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
2321	2025-05-27	The vertices number determined SERS activity of polyhedra and the application in oral cancer detection based on deep learning 2025-Nov-05, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2025.126390 PMID:40373548	研究论文	本文研究了多面体顶点数对表面增强拉曼散射(SERS)活性的影响，并基于深度学习技术应用于口腔癌检测	发现局部电场极化方向顶点数较少的多面体可实现最大SERS活性，并将SERS技术与深度学习神经网络技术结合用于口腔癌临床检测	NA	研究多面体顶点数对SERS活性的影响及其在口腔癌检测中的应用	金纳米四面体SERS基底和口腔癌患者唾液样本	数字病理学	口腔癌	表面增强拉曼散射(SERS)技术, 有限差分时域(FDTD)模拟	深度学习神经网络	拉曼光谱数据	NA
2322	2025-05-27	Deep learning-assisted 10-μL single droplet-based viscometry for human aqueous humor 2025-Sep-15, Biosensors & bioelectronics IF:10.7Q1 DOI:10.1016/j.bios.2025.117530 PMID:40359807	research paper	开发了一种基于深度学习的微流控粘度测量方法，用于测量人类房水的粘度	首次实现了对10微升人类房水粘度的测量，并观察到个体间约30%的差异	NA	优化青光眼治疗中的微管分流设计	人类房水	生物医学技术	青光眼	微流控技术	深度学习	视频或图像	10微升的人类房水样本
2323	2025-05-27	Multi-modal multi-task deep neural networks for sleep disordered breathing assessment using cardiac and audio signals 2025-Sep, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2025.105932 PMID:40286704	研究论文	本文介绍了一种使用心脏和音频信号进行睡眠呼吸障碍评估的多模态多任务深度学习方法	结合心脏和音频信号，利用多模态数据融合提升睡眠呼吸障碍检测性能	样本量较小（161名受试者），且SDB严重程度分类的准确率有待提高（57.8%）	开发一种成本效益高且易于获取的睡眠呼吸障碍检测方法	睡眠呼吸障碍（SDB）患者	机器学习	睡眠呼吸障碍	多模态多任务深度学习	深度神经网络	心脏信号（心电图）和音频信号	161名受试者的夜间记录
2324	2025-05-27	Using longitudinal data and deep learning models to enhance resource allocation in home-based medical care 2025-Sep, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2025.105953 PMID:40300486	研究论文	本研究利用纵向数据和深度学习模型优化家庭医疗资源分配	首次比较了Transformer、LSTM和GRU三种深度学习模型在家庭医疗阶段预测中的表现，并确定了5次就诊数据即可实现准确预测	研究数据仅来自台北市立医院，可能影响模型的泛化能力	通过AI预测家庭医疗阶段以优化医疗资源分配	家庭医疗患者	机器学习	老年疾病	深度学习	Transformer, LSTM, GRU	医疗记录	4,343名平均年龄85岁的患者
2325	2025-05-27	Automatic and precise identification of volatile organic compounds from gas chromatography in prolonged atmospheric monitoring 2025-Aug-02, Journal of chromatography. A DOI:10.1016/j.chroma.2025.466035 PMID:40373387	research paper	本研究提出了一种基于人工智能的模型ResGRU，用于自动精确识别气相色谱中的挥发性有机化合物（VOCs）	ResGRU模型在保留时间定位上的平均绝对误差为0.0144分钟，比传统机器学习或深度学习模型小2.76至38.19倍，且能精确识别微弱的色谱峰并对异常色谱图具有卓越的适应性	NA	为气相色谱数据的精确分析提供新方法，以更深入地探索VOCs污染的机制	挥发性有机化合物（VOCs）	machine learning	NA	gas chromatography	ResGRU	chromatographic data	来自中国上海、湖北和江苏四个监测站点的数据
2326	2025-05-27	A subject transfer neural network fuses Generator and Euclidean alignment for EEG-based motor imagery classification 2025-Aug, Journal of neuroscience methods IF:2.7Q3 DOI:10.1016/j.jneumeth.2025.110483 PMID:40350042	research paper	提出了一种基于深度学习的迁移学习模型ST-GENN，用于改进脑机接口(BCI)中基于EEG的运动想象分类	结合生成器和欧几里得对齐的迁移学习模型，有效将源域数据分布迁移至目标域	未提及具体计算资源需求或模型训练时间	解决个体间EEG信号差异问题，提高BCI分类准确率	脑电信号(EEG)和运动想象分类	脑机接口	NA	迁移学习	ST-GENN (包含Generator和CAT分类器)	EEG信号	BCI competition IV 2a/2b和SHU数据集
