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	2025-05-28	A New Approach for Calculating Texture Coefficients of Different Rocks With Image Segmentation and Image Processing Techniques 2025-May-26, Microscopy research and technique IF:2.0Q3 DOI:10.1002/jemt.24879 PMID:40418716	研究论文	提出了一种结合图像分割和图像处理技术的新方法，用于计算不同岩石的纹理系数	开发了一种基于深度学习的图像处理技术和Python算法，用于快速准确地计算岩石纹理系数	仅针对20种不同类型的岩石进行了测试，样本量相对较小	改进岩石纹理系数的计算方法，提高准确性和效率	火成岩、变质岩和沉积岩的薄片图像	计算机视觉	NA	图像分割和图像处理技术	深度学习	图像	20种不同类型的岩石薄片图像
22	2025-05-28	Impact of contrast-enhanced agent on segmentation using a deep learning-based software "Ai-Seg" for head and neck cancer 2025-May-26, The British journal of radiology DOI:10.1093/bjr/tqaf108 PMID:40419459	研究论文	本研究开发了一种专用于对比增强CT的头颈部风险器官分割模型，并比较了其在对比增强和非对比增强CT上的性能	开发了专用于对比增强CT的分割模型，并首次评估其在非对比增强CT上的适用性	在非对比增强CT上对颌下腺的分割性能显著下降	评估深度学习分割软件在不同CT图像类型上的性能差异	头颈部癌症患者的CT图像	数字病理	头颈部癌症	CT扫描	深度学习模型（Ai-Seg）	医学影像	321名患者用于训练，25名患者用于测试
23	2025-05-28	A pediatric ECG database with disease diagnosis covering 11643 children 2025-May-26, Scientific data IF:5.8Q1 DOI:10.1038/s41597-025-05225-z PMID:40419508	research paper	该研究提出了一个包含11643名0-14岁儿童的心电图数据库，用于心血管疾病的诊断	提供了一个专注于儿童的心电图数据库，填补了现有数据集主要关注成人且缺乏心血管疾病诊断的空白	数据来源于单一医院，可能无法代表所有儿童群体	利用深度学习实现心电图的智能诊断	0-14岁儿童的心电图数据	digital pathology	cardiovascular disease	ECG	NA	ECG records	11643名住院儿童，包含14190份心电图记录
24	2025-05-28	LucaPCycle: Illuminating microbial phosphorus cycling in deep-sea cold seep sediments using protein language models 2025-May-26, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-60142-4 PMID:40419512	研究论文	本研究开发了一个名为LucaPCycle的深度学习模型，用于揭示深海冷泉沉积物中微生物磷循环的过程	整合原始序列和基于蛋白质语言模型ESM2-3B的上下文嵌入，显著提高了对磷循环蛋白家族多样性、生态学和功能的理解	NA	研究深海冷泉沉积物中微生物磷循环的过程	全球冷泉基因和基因组目录中的磷循环蛋白家族	生物信息学	NA	蛋白质语言模型ESM2-3B	深度学习模型	基因和基因组数据	5241个磷循环蛋白家族
25	2025-05-28	RGE-YOLO enables lightweight road packaging bag detection for enhanced driving safety 2025-May-26, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-03240-z PMID:40419594	research paper	提出了一种轻量级深度学习模型RGE-YOLO，用于实时检测道路上的包装袋，以提高驾驶安全性	RGE-YOLO结合了RepViTBlock、GSConv和EMA机制，优化了计算效率、模型稳定性和检测精度	研究仅限于道路包装袋检测，未涉及其他类型道路异物	提高驾驶安全性，通过实时检测道路上的包装袋	道路上的包装袋	computer vision	NA	deep learning	RGE-YOLO, YOLOv8s, SSD, Faster R-CNN	image	6,000张增强图像
