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
261	2025-05-03	Quantitative susceptibility mapping in magnetically inhomogeneous tissues 2025-May-01, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.30537 PMID:40312865	研究论文	本研究开发了一种名为DEEPOLE的深度学习方法，用于改进磁敏感定量成像（QSM）的质量和准确性	DEEPOLE首次将宏观非偶极拉莫尔频移纳入QSM，通过深度学习卷积神经网络整合QUASAR模型，显著提高了磁敏感图的准确性和解剖一致性	研究主要基于模拟数据和有限的人脑数据验证，需要更多临床数据进一步验证其普适性	改进磁敏感定量成像技术，提高在生物组织中的成像质量和准确性	数字脑模型和人脑活体数据	医学影像处理	神经退行性疾病和脱髓鞘疾病	定量磁敏感成像（QSM）	深度卷积神经网络	磁共振成像数据	数字脑模型和人脑活体数据（具体数量未提及）
262	2025-05-03	Model-based self-supervised learning for quantitative assessment of myocardial oxygen extraction fraction and myocardial blood volume 2025-May-01, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.30555 PMID:40312974	研究论文	开发了一种基于模型的自监督深度学习网络，用于同时映射心肌氧提取分数（mOEF）和心肌血容量（MBV）	将物理模型整合到训练过程中，通过自监督学习（SSL）模式进行调节，同时使用包含均方误差和余弦相似度的损失函数来提高网络预测性能	研究样本量较小，仅包括10名健康受试者和10名心肌梗死患者	开发一种能够同时定量评估心肌氧提取分数和心肌血容量的深度学习网络	心肌氧提取分数（mOEF）和心肌血容量（MBV）	医学影像分析	心肌梗死	自监督学习（SSL）	深度学习网络	医学影像	10名健康受试者和10名心肌梗死患者
263	2025-05-03	Correction to: DOMSCNet: a deep learning model for the classification of stomach cancer using multi-layer omics data 2025-May-01, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf218 PMID:40314061	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
264	2025-05-03	Deep Learning Radiopathomics for Predicting Tumor Vasculature and Prognosis in Hepatocellular Carcinoma 2025-May, Radiology. Imaging cancer DOI:10.1148/rycan.250141 PMID:40314587	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
265	2025-05-03	A Novel Deep Learning-based Pathomics Score for Prognostic Stratification in Pancreatic Ductal Adenocarcinoma 2025-May-01, Pancreas IF:1.7Q3 DOI:10.1097/MPA.0000000000002463 PMID:40314741	研究论文	本研究利用深度学习和病理图像构建了一种新型的病理组学评分，用于胰腺导管腺癌的预后分层	开发了一种基于深度学习的病理组学评分，能够独立预测胰腺导管腺癌患者的生存率，并优于传统临床模型	研究为回顾性设计，样本来自两个中心，可能存在选择偏倚	提高胰腺导管腺癌的预后预测准确性，以支持个性化治疗策略	胰腺导管腺癌患者	数字病理	胰腺导管腺癌	深度学习，弱监督学习，多实例学习	随机生存森林，Cox回归	图像	864名胰腺导管腺癌患者（489名训练集，211名验证集，164名新辅助治疗组）
266	2025-05-03	Detection of camellia oil adulteration based on near-infrared spectroscopy and smartphone combined with deep learning and multimodal fusion 2025-Apr-30, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2025.142930 PMID:39826519	研究论文	本研究开发了一种基于近红外光谱和智能手机的深度学习与多模态融合方法，用于检测茶油中掺假菜籽油的情况	结合近红外光谱和智能手机视觉数据，采用多模态融合方法提高检测准确性，为实时检测茶油真实性提供了新技术	仅针对茶油与菜籽油的二元掺假系统进行研究，未涉及其他可能的掺假油类	开发实时检测茶油掺假的技术方法，应对日益严重的食品安全问题	掺假茶油样品（茶油与菜籽油混合物）	食品安全检测	NA	近红外光谱(NIR)、智能手机图像/视频分析	深度学习模型	光谱数据、图像数据、视频数据	243个掺假油样品
