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
301	2025-07-07	CT-derived pectoralis composition and incident pneumonia hospitalization using fully automated deep-learning algorithm: multi-ethnic study of atherosclerosis 2024-Jun, European radiology IF:4.7Q1 DOI:10.1007/s00330-023-10372-1 PMID:37951855	研究论文	本研究利用深度学习算法从常规胸部CT中自动提取胸肌组成指标，并探讨这些指标与肺炎住院事件的纵向关联	首次使用全自动深度学习算法(Mask R-CNN)从常规胸部CT中提取胸肌组成指标，并发现其在COPD患者中的肺炎预测价值	研究结果仅在COPD患者群体中具有显著性，样本量有限(2595名参与者)	探究胸部CT衍生的胸肌组成指标与肺炎住院事件的关联	多民族动脉粥样硬化研究(MESA)的参与者	数字病理学	慢性阻塞性肺疾病(COPD)	深度学习算法	Mask R-CNN (基于Faster R-CNN)	CT图像	2595名参与者(51%女性，中位年龄68岁)，其中507名COPD患者
302	2025-07-07	Automated detection and segmentation of thoracic lymph nodes from CT using 3D foveal fully convolutional neural networks 2021-04-13, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-021-00599-z PMID:33849483	研究论文	开发了一种基于3D foveal全卷积神经网络的工具，用于自动检测和分割胸部CT扫描中的淋巴结	使用3D foveal patches的全卷积神经网络进行淋巴结的自动检测和分割	在较小淋巴结（短轴直径5-10mm）的检测率（62.2%）低于较大淋巴结（91.6%）	开发自动检测和分割胸部淋巴结的工具，以辅助临床工作和无观察者偏见的放射组学研究	胸部CT扫描中的淋巴结	数字病理	肺癌	CT扫描	3D foveal全卷积神经网络	3D医学影像	训练集：89例增强CT扫描（4275个淋巴结），测试集：15例增强CT扫描
303	2025-07-06	Deep learning methods for clinical workflow phase-based prediction of procedure duration: a benchmark study 2025-12, Computer assisted surgery (Abingdon, England) DOI:10.1080/24699322.2025.2466426 PMID:39992712	研究论文	本研究评估了深度学习模型在预测心脏导管实验室（cath lab）手术结束时间方面的性能	仅使用视频分析得出的临床阶段作为算法输入，InceptionTime和LSTM-FCN模型实现了最准确的预测	需要在不同的手术环境中验证这些发现，并探索在不损失准确性的情况下优化训练时间的方法	评估深度学习模型在预测手术结束时间方面的性能，以提高心脏导管实验室的效率	心脏导管实验室（cath lab）的手术	机器学习	心血管疾病	视频分析	InceptionTime, LSTM-FCN, LSTM with attention mechanism, standard LSTM, CNN, Transformer	视频	NA
304	2025-07-06	MLP-UNet: an algorithm for segmenting lesions in breast and thyroid ultrasound images 2025-12, Computer assisted surgery (Abingdon, England) DOI:10.1080/24699322.2025.2523266 PMID:40580163	研究论文	提出了一种名为MLP-UNet的深度学习模型，用于自动分割乳腺和甲状腺超声图像中的病变区域	MLP-UNet采用U形编码器-解码器架构，并在编码器阶段集成了基于MLP的模块（MAP），同时在跳跃连接中使用了轻量级注意力模块以增强特征表示	NA	提高乳腺和甲状腺超声图像中病变分割的准确性和实时性，以指导活检和手术中的精确针头放置	乳腺肿瘤和甲状腺结节	计算机视觉	乳腺癌, 甲状腺癌	深度学习	MLP-UNet	超声图像	使用了BUSI和DDTI两个数据集进行验证
305	2025-07-06	AgCV: An Agentic framework for automating computer vision application 2025-Dec, MethodsX IF:1.6Q2 DOI:10.1016/j.mex.2025.103424 PMID:40612263	研究论文	本文提出了一个名为Agentic Computer Vision (AgCV)的框架，旨在通过自主代理自动化复杂的计算机视觉任务	AgCV框架结合了LangGraph、自然语言处理、深度学习和数据科学，构建了自适应、用户驱动的计算机视觉流程，并通过用户交互实现全自动化流水线	NA	自动化复杂的计算机视觉任务，降低技术门槛，提升计算机视觉应用的可访问性、可扩展性和灵活性	计算机视觉任务，如图像识别、分类和分割	计算机视觉	NA	自然语言处理、深度学习、数据科学	LangGraph、RAG	图像	NA
