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
2901	2025-07-03	Deep learning-enhanced image analysis for liquid crystal optical sensing 2025-Jul-01, Optics letters IF:3.1Q2 DOI:10.1364/OL.561960 PMID:40591341	research paper	本研究利用VGG16深度学习模型加速液晶光学图像分析，提升传感速度和灵敏度	首次将VGG16深度学习模型应用于液晶光学图像分析，显著提高了传感速度和分类准确率	研究仅针对两种代表性表面活性剂和胰岛素特异性适配体进行测试，未涵盖更广泛的传感目标	提升液晶光学传感器的图像分析速度和精度	液晶光学图像	computer vision	NA	深度学习图像分析	VGG16	image	使用两种代表性表面活性剂（CTAB和SDS）及胰岛素特异性适配体进行测试
2902	2025-07-03	Co-phase errors simultaneous detection for optical sparse aperture systems via deep learning 2025-Jul-01, Optics letters IF:3.1Q2 DOI:10.1364/OL.562369 PMID:40591336	研究论文	提出了一种基于深度学习的稀疏孔径光学系统共相误差同时检测方法	首次实现了活塞误差和倾斜误差的同时检测，通过分离网络消除误差间的干扰	方法依赖于模拟数据验证，实际光学系统中的噪声和扰动可能影响检测精度	提高稀疏孔径光学系统的共相误差检测效率和精度	光学稀疏孔径系统的共相误差（活塞误差和倾斜误差）	计算机视觉	NA	深度学习	分离网络和检测网络	光学传递函数相关特征图	NA
2903	2025-07-03	Orbital CT deep learning models in thyroid eye disease rival medical specialists' performance in optic neuropathy prediction in a quaternary referral center and revealed impact of the bony walls 2025-Jul-01, Orbit (Amsterdam, Netherlands) DOI:10.1080/01676830.2025.2521868 PMID:40591440	研究论文	开发并评估用于甲状腺眼病患者视神经病变预测的轨道CT深度学习模型	深度学习模型在视神经病变分类上的表现与医学专家相当，并揭示了骨壁的影响	研究样本量较小，仅包括126名患者	开发并评估用于甲状腺眼病患者视神经病变预测的深度学习模型	甲状腺眼病患者	数字病理	甲状腺眼病	深度学习	深度学习模型	CT图像	126名患者，252个轨道
2904	2025-07-03	Zero-shot segmentation of spinal vertebrae with metastatic lesions: an analysis of Meta's Segment Anything Model 2 and factors affecting learning free segmentation 2025-Jul-01, Neurosurgical focus IF:3.3Q1 DOI:10.3171/2025.4.FOCUS25234 PMID:40591965	研究论文	评估Meta的Segment Anything Model 2（SAM 2）在无需预训练的情况下对脊柱转移瘤椎体的分割能力	首次评估了通用分割模型SAM 2在脊柱转移瘤椎体分割中的零样本学习能力	在胸椎、女性患者和肥胖患者中的分割性能显著较差	评估零样本学习模型在脊柱转移瘤椎体分割中的准确性和适用性	脊柱CT扫描中的椎体及其转移瘤	医学影像分析	脊柱转移瘤	CT扫描	SAM 2	医学影像	55名患者的779个胸腰椎椎体，其中167个有转移瘤
2905	2025-07-03	Image-based detection of the internal carotid arteries and sella turcica in endoscopic endonasal transsphenoidal surgery 2025-Jul-01, Neurosurgical focus IF:3.3Q1 DOI:10.3171/2025.4.FOCUS24940 PMID:40591959	研究论文	本研究评估了深度学习模型在内窥镜经鼻蝶手术视频中检测蝶鞍和双侧颈内动脉的性能	使用YOLOv5s目标检测架构在EETS视频中自动识别关键解剖标志，以预防潜在致命损伤	模型需要来自不同环境的新数据以提高泛化能力和促进迁移学习	评估深度学习模型在EETS手术中检测关键解剖结构的性能	内窥镜经鼻蝶手术视频中的蝶鞍和双侧颈内动脉	计算机视觉	NA	深度学习	YOLOv5s	视频	98名患者的EETS手术视频图像
