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
3661	2025-05-11	Deep Learning for EEG-Based Visual Classification and Reconstruction: Panorama, Trends, Challenges and Opportunities 2025-May-09, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3568282 PMID:40343828	review	本文首次综述了基于EEG的视觉分类与重建的深度学习方法，涵盖了特征编码与解码、基准数据集、实验范式、方法性能、方法论本质与神经科学见解以及未来趋势	首次对基于EEG的视觉分类与重建的深度学习方法进行全面综述，提出了方法论本质与神经科学见解的动态闭环互动与促进	未提及具体实验数据或样本量的限制	促进基于EEG的视觉分类与重建研究的进展	EEG信号及其在视觉分类与重建中的应用	机器学习	NA	EEG	深度学习	EEG信号	NA
3662	2025-05-11	Multi-Task Collaborative Assisted Training Method for Grouping Fuzzy Categories Classification of Cervical Cancer Cells 2025-May-09, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3568846 PMID:40343820	research paper	提出了一种新颖的多任务协作框架，用于解决宫颈癌细胞分类中的类别相似性、单细胞与细胞簇之间的变异性以及注释准确性等问题	引入了分组细胞对比辅助分支、多级细胞分类辅助分支、图像重建辅助分支和软标签蒸馏辅助分支，以提升分类性能	未提及具体的数据集规模限制或模型泛化能力的详细评估	提升宫颈癌细胞分类的准确性和鲁棒性	宫颈癌细胞	digital pathology	cervical cancer	supervised contrastive learning, multi-task learning	multi-task collaborative framework	image	HSJCC, DSCC 和 SIPaKMeD 数据集
3663	2025-05-11	A Finetuning Deep Learning Framework for Pan-species Promoters with Pseudo Time Series Analysis on Time and Frequency Space 2025-May-09, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3568145 PMID:40343817	研究论文	提出了一种名为ProTriCNN的深度学习方法用于启动子识别，并基于此开发了TransPro微调框架以提高跨物种识别性能	将启动子视为伪时间序列以捕捉其异质性，并利用进化树和时间-频率空间表示物种间差异	未明确提及具体局限性	提高跨物种启动子识别和分类的准确性	不同物种的启动子	生物信息学	NA	深度学习	ProTriCNN, TransPro	序列数据	未明确提及具体样本数量
3664	2025-05-11	Distinct actin microfilament localization during early cell plate formation through deep learning-based image restoration 2025-May-08, Plant cell reports IF:5.3Q1 DOI:10.1007/s00299-025-03498-7 PMID:40335746	研究论文	通过基于深度学习的图像恢复技术，实现了高分辨率4D成像，揭示了Lifeact-RFP标记的肌动蛋白微丝在细胞板形成初期的独特定位和作用	使用深度学习图像恢复技术克服传统成像的激光诱导光漂白和光毒性限制，首次揭示了两种肌动蛋白探针在细胞板形成初期的不同定位模式	研究仅针对转基因烟草BY-2细胞，结果在其他植物细胞中的普适性需要进一步验证	探究肌动蛋白微丝在植物细胞板形成初期的定位和作用机制	转基因烟草BY-2细胞（标记有Lifeact-RFP或RFP-ABD2）	计算机视觉	NA	深度学习图像恢复技术	深度学习	4D图像数据	转基因烟草BY-2细胞样本
3665	2025-05-11	Deep learning-based evaluation of the severity of mitral regurgitation in canine myxomatous mitral valve disease patients using digital stethoscope recordings 2025-May-08, BMC veterinary research IF:2.3Q1 DOI:10.1186/s12917-025-04802-z PMID:40336065	研究论文	本研究利用深度学习模型评估犬类粘液瘤性二尖瓣疾病患者的二尖瓣反流严重程度	使用CNN6等深度学习模型通过数字听诊器录音评估二尖瓣反流严重程度，提供了一种快速、无创且可靠的替代方法	需要更广泛的临床验证和实时应用技术的研究	评估深度学习模型在犬类粘液瘤性二尖瓣疾病患者中评估二尖瓣反流严重程度的有效性	460只患有粘液瘤性二尖瓣疾病的犬类	数字病理学	心血管疾病	数字听诊器录音	CNN, PaSST, ResNet38	音频信号	460只犬类
