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
381	2025-09-14	Cerebrovascular super-resolution 4D Flow MRI - Sequential combination of resolution enhancement by deep learning and physics-informed image processing to non-invasively quantify intracranial velocity, flow, and relative pressure 2023-08, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2023.102831 PMID:37244143	研究论文	提出一种结合深度学习与物理信息图像处理的超分辨率4D Flow MRI方法，用于无创量化颅内血流动力学参数	首次将深度残差网络与物理信息图像处理顺序结合，实现颅内血管的超分辨率血流成像和功能相对压力精准量化	方法目前主要在患者特异性硅基队列和志愿者队列中验证，尚未在大型临床队列中广泛应用	开发定量颅内超分辨率4D Flow MRI方法，提升脑血管血流动力学的无创评估精度	颅内血管系统，特别是Willis环区域的流速、流量和相对压力	医学影像分析	脑血管疾病	4D Flow MRI，深度学习超分辨率，物理信息图像处理	深度残差网络	MRI影像数据	患者特异性硅基队列和体内志愿者队列（具体数量未明确说明）
382	2025-09-13	Deep learning-based detection of depression by fusing auditory, visual and textual clues 2025-Dec-15, Journal of affective disorders IF:4.9Q1 DOI:10.1016/j.jad.2025.119860 PMID:40675260	研究论文	提出一种基于多模态融合的深度学习模型，用于通过音频、视频和文本线索自动检测抑郁症状	整合视觉、听觉和文本多模态信息，并采用多头交叉注意力网络进行特征融合，在聊天机器人访谈场景中验证模型性能	未进行纵向随访研究，对重度抑郁的适用性需进一步验证	开发自动化抑郁检测人工智能模型	抑郁患者和健康对照者	自然语言处理	精神疾病	多模态特征融合、GPT-2.0	多头交叉注意力网络	音频、视频、文本	内部验证集：152名抑郁患者和118名健康对照；外部验证集：55名抑郁患者和45名健康对照
383	2025-09-13	A generalizable diffusion framework for 3D low-dose and few-view cardiac SPECT imaging 2025-Dec, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103729 PMID:40752375	研究论文	提出一种可泛化的扩散框架DiffSPECT-3D，用于改善3D低剂量和少视角心脏SPECT成像质量	无需网络重新训练或微调即可适应不同采集设置，采用一致性策略和2.5D条件策略解决3D扩散模型的内存/计算问题	NA	提升低剂量和少视角心脏SPECT成像质量并保持临床性能	心脏SPECT图像	医学影像处理	心血管疾病	SPECT成像，扩散模型	扩散模型	3D医学图像	1,325例临床Tc替曲膦负荷/静息研究，来自795名患者
384	2025-09-13	Predictive modeling and cohort data analytics for student success and retention 2025-Dec, Evaluation and program planning IF:1.5Q2 DOI:10.1016/j.evalprogplan.2025.102689 PMID:40897068	研究论文	基于23,000多名大一新生的数据，分析学术表现和人口统计差异，并开发预测模型以提升学生成功率和保留率	利用深度学习模型预测大二学分积累和GPA，实现主动风险识别并为差异化支持提供依据	研究仅基于单一美国公立大学数据，可能缺乏普适性	通过数据分析和预测建模提升学生学术表现和保留率	23,000多名首次入学的大一新生	机器学习	NA	深度学习	深度学习模型	结构化数据（学术和人口统计数据）	23,000多名大一新生
385	2025-09-13	Pred5AOP: an efficient screening of food-derived antioxidant peptides based on deep learning, molecular docking, and experimental validation 2025-Nov-30, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2025.145769 PMID:40774187	研究论文	本研究开发了一种基于深度学习的抗氧化肽筛选方法Pred5AOP，并通过实验验证其有效性	结合深度学习、分子对接和实验验证，提出了一种高效筛选食物源性抗氧化肽的新策略	NA	从食物蛋白质中高效识别具有抗氧化活性的肽段	29种膳食蛋白质经计算机水解产生的76,343条肽段	机器学习	NA	深度学习、分子对接、分子动力学模拟、量子化学分析	MLP（多层感知机）	肽序列数据	76,343条肽段，从中筛选出6条代表性肽段进行实验验证
