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
3261	2025-09-06	Clinical application of a deep learning system for automatic mandibular alveolar bone quantity assessment and suggested treatment options using CBCT cross-sections 2025-Jul-25, Medicine IF:1.3Q2 DOI:10.1097/MD.0000000000043257 PMID:40725950	研究论文	本研究开发了一种基于深度学习的人工智能系统，用于自动评估下颌牙槽骨骨量并通过CBCT横截面图像实时提供治疗建议	首次将YOLOv8-seg模型应用于牙槽骨和下颌管的自动分割，并集成骨量测量与25种治疗方案的自动分类建议	系统仍需未来改进以完全满足临床应用需求，当前面临一定技术挑战	开发临床适用的AI系统，实现牙槽骨骨量自动评估和治疗方案推荐	无牙颌区域的下颌牙槽骨和下颌管	计算机视觉	牙科疾病	CBCT成像技术	YOLOv8-seg, CNN	医学图像	包含88个案例的自定义数据集
3262	2025-09-06	Association of deep learning-derived histologic features of placental chorionic villi with maternal and infant characteristics in the New Hampshire birth cohort study 2025-Jul-23, Placenta IF:3.0Q2 DOI:10.1016/j.placenta.2025.07.084 PMID:40902262	研究论文	本研究利用深度学习技术自动量化胎盘绒毛膜绒毛组织学特征，并分析其与母婴临床特征的关联	开发了基于深度学习和无监督聚类的自动化方法，首次实现对900多万个绒毛结构的客观分型与几何特征分析	仅针对足月胎盘样本，未包含早产样本；母婴特征关联分析中部分变量（如母亲年龄、婴儿性别）未显示显著相关性	通过AI方法标准化胎盘组织结构量化，探究胎盘形态特征与母婴健康指标的关联	1531例足月胎盘全切片图像中的绒毛膜绒毛结构	数字病理学	妇产科疾病	深度学习分割、无监督聚类	CNN（基于图像分割的深度学习模型）	病理全切片图像	1531例足月胎盘样本
3263	2025-09-06	Enhancing breast cancer classification using a deep sparse wavelet autoencoder approach 2025-Jul-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-11816-y PMID:40681757	研究论文	提出一种结合深度学习、稀疏编码和小波网络的深度稀疏小波自编码器（DSWAE）方法，用于增强二维乳腺癌图像的分类性能	DSWAE架构通过堆叠小波自编码器构建专门针对乳腺癌图像分类的鲁棒模型，在提升准确率的同时优化计算效率	NA	提高二维乳腺癌图像的分类准确性，支持早期检测和分期	二维乳腺癌图像数据集	计算机视觉	乳腺癌	深度学习、稀疏编码、小波网络	自编码器（Autoencoder）	图像	NA
3264	2025-09-06	Ultrafast T2-weighted MR imaging of the urinary bladder using deep learning-accelerated HASTE at 3 Tesla 2025-Jul-15, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-01810-1 PMID:40665218	研究论文	本研究评估了结合深度学习重建的HASTE序列在3特斯拉MRI上实现膀胱超快速T2加权成像的可行性	首次将深度学习重建技术应用于HASTE序列，显著缩短采集时间的同时提高图像质量	DL-HASTE和HASTE序列对膀胱内尿液流动伪影较敏感	开发并验证一种超快速膀胱MRI成像技术	50名接受盆腔MRI检查的患者	医学影像	泌尿系统疾病	深度学习重建、半傅里叶单次激发快速自旋回波序列	深度学习	MRI图像	50名患者
3265	2025-09-06	Longitudinal Tracking of Emphysema Holes at Noncontrast CT: Dynamic Patterns and Clinical Relationships 2025-Jul, Radiology IF:12.1Q1 DOI:10.1148/radiol.243239 PMID:40662972	研究论文	利用深度学习软件纵向追踪肺气肿空洞的动态变化模式及其与肺功能下降和死亡率的关系	首次采用基于深度学习的软件对肺气肿空洞进行纵向追踪和动态分组，突破了传统CT仅测量肺气肿范围的限制	样本量较小（108名参与者），且为二次分析研究	探究肺气肿空洞的动态变化模式及其临床意义	慢性阻塞性肺疾病患者	数字病理学	肺气肿	CT扫描，深度学习软件分析	深度学习	医学影像（CT图像）	108名参与者（平均年龄63.4岁，104名男性）
