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
5041	2025-07-04	Clinical value of the 70-kVp ultra-low-dose CT pulmonary angiography with deep learning image reconstruction 2025-Jul-02, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-11764-1 PMID:40603771	研究论文	本研究评估了基于深度学习图像重建算法的低辐射剂量和低对比剂剂量的CT肺动脉造影（CTPA）的可行性	采用70 kVp超低剂量CTPA结合深度学习图像重建算法，显著降低辐射和对比剂剂量，同时保持图像质量	样本量较小（100名患者），且仅在一家机构进行，可能影响结果的普遍性	评估低辐射剂量和低对比剂剂量的CTPA在临床中的应用价值	100名连续患者（41名女性，平均年龄60.9岁，范围18-90岁）	数字病理	心血管疾病	CT肺动脉造影（CTPA）	深度学习图像重建（DLIR）	医学影像	100名患者（50名传统剂量组，50名低剂量组）
5042	2025-07-04	Development and validation of a deep learning ultrasound radiomics model for predicting drug resistance in lymph node tuberculosis a multicenter study 2025-Jul-02, International journal of surgery (London, England) DOI:10.1097/JS9.0000000000002850 PMID:40607926	研究论文	开发并验证了一种深度学习超声放射组学模型，用于预测淋巴结结核的药物耐药性	结合集成机器学习和AdaBoost算法，开发了一种新的预测模型，并在多中心研究中验证了其高效诊断能力	研究样本量相对较小，且外部验证集来自有限的其他中心	预测淋巴结结核的药物耐药性	234名颈部淋巴结结核患者	数字病理	结核病	超声放射组学	集成机器学习与AdaBoost算法	超声图像	234名患者（来自一个中心的训练和内部验证队列，以及来自另外两个中心的外部测试集A和B）
5043	2025-07-04	Multichannel deep learning prediction of major pathological response after neoadjuvant immunochemotherapy in lung cancer: a multicenter diagnostic study 2025-Jul-02, International journal of surgery (London, England) DOI:10.1097/JS9.0000000000002821 PMID:40607969	研究论文	本研究旨在开发一种基于治疗前CT的多通道预测器，结合Transformer模型编码的深度学习特征，用于术前诊断非小细胞肺癌（NSCLC）患者接受新辅助免疫化疗后的主要病理反应（MPR）	创新点在于将多通道深度学习与Transformer编码器融合，提高了MPR诊断的准确性	研究为回顾性研究，可能存在选择偏倚，且样本量相对有限	开发一种能够准确预测NSCLC患者新辅助免疫化疗后MPR的术前诊断方法	非小细胞肺癌（NSCLC）患者	数字病理学	肺癌	CT成像，深度学习	Transformer, GoogLeNet	图像	332名NSCLC患者（来自4个中心）
5044	2025-07-04	Towards Investigating Residual Hearing Loss: Quantification of Fibrosis in a Novel Cochlear OCT Dataset 2025-Jul, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3537868 PMID:40031386	研究论文	本研究通过光学相干断层扫描（OCT）技术，探索了耳蜗植入后纤维化的定量分析，旨在改善混合耳蜗植入物的效果	首次将计算机视觉技术应用于植入耳蜗纤维化的OCT数据集，开发了名为2D-OCT-UNET的改进UNET架构	研究基于豚鼠模型，结果向人类临床应用的转化需要进一步验证	研究耳蜗纤维化的形成机制，减少纤维化负担，提高混合耳蜗植入物的疗效	长期植入耳蜗的豚鼠模型	计算机视觉	听力损失	光学相干断层扫描（OCT）	改进的UNET架构（2D-OCT-UNET）	图像	未明确提及样本数量，但使用了长期植入耳蜗的豚鼠OCT图像数据集
5045	2025-07-04	A Contrast-Enhanced Ultrasound Cine-Based Deep Learning Model for Predicting the Response of Advanced Hepatocellular Carcinoma to Hepatic Arterial Infusion Chemotherapy Combined With Systemic Therapies 2025-Jul, Cancer science IF:4.5Q1 DOI:10.1111/cas.70089 PMID:40302359	研究论文	本研究开发了一种基于对比增强超声视频的深度学习模型，用于预测晚期肝细胞癌对肝动脉灌注化疗联合系统疗法的治疗反应	创新性地结合了时空注意力模块以增强动态特征提取能力	研究为回顾性分析，可能存在选择偏倚	预测晚期肝细胞癌患者对联合治疗方案的疗效反应	晚期肝细胞癌患者	数字病理	肝细胞癌	对比增强超声(CEUS)	AE-3DNet, 3DNet	视频	326名患者(内部验证队列243名，外部验证队列83名)
