深度学习在生物医药领域的应用

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	算法框架	模型架构	性能指标	计算资源
361	2026-05-25	A systematic review of contactless respiratory rate measurement using RGB cameras 2025-09-04, Physiological measurement IF:2.3Q3 DOI:10.1088/1361-6579/adfc24 PMID:40816317	综述论文	系统综述了使用RGB摄像机进行无接触呼吸率测量的最新进展	对比RGB摄像机与其他传感器模态（热成像、红外）的优缺点，并系统分析公开数据集在光照、肤色和运动方面的多样性	RGB摄像机方法在低光照、高运动或复杂非受控环境下性能显著下降，且缺乏真实世界数据集	探索RGB摄像机估计呼吸率的方法，评估公开数据集和信号预处理方法，指出未来研究方向	呼吸率测量方法及相关公开数据集	计算机视觉	NA	RGB摄像机	深度学习、混合模型	图像视频数据	分析了多个公开数据集，但未提供具体样本数量	NA	NA	误差（错误率）	NA
362	2026-05-25	DeepEM Playground: Bringing deep learning to electron microscopy labs 2025-09, Journal of microscopy IF:1.5Q3 DOI:10.1111/jmi.70005 PMID:40579897	研究论文	介绍DeepEM Playground平台，将深度学习引入电子显微镜实验室	开发了交互式、用户友好的平台，无需编码经验即可训练和调整深度学习模型，弥合了前沿深度学习研究与电子显微镜实验室实际应用之间的鸿沟	NA	降低深度学习在电子显微镜领域的应用门槛，使研究人员能够更自信、有效地将AI驱动分析集成到工作流程中	电子显微镜研究人员	计算机视觉、数字病理学	NA	电子显微镜	深度学习	图像	NA	NA	NA	NA	NA
363	2026-05-25	Enhancing deep neural networks through complex-valued representations and Kuramoto synchronization dynamics 2025-Aug-04, ArXiv PMID:40799806	研究论文	本文探索结合复值表示与Kuramoto同步动力学来增强深度神经网络在多目标图像分类中的表现	将神经科学中的同步机制引入深度学习，通过复值表示和Kuramoto动力学促进特征相位对齐，从而改善多目标编码能力	未提及具体限制	提升深度神经网络在多目标视觉分类任务中的性能、鲁棒性和泛化能力	MNIST数据集中的重叠手写数字、含噪声图像及分布外变换图像	计算机视觉	NA	Kuramoto同步动力学	前馈神经网络与循环神经网络	图像	使用包含重叠手写数字、噪声和分布外变换的多目标图像数据集	NA	复值神经网络、同步增强网络	分类准确率、鲁棒性、泛化能力	NA
364	2026-05-25	Enhanced reconstruction of atomic force microscopy cell images to super-resolution 2025-08, Journal of microscopy IF:1.5Q3 DOI:10.1111/jmi.13423 PMID:40341533	研究论文	提出一种基于深度学习的跨模块超分辨率重建方法，用于后处理原子力显微镜细胞图像，提升图像质量	设计了增强空间融合结构和优化反投影机制，结合对抗网络检测弱信号和复杂纹理；创新性提出基于交叉的频率分割模块，利用图像频率特性分离并增强细胞结构特征	NA	提升原子力显微镜细胞图像的超分辨率重建效果，增强细胞结构细节分析能力	原子力显微镜捕获的各类细胞图像	计算机视觉	NA	原子力显微镜	生成对抗网络	图像	NA	NA	增强空间融合结构、优化反投影机制、交叉频率分割模块	峰值信噪比、结构相似性指数、学习感知图像块相似度、Fréchet初始距离、自然图像质量评估器	NA