2327	2025-05-27	Machine learning techniques to predict diabetic ketoacidosis and HbA1c above 7% among individuals with type 1 diabetes - A large multi-centre study in Australia and New Zealand 2025-Jul, Nutrition, metabolism, and cardiovascular diseases : NMCD DOI:10.1016/j.numecd.2025.103861 PMID:39939258	research paper	该研究利用机器学习技术预测1型糖尿病患者的糖尿病酮症酸中毒(DKA)和HbA1c>7%的风险	首次在澳大利亚和新西兰的大型多中心临床数据集中应用深度学习模型预测DKA，并展示了较高的预测性能	研究仅基于澳大利亚和新西兰的数据，可能不适用于其他人群	开发有效的机器学习模型来预测1型糖尿病患者的不良结局风险	1型糖尿病患者	machine learning	diabetes	machine learning	Deep Learning, Support Vector Machine	clinical demographic and socio-economic data	13761名1型糖尿病患者
2328	2025-05-27	Assessment of AI-accelerated T2-weighted brain MRI, based on clinical ratings and image quality evaluation 2025-Jul, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.112123 PMID:40315626	research paper	比较基于深度学习的MRI重建方法与传统T2加权脑MRI的临床评分和图像质量	首次评估商业化的深度学习MRI重建方法在临床环境中的表现	研究样本量有限，且仅在一台3T MRI扫描仪上进行	评估AI加速的T2加权脑MRI的临床应用价值	100名患有各种神经系统疾病的患者	医学影像分析	神经系统疾病	Deep Learning-based MRI reconstruction	深度学习模型	MRI图像	100名患者
2329	2025-05-27	Impact of CT reconstruction algorithms on pericoronary and epicardial adipose tissue attenuation 2025-Jul, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.112132 PMID:40344712	研究论文	本研究探讨了ASIR-V和DLIR算法对心周脂肪组织(PCAT)和心外膜脂肪组织(EAT)量化的影响，并探索通过脂肪阈值调整校正这些影响的可行性	首次比较了ASIR-V和DLIR算法对PCAT和EAT衰减值的影响，并提出了脂肪阈值调整的校正方法	研究为回顾性分析，样本量相对较小(134例患者)	评估不同CT重建算法对脂肪组织定量的影响并探索校正方法	心周脂肪组织(PCAT)和心外膜脂肪组织(EAT)	医学影像分析	心血管疾病	冠状动脉CT血管造影(CCTA)	ASIR-V和DLIR算法	医学影像数据	134例接受CCTA检查的患者
2330	2025-05-27	Automated vertebrae identification and segmentation with structural uncertainty analysis in longitudinal CT scans of patients with multiple myeloma 2025-Jul, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.112160 PMID:40349413	research paper	本研究通过结构不确定性分析优化了多发性骨髓瘤患者纵向CT扫描中的深度学习椎骨分割方法	结合开源深度学习方法与后验结构不确定性分析，自动修正不一致性或标记不确定区域供人工审查	需要人工审查3.6%的扫描，增加了部分工作量	优化多发性骨髓瘤患者纵向CT扫描中的椎骨分割准确性	474名多发性骨髓瘤患者的纵向CT扫描数据	digital pathology	multiple myeloma	CT扫描	Payer's method	image	474名患者（训练队列179名，测试队列295名），共1020次扫描
