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
501	2025-05-16	Modeling Temporal Dependencies in Brain Functional Connectivity to Identify Autism Spectrum Disorders Based on Heterogeneous rs-fMRI Data 2025-Apr-30, Experimental neurobiology IF:1.8Q4 DOI:10.5607/en24028 PMID:40313229	研究论文	本研究通过探索脑功能连接的时间动态变化，利用深度学习框架结合注意力机制和LSTM神经网络，识别自闭症谱系障碍（ASD）的风险个体	首次将动态功能连接的时间依赖性抽象为高级表征，并用于ASD的识别，结合注意力机制和LSTM的深度学习框架在分类性能上优于传统方法	研究依赖于ABIDE数据库的异质性rs-fMRI数据，可能影响模型的泛化能力	开发基于动态脑功能连接的ASD客观生物标志物	自闭症谱系障碍（ASD）患者	数字病理学	自闭症谱系障碍	rs-fMRI	LSTM结合注意力机制	图像	来自ABIDE数据库的异质性rs-fMRI数据
502	2025-05-16	Application and optimization of the U-Net++ model for cerebral artery segmentation based on computed tomographic angiography images 2025-Apr-27, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.112137 PMID:40367559	研究论文	本研究基于深度学习U-Net++模型，优化了脑动脉CTA图像分割的剪枝水平，以平衡分割性能与计算成本	通过分析不同剪枝水平（L1-L4）在U-Net++模型中的表现，确定了L3水平在保持较高分割性能的同时显著降低计算成本	研究仅针对内部颈动脉和椎动脉的分割，未涵盖所有脑动脉区域	优化脑动脉CTA图像分割的深度学习模型，以提高临床诊断效率和准确性	基于双能CTA和直接减影CTA数据集的内部颈动脉和椎动脉	数字病理学	脑血管疾病	CTA成像	U-Net++	图像	未明确提及具体样本数量
503	2025-05-16	Digital image-based chemometrics for food analysis: a practical tutorial and roadmap 2025-Apr-27, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2025.144531 PMID:40367821	review	本文综述了数字图像在食品分析中的应用，并提供了从单变量方法到多变量分类/校准方法的路线图	介绍了混合颜色描述符、色度图、深度学习架构和时间分辨RGB成像等最新进展，提高了这些技术在食品科学中的稳健性和适用性	该领域面临关键挑战，特别是缺乏方法学标准化，这影响了可靠性和可重复性	开发食品质量控制中的分析方法	食品质量和安全	数字病理学	NA	化学计量学技术	深度学习架构	数字图像	NA
504	2025-05-16	Deep Learning-Based Reconstruction for Accelerated Cervical Spine MRI: Utility in the Evaluation of Myelopathy and Degenerative Diseases 2025-Apr-02, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8567 PMID:40147833	research paper	本研究比较了传统颈椎MRI与基于深度学习的加速颈椎MRI在图像质量和诊断性能上的差异	使用商业化的、供应商中立的深度学习重建算法，显著缩短了MRI扫描时间，同时保持或提高了图像质量和诊断性能	研究样本量较小（50例患者），且未对所有类型的颈椎退行性疾病进行全面评估	评估基于深度学习的加速颈椎MRI在诊断颈椎退行性疾病和脊髓病变中的实用性和效果	50名患有颈椎退行性疾病或脊髓病变的患者	digital pathology	degenerative cervical spine disease, myelopathy	MRI, deep learning-based reconstruction	DL-based reconstruction	MRI images	50名患者
505	2025-05-16	Deep Learning-Based Computer-Aided Diagnosis in Coronary Artery Calcium-Scoring CT for Pulmonary Nodule Detection: A Preliminary Study 2025-Apr, Yonsei medical journal IF:2.6Q1 DOI:10.3349/ymj.2024.0050 PMID:40134084	研究论文	评估基于深度学习的计算机辅助诊断（DL-CAD）在冠状动脉钙化评分CT中检测肺结节的可行性和效用	使用基于薄层图像的DL-CAD系统辅助初级医生提高肺结节检测的敏感性，且未显著增加假阳性	研究为初步研究，样本量较小（273名患者），且为回顾性研究	评估DL-CAD在冠状动脉钙化评分CT中检测肺结节的性能	273名接受冠状动脉钙化评分CT的患者	数字病理	肺癌	CT	深度学习	图像	273名患者（129名男性，平均年龄63.9±13.2岁），共检测到269个结节