365	2026-05-25	Development of a deep learning method for phase retrieval image enhancement in phase contrast microcomputed tomography 2025-08, Journal of microscopy IF:1.5Q3 DOI:10.1111/jmi.13419 PMID:40357880	研究论文	开发一种基于深度学习的边缘视图增强相位恢复方法，用于改善相位对比显微计算机断层扫描中的图像质量	通过策略性地整合去噪边缘增强对比图像和相位恢复图像的互补空间特征，使用成对图像训练深度卷积神经网络，克服了传统相位恢复算法过度平滑和噪声敏感的问题	NA	开发一种深度学习方法以增强相位对比显微CT图像，提高低密度材料的可视化和分割准确性	低密度水凝胶构建体，包括体外和体内样本	计算机视觉，数字病理学	NA	相位对比显微计算机断层扫描，传播成像，相位恢复算法	深度卷积神经网络	图像	使用成对去噪边缘增强对比和相位恢复图像进行训练，具体样本数量未明确说明	NA	卷积神经网络	信噪比，对比度噪声比，分割效率	NA
366	2026-05-25	ModelS4Apnea: leveraging structured state space models for efficient sleep apnea detection from ECG signals 2025-07-11, Physiological measurement IF:2.3Q3 DOI:10.1088/1361-6579/adebdd PMID:40609595	研究论文	提出了ModelS4Apnea，一种结合结构化状态空间模型（S4）与卷积神经网络的心电图睡眠呼吸暂停检测深度学习框架，在Apnea-ECG数据集上实现了高精度与计算效率	首次将结构化状态空间模型（S4）应用于心电图频谱图的睡眠呼吸暂停检测，在保持高分类性能的同时显著减少可训练参数，训练时间和内存消耗低于长短期记忆网络模型	未提及多模态数据整合、真实环境部署及进一步优化，未来工作需探索方向	利用结构化状态空间模型实现高效准确的睡眠呼吸暂停自动检测，适用于可穿戴设备、家庭监测和临床场景	心电图频谱图中的睡眠呼吸暂停事件	机器学习	睡眠呼吸暂停	心电图频谱图	结构化状态空间模型（S4）、卷积神经网络	图像（心电图频谱图）	Apnea-ECG数据集（未明确具体数量）	NA	S4、卷积神经网络	准确率、F1分数、敏感性、特异性	内存占用低、推理速度快（未指定具体GPU型号）
367	2026-05-25	Deep learning-driven imaging of cell division and cell growth across an entire eukaryotic life cycle 2025-Jun-01, Molecular biology of the cell IF:3.1Q3 DOI:10.1091/mbc.E25-01-0009 PMID:40327364	研究论文	通过微流控培养、深度学习视频帧插值算法FIEST和细胞周期阶段特异性分割，连续定量成像并分析真核微生物整个生命周期中的细胞分裂与生长	首次结合微流控培养、深度学习视频帧插值算法（FIEST）和细胞周期阶段特异性分割，实现对整个真核微生物生命周期的连续定量成像与分析，克服了传统方法中对细胞状态进行分离研究的限制	未明确提及具体局限性，但可能受限于实验条件（如单一环境条件）和算法对特定病原体的泛化能力	连续定量研究真核微生物的完整生命周期，揭示细胞分裂、生长及细胞周期调控因子随生命阶段的变化规律	真核微生物（如酵母）的整个生命周期，包括休眠、交配、减数分裂和细胞分裂等状态	计算机视觉	NA	微流控培养、深度学习视频帧插值	深度学习模型（视频帧插值）	图像	最多三代有性繁殖的酵母细胞群体	Python（FIEST包）	FIEST（视频帧插值算法）	NA	NA
368	2026-05-25	Epistasis regulates genetic control of cardiac hypertrophy 2025-Jun, Nature cardiovascular research IF:9.4Q1 DOI:10.1038/s44161-025-00656-8 PMID:40473955	研究论文	利用深度学习从心脏磁共振图像估计左心室质量，发现心脏肥大的上位性遗传调控网络	开发了低信号有符号迭代随机森林方法，揭示了传统全基因组关联研究中被忽略的上位性变异位点，并结合功能性基因组与微流控单细胞形态学分析验证因果关系	样本主要来自英国生物样本库，可能存在人群偏倚；上位性检测的统计效力受样本量限制	阐明心脏肥大中非加性遗传相互作用的复杂遗传结构	来自英国生物样本库的29,661例心脏磁共振图像及313个人类心脏转录组数据	计算机视觉, 机器学习	心血管疾病	深度学习, RNA-seq, RNA沉默, 微流控单细胞形态学分析	随机森林, 深度学习	图像, 转录组, 单细胞形态学数据	29,661例心脏磁共振图像, 313个人类心脏样本	PyTorch, Scikit-learn	低信号有符号迭代随机森林	NA	NA
