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
401	2025-07-18	Deep Learning Detection of Hand Motion During Microvascular Anastomosis Simulations Performed by Expert Cerebrovascular Neurosurgeons 2024-12, World neurosurgery IF:1.9Q2 DOI:10.1016/j.wneu.2024.09.069 PMID:39305985	研究论文	使用深度学习技术对专家脑血管神经外科医生在模拟微血管吻合手术中的手部运动进行定量评估	首次利用深度学习技术无传感器追踪专家神经外科医生的手部运动，并定量分析手术动作的经济性和流畅性	样本量较小（仅5名专家），且仅在模拟环境中进行	评估专家神经外科医生的手术动作特征，探索深度学习在手术培训中的应用潜力	5名经验丰富的脑血管神经外科医生	计算机视觉	脑血管疾病	深度学习手部追踪	深度学习模型（具体未说明）	视频	5名专家神经外科医生的模拟手术数据
402	2025-07-18	Automated deep learning segmentation of neuritic plaques and neurofibrillary tangles in Alzheimer disease brain sections using a proprietary software 2024-09-01, Journal of neuropathology and experimental neurology IF:3.2Q2 DOI:10.1093/jnen/nlae048 PMID:38812098	研究论文	开发了一种深度学习工作流程，用于自动注释和分割阿尔茨海默病脑切片中的神经炎斑块和神经纤维缠结	利用专有图像分析软件（Visiopharm）进行自动深度学习分割，显著提高了复杂神经病理特征的注释质量	仅分析了15张全切片图像，样本量较小	提高阿尔茨海默病神经病理特征的自动注释和分割精度	阿尔茨海默病脑切片中的神经炎斑块和神经纤维缠结	数字病理学	阿尔茨海默病	AT8免疫染色全切片图像分析	U-Net卷积神经网络	图像	15张全切片图像，来自4个生物库，包含5013个神经炎斑块和5143个神经纤维缠结
403	2025-07-18	Deep Learning Enhanced Label-Free Action Potential Detection Using Plasmonic-Based Electrochemical Impedance Microscopy 2024-07-16, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.4c01179 PMID:38953225	研究论文	本文介绍了一种利用深度学习增强的无标记动作电位检测方法，通过基于等离子体的电化学阻抗显微镜（P-EIM）实现	利用深度学习方法显著提高了P-EIM在神经元电信号映射中的可用性，特别是LSTM网络成功检测单周期刺激的动作电位	尽管性能有所提升，但单周期动作电位检测的AUC仅为0.855，仍有改进空间	提高基于P-EIM的神经元电活动检测的灵敏度和效率	神经元细胞的动作电位	生物医学工程	NA	等离子体基电化学阻抗显微镜（P-EIM）	LSTM	视频信号	未明确提及具体样本数量
404	2025-07-18	The new paradigm in machine learning - foundation models, large language models and beyond: a primer for physicians 2024-05, Internal medicine journal IF:1.8Q2 DOI:10.1111/imj.16393 PMID:38715436	review	本文综述了基础机器学习模型，特别是大型语言模型（LLM）在医学领域的应用、潜力及风险	介绍了基础机器学习模型和LLM在医学中的多任务处理能力及其潜在变革性应用	指出了LLM在开发、评估和使用中缺乏适当审查可能带来的风险和偏见	探讨基础机器学习模型和LLM在医学领域的应用前景及挑战	基础机器学习模型和大型语言模型（LLM）	machine learning	NA	deep learning	LLM	text, audio, images, video	NA
405	2025-07-18	DLSIA: Deep Learning for Scientific Image Analysis 2024-Apr-01, Journal of applied crystallography IF:5.2Q1 DOI:10.1107/S1600576724001390 PMID:38596727	研究论文	介绍了一个名为DLSIA的基于Python的机器学习库，用于科学图像分析	提出了稀疏混合尺度网络（SMSNets），通过随机图、稀疏连接和扩张卷积连接不同长度尺度	未提及具体性能对比或计算资源需求	为科学图像分析提供可定制的CNN架构	科学图像数据	计算机视觉	NA	CNN	autoencoders, U-Nets, MSDNets, SMSNets	图像	NA
