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
21	2025-05-02	Effects of Deep Learning-Based Reconstruction on the Quality of Accelerated Contrast-Enhanced Neck MRI 2025-May, Korean journal of radiology IF:4.4Q1 DOI:10.3348/kjr.2024.1059 PMID:40307199	研究论文	比较深度学习重建的涡轮自旋回波（DL-TSE）与传统插值涡轮自旋回波（Conv-TSE）技术在颈部对比增强MRI中的图像质量	采用深度学习算法进行图像重建，显著减少了扫描时间并提高了图像质量	DL-TSE在解剖结构重叠区域产生的伪影略为明显	评估深度学习重建技术在加速颈部对比增强MRI中的效果	106名患者的颈部MRI图像	医学影像	NA	深度学习重建技术（DL-TSE）	深度学习算法	MRI图像	106名患者
22	2025-05-02	Artificial intelligence in retinal image analysis for hypertensive retinopathy diagnosis: a comprehensive review and perspective 2025-May-01, Visual computing for industry, biomedicine, and art DOI:10.1186/s42492-025-00194-x PMID:40307650	review	本文综述了人工智能在视网膜图像分析中用于高血压视网膜病变诊断的最新进展和前景	探讨了最新的机器学习和深度学习技术在高血压视网膜病变诊断中的应用及其效能	未提及具体技术的局限性或数据集的不足	推动高血压视网膜病变诊断领域的发展，探索早期诊断和干预的可能性	高血压视网膜病变的视网膜图像	digital pathology	cardiovascular disease	machine learning, deep learning	NA	image	NA
23	2025-05-02	TabNet and TabTransformer: Novel Deep Learning Models for Chemical Toxicity Prediction in Comparison With Machine Learning 2025-May-01, Journal of applied toxicology : JAT IF:2.7Q3 DOI:10.1002/jat.4803 PMID:40309751	research paper	本研究评估了TabNet和TabTransformer这两种先进的深度学习架构与传统机器学习方法在预测化学化合物毒性方面的性能	引入了TabNet和TabTransformer这两种新型深度学习模型，用于化学毒性预测，并通过SHAP分析增强了模型的可解释性	研究仅基于分子描述符数据，未考虑其他可能的毒性影响因素	评估深度学习模型在化学毒性预测中的性能	12,228个训练样本和3,057个测试样本，每个样本由801个分子描述符表征	machine learning	NA	SHAP分析, PCA, RFE, MI	TabNet, TabTransformer, XGBoost, CatBoost, SVM	分子描述符数据	12,228个训练样本和3,057个测试样本
24	2025-05-02	Reirradiation for recurrent glioblastoma: the significance of the residual tumor volume 2025-May-01, Journal of neuro-oncology IF:3.2Q2 DOI:10.1007/s11060-025-05042-9 PMID:40310485	research paper	本研究分析了71例复发性中枢神经系统WHO 4级IDH野生型胶质母细胞瘤患者再放疗的疗效和安全性	首次明确了残留肿瘤体积对复发性高级别胶质瘤患者总生存期的显著预测作用	单中心回顾性研究，样本量相对较小	评估复发性胶质母细胞瘤再放疗的疗效和预后因素	71例复发性CNS WHO 4级IDH野生型胶质母细胞瘤患者	digital pathology	glioblastoma	deep learning auto-segmentation	NA	medical imaging	71例患者