386	2025-09-13	CSCE: Cross Supervising and Confidence Enhancement pseudo-labels for semi-supervised subcortical brain structure segmentation 2025-Nov, Journal of neuroscience methods IF:2.7Q3 DOI:10.1016/j.jneumeth.2025.110522 PMID:40653056	研究论文	提出一种基于伪标签交叉监督和置信度增强的半监督皮层下脑结构分割框架CSCE	采用双师生模型（U-Net和TransUNet）进行相互伪标签监督，并设计信息熵和辅助检测任务来提升伪标签可靠性	NA	开发半监督学习方法以解决脑部MR图像中皮层下结构标注数据稀缺的问题	脑部MR图像中的皮层下结构	医学图像分割	脑部疾病	半监督学习，伪标签生成	U-Net, TransUNet	脑部MR图像	两个公共基准脑MRI数据集
387	2025-09-13	Multi-class mental Task Classification based Brain-Computer Interface using Improved Remora depthwise convolutional adaptive neuro-fuzzy inference network model 2025-Nov, Journal of neuroscience methods IF:2.7Q3 DOI:10.1016/j.jneumeth.2025.110536 PMID:40681115	研究论文	提出一种基于改进Remora深度卷积自适应神经模糊推理网络模型的脑机接口多类心理任务分类方法	结合有限线性Haar小波滤波、混合动态中心二值模式与多阈值三元模式特征提取，以及改进Remora优化的深度卷积自适应神经模糊推理网络	NA	开发高精度、鲁棒且计算高效的脑机接口心理任务分类系统	脑电图信号与多类心理任务（基线、计数、乘法、字母组合、旋转）	脑机接口	NA	EEG信号处理、深度学习	IRDCANFIN（改进Remora深度卷积自适应神经模糊推理网络）	脑电图信号	BCI实验室数据集和EEG精神疾病数据集
388	2025-09-13	Hybrid two-stage CNN for detection and staging of periodontitis on panoramic radiographs 2025 Nov-Dec, Journal of oral biology and craniofacial research DOI:10.1016/j.jobcr.2025.08.019 PMID:40927498	研究论文	本研究开发了一种混合两阶段CNN模型，用于在全景X光片上检测和分期牙周炎	结合Mask R-CNN与DenseNet169的混合两阶段架构，实现牙周炎的自动检测与分期	需要进一步开发以提高临床适用性和准确性	评估混合CNN模型在全景X光片上检测和分期牙周炎的性能	牙周炎患者	计算机视觉	牙周病	深度学习	Mask R-CNN, DenseNet169	X光图像	600张全景X光片（训练集70%，验证集10%，测试集20%），外加100张外部测试X光片
389	2025-09-13	SST-DUNet: Smart Swin Transformer and Dense UNet for automated preclinical fMRI skull stripping 2025-Nov, Journal of neuroscience methods IF:2.7Q3 DOI:10.1016/j.jneumeth.2025.110545 PMID:40789440	研究论文	提出一种结合Smart Swin Transformer和Dense UNet的自动化方法SST-DUNet，用于预处理大鼠fMRI数据的颅骨剥离	采用Smart Shifted Window Multi-Head Self-Attention模块替代Swin Transformer中的掩码模块，增强通道特征学习和脑结构依赖关系捕捉，并应用Focal与Dice结合的损失函数处理类别不平衡	NA	开发自动化颅骨剥离方法以替代手动处理，提升 preclinical fMRI 数据分析效率	大鼠fMRI图像	计算机视觉	NA	fMRI	SST-DUNet (基于Swin Transformer和Dense UNet)	图像	三个内部数据集的大鼠fMRI图像
390	2025-09-13	EEG-based cerebral pattern analysis for neurological disorder detection via hybrid machine and deep learning approaches 2025-Nov, Journal of neuroscience methods IF:2.7Q3 DOI:10.1016/j.jneumeth.2025.110551 PMID:40816535	研究论文	本研究提出一种结合随机森林和卷积神经网络的混合模型，用于基于脑电图信号检测神经系统疾病	首次将基于特征的机器学习与基于图像的深度学习相结合，形成混合RF-CNN模型，显著提高了神经系统疾病检测的准确性	NA	开发高精度的神经系统疾病检测方法	轻度认知障碍(MCI)、阿尔茨海默病(AD)和癫痫(Ep)患者	机器学习	神经系统疾病	脑电图(EEG)信号分析、连续小波变换(CWT)	随机森林(RF)、卷积神经网络(CNN)、混合RF-CNN	EEG信号、频谱地形图、时频标量图	使用19通道EEG数据，具体样本数量未明确说明