267	2025-05-03	3D tooth identification for forensic dentistry using deep learning 2025-Apr-30, BMC oral health IF:2.6Q1 DOI:10.1186/s12903-025-06017-y PMID:40301795	research paper	该研究提出了一种利用深度学习从3D牙齿模型中提取关键特征并转换为2D图像格式进行详细分析的新方法	创新性地将3D牙齿模型转换为2D图像格式，并使用RNN架构进行准确分类，提高了诊断效率和准确性	未提及具体的数据集大小或模型性能的详细比较	提高法医牙科中牙齿结构的分类准确性和效率	3D牙齿模型	computer vision	NA	3D成像和2D图像转换	RNN	3D模型和2D图像	NA
268	2025-05-03	Clinical Applications of Artificial Intelligence in Vascular Surgery 2025-Apr-30, Vascular specialist international IF:0.8Q4 DOI:10.5758/vsi.240120 PMID:40302180	review	本文综述了人工智能在血管外科中的临床应用，包括基础知识、技术应用及面临的挑战	探讨了人工智能在血管外科中的具体应用及智能穿戴设备的使用	血管外科医生对计算机科学和复杂AI技术的理解有限，阻碍了AI的广泛应用	促进人工智能技术在血管外科领域的应用与发展	血管外科医生及AI技术在血管外科的应用	machine learning	cardiovascular disease	machine learning, deep learning, artificial neural networks	NA	NA	NA
269	2025-05-03	Cancer type and survival prediction based on transcriptomic feature map 2025-Apr-30, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110267 PMID:40311464	research paper	该研究通过将转录组特征转化为特征图并采用深度学习模型，实现了癌症类型和生存时间的预测	构建了泛癌转录组特征图，并利用Inception网络和门控卷积模块实现了高精度的癌症分类和生存预测，同时识别出与癌症进展相关的关键基因	研究仅基于TCGA数据库的数据，未涉及其他独立数据集的验证	开发一种基于转录组特征图和深度学习的癌症类型及生存时间预测方法	27种癌症类型的转录组数据和10种癌症类型的生存数据	digital pathology	cancer	transcriptomic data analysis	Inception network, gated convolutional modules	transcriptomic data	TCGA数据库中的27种癌症类型的转录组数据和10种癌症类型的生存数据
270	2025-05-03	GeneDX-PBMC: An adversarial autoencoder framework for unlocking Alzheimer's disease biomarkers using blood single-cell RNA sequencing data 2025-Apr-30, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110283 PMID:40311462	研究论文	该研究通过结合单细胞RNA测序数据和深度学习技术，识别阿尔茨海默病的血液生物标志物和治疗靶点	开发了一个结合自编码器、分类器和判别器的深度学习框架，分析常规方法通常忽略的差异表达基因和细微遗传变异	单核细胞数据存在限制，需依赖随机森林分类器处理	识别阿尔茨海默病的血液生物标志物和治疗靶点，以促进早期诊断和治疗策略的开发	阿尔茨海默病患者和认知正常对照的外周血单个核细胞（PBMCs）	数字病理学	阿尔茨海默病	单细胞RNA测序（scRNA-seq）	对抗自编码器（AAE）	基因表达数据	NA
271	2025-05-03	DeepValve: The first automatic detection pipeline for the mitral valve in Cardiac Magnetic Resonance imaging 2025-Apr-30, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110211 PMID:40311468	research paper	介绍DeepValve，首个用于心脏磁共振成像中二尖瓣自动检测的深度学习流程	首次提出基于深度学习的二尖瓣自动检测流程，并测试了三种不同的瓣膜检测模型	仅在120例确诊二尖瓣疾病的患者CMR图像上开发和测试，样本量有限	开发自动化的二尖瓣检测方法，以提高诊断准确性	心脏磁共振成像中的二尖瓣	digital pathology	cardiovascular disease	deep learning	UNET-REG, UNET-SEG, DSNT-REG	image	120例确诊二尖瓣疾病患者的CMR图像