506	2025-05-16	Evaluating Traditional, Deep Learning and Subfield Methods for Automatically Segmenting the Hippocampus From MRI 2025-Apr-01, Human brain mapping IF:3.5Q1 DOI:10.1002/hbm.70200 PMID:40143669	研究论文	评估传统方法、深度学习和海马亚区方法在MRI中自动分割海马体的性能	首次独立比较传统方法、深度学习方法和海马亚区分割方法在单一研究中的性能	大多数方法在临床数据上表现较差，且存在过度分割的问题，特别是在海马体前边界	评估和比较不同自动海马体分割方法的性能	海马体	神经影像	认知障碍	MRI	深度学习	图像	3个数据集，包含手动分割的海马体标签
507	2025-05-16	Ensemble Deep Learning Algorithm for Structural Heart Disease Screening Using Electrocardiographic Images: PRESENT SHD 2025-Apr-01, Journal of the American College of Cardiology IF:21.7Q1 DOI:10.1016/j.jacc.2025.01.030 PMID:40139886	研究论文	本研究开发了一种基于集成深度学习的算法PRESENT-SHD，用于通过12导联心电图图像自动检测和预测结构性心脏病	首次利用心电图图像开发集成深度学习模型PRESENT-SHD，用于多种结构性心脏病的自动化筛查和风险分层	研究主要基于医院数据，在一般人群中的适用性需要进一步验证	开发自动化工具用于结构性心脏病的早期筛查和风险预测	结构性心脏病患者的心电图图像	数字病理学	心血管疾病	深度学习	CNN与XGBoost集成模型	图像	261,228份心电图（来自93,693名患者）用于模型开发，11,023名个体用于验证
508	2025-05-16	Electrocardiogram-based deep learning to predict left ventricular systolic dysfunction in paediatric and adult congenital heart disease in the USA: a multicentre modelling study 2025-Apr, The Lancet. Digital health DOI:10.1016/j.landig.2025.01.001 PMID:40148010	研究论文	本研究利用深度学习技术分析心电图（ECG），预测成人和儿童先天性心脏病患者的左心室收缩功能障碍（LVSD）	首次将人工智能增强的心电图分析（AI-ECG）应用于广泛的先天性心脏病病变中，预测LVSD	研究主要基于特定医疗中心的数据，可能无法完全推广到其他人群	开发一种预测先天性心脏病患者当前和未来左心室收缩功能障碍的工具	成人和儿童先天性心脏病患者	数字病理学	心血管疾病	AI-ECG	CNN	心电图和超声心动图数据	训练队列包含124,265对ECG-超声心动图数据（49,158名患者），测试队列包括21,068名患者（内部测试）和42,984名患者（外部验证）
509	2025-05-16	Deep Learning-Accelerated Non-Contrast Abbreviated Liver MRI for Detecting Malignant Focal Hepatic Lesions: Dual-Center Validation 2025-Apr, Korean journal of radiology IF:4.4Q1 DOI:10.3348/kjr.2024.0862 PMID:40150922	research paper	本研究比较了深度学习加速的非增强缩写MRI（AMRIDL）与标准AMRI（AMRISTD）在肝脏恶性局灶性病变检测中的图像质量和检测效果	采用深度学习加速技术显著提高了图像质量，并将扫描时间减少了约50%	研究为回顾性设计，样本量相对较小（155例患者）	比较AMRIDL与AMRISTD在肝脏恶性局灶性病变检测中的性能差异	155例接受标准肝脏MRI检查的患者（其中64例共104个恶性局灶性病变）	digital pathology	liver cancer	DL-accelerated MRI (SSFSEDL, DWIDL)	deep learning	MRI图像	155例患者（104个恶性病灶）
510	2025-05-16	Deep structural brain imaging via computational three-photon microscopy 2025-Apr, Journal of biomedical optics IF:3.0Q2 DOI:10.1117/1.JBO.30.4.046002 PMID:40161251	research paper	开发了一种名为LRDM-3PM的计算深度三光子显微镜方法，用于提高深层组织的成像质量	结合了定制化的聚集诱导发射纳米探针和自监督深度学习，利用3D图像的表层信息补偿散射和成像系统的结构化噪声	NA	改进深层组织的成像技术，提高图像质量而不影响采集速度、增加激发功率或添加额外光学组件	活体小鼠大脑的海马体	computational imaging	NA	three-photon microscopy (3PM), deep learning	low-rank diffusion model (LRDM)	3D images	live mouse brains