25	2025-05-02	Age-Related Regional Changes in Choroidal Vascularity in Healthy Emmetropic Eyes 2025-May-01, Translational vision science & technology IF:2.6Q2 DOI:10.1167/tvst.14.5.3 PMID:40310636	研究论文	本研究探讨了健康正视眼中脉络膜血管指数（CVI）随生理年龄增长的区域性变化	首次使用深度学习技术对健康正视眼不同年龄段人群的脉络膜血管指数进行区域性分析，揭示了年龄相关的CVI变化模式	研究为横断面设计，无法确定因果关系；样本仅包括正视眼人群，结果可能不适用于其他屈光状态	探究健康正视眼脉络膜血管指数随年龄增长的区域性变化规律	280名健康正视眼受试者（包括儿童、青少年和成年人）	数字病理	NA	增强深度成像光学相干断层扫描（EDI-OCT）	深度学习	图像	280名受试者（83名儿童，77名青少年，120名成年人）
26	2025-05-02	PhacoTrainer: Automatic Artificial Intelligence-Generated Performance Ratings for Cataract Surgery 2025-May-01, Translational vision science & technology IF:2.6Q2 DOI:10.1167/tvst.14.5.2 PMID:40310637	research paper	研究人工智能生成的自动评分系统在区分白内障手术中培训医生与资深医生表现的能力及其与专家评分的相关性	利用深度学习模型自动生成白内障手术视频的性能指标，并与专家评分进行对比分析	样本量相对较小，仅包括28名住院医生和29名资深医生	评估AI生成的手术技能指标在区分医生水平和与专家评分相关性方面的有效性	白内障手术视频	computer vision	白内障	deep learning	CNN	video	57名医生（28名住院医生和29名资深医生）
27	2025-05-02	Deep Learning Model of Primary Tumor and Metastatic Cervical Lymph Nodes From CT for Outcome Predictions in Oropharyngeal Cancer 2025-May-01, JAMA network open IF:10.5Q1 DOI:10.1001/jamanetworkopen.2025.8094 PMID:40310642	研究论文	开发并验证了一种基于CT的深度学习分类器，整合原发肿瘤和淋巴结特征，预测p16+口咽鳞状细胞癌的预后	首次结合原发肿瘤和转移性颈部淋巴结的影像特征，开发多区域成像风险评分（SwinScore）用于p16+口咽鳞状细胞癌的预后预测	研究为回顾性设计，可能受到选择偏倚的影响	预测p16+口咽鳞状细胞癌的预后，并识别可能从化疗中获益的I期患者	p16+口咽鳞状细胞癌患者	数字病理	口咽鳞状细胞癌	CT扫描	Swin Transformer	影像	811名p16+口咽鳞状细胞癌患者
28	2025-05-02	Determinants of ascending aortic morphology: cross-sectional deep learning-based analysis on 25 073 non-contrast-enhanced NAKO MRI studies 2025-Apr-30, European heart journal. Cardiovascular Imaging DOI:10.1093/ehjci/jeaf081 PMID:40052574	研究论文	本研究利用深度学习自动分割胸主动脉，并从25,073例非对比增强磁共振血管造影数据中提取升主动脉形态特征，探讨了升主动脉中段直径的可能决定因素	首次在大型流行病学横断面研究中结合深度学习和因果分析来理解升主动脉形态的决定因素	研究为横断面设计，无法确定因果关系的时间顺序	探究升主动脉形态的决定因素，为精准诊断和治疗提供依据	25,073例来自德国国家队列(NAKO)的非对比增强磁共振血管造影数据	数字病理学	心血管疾病	非对比增强磁共振血管造影(NC-MRA)	深度学习(DL)	3D医学影像	25,073例NC-MRA数据
29	2025-05-02	3D tooth identification for forensic dentistry using deep learning 2025-Apr-30, BMC oral health IF:2.6Q1 DOI:10.1186/s12903-025-06017-y PMID:40301795	research paper	提出了一种利用深度学习进行3D牙齿识别的新方法，用于法医牙科	将3D牙齿模型的关键特征提取并转换为适合详细分析的2D图像格式，使用RNN架构处理这些图像以提高分类准确性	未提及具体的数据集大小或实验对比结果	提高牙齿分类的准确性和诊断效率，减少人工分析并加快处理时间	3D牙齿模型	computer vision	NA	3D成像和2D图像转换	RNN	3D模型和2D图像	NA