5046	2025-07-04	Enhanced Maize Leaf Disease Detection and Classification Using an Integrated CNN-ViT Model 2025-Jul, Food science & nutrition IF:3.5Q2 DOI:10.1002/fsn3.70513 PMID:40599357	研究论文	本文提出了一种结合CNN和ViT的混合深度学习框架，用于增强玉米叶部病害的检测和分类	通过结合CNN的局部特征提取能力和ViT的长距离上下文依赖捕捉能力，提出了一种新颖的混合模型，显著提高了分类性能	模型在CD&S数据集上的表现略低于主数据集，可能存在一定的泛化限制	开发一种高精度的自动化玉米叶部病害检测方法	玉米叶部病害图像	计算机视觉	植物病害	深度学习	CNN-ViT混合模型	图像	来自Mendeley、Kaggle和CD&S数据集的玉米病害图像
5047	2025-07-04	Python-driven impedance profiling on peptide-functionalized biosensor for detection of HIV gp41 envelope protein 2025-Jul, 3 Biotech IF:2.6Q3 DOI:10.1007/s13205-025-04400-8 PMID:40599495	研究论文	本研究提出了一种无标记阻抗生物传感器，用于检测HIV包膜蛋白gp41，使用抗菌肽作为生物识别受体	首次使用抗菌肽作为生物识别受体，结合Python驱动的深度学习算法进行阻抗数据分析	未提及在复杂生物样本中的实际应用效果	开发一种快速、灵敏且可重复的HIV早期诊断平台	HIV包膜蛋白gp41	生物传感器	HIV感染	电化学阻抗谱(EIS)、扫描电子显微镜、Python深度学习算法	深度学习回归模型	阻抗数据	NA
5048	2025-07-04	The power spectrum map of gyro-sulcal functional activity dissociation in macaque brains 2025-Jul-01, Cerebral cortex (New York, N.Y. : 1991) DOI:10.1093/cercor/bhaf160 PMID:40605313	研究论文	本研究利用一维卷积神经网络（1D-CNN）分析猕猴大脑中脑回与脑沟在静息态功能磁共振成像信号中的功能分离特性，并建立了首个猕猴脑回-脑沟功能活动分离的功率谱图	首次建立了猕猴脑回-脑沟功能活动分离的功率谱图，为系统探索哺乳动物大脑功能分离的神经机制提供了新视角	研究仅基于静息态功能磁共振成像数据，未涉及任务态或其他模态的神经影像数据	探究猕猴大脑中脑回与脑沟在功能活动上的频率特异性分离特征	440只猕猴（来自两个独立站点的静息态功能磁共振成像数据）	神经影像分析	NA	静息态功能磁共振成像（rs-fMRI）	一维卷积神经网络（1D-CNN）	神经影像数据	440只猕猴
5049	2025-07-04	Deep learning for automated, motion-resolved tumor segmentation in radiotherapy 2025-Jun-30, NPJ precision oncology IF:6.8Q1 DOI:10.1038/s41698-025-00970-1 PMID:40588532	研究论文	开发了一种深度神经网络模型，用于在放疗中自动分割肺部肿瘤并追踪其在呼吸过程中的运动	提出了一种名为iSeg的3D UNet模型，能够自动分割肿瘤并在4D CT图像上追踪肿瘤运动，其性能与人类观察者相当，且在多中心验证中表现稳定	尽管模型在多中心验证中表现良好，但高假阳性体素率与局部失败率增加相关，这可能影响临床决策	提高放疗中肿瘤分割的准确性、可重复性和效率	肺部肿瘤	数字病理	肺癌	深度学习	3D UNet	4D CT图像	训练集739例，两个独立验证集分别为161例和102例
5050	2025-07-04	Development of a deep learning algorithm for detecting significant coronary artery stenosis in whole-heart coronary magnetic resonance angiography 2025-Jun-30, Journal of cardiovascular magnetic resonance : official journal of the Society for Cardiovascular Magnetic Resonance IF:4.2Q1 DOI:10.1016/j.jocmr.2025.101932 PMID:40602666	研究论文	开发一种深度学习算法，用于在全心脏冠状动脉磁共振血管造影中检测显著的冠状动脉狭窄	提出了一种基于深度卷积神经网络的深度学习算法，用于辅助准确检测冠状动脉狭窄，特别是对经验不足的观察者效果显著	样本量相对较小（75名患者，951个冠状动脉段），且未在更大规模或多样化的患者群体中进行验证	开发一种深度学习算法，以提高全心脏冠状动脉磁共振血管造影（CMRA）中冠状动脉狭窄的检测准确性	75名患者的951个冠状动脉段	医学影像分析	心血管疾病	深度卷积神经网络	CNN	医学影像	75名患者的951个冠状动脉段