2906	2025-07-03	Open-source AI-assisted rapid 3D color multimodal image fusion and preoperative augmented reality planning of extracerebral tumors 2025-Jul-01, Neurosurgical focus IF:3.3Q1 DOI:10.3171/2025.4.FOCUS24557 PMID:40591963	research paper	开发了一种基于开源AI辅助的快速3D彩色多模态图像融合和增强现实技术，用于脑外肿瘤手术的术前规划和手术引导	结合了开源AI工具（FastSurfer/Raidionics）与AR可视化，创建了一个高效的3D彩色多模态图像融合工作流程，通过彩色编码功能映射和血管关系可视化增强解剖理解	研究仅针对脑外肿瘤患者，样本量为130人，可能无法推广到其他类型的肿瘤或更大规模的人群	开发一种先进的术前规划和手术引导方法，以提高手术精确度并减少围手术期风险	130名脑外肿瘤患者	digital pathology	extracerebral tumors	AI-assisted rapid 3D color multimodal image fusion, augmented reality	FastSurfer, Raidionics-Slicer	3D image	130名脑外肿瘤患者
2907	2025-07-03	Generation of synthetic CT-like imaging of the spine from biplanar radiographs: comparison of different deep learning architectures 2025-Jul-01, Neurosurgical focus IF:3.3Q1 DOI:10.3171/2025.4.FOCUS25170 PMID:40591967	研究论文	本研究比较了两种深度学习架构（GANs和CNN-INRs）在从双平面X光片生成脊柱合成CT（sCT）图像方面的表现	比较了GAN和CNN-INR两种架构在生成脊柱sCT图像上的性能，发现GAN在解剖细节和视觉真实性上表现更优	两种模型均未达到临床级输出水平	寻找一种稳健且临床可行的术中成像技术，以减少辐射暴露并提高成像可及性	脊柱CT图像	计算机视觉	NA	深度学习	GAN, CNN-INR	图像	216个训练案例和54个验证案例
2908	2025-07-03	Deep learning-based clinical decision support system for intracerebral hemorrhage: an imaging-based AI-driven framework for automated hematoma segmentation and trajectory planning 2025-Jul-01, Neurosurgical focus IF:3.3Q1 DOI:10.3171/2025.5.FOCUS25246 PMID:40591968	research paper	本文介绍了一种基于深度学习的临床决策支持系统，用于脑出血的自动血肿分割和轨迹规划	提出了一种集成nnU-Net的血肿和颅骨分割、CT重定向、安全区划分及轨迹优化的AI驱动框架，旨在降低手术规划对操作者的依赖	系统在幕下血肿中的应用仍存在局限	开发一个AI驱动的决策支持和规划系统，以普及手术规划并减少操作者依赖性	347名脑出血患者（31,024张CT切片）	digital pathology	intracerebral hemorrhage	CT imaging	nnU-Net	image	347名患者（31,024张CT切片）
2909	2025-07-03	A novel deep learning system for automated diagnosis and grading of lumbar spinal stenosis based on spine MRI: model development and validation 2025-Jul-01, Neurosurgical focus IF:3.3Q1 DOI:10.3171/2025.4.FOCUS24670 PMID:40591977	研究论文	开发了一种基于脊柱MRI的深度学习系统，用于自动诊断和分级腰椎管狭窄症	设计了一种改进的单阶段YOLOv5网络，用于同时检测感兴趣区域(ROIs)和分级腰椎中央管狭窄(LCS)、侧隐窝狭窄(LRS)及腰椎间孔狭窄(LFS)	研究样本量相对较小，外部测试集仅包含50名患者	开发一个自动化系统用于腰椎管狭窄症的诊断和分级	接受腰椎MRI检查的住院患者	数字病理	腰椎管狭窄症	MRI	改进的YOLOv5网络	图像	内部数据集420名患者，外部测试集50名患者
2910	2025-07-03	Photon-counting detector CT of the brain reduces variability of Hounsfield units and has a mean offset compared with energy-integrating detector CT 2025-Jul-01, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8910 PMID:40592542	research paper	本研究比较了光子计数探测器CT（PCD-CT）与能量积分探测器CT（EID-CT）在脑部成像中的Hounsfield单位（HU）变异性、灰质与白质对比及图像噪声	首次全面比较PCD-CT与EID-CT在脑部成像中的HU值、图像噪声及灰质白质对比，揭示了PCD-CT在降低图像噪声和HU值偏移方面的优势	研究未涉及脑部病理情况，且未来需进一步研究调整窗位预设的必要性	比较PCD-CT与EID-CT在脑部成像中的性能差异	脑部灰质和白质的CT成像数据	医学影像	NA	光子计数探测器CT（PCD-CT）和能量积分探测器CT（EID-CT）	深度学习分割	CT图像	329例EID-CT患者和180例PCD-CT患者