3266	2025-09-06	Improving RNA Secondary Structure Prediction Through Expanded Training Data 2025-May-03, bioRxiv : the preprint server for biology DOI:10.1101/2025.05.03.652028 PMID:40654677	研究论文	通过扩展训练数据提升RNA二级结构预测性能的研究	构建了大规模多样化的RNA序列与二级结构配对数据集RNASSTR，并验证其能提升部分模型的泛化能力	MXfold2模型因计算成本过高未能有效利用该数据集实现性能提升	探究训练数据不足对RNA结构预测模型性能的限制，并验证扩展数据集的有效性	RNA二级结构	机器学习	NA	深度学习	SincFold, MXfold2	RNA序列与结构数据	大规模RNASSTR数据集（具体数量未说明）
3267	2025-09-06	AI-driven early detection of severe influenza in Jiangsu, China: a deep learning model validated through the design of multi-center clinical trials and prospective real-world deployment 2025, Frontiers in public health IF:3.0Q2 DOI:10.3389/fpubh.2025.1610244 PMID:40900711	研究论文	开发并验证一种基于深度学习的模型，用于中国江苏地区重症流感的早期诊断	采用多中心临床试验设计和前瞻性真实世界部署验证深度学习模型，在老年人群、基础疾病患者和资源匮乏地区表现一致	研究局限于江苏地区87家医院的数据，可能影响模型的泛化能力	开发高精度、低误诊率的重症流感早期诊断模型	江苏地区2019-2025年电子健康记录数据，涵盖老年人群、基础疾病患者和资源匮乏地区患者	医疗人工智能	流感	深度学习	深度学习模型	电子健康记录	江苏87家医院2019-2025年数据
3268	2025-09-06	Automated Classification of Dental Caries in Bitewing Radiographs Using Machine Learning and the ICCMS Framework 2025, International journal of dentistry IF:1.9Q2 DOI:10.1155/ijod/6644310 PMID:40894183	研究论文	本研究评估了YOLOv11模型在咬翼X光片中基于ICCMS框架自动检测和分割龋齿的性能	首次将YOLOv11深度学习模型与标准化ICCMS龋齿分类系统结合用于牙科X光片的自动分析	模型对早期龋损（RA1+RA2和RA3类别）的检测性能中等，mAP50分数分别为0.61和0.52	开发基于人工智能的牙科龋齿自动检测系统以提高诊断准确性	咬翼X光片中的龋齿病变	计算机视觉	牙科疾病	深度学习，数据增强	YOLOv11	X光图像	730张咬翼X光片，包含1115个标注的龋损病灶
3269	2025-09-06	A systematic study of DNN based speech enhancement in reverberant and reverberant-noisy environments 2025-Jan, Computer speech & language DOI:10.1016/j.csl.2024.101677 PMID:40895519	研究论文	系统研究基于深度神经网络的语音增强方法在混响和混响-噪声环境中的性能	系统研究时域模型中窗口大小、损失函数和特征表示等组件对语音去混响效果的影响，并提出使用变换操作提高表示稀疏性	NA	改进混响和混响-噪声环境中的语音增强性能	语音信号	自然语言处理	NA	深度神经网络	ARN, DC-CRN	音频	NA
3270	2025-09-06	Characterizing Psychiatric Disorders Through Graph Neural Networks: A Functional Connectivity Analysis of Depression and Schizophrenia 2025, Depression and anxiety IF:4.7Q1 DOI:10.1155/da/9062022 PMID:40895757	研究论文	使用图神经网络分析抑郁症和精神分裂症的功能连接模式，揭示其共性与特异性神经机制	首次应用基于注意力的分层池化图神经网络（SAGPool）对多中心静息态fMRI数据进行分类，并通过可解释性方法识别驱动模型决策的关键功能连接	NA	识别抑郁症和精神分裂症在大规模脑网络中的共同和独特分布模式	抑郁症患者、精神分裂症患者和健康对照者	机器学习	精神疾病	静息态功能磁共振成像（fMRI），图神经网络（GNN）	SAGPool（基于注意力的分层池化GNN）	脑功能连接数据	多中心数据集（具体数量未在摘要中说明）