406	2025-07-17	Shared subspace learning via partial Tucker decomposition for hyperspectral image classification 2025-Dec-15, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2025.126584 PMID:40580669	research paper	提出了一种基于张量的分类框架SSTC，用于高光谱图像分类，通过学习共享的空间和光谱子空间来保持数据的多维结构	采用部分Tucker分解学习共享子空间，有效降维的同时保留维度间关键关系，提供可解释的特征提取	未提及具体样本量限制或计算资源需求	开发高效且可解释的高光谱图像分类方法	高光谱图像数据	computer vision	NA	partial Tucker decomposition	tensor-based classification framework (SSTC)	hyperspectral image	未明确提及具体样本量，但涉及李子皮下淤伤检测和芒果成熟度分类两个任务
407	2025-07-17	Quantitative Analysis of Deltamethrin Residues in Water Using Surface-Enhanced Raman Spectroscopy 2025-Dec-15, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2025.126545 PMID:40614471	研究论文	本研究创新性地结合表面增强拉曼光谱(SERS)与增强深度神经网络，提出了一种高灵敏度且准确的水中溴氰菊酯残留定量分析方法	通过引入门控循环单元(GRU)和注意力机制，构建了CNN-GRU-Attention增强混合神经网络，显著提升了特征提取能力和非线性关系建模	NA	开发一种高灵敏度且准确的水中溴氰菊酯残留定量分析方法	水中的溴氰菊酯残留	机器学习和光谱分析	NA	表面增强拉曼光谱(SERS)	CNN-GRU-Attention混合神经网络	光谱数据	NA
408	2025-07-17	Performance of AI methods in PET-based imaging for outcome prediction in lymphoma: A systematic review and meta-analysis 2025-Sep, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.112204 PMID:40466216	meta-analysis	评估人工智能方法在基于PET成像的淋巴瘤预后预测中的表现	首次通过系统综述和荟萃分析评估AI方法在淋巴瘤预后预测中的表现，特别是深度学习的优越性	需要进一步的前瞻性研究以验证临床应用的可行性	评估AI方法在淋巴瘤预后预测中的性能	淋巴瘤患者	数字病理学	淋巴瘤	PET成像	深度学习(DL), 机器学习(ML), 放射组学	图像	75项研究，主要关注非霍奇金淋巴瘤(NHL, n=61)
409	2025-07-17	Learning discrete structures for cancer radiomics 2025-Sep, APL bioengineering IF:6.6Q1 DOI:10.1063/5.0260927 PMID:40655195	研究论文	本文提出了一种基于图像图的神经网络方法，用于癌症放射组学分析，通过共同学习图像图和优化特征来提高性能	开发了一种能够同时学习图像图和优化特征的Image-Graph based neural Network，解决了现有方法忽略图像间潜在关系的问题	未明确提及具体局限性	提高癌症放射组学分析的性能	癌症图像数据	数字病理	癌症	放射组学分析	Image-Graph based neural Network	图像	来自五家不同医院的四个真实数据集
410	2025-07-17	Enhanced reconstruction of atomic force microscopy cell images to super-resolution 2025-Aug, Journal of microscopy IF:1.5Q3 DOI:10.1111/jmi.13423 PMID:40341533	研究论文	本研究提出了一种基于深度学习的跨模块方法，用于超分辨率重建原子力显微镜（AFM）细胞图像，通过整合频率分割和自适应融合模块显著提升图像质量	提出了一种增强的空间融合结构和优化的反向投影机制，结合对抗性超分辨率网络，有效检测AFM细胞图像特有的弱信号和复杂纹理，并设计了基于交叉的频率分割模块以分离和增强与细胞结构相关的特征	未明确提及具体局限性，但可能受限于AFM图像采集的固有噪声或特定细胞类型的适用性	提升AFM细胞图像的分辨率和质量，以支持细胞生物学研究和生物医学应用	原子力显微镜（AFM）捕获的细胞图像	计算机视觉	NA	原子力显微镜（AFM）成像与深度学习	对抗性超分辨率网络（GAN）	图像（AFM细胞表面形貌图）	多种细胞的AFM图像（未明确数量）