369	2026-05-25	Ensemble network using oblique coronal MRI for Alzheimer's disease diagnosis 2025-04-15, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2025.121151 PMID:40147601	研究论文	提出利用斜冠状磁共振成像结合集成学习进行阿尔茨海默病诊断的方法	首次提出使用斜冠状MRI切片结合集成学习策略进行AD诊断，并实现了基于患者级别的分类而非图像级别分类	未提及具体局限性	开发一种利用斜冠状MRI辅助诊断阿尔茨海默病的方法	阿尔茨海默病、轻度认知障碍、正常衰老患者	计算机视觉	阿尔茨海默病	斜冠状MRI	集成学习方法	MRI图像	基于ADNI数据集，具体样本量未提及	NA	NA	准确率	NA
370	2026-05-25	Automatic visual detection of activated sludge microorganisms based on microscopic phase contrast image optimisation and deep learning 2025-04, Journal of microscopy IF:1.5Q3 DOI:10.1111/jmi.13385 PMID:39846854	研究论文	基于显微相衬图像优化和深度学习的活性污泥微生物自动视觉检测方法	提出了基于融合方差的相衬图像质量优化算法，设计了轻量化的YOLOv8n-SimAM模型并引入SimAM注意力模块，以及提出新的IW-IoU损失函数，显著提升了检测精度和速度	NA	实现活性污泥中微生物的快速准确检测，以评估污水处理系统的稳定性和效率	活性污泥中的八种微生物	计算机视觉	NA	显微相衬成像	YOLOv8n-SimAM	图像	包含八种微生物的数据集	PyTorch	YOLOv8n, SimAM	检测精度, 帧率, 模型大小	NA
371	2026-05-25	Automated Euler number of the alveolar capillary network based on deep learning segmentation with verification by stereological methods 2025-04, Journal of microscopy IF:1.5Q3 DOI:10.1111/jmi.13390 PMID:39887731	研究论文	测试深度学习在肺泡毛细血管网络分割、三维重建及自动定量分析中的应用，并与体视学估计方法比较验证	首次将深度学习应用于连续块面扫描电镜数据中肺泡毛细血管网络的自动分割和自动化定量分析，减少了人工交互需求	分析数据量有限，并非为获取代表性支气管肺发育不良所致的肺泡毛细血管网络改变数据，而是为了展示全自动分割与评估工作流的下一步发展方向	开发高效的肺泡毛细血管网络定量比较分析方法，实现全自动分割和评估工作流	肺泡毛细血管网络	计算机视觉	支气管肺发育不良	连续块面扫描电子显微镜	2D深度学习模型	图像	有限数量的SBF-SEM图像数据	NA	2D深度学习分割架构	分割质量评估、结果可靠性、与体视学估计比较	NA
372	2026-05-25	A quantitatively interpretable model for Alzheimer's disease prediction using deep counterfactuals 2025-04-01, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2025.121077 PMID:39954872	研究论文	提出一种基于深度反事实推理的可定量解释模型用于阿尔茨海默病预测	通过反事实推理生成标记的结构性MRI，并将其转化为灰质密度图以测量区域体积变化，同时设计了轻量线性分类器以提升ROI的定量解释效果	NA	提高深度学习模型在阿尔茨海默病预测中的可解释性，提供定量的医学或神经科学验证	结构性MRI图像中的灰质密度及脑区域变化	医学影像分析	阿尔茨海默病	MRI成像	轻量线性分类器	图像（结构性MRI）	NA	NA	NA	预测性能（具体指标未提及）	NA