2331	2025-05-27	Application and optimization of the U-Net++ model for cerebral artery segmentation based on computed tomographic angiography images 2025-Jul, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.112137 PMID:40367559	research paper	本研究基于计算机断层扫描血管造影（CTA）图像，应用并优化了U-Net++模型用于脑动脉分割，重点分析了分割性能与计算成本之间的权衡	通过优化U-Net++模型的剪枝级别，实现了在保持有效分割性能的同时降低计算成本	研究中仅使用了双能量CTA和直接减影CTA数据集，可能限制了模型的泛化能力	优化脑动脉分割的深度学习模型，以提高临床诊断的效率和准确性	脑动脉，特别是靠近骨骼的颈内动脉和椎动脉	digital pathology	cerebrovascular disease	computed tomographic angiography (CTA)	U-Net++	image	双能量CTA和直接减影CTA数据集
2332	2025-05-27	PEDRA-EFB0: colorectal cancer prognostication using deep learning with patch embeddings and dual residual attention 2025-Jun, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-025-03292-3 PMID:39833600	research paper	该论文提出了一种名为PEDRA-EFB0的深度学习架构，用于结直肠癌CT扫描的特征提取和生存预测	整合了补丁嵌入和双残差注意力机制，增强了特征提取能力，并提出了一种结合自动编码器和熵技术的特征选择算法	未提及具体的数据集规模或多样性限制	提高结直肠癌CT扫描的特征提取和生存预测的准确性	结直肠癌患者的CT扫描数据	digital pathology	colorectal cancer	deep learning	CNN with patch embeddings and dual residual attention	CT scans	NA
2333	2025-05-27	Automatic skeletal maturity grading from pelvis radiographs by deep learning for adolescent idiopathic scoliosis 2025-Jun, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-025-03283-4 PMID:39838221	research paper	该研究提出了一种基于深度学习的多任务学习方法，用于从骨盆X光片中自动评估青少年特发性脊柱侧凸（AIS）患者的骨骼成熟度（Risser阶段）	采用改进的Swin Transformer模型，并结合空间和通道重建卷积Swin块，提高了Risser阶段评估的准确性	未提及模型在其他数据集上的泛化能力	解决Risser阶段手动评估中观察者内和观察者间的不准确性问题	青少年特发性脊柱侧凸（AIS）患者的骨盆X光片	digital pathology	adolescent idiopathic scoliosis	deep learning	改进的Swin Transformer	image	NA
2334	2025-05-27	CTCNet: a fine-grained classification network for fluorescence images of circulating tumor cells 2025-Jun, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-025-03297-y PMID:39841310	研究论文	本文提出了一种名为CTCNet的细粒度分类网络，用于循环肿瘤细胞（CTCs）荧光图像的分类	开发了CTCDet数据集和CTCNet混合架构，结合CNN和Transformer，通过Parallel Token mixer和DLKAttention模块提升分类性能	未提及具体的数据集规模限制或模型计算复杂度	提升循环肿瘤细胞（CTCs）的分类准确性以促进癌症诊断和治疗	循环肿瘤细胞（CTCs）的荧光图像	数字病理学	癌症	深度学习	CNN和Transformer混合架构	图像	未明确提及具体样本数量，但使用了大规模CTCDet数据集
2335	2025-05-27	Adaptive ensemble loss and multi-scale attention in breast ultrasound segmentation with UMA-Net 2025-Jun, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-025-03301-5 PMID:39847155	研究论文	本文提出了一种名为UMA-Net的改进UNet架构，用于乳腺超声图像分割，通过集成残差连接、注意力机制和空洞卷积瓶颈，有效捕获多尺度上下文信息	UMA-Net结合了自适应集成损失函数，动态平衡训练过程中不同损失组件的贡献，解决了传统损失函数导致的优化不平衡问题	NA	提高乳腺超声图像中病灶分割的准确性和泛化能力	乳腺超声图像	计算机视觉	乳腺癌	深度学习	UMA-Net（基于UNet架构）	图像	五个不同的乳腺超声数据集（BUET、BUSI、Mendeley、OMI和UDIAT）
2336	2025-05-27	Unrolled deep learning for breast cancer detection using limited-view photoacoustic tomography data 2025-Jun, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-025-03302-4 PMID:39856397	研究论文	本文提出了一种基于展开深度学习的有限视角光声断层扫描数据乳腺癌检测方法	结合了分裂Bregman全变分(SBTV)和松弛基追踪交替方向乘子法(rBP-ADMM)算法的新型展开深度学习网络，并整合了U-Net去噪器，实现了最先进的重建质量和显著的计算效率提升	研究主要针对有限视角场景，未涉及其他可能影响成像质量的因素	提高有限视角光声断层扫描在乳腺癌检测中的图像重建质量和计算效率	乳腺癌检测	数字病理学	乳腺癌	光声断层扫描(PAT)	U-SBTV网络, U-Net	图像	NA
