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	2025-07-04	Domain-generalized Deep Learning for Improved Subject-independent Emotion Recognition Based on Electroencephalography 2025-Jun-30, Experimental neurobiology IF:1.8Q4 DOI:10.5607/en25011 PMID:40364497	research paper	本研究通过结合四种领域泛化技术和三种深度学习架构，系统评估了十二种方法，以提高基于脑电图（EEG）的独立于受试者的情绪识别的泛化能力	首次系统评估了四种领域泛化技术与三种深度学习架构的组合在EEG情绪识别中的效果，展示了领域泛化方法在减少受试者和会话间变异性方面的潜力	研究仅使用了两个EEG数据集，可能限制了结果的广泛适用性	提高基于EEG的独立于受试者的情绪识别的分类准确性和模型泛化能力	情绪识别的脑电图数据	machine learning	NA	EEG	ShallowFBCSPNet, EEGNet, TSception	EEG信号	两个EEG数据集
262	2025-07-04	Deep learning for automated, motion-resolved tumor segmentation in radiotherapy 2025-Jun-30, NPJ precision oncology IF:6.8Q1 DOI:10.1038/s41698-025-00970-1 PMID:40588532	研究论文	开发了一种深度神经网络模型，用于在放疗中自动分割肺部肿瘤并追踪其在呼吸过程中的运动	提出了一种名为iSeg的3D UNet模型，能够自动分割肿瘤并在4D CT图像上追踪肿瘤运动，其性能与人类观察者相当，且在多中心验证中表现稳定	尽管模型在多中心验证中表现良好，但高假阳性体素率与局部失败率增加相关，这可能影响临床决策	提高放疗中肿瘤分割的准确性、可重复性和效率	肺部肿瘤	数字病理	肺癌	深度学习	3D UNet	4D CT图像	训练集739例，两个独立验证集分别为161例和102例
263	2025-07-04	A novel colorimetric detection based on bifunctionalized gold nanoparticle combined with machine learning and deep learning models to identify microbial transglutaminase in foods 2025-Jun-30, Talanta IF:5.6Q1 DOI:10.1016/j.talanta.2025.128533 PMID:40602019	研究论文	开发了一种结合金纳米颗粒、机器学习和深度学习的比色检测方法，用于检测食品中的微生物转谷氨酰胺酶（mTG）活性	首次将双功能化金纳米颗粒与机器学习和深度学习模型结合，用于mTG活性的检测和预测	研究仅针对6种食品类型进行了测试，可能无法涵盖所有食品中的mTG检测需求	开发一种高效的方法来识别和预测食品中mTG的活性	微生物转谷氨酰胺酶（mTG）在食品中的活性	机器学习	乳糜泻	比色检测	Decision Tree (DT), Random Forest (RF), Multilayer Perceptron (MLP)	比色信号数据	648个mTG浓度-吸光度数据点，来自6种不同的食品类型
264	2025-07-04	D2C-Morph: Brain regional segmentation based on unsupervised registration network with similarity analysis 2025-Jun-30, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2025.102589 PMID:40602042	研究论文	提出了一种基于无监督配准网络和相似性分析的脑区分割方法D2C-Morph	通过双路径网络和两次对比学习强调输入特征，利用相关层增强特征图相似性，提高了解码器性能	未提及具体样本量和临床验证结果	开发能够联合执行配准和分割的脑图像处理方法	脑图像	数字病理	NA	无监督学习	双路径网络	图像	NA
265	2025-07-04	Deep learning can accurately predict the prognosis of gynecologic smooth muscle tumors of uncertain malignant potential: a multicenter pilot study 2025-Jun-30, Laboratory investigation; a journal of technical methods and pathology DOI:10.1016/j.labinv.2025.104211 PMID:40602459	研究论文	本研究探讨了深度学习在预测妇科不确定恶性潜能的平滑肌肿瘤（STUMP）预后中的应用	首次使用深度学习直接从组织学切片预测STUMP的无进展生存期（PFS）并识别高风险患者	样本量相对较小（95例STUMP），需要进一步研究通过分子标记确认高风险组	探索深度学习特征是否可用于预测STUMP的预后	妇科不确定恶性潜能的平滑肌肿瘤（STUMP）患者	数字病理学	妇科肿瘤	深度学习	深度学习模型（未指定具体类型）	组织学切片图像	95例STUMP（79例训练，16例外部验证），160例子宫肌瘤和58例子宫肉瘤作为对照
