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
2341	2025-04-20	Geometric and Dosimetric Evaluation of a RayStation Deep Learning Model for Auto-Segmentation of Organs at Risk in a Real-World Head and Neck Cancer Dataset 2025-May, Clinical oncology (Royal College of Radiologists (Great Britain)) DOI:10.1016/j.clon.2025.103796 PMID:40120536	研究论文	评估基于深度学习的自动分割模型在头颈癌患者真实数据集中的几何准确性和剂量学影响	在大型、多样化的头颈癌患者数据集上评估3D U-Net深度学习分割模型的性能，并分析其剂量学影响	模型在11例具有显著解剖挑战和伪影的患者中失败，部分器官的剂量学差异较大	评估深度学习分割模型在头颈癌患者器官风险自动分割中的准确性和剂量学影响	124例接受强度调制质子治疗的头颈癌患者	数字病理	头颈癌	强度调制质子治疗(IMPT)	3D U-Net	CT图像	124例头颈癌患者
2342	2025-04-20	Enhancing data quality in medical concept normalization through large language models 2025-May, Journal of biomedical informatics IF:4.0Q2 DOI:10.1016/j.jbi.2025.104812 PMID:40180205	研究论文	本研究探讨了如何利用大型语言模型（LLMs）提升医学概念归一化（MCN）中的数据质量，并通过案例研究验证了方法的有效性	首次系统地评估了数据质量对MCN性能的影响，并提出了基于ChatGPT的零样本和小样本提示方法进行数据增强	数据增强策略可能引入重复数据项，特别是在数据分布的均值区域，需要精心设计以避免这些问题	提升医学概念归一化任务中的数据质量，进而提高MCN模型的性能	医学概念归一化任务中的数据集和模型性能	自然语言处理	NA	ChatGPT-based zero-shot prompting, few-shot prompting	大型语言模型（LLMs）	文本数据	NA
2343	2025-04-20	Deep learning reconstruction for detection of liver lesions at standard-dose and reduced-dose abdominal CT 2025-Apr-19, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-11596-z PMID:40251443	research paper	本研究探讨了深度学习重建（DLR）与迭代重建（IR）在标准剂量和降低剂量腹部CT中检测肝脏病变的诊断性能	首次比较了DLR和IR在不同辐射剂量下对肝脏病变检测的诊断性能，并评估了DLR在降低剂量CT中的潜力	DLR在降低剂量情况下对小病灶的检测能力下降，未能实现显著的剂量减少	评估深度学习重建技术在降低CT辐射剂量同时保持诊断性能的能力	已知有肝脏转移的胃肠道和胰腺腺癌患者	digital pathology	liver cancer	CT扫描	deep learning reconstruction (DLR)	medical image	44名参与者，共348个≤20mm的肝脏病灶（297个转移灶，51个良性病灶）
2344	2025-04-20	CT-based artificial intelligence system complementing deep learning model and radiologist for liver fibrosis staging 2025-Apr-18, iScience IF:4.6Q1 DOI:10.1016/j.isci.2025.112224 PMID:40248124	研究论文	本研究开发了一种基于CT的人工智能系统，结合深度学习模型和放射科医生进行肝纤维化分期	提出了深度学习-放射科医生互补决策系统（DRCDS），通过决策模型决定采用Model-C的诊断还是放射科医生的诊断，解决了模型泛化和人机互补问题	未提及具体样本量及数据来源的详细信息	开发非侵入性肝纤维化分期方法，提高诊断准确性	肝纤维化患者	数字病理	肝纤维化	深度学习	Model-C（基于深度学习的分类模型）	CT图像	NA
2345	2025-04-20	Utility of artificial intelligence in radiosurgery for pituitary adenoma: a deep learning-based automated segmentation model and evaluation of its clinical applicability 2025-Apr-18, Journal of neurosurgery IF:3.5Q1 DOI:10.3171/2024.12.JNS242167 PMID:40250054	研究论文	本研究开发了一种基于深度学习的MRI垂体腺瘤自动分割模型，用于立体定向放射外科手术规划，并评估其在临床环境中的准确性和效率	首次将nnU-Net模型应用于垂体腺瘤的自动分割，并评估其在临床环境中的适用性和效率提升	模型预测的分割结果在专家评分上仍低于原始手动分割组，部分复杂病例的分割效果有待提高	开发用于立体定向放射外科手术规划的自动分割模型	垂体腺瘤患者	数字病理	垂体腺瘤	MRI扫描	nnU-Net	医学影像	582名患者用于训练，146名患者用于测试