391	2025-09-13	Evaluation of the deep learning-based detection of dopaminergic neurons in primary culture: A practical alternative to manual counting 2025-Nov, Journal of neuroscience methods IF:2.7Q3 DOI:10.1016/j.jneumeth.2025.110557 PMID:40819676	研究论文	评估基于深度学习的方法在检测原代培养多巴胺能神经元中的应用，作为手动计数的实用替代方案	比较了传统级联分类器与基于YOLOv3的深度学习模型，后者在神经毒性条件下仍保持高精度，且处理速度比手动计数快七倍以上	研究主要针对体外培养的神经元，可能不直接适用于体内或其他细胞类型	开发并验证一种自动、客观的细胞计数方法，以替代劳动密集型且主观的手动计数	原代培养的酪氨酸羟化酶阳性多巴胺能神经元	数字病理学	神经退行性疾病	免疫染色，YOLOv3目标检测算法	YOLOv3	图像	NA
392	2025-09-13	Deep learning-based prediction of cervical canal stenosis from mid-sagittal T2-weighted MRI 2025-Oct, Skeletal radiology IF:1.9Q3 DOI:10.1007/s00256-025-04917-2 PMID:40152984	研究论文	本研究基于大型退行性颈椎病队列开发深度学习模型，用于从矢状位T2加权MRI预测颈椎管狭窄	首次利用大规模退行性颈椎病队列构建集成深度学习模型，并采用梯度加权类激活映射进行可解释性分析	数据来源于单一机构，且纳入人口统计学特征未带来模型性能提升	开发深度学习模型预测颈椎管狭窄	退行性颈椎病患者	医学影像分析	颈椎病	MRI成像	ResNet50, VGG16, MobileNetV3, EfficientNetV2, 集成模型	图像	7645名患者（训练集6880例，测试集765例）
393	2025-09-13	Task Augmentation-Based Meta-Learning Segmentation Method for Retinopathy 2025-Oct, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3579271 PMID:40504712	研究论文	提出一种基于任务增强的元学习方法TAMS，用于视网膜图像分割，以解决标注数据稀缺问题	提出视网膜病变模拟算法(LSA)自动生成多类视网膜疾病数据集，并设计生成模拟网络(GSNet)保持疾病表征质量	NA	开发能够快速适应有限标注数据的视网膜图像分割方法	视网膜病变图像	计算机视觉	视网膜病变	深度学习，元学习，对抗训练	GAN，元学习模型	医学图像（OCT和CFP图像）	三个不同的OCT和CFP图像数据集
394	2025-09-13	A physics-informed deep learning approach to predicting bilateral ground reaction forces and centre of pressure from a single forceplate during gait 2025-Oct, Gait & posture IF:2.2Q2 DOI:10.1016/j.gaitpost.2025.07.005 PMID:40618708	研究论文	本研究开发了一种物理信息残差循环神经网络，用于从单个测力台数据预测步态中的双侧地面反作用力和压力中心	提出了一种新型的物理信息残差循环神经网络(PI-ResRNN)，首次实现了使用单个测力台数据准确预测双侧GRF和COP	NA	开发并验证从单个测力台预测步态中双侧地面反作用力(GRF)和压力中心(COP)的深度学习方法	健康参与者和六种神经肌肉骨骼疾病患者	机器学习	神经肌肉骨骼疾病	深度学习，力板数据采集	物理信息残差循环神经网络(PI-ResRNN)	力板传感器数据	315名参与者，6765次试验数据
395	2025-09-13	Recognition of Parkinson disease using Kriging Empirical Mode Decomposition via deep learning techniques 2025-Oct, Gait & posture IF:2.2Q2 DOI:10.1016/j.gaitpost.2025.06.024 PMID:40628146	研究论文	本文提出了一种使用克里金经验模态分解和深度学习技术识别帕金森病的方法	结合克里金经验模态分解与深度学习技术进行帕金森病识别	NA	开发帕金森病的识别方法	帕金森病患者	机器学习	帕金森病	Kriging Empirical Mode Decomposition, deep learning	深度学习模型	NA	NA
