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	2025-06-01	Comparative analysis of kidney function prediction: traditional statistical methods vs. deep learning techniques 2025-Jun, Clinical and experimental nephrology IF:2.2Q2 DOI:10.1007/s10157-024-02616-1 PMID:39813007	研究论文	比较传统统计方法和深度学习技术在预测肾功能方面的准确性	首次在慢性肾病（CKD）患者中比较了传统统计方法和深度学习技术（如FFNN和GRU-D模型）在预测未来肾小球滤过率（eGFR）方面的表现	深度学习技术并未显示出比传统统计方法更高的预测准确性	评估深度学习技术是否能够提高肾功能预测的准确性	慢性肾病（CKD）患者	机器学习	慢性肾病	多重线性回归、前馈神经网络（FFNN）、门控循环单元（GRU）-D模型	FFNN, GRU-D	临床数据	22,929名CKD患者
22	2025-06-01	Generative artificial intelligence enables the generation of bone scintigraphy images and improves generalization of deep learning models in data-constrained environments 2025-Jun, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-025-07091-8 PMID:39878897	research paper	本研究探讨了使用生成式人工智能（AI）创建合成骨扫描图像，以增加小规模数据集的数据多样性，从而更有效地训练模型并提高泛化能力	利用生成式AI生成高质量的合成骨扫描图像，并通过增加合成数据提升深度学习模型在数据受限环境中的性能	研究仅基于单一中心的骨扫描数据，且合成数据的临床有效性需进一步验证	解决医学影像中深度学习模型因数据不足而表现不佳的问题	骨扫描图像（骨转移和心脏淀粉样变性的异常摄取）	digital pathology	bone metastases, cardiac amyloidosis	generative AI	GAN	image	9,170 patients (training), 7,472 scans from 6,448 patients (testing)
23	2025-06-01	Artificial intelligence-based cardiac transthyretin amyloidosis detection and scoring in scintigraphy imaging: multi-tracer, multi-scanner, and multi-center development and evaluation study 2025-Jun, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-025-07117-1 PMID:39907796	研究论文	本研究利用深度学习技术，在多示踪剂、多扫描仪和多中心数据集上开发并评估了一种全自动检测和评分心脏转甲状腺素蛋白淀粉样变性（ATTR-CM）的方法	首次在多示踪剂、多扫描仪和多中心数据集上开发全自动ATTR-CM检测和评分系统，并展示了高准确性和临床相关性	部分外部数据集样本量较小（如数据集#3仅41例患者），且未在所有潜在临床场景中验证模型性能	开发自动化工具以提升ATTR-CM的诊断效率和准确性	心脏转甲状腺素蛋白淀粉样变性（ATTR-CM）患者	数字病理学	心血管疾病	闪烁扫描成像（99mTc-MDP/DPD/HDP/PYP）	深度学习模型（未指定具体架构）	医学影像（全身闪烁扫描图像）	6个数据集（总计3743例患者，其中528例有标注，3215例无标注）
24	2025-06-01	Robust whole-body PET image denoising using 3D diffusion models: evaluation across various scanners, tracers, and dose levels 2025-Jun, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-025-07122-4 PMID:39912940	研究论文	本研究提出并验证了一种基于3D扩散模型的全身PET图像去噪方法，能够有效处理不同扫描仪、示踪剂和剂量水平的多样性	提出了一种3D Denoising Diffusion Probabilistic Model (3D DDPM)作为通用且鲁棒的全身PET图像去噪解决方案，相比传统方法能更好地适应多样化的PET协议	NA	开发一种能够适应不同临床设置的通用PET图像去噪方法	全身PET图像	医学影像处理	癌症	3D Denoising Diffusion Probabilistic Model (3D DDPM)	3D DDPM	3D PET图像	来自四台扫描仪、四种示踪剂类型和六种剂量水平的数据集