373	2026-05-25	Deep Learning to Predict the Future Growth of Geographic Atrophy from Fundus Autofluorescence 2025 Mar-Apr, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2024.100635 PMID:39758130	research paper	利用眼底自身荧光图像通过深度学习模型预测地理萎缩病变的未来生长区域	首次使用两个时间点的眼底自身荧光图像通过U-Net模型预测地理萎缩的1年生长区域，创新点在于多类型模型比较和时间序列信息的利用	观察性研究，样本量相对有限（597名患者），且模型性能在验证集上较低（Dice得分0.68），可能存在过拟合风险	开发深度学习模型预测地理萎缩病变在黄斑区的1年生长区域	地理萎缩患者的眼底自身荧光图像	computer vision	老年性黄斑变性相关地理萎缩	眼底自身荧光成像	U-Net	图像	597名患者的眼部数据集（训练集310、验证集78、测试集209）	NA	U-Net	Dice得分, 决定系数(R2), 平方皮尔逊相关系数(r2)	NA
374	2026-05-25	Dynamic cycles between brain states during creative storytelling 2025-03, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2025.121053 PMID:39863001	研究论文	通过功能磁共振成像研究，发现创造性故事讲述中两种关键大脑状态之间的动态循环，并利用深度学习方法揭示了自发思维与深思思维交替驱动不同脑状态之间的停留与转换	首次利用深度学习方法揭示创造性思维中自发思维与深思思维的交替交互作用，而非平行或顺序操作，为认知机制提供新的实验证据	样本量较小仅41名大学生，可能限制结果的泛化性；创造性任务的具体性可能无法完全代表所有类型的创造性思维	探索创造性思维中不同心理状态之间的动态转变及其认知神经机制	41名大学生在创造性故事讲述任务中的大脑功能磁共振成像数据	机器学习，数字病理学	NA	功能磁共振成像	深度学习模型	fMRI图像	41名大学生	NA	NA	相关分析性能指标	NA
375	2026-05-25	High resolution multi-delay arterial spin labeling with self-supervised deep learning denoising for pediatric choroid plexus perfusion MRI 2025-03, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2025.121070 PMID:39889809	研究论文	提出基于自监督深度学习去噪的高分辨率多延迟动脉自旋标记协议，用于儿童脉络丛灌注MRI	首次在儿童群体中应用高分辨率多延迟ASL协议，并采用基于Transformer的深度学习模型结合k空间加权图像平均参考进行自监督去噪，有效提升了儿童脉络丛灌注成像的信噪比和可重复性	NA	开发和验证适用于儿童的高分辨率多延迟ASL灌注MRI协议，以量化脉络丛灌注	21名8至17岁典型发育儿童	数字病理学	NA	动脉自旋标记（ASL）, MRI	Transformer	图像, MRI数据	21名儿童（8-17岁）	NA	Transformer	信噪比, 偏差, 可重复性	NA
376	2026-05-25	UK Biobank MRI data can power the development of generalizable brain clocks: A study of standard ML/DL methodologies and performance analysis on external databases 2025-03, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2025.121064 PMID:39892529	研究论文	提出全面流程训练和比较多种机器学习与深度学习脑年龄预测模型，并利用外部数据库评估其性能	整合多种预处理策略和校正项，构建统计框架评估模型在不同队列中的预测鲁棒性及作为神经退行性疾病生物标志物的潜力	未明确提及局限，但可能依赖特定数据集（如UK Biobank）的成像协议和预处理方法	开发并验证可用于健康个体年龄预测及神经退行性疾病检测的通用脑年龄模型	T1加权MRI扫描图像及提取的图像衍生表型	计算机视觉, 机器学习	痴呆, 神经退行性疾病	MRI	机器学习模型, 深度学习模型	图像	NA (涉及UK Biobank、ADNI和NACC数据库，但未具体说明样本量)	NA	惩罚线性模型	平均绝对误差, AUROC	NA