411	2025-07-17	Learning-Based Classification of B- and T-Cell Lymphoma on Histopathological Images: A Multicenter Study 2025-Aug, European journal of haematology IF:2.3Q2 DOI:10.1111/ejh.14433 PMID:40360162	研究论文	本研究探讨了深度学习模型在B细胞和T细胞淋巴瘤组织病理学图像分类中的首次可行性应用	首次在组织病理学图像上应用深度学习模型进行B细胞和T细胞淋巴瘤分类，并集成了卷积块注意力模块(CBAMs)	研究样本量相对有限(1510个切片)，且仅针对H&E染色图像	开发AI驱动的淋巴瘤分类系统以提高诊断精度并减少对人工染色和判读的依赖	B细胞和T细胞淋巴瘤的组织病理学图像	数字病理学	淋巴瘤	H&E染色	CNN (Xception, NASNetL, ResNet50, EfficientNet) 与 CBAMs结合	图像	1510个H&E染色切片(750个B细胞，760个T细胞)
412	2025-07-17	Large-scale deep learning for metastasis detection in pathology reports 2025-Aug, JAMIA open IF:2.5Q3 DOI:10.1093/jamiaopen/ooaf070 PMID:40655537	研究论文	本研究开发了一种深度学习模型，用于从病理报告中自动检测转移性癌症患者	开发了一个针对特定任务的深度学习模型，其在性能上优于通用的大型语言模型（LLM），并通过不确定性量化提高了召回率	研究仅基于来自4个SEER登记处的病理报告，可能无法覆盖所有癌症类型和人群	开发一种能够从非结构化病理报告中自动识别转移性癌症的算法	60,471份非结构化病理报告	数字病理	癌症	深度学习	深度神经网络	文本	60,471份病理报告
413	2025-07-17	Explainable CT-based deep learning model for predicting hematoma expansion including intraventricular hemorrhage growth 2025-Jul-18, iScience IF:4.6Q1 DOI:10.1016/j.isci.2025.112888 PMID:40655092	research paper	开发并验证了一种基于CT的深度学习模型HENet，用于预测血肿扩张（包括脑室内出血增长）	HENet模型在预测血肿扩张方面表现优于传统2D模型和医生预测，并通过Grad-CAM技术提供了模型决策的可视化解释	研究为回顾性多中心研究，可能存在选择偏倚	提高脑出血患者血肿扩张预测的准确性	718名脑出血患者的CT扫描和临床数据	digital pathology	cardiovascular disease	CT扫描	deep learning (HENet)	image (CT scans) 和 clinical data	718名脑出血患者
414	2025-07-17	ComptoNet: a Compton-map guided deep learning framework for multi-scatter estimation in multi-source stationary CT 2025-Jul-16, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/adebd7 PMID:40609598	研究论文	提出了一种名为ComptoNet的解耦深度学习框架，用于多源静态CT中的多散射估计	创新点在于引入了Compton-map表示大角度康普顿散射信号，并采用双网络架构进行散射估计和校正	实验数据基于蒙特卡洛模拟，未提及真实临床数据的验证	解决多源静态CT中缺乏抗散射网格导致的严重散射污染问题	多源静态CT系统	计算机视觉	NA	深度学习	条件编码器-解码器网络, 频率U-Net	CT图像	蒙特卡洛模拟数据（未提具体数量）
415	2025-07-17	MR-Transformer: A Vision Transformer-based Deep Learning Model for Total Knee Replacement Prediction Using MRI 2025-Jul-16, Radiology. Artificial intelligence DOI:10.1148/ryai.240373 PMID:40668131	research paper	开发了一种基于Transformer的深度学习模型MR-Transformer，用于通过MRI预测膝关节骨关节炎进展至全膝关节置换术(TKR)	利用ImageNet预训练和三维空间相关性，首次将Transformer架构应用于膝关节MRI的TKR预测	研究为回顾性设计，样本量相对有限，且仅使用了特定数据库的MRI序列	开发高性能深度学习模型预测膝关节骨关节炎进展至TKR	膝关节MRI图像	digital pathology	geriatric disease	MRI	Transformer	3D medical image	623例匹配病例对照(353例来自OAI数据库，270例来自MOST数据库)