2346	2025-04-20	A deep learning strategy to identify cell types across species from high-density extracellular recordings 2025-Apr-17, Cell IF:45.5Q1 DOI:10.1016/j.cell.2025.01.041 PMID:40023155	研究论文	开发了一种基于深度学习的策略，从高密度细胞外记录中识别跨物种的细胞类型	结合光遗传学和药理学，构建了一个经过筛选的真实电生理特性库，并训练了一个半监督深度学习分类器，准确率超过95%	研究主要在小脑中进行，可能在其他脑区的适用性有待验证	识别细胞类型并揭示具有不同功能、分子和解剖特性的神经元在行为中的独特贡献	小脑中的浦肯野细胞、分子层中间神经元、高尔基细胞和苔藓纤维	机器学习	NA	光遗传学、药理学、高密度细胞外记录	半监督深度学习分类器	电生理记录数据	NA
2347	2025-04-20	Large language models deconstruct the clinical intuition behind diagnosing autism 2025-Apr-17, Cell IF:45.5Q1 DOI:10.1016/j.cell.2025.02.025 PMID:40147442	研究论文	利用大型语言模型解构临床直觉，以改进自闭症的诊断标准	通过深度学习解构专家临床直觉，并引入可解释性策略，识别出驱动正确诊断的最关键句子	研究依赖于有限的临床报告数据（>4,000份），可能无法涵盖所有自闭症表现	解构临床直觉以改进自闭症的诊断标准	自闭症诊断的临床报告	自然语言处理	自闭症	大型语言模型（LLMs）	LLM	文本	超过4,000份自由格式的健康记录
2348	2025-04-20	Automated opportunistic screening for osteoporosis using deep learning-based automatic segmentation and radiomics on proximal femur images from low-dose abdominal CT 2025-Apr-17, BMC musculoskeletal disorders IF:2.2Q3 DOI:10.1186/s12891-025-08631-x PMID:40241032	研究论文	本研究基于低剂量腹部CT（LDCT）建立了一个自动化骨质疏松检测模型，结合深度学习自动分割近端股骨和基于放射组学的骨状态分类	结合深度学习自动分割和放射组学分类，实现骨质疏松的三分类预测模型	样本量相对较小（456名参与者），且为回顾性研究	开发自动化骨质疏松检测模型	近端股骨图像	数字病理	骨质疏松	放射组学分析	VB-Net（分割模型）和随机森林（RF分类器）	CT图像	456名参与者（355名开发队列，101名测试队列）
2349	2025-04-20	Interpretable deep learning for deconvolutional analysis of neural signals 2025-Apr-16, Neuron IF:14.7Q1 DOI:10.1016/j.neuron.2025.02.006 PMID:40081364	research paper	该论文提出了一种可解释的深度学习方法DUNL，用于解卷积分析神经信号，并展示了其在多种脑区和记录模态中的应用	使用算法展开（algorithm unrolling）方法设计稀疏解卷积神经网络的架构，直接解释网络权重与刺激驱动的单神经元活动之间的关系	NA	提供一种可解释的深度学习方法，以理解神经活动的机制	神经信号，包括中脑多巴胺神经元、体感丘脑记录、梨状皮层和纹状体的神经反应	machine learning	NA	algorithm unrolling, deep learning	sparse deconvolutional neural networks	neural signals	NA
2350	2025-04-20	Artificial intelligence-assisted multimodal imaging for the clinical applications of breast cancer: a bibliometric analysis 2025-Apr-16, Discover oncology IF:2.8Q2 DOI:10.1007/s12672-025-02329-1 PMID:40237900	文献计量分析	本文通过文献计量学方法分析了2010年至2024年间人工智能辅助多模态成像在乳腺癌临床应用中的研究趋势和热点	首次对人工智能辅助多模态成像在乳腺癌领域的文献进行系统性计量分析，揭示了研究热点和发展趋势	仅纳入Web of Science核心合集的数据，可能存在文献覆盖不全的问题	分析人工智能辅助多模态成像在乳腺癌临床应用中的研究现状和发展趋势	2010-2024年间发表的80篇相关文献	数字病理学	乳腺癌	文献计量分析（VOSviewer, CiteSpace, Bibliometrix R包）	深度学习框架	文献数据	80篇出版物