30	2025-05-02	Deep Rib Fracture Instance Segmentation and Classification from CT on the RibFrac Challenge 2025-Apr-30, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3565514 PMID:40305244	research paper	该论文介绍了RibFrac挑战赛，旨在通过大规模注释数据集和评估基准推动深度学习算法在肋骨骨折检测和分类中的应用	提供了包含5000多个肋骨骨折实例的大规模标注数据集，并展示了部分检测解决方案性能优于人类专家	当前的肋骨骨折分类解决方案尚难以达到临床应用水平	推动AI辅助肋骨骨折诊断的研究与发展	660例CT扫描中的5000多个肋骨骨折实例	digital pathology	rib fracture	CT扫描	deep learning	3D medical image	660例CT扫描，包含5000多个肋骨骨折实例
31	2025-05-02	Heterogeneous Riemannian Few-Shot Learning Network 2025-Apr-30, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2025.3561930 PMID:40305249	研究论文	提出了一种基于异构黎曼流形的少样本学习网络HRFL-Net，用于从少量样本中学习和准确区分新概念	首次在异构黎曼流形上实现端到端深度学习的少样本学习方法，设计了基于神经网络的黎曼度量学习方法	未明确提及具体局限性	解决人工智能中从少量样本学习和区分新概念的问题	图像数据	机器学习	NA	异构黎曼流形投影、隐式黎曼核函数映射	HRFL-Net	图像	四个公共数据集
32	2025-05-02	Comparison of Multimodal Deep Learning Approaches for Predicting Clinical Deterioration in Ward Patients: An Observational Cohort Study 2025-Apr-30, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/75340 PMID:40305429	研究论文	比较不同多模态深度学习方法在预测病房患者临床恶化中的效果	首次比较了结合临床笔记信息的多模态模型与仅使用结构化数据的模型在预测临床恶化中的表现	添加临床笔记信息并未显著提升模型性能，且研究仅在两所大学医院进行	评估多模态深度学习模型在预测病房患者临床恶化中的效果	芝加哥大学和威斯康星大学麦迪逊分校的住院患者	机器学习	临床恶化	深度学习	深度循环神经网络	结构化数据和临床笔记文本	开发队列284,302名患者，外部验证队列248,055名患者
33	2025-05-02	Deep Learning Based Surface Classification of Functionalized Polymer Coatings 2025-Apr-30, Langmuir : the ACS journal of surfaces and colloids IF:3.7Q2 DOI:10.1021/acs.langmuir.4c03971 PMID:40306624	研究论文	本研究利用深度学习神经网络分析功能化聚合物涂层的表面分类	开发了一种基于深度学习的简单、快速且可扩展的表面分析方法，适用于多种功能化聚合物涂层	概念验证研究，样本量较小，仅包含十种结构不同的聚合物涂层	解决低技术材料表面表征的挑战，应用于医疗植入物、生物传感器和再生医学等领域	功能化聚合物涂层的表面分类	机器学习	NA	偏振光显微镜和化学气相沉积聚合	CNN	图像	十种结构不同的聚合物涂层
34	2025-05-02	Development of an Interpretable Machine Learning Model for Neurotoxicity Prediction of Environmentally Related Compounds 2025-Apr-30, Environmental science & technology IF:10.8Q1 DOI:10.1021/acs.est.5c03311 PMID:40307185	研究论文	开发了一种可解释的机器学习模型，用于预测环境相关化合物的神经毒性	结合分子指纹和分子描述符与XGBoost算法，构建了高性能且可解释的神经毒性预测模型	在已知神经毒性数据的89种化合物上，模型准确率为0.74，仍有提升空间	预测环境相关化合物的神经毒性，管理环境健康风险	环境相关化合物	机器学习	神经系统疾病	分子指纹、分子描述符、分子图	XGBoost	分子数据	1170种人体血液中检测到的化合物