26	2025-05-28	Evaluation of spatial visual perception of streets based on deep learning and spatial syntax 2025-May-26, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-03189-z PMID:40419619	研究论文	本研究利用深度学习和空间句法评估街道空间视觉感知质量，并分析其与街道构成元素的相关性	采用人机对抗模型对街景图像进行六维评分，并结合空间可视化与网络可达性进行叠加分析	研究区域有限，未涵盖所有城市街道类型	提升街道视觉质量，为精准化城市街道改造提供数据支持	城市街道空间质量及其构成元素	计算机视觉	NA	深度学习	人机对抗模型	图像	未明确说明样本数量（研究区域内街道）
27	2025-05-28	Correction: Formation permeability estimation using mud loss data by deep learning 2025-May-26, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-03476-9 PMID:40419611	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
28	2025-05-28	Intelligent traffic congestion forecasting using BiLSTM and adaptive secretary bird optimizer for sustainable urban transportation 2025-May-26, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-02933-9 PMID:40419628	研究论文	本文提出了一种基于深度学习和强化学习的双向长短期记忆网络（BiLSTM）与自适应秘书鸟优化器（ASBO）相结合的智能交通拥堵预测方法	结合了强化学习的BiLSTM模型与自适应秘书鸟优化器（ASBO），在交通拥堵预测中表现出优越性能	未提及模型在极端天气或突发事件等异常交通情况下的预测能力	开发智能可持续的城市交通拥堵预测系统	城市道路交通拥堵模式	智能交通系统	NA	深度学习、强化学习	BiLSTM, ASBO	交通预测数据集	未明确说明样本数量，使用了Traffic Prediction Dataset
29	2025-05-28	Digital image enhancement using deep learning algorithm in 3D heads-up vitreoretinal surgery 2025-May-26, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-98801-7 PMID:40419711	研究论文	本研究旨在利用深度学习算法预测3D头戴式玻璃体视网膜手术中的最佳成像参数，并评估其在提高手术中玻璃体视网膜表面可见性方面的有效性	采用两阶段生成对抗网络（GAN）和卷积神经网络（CNN）架构，开发了一种深度学习算法，用于数字图像增强，并在3D头戴式玻璃体视网膜手术中评估其效果	研究样本量较小，仅使用了212张手动优化的静态图像和121张匿名高分辨率ERM眼底图像	提高3D头戴式玻璃体视网膜手术中玻璃体视网膜表面的可见性	玻璃体视网膜手术中的图像	计算机视觉	视网膜疾病	深度学习算法	GAN和CNN	图像	212张手动优化的静态图像和121张匿名高分辨率ERM眼底图像
30	2025-05-28	ASO Author Reflections: Clinical-Radiomic Machine Learning Model Predicts Pheochromocytomas and Paragangliomas Surgical Difficulty: A Retrospective Study 2025-May-26, Annals of surgical oncology IF:3.4Q1 DOI:10.1245/s10434-025-17491-7 PMID:40419717	research paper	本研究开发了一种结合临床和影像组学特征的机器学习模型，用于预测嗜铬细胞瘤和副神经节瘤(PPGLs)的手术难度，旨在优化术前规划和减少围手术期并发症	首次将临床参数与影像组学特征结合构建机器学习模型预测PPGLs手术难度，并通过SHAP分析识别关键预测因子	研究为回顾性设计，未来需要通过多中心研究完善手术难度标准并开发实时术中预测工具	优化PPGLs患者的术前规划和减少围手术期并发症	嗜铬细胞瘤和副神经节瘤(PPGLs)患者	digital pathology	pheochromocytomas and paragangliomas	radiomics, machine learning	SVM	clinical parameters and radiomic features	NA
31	2025-05-28	Deep learning radiomics of left atrial appendage features for predicting atrial fibrillation recurrence 2025-May-26, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-01740-y PMID:40419973	研究论文	本研究旨在利用左心耳形态特征、深度学习放射组学和临床变量，开发并验证一种预测心房颤动消融结果的模型	结合深度学习放射组学和临床变量开发预测模型，用于预测心房颤动消融后的复发概率	研究为多中心回顾性研究，可能存在选择偏倚	预测心房颤动消融后的复发概率	480名接受射频导管消融治疗的心房颤动患者	数字病理学	心血管疾病	CT血管造影（CTA）	nnUNet	图像	480名患者