396	2025-09-13	Pharmacoutilization data-driven artificial intelligence-assisted diagnosis algorithm to improve the pharmacological treatment of pain and agitation in patients suffering from severe dementia 2025-Oct, Current opinion in pharmacology IF:4.0Q1 DOI:10.1016/j.coph.2025.102563 PMID:40815967	研究论文	本研究开发了一种基于药物利用数据和人工智能的算法，用于改善重度痴呆患者的疼痛和躁动药物治疗，并辅助阿尔茨海默病的诊断	利用药理学时间序列数据和自编码器构建AI算法，从大规模社区回顾性研究中识别漏诊的阿尔茨海默病患者	需要进一步研究和纵向患者监测来改进疾病检测和管理	通过先进人工智能方法诊断阿尔茨海默病，改善痴呆患者的疼痛和躁动药物治疗	298,000名个体（其中84,235名60岁以上老年人），包括114,920名未诊断AD患者和1,150名已诊断患者	医疗人工智能	阿尔茨海默病	药理学数据分析、深度学习	自编码器	药理学时间序列数据	298,000名个体（84,235名60岁以上老年人）
397	2025-09-13	An iterative deep learning-guided algorithm for directed protein evolution 2025-Sep-19, iScience IF:4.6Q1 DOI:10.1016/j.isci.2025.113324 PMID:40927680	研究论文	提出一种基于深度学习的迭代算法DeepDE，用于指导蛋白质定向进化	利用三重突变体作为构建块，通过紧凑的约1000个突变体库进行训练，显著扩展序列空间探索能力	算法性能依赖于有限规模的实验筛选（约1000个变异体），可能受数据稀疏性问题约束	开发高效的蛋白质定向进化算法以提升蛋白质活性	绿色荧光蛋白（GFP）	机器学习	NA	深度学习指导的蛋白质工程	深度学习	蛋白质序列数据	约1000个突变体组成的训练库
398	2025-09-13	Ex vivo human brain volumetry: Validation of MRI measurements 2025-Sep-12, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.70083 PMID:40937565	研究论文	本研究通过离体人脑标本验证MRI脑体积测量的准确性，并与水置换法（WDM）金标准进行比较	首次使用离体原位人脑标本系统验证多种MRI序列（T2加权、T1加权、MP2RAGE）的体积测量准确性，并对比手动与深度学习自动分割方法	样本量较小（仅7个解剖头部），且为离体固定标本，可能与活体组织存在差异	验证MRI脑体积测量工具的准确性	经酒精-甲醛溶液固定的七个人类解剖头部标本	医学影像分析	NA	MRI（T2加权、T1加权、MP2RAGE序列），水置换法（WDM）	深度学习分割工具（SynthSeg）	MRI图像	7个固定的人脑标本
399	2025-09-13	Leveraging modified ex situ tomography data for segmentation of in situ synchrotron X-ray computed tomography 2025-Sep-12, Journal of microscopy IF:1.5Q3 DOI:10.1111/jmi.70032 PMID:40938296	研究论文	提出一种利用改进的离位断层扫描数据训练深度学习模型，用于在位同步辐射X射线计算机断层扫描的自动分割方法	通过将高质量离位实验室数据转换为适用于在位同步辐射数据分割的训练数据，解决了训练数据有限的问题，并采用改进的SegFormer架构达到与人工标注相当的可靠性	仅使用静态样本进行训练，但需要在实验过程中保持对显著形态变化的鲁棒性能	开发高效的自动分割方法以分析动态材料研究中的时间分辨断层扫描数据	金属氧化物溶解过程中的材料形态变化	计算机视觉	NA	同步辐射X射线计算机断层扫描，深度学习分割	改进的SegFormer架构	3D断层扫描图像数据	未明确说明具体样本数量，但涉及典型在位实验产生的大量时间分辨断层数据
400	2025-09-13	Towards reliable prediction of intraoperative hypotension: a cross-center evaluation of deep learning-based and MAP-derived methods 2025-Sep-12, Journal of clinical monitoring and computing IF:2.0Q2 DOI:10.1007/s10877-025-01357-0 PMID:40938328	研究论文	本研究评估深度学习方法和MAP阈值方法在预测术中低血压方面的可靠性，并通过跨中心验证揭示数据选择偏差对模型泛化能力的影响	引入包含血压边界案例（65-75 mmHg '灰色区域'）的评估框架，标准化MAP差异以减少数据集特定偏差，并发现模型在年龄维度上的不对称泛化特性	研究仅基于两个医疗中心的数据集（瑞典卡罗林斯卡大学医院和韩国VitalDB），可能需要更多样化的数据源验证	提高术中低血压预测AI工具在真实世界中的可靠性和泛化能力	术中低血压（IOH）患者	医疗人工智能	心血管疾病	深度学习，MAP阈值分析	深度学习模型	血压监测数据	来自瑞典和韩国两个医疗中心的多样化手术队列数据集