306	2025-07-06	Automated material flow characterization of WEEE in sorting plants using deep learning and regression models on RGB data 2025-Aug-01, Waste management (New York, N.Y.) DOI:10.1016/j.wasman.2025.114904 PMID:40424857	研究论文	本研究开发了一种基于RGB摄像头和深度学习的自动化方法，用于电子废弃物（WEEE）分选厂中的物料流成分分析	结合深度学习进行材料类型识别、回归模型预测单个颗粒质量，并将质量汇总为物料流成分	方法尚未在粉碎后的WEEE中成功应用	优化电子废弃物回收过程中的自动化粉碎和分离工艺	电子废弃物（WEEE）中的铁金属、非铁金属、印刷电路板和塑料	计算机视觉	NA	RGB摄像头数据采集	YOLO v11, K-nearest neighbors回归	RGB图像	NA
307	2025-07-06	Pollen morphology, deep learning, phylogenetics, and the evolution of environmental adaptations in Podocarpus 2025-Aug, The New phytologist DOI:10.1111/nph.70250 PMID:40458972	研究论文	本研究利用深度学习和系统发育框架分析了Podocarpus花粉形态与环境因素的关系，探讨了温度、降水、海拔和太阳辐射对形态变化的影响	首次将深度学习量化特征与系统发育分析结合，揭示了环境适应在花粉形态进化中的作用	研究仅针对31个新热带区Podocarpidites化石样本，样本代表性可能有限	探究环境因素对Podocarpus花粉形态进化的影响	Podocarpus花粉形态特征	植物进化生物学	NA	深度学习, 系统发育分析	深度学习模型(未指定具体类型), 性状-环境回归模型	花粉形态图像数据, 环境参数数据	31个新热带区Podocarpidites化石样本
308	2025-07-06	Generation of ultrasonic and audible sound waves for the automatic classification of packaging waste in reverse vending machines 2025-Aug-01, Waste management (New York, N.Y.) DOI:10.1016/j.wasman.2025.114934 PMID:40489934	研究论文	本文提出了一种利用声学传感器进行包装废物分类的新方法，以解决现有逆向自动售货机(RVMs)在废物分类中的局限性	采用超声波和可听声波分析声场变化，结合人工智能系统对材料进行分类，避免了传统方法对昂贵传感器和复杂环境条件的依赖	验证仅在受控环境中进行，尚未在实际RVMs环境中测试	开发一种基于声学技术的低成本、高效废物分类方法	塑料、玻璃、纸板和金属罐等可回收物品	机器学习	NA	指数正弦扫描(ESS)技术	经典机器学习和深度学习模型	声学数据	NA
309	2025-07-06	Develop intelligent waste bin prototype based on fusion feature recognition of sounds and RGB images 2025-Aug-01, Waste management (New York, N.Y.) DOI:10.1016/j.wasman.2025.114959 PMID:40554027	研究论文	开发了一种基于声音和RGB图像融合特征识别的智能垃圾桶原型，用于城市固体废物的分类	首次采用多模态深度学习方法（MDLM）整合图像和声音数据进行城市固体废物识别	改进相对有限，且未来研究需要探索包含更多RGB图像以开发更稳健的融合特征	提升城市固体废物的自动分类效率，推动循环经济的发展	城市固体废物（MSW）	计算机视觉与音频处理	NA	Mel频率倒谱系数（MFCCs），ResNet-101，LSTM网络	MDLM（多模态深度学习模型），LSTM	音频信号，RGB图像	NA
310	2025-07-06	BengalDeltaFish: A local dataset for fish detection in Bangladeshi markets 2025-Aug, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2025.111764 PMID:40612467	research paper	该论文介绍了BengalDeltaFish数据集，用于在孟加拉国市场的真实环境中检测鱼类	数据集在非受控的真实市场环境中收集，包含多种鱼类及罕见物种，填补了现有数据集的空白	数据集仅包含孟加拉国市场的鱼类，可能不适用于其他地区的鱼类识别	开发一个能够在真实市场环境中可靠检测和分类鱼类的AI工具	孟加拉国市场中的33种常见及罕见鱼类	computer vision	NA	deep learning	YOLOv11s	image	4560张标注图像，包含33种鱼类