2911	2025-07-03	Evaluation of the effectiveness of artificial intelligence models in radiopaque and radiolucent lesions of the maxillofacial region on panoramic radiographs 2025-Jul-01, Oral radiology IF:1.6Q3 DOI:10.1007/s11282-025-00838-x PMID:40593453	研究论文	本研究评估了深度学习算法在颌面部区域全景X光片中放射线不透和放射线可透病变的分类、检测和分割中的效果	首次比较了多种深度学习架构（AlexNet、VGG16、GoogleNet和YOLOv8）在颌面部病变自动分析中的表现，并确定了最佳性能模型	研究样本年龄跨度较大（12-80岁），可能影响模型的泛化能力，且未说明具体样本数量	评估人工智能模型在颌面部放射影像病变分析中的有效性	颌面部区域的放射线不透和放射线可透病变	计算机视觉	颌面部疾病	深度学习	AlexNet, VGG16, GoogleNet, YOLOv8	医学影像（全景X光片）	NA
2912	2025-07-03	The deep radon prior-based stationary CT image reconstruction algorithm for two phase flow inspection 2025-Jul, Journal of X-ray science and technology IF:1.7Q3 DOI:10.1177/08953996251322078 PMID:40600316	研究论文	提出了一种基于深度Radon先验的静态CT图像重建算法，用于两相流检测	提出了一种名为Deep Radon Prior (DRP)的无监督深度学习算法，直接从投影数据重建图像，优化Radon域中的误差，并利用神经网络学习图像中的规则信息	受限于系统的整体物理布置，CT系统只能收集不完全的稀疏投影数据	研究高流速两相流在小直径合金钢管中的流动模式和空隙率的测量方法	两相流在热传递管道中的状态	计算机视觉	NA	静态计算机断层扫描(CT)	深度学习	图像	NA
2913	2025-07-03	Learning salient representation of crashes and near-crashes using supervised contrastive variational autoencoder 2025-Jun-30, Accident; analysis and prevention DOI:10.1016/j.aap.2025.108148 PMID:40592011	研究论文	本研究提出了一种新颖的深度学习模型scVAE，用于学习安全关键事件（如碰撞和接近碰撞）的显著表示，以提高道路安全	将监督对比学习方法整合到变分自编码器（VAE）框架中，通过两个不同的编码器使显著潜在变量具有区分性，并专注于最相关的表示以进行准确聚类	NA	提高道路安全，通过学习安全关键事件的显著表示来改进聚类、样本生成、去噪和预测等下游任务	安全关键事件（包括碰撞和接近碰撞）	机器学习	NA	监督对比学习，变分自编码器（VAE）	scVAE（监督对比变分自编码器）	运动学数据集	第二战略公路研究计划（SHRP 2）自然驾驶研究数据集
2914	2025-07-03	Explainable, federated deep learning model predicts disease progression risk of cutaneous squamous cell carcinoma 2025-Jun-28, NPJ precision oncology IF:6.8Q1 DOI:10.1038/s41698-025-00997-4 PMID:40581685	研究论文	开发了一种基于Transformer的可解释、联邦深度学习模型，用于预测皮肤鳞状细胞癌患者的疾病进展风险	首次将Transformer模型应用于皮肤鳞状细胞癌的疾病进展预测，并通过联邦学习提高模型的泛化能力和隐私保护	外部验证队列的平均AUROC为0.65，表明模型在外部数据上的表现有待提高	预测皮肤鳞状细胞癌患者的疾病进展风险，以促进个性化医疗和二级预防	皮肤鳞状细胞癌患者	数字病理学	皮肤鳞状细胞癌	深度学习	Transformer	图像	三个临床中心的数据