3666	2025-05-11	Predicting treatment response to systemic therapy in advanced gallbladder cancer using multiphase enhanced CT images 2025-May-08, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-11645-7 PMID:40341972	研究论文	本研究开发并外部验证了一个深度学习放射组学-临床（DLRSC）模型，用于预测晚期胆囊癌（GBC）患者对系统性治疗的反应	结合深度学习放射组学特征和临床因素构建预测模型，并通过梯度加权类激活映射分析提高结果的可解释性	研究样本来自四个机构，可能存在选择偏倚	预测晚期胆囊癌患者对系统性治疗的反应	晚期胆囊癌患者	数字病理	胆囊癌	多期增强CT成像	深度学习放射组学-临床（DLRSC）模型	医学影像	399名符合条件的GBC患者
3667	2025-05-11	nnU-Net-based high-resolution CT features quantification for interstitial lung diseases 2025-May-08, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-11649-3 PMID:40341974	研究论文	开发了一种基于nnU-Net的高分辨率CT异常量化工具CVILDES，用于间质性肺疾病的定量评估	基于nnU-Net网络结构开发了新的高分辨率CT异常量化工具CVILDES，其定量参数与专家视觉评估结果高度一致	研究样本量相对较小（83例ILD和20例其他弥漫性肺疾病），需要更大规模验证	开发一种可靠的间质性肺疾病高分辨率CT定量评估工具	间质性肺疾病患者的高分辨率CT影像	数字病理	间质性肺疾病	高分辨率CT扫描	nnU-Net	医学影像	83例ILD患者和20例其他弥漫性肺疾病患者的HRCT扫描数据，以及临床验证队列中的51例IPAF和14例IPF患者
3668	2025-05-11	Impact of tracer uptake rate on quantification accuracy of myocardial blood flow in PET: A simulation study 2025-May-08, Medical physics IF:3.2Q1 DOI:10.1002/mp.17871 PMID:40344168	研究论文	通过模拟研究探讨PET中MBF估计的误差，并评估不同的参数估计方法，包括深度学习方法	使用基于transformer的深度学习模型预测参数图像，并与传统NLS方法进行比较	研究主要基于模拟数据，临床验证仅涉及两名患者	评估不同参数估计方法在PET心肌血流定量中的准确性	心肌血流（MBF）的定量测量	医学影像处理	心血管疾病	PET扫描，深度学习	transformer-based DL模型	模拟PET图像，临床CT图像	55例临床CT图像，220例模拟PET扫描（每种条件110例），2例患者数据
3669	2025-05-11	Advancements and implications of artificial intelligence for early detection, diagnosis and tailored treatment of cancer 2025-May-08, Seminars in oncology IF:3.0Q2 DOI:10.1016/j.seminoncol.2025.152349 PMID:40345002	review	本文综述了人工智能在癌症早期检测、诊断和个性化治疗中的进展和意义	利用AI技术整合多组学数据，揭示癌症生物学全貌，助力精准诊断和个性化治疗	AI不能替代医疗专业人员，临床决策仍需医生最终判断	探索人工智能在肿瘤学中的应用潜力	癌症患者	machine learning	cancer	genomics, transcriptomics, proteomics	deep learning	multi-omics data	NA
3670	2025-05-11	EEG-based neurodegenerative disease diagnosis: comparative analysis of conventional methods and deep learning models 2025-May-07, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-00292-z PMID:40335527	研究论文	该研究通过比较传统方法和深度学习模型，基于EEG信号进行神经退行性疾病（如痴呆症）的诊断	研究展示了深度学习模型（特别是1D和2D CNNs）在识别与神经退行性疾病相关的细微EEG信号模式上优于传统方法	在Dataset 3中表现不佳，表明需要针对特定数据集进一步优化模型	探索和比较不同方法在痴呆症早期诊断中的应用效果	EEG信号	机器学习	神经退行性疾病	EEG信号处理	Random Forest, 1D CNN, 2D CNN	EEG信号	三个不同的基准数据集，包含认知正常、额颞叶痴呆、轻度认知障碍和阿尔茨海默病等类别
