的多模态图深度学习框架，用于大规模脑部疾病预测	引入了Modality Reward Representation Learning（MRRL）动态构建人群图，并采用Adaptive Cross-Modal Graph Learning（ACMGL）捕捉关键模态特定和模态共享特征	方法的效果依赖于多模态人群图建模的质量，且随着图规模的增加性能可能下降	开发一个端到端的图Transformer多模态图深度学习框架，用于脑部疾病预测	脑部疾病（BDs）	machine learning	brain disorders	Graph Transformer, Graph UNet, variational autoencoder	MM-GTUNets	imaging and non-imaging data	两个公共多模态数据集ABIDE和ADHD-200
194	2025-04-03	Deep Learning for Ocean Forecasting: A Comprehensive Review of Methods, Applications, and Datasets 2025-Apr-01, 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研究，包括模型架构、时空多尺度及可解释性，并探讨了结合理论驱动和数据驱动模型的混合架构的可行性	展示了深度学习在海洋预报领域的应用潜力，提出了结合理论驱动和数据驱动模型的混合架构，为海洋科学提供了新的研究方向	当前研究的局限性包括模型的可解释性不足、数据集的多样性和质量有待提高，以及计算资源的限制	探讨深度学习在海洋预报中的应用，提升预报的准确性和时效性	海洋预报模型及其应用	机器学习	NA	深度学习	混合架构（理论驱动与数据驱动结合）	时空数据	NA
195	2025-04-03	Foundation Model for Predicting Prognosis and Adjuvant Therapy Benefit From Digital Pathology in GI Cancers 2025-Apr-01, Journal of clinical oncology : official journal of the American Society of Clinical Oncology IF:42.1Q1 DOI:10.1200/JCO-24-01501 PMID:40168636	研究论文	本文提出了一种基于数字病理学的基础AI模型，用于预测胃肠道癌症患者的预后和辅助化疗的益处	开发了一个基于自监督学习的基础模型，能够从标准H&E染色的组织病理学切片中预测预后，并在多个国际队列中验证了其效果	需要前瞻性验证以确认模型的临床应用价值	提高胃肠道癌症的诊断和治疗效果	胃肠道癌症患者	数字病理学	胃肠道癌症	自监督学习	深度学习模型	图像	104,876张全切片图像（来自1,619名胃癌和食管癌患者及2,594名结直肠癌患者）
196	2025-04-03	New Machine Learning Method for Medical Image and Microarray Data Analysis for Heart Disease Classification 2025-Apr-01, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01492-9 PMID:40169470	研究论文	提出一种结合深度神经网络和基因选择的新方法，用于心脏病分类和生物标志物发现	提出DeepGeneNet（DGN）框架，将基因选择和DNN分类统一，结合超参数优化和U-Net分割技术	未提及具体样本量或外部验证结果	提高心脏病分类的准确性和可解释性	微阵列基因表达数据	机器学习	心血管疾病	微阵列技术	DNN, U-Net	基因表达数据	NA
197	2025-04-03	Quantitative molecular imaging using deep magnetic resonance fingerprinting 2025-Apr-01, Nature protocols IF:13.1Q1 DOI:10.1038/s41596-025-01152-w PMID:40169753	研究论文	介绍了一种基于深度学习的饱和转移磁共振指纹图谱（MRF）技术，用于蛋白质、代谢物和pH的无创体内成像	深度MRF技术提供了一个快速、定量的框架，用于提取具有生物学和临床意义的分子信息，解决了传统技术的技术复杂性、半定量对比加权性质以及长扫描时间的问题	流程完成时间从48分钟到57小时不等，对于复杂的多质子池体内成像耗时较长	开发一种定量分子MRI的完整协议，用于癌症监测、脑髓鞘成像和pH量化等应用	体外样本、动物和人类扫描	数字病理	癌症、神经退行性疾病、中风和心脏病	饱和转移磁共振指纹图谱（MRF）、化学交换饱和转移（CEST）和半固态磁化转移（MT）定量成像	深度学习模型	MRI图像	未明确提及具体样本数量，但涉及体外样本、动物和人类扫描
198	2025-04-03	Automatic detection of developmental stages of molar teeth with deep learning 2025-Apr-01, BMC oral health IF:2.6Q1 DOI:10.1186/s12903-025-05827-4 PMID:40169944	研究论文	本研究利用深度学习模型自动检测全景X光片中磨牙的发育阶段	首次全面比较了9种不同深度学习模型在磨牙发育阶段自动检测中的性能，并展示了Deformable DETR模型的最佳表现	样本量较小（210张全景X光片），且数据来自特定年龄范围（5-25岁）的患者	实现磨牙发育阶段的全自动分期，并评估不同深度学习模型在此任务中的表现	磨牙的发育阶段	计算机视觉	牙科疾病	全景X光成像	Cascade R-CNN, YOLOv3, HTC, DetectorRS, SSD, EfficientNet, NAS-FPN, Deformable DETR, PAA	图像	210张全景X光片（来自5-25岁患者）
199	2025-04-03	Comparative analysis of deep learning architectures for thyroid eye disease detection using facial photographs 2025-Apr-01, BMC ophthalmology IF:1.7Q3 DOI:10.1186/s12886-025-03988-y PMID:40169995	研究论文	比较ResNet-50和ResNet-101两种AI模型在利用面部照片筛查甲状腺眼病(TED)中的表现，并在临床条件下测试这些模型	首次比较了ResNet-50和ResNet-101在TED筛查中的表现，并在临床条件下验证了模型的非劣效性	样本量相对有限，且仅使用了正面面部照片	开发基于面部照片的甲状腺眼病自动筛查方法	甲状腺眼病患者和健康个体的面部照片	计算机视觉	甲状腺眼病	深度学习	ResNet-50, ResNet-101	图像	训练集1286张(643 TED患者+643健康人)，验证集155张(81 TED+74正常)，测试集160张(80 TED+80健康)，临床应用测试50张(25 TED+25健康)
200	2025-04-03	DconnLoop: a deep learning model for predicting chromatin loops based on multi-source data integration 2025-Apr-01, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-025-06092-6 PMID:40170155	研究论文	开发了一种名为DconnLoop的深度学习方法，用于通过整合多源数据预测染色质环	整合Hi-C、ChIP-seq和ATAC-seq数据，结合残差机制、方向性连接激励模块和交互特征空间解码器进行特征提取与融合，提高了预测精度和召回率	未明确提及具体局限性	提高染色质环预测的准确性，以更好地理解疾病调控机制	染色质环	生物信息学	NA	Hi-C, ChIP-seq, ATAC-seq	深度学习模型（含残差机制、方向性连接激励模块等）	基因组学数据	未明确提及样本数量