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
361	2025-05-20	Percolation Images: Fractal Geometry Features for Brain Tumor Classification 2024, Advances in neurobiology DOI:10.1007/978-3-031-47606-8_29 PMID:38468053	research paper	提出了一种结合分形几何特征和深度学习的混合方法用于脑肿瘤分类	利用分形几何生成'渗透'图像以突出脑图像中的重要空间特性，并结合CNN进行肿瘤检测	未提及具体的数据集大小或模型在更广泛数据集上的泛化能力	提高脑肿瘤分类的准确性和效率	脑肿瘤图像	digital pathology	brain tumor	fractal geometry, deep learning	CNN	image	在一个知名基准数据集上进行实验，但未提及具体样本数量
362	2025-05-20	An autonomous drone for search and rescue in forests using airborne optical sectioning 2021-06-23, Science robotics IF:26.1Q1 DOI:10.1126/scirobotics.abg1188 PMID:34162744	research paper	介绍了一种用于森林搜救的自主无人机原型，能够在密集遮挡的森林中自主寻找人员	采用自适应在线采样技术，结合深度学习分类和动态飞行路径调整，显著提高了搜救效率和精度	实验仅在特定森林类型和飞行条件下进行，未涉及所有可能的复杂环境	开发一种能够在无稳定网络覆盖的偏远地区进行高效搜救的自主无人机系统	森林中隐藏的人员	computer vision	NA	thermal image processing, deep learning-based classification	deep learning	thermal images	42名隐藏人员（其中38名被成功找到）
363	2025-05-19	Detection of ninhydrin-glyphosate in groundwater via the colour chart-assisted digital camera method 2025-Oct-15, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2025.126253 PMID:40273772	研究论文	本研究介绍了一种新颖的一次性多标准色卡应用，通过三种仪器（颜色可见分光光度计、数码单反相机和手机摄像头）定量检测地下水样品中的草甘膦	首次将一次性多标准色卡应用于三种不同仪器进行草甘膦检测，并实现了实时监测	数码单反相机存在离子干扰导致浓度高估，而颜色可见分光光度计受磷酸盐和硝酸盐影响	开发一种经济高效、用户友好的即时检测技术，用于地下水草甘膦污染监测	地下水样品中的草甘膦	环境监测	NA	颜色可见分光光度法、数码相机成像分析	NA	图像数据、光谱数据	75 mL 地下水样品（浓度范围50-500 ng/mL）
364	2025-05-19	Application of deep learning on quantitative analysis of binary solid dispersions by UV Raman spectroscopy for planetary exploration 2025-Oct-15, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2025.126154 PMID:40279879	研究论文	本研究提出了一种名为IRMSE的深度学习模型，用于UV拉曼光谱的定量分析，以支持行星探索任务	提出结合深度残差网络和注意力机制的IRMSE模型，用于拉曼光谱的定量分析，优于传统方法	NA	验证深度学习在行星探索任务中拉曼光谱定量分析的可行性	矿物和有机化合物的固体分散体	机器学习	NA	UV拉曼光谱	Inception-ResNet-v1 with squeeze-and-excitation block (IRMSE)	光谱数据	NA
365	2025-05-19	A high-throughput framework for predicting three-dimensional structural-mechanical relationships of human cranial bones using a deep learning-based method 2025-Aug, Journal of the mechanical behavior of biomedical materials IF:3.3Q3 DOI:10.1016/j.jmbbm.2025.107007 PMID:40328110	research paper	本研究提出了一种基于深度学习的高通量框架，用于预测人类颅骨的三维结构-力学关系	首次使用深度学习框架直接关联三维颅骨微观结构与宏观力学响应，克服了以往1D或2D方法的局限性	研究样本量相对有限（40个颅骨样本），且年龄分布集中在老年人群（平均82.5岁）	建立颅骨微观结构与宏观力学性能之间的关系模型，提高颅骨损伤诊断准确性	人类颅骨样本及其三维微观结构和力学响应	digital pathology	NA	micro-CT扫描，有限元模拟，准静态压缩实验	优化后的U-Net网络	三维医学影像数据	40个人类颅骨样本（平均年龄82.5岁），从中提取2000个代表性体积单元（RVE）