272	2025-05-03	Non-invasive biopsy diagnosis of diabetic kidney disease via deep learning applied to retinal images: a population-based study 2025-Apr-30, The Lancet. Digital health DOI:10.1016/j.landig.2025.02.008 PMID:40312169	research paper	开发并验证了一种基于视网膜图像的AI深度学习系统DeepDKD，用于检测糖尿病肾病(DKD)及区分单纯糖尿病肾病与非糖尿病肾病(NDKD)	首次利用视网膜图像和深度学习技术进行非侵入性的DKD筛查和NDKD区分	需要更多样本人群验证系统普适性	提高糖尿病肾病筛查可及性并区分单纯糖尿病肾病与非糖尿病肾病	糖尿病患者视网膜图像	digital pathology	diabetic kidney disease	deep learning	DeepDKD	retinal fundus images	开发集: 734,084张视网膜图像(121,578名参与者); 验证集: 65,406名参与者(10个多民族数据集); 区分研究: 1,068张图像(267名参与者)
273	2025-05-03	Artificial Intelligence in Speech-Language Pathology and Dysphagia: A Review From Latin American Perspective and Pilot Test of LLMs for Rehabilitation Planning 2025-Apr-30, Journal of voice : official journal of the Voice Foundation IF:2.5Q1 DOI:10.1016/j.jvoice.2025.04.010 PMID:40312192	review	本文综述了人工智能在言语病理学和吞咽障碍管理中的应用，特别关注拉丁美洲的实施挑战，并测试了大型语言模型在康复规划中的潜力	从拉丁美洲视角探讨AI在言语病理学和吞咽障碍中的应用，并首次测试大型语言模型在康复规划中的效用	当前AI应用主要集中于诊断而非综合康复，且在拉丁美洲面临基础设施不足、语言适应有限和地区数据集稀缺等障碍	探讨人工智能在言语病理学和吞咽障碍管理中的应用及其在拉丁美洲的实施挑战	言语病理学和吞咽障碍患者	natural language processing	geriatric disease	deep learning, machine learning algorithms, natural language processing	LLMs	text	NA
274	2025-05-03	Modeling Temporal Dependencies in Brain Functional Connectivity to Identify Autism Spectrum Disorders Based on Heterogeneous rs-fMRI Data 2025-Apr-30, Experimental neurobiology IF:1.8Q4 DOI:10.5607/en24028 PMID:40313229	研究论文	本研究探索了脑功能连接在时间上的动态变化，以识别自闭症谱系障碍（ASD），并开发了一种结合注意力机制和LSTM神经网络的深度学习框架	首次将注意力机制与LSTM神经网络结合，用于分析脑功能连接的动态变化，以识别ASD，并展示了其在分类准确性和鲁棒性上的优势	研究依赖于ABIDE数据库中的异质性rs-fMRI数据，可能影响模型的泛化能力	开发更准确和可靠的自闭症谱系障碍诊断工具	自闭症谱系障碍（ASD）患者	数字病理学	自闭症谱系障碍	rs-fMRI	LSTM与注意力机制结合的深度学习框架	图像	来自ABIDE数据库的异质性rs-fMRI数据
275	2025-05-03	Deep learning for quality assessment of axial T2-weighted prostate MRI: a tool to reduce unnecessary rescanning 2025-Apr-29, European radiology experimental IF:3.7Q1 DOI:10.1186/s41747-025-00584-z PMID:40299162	research paper	该研究开发了一种深度学习模型，用于自动评估前列腺MRI中T2加权图像的质量，以减少不必要的重复扫描	首次使用深度学习模型自动评估前列腺MRI图像质量，并预测是否需要重复扫描	研究为回顾性设计，需要在临床前瞻性环境中进一步验证	开发自动评估前列腺MRI图像质量的工具，优化临床工作流程	前列腺MRI的T2加权图像	digital pathology	prostate cancer	MRI	3D-DenseNet_169	image	1,412例轴向T2加权前列腺扫描
