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
2041	2025-05-09	Realtime particulate matter and bacteria analysis of peritoneal dialysis fluid using digital inline holography 2025-Mar-30, International journal of pharmaceutics IF:5.3Q1 DOI:10.1016/j.ijpharm.2025.125373 PMID:39961552	研究论文	本研究开发了一种结合深度学习算法的数字在线全息系统，用于实时检测腹膜透析液中的颗粒物和细菌污染	首次将数字在线全息技术与深度学习算法结合，实现了对腹膜透析液中颗粒物和细菌的实时检测与分类	目前仅针对高浓度细菌样本进行了验证，对于极低浓度细菌的检测灵敏度尚未验证	开发一种快速准确的腹膜透析液细菌污染检测方法	腹膜透析液中的颗粒物和细菌（大肠杆菌和铜绿假单胞菌）	数字病理	肾脏疾病	数字在线全息技术（DIH）	YOLOv8n	全息图像	含大肠杆菌和铜绿假单胞菌的腹膜透析液样本（浓度约100至10,000细菌/mL）
2042	2025-05-09	Screening of estrogen receptor activity of per- and polyfluoroalkyl substances based on deep learning and in vivo assessment 2025-Mar-15, Environmental pollution (Barking, Essex : 1987) DOI:10.1016/j.envpol.2025.125843 PMID:39947576	研究论文	提出了一种基于深度学习的堆叠架构GXDNet，用于预测全氟和多氟烷基物质（PFAS）的雌激素受体α（ERα）活性，并通过实验验证了代表性PFAS分子的ERα活性	开发了GXDNet模型，整合分子描述符和分子图来预测化合物的ERα活性，提高了泛化能力，并揭示了氟化烷烃链对ERα结合亲和力的增强作用	研究集中于ERα活性，未涵盖PFAS的其他潜在毒性机制	开发预测PFAS雌激素受体活性的深度学习模型，以加速环保型PFAS分子的开发	全氟和多氟烷基物质（PFAS）分子	机器学习	NA	深度学习	GXDNet（堆叠深度学习架构）	分子描述符和分子图	10,067个PFAS分子
2043	2025-05-09	TimePAD─Unveiling Temporal Sequence ELISA Signal by Deep Learning for Rapid Readout and Improved Accuracy in a Microfluidic Paper-Based Analytical Platform 2025-Mar-04, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.4c06001 PMID:39960863	研究论文	本文提出了一种通过深度学习分析时间序列比色数据来改进纸基微流控ELISA性能的新方法	利用时间序列数据而非传统静态数据，通过深度学习模型YOLOv8分析ELISA反应的动态变化，实现了更快的检测速度和更高的准确性	NA	提高纸基微流控ELISA的检测速度和准确性	纸基微流控ELISA平台	数字病理	心血管疾病	ELISA	YOLOv8	视频数据	使用Rabbit IgG作为ELISA检测模型，并扩展到疾病标志物cTnI的检测
2044	2025-05-09	Video-based robotic surgical action recognition and skills assessment on porcine models using deep learning 2025-03, Surgical endoscopy DOI:10.1007/s00464-024-11486-3 PMID:39806176	research paper	该研究旨在利用深度学习开发一种自动化的手术技能评估工具，用于机器人辅助手术（RAS）中的动作识别和技能评估	结合CNN和LSTM的网络架构从手术视频中提取和分析时空特征，实现高精度的动作识别和技能评估	研究基于猪模型数据，未来需测试在临床环境中的适用性	开发自动化手术技能评估工具以辅助外科培训	机器人辅助手术（RAS）中的手术动作和技能水平	computer vision	NA	deep learning	CNN, LSTM	video	21名参与者（16名新手和5名经验丰富者）在猪模型上进行的16种不同腹腔内机器人辅助手术
2045	2025-05-09	Segment Anything for Microscopy 2025-Mar, Nature methods IF:36.1Q1 DOI:10.1038/s41592-024-02580-4 PMID:39939717	research paper	介绍了一种名为μSAM的显微镜图像分割工具，基于Segment Anything模型，用于多维显微镜数据的分割和追踪	通过微调通用模型，显著提高了在各种成像条件下的分割质量，并实现了交互式和自动分割	未提及具体的数据集或样本量限制	解决显微镜图像中物体准确分割的问题	显微镜图像中的物体	digital pathology	NA	NA	Segment Anything	image	NA