366	2025-05-19	Worldwide research trends on artificial intelligence in head and neck cancer: a bibliometric analysis 2025-Jul, Oral surgery, oral medicine, oral pathology and oral radiology DOI:10.1016/j.oooo.2025.02.014 PMID:40155307	文献计量分析	本文通过文献计量分析探讨了人工智能在头颈癌研究中的全球趋势	首次对人工智能在头颈癌领域的应用进行了全面的文献计量分析，揭示了研究热点和发展趋势	仅基于Web of Science数据库，可能未涵盖所有相关研究；未对研究质量进行深入评估	探索人工智能在头颈癌研究中的应用趋势和发展状况	1995至2024年间发表的1,019篇与人工智能和头颈癌相关的论文	人工智能在医学中的应用	头颈癌	文献计量分析技术（VosViewer和Biblioshiny/Bibiometrix）	深度学习模型（用于分割任务）	科学文献数据	1,019篇论文
367	2025-05-19	The role of deep learning in diagnostic imaging of spondyloarthropathies: a systematic review 2025-Jun, European radiology IF:4.7Q1 DOI:10.1007/s00330-024-11261-x PMID:39658683	系统综述	本文综述了深度学习在脊柱关节病（SpA）影像诊断中的应用及其效果	深度学习模型（尤其是CNN和U-Net）在SpA影像诊断中表现出高准确性，部分模型AUC高达0.98，与放射科专家水平相当	部分研究样本量较小，需要更大数据集和进一步前瞻性及外部验证以提高AI模型的泛化能力	评估深度学习模型在提高SpA影像诊断准确性方面的作用	脊柱关节病（SpA）的MRI、CT和X射线影像	数字病理学	脊柱关节病	深度学习	CNN, U-Net	医学影像（MRI、CT、X射线）	21项研究（具体样本量未明确说明）
368	2025-05-19	PET and CT based DenseNet outperforms advanced deep learning models for outcome prediction of oropharyngeal cancer 2025-Jun, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2025.110852 PMID:40118186	research paper	本研究探讨了使用优化的DenseNet架构在头颈癌患者无复发生存期预测中的表现，并与现有最先进的深度学习模型进行了比较	展示了基础DenseNet架构在优化层数和图像融合策略后，能够达到与更复杂架构的SOTA模型相媲美的预测性能，并在外部测试中表现更优	研究依赖于特定数据集（HECKTOR 2022），可能限制了结果的普遍适用性	比较DenseNet架构与现有最先进模型在头颈癌患者无复发生存期预测中的性能	头颈癌患者，特别是口咽癌（OPC）患者	digital pathology	oropharyngeal cancer	PET和CT成像	DenseNet	image	889名口咽癌患者（HECKTOR 2022数据集中的489名和额外中心的400名）
369	2025-05-19	Advances in MRI optic nerve segmentation 2025-Jun, Multiple sclerosis and related disorders IF:2.9Q2 DOI:10.1016/j.msard.2025.106437 PMID:40220726	综述	本文综述了过去十年间视神经磁共振成像分割技术的发展，从基于强度的方法到最新的深度学习算法	追踪了视神经分割技术的发展历程，包括多图谱解决方案和多种图像模态的应用	仅涵盖了2007年至2024年间发表的27篇同行评审文章，可能未涵盖所有相关研究	提高视神经相关疾病的早期诊断和治疗准确性，以及规划放射治疗干预	视神经结构和变化	数字病理学	多发性硬化症	磁共振成像（MRI）	深度学习算法	图像	27篇同行评审文章
370	2025-05-19	Quantifying axonal features of human superficial white matter from three-dimensional multibeam serial electron microscopy data assisted by deep learning 2025-Jun, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2025.121212 PMID:40222502	research paper	该研究利用深度学习辅助的三维多光束电子显微镜数据，量化了人类浅表白质的轴突特征	首次在纳米级分辨率下对人类浅表白质中的短程关联纤维进行详细的形态学表征，并提供了大型3D人类电子显微镜数据集	研究仅针对浅表白质中的髓鞘轴突，未涵盖其他类型的神经纤维或白质区域	量化人类浅表白质中轴突的形态特征，以理解皮质-皮质连接的驱动因素	人类浅表白质中的短程关联纤维	digital pathology	NA	multi-beam scanning electron microscopy (EM)	CNN	3D electron microscopy images	一个200×200×112 μm的人类浅表白质体积样本，包含128,285个髓鞘轴突