3671	2025-05-11	A lightweight Deeplab V3+ network integrating deep transitive transfer learning and attention mechanism for burned area identification 2025-May-07, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-66060-7 PMID:40335537	研究论文	提出了一种基于Deeplab V3+的轻量级深度学习模型，结合注意力机制和深度传递迁移学习策略，用于从遥感图像中准确高效地识别烧伤区域	结合注意力机制和深度传递迁移学习策略，使用轻量级MobileNet V2网络集成CBAM作为骨干网络，替代传统耗时的Xception网络	样本量不足可能导致烧伤区域识别错误和边缘细节不连续	准确高效地从遥感图像中识别烧伤区域	遥感图像中的烧伤区域	计算机视觉	NA	深度传递迁移学习（DTTL）	Deeplab V3+, MobileNet V2, CBAM	遥感图像	WorldView-2和Sentinel-2数据集
3672	2025-05-11	MSLU-100K: A Large Multi-Source Dataset for Land Use Analysis in Major Chinese Cities 2025-May-07, Scientific data IF:5.8Q1 DOI:10.1038/s41597-025-05047-z PMID:40335536	research paper	介绍了一个名为MSLU-100K的大型多源土地利用数据集，用于中国主要城市的土地利用分析	提出了一个结合人工标注和深度学习的多层次分类方法，确保数据质量，并提供了高质量样本以提升分类性能	未提及具体的数据收集和处理过程中可能存在的偏差或限制	构建高质量的土地利用数据集，以支持土地利用分类和识别研究	来自81个中国城市的超过100,000个不规则地块样本	地理信息系统	NA	深度学习	NA	遥感数据和POI数据	超过100,000个地块样本
3673	2025-05-11	Enhancing efficient deep learning models with multimodal, multi-teacher insights for medical image segmentation 2025-May-07, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-91430-0 PMID:40335579	研究论文	提出了一种名为Teach-Former的新型知识蒸馏框架，用于高效的多模态医学图像分割	利用Transformer骨干网络和多教师模型的知识蒸馏，结合多模态输入（CT、PET、MRI）和中间注意力图，实现更精确的分割	未明确提及具体局限性，但可能涉及模型在更广泛数据集上的泛化能力	开发高效的深度学习模型，以降低医学图像分割的计算需求	多模态医学图像（CT、PET、MRI）	数字病理学	NA	知识蒸馏（KD）	Transformer	医学图像	两个多模态数据集（HECKTOR21和PI-CAI22）
3674	2025-05-11	Enhanced classification of tinnitus patients using EEG microstates and deep learning techniques 2025-May-07, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-01129-5 PMID:40335585	研究论文	该研究通过创新的微状态分析技术和前沿的机器学习方法，利用EEG信号深入理解和分类耳鸣	结合微状态分析和深度学习技术，提出了一种新的特征到图像的转换方法，并使用预训练模型进行验证	样本量较小（两个数据集共73名参与者），可能影响结果的泛化能力	加深对耳鸣的理解并提高其分类准确性	耳鸣患者和健康对照者的EEG信号	机器学习	耳鸣	EEG微状态分析、Daubechies 4小波分解	SVM、决策树、随机森林、深度神经网络（DNN）、VGG16、ResNet50、Xception	EEG信号	73名参与者（36名来自主要数据集，37名来自公共数据集）
3675	2025-05-11	Biopsy image-based deep learning for predicting pathologic response to neoadjuvant chemotherapy in patients with NSCLC 2025-May-07, NPJ precision oncology IF:6.8Q1 DOI:10.1038/s41698-025-00927-4 PMID:40335632	研究论文	利用活检图像和深度学习预测非小细胞肺癌患者对新辅助化疗的病理反应	提出了一种弱监督深度学习模型DeepDrRVT，结合自监督特征提取和基于注意力的深度多实例学习，用于改善新辅助化疗决策	未提及具体样本量的限制或模型在其他数据集上的泛化能力	提高非小细胞肺癌患者对新辅助化疗反应的预测准确性	非小细胞肺癌患者的活检图像	数字病理学	肺癌	深度学习	DeepDrRVT（结合自监督特征提取和注意力机制的深度多实例学习模型）	图像	训练、内部验证和外部验证队列（具体数量未提及）