25	2025-06-01	Integrating generative AI with neurophysiological methods in psychiatric practice 2025-Jun, Asian journal of psychiatry IF:3.8Q1 DOI:10.1016/j.ajp.2025.104499 PMID:40262408	research paper	探讨生成式AI与神经生理学方法在精神病学实践中的整合潜力	提出生成式AI在精神病学中与神经科学和生理学结合的创新应用，包括实时通信、内容生成和数据合成	数据可靠性、隐私问题和资源限制等挑战	探索生成式AI在精神病学中的应用及其与神经科学的协同关系	精神病学实践中的生成式AI和神经生理学方法	natural language processing	psychiatric disease	generative AI, deep learning	large language models	multi-modal data	NA
26	2025-06-01	Sustainable water allocation under climate change: Deep learning approaches to predict drinking water shortages 2025-Jun, Journal of environmental management IF:8.0Q1 DOI:10.1016/j.jenvman.2025.125600 PMID:40345087	research paper	本研究采用深度学习方法预测德黑兰的饮用水短缺问题，以应对气候变化下的可持续水资源分配	结合RNN和LSTM模型与三种优化技术（FHO、WOA、HOA），开发了预测水库流入和地下水位波动的混合模拟模型	研究仅针对德黑兰地区，可能无法直接推广到其他城市或地区	理解和缓解城市化、土地利用管理不善和气候变率对德黑兰水资源的影响	德黑兰的五个关键水库和地下含水层	machine learning	NA	RNN, LSTM, FHO, WOA, HOA	hybrid simulation models	climate and water resource data	德黑兰地区2021-2050年的气候和水资源数据
27	2025-06-01	Learnable fractional Fourier transform for high-quality computer-generated holography 2025-Jun-01, Optics letters IF:3.1Q2 DOI:10.1364/OL.561347 PMID:40445699	research paper	提出了一种基于深度学习的计算机生成全息术方法，通过分数傅里叶变换提升全息成像质量	提出了复数分数傅里叶网络（CFrFNet），整合分数傅里叶变换（FrFT）于空间-频率统一框架中，生成高保真相位全息图（POHs）	NA	提升计算机生成全息术的成像质量	相位全息图（POHs）	computer vision	NA	分数傅里叶变换（FrFT）	CFrFNet, FrFNM, MFEB	image	NA
28	2025-06-01	Hyperspectral Imaging for Rapid Detection of Common Infected Bacteria Based on Fluorescence Effect 2025-May-30, Journal of biophotonics IF:2.0Q3 DOI:10.1002/jbio.202500164 PMID:40444593	研究论文	本研究提出了一种结合荧光高光谱成像（FHSI）和深度学习算法的非侵入性方法，用于快速检测伤口感染中的常见细菌	首次将FHSI技术与深度学习算法结合，用于细菌的非侵入性快速检测，并开发了SSMA-Net网络处理复杂的空间和光谱数据	研究仅针对8种细菌进行了验证，可能需要扩展到更多种类的细菌	开发一种快速、准确的细菌感染检测方法	伤口感染中的常见细菌	计算机视觉	细菌感染	荧光高光谱成像（FHSI）	SSMA-Net（空间-光谱多尺度注意力网络）	光谱数据	8种细菌的荧光数据
29	2025-06-01	Comparison of an Attention-Based Multiple Instance Learning (MIL) With a Visual Transformer Model: Two Weakly Supervised Deep Learning (DL) Algorithms for the Detection of Histopathologic Lesions in the Rat Liver to Distinguish Normal From Abnormal 2025-May-30, Toxicologic pathology IF:1.4Q4 DOI:10.1177/01926233251339653 PMID:40444726	research paper	该研究比较了两种弱监督深度学习算法（基于注意力的多实例学习和视觉Transformer模型）在大鼠肝脏组织病理学病变检测中的应用	首次将基于注意力的多实例学习与视觉Transformer模型进行比较，并展示了模型在肾脏WSIs上的迁移学习能力	研究仅基于大鼠肝脏样本，未涉及其他器官或物种的广泛验证	开发高效的人工智能算法来自动检测大鼠肝脏组织病理学病变	大鼠肝脏全切片图像（WSIs）	digital pathology	NA	弱监督深度学习	MIL, Transformer	image	58项不同大鼠毒性研究的肝脏切片WSIs