35	2025-05-02	Self-supervised learning for label-free segmentation in cardiac ultrasound 2025-Apr-30, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-59451-5 PMID:40307208	研究论文	本文提出了一种结合计算机视觉、临床知识和深度学习的自监督学习流程，用于心脏超声的无标签分割	开发了一种无需手动标注的自监督分割方法，其性能与监督学习方法相当	虽然性能与监督学习相当，但尚未在所有心脏超声数据上进行全面验证	开发一种无需手动标注的心脏超声分割方法，提高分割效率和可重复性	心脏超声图像	计算机视觉	心血管疾病	深度学习	自监督学习	图像	450张超声心动图用于训练，18,423张超声心动图用于测试（包括外部数据），其中553张有对应的心脏MRI
36	2025-05-02	A digital photography dataset for Vaccinia Virus plaque quantification using Deep Learning 2025-Apr-30, Scientific data IF:5.8Q1 DOI:10.1038/s41597-025-05030-8 PMID:40307255	研究论文	本文介绍了一个用于痘苗病毒斑块定量的数字摄影数据集，并展示了如何使用深度学习技术进行分析	提出了一个改进的架构HydraStarDist，能够一步完成整个分析过程	数据集仅针对痘苗病毒，可能不适用于其他病毒类型	开发一种自动化的病毒斑块定量方法，以提高效率和准确性	痘苗病毒的斑块表型	数字病理学	病毒感染	深度学习	StarDist, HydraStarDist	图像	NA
37	2025-05-02	Blockchain based solid waste classification with AI powered tracking and IoT integration 2025-Apr-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-97030-2 PMID:40307309	研究论文	本研究提出了一种结合AI、IoT和区块链技术的智能垃圾分类模型，旨在优化垃圾收集和回收过程	整合了区块链技术确保数据安全与透明性，同时采用AI算法（包括机器学习和深度学习）实现实时垃圾分类	未提及具体样本量或实际部署中的性能数据	通过智能决策和安全数据处理改善垃圾管理和可持续性	智能城市中的垃圾分类与回收系统	机器学习	NA	机器学习（ML）、深度学习（DL）	混合ML和DL模型	传感器数据（来自IoT连接的垃圾桶）	NA
38	2025-05-02	A hybrid deep learning framework for early detection of diabetic retinopathy using retinal fundus images 2025-Apr-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-99309-w PMID:40307328	研究论文	提出了一种结合CNN和RNN的混合深度学习框架，用于通过视网膜眼底图像早期检测糖尿病视网膜病变	结合CNN和RNN，利用多时间点视网膜扫描的时间信息提高检测准确性，并引入注意力机制捕捉最相关的数据特征	仅使用了公开数据集进行验证，未涉及临床实际应用效果的评估	开发自动化糖尿病视网膜病变早期检测系统	糖尿病视网膜病变患者	数字病理学	糖尿病视网膜病变	深度学习	CNN+RNN混合模型	图像	DRIVE、Kaggle和Eyepacs数据集
39	2025-05-02	Formation permeability estimation using mud loss data by deep learning 2025-Apr-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-94617-7 PMID:40307334	研究论文	本研究提出了一种利用泥浆损失数据和深度学习技术估算地层渗透率的新方法	首次将泥浆损失数据与深度学习技术结合用于地层渗透率估算，并比较了1D-CNN和DJINN两种模型的性能	研究基于模拟数据，实际应用效果需进一步验证	开发一种准确估算地层渗透率的方法以支持油气开采评估	油气储层的地层渗透率	机器学习	NA	深度学习	1D-CNN, DJINN	数值数据	基于模拟生成的泥浆损失率数据集
40	2025-05-02	Selective laser cleaning of microbeads using deep learning 2025-Apr-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-99646-w PMID:40307358	研究论文	本文提出了一种结合飞秒激光脉冲和深度学习的选择性激光清洁方法，用于高精度光学工作和精细表面处理	通过将神经网络集成到反馈循环中，实现了自适应、实时的激光清洁过程，显著提高了清洁效率和精度	研究仅使用了直径为15微米的聚苯乙烯微珠作为模型污染物，未涉及其他类型或尺寸的污染物	开发一种高效、精确的选择性激光清洁方法，以减少能源浪费和基底损伤	聚苯乙烯微珠（直径15微米）作为模型污染物	机器学习和激光技术	NA	飞秒激光脉冲	神经网络	图像数据	使用聚苯乙烯微珠作为模型污染物，具体数量未提及