276	2025-05-03	Piezotronic Sensor for Bimodal Monitoring of Achilles Tendon Behavior 2025-Apr-29, Nano-micro letters IF:31.6Q1 DOI:10.1007/s40820-025-01757-6 PMID:40299192	research paper	开发了一种基于Y离子掺杂ZnO的压电双模态传感器（BPS），用于同时监测动态和静态力，并在跟腱行为监测中进行了验证	利用Y离子掺杂ZnO的独特压电效应，简化了传感器结构并提高了灵敏度，实现了动态和静态力的双模态监测	未提及具体样本量或临床验证范围，可能限制其在实际医疗应用中的普适性	解决传统压力传感器在双模态检测中结构复杂和信号解耦困难的问题	跟腱行为在混合动态和静态负载条件下的监测	wearable electronics	NA	压电效应，深度学习算法	深度学习算法	力信号	NA
277	2025-05-03	Real-time and universal network for volumetric imaging from microscale to macroscale at high resolution 2025-Apr-29, Light, science & applications DOI:10.1038/s41377-025-01842-w PMID:40301329	研究论文	提出了一种实时通用的网络RTU-Net，用于从微观到宏观尺度的高分辨率光场图像重建	首次提出适用于多尺度（微观、中观、宏观）光场图像重建的通用网络，采用基于生成对抗理论的自适应损失函数	未明确提及具体限制条件	开发一种通用的高分辨率光场图像重建方法，适用于不同尺度	微观尺度的微管蛋白和线粒体数据集、中观尺度的合成小鼠神经数据集、宏观尺度的光场粒子图像测速数据集	计算机视觉	NA	光场成像技术	RTU-Net（基于生成对抗理论的网络）	图像	体积范围从300μm×300μm×12μm到25mm×25mm×25mm的多尺度数据集
278	2025-05-03	MetaStackD A robust meta learning based deep ensemble model for prediction of sensors battery life in IoE environment 2025-Apr-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-97720-x PMID:40301394	研究论文	提出了一种基于元学习的深度集成模型MetaStackD，用于预测IoE环境中传感器的剩余电池寿命	整合了预处理、标准化、编码方案和预测建模，引入了RFRImpute和MetaStackD两种算法，采用元学习深度集成方法分析功耗、环境条件、操作频率和工作负载模式等因素	NA	优化IoE环境中传感器的电池寿命预测，以提高网络性能和数据的可靠性	IoE设备中的传感器	机器学习	NA	元学习、深度集成学习	MetaStackD、Random Forest、Gradient Boosting、Light Gradient Boosting、Categorical Boosting、Extreme Gradient Boosting	传感器数据	真实世界的芝加哥公园区海滩水IoE数据集
279	2025-05-03	A simple yet effective approach for predicting disease spread using mathematically-inspired diffusion-informed neural networks 2025-Apr-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-98398-x PMID:40301427	research paper	提出了一种结合传统数学模型和深度学习的创新方法，用于预测疾病传播	整合了传统数学建模与深度学习，提高了预测准确性并简化了参数估计	仅应用于西班牙的COVID-19数据，未在其他地区或疾病上验证	提高疾病传播预测的准确性和简化参数估计	COVID-19在西班牙的传播情况	machine learning	COVID-19	深度学习	ANN和GCN	疾病发病率数据	西班牙的COVID-19发病率数据
280	2025-05-03	High accuracy indoor positioning system using Galois field-based cryptography and hybrid deep learning 2025-Apr-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-97715-8 PMID:40301441	研究论文	提出了一种结合Galois域密码学和混合深度学习的室内高精度定位系统	结合了ECC加密解密方法、Deep-STAN混合模型以及区块链技术，提高了定位系统的准确性、安全性和稳定性	未提及系统在极端环境下的表现或大规模部署的可行性	解决传统室内定位系统在准确性、鲁棒性和安全性方面的不足	室内定位系统在智能制造和物流等环境中的应用	机器学习	NA	Wi-Fi、蓝牙、磁力计信号处理，DBSCAN聚类，ECC加密	Deep-STAN（结合CNN、ViT、LSTM和注意力机制）	信号强度测量、上下文数据	未明确提及具体样本数量，但测试数据包含80%的数据子集