2046	2025-05-09	A Veterinary DICOM-Based Deep Learning Denoising Algorithm Can Improve Subjective and Objective Brain MRI Image Quality 2025-Mar, Veterinary radiology & ultrasound : the official journal of the American College of Veterinary Radiology and the International Veterinary Radiology Association IF:1.3Q2 DOI:10.1111/vru.70015 PMID:39945204	研究论文	本研究评估了一种专为兽医患者开发的基于DICOM的深度学习去噪算法对犬猫脑部MRI图像质量的影响	开发了首个专为兽医患者设计的DICOM-based深度学习去噪算法，并验证其在1.5T MRI上的效果	样本量较小(30只犬猫)，仅测试了1.5T MRI系统	评估深度学习去噪算法对兽医脑部MRI图像质量的改善效果	30只犬猫的脑部MRI图像	数字病理	兽医神经疾病	MRI	深度学习(DL)	医学影像	30只犬猫的脑部MRI图像
2047	2025-05-09	DEEP LEARNING-DRIVEN SEGMENTATION OF DENTAL IMPLANTS AND PERI-IMPLANTITIS DETECTION IN ORTHOPANTOMOGRAPHS: A NOVEL DIAGNOSTIC TOOL 2025-Mar, The journal of evidence-based dental practice IF:4.1Q1 DOI:10.1016/j.jebdp.2024.102058 PMID:39947781	research paper	本研究开发了一种基于深度学习的牙种植体分割和种植体周围炎检测方法，以提高诊断准确性和效率	利用深度学习技术，特别是U-Net架构和CNN，实现了牙种植体的自动分割和种植体周围炎的检测，解决了现有诊断方法主观性强和耗时的问题	研究中存在165例假阳性结果，可能影响诊断的准确性	开发一种更准确和高效的牙种植体及种植体周围炎的诊断工具	牙种植体和种植体周围炎	digital pathology	dental disease	deep learning	U-Net, CNN	image	7696张正颌全景片（OPGs），其中3693个种植体
2048	2025-05-09	Hybrid deep learning downscaling of GCMs for climate impact assessment and future projections in Oman 2025-Mar, Journal of environmental management IF:8.0Q1 DOI:10.1016/j.jenvman.2025.124522 PMID:39951996	research paper	该研究提出了一种混合深度学习方法，用于降尺度全球环流模型（GCMs），以评估气候变化对阿曼的影响并进行未来预测	提出了一种新颖的混合深度学习方法，结合了序列到序列模型、时间卷积网络（TCN）和Transformer解码器，优化了降尺度效果	研究仅针对阿曼的Wadi Dayqah流域，可能无法直接推广到其他地区	评估气候变化对水资源管理的影响并进行未来预测	阿曼的Wadi Dayqah流域	climate modeling	NA	混合深度学习方法，包括序列到序列模型、TCN和Transformer	TCN, Transformer, LSTM	气候数据（降水和温度）	14个GCMs模型，数据涵盖1992-2011年
2049	2025-05-09	Intelligent biofilm detection with ensemble of deep learning networks 2025-Mar-01, Medicina oral, patologia oral y cirugia bucal DOI:10.4317/medoral.26937 PMID:39954282	research paper	本研究评估了使用U-Net神经网络和集成策略自动检测牙菌斑的性能	采用U-Net神经网络和集成策略自动检测牙菌斑，无需使用显色剂	研究为回顾性探索性研究，可能存在数据偏差	评估自动检测牙菌斑的深度学习方法	乳牙和恒牙的口内照片	digital pathology	dental disease	deep learning	U-Net	image	两个数据集的口内图像，具体数量未提及
2050	2025-05-09	[18F]FDG administered activity reduction capabilities of a 32-cm axial field-of-view solid-state digital bismuth germanium oxide PET/CT system while maintaining EARL compliance 2025-Mar, Physica medica : PM : an international journal devoted to the applications of physics to medicine and biology : official journal of the Italian Association of Biomedical Physics (AIFB) DOI:10.1016/j.ejmp.2025.104935 PMID:39956005	研究论文	评估数字BGO 32厘米轴向视场PET系统在符合当前和更新的EANM Research Ltd氟-18认证规范（EARL1和EARL2）的情况下，降低[18F]FDG给药活性和/或扫描时间的能力	使用数字BGO PET系统结合深度学习图像增强技术（PDL），显著降低[18F]FDG给药活性，同时保持EARL1和EARL2合规性	研究仅基于幻影测量，未涉及实际患者数据	评估PET系统在降低放射性药物活性和扫描时间方面的性能	数字BGO 32厘米轴向视场PET系统（Omni Legend 32 cm）	医学影像	NA	PET/CT成像，深度学习图像增强（PDL）	NA	医学影像数据	使用校准QC和NEMA IEC幻影进行测量，图像质量QC扫描每小时重复一次，共7小时