3271	2025-09-06	Pseudo-Rendering for Resolution and Topology-Invariant Cortical Parcellation 2025, Machine learning in medical imaging. MLMI (Workshop) DOI:10.1007/978-3-031-73290-4_8 PMID:40896370	研究论文	提出一种名为PRIR的伪渲染-逆渲染框架，将皮层网格分割问题转化为2D图像分割任务	首次通过直接-逆渲染框架处理任意拓扑结构的网格，无需拓扑校正且能有效捕获长程依赖关系	NA	开发拓扑不变且分辨率不变的皮层网格分割方法	大脑皮层网格模型，包括白质网格和表面扫描数据	医学图像分析	神经疾病	伪渲染-逆渲染框架，U-Net分割，马尔可夫随机场后处理	U-Net	3D网格数据，2D渲染图像	NA
3272	2025-09-06	Validation of a deep learning-based AI system for HER2-targeted breast cancer assessment using ultrasound imaging in a clinical setting 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1639474 PMID:40896446	研究论文	本研究验证了一种基于深度学习的AI系统在临床环境中使用超声成像评估HER2靶向乳腺癌的性能	开发了基于CNN的AI系统，能够通过超声图像实时生成恶性肿瘤风险评分，并与治疗反应建立有意义的相关性	样本量较小（86例），统计功效处于边界水平（~0.74），需要在更大、更多样化的队列中进行更广泛的验证	评估AI系统在乳腺癌治疗监测中的有效性，比较赫赛汀与Stradexa在降低AI预测恶性肿瘤风险百分比方面的效果	HER2阳性乳腺癌患者	数字病理	乳腺癌	B型超声成像	CNN	超声图像	86例经组织学确认的乳腺癌患者，来自150人的更大队列
3273	2025-09-06	Predicting Treatment Response to Transcatheter Arterial Chemoembolization in Hepatocellular Carcinoma Patients using a Deep Learning-based Approach 2025, Current medical imaging IF:1.1Q3 DOI:10.2174/0115734056367143250610045305 PMID:40574392	研究论文	本研究开发了一种基于深度学习的模型，用于预测肝细胞癌患者对TACE治疗的早期反应	采用带有注意力机制的新型LeNet架构，首次应用于HCC患者TACE治疗反应的预测	样本量相对较小（111例患者），需要更大规模的研究验证	评估深度学习模型在预测HCC患者对TACE治疗反应方面的有效性和精确性	肝细胞癌患者	计算机视觉	肝癌	MRI成像	LeNet with attention mechanism	医学影像	111例HCC患者（训练集91例645张图像，测试集20例155张图像）
3274	2025-09-06	Artificial intelligence technologies for enhancing neurofunctionalities: a comprehensive review with applications in Alzheimer's disease research 2025, Frontiers in aging neuroscience IF:4.1Q2 DOI:10.3389/fnagi.2025.1609063 PMID:40893125	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
3275	2025-09-06	Identify doctors' online performance and prioritize service attributes: A framework with aspect-based sentiment analysis and empirical investigation 2025 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076251353320 PMID:40893170	研究论文	提出基于方面级情感分析的三阶段框架，用于从患者在线评论中识别医生服务属性并确定优先级	结合深度学习模型与计量经济学方法，首次系统量化不同服务属性对患者满意度和咨询需求的影响差异	研究仅基于单一在线医疗平台数据，未考虑跨平台差异	优化医生在线服务表现评估体系，帮助医生针对性改进服务质量	在线医疗平台的医生服务属性和患者评论	自然语言处理	NA	方面级情感分析、极端梯度提升、计量经济模型	深度学习模型	文本评论	445,435条评论涉及49,024名医生