30	2025-06-01	Machine Learning-Based Rupture Risk Prediction for Intracranial Aneurysms: A Systematic Review and Meta-Analysis 2025-May-30, Neurosurgery IF:3.9Q1 DOI:10.1227/neu.0000000000003531 PMID:40444989	meta-analysis	本文通过系统综述和荟萃分析评估了机器学习在预测颅内动脉瘤破裂风险中的应用，并与PHASES评分进行了比较	机器学习模型在预测颅内动脉瘤破裂风险中展现出比传统PHASES评分更高的特异性，且结合血流动力学参数可进一步提升模型准确性	需要前瞻性研究来验证机器学习模型在临床整合中的实用性	评估机器学习在预测颅内动脉瘤破裂风险中的应用效果	颅内动脉瘤患者	machine learning	cardiovascular disease	machine learning	deep learning	clinical data	36项研究，涉及22,462名患者
31	2025-06-01	Deep Learning Black-Box and Pattern Recognition Analysis Using Guided Grad-CAM for Phytolith Identification 2025-May-30, Annals of botany IF:3.6Q1 DOI:10.1093/aob/mcaf088 PMID:40445063	研究论文	本文应用视觉解释器为训练好的VGG19模型提供透明度，用于识别Avena、Hordeum和Triticum属的多细胞植硅体，并比较模型与考古植物学家的手动方法	使用Grad-CAM、Guided Backpropagation和Guided Grad-CAM等视觉解释器，验证了深度学习模型在植硅体分类中的学习方式，并揭示了不同属植硅体的关键特征	NA	验证深度学习模型在植硅体识别中的有效性，并比较其与人工方法的差异	Avena、Hordeum和Triticum属的多细胞植硅体	计算机视觉	NA	Grad-CAM, Guided Backpropagation, Guided Grad-CAM	VGG19	显微镜图像	NA
32	2025-06-01	Deep learning without borders: recent advances in ultrasound image classification for liver diseases diagnosis 2025-May-30, Expert review of medical devices IF:2.9Q3 DOI:10.1080/17434440.2025.2514764 PMID:40445166	review	本文综述了深度学习技术在肝脏疾病超声图像分类中的最新进展	总结了从CNN到其混合版本（如CNN-Transformer）的多种模型在肝脏疾病检测中的应用	讨论了不同临床环境中数据和模型泛化的挑战	探讨深度学习在肝脏疾病自动诊断中的应用前景	肝脏疾病（如脂肪肝、肝纤维化和肝癌）	digital pathology	liver disease	ultrasound imaging	CNN, CNN-Transformer	image	NA
33	2025-06-01	Hybrid Frameworks Integrating Deep Learning and Optimization Methods for Inverse Design in Nanophotonics 2025-May-30, ACS applied materials & interfaces IF:8.3Q1 DOI:10.1021/acsami.5c03196 PMID:40445168	perspective	探讨人工智能在纳米光子学逆向设计中的应用，特别是结合深度学习和经典优化方法的混合框架	提出结合深度学习和经典优化技术的混合框架，以提高设计效率和探索可行的制造解决方案	未提及具体的技术限制或实验验证的不足	推动纳米光子学逆向设计领域的发展，探索更高效和可扩展的设计方法	纳米光子学设备和功能材料工程	纳米光子学	NA	深度学习、经典优化方法（如伴随方法和进化算法）、物理信息神经网络	深度学习模型、物理信息神经网络	NA	NA
34	2025-06-01	Advantages of deep learning reconstruction algorithm in ultra-high-resolution CT for the diagnosis of pancreatic cystic neoplasm 2025-May-30, Japanese journal of radiology IF:2.9Q2 DOI:10.1007/s11604-025-01804-7 PMID:40445272	研究论文	本研究评估了深度学习重建算法在超高分辨率CT中对胰腺囊性肿瘤诊断的图像质量和临床效用	深度学习重建算法显著降低了图像噪声并提高了对比噪声比，改善了病变的显着性	研究样本量较小（45例患者），且未直接提高诊断的敏感性、特异性和准确性	评估深度学习重建算法在超高分辨率CT中对胰腺囊性肿瘤诊断的图像质量和临床效用	45例胰腺囊性肿瘤患者	数字病理	胰腺囊性肿瘤	深度学习重建算法（DLR）和混合迭代重建（IR）	深度学习	CT图像	45例胰腺囊性肿瘤患者
35	2025-06-01	Deploying a novel deep learning framework for segmentation of specific anatomical structures on cone-beam CT 2025-May-30, Oral radiology IF:1.6Q3 DOI:10.1007/s11282-025-00831-4 PMID:40445488	研究论文	本研究开发了一种深度学习框架，用于在锥束CT图像上自动分割特定解剖结构	使用nnUNetv2深度学习算法在CBCT图像上自动预测解剖结构，提高了分割的准确性和一致性	样本量较小（70名患者），且部分解剖结构的分割性能较低（如下颌管）	自动预测CBCT图像上的解剖结构，以增强牙科诊断和治疗规划	70名患者的CBCT图像，包括鼻腔、上颌窦、鼻腭管、下颌管、颏孔和下颌孔等解剖结构	数字病理	牙科疾病	CBCT成像	nnUNetv2	医学图像	70名患者的CBCT图像，共405张切片