2351	2025-04-20	Automated Deep Learning Phenotyping of Tricuspid Regurgitation in Echocardiography 2025-Apr-16, JAMA cardiology IF:14.8Q1 DOI:10.1001/jamacardio.2025.0498 PMID:40238103	研究论文	开发了一种深度学习计算机视觉工作流程，用于识别彩色多普勒超声心动图视频并表征三尖瓣反流（TR）的严重程度	首次设计了一个自动化深度学习工作流程，用于从超声心动图视频中识别和评估TR严重程度，且性能优异	研究数据仅来自两个医疗中心，可能限制了模型的泛化能力	开发一个自动化深度学习工作流程，用于准确评估三尖瓣反流的严重程度	彩色多普勒超声心动图视频	计算机视觉	心血管疾病	深度学习计算机视觉	深度学习模型	视频	训练和验证队列包含来自31,708名患者的数据，测试队列包含来自7,184名患者的数据
2352	2025-04-20	TRAPT: a multi-stage fused deep learning framework for predicting transcriptional regulators based on large-scale epigenomic data 2025-Apr-16, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-58921-0 PMID:40240358	research paper	提出了一种名为TRAPT的多阶段融合深度学习框架，用于基于大规模表观基因组数据预测转录调控因子	TRAPT通过学习和整合目标基因顺式调控元件和全基因组结合位点的调控潜力，推断调控因子活性，优于现有方法	未提及具体样本量的限制或数据类型的局限性	识别与疾病发生和发展相关的转录调控因子	转录调控因子（TRs）	machine learning	NA	多组学表观基因组数据	深度学习框架	表观基因组数据	570个TR相关数据集
2353	2025-04-20	DeepGuard: real-time threat recognition using Golden Jackal optimization with deep learning model 2025-Apr-16, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-82478-5 PMID:40240369	研究论文	提出了一种名为DeepGuard的实时威胁识别系统，结合Golden Jackal优化算法和深度学习模型，用于监控视频中的暴力行为检测	结合改进的ShuffleNetv2模型提取特征，并利用Golden Jackal优化算法进行超参数调优，同时采用LSTM神经网络进行暴力检测	未提及模型在复杂场景或低光照条件下的表现，也未说明计算资源需求	开发一个实时威胁识别系统以提高公共安全	监控视频中的暴力行为	计算机视觉	NA	深度学习	ShuffleNetv2, LSTM	视频	基准数据集（未说明具体数量）
2354	2025-04-20	An application of deep learning model InceptionTime to predict nausea, vomiting, diarrhoea, and constipation using the gastro-intestinal pacemaker activity drug database (GIPADD) 2025-Apr-16, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-95961-4 PMID:40240387	研究论文	本研究利用深度学习模型InceptionTime预测药物不良反应（如恶心、呕吐、腹泻和便秘）的可行性	使用GIPADD数据库中的原始电生理记录数据，结合改进的InceptionTime分类器（ICT）进行时间序列分类，以预测药物不良反应	研究仅基于GIPADD数据库中的电生理数据，未考虑其他可能影响药物不良反应的因素	探索利用原始电生理记录数据预测药物不良反应的可行性	172种药物的11,943个电生理数据集	机器学习	胃肠道疾病	时间序列分类	InceptionTime (ICT)	电生理记录数据	172种药物的11,943个数据集
2355	2025-04-20	Attention LinkNet-152: a novel encoder-decoder based deep learning network for automated spine segmentation 2025-Apr-16, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-95243-z PMID:40240440	研究论文	提出了一种名为LinkNet-152的新型编码器-解码器深度学习网络，用于自动化脊柱分割	结合改进的EfficientNetB7编码器和注意力模块以增强特征提取，并使用更深的ResNet152替换ResNet34以提高分割精度	未提及具体的数据集局限性或模型泛化能力	开发一种高效的自动化脊柱分割方法以辅助脊柱相关疾病的诊断和治疗	CT图像中的脊柱	计算机视觉	脊柱相关疾病	深度学习	LinkNet-152	CT图像	VerSe 2019和VerSe 2020数据集