266	2025-07-04	Automated Finite Element Modeling of the Lumbar Spine: A Biomechanical and Clinical Approach to Spinal Load Distribution and Stress Analysis 2025-Jun-30, World neurosurgery IF:1.9Q2 DOI:10.1016/j.wneu.2025.124236 PMID:40602487	研究论文	本研究介绍了一种自动化的有限元分析方法，用于腰椎生物力学分析，整合了基于深度学习的分割与计算建模，以优化从成像到模拟的工作流程	通过深度学习框架自动分割医学影像数据，并利用Laplacian平滑和简化技术优化表面网格，显著提高了模型准备的效率和可重复性	虽然自动化流程显著减少了模型准备时间，但可能仍需一定的手动输入以确保准确性	开发一种自动化的有限元分析方法，以改进腰椎生物力学分析的效率和准确性	腰椎及其相关结构（如椎骨、椎间盘、韧带等）	生物力学	脊柱疾病	深度学习、有限元分析（FEA）、Laplacian平滑、PCA	深度学习框架、FEBio	医学影像数据	NA
267	2025-07-04	Development of a deep learning algorithm for detecting significant coronary artery stenosis in whole-heart coronary magnetic resonance angiography 2025-Jun-30, Journal of cardiovascular magnetic resonance : official journal of the Society for Cardiovascular Magnetic Resonance IF:4.2Q1 DOI:10.1016/j.jocmr.2025.101932 PMID:40602666	研究论文	开发一种深度学习算法，用于在全心脏冠状动脉磁共振血管造影中检测显著的冠状动脉狭窄	提出了一种基于深度卷积神经网络的深度学习算法，用于辅助准确检测冠状动脉狭窄，特别是对经验不足的观察者效果显著	样本量相对较小（75名患者，951个冠状动脉段），且未在更大规模或多样化的患者群体中进行验证	开发一种深度学习算法，以提高全心脏冠状动脉磁共振血管造影（CMRA）中冠状动脉狭窄的检测准确性	75名患者的951个冠状动脉段	医学影像分析	心血管疾病	深度卷积神经网络	CNN	医学影像	75名患者的951个冠状动脉段
268	2025-07-04	Leveraging FastViT based knowledge distillation with EfficientNet-B0 for diabetic retinopathy severity classification 2025-Jun-28, SLAS technology IF:2.5Q3 DOI:10.1016/j.slast.2025.100325 PMID:40588035	research paper	本研究提出了一种名为FastEffNet的新框架，利用基于Transformer的知识蒸馏技术提升糖尿病视网膜病变严重程度分类的准确性，同时降低计算复杂度	结合FastViT-MA26作为教师模型和EfficientNet-B0作为学生模型的知识蒸馏方法，在保持轻量级架构的同时实现高性能分类	研究仅基于APTOS数据集，未在其他独立数据集上进行验证	开发高效准确的深度学习模型用于糖尿病视网膜病变的自动诊断	糖尿病视网膜病变的严重程度分类	computer vision	diabetic retinopathy	knowledge distillation	FastViT-MA26, EfficientNet-B0	image	3662张图像，分为五个严重程度类别
269	2025-07-04	Revolutionizing gastroenterology and hepatology with artificial intelligence: From precision diagnosis to equitable healthcare through interdisciplinary practice 2025-Jun-28, World journal of gastroenterology IF:4.3Q1 DOI:10.3748/wjg.v31.i24.108021 PMID:40599184	research paper	本文探讨了人工智能在胃肠病学和肝脏病学中的应用，从精准诊断到公平医疗的跨学科实践	通过深度学习和多模态数据整合，AI在胃肠镜图像分析和肝脏病理非侵入性评估方面达到了与专家相当的诊断水平，并在个性化护理场景中展示了实用性	模型泛化能力有限，罕见病（如儿童肝病）算法因训练数据不足存在局限性，以及未解决的伦理问题（如偏见、责任和患者隐私）	探索人工智能在胃肠病学和肝脏病学中的应用，以实现精准诊断和公平医疗	胃肠病和肝脏病的筛查、诊断、治疗和预后管理	digital pathology	gastroenterology and hepatology	deep learning, radiomics, multimodal data integration	NA	image, multimodal data	NA