36	2025-06-01	End-to-end 2D/3D registration from pre-operative MRI to intra-operative fluoroscopy for orthopedic procedures 2025-May-30, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-025-03426-w PMID:40445552	研究论文	开发了一种端到端的MRI到荧光镜图像的配准框架，旨在增强骨科手术中术中的可视化	该框架首次实现了仅使用MRI而不需要CT扫描的MRI到荧光镜图像的配准，显著提升了软组织和骨缺损的可视化	研究仅在模拟和尸体研究中验证了性能，尚未在临床环境中进行大规模验证	增强骨科手术中术中的可视化，减少辐射暴露	股骨和骨盆区域	数字病理	骨科疾病	深度学习，MRI-to-fluoroscopic图像配准	NA	MRI图像，荧光镜图像	尸体研究
37	2025-06-01	GLIMPSE: Generalized Locality for Scalable and Robust CT 2025-May-30, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3575071 PMID:40445811	research paper	本文提出了一种名为GLIMPSE的局部坐标神经网络，用于计算机断层扫描，通过仅处理与像素邻域相关的测量值来重建像素值	GLIMPSE在OOD样本上显著优于传统CNN，同时在分布内测试数据上表现相当或更好，且内存占用几乎与图像分辨率无关	未明确提及具体局限性	开发一种更高效且鲁棒的计算机断层扫描重建方法	计算机断层扫描图像重建	digital pathology	NA	deep learning, computed tomography	CNN, GLIMPSE	image	1024 × 1024 images
38	2025-06-01	Phantom-Based Ultrasound-ECG Deep Learning Framework for Prospective Cardiac Computed Tomography 2025-May-30, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3575268 PMID:40445820	研究论文	提出了一种结合超声和心电图数据的多模态深度学习框架，用于预测心脏静止期以优化CT血管造影门控	首次将超声和心电图数据结合使用3D CNN和ANN的多模态框架，提高了心脏静止期预测的准确性，特别是在心律失常情况下	在较短的心脏静止期（<100ms）预测准确性相对较低	优化CT血管造影门控，提高心脏静止期预测的准确性	心脏静止期	医学影像分析	心血管疾病	超声、心电图、CT血管造影	3D CNN、ANN	超声图像、心电图信号	使用动态心脏运动模型模拟多种心脏条件（包括心律失常）进行验证
39	2025-06-01	Integrating Motor Unit Activity With Deep Learning for Real-Time, Simultaneous and Proportional Wrist Angle and Grasp Force Estimation 2025-May-30, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3575252 PMID:40445821	research paper	提出了一种结合运动单元活动与深度学习的框架，用于实时、同步和比例估计手腕角度和抓握力	整合了运动神经元放电的神经驱动计算与模块化LSTM神经网络，实现了对运动学和动力学的同步比例解码	实验仅涉及10名受试者，样本量较小	提高肌电假肢对运动学和动力学的实时、同步和比例解码能力	手腕角度和抓握力的估计	machine learning	NA	高密度表面肌电图分解	LSTM	肌电信号	10名受试者
40	2025-06-01	Comparative Efficacy of MultiModal AI Methods in Screening for Major Depressive Disorder: Machine Learning Model Development Predictive Pilot Study 2025-May-30, JMIR formative research IF:2.0Q4 DOI:10.2196/56057 PMID:40446148	research paper	该研究比较了多种AI方法在筛查重度抑郁症（MDD）中的效果，开发了基于视听信号的机器学习模型	利用AI分析视听信号，结合多种范式（如问答和心理意象描述）进行MDD筛查，创新性地比较了不同范式的效果	样本量较小（89名参与者），且研究为预测性试点研究，需要更大规模的验证	评估不同AI范式在MDD筛查中的效果，探索视听信号在精神病学中的应用	89名参与者（41名MDD患者和48名无症状参与者）	machine learning	major depressive disorder	AI分析，包括面部运动、声学和文本特征提取	deep learning	audiovisual signals	89名参与者（41名MDD患者和48名无症状参与者）