3676	2025-05-11	A deep learning model combining circulating tumor cells and radiological features in the multi-classification of mediastinal lesions in comparison with thoracic surgeons: a large-scale retrospective study 2025-May-07, BMC medicine IF:7.0Q1 DOI:10.1186/s12916-025-04104-z PMID:40335930	研究论文	本研究开发并验证了一种结合循环肿瘤细胞(CTCs)和CT图像的多模态融合网络(DMFN)，用于纵隔病变的多分类诊断	首次将循环肿瘤细胞(CTCs)与CT图像结合，开发了多模态融合网络(DMFN)用于纵隔病变诊断	回顾性研究设计可能引入选择偏倚	开发结合CT图像和CTCs的深度学习模型以提高纵隔病变诊断准确性	1074名纵隔病变患者	数字病理	纵隔病变	CT成像和循环肿瘤细胞检测	多模态融合网络(DMFN)和单模态CNN	CT图像和CTCs数据	1074名患者(1500张增强CT图像和1074份CTCs结果)
3677	2025-05-11	Sculpting molecules in text-3D space: a flexible substructure aware framework for text-oriented molecular optimization 2025-May-07, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-025-06072-w PMID:40335938	研究论文	提出了一种名为3DToMolo的创新框架，用于多模态引导的分子优化任务，结合文本描述和图结构特征，以符合专家指定的对称结构和纹理约束	3DToMolo框架能够无缝协调文本描述和图结构特征，无需先验知识即可发现潜在新分子，并在三个引导优化设置中表现出优于现有方法的性能	未明确提及具体局限性	解决分子设计中结合多模态先验知识的逆设计问题	分子药物或材料的设计	机器学习	NA	扩散框架	3DToMolo	文本和图结构数据	NA
3678	2025-05-11	Hybrid method for automatic initialization and segmentation of ventricular on large-scale cardiovascular magnetic resonance images 2025-May-07, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-01683-4 PMID:40335966	research paper	提出了一种结合深度学习和3D-ASM限制的全自动、鲁棒的心血管磁共振图像分割方法	结合了CNN和Transformer的混合网络（CTr-HNs）以及EFG模块，实现了全自动的大规模心脏MRI分割	未提及方法在极端病例或异常心脏形态下的表现	开发自动化的心脏MRI分割算法以应对大规模心血管疾病研究需求	心脏磁共振图像中的心室结构（左心室、左心室心肌、右心室）	digital pathology	cardiovascular disease	MRI, 3D-ASM (3D Active Shape Model)	CNN+Transformer混合网络（CTr-HNs）	3D医学影像	UK BioBank和Cardiac Atlas Project数据库中的大规模心脏MRI数据
3679	2025-05-11	A deep learning-based peer review method for radiotherapy planning 2025-May, Medical physics IF:3.2Q1 DOI:10.1002/mp.17686 PMID:39935240	研究论文	本研究开发了一种基于深度学习的放疗计划个性化质量控制方法	利用患者解剖信息和深度学习剂量预测模型进行个性化质量控制，替代传统的主观评估方法	研究样本量较小（139例鼻咽癌患者），且仅针对特定癌症类型	开发放疗计划的个性化质量控制方法以提高治疗质量和患者安全性	鼻咽癌患者的放疗计划	数字病理	鼻咽癌	深度学习剂量预测	UNet	3D剂量分布数据	139例鼻咽癌患者（95训练/20验证/24测试）加29个临床治疗计划
3680	2025-05-11	T2-weighted imaging of rectal cancer using a 3D fast spin echo sequence with and without deep learning reconstruction: A reader study 2025-May, Journal of applied clinical medical physics IF:2.0Q3 DOI:10.1002/acm2.70031 PMID:39976552	研究论文	比较深度学习重建与传统重建在直肠癌T2加权3D快速自旋回波序列中的图像质量和临床效用	使用深度学习重建技术改进直肠MRI的图像质量，并在多个临床评估指标上优于传统重建方法	研究样本量较小（50例患者），且未在所有评估类别中显示深度学习重建的优越性	评估深度学习重建在直肠癌MRI中的临床应用价值	直肠癌患者的MRI图像	医学影像	直肠癌	T2加权3D快速自旋回波序列，深度学习重建	深度学习	MRI图像	50例直肠癌患者