511	2025-05-16	Fully automated MRI-based analysis of the locus coeruleus in aging and Alzheimer's disease dementia using ELSI-Net 2025 Apr-Jun, Alzheimer's & dementia (Amsterdam, Netherlands) DOI:10.1002/dad2.70118 PMID:40365469	研究论文	提出了一种基于深度学习的蓝斑核（LC）分割和特征提取方法ELSI-Net，用于评估健康老龄化和阿尔茨海默病（AD）痴呆中的LC完整性	开发了名为ELSI-Net的自动LC分割方法，该方法在老龄化和AD痴呆中表现出色，并与手动评分和已发布的LC图谱高度一致	需要在更多样化的临床队列数据集上进行进一步评估以确定ELSI-Net的普遍适用性	评估LC完整性在老龄化和AD痴呆中的变化及其与AD病理生物标志物的相关性	健康老龄化和AD痴呆患者的LC	数字病理	阿尔茨海默病	MRI	深度学习	图像	NA
512	2025-05-16	Parallel convolutional neural networks for non-invasive cardiac hemodynamic estimation: integrating uncalibrated PPG signals with nonlinear feature analysis 2025-Mar-31, Physiological measurement IF:2.3Q3 DOI:10.1088/1361-6579/adc366 PMID:40112453	研究论文	本研究开发了一种基于数字光电容积脉搏波（PPGD）信号和深度学习技术的非侵入性方法，用于预测心脏血流动力学状态（CHS）的关键参数	提出了一种并行卷积神经网络（PCNN）方法，同时处理原始信号和非线性特征，用于非侵入性心血管生物标志物预测	研究基于虚拟受试者数据，未来需要在真实世界环境中验证以提高临床适用性	开发非侵入性方法评估心脏血流动力学状态	心脏输出量（CO）、系统性血管阻力（SVR）和动脉顺应性（AC）等心血管生物标志物	机器学习	心血管疾病	数字光电容积脉搏波（PPGD）信号分析	并行卷积神经网络（PCNN）	信号数据	4374名虚拟受试者
513	2025-05-16	Unsupervised Deep Learning of Electronic Health Records to Characterize Heterogeneity Across Alzheimer Disease and Related Dementias: Cross-Sectional Study 2025-Mar-31, JMIR aging IF:5.0Q1 DOI:10.2196/65178 PMID:40163031	研究论文	本研究利用无监督深度学习技术分析电子健康记录，以识别阿尔茨海默病及相关痴呆症的亚型	结合非ADRD诊断代码的预训练嵌入和临床笔记的LLM嵌入，识别出具有性别特异性共病和临床表现的ADRD亚型	研究仅基于单一记忆诊所的数据，可能限制结果的普适性	通过无监督学习识别ADRD的临床亚型，为精准医疗提供依据	3454名来自马萨诸塞州总医院记忆诊所的ADRD患者	机器学习	阿尔茨海默病及相关痴呆症	无监督学习、LLM嵌入	层次聚类	电子健康记录（EHRs）	3454名ADRD患者
514	2025-05-16	Impact of optimized and conventional facility designs on outpatient abdominal MRI workflow efficiency 2025-Mar-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-94799-0 PMID:40157988	research paper	本研究评估了优化设施与传统设施在腹部磁共振成像（MRI）门诊工作流程效率上的差异	通过对比优化设施与传统设施的工作流程效率，展示了优化设施在提高患者吞吐量方面的显著优势	研究仅针对特定机构的两个设施，结果可能不具备普遍性	评估优化设施与传统设施在腹部MRI门诊工作流程效率上的差异	2,723例对比增强肝脏和前列腺MRI检查	digital pathology	liver cancer, prostate cancer	MRI, deep learning reconstruction	NA	medical imaging data	2,723例MRI检查
515	2025-05-16	SGA-Driven feature selection and random forest classification for enhanced breast cancer diagnosis: A comparative study 2025-Mar-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-95786-1 PMID:40159513	研究论文	本研究提出了一种结合海鸥优化算法(SGA)进行特征选择和随机森林(RF)分类器进行数据分类的新方法，用于乳腺癌分类	首次将SGA应用于乳腺癌诊断中的基因选择，通过系统探索特征空间以识别最具信息量的基因子集，从而提高分类准确性并降低计算复杂度	未来需要探索其他自然启发算法和深度学习模型的集成以进一步提升性能和临床适用性	提高乳腺癌诊断的分类准确性	乳腺癌基因数据	机器学习	乳腺癌	SGA, RF	随机森林(RF)	基因数据	NA