5051	2025-07-04	Revolutionizing gastroenterology and hepatology with artificial intelligence: From precision diagnosis to equitable healthcare through interdisciplinary practice 2025-Jun-28, World journal of gastroenterology IF:4.3Q1 DOI:10.3748/wjg.v31.i24.108021 PMID:40599184	research paper	本文探讨了人工智能在胃肠病学和肝脏病学中的应用，从精准诊断到公平医疗的跨学科实践	通过深度学习和多模态数据整合，AI在胃肠镜图像分析和肝脏病理非侵入性评估方面达到了与专家相当的诊断水平，并在个性化护理场景中展示了实用性	模型泛化能力有限，罕见病（如儿童肝病）算法因训练数据不足存在局限性，以及未解决的伦理问题（如偏见、责任和患者隐私）	探索人工智能在胃肠病学和肝脏病学中的应用，以实现精准诊断和公平医疗	胃肠病和肝脏病的筛查、诊断、治疗和预后管理	digital pathology	gastroenterology and hepatology	deep learning, radiomics, multimodal data integration	NA	image, multimodal data	NA
5052	2025-07-04	Radiomic 'Stress Test': exploration of a deep learning radiomic model in a high-risk prospective lung nodule cohort 2025-Jun-27, BMJ open respiratory research IF:3.6Q1 DOI:10.1136/bmjresp-2024-002687 PMID:40579208	研究论文	本研究探讨了深度学习放射组学模型在高风险前瞻性肺结节队列中的应用，以评估其减少侵入性活检需求的潜力	首次在高风险前瞻性肺结节队列中评估了LCP放射组学模型的诊断性能，并开发了结合临床变量的集成模型	研究样本量相对有限（196恶性结节和125良性结节），且仅在单一三级医疗中心进行	评估深度学习放射组学模型在肺结节恶性风险预测中的性能，并探索减少不必要侵入性活检的可能性	不确定肺结节（IPNs）患者	数字病理	肺癌	深度学习放射组学	深度学习模型（LCP）	医学影像	321例肺结节（196恶性，125良性）
5053	2025-07-04	Deep learning for hydrocephalus prognosis: Advances, challenges, and future directions: A review 2025-Jun-27, Medicine IF:1.3Q2 DOI:10.1097/MD.0000000000043082 PMID:40587678	综述	本文综述了深度学习在脑积水的诊断和预后中的应用，重点关注基于图像、生化和结构化数据的模型	深度学习在脑积水预后预测中展现出新的技术优势，特别是在医学图像分析方面，其准确率、敏感性和特异性均优于传统方法	综述文章未具体提及深度学习在脑积水预后中的具体局限性，但暗示了传统经验方法的不足	探讨深度学习在脑积水诊断和预后中的应用，以提升个性化治疗和改善治疗效果	脑积水患者	数字病理学	脑积水	深度学习	CNN	图像、生化数据、结构化数据	NA
5054	2025-07-04	Speech imagery brain-computer interfaces: a systematic literature review 2025-Jun-26, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/ade28e PMID:40490003	系统综述	本文系统综述了语音意象脑机接口（SI-BCI）解码流程的重要方面	总结了语音意象解码领域20年来的研究趋势，比较了不同神经影像模态和信号处理方法，并量化了解码效率	只有不到6%的研究报告了实时解码，大多数研究集中在离线分析上，方法多样性导致难以确定当前最先进水平	评估语音意象作为脑机接口范式的潜力和现状	语音意象（SI）及其在脑机接口中的应用	脑机接口	NA	神经影像技术（未具体说明）	深度学习模型	神经信号数据	104篇同行评议报告
5055	2025-07-04	Learning from small datasets-review of workshop 6 of the 10th International BCI Meeting 2023 2025-Jun-24, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/addf80 PMID:40456256	review	本文回顾了2023年第十届国际BCI会议第六次研讨会的内容，重点讨论了在小数据集上训练分类或回归机器学习模型的最新技术	探讨了传统机器学习和深度学习方法在小数据集上的应用，并讨论了相关Python工具箱和分类模型基准测试	NA	减少脑机接口(BCI)中的校准时间，提高BCI应用的可用性和用户接受度	脑机接口(BCI)的解码器模型	machine learning	NA	NA	classification or regression machine learning models	small datasets	NA