377	2026-05-25	DeepCERES: A deep learning method for cerebellar lobule segmentation using ultra-high resolution multimodal MRI 2025-03, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2025.121063 PMID:39922330	研究论文	提出一种基于深度学习的多模态超高分辨率小脑小叶分割方法DeepCERES	首次使用超高分辨率（0.125 mm）多模态MRI数据，集成深度网络集成模型，结合经典机器学习方法与多图谱分割先验知识，偏离传统U-Net架构开展探索	NA	改进小脑小叶分割的精度和鲁棒性，提供在线分割工具	人脑小脑小叶	计算机视觉	NA	MRI	深度网络集成模型	多模态超高分辨率MRI图像（T1和T2）	NA	NA	非传统U-Net架构，多图谱分割	精度、鲁棒性	NA
378	2026-05-25	DeepReducer: A linear transformer-based model for MEG denoising 2025-03, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2025.121080 PMID:39929407	研究论文	提出一种基于线性变压器的深度学习模型DeepReducer，用于脑磁图数据去噪，减少所需试验次数	首次将线性变压器架构应用于MEG事件相关磁场去噪，通过混合有限试验和多次试验平均的ERFs训练模型，显著提升信噪比并降低源定位误差	未提及	开发一种可靠且高效的MEG数据去噪方法，以减少数据采集所需试验次数，降低参与者负担和伪影	MEG记录中的事件相关磁场信号	机器学习	NA	MEG	线性变压器	脑磁图信号	半合成和实验任务相关的MEG数据	NA	线性变压器	信噪比, 源定位误差	NA
379	2026-05-25	A joint three-plane physics-constrained deep learning based polynomial fitting approach for MR electrical properties tomography 2025-02-15, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2025.121054 PMID:39863005	研究论文	提出一种联合三平面物理约束深度学习多项式拟合法，用于磁共振电特性断层成像，以提升电导率重建精度并减少计算负担	将物理约束的加权多项式拟合与深度学习融合，通过联合优化三个正交平面内的神经网络权重，实现三维数据驱动的电特性重建，显著提升泛化能力且无需大量训练数据	未提及在更大规模或不同病理组织上的验证，也未评估计算资源的需求	改进磁共振电特性断层成像中电导率重建的精度和鲁棒性，同时减少计算开销	模拟异质脑模型和体内人脑组织	数字病理	脑部疾病	磁共振电特性断层成像	卷积神经网络	MRI图像	模拟异质脑模型（具体样本数未提及）及体内人脑数据	NA	三个独立神经网络（具体架构未明确）	电导率估计精度、解剖细节保留度、均匀性	未提及
380	2026-05-25	RetOCTNet: Deep Learning-Based Segmentation of OCT Images Following Retinal Ganglion Cell Injury 2025-Feb-03, Translational vision science & technology IF:2.6Q2 DOI:10.1167/tvst.14.2.4 PMID:39903165	研究论文	提出RetOCTNet深度学习工具，用于自动分割视网膜神经纤维层和全视网膜厚度，应用于大鼠视网膜神经节细胞损伤后的OCT图像	首次开发专门针对大鼠视网膜神经节细胞损伤后OCT图像的深度学习分割工具，能同时处理放射状和体积扫描，并在眼压升高和视神经夹伤两种模型上验证	NA	开发自动化分割工具，减少大鼠OCT图像分析时间并提高研究间一致性	大鼠视网膜神经纤维层和全视网膜厚度	计算机视觉	视网膜神经节细胞损伤	OCT	深度学习分割模型	图像	192张OCT扫描图像（80%训练，10%测试，10%验证）	NA	RetOCTNet	F1分数	NA