416	2025-07-17	Single Inspiratory Chest CT-based Generative Deep Learning Models to Evaluate Functional Small Airway Disease 2025-Jul-16, Radiology. Artificial intelligence DOI:10.1148/ryai.240680 PMID:40668132	研究论文	开发了一种基于单次吸气胸部CT扫描的生成式深度学习模型，用于评估功能性小气道疾病	提出了一种新的生成式深度学习模型，仅需单次吸气CT扫描即可生成参数响应图并预测功能性小气道疾病，性能优于现有算法	研究为回顾性研究，模型性能在不同测试集中存在一定波动	开发基于深度学习的医学影像分析工具用于肺部疾病评估	功能性小气道疾病患者	数字病理学	肺部疾病	深度学习	生成式深度学习模型	CT影像	308名患者（中位年龄67岁）
417	2025-07-17	Deep learning for appendicitis: development of a three-dimensional localization model on CT 2025-Jul-16, Japanese journal of radiology IF:2.9Q2 DOI:10.1007/s11604-025-01834-1 PMID:40668351	研究论文	开发并评估了一种用于在腹部CT上检测阑尾炎的深度学习模型	使用三维定位模型在CT上检测阑尾炎，并评估了模型在不同临床因素下的表现	研究为单中心回顾性研究，样本量有限，且未考虑年龄小于20岁、穿孔、阑尾不清晰和阑尾肿瘤等病例	开发一种深度学习模型，用于在CT上检测阑尾炎	阑尾炎患者的腹部CT图像	数字病理	阑尾炎	CT成像	Faster R-CNN	图像	567例阑尾炎患者的CT图像（训练集517例，验证集50例），测试集包括100例阑尾炎CT和100例对照CT
418	2025-07-17	Distinguishing symptomatic and asymptomatic trigeminal nerves through radiomics and deep learning: A microstructural study in idiopathic TN patients and asymptomatic control group 2025-Jul-16, Neuroradiology IF:2.4Q2 DOI:10.1007/s00234-025-03691-1 PMID:40668403	research paper	该研究利用人工智能分析三叉神经的微观结构，以区分特发性三叉神经痛患者和无症状对照组的症状性和无症状性神经	结合放射组学和深度学习技术，首次在特发性三叉神经痛患者和无症状对照组之间区分症状性和无症状性神经	需要进一步研究以全面阐明可能导致特发性三叉神经痛的血管和非血管病因的影响	区分特发性三叉神经痛患者和无症状对照组的症状性和无症状性神经	特发性三叉神经痛患者和无症状对照组的三叉神经	digital pathology	trigeminal neuralgia	MRI	DenseASPP-201, MobileASPPV2, SDEL, SVM, KNN	image	78例症状性三叉神经和182例无症状性三叉神经（91例1级NVC和91例0级NVC）
419	2025-07-17	Integrated machine learning and deep learning-based virtual screening framework identifies novel natural GSK-3β inhibitors for Alzheimer's disease 2025-Jul-16, Journal of computer-aided molecular design IF:3.0Q2 DOI:10.1007/s10822-025-00637-w PMID:40668407	研究论文	本文提出了一种结合机器学习和深度学习的虚拟筛选框架，用于识别阿尔茨海默病的潜在天然GSK-3β抑制剂	结合可解释的随机森林模型和深度学习分子对接平台KarmaDock，提高了筛选的准确性和可解释性	目前的研究结果仅为计算模拟，需要未来的实验验证	识别阿尔茨海默病的潜在天然GSK-3β抑制剂	天然产物中的GSK-3β抑制剂	机器学习	阿尔茨海默病	虚拟筛选、分子对接、药效团建模、分子动力学模拟	随机森林 (RF)、深度学习	分子数据	25,000种天然化合物
420	2025-07-17	Specific Contribution of the Cerebellar Inferior Posterior Lobe to Motor Learning in Degenerative Cerebellar Ataxia 2025-Jul-16, Cerebellum (London, England) DOI:10.1007/s12311-025-01887-y PMID:40668493	研究论文	本研究利用深度学习算法CerebNet分析小脑亚区体积与运动学习能力的关系，揭示了小脑后下叶在退行性小脑共济失调患者运动学习中的独特作用	首次发现小脑后下叶体积与运动学习能力存在特异性关联，为小脑功能分区提供了新证据	样本量较小(37例患者和18例健康对照)，且结果可能受退行性小脑共济失调亚型影响	探究小脑不同亚区体积与运动学习能力和共济失调严重程度的关系	退行性小脑共济失调患者和健康对照者	数字病理学	退行性小脑共济失调	深度学习算法CerebNet	CNN	医学影像数据	37例患者和18例健康对照