2337	2025-05-27	Longitudinal brain age in first-episode mania youth treated with lithium or quetiapine 2025-Jun, European neuropsychopharmacology : the journal of the European College of Neuropsychopharmacology IF:6.1Q1 DOI:10.1016/j.euroneuro.2025.03.013 PMID:40222151	research paper	该研究探讨了锂和喹硫平在双相情感障碍和分裂情感性障碍早期阶段是否具有神经保护作用，通过测量基线及治疗后脑年龄差异（brain-PAD）的变化	使用深度学习模型在大规模数据集上预测脑年龄，首次在首次躁狂发作（FEM）青年中比较锂和喹硫平治疗对脑年龄差异的影响	样本量较小，随访时间较短，未能观察到治疗组间显著差异或长期治疗效果	评估锂和喹硫平在双相情感障碍和分裂情感性障碍早期阶段的神经保护效果	首次躁狂发作（FEM）青年患者（15-25岁）及健康对照组	数字病理学	双相情感障碍, 分裂情感性障碍	T1加权扫描, 深度学习	深度学习模型	MRI图像	FEM患者39人（锂治疗21人，喹硫平治疗18人），健康对照组29人，模型训练数据集53,542人
2338	2025-05-27	AdptDilatedGCN: Protein-ligand binding affinity prediction based on multi-scale interaction fusion mechanism and dilated GCN 2025-Jun, International journal of biological macromolecules IF:7.7Q1 DOI:10.1016/j.ijbiomac.2025.143751 PMID:40316081	研究论文	提出了一种名为AdptDilatedGCN的深度学习方法，用于预测蛋白质-配体结合亲和力，通过多尺度交互与融合机制充分利用蛋白质和配体的特征	结合多尺度交互与融合机制、扩张图卷积网络（GCN）和多头注意力机制，克服传统GCN的局限性，同时考虑蛋白质图中氨基酸节点间的相互作用	未提及具体的数据集限制或模型在其他数据集上的泛化能力	提高蛋白质-配体结合亲和力的预测准确性，以促进药物发现	蛋白质和配体的结合亲和力	机器学习	NA	深度学习、图卷积网络（GCN）、多头注意力机制、自适应门控循环单元（GRU）	AdptDilatedGCN（基于扩张GCN和多尺度融合机制）	蛋白质和配体的分子结构数据	在CASF-2016和CASF-2013公共测试集上进行评估
2339	2025-05-27	Inter-hospital transferability of AI: A case study on phase recognition in cholecystectomy 2025-Jun, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110235 PMID:40328029	研究论文	本文通过胆囊切除术作为案例研究，分析了训练好的手术阶段识别模型在不同医院间的可转移性	研究了AI模型在不同医院和外科医生间的可转移性，并提出了结合公共数据和特定机构数据以提高模型性能的方法	研究仅针对胆囊切除术，样本量相对较小（104例公开手术和21例自录视频）	开发具有跨数据集泛化能力的手术阶段识别AI模型	胆囊切除术的手术视频	计算机视觉	NA	深度学习	ResNet50 + MS-TCN	视频	104例公开手术视频 + 21例自录手术视频
2340	2025-05-27	Oral cavity carcinoma detection using BAT algorithm-optimized machine learning models with transfer learning and random sampling 2025-Jun, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110250 PMID:40328028	research paper	该研究提出了一种结合迁移学习、随机采样和BAT算法优化的集成机器学习分类器TR-ROS-BAT-ML，用于口腔癌的早期和准确检测	结合了迁移学习、随机采样和BAT算法优化策略，提出了一种新的诊断框架TR-ROS-BAT-ML	未来研究需要整合多模态数据并进一步优化以提高其临床适用性	提高口腔癌的早期和准确检测能力	口腔鳞状细胞癌(OSCC)和正常口腔上皮组织的H&E染色组织学图像	digital pathology	oral cavity carcinoma	transfer learning, random oversampling, BAT algorithm	NANSNetLarge, EfficientNetB7, EfficientNetV2L, EfficientNetV2S, EfficientNetV2M, XGBoost, AdaBoost, ET, HBGC, MLP	image	1224张H&E染色组织学图像，来自230名患者