270	2025-07-04	EstimateNoiseSEM: A novel framework for deep learning based noise estimation of scanning electron microscopy images 2025-Jun-28, Ultramicroscopy IF:2.1Q2 DOI:10.1016/j.ultramic.2025.114192 PMID:40602325	研究论文	本文介绍了一种名为EstimateNoiseSEM的框架，用于自动化扫描电子显微镜（SEM）图像中的噪声估计	提出了一个多阶段深度学习方案，包括分类网络选择机制，用于优化噪声类型分类和噪声水平预测	Gamma噪声分类的准确率从97%下降到80%，由于Gamma噪声水平的不确定性	自动化估计SEM图像中的噪声类型和水平，以支持去噪过程	扫描电子显微镜（SEM）图像	计算机视觉	NA	深度学习	分类网络和回归模型	图像	合成噪声样本和实际SEM图像
271	2025-07-04	Extracting True Virus SERS Spectra and Augmenting Data for Improved Virus Classification and Quantification 2025-Jun-27, ACS sensors IF:8.2Q1 DOI:10.1021/acssensors.4c03397 PMID:40382719	研究论文	本文开发了一种深度学习框架，利用双神经网络提取真实病毒SERS光谱并估计12种不同呼吸道病毒在水中的浓度系数，以提高病毒分类和定量准确性	提出了一种深度学习框架，能够提取真实病毒SERS光谱并估计浓度系数，从而增强光谱数据集，显著提高了分类和定量预测的准确性	研究主要针对水中的病毒样本，虽然在唾液背景中也有测试，但可能在其他复杂生物样本中的适用性需要进一步验证	提高基于SERS的病毒分类和定量检测的准确性和灵敏度	12种不同的呼吸道病毒	机器学习	呼吸道病毒感染	表面增强拉曼光谱(SERS)	XGBoost	光谱数据	12种不同呼吸道病毒的水中和唾液样本
272	2025-07-04	Radiomic 'Stress Test': exploration of a deep learning radiomic model in a high-risk prospective lung nodule cohort 2025-Jun-27, BMJ open respiratory research IF:3.6Q1 DOI:10.1136/bmjresp-2024-002687 PMID:40579208	研究论文	本研究探讨了深度学习放射组学模型在高风险前瞻性肺结节队列中的应用，以评估其减少侵入性活检需求的潜力	首次在高风险前瞻性肺结节队列中评估了LCP放射组学模型的诊断性能，并开发了结合临床变量的集成模型	研究样本量相对有限（196恶性结节和125良性结节），且仅在单一三级医疗中心进行	评估深度学习放射组学模型在肺结节恶性风险预测中的性能，并探索减少不必要侵入性活检的可能性	不确定肺结节（IPNs）患者	数字病理	肺癌	深度学习放射组学	深度学习模型（LCP）	医学影像	321例肺结节（196恶性，125良性）
273	2025-07-04	Deep learning for hydrocephalus prognosis: Advances, challenges, and future directions: A review 2025-Jun-27, Medicine IF:1.3Q2 DOI:10.1097/MD.0000000000043082 PMID:40587678	综述	本文综述了深度学习在脑积水的诊断和预后中的应用，重点关注基于图像、生化和结构化数据的模型	深度学习在脑积水预后预测中展现出新的技术优势，特别是在医学图像分析方面，其准确率、敏感性和特异性均优于传统方法	综述文章未具体提及深度学习在脑积水预后中的具体局限性，但暗示了传统经验方法的不足	探讨深度学习在脑积水诊断和预后中的应用，以提升个性化治疗和改善治疗效果	脑积水患者	数字病理学	脑积水	深度学习	CNN	图像、生化数据、结构化数据	NA
274	2025-07-04	FSDA-DG: Improving cross-domain generalizability of medical image segmentation with few source domain annotations 2025-Jun-27, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103704 PMID:40602210	研究论文	提出了一种名为FSDA-DG的新方法，旨在通过少量源域标注提高医学图像分割的跨域泛化能力	引入了语义引导的半监督数据增强方法，结合多解码器U-Net管道半监督学习网络，以增强数据分布和域不变表示学习	仅在两个具有有限标注的单域泛化任务中进行了验证，可能需要更多样化的数据集来进一步验证其泛化能力	提高医学图像分割在跨域情况下的泛化能力，减少数据标注和开发成本	医学图像分割	数字病理	NA	半监督学习(SSL)	多解码器U-Net	图像	NA