516	2025-05-16	Advances in machine learning for keratoconus diagnosis 2025-Mar-30, International ophthalmology IF:1.4Q3 DOI:10.1007/s10792-025-03496-4 PMID:40159519	review	回顾了过去十年中机器学习技术在圆锥角膜（KC）诊断中的应用，并指出了学术研究与临床实践之间的差距	提出了一个路线图模型，以促进机器学习模型在临床实践中的整合，提高诊断准确性和患者护理	缺乏对圆锥角膜早期检测和严重程度分期的客观诊断标准的共识，多学科合作有限，公共数据集访问受限	评估机器学习在圆锥角膜诊断中的进展，并探讨如何将其更好地应用于临床实践	圆锥角膜（KC）的诊断	machine learning	keratoconus	NA	Random Forest, CNN, Feedforward and Feedback Neural Networks, SVM	numerical corneal parameters	62 articles analyzed
517	2025-05-16	Enhancing convolutional neural networks in electroencephalogram driver drowsiness detection using human inspired optimizers 2025-Mar-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-93765-0 PMID:40155444	研究论文	该研究探讨了使用人类启发式优化算法（TLBO和SPBO）优化卷积神经网络（CNN）在基于脑电图（EEG）的驾驶员嗜睡检测中的应用	首次将人类启发式优化算法（TLBO和SPBO）应用于优化CNN在EEG信号处理中的性能，提高了驾驶员嗜睡检测的准确性和效率	存在轻微的过拟合问题，且SPBO生成的模型结构较为复杂	提高基于EEG的驾驶员嗜睡检测系统的性能	驾驶员嗜睡检测	机器学习	NA	EEG信号处理	CNN	EEG信号	NA
518	2025-05-16	A novel deep learning-based model for automated tooth detection and numbering in mixed and permanent dentition in occlusal photographs 2025-Mar-29, BMC oral health IF:2.6Q1 DOI:10.1186/s12903-025-05803-y PMID:40158107	研究论文	开发了一种基于深度学习的自动化系统，用于在混合和恒牙列的咬合照片中检测和编号牙齿	首次在咬合照片中实现了混合和恒牙列的自动化牙齿检测与编号，填补了该领域的研究空白	在代表性不足的牙齿（如乳切牙和恒牙第三磨牙）上存在误分类	开发人工智能模型以改进牙科诊断和治疗规划	混合和恒牙列的牙齿	计算机视觉	牙科疾病	深度学习	CNN, YOLOv8	图像	3215张上颌和下颌的咬合视图图像
519	2025-05-16	N6-methyladenine identification using deep learning and discriminative feature integration 2025-Mar-29, BMC medical genomics IF:2.1Q3 DOI:10.1186/s12920-025-02131-6 PMID:40158097	研究论文	本研究提出了一种名为Deep-N6mA的新型深度神经网络模型，用于精确识别DNA中的N6-甲基腺嘌呤（6mA）位点	结合了最优混合特征和深度神经网络，提高了6mA位点识别的准确性和泛化能力	未提及模型在更大规模或更多样化数据集上的表现	开发一种准确识别DNA中6mA位点的方法，以促进早期检测和表观遗传学研究	DNA序列中的N6-甲基腺嘌呤（6mA）位点	生物信息学	NA	DNA测序技术	DNN	DNA序列数据	两个基准数据集（F. vesca和R. chinensis）
520	2025-05-16	Harnessing Transfer Deep Learning Framework for the Investigation of Transition Metal Perovskite Oxides with Advanced p-n Transformation Sensing Performance 2025-03-28, ACS sensors IF:8.2Q1 DOI:10.1021/acssensors.4c03085 PMID:40029947	研究论文	本研究利用深度学习框架结合自然语言处理技术和晶体图卷积神经网络，预测并优化了过渡金属钙钛矿氧化物的p-n转换传感性能	提出了一种结合Word2Vec和CGCNN的预测方法，构建了包含120万文献摘要和11万晶体结构数据的数据集，并开发了HSLIM-n和PSLRM-p模型以深入分析传感性能的p-n转换机制	NA	研究过渡金属钙钛矿氧化物在气体传感材料中的性能优化和p-n转换机制	锌钴双金属离子与配体复合的钙钛矿氧化物	机器学习	NA	Word2Vec, CGCNN	深度学习框架	文本, 晶体结构数据	120万文献摘要和11万晶体结构数据