5056	2025-07-04	Investigating correlations between mental disorders and fundus imaging data using deep learning: A study from the UK Biobank 2025-Jun-24, Retina (Philadelphia, Pa.) DOI:10.1097/IAE.0000000000004574 PMID:40601933	研究论文	本研究利用深度学习技术探索眼底成像数据与精神障碍之间的关联，并评估其在非侵入性早期检测中的潜力	首次采用深度学习多模态训练方法分析眼底成像特征与精神障碍的相关性，并提出一种非侵入性早期检测的新途径	研究样本量相对有限（1494名参与者），且结果需要更大规模研究验证	自动识别精神行为障碍并解释精神疾病与眼底生物标志物之间的潜在关联	UK Biobank数据库中1494名参与者的眼底图像和OCT测量特征	数字病理学	精神障碍	光学相干断层扫描(OCT)	深度学习多模态模型、Random Forest分类器、Linear分类器	图像（眼底图像和OCT扫描数据）	1494名UK Biobank参与者
5057	2025-07-04	Fast intraoperative detection of primary central nervous system lymphoma and differentiation from common central nervous system tumors using stimulated Raman histology and deep learning 2025-Jun-21, Neuro-oncology IF:16.4Q1 DOI:10.1093/neuonc/noae270 PMID:39673805	研究论文	结合受激拉曼组织学（SRH）和深度学习技术，开发了一种名为RapidLymphoma的快速术中检测方法，用于区分原发性中枢神经系统淋巴瘤（PCNSL）和其他中枢神经系统肿瘤	首次将SRH与深度学习结合，实现了PCNSL的快速术中检测和鉴别，准确率高且速度快	研究样本主要来自四个国际医疗中心，可能存在一定的样本选择偏差	开发一种快速、准确的术中检测方法，以区分PCNSL和其他中枢神经系统肿瘤	原发性中枢神经系统淋巴瘤（PCNSL）和其他中枢神经系统肿瘤	数字病理学	中枢神经系统淋巴瘤	受激拉曼组织学（SRH）	深度学习	图像	训练数据包括54,000个SRH图像块，测试队列包括160、420和59个样本
5058	2025-07-04	Validation of an artificial intelligence-based algorithm for predictive performance and risk stratification of sepsis using real-world data from hospitalised patients: a prospective observational study 2025-Jun-20, BMJ health & care informatics IF:4.1Q2 DOI:10.1136/bmjhci-2024-101353 PMID:40541404	研究论文	本研究验证了一种基于深度学习的算法VC-SEPS在预测败血症和患者风险分层方面的性能	前瞻性比较了医疗人工智能软件算法与传统评分系统在预测败血症方面的性能	研究仅在一家医院进行，样本量相对有限	验证VC-SEPS算法在早期预测败血症和风险分层中的性能	住院患者	数字病理学	败血症	深度学习	深度学习算法	电子医疗记录数据	6,455名患者，其中325名被诊断为败血症
5059	2025-07-04	Prenatal detection of congenital heart defects using the deep learning-based image and video analysis: protocol for Clinical Artificial Intelligence in Fetal Echocardiography (CAIFE), an international multicentre multidisciplinary study 2025-Jun-05, BMJ open IF:2.4Q1 DOI:10.1136/bmjopen-2025-101263 PMID:40473283	研究论文	本研究旨在开发基于深度学习的图像和视频分析技术，用于产前先天性心脏缺陷的检测	提出一个国际多中心多学科合作的研究协议，利用AI模型实时支持临床医生检测胎儿先天性心脏缺陷，特别是在资源匮乏或非专业环境中	目前AI模型在先天性心脏缺陷检测上的准确性不足，部分原因是缺乏足够的超声数据用于机器学习，且CHD罕见且异质性高	开发能够区分正常胎儿心脏和先天性心脏缺陷的AI模型，并识别特定类型的CHD	胎儿心脏超声图像和视频	数字病理	先天性心脏病	深度学习	AI模型	图像和视频	16,400例回顾性和前瞻性超声扫描（包括13,000例正常胎儿心脏和1,000例CHD胎儿的回顾性数据，以及2,000例正常胎儿心脏和400例主要CHD胎儿的前瞻性数据）
5060	2025-07-04	Subclinical tremor differentiation using long short-term memory networks 2025-Jun, Physical and engineering sciences in medicine IF:2.4Q2 DOI:10.1007/s13246-025-01526-0 PMID:39992543	研究论文	本研究利用长短期记忆网络（LSTM）开发了一种深度学习模型，用于区分帕金森病（PD）、原发性震颤（ET）和正常生理性震颤的亚临床震颤	该研究首次采用LSTM网络处理亚临床震颤数据，并在低振幅震颤分类上比现有方法提高了30-50%的准确率	未来需要增强模型的可解释性，并在更大、更多样化的数据集（包括动作性震颤）上进行验证	开发能够区分PD、ET和正常生理性震颤的亚临床震颤的AI模型	帕金森病（PD）、原发性震颤（ET）和正常受试者的亚临床震颤数据	机器学习	帕金森病	短时傅里叶变换	LSTM	传感器数据	51名PD患者、15名ET患者和58名正常受试者