311	2025-07-06	teaLeafBD: A comprehensive image dataset to classify the diseased tea leaf to automate the leaf selection process in Bangladesh 2025-Aug, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2025.111769 PMID:40612469	research paper	该研究创建了一个名为teaLeafBD的综合图像数据集，用于分类孟加拉国的病态茶叶，以自动化茶叶选择过程	提供了一个包含5278张病态和健康茶叶图像的全面数据集，覆盖多种疾病类型和不同气象条件下的图像采集	数据集仅覆盖孟加拉国的茶叶疾病，可能无法完全代表其他地区的疾病模式	提高对茶叶疾病如何影响茶树种植和茶叶生产的认识，并支持自动化疾病分类系统的开发	茶叶叶片	computer vision	植物疾病	deep learning	NA	image	5278张病态和健康茶叶图像
312	2025-07-06	Assessment model of blast injury: A narrative review 2025-Jul-18, iScience IF:4.6Q1 DOI:10.1016/j.isci.2025.112830 PMID:40612508	综述	本文系统总结了爆炸冲击波的生物效应、传统评估模型的应用及其局限性，以及新兴技术——细胞/类器官模型和人工智能应用	介绍了冲击波细胞模型和类器官模型的成功开发，以及基于AI的模型在爆炸伤预测和评估中的应用	传统评估模型存在局限性，新兴技术的应用仍需进一步验证	评估爆炸伤的生物效应及其评估模型	爆炸冲击波引起的颅脑和肺部损伤	生物医学工程	爆炸伤	数值模拟、动物模型、死后人体替代模型(PMHS)、冲击波细胞模型、类器官模型、AI模型	机器学习/深度学习	NA	NA
313	2025-07-06	A Feature-Augmented Transformer Model to Recognize Functional Activities from in-the-wild Smartwatch Data 2025-Jul-04, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3586074 PMID:40614149	研究论文	本文提出了一种特征增强的Transformer模型，用于从智能手表数据中识别功能活动	通过引入特征标记-Transformer嵌入来增强特征表示，以提高分类性能，并提出了一个大规模的功能活动数据集ArWISE	功能活动识别由于其固有的复杂性和在真实环境中的变异性，仍存在挑战	研究功能活动识别方法，以支持认知健康评估、康复、术后恢复和慢性病管理	智能手表数据中的功能活动	机器学习	慢性病	特征增强和Transformer模型	Transformer	传感器数据	503名参与者，超过3200万个标记点
314	2025-07-06	Mutualistic Multi-Network Noisy Label Learning (MMNNLL) Method and Its Application to Transdiagnostic Classification of Bipolar Disorder and Schizophrenia 2025-Jul-04, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3585880 PMID:40614156	研究论文	本文提出了一种互惠多网络噪声标签学习（MMNNLL）方法，用于提高双相情感障碍和精神分裂症的跨诊断分类准确性	通过多网络协作与竞争，最大化深度神经网络在识别和利用干净及噪声标签样本时的一致性，从而有效处理噪声标签数据	未提及具体样本量的限制或数据集的多样性问题	提高精神障碍的诊断准确性，特别是双相情感障碍（BP）和精神分裂症（SZ）的跨诊断分类	双相情感障碍和精神分裂症患者	机器学习	精神障碍	深度神经网络（DNNs）	MMNNLL	神经影像数据和功能连接数据	未明确提及具体样本量，但使用了公开的CIFAR-10和PathMNIST数据集进行验证
315	2025-07-06	Mapping the Conformational Heterogeneity Intrinsic to the Protein Native Ensemble 2025-Jul-04, Biochemistry IF:2.9Q3 DOI:10.1021/acs.biochem.5c00201 PMID:40615361	review	本文综述了在AlphaFold时代，如何通过实验和计算技术揭示蛋白质构象异质性及其对功能理解的重要性	强调了单一结构无法全面反映蛋白质功能，提出了整合多探针实验和物理基础模型来理解序列-集合-功能关系的新范式	未具体说明所讨论技术的应用限制或数据解释的潜在偏差	探讨蛋白质构象异质性在功能理解中的重要性及研究方法	蛋白质构象景观和功能关系	结构生物学	NA	实验与计算技术整合方法	物理基础模型	结构数据与动态构象数据	NA