275	2025-07-04	Speech imagery brain-computer interfaces: a systematic literature review 2025-Jun-26, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/ade28e PMID:40490003	系统综述	本文系统综述了语音意象脑机接口（SI-BCI）解码流程的重要方面	总结了语音意象解码领域20年来的研究趋势，比较了不同神经影像模态和信号处理方法，并量化了解码效率	只有不到6%的研究报告了实时解码，大多数研究集中在离线分析上，方法多样性导致难以确定当前最先进水平	评估语音意象作为脑机接口范式的潜力和现状	语音意象（SI）及其在脑机接口中的应用	脑机接口	NA	神经影像技术（未具体说明）	深度学习模型	神经信号数据	104篇同行评议报告
276	2025-07-04	Rethinking deep learning in bioimaging through a data centric lens 2025-Jun-26, Npj imaging.. DOI:10.1038/s44303-025-00092-0 PMID:40604161	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
277	2025-07-04	Learning from small datasets-review of workshop 6 of the 10th International BCI Meeting 2023 2025-Jun-24, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/addf80 PMID:40456256	review	本文回顾了2023年第十届国际BCI会议第六次研讨会的内容，重点讨论了在小数据集上训练分类或回归机器学习模型的最新技术	探讨了传统机器学习和深度学习方法在小数据集上的应用，并讨论了相关Python工具箱和分类模型基准测试	NA	减少脑机接口(BCI)中的校准时间，提高BCI应用的可用性和用户接受度	脑机接口(BCI)的解码器模型	machine learning	NA	NA	classification or regression machine learning models	small datasets	NA
278	2025-07-04	Investigating correlations between mental disorders and fundus imaging data using deep learning: A study from the UK Biobank 2025-Jun-24, Retina (Philadelphia, Pa.) DOI:10.1097/IAE.0000000000004574 PMID:40601933	研究论文	本研究利用深度学习技术探索眼底成像数据与精神障碍之间的关联，并评估其在非侵入性早期检测中的潜力	首次采用深度学习多模态训练方法分析眼底成像特征与精神障碍的相关性，并提出一种非侵入性早期检测的新途径	研究样本量相对有限（1494名参与者），且结果需要更大规模研究验证	自动识别精神行为障碍并解释精神疾病与眼底生物标志物之间的潜在关联	UK Biobank数据库中1494名参与者的眼底图像和OCT测量特征	数字病理学	精神障碍	光学相干断层扫描(OCT)	深度学习多模态模型、Random Forest分类器、Linear分类器	图像（眼底图像和OCT扫描数据）	1494名UK Biobank参与者
279	2025-07-04	GOBoost: Leveraging Long-Tail Gene Ontology Terms for Accurate Protein Function Prediction 2025-Jun-23, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaf267 PMID:40581608	research paper	提出了一种名为GOBoost的新方法，通过优化长尾基因本体术语来提高蛋白质功能预测的准确性	引入了长尾优化集成策略、全局-局部标签图模块和多粒度焦点损失函数，以增强长尾功能信息并缓解长尾现象	NA	提高蛋白质功能预测的准确性，特别是针对长尾分布的基因本体术语	蛋白质功能预测	machine learning	NA	deep learning	GOBoost	protein data	PDB和AF2数据集
280	2025-07-04	Fast intraoperative detection of primary central nervous system lymphoma and differentiation from common central nervous system tumors using stimulated Raman histology and deep learning 2025-Jun-21, Neuro-oncology IF:16.4Q1 DOI:10.1093/neuonc/noae270 PMID:39673805	研究论文	结合受激拉曼组织学（SRH）和深度学习技术，开发了一种名为RapidLymphoma的快速术中检测方法，用于区分原发性中枢神经系统淋巴瘤（PCNSL）和其他中枢神经系统肿瘤	首次将SRH与深度学习结合，实现了PCNSL的快速术中检测和鉴别，准确率高且速度快	研究样本主要来自四个国际医疗中心，可能存在一定的样本选择偏差	开发一种快速、准确的术中检测方法，以区分PCNSL和其他中枢神经系统肿瘤	原发性中枢神经系统淋巴瘤（PCNSL）和其他中枢神经系统肿瘤	数字病理学	中枢神经系统淋巴瘤	受激拉曼组织学（SRH）	深度学习	图像	训练数据包括54,000个SRH图像块，测试队列包括160、420和59个样本