32	2025-05-28	Detecting microcephaly and macrocephaly from ultrasound images using artificial intelligence 2025-May-26, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-01709-x PMID:40419983	research paper	该研究利用深度学习技术从超声图像中检测胎儿头部异常（小头畸形和大头畸形）	首次在资源有限的埃塞俄比亚医疗设施中应用SegNet等深度学习模型进行胎儿头部异常的自动分割、测量和分类	需要进一步优化模型性能、尝试更复杂的模型并扩大数据集以提高泛化能力	开发一种基于超声图像的胎儿头部异常检测模型，以改善资源有限地区的产前诊断	胎儿头部超声图像	digital pathology	developmental abnormalities	ultrasound imaging	SegNet, UNet, FCN, MobileNetV2, EfficientNet-B0	image	来自埃塞俄比亚三家医疗机构的超声图像数据（具体样本量未提及）
33	2025-05-28	Auto-segmentation of cerebral cavernous malformations using a convolutional neural network 2025-May-26, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-01738-6 PMID:40420000	research paper	本文提出了一种用于自动分割脑海绵状血管瘤（CCMs）的深度学习模型	使用Mask R-CNN和3D CNN（DeepMedic）进行自动分割，并开发了用户友好的图形界面	仅基于T2W图像的分割效果有待提高	开发自动分割脑海绵状血管瘤的深度学习模型	脑海绵状血管瘤（CCMs）	digital pathology	cerebral cavernous malformations	MRI	Mask R-CNN, 3D CNN (DeepMedic)	image	199 Gamma Knife (GK) exams (171 single CCM cases, 28 multiple CCMs cases)
34	2025-05-28	Prediction of one-year recurrence among breast cancer patients undergone surgery using artificial intelligence-based algorithms: a retrospective study on prognostic factors 2025-May-26, BMC cancer IF:3.4Q2 DOI:10.1186/s12885-025-14369-5 PMID:40419997	research paper	本研究利用AI算法预测乳腺癌术后患者的一年复发率，并比较不同机器学习与深度学习模型的性能	首次将随机森林模型应用于乳腺癌术后一年复发预测，并识别出肿瘤分级、HER-2和淋巴结受累数量等关键预后因素	研究为回顾性设计且数据仅来自德黑兰的三个临床中心，可能限制结果的普遍性	开发有效的AI预测模型以识别乳腺癌术后高危复发患者	1156例接受手术治疗的乳腺癌患者	digital pathology	breast cancer	machine learning/deep learning	random forest	clinical prognostic data	1156例术后乳腺癌患者（445例复发，711例未复发）
35	2025-05-28	A novel MRI-based deep learning imaging biomarker for comprehensive assessment of the lenticulostriate artery-neural complex 2025-May-26, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-01676-3 PMID:40420012	研究论文	开发了一种基于MRI的深度学习成像生物标志物，用于全面评估豆纹动脉-神经复合体	利用深度学习网络从豆纹动脉供血区域提取特征，并将其作为成像生物标志物用于评估豆纹动脉-神经复合体	样本量较小（79例患者），且未提及外部验证	开发一种新型成像生物标志物，用于评估豆纹动脉-神经复合体的功能状态	豆纹动脉供血区域及豆纹动脉-神经复合体	数字病理学	脑血管疾病	MRI、DTI、ASL	ResNet18	图像	79例患者