316	2025-07-06	eNCApsulate: neural cellular automata for precision diagnosis on capsule endoscopes 2025-Jul-04, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-025-03425-x PMID:40615761	研究论文	本文提出了一种基于神经细胞自动机（NCA）的无线胶囊内窥镜（WCE）精确诊断方法，用于出血分割和深度估计	首次在微型设备上实现可靠的出血分割和深度估计，通过蒸馏大型基础模型到轻量级NCA架构，并在ESP32微控制器上高效运行	未提及具体样本量或临床验证结果	开发适用于无线胶囊内窥镜的轻量级深度学习模型，实现精确诊断和定位	胶囊内窥镜图像	数字病理学	胃肠道疾病	神经细胞自动机（NCA）、模型蒸馏	NCA	图像	NA
317	2025-07-06	Applying multimodal AI to physiological waveforms improves genetic prediction of cardiovascular traits 2025-Jul-03, American journal of human genetics IF:8.1Q1 DOI:10.1016/j.ajhg.2025.05.015 PMID:40543505	research paper	该研究提出了一种多模态深度学习方法M-REGLE，用于从互补的电生理波形模态中联合学习低维表示并进行遗传关联发现，以提高心血管特征的遗传预测能力	提出了一种新的多模态深度学习方法M-REGLE，能够从互补的电生理波形模态中联合学习低维表示，相比单模态学习方法，能发现更多的遗传位点并显著提高遗传风险评分对心脏表型的预测能力	未明确提及研究的局限性	提高心血管特征的遗传预测能力	多模态生理波形数据（如PPG和ECG）	machine learning	cardiovascular disease	GWAS, 卷积变分自编码器	CNN, variational autoencoder	生理波形数据	多个生物银行的数据（具体样本量未明确提及）
318	2025-07-06	Deep learning-based approach to third molar impaction analysis with clinical classifications 2025-Jul-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-93783-y PMID:40603531	研究论文	本研究开发了一种基于深度学习的模型，用于自动检测和分类阻生第三磨牙，采用Pell和Gregory分类、Winter分类以及Pederson难度指数	使用YOLOv11模型自动化复杂阻生第三磨牙分类，提供高准确性和效率的临床决策支持系统	特定标签（如48-Distoangular-C-III）的F1分数较低，数据集多样性有待增强	开发自动化工具以改进阻生第三磨牙的临床分类和诊断	阻生第三磨牙的放射影像	计算机视觉	口腔疾病	深度学习	YOLOv11	图像	训练集2300张图像（含7624颗阻生牙），验证集765张（含2580颗），测试集765张（含2493颗），共98种标签
319	2025-07-06	BrainAGE latent representation clustering is associated with longitudinal disease progression in early-onset Alzheimer's disease 2025-Jul-03, Journal of neuroradiology = Journal de neuroradiologie DOI:10.1016/j.neurad.2025.101365 PMID:40614437	研究论文	本研究利用基于Brain Age Gap Estimation (BrainAGE)的聚类算法对早发性阿尔茨海默病(EOAD)患者进行分层，以区分不同疾病进展速度的患者	首次将BrainAGE深度学习模型与k-means聚类相结合，用于EOAD患者的疾病进展分层	样本量相对较小(142名参与者)，且为回顾性研究	寻找与早发性阿尔茨海默病进展相关的生物标志物	早发性阿尔茨海默病患者	数字病理学	阿尔茨海默病	结构磁共振成像(MRI)	深度学习模型(BrainAGE)与k-means聚类	3D T1加权MRI图像	142名早发性阿尔茨海默病患者(纵向追踪6年)，预训练使用3,227名健康受试者的MRI数据
320	2025-07-06	Radiology report generation using automatic keyword adaptation, frequency-based multi-label classification and text-to-text large language models 2025-Jul-03, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110625 PMID:40614511	研究论文	提出一种新颖的深度学习框架，用于生成可解释、准确且适应性强的放射学报告	使用透明关键词列表替代传统黑盒特征，引入自动关键词适应机制和基于频率的多标签分类策略，结合预训练的文本到文本大型语言模型（LLM）生成报告	仅针对胸部X光图像进行了验证，未涵盖其他类型的医学影像	提高放射学报告生成的自动化水平，增强报告的可解释性和适应性	胸部X光图像及其对应的放射学报告	数字病理学	NA	多标签分类，文本到文本大型语言模型（LLM）	LLM	图像，文本	两个公共数据集（IU-XRay和MIMIC-CXR）