2051	2025-05-09	Adaptable graph neural networks design to support generalizability for clinical event prediction 2025-Mar, Journal of biomedical informatics IF:4.0Q2 DOI:10.1016/j.jbi.2025.104794 PMID:39956347	研究论文	本文提出了一种可适应性的图卷积神经网络设计，用于提高临床事件预测模型的泛化能力	利用图卷积神经网络的独特属性，使模型在训练后能够适应不同机构的数据，无需重新训练	外部验证数据集中存在缺失/不完整数据可能影响模型性能	解决临床事件预测模型在不同医疗机构间泛化能力不足的问题	电子健康记录中的患者人口统计数据和账单代码等多模态数据	机器学习	NA	图卷积神经网络(GCNN)	GCNN	多模态数据(包括人口统计数据和账单代码)	未明确说明具体样本数量
2052	2025-05-09	MARBLE: interpretable representations of neural population dynamics using geometric deep learning 2025-Mar, Nature methods IF:36.1Q1 DOI:10.1038/s41592-024-02582-2 PMID:39962310	research paper	介绍了一种名为MARBLE的表示学习方法，用于分解神经流形上的动态为局部流场，并通过无监督几何深度学习将其映射到共同的潜在空间	MARBLE方法能够发现低维潜在表示，这些表示在高维神经动态中参数化增益调制、决策制定和内部状态变化，且在不同神经网络和动物间具有一致性	方法需要进一步验证在更广泛的实验条件和神经记录中的适用性	开发一种能够推断可解释且一致的潜在表示的方法，以理解神经群体动态	模拟非线性动力系统、循环神经网络以及来自灵长类和啮齿类动物的实验性单神经元记录	machine learning	NA	geometric deep learning	MARBLE	neural recordings	实验数据来自灵长类和啮齿类动物的单神经元记录
2053	2025-05-09	Deep learning opportunistic screening for osteoporosis and osteopenia using radiographs of the foot or ankle - A pilot study 2025-Mar, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.111980 PMID:39946811	研究论文	本研究旨在开发一种深度学习模型，通过足部或踝关节的X光片筛查骨质疏松或骨质减少	开发了一种新颖的深度学习模型，利用定制的架构从足部和踝关节的X光片中提取深度特征，用于骨质疏松或骨质减少的筛查	研究为回顾性横断面研究，样本中白种人占比较高（96.7%），可能影响模型的泛化能力	创建一种深度学习模型，用于通过足部或踝关节的X光片筛查骨质疏松或骨质减少	50岁及以上接受足部或踝关节X光检查及DXA检查的患者	数字病理学	骨质疏松	X光成像	深度学习定制架构	图像	907名患者（3109张X光片），其中白种人占96.7%，黑人占1.8%，亚洲人占0.4%
2054	2025-05-09	Triboelectric Sensors Based on Glycerol/PVA Hydrogel and Deep Learning Algorithms for Neck Movement Monitoring 2025-Feb-26, ACS applied materials & interfaces IF:8.3Q1 DOI:10.1021/acsami.4c20821 PMID:39950449	研究论文	介绍了一种基于甘油/PVA水凝胶和深度学习算法的摩擦电传感器，用于颈部运动监测	提出了一种新型、灵活且可拉伸的摩擦电纳米发电机（TENG），结合CNN和BiLSTM算法，实现了97.14%的识别准确率	未提及样本量或实验参与者的具体数量	开发一种用于预防颈椎病的颈部运动监测系统	颈部运动	传感器技术	颈椎病	摩擦电纳米发电机（TENG）	CNN和BiLSTM	传感器数据	NA
2055	2025-05-09	RAE-Net: a multi-modal neural network based on feature fusion and evidential deep learning algorithm in predicting breast cancer subtypes on DCE-MRI 2025-Feb-25, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/adb494 PMID:39933196	研究论文	本研究介绍了一种基于多模态特征融合和证据深度学习算法的新型神经网络模型RAE-Net，用于提高动态对比增强磁共振成像（DCE-MRI）对乳腺癌分子亚型的预测准确性	RAE-Net结合了多模态特征融合和证据深度学习算法，不仅提高了预测准确性，还引入了不确定性估计以增强分类的可靠性	研究样本量相对较小（344例患者），且仅使用了DCE-MRI数据	提高乳腺癌分子亚型的预测准确性，以支持个性化治疗	乳腺癌患者的DCE-MRI数据	数字病理学	乳腺癌	动态对比增强磁共振成像（DCE-MRI）	RAE-Net（基于ResNet-50、多头注意力融合和多层感知机机制）	图像	344例经组织学确认的乳腺癌患者（训练集200例，验证集60例，测试集62例）