371	2025-05-19	Identification of therapeutics against PfPK6 protein of Plasmodium falciparum: Structure and Deep Learning approach 2025-Jun, Experimental parasitology IF:1.4Q3 DOI:10.1016/j.exppara.2025.108947 PMID:40288672	研究论文	本研究通过计算方法和深度学习模型识别了一种新型PfPK6抑制剂，用于治疗疟疾	利用结构基础方法和深度学习模型筛选小分子抑制剂，发现TCMDC-132409作为潜在的抗疟疾抑制剂	研究仅基于计算模拟，尚未进行实验验证	识别针对疟原虫PfPK6蛋白的治疗药物	疟原虫PfPK6蛋白及其潜在抑制剂	计算生物学	疟疾	虚拟筛选、分子动力学模拟	DL (深度学习模型)	分子结构数据	多种小分子抑制剂数据集，包括Tres Cantos Antimalarial Set中的化合物
372	2025-05-19	A magnetic resonance imaging (MRI)-based deep learning radiomics model predicts recurrence-free survival in lung cancer patients after surgical resection of brain metastases 2025-Jun, Clinical radiology IF:2.1Q2 DOI:10.1016/j.crad.2025.106920 PMID:40300277	research paper	开发并验证了一种基于MRI的深度学习放射组学模型（DLRM），用于预测肺癌患者脑转移（BrMs）手术切除后的无复发生存期（RFS）	整合了临床和形态学MRI预测因子、手工特征和深度学习特征，构建了一个新的DLRM模型，用于预测RFS和颅内复发	研究为回顾性设计，样本量相对较小（215例患者），且仅来自五个中心	预测肺癌患者脑转移手术切除后的无复发生存期（RFS）	215例经手术病理证实的脑转移肺癌患者	digital pathology	lung cancer	MRI, deep learning radiomics	DLRM (deep learning radiomics model)	MRI images	215例患者（167例训练集，48例外部测试集）
373	2025-05-19	Deep learning-based triple-tracer brain PET scanning in a single session: A simulation study using clinical data 2025-Jun, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2025.121246 PMID:40316225	研究论文	本研究探讨了基于深度学习的单次三示踪剂脑PET成像协议，旨在简化多示踪剂PET成像并减少辐射暴露	提出了一种基于Swin Transformer架构的深度学习模型，用于从合成的双示踪剂和三示踪剂PET图像中分离信号，简化了多示踪剂PET成像过程	深度学习模型在生成FTP图像方面的表现不如FBB/FBP和FDG图像成功	简化多示踪剂PET成像，减少扫描时间和辐射暴露，提高患者舒适度	阿尔茨海默病神经影像学倡议（ADNI）数据集中的认知正常患者、轻度认知障碍患者和痴呆患者	数字病理学	阿尔茨海默病	PET扫描	Swin Transformer	图像	ADNI数据集中的患者，包括认知正常、轻度认知障碍和痴呆患者
374	2025-05-19	Deep learning for liver lesion segmentation and classification on staging CT scans of colorectal cancer patients: a multi-site technical validation study 2025-Jun, Clinical radiology IF:2.1Q2 DOI:10.1016/j.crad.2025.106914 PMID:40327945	research paper	本研究通过深度学习模型对结直肠癌患者的肝脏病灶进行分割和分类的技术验证	使用UNet深度学习模型在结直肠癌分期CT扫描中验证肝脏病灶检测和分类的性能，特别是在亚厘米病灶上的表现	分类准确性中等，特异性较低，未来需要进一步研究其对放射科医生工作效率的影响	验证深度学习模型在结直肠癌患者肝脏病灶检测和分类中的应用	结直肠癌患者的肝脏病灶	digital pathology	colorectal cancer	CT scans	UNet	image	220例结直肠癌分期CT扫描（来自单一机构，2014-2019年）
375	2025-05-19	Deep-Learning-Based Integration of Sequence and Structure Information for Efficiently Predicting miRNA-Drug Associations 2025-May-17, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c00038 PMID:40380921	研究论文	提出了一种名为DLST-MDA的深度学习方法，通过整合序列和结构信息来预测miRNA与药物的关联	创新地利用miRNA和药物的属性信息，而非常用的相互作用图信息，采用多尺度CNN和图神经网络分别学习序列和结构信息	性能可能受到miRNA和药物序列长度的限制	预测miRNA与药物的关联，以克服癌症治疗中的耐药性问题	miRNA和药物	机器学习	癌症	多尺度CNN，图神经网络	CNN, GNN	序列数据，分子图数据	基于最新数据库构建的基准数据集，具体样本量未明确说明
