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
2881	2025-07-04	Towards Investigating Residual Hearing Loss: Quantification of Fibrosis in a Novel Cochlear OCT Dataset 2025-Jul, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3537868 PMID:40031386	研究论文	本研究通过光学相干断层扫描（OCT）技术，探索了耳蜗植入后纤维化的定量分析，旨在改善混合耳蜗植入物的效果	首次将计算机视觉技术应用于植入耳蜗纤维化的OCT数据集，开发了名为2D-OCT-UNET的改进UNET架构	研究基于豚鼠模型，结果向人类临床应用的转化需要进一步验证	研究耳蜗纤维化的形成机制，减少纤维化负担，提高混合耳蜗植入物的疗效	长期植入耳蜗的豚鼠模型	计算机视觉	听力损失	光学相干断层扫描（OCT）	改进的UNET架构（2D-OCT-UNET）	图像	未明确提及样本数量，但使用了长期植入耳蜗的豚鼠OCT图像数据集
2882	2025-07-04	Deep learning-based segmentation of the trigeminal nerve and surrounding vasculature in trigeminal neuralgia 2025-Jul-01, Journal of neurosurgery IF:3.5Q1 DOI:10.3171/2024.10.JNS241060 PMID:40053933	研究论文	本研究应用深度学习模型对三叉神经痛患者的MRI图像进行三叉神经及周围血管的分割，以量化神经和血管的解剖特征	首次使用基于U-Net的深度学习模型对三叉神经及周围血管进行自动分割，并开发了定量评估三叉神经痛的客观指标	研究样本量较小（仅50例患者），且为单中心回顾性研究	开发一种自动分割三叉神经及周围血管的方法，为三叉神经痛的术前评估提供定量指标	三叉神经痛患者的MRI图像	数字病理学	三叉神经痛	MRI	U-Net（SE-ResNet50为主干网络）	图像	50例三叉神经痛患者的术前高分辨率MRI数据
2883	2025-07-04	A Contrast-Enhanced Ultrasound Cine-Based Deep Learning Model for Predicting the Response of Advanced Hepatocellular Carcinoma to Hepatic Arterial Infusion Chemotherapy Combined With Systemic Therapies 2025-Jul, Cancer science IF:4.5Q1 DOI:10.1111/cas.70089 PMID:40302359	研究论文	本研究开发了一种基于对比增强超声视频的深度学习模型，用于预测晚期肝细胞癌对肝动脉灌注化疗联合系统疗法的治疗反应	创新性地结合了时空注意力模块以增强动态特征提取能力	研究为回顾性分析，可能存在选择偏倚	预测晚期肝细胞癌患者对联合治疗方案的疗效反应	晚期肝细胞癌患者	数字病理	肝细胞癌	对比增强超声(CEUS)	AE-3DNet, 3DNet	视频	326名患者(内部验证队列243名，外部验证队列83名)
2884	2025-07-04	Enhanced Maize Leaf Disease Detection and Classification Using an Integrated CNN-ViT Model 2025-Jul, Food science & nutrition IF:3.5Q2 DOI:10.1002/fsn3.70513 PMID:40599357	研究论文	本文提出了一种结合CNN和ViT的混合深度学习框架，用于增强玉米叶部病害的检测和分类	通过结合CNN的局部特征提取能力和ViT的长距离上下文依赖捕捉能力，提出了一种新颖的混合模型，显著提高了分类性能	模型在CD&S数据集上的表现略低于主数据集，可能存在一定的泛化限制	开发一种高精度的自动化玉米叶部病害检测方法	玉米叶部病害图像	计算机视觉	植物病害	深度学习	CNN-ViT混合模型	图像	来自Mendeley、Kaggle和CD&S数据集的玉米病害图像
2885	2025-07-04	Python-driven impedance profiling on peptide-functionalized biosensor for detection of HIV gp41 envelope protein 2025-Jul, 3 Biotech IF:2.6Q3 DOI:10.1007/s13205-025-04400-8 PMID:40599495	研究论文	本研究提出了一种无标记阻抗生物传感器，用于检测HIV包膜蛋白gp41，使用抗菌肽作为生物识别受体	首次使用抗菌肽作为生物识别受体，结合Python驱动的深度学习算法进行阻抗数据分析	未提及在复杂生物样本中的实际应用效果	开发一种快速、灵敏且可重复的HIV早期诊断平台	HIV包膜蛋白gp41	生物传感器	HIV感染	电化学阻抗谱(EIS)、扫描电子显微镜、Python深度学习算法	深度学习回归模型	阻抗数据	NA
2886	2025-07-04	Comparison of Deep Learning Models for fast and accurate dose map prediction in Microbeam Radiation Therapy 2025-Jul-01, 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.2025.105012 PMID:40602228	研究论文	比较两种深度学习模型在微束放射治疗中快速准确预测剂量图的性能	首次在微束放射治疗中比较基于图卷积网络和3D U-Net的深度学习模型	研究仅基于大鼠的临床前数据，未涉及人体数据	比较不同深度学习模型在微束放射治疗剂量预测中的性能	微束放射治疗中的剂量分布	数字病理	NA	深度学习	Graph-Convolutional-Network, 3D U-Net	3D剂量图	用于MRT临床前研究的大鼠数据
2887	2025-07-04	Cephalometric landmark detection using vision transformers with direct coordinate prediction 2025-Jul-01, Journal of cranio-maxillo-facial surgery : official publication of the European Association for Cranio-Maxillo-Facial Surgery DOI:10.1016/j.jcms.2025.05.021 PMID:40603150	research paper	提出了一种使用Vision Transformers (ViTs)直接预测坐标的新方法，用于头影测量标志点检测(CLD)，避免了传统热图预测的内存密集型问题	首次将Vision Transformers与直接坐标预测相结合应用于CLD任务，相比现有方法在平均径向误差上提升了2毫米以上	未明确指出具体局限性，但暗示传统CNN方法在特定数据集上可能过拟合，泛化能力不足	改进头影测量标志点检测的自动化方法，提升检测精度和临床应用潜力	侧位X射线图像中的头影测量标志点	computer vision	NA	Vision Transformers (ViTs), 直接坐标预测	Vision Transformers (ViTs)	X-ray图像	未明确说明样本数量
2888	2025-07-04	The power spectrum map of gyro-sulcal functional activity dissociation in macaque brains 2025-Jul-01, Cerebral cortex (New York, N.Y. : 1991) DOI:10.1093/cercor/bhaf160 PMID:40605313	研究论文	本研究利用一维卷积神经网络（1D-CNN）分析猕猴大脑中脑回与脑沟在静息态功能磁共振成像信号中的功能分离特性，并建立了首个猕猴脑回-脑沟功能活动分离的功率谱图	首次建立了猕猴脑回-脑沟功能活动分离的功率谱图，为系统探索哺乳动物大脑功能分离的神经机制提供了新视角	研究仅基于静息态功能磁共振成像数据，未涉及任务态或其他模态的神经影像数据	探究猕猴大脑中脑回与脑沟在功能活动上的频率特异性分离特征	440只猕猴（来自两个独立站点的静息态功能磁共振成像数据）	神经影像分析	NA	静息态功能磁共振成像（rs-fMRI）	一维卷积神经网络（1D-CNN）	神经影像数据	440只猕猴
2889	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
2890	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
2891	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
2892	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
2893	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
2894	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
2895	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
2896	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
2897	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）
2898	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
2899	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
2900	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