3276	2025-09-06	Robust deep MRI contrast synthesis using a prior-based and task-oriented 3D network 2025, Imaging neuroscience (Cambridge, Mass.) DOI:10.1162/IMAG.a.116 PMID:40893451	研究论文	提出一种基于先验知识和任务导向的3D深度学习网络，用于从T1加权MRI合成T2加权MRI体积	结合分割导向损失函数、频率空间信息损失和多图谱先验信息，采用半监督学习框架提升模型泛化能力	NA	开发鲁棒的MRI对比度合成方法以减少临床扫描时间和资源消耗	T1加权和T2加权磁共振成像体积	医学影像分析	NA	深度学习，半监督学习	3D CNN	3D医学影像	NA
3277	2025-09-06	RetinalVasNet: a deep learning approach for robust retinal microvasculature detection 2025, Frontiers in molecular biosciences IF:3.9Q2 DOI:10.3389/fmolb.2025.1562608 PMID:40894076	研究论文	提出RetinalVasNet深度学习模型，利用多通道眼底图像提升视网膜微血管分割的准确性和鲁棒性	首次系统性地利用多通道眼底图像而非仅绿色通道进行血管分割，证明各通道对分割任务有独特贡献	NA	提高视网膜微血管检测的准确性和有效性，以支持疾病早期检测和监测	视网膜微血管	计算机视觉	心血管疾病	深度学习	CNN	图像	NA
3278	2025-09-06	Deep learning-based semantic segmentation for rice yield estimation by analyzing the dynamic change of panicle coverage 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1611653 PMID:40894489	研究论文	本研究提出一种基于深度学习和时间序列分析的稻穗覆盖动态变化方法，用于水稻表型分析和产量预测	首次将时间序列稻穗覆盖动态变化与分段函数建模相结合，用于水稻产量预测，突破了传统单时间点分析的局限	研究仅基于RGB图像，未考虑多光谱或其他传感数据，且仅在两个生长季节进行验证	通过分析稻穗覆盖的动态变化来准确预测水稻产量及其构成要素	水稻冠层和高分辨率RGB图像	计算机视觉	NA	RGB成像和语义分割	DeepLabv3+, U-Net, PSPNet, FPN, LinkNet, PLSR, RFR, GBR, XGBR	图像	两个生长季节的水稻冠层高分辨率RGB图像
3279	2025-09-06	Cenobamate reduces epileptiform activity in the ex vivo F98 rat glioma model 2025, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2025.1629259 PMID:40896334	研究论文	本研究首次在胶质瘤相关癫痫临床前模型中评估新型抗惊厥药物cenobamate的疗效	首次在F98胶质瘤模型中测试cenobamate的抗癫痫效果，并采用深度学习分析癫痫样事件	研究基于离体大鼠脑切片模型，结果需在体实验进一步验证	评估cenobamate在胶质瘤相关癫痫模型中的抗惊厥效果	Fischer大鼠的皮质切片，包括假手术组和F98肿瘤植入组	神经科学	脑胶质瘤	局部场电位记录，急性去抑制溶液，功率谱密度分析	深度学习	电生理信号	未明确样本数量，使用正常Fischer大鼠和F98肿瘤植入动物的皮质切片
3280	2025-09-06	Magnetoencephalographic source localization and reconstruction via deep learning 2025, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2025.1578473 PMID:40896341	研究论文	提出一种名为Deep-MEG的深度学习算法，用于从MEG信号中实现高分辨率的时空源定位与重建	采用混合神经网络架构同时提取时空信息，突破传统方法空间分辨率限制，并能处理全脑信号而非仅限皮层源	NA	解决MEG信号源级重建中空间分辨率不足的问题，为临床提供精确病理组织定位	脑磁图（MEG）信号及脑内神经活动源	机器学习	NA	MEG，深度学习	混合神经网络（hybrid neural network）	脑磁图信号	通过真实正向模型进行多主动源仿真，并采用真实MEG数据验证