2356	2025-04-20	Prediction of barberry witches' broom rust disease using artificial intelligence models: a case study in South Khorasan, Iran 2025-Apr-16, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-97733-6 PMID:40240439	研究论文	利用深度学习模型检测和分类伊朗南呼罗珊省无籽小檗的锈病	首次将卷积神经网络(CNN)应用于小檗锈病的自动检测和分类，并实现了98%的高准确率	研究仅基于特定地区的数据，模型在其他地区的泛化能力有待验证	开发AI技术用于农业植物病害检测	感染锈病的小檗叶片	计算机视觉	植物病害	深度学习	CNN	图像	健康与感染锈病的小檗叶片图像数据集
2357	2025-04-20	Assessment of hydrogen vehicle fuel economy using MRAC based on deep learning 2025-Apr-16, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-97082-4 PMID:40240442	研究论文	本研究评估了基于深度学习的MRAC在氢燃料汽车燃油经济性中的应用	首次将深度学习技术应用于氢燃料汽车的MRAC控制策略，优化燃油经济性	当前DL-MRAC的燃油经济性优势尚不明显，需要更多训练数据来提升性能	评估不同控制策略在氢燃料汽车电机控制中的性能表现	氢燃料汽车的动力系统（包括燃料电池系统、电池、DC-DC转换器、三相逆变器和电动机）	机器学习	NA	深度学习	MRAC（模型参考自适应控制）	车辆运行数据	NA
2358	2025-04-20	An interpretable framework for gastric cancer classification using multi-channel attention mechanisms and transfer learning approach on histopathology images 2025-Apr-16, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-97256-0 PMID:40240457	研究论文	提出了一种基于多通道注意力机制和迁移学习方法的可解释性框架，用于胃癌组织病理学图像分类	采用多通道注意力机制动态聚焦相关特征，增强特征提取并捕捉医学数据中的复杂关系，克服传统深度学习模型的局限性	NA	提高胃癌组织病理学图像分类的准确性和可解释性	胃癌组织病理学图像	数字病理学	胃癌	深度学习	CNN结合多通道注意力机制	图像	公开可用的Gastric Histopathology Sub-size Image Database和HCRF数据集
2359	2025-04-20	ResM-FusionNet for efficient landslide detection algorithm with a hybrid architecture 2025-Apr-16, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-98230-6 PMID:40240463	研究论文	提出了一种基于深度学习的滑坡检测方法ResM-FusionNet，用于快速准确地识别滑坡易发区域	结合ResNet-50作为特征提取主干网络，并集成多层感知器作为解码器以提高分割精度，同时引入新的损失函数RLoss以解决复杂地形和边界细节检测的挑战	未提及具体的数据集规模或多样性限制，也未讨论模型在不同地理环境下的泛化能力	开发一种高效且准确的滑坡检测算法，以支持灾害响应、风险评估和城市规划	滑坡易发区域的遥感图像	计算机视觉	NA	深度学习	ResM-FusionNet（基于ResNet-50和多层感知器的混合架构）	遥感图像	NA
2360	2025-04-20	Tuberculosis detection using few shot learning 2025-Apr-16, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-97803-9 PMID:40240548	研究论文	本研究提出了一种基于少样本学习的结核病检测方法TB-FSNet，结合改进的MobileNet-V2主干网络和自注意力层，实现了高效的结核病检测	采用少样本学习范式（FSL-PT）结合改进的MobileNet-V2主干网络和自注意力层，显著减少了模型参数和大小，同时保持了高准确率	依赖于有限的标注数据集，且数据增强在医学领域可能不是最佳实践	开发一种高效且轻量化的结核病检测方法，适用于边缘设备部署	结核病（TB）的胸部X光图像	计算机视觉	结核病	少样本学习（FSL）	改进的MobileNet-V2结合自注意力层	胸部X光图像	Montgomery County和Shenzhen胸部X光数据集的组合