2056	2025-05-09	Application of Surface-Enhanced Raman Spectroscopy in Head and Neck Cancer Diagnosis 2025-Feb-25, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.4c02796 PMID:39951652	review	本文综述了表面增强拉曼光谱（SERS）在头颈癌诊断和治疗中的应用现状及前景	展示了SERS在液体活检、单分子检测、肿瘤微环境表征以及与人工智能结合方面的创新应用	未提及具体的技术实施难点或临床转化障碍	探讨SERS技术在头颈癌精准诊疗领域的应用潜力	头颈癌的分子生物学诊断、组织水平识别和治疗监测	数字病理学	头颈癌	表面增强拉曼光谱（SERS）	机器学习与深度学习算法	光谱数据	NA
2057	2025-05-09	Automated hallucination detection for synthetic CT images used in MR-only radiotherapy workflows 2025-Feb-25, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/adb5eb PMID:39946843	研究论文	开发了一种用于检测AI生成的合成CT图像中骨幻觉的工具，以提高MR-only放射治疗工作流程的准确性和安全性	提出了一种基于深度学习自动分割模型的骨幻觉筛查工具，用于识别AI生成的合成CT图像中的错误区域	模型的平均特异性在不同距离参数下有所变化，且测试数据集较小（仅10例）	提高MR-only放射治疗工作流程中AI生成的合成CT图像的准确性和安全性	AI生成的盆腔合成CT图像	数字病理	NA	深度学习自动分割	3D SegResNet	MR图像和CT图像	86对Dixon MR图像集和对应的规划CT图像变形轮廓用于训练，10例独立测试数据集
2058	2025-05-09	Stacked CNN-based multichannel attention networks for Alzheimer disease detection 2025-Feb-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-85703-x PMID:39962097	research paper	该研究提出了一种基于堆叠CNN和多通道注意力网络的轻量级模型SCCAN，用于MRI图像中的阿尔茨海默病检测	提出了一种结合堆叠CNN和通道注意力模块的新型模型SCCAN，通过多层次特征提取和通道维度上的特征选择，有效减少噪声并提升特征权重效果	模型在较小数据集上训练，可能在大规模数据集上的泛化能力有待验证	开发一种高效的阿尔茨海默病自动识别系统	阿尔茨海默病患者的MRI图像	digital pathology	geriatric disease	MRI	CNN, Channel Attention Network	image	ADNI1 Complete 1Yr 1.5T, Kaggle和OASIS-1数据集
2059	2025-05-09	Dense convolution-based attention network for Alzheimer's disease classification 2025-Feb-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-85802-9 PMID:39962113	研究论文	提出了一种名为DenseAttentionNetwork (DANet)的轻量级模型，用于在3D MRI图像中检测阿尔茨海默病	结合密集连接和线性注意力机制，以较少的参数实现高效预测，并克服标准自注意力的一些限制	未提及具体的局限性	开发一个高效且参数较少的模型，用于阿尔茨海默病的分类	3D MRI图像	数字病理学	阿尔茨海默病	3D MRI成像	CNN与线性注意力机制结合的DANet	3D图像	多机构数据集，具体数量未提及
2060	2025-05-09	Multimodal surface-based transformer model for early diagnosis of Alzheimer's disease 2025-Feb-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-90115-y PMID:39962212	研究论文	提出了一种基于多模态表面特征的Transformer模型，用于阿尔茨海默病的早期诊断	首次利用多模态、轻量级的皮层表面特征（来自MRI和PET扫描）替代计算密集型的3D体积特征，并采用中间融合方法和交叉注意力机制高效整合不同模态的特征	研究仅基于ADNI系列数据集，未在其他独立数据集上验证	开发一种计算效率更高的阿尔茨海默病早期诊断方法	阿尔茨海默病患者	数字病理学	阿尔茨海默病	MRI, PET扫描	Transformer	图像	ADNI系列数据集（具体数量未提及）