2915	2025-07-03	AI-supported versus manual microscopy of Kato-Katz smears for diagnosis of soil-transmitted helminth infections in a primary healthcare setting 2025-Jun-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-07309-7 PMID:40579399	研究论文	比较AI支持与手动显微镜在初级医疗环境中诊断土壤传播蠕虫感染的效果	使用便携式全玻片扫描仪和基于深度学习的AI技术，提高了对轻强度感染的检测灵敏度	研究样本仅来自肯尼亚的学龄儿童，可能限制了结果的普遍性	评估AI技术在诊断土壤传播蠕虫感染中的效果	土壤传播蠕虫（蛔虫、鞭虫和钩虫）	数字病理学	寄生虫感染	深度学习	AI	图像	965份粪便样本（最终分析704份）
2916	2025-07-03	HybridDLDR: A hybrid deep learning-based drug resistance prediction system of Glioblastoma (GBM) using molecular descriptors and gene expression data 2025-Jun-27, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108913 PMID:40592112	研究论文	本文提出了一种基于深度学习的混合模型HybridDLDR，用于预测胶质母细胞瘤(GBM)的耐药性	结合了CNN、LSTM和transformer架构，利用分子描述符和基因表达数据进行耐药性预测	未提及具体数据集的样本量和多样性限制	改进癌症治疗期间的药物效果预测	胶质母细胞瘤(GBM)的耐药性	机器学习	胶质母细胞瘤	深度学习	CNN, LSTM, transformer	基因表达数据和化学性质数据	NA
2917	2025-07-03	Estimating the extent and sources of model uncertainty in political science 2025-Jun-24, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2414926122 PMID:40526713	研究论文	本文提出了一种结合极端边界分析和多元宇宙方法的新方法，用于系统评估政治科学中的模型不确定性及其来源	结合极端边界分析和多元宇宙方法，开发了一种新的敏感性分析方法，能够同时评估多个维度的模型不确定性	未提及具体局限性	评估政治科学中的模型不确定性及其来源	政治科学中的四个主题：民主化、制度信任、公共产品提供和福利国家慷慨	政治科学	NA	极端边界分析、多元宇宙方法	最近1-邻居、逻辑回归、深度学习	统计估计	超过36亿次估计
2918	2025-07-03	Advances and challenges in pathomics for liver cancer: From diagnosis to prognostic stratification 2025-Jun-24, World journal of clinical oncology IF:2.6Q3 DOI:10.5306/wjco.v16.i6.107646 PMID:40585839	综述	本文综述了病理组学在肝癌从诊断到预后分层中的进展与挑战	整合AI与定量病理图像分析，通过深度学习解析肝癌的异质性，实现肿瘤分类、微血管侵犯检测、复发风险分层和生存预测	多中心验证研究有限，模型可解释性不足，临床工作流程整合存在瓶颈	推动病理组学在肝癌精准医疗中的应用，改善个性化治疗策略	肝细胞癌（HCC）和胆管癌	数字病理学	肝癌	AI驱动的病理图像分析	深度学习	病理全切片图像	NA
2919	2025-07-03	Multimodal deep learning for predicting neoadjuvant treatment outcomes in breast cancer: a systematic review 2025-Jun-23, Biology direct IF:5.7Q1 DOI:10.1186/s13062-025-00661-8 PMID:40551237	系统综述	本文综述了多模态深度学习在预测乳腺癌新辅助治疗结果中的应用，并比较了其与单模态深度学习的性能	整合多种数据源（放射学、病理学、组学、临床）的多模态深度学习在预测病理完全缓解（pCR）方面显示出更高的准确性	方法学异质性大，依赖回顾性数据，外部验证有限，阻碍了临床转化	评估多模态深度学习在预测乳腺癌新辅助治疗结果中的准确性和应用潜力	接受新辅助系统治疗的乳腺癌患者	数字病理学	乳腺癌	深度学习	CNN	多模态数据（放射学、数字病理学、组学、临床记录）	51项研究，中位队列281例
2920	2025-07-03	BoneDat, a database of standardized bone morphology for in silico analyses 2025-Jun-20, Scientific data IF:5.8Q1 DOI:10.1038/s41597-025-05161-y PMID:40541988	研究论文	介绍了一个名为BoneDat的标准化骨骼形态数据库，用于骨科和进化生物学领域的计算机模拟分析	开发了一个包含标准化骨骼形态数据的综合数据库，解决了该领域缺乏高质量数据集的限制	数据集仅包含278例临床腰骨盆CT扫描，可能不足以覆盖所有人群的多样性	提高计算机模拟分析的重复性和可信度，支持深度学习模型的训练和基准测试	人类骨骼形态数据，特别是腰骨盆区域的骨骼	数字病理	骨科疾病	CT扫描	深度学习模型	图像	278例临床腰骨盆CT扫描，年龄在16至91岁之间，按性别和年龄组平衡