36	2025-05-28	Evolution of deep learning tooth segmentation from CT/CBCT images: a systematic review and meta-analysis 2025-May-26, BMC oral health IF:2.6Q1 DOI:10.1186/s12903-025-05984-6 PMID:40420051	系统综述与荟萃分析	本文通过系统综述和荟萃分析评估了深度学习在牙齿分割中的演变和性能	总结了多种深度学习算法在牙齿分割中的应用，并根据其骨干结构进行了分类，同时发现注意力机制与卷积模型的结合成为新趋势	缺乏标准化协议和开放标记数据集	评估深度学习在牙齿分割中的演变和性能	人类牙齿的CT/CBCT图像	计算机视觉	NA	深度学习	CNN, U-Net, Transformer, 注意力机制模型	CT/CBCT图像	30项研究纳入系统综述，28项用于荟萃分析
37	2025-05-28	A comparative analysis of deep learning models for assisting in the diagnosis of periapical lesions in periapical radiographs 2025-May-26, BMC oral health IF:2.6Q1 DOI:10.1186/s12903-025-06104-0 PMID:40420083	研究论文	本研究比较了ConvNeXt和ResNet34两种深度学习模型在辅助诊断根尖周病变中的效果	首次评估了深度学习模型对新手牙医诊断根尖周病变的实际辅助效果	研究样本量相对有限，且仅针对根尖周X线片	评估深度学习模型在辅助诊断根尖周病变中的临床应用价值	根尖周X线片中的根尖周病变	数字病理	牙科疾病	深度学习	CNN（ConvNeXt和ResNet34）	图像	1305张根尖周X线片（训练集1044张，验证集261张）加800颗单独牙齿的X线片
38	2025-05-28	ORAKLE: Optimal Risk prediction for mAke30 in patients with sepsis associated AKI using deep LEarning 2025-May-26, Critical care (London, England) DOI:10.1186/s13054-025-05457-w PMID:40420108	research paper	介绍了一种名为ORAKLE的新型深度学习模型，用于预测脓毒症相关急性肾损伤（AKI）患者的30天内主要不良肾脏事件（MAKE30）	ORAKLE模型利用动态时间序列数据，能够捕捉肾脏损伤、治疗效果和患者轨迹的演变，相比现有静态预测模型更具个性化	研究为回顾性分析，可能存在数据偏差，且模型性能需在前瞻性研究中进一步验证	开发能够准确预测AKI患者30天内主要不良肾脏事件的深度学习模型	脓毒症相关急性肾损伤患者	machine learning	acute kidney injury	Dynamic DeepHit框架	深度学习模型	time-series clinical data	开发队列（MIMIC-IV）16,671例患者，外部验证队列（SiCdb）2,665例和（eICU-CRD）11,447例
39	2025-05-28	Surfactant representation using COSMO screened charge density for adsorption isotherm prediction using Physics-Informed Neural Network (PINN) 2025-May-26, Journal of cheminformatics IF:7.1Q1 DOI:10.1186/s13321-025-01027-y PMID:40420147	研究论文	本研究开发了一种基于物理信息神经网络（PINN）的吸附模型，用于预测表面活性剂的吸附等温线，考虑了分子特征、测试条件和固体性质	将COSMO筛选电荷密度描述符与物理信息深度学习模型结合，以预测表面活性剂吸附等温线，提供了一种新的方法来准确表示表面活性剂分子	模型在全新结构的表面活性剂预测上误差较大（RMSE 2.95 mg/g）	开发一个包含分子特征、测试条件和固体性质的吸附模型，以预测表面活性剂的吸附行为	56个吸附等温线和20种阴离子和非离子表面活性剂，使用沙子和氧化硅作为固体介质	机器学习	NA	COSMO筛选电荷密度描述符，物理信息神经网络（PINN）	PINN	数值数据	56个吸附等温线和20种表面活性剂
40	2025-05-28	An advanced deep learning method for pepper diseases and pests detection 2025-May-26, Plant methods IF:4.7Q1 DOI:10.1186/s13007-025-01387-4 PMID:40420214	research paper	本研究提出了一种名为YOLO-Pepper的深度学习模型，专门用于温室辣椒病虫害检测	YOLO-Pepper引入了四个主要创新点：自适应多尺度特征提取模块、动态特征金字塔网络、专门的小目标检测头以及改进的Inner-CIoU损失函数	模型仅在温室辣椒病虫害检测场景下进行了验证，未在其他农作物或开放环境中测试	开发一种高效的深度学习模型用于农业环境中的病虫害检测	温室辣椒的病虫害	computer vision	plant disease	deep learning-based object detection	YOLO-Pepper (based on YOLOv10n)	image	8046张标注图像