376	2025-05-19	Deep Learning-Assisted Sensor Array Based on Host-Guest Chemistry for Accurate Fluorescent Visual Identification of Multiple Explosives 2025-May-17, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.5c01326 PMID:40380950	研究论文	本文介绍了一种基于主客体化学的深度学习辅助传感器阵列，用于高精度荧光视觉识别多种爆炸物	结合环糊精保护的多色荧光金纳米团簇和DenseNet算法，实现了对七种爆炸物的高精度识别	NA	开发一种快速准确识别多种爆炸物的方法	七种爆炸物	计算机视觉	NA	荧光传感器阵列	DenseNet	图像	NA
377	2025-05-19	Prediction of cervical spondylotic myelopathy from a plain radiograph using deep learning with convolutional neural networks 2025-May-17, European spine journal : official publication of the European Spine Society, the European Spinal Deformity Society, and the European Section of the Cervical Spine Research Society IF:2.6Q1 DOI:10.1007/s00586-025-08908-8 PMID:40381026	research paper	本研究旨在开发基于卷积神经网络（CNN）的深度学习算法，用于从普通颈椎X光片中分类颈椎病性脊髓病（CSM）和颈椎病性神经根病（CSR）	利用CNN从普通X光片中分类CSM和CSR，并预测脊髓管面积率	样本量相对较小，外部验证集仅包含100名患者	开发深度学习算法以辅助非专科医生识别需要进一步评估或转诊的患者	颈椎病性脊髓病（CSM）和颈椎病性神经根病（CSR）患者	digital pathology	geriatric disease	deep learning	CNN	image	300名患者用于内部验证，100名患者用于外部验证
378	2025-05-19	ResNeXt-Based Rescoring Model for Proteoform Characterization in Top-Down Mass Spectra 2025-May-17, Interdisciplinary sciences, computational life sciences DOI:10.1007/s12539-025-00701-x PMID:40381130	research paper	该研究提出了一种基于ResNeXt的深度学习模型PrSMBooster，用于在蛋白质形态表征中对蛋白质形态谱匹配（PrSM）进行重新评分，以提高准确性	PrSMBooster作为一种集成方法，整合了四种机器学习模型（逻辑回归、XGBoost、决策树和支持向量机）作为弱学习器来获取PrSM特征，并将这些特征输入ResNeXt模型进行最终重新评分	缺乏明确的参考集可能影响结果的标准化	提高蛋白质形态表征的准确性	蛋白质形态谱匹配（PrSM）	machine learning	NA	质谱分析	ResNeXt, logistic regression, XGBoost, decision tree, SVM	质谱数据	47个独立质谱数据集
379	2025-05-19	Accelerated deep learning-based function assessment in cardiovascular magnetic resonance 2025-May-17, La Radiologia medica DOI:10.1007/s11547-025-02019-6 PMID:40381163	research paper	评估深度学习（DL）电影序列在心血管磁共振（CMR）中对左心室（LV）和右心室（RV）参数的诊断准确性和图像质量，与传统平衡稳态自由进动（bSSFP）电影序列进行比较	使用深度学习技术加速心血管磁共振中的功能评估，与传统方法相比具有更快的处理速度和相当的诊断准确性	DL cine序列在心内膜边缘定义上略逊于传统bSSFP序列	评估深度学习在心血管磁共振中功能评估的应用效果	心血管磁共振（CMR）检查的患者	digital pathology	cardiovascular disease	deep learning, balanced steady-state free precession (bSSFP)	DL	image	62名患者（平均年龄47±17岁，41名男性）
380	2025-05-19	Data augmentation using masked principal component representation for deep learning-based SSVEP-BCIs 2025-May-16, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/add9d1 PMID:40378852	research paper	提出了一种基于主成分表示的数据增强方法MPCR，用于提升基于稳态视觉诱发电位的脑机接口中深度学习模型的分类准确率	提出了一种组件级别的数据增强方法MPCR，通过随机掩码主成分表示引入随机扰动，同时保留EEG信号的主要固有结构	目前的方法仅针对SSVEP-BCI，未验证在其他EEG-BCI范式中的适用性	提升基于稳态视觉诱发电位的脑机接口中深度学习模型的分类准确率	稳态视觉诱发电位(SSVEP)信号	脑机接口	NA	主成分分析(PCA)	深度学习模型	EEG信号	两个公开数据集