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
5541	2025-05-06	A deep learning algorithm for automated adrenal gland segmentation on non-contrast CT images 2025-May-01, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-01682-5 PMID:40312690	研究论文	开发一种深度学习模型用于非对比CT图像上的肾上腺自动分割，并进行肾上腺体积随年龄变化的初步大规模研究	首次提出使用深度学习模型进行肾上腺自动分割，并利用模型输出值进行肾上腺体积随年龄变化的大规模研究	研究仅基于非对比CT图像，未考虑其他成像方式的影响	开发肾上腺自动分割的深度学习模型，并研究正常肾上腺体积随年龄的变化	非对比CT图像上的肾上腺	数字病理学	NA	非对比CT成像	nnU-Net	CT图像	开发数据集包含1301例CT检查，大规模正常肾上腺数据集包含2000例CT检查
5542	2025-05-06	Deep Rib Fracture Instance Segmentation and Classification from CT on the RibFrac Challenge 2025-Apr-30, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3565514 PMID:40305244	research paper	该论文介绍了RibFrac挑战赛，旨在通过深度学习算法解决CT扫描中肋骨骨折的检测和分类问题	提供了大规模标注数据集和评估基准，推动了深度学习算法在肋骨骨折检测和分类领域的发展	当前的肋骨骨折分类解决方案在临床上尚不适用	开发和验证用于肋骨骨折检测和分类的深度学习算法	肋骨骨折	digital pathology	NA	CT扫描	深度学习算法	image	660 CT扫描，包含超过5,000个肋骨骨折实例
5543	2025-05-06	Heterogeneous Riemannian Few-Shot Learning Network 2025-Apr-30, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2025.3561930 PMID:40305249	research paper	提出了一种基于异构黎曼流形的少样本学习网络HRFL-Net，用于从少量样本中学习和准确区分新概念	首次在异构黎曼流形上进行端到端深度学习的少样本学习方法，设计了基于神经网络的黎曼度量学习方法	未明确提及具体限制	解决人工智能中从少量样本学习和区分新概念的问题	图像数据	machine learning	NA	异构黎曼流形投影、黎曼核函数映射、度量学习	HRFL-Net	image	四个公共数据集
5544	2025-05-06	A simple yet effective approach for predicting disease spread using mathematically-inspired diffusion-informed neural networks 2025-Apr-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-98398-x PMID:40301427	research paper	提出了一种结合传统数学建模和深度学习的模型，用于预测疾病传播	整合了人工神经网络和图卷积神经网络，简化参数估计同时保持数学框架的可解释性	仅应用于西班牙的COVID-19数据，未在其他地区或疾病上验证	提高疾病传播预测的准确性和参数估计的简化	COVID-19在西班牙的传播情况	machine learning	COVID-19	deep learning	ANN, GCN	graph-structured data	西班牙的COVID-19发病率数据
5545	2025-05-06	Automated detection and recognition of oocyte toxicity by fusion of latent and observable features 2025-Apr-26, Journal of hazardous materials IF:12.2Q1 DOI:10.1016/j.jhazmat.2025.138411 PMID:40318589	research paper	开发了一种结合深度学习和可观察特征的框架，用于自动检测和识别卵母细胞毒性	通过融合潜在特征和可观察特征，提高了毒性检测、亚型和强度分类的性能，超越了人类能力	研究仅基于小鼠卵母细胞图像，未涉及人类卵母细胞	评估环境污染物对卵母细胞异常的影响，并预测胚胎在污染物下的能力	小鼠卵母细胞	digital pathology	infertility	deep learning	NA	image	2126张小鼠卵母细胞图像
5546	2025-05-06	Single Molecule Localization Super-resolution Dataset for Deep Learning with Paired Low-resolution Images 2025-Apr-23, Scientific data IF:5.8Q1 DOI:10.1038/s41597-025-04979-w PMID:40268962	research paper	本文介绍了一个名为DL-SMLM的生物图像数据集，用于训练超分辨率模型，包含配对的低分辨率荧光图像和超分辨率SMLM数据	提供了一个公开的生物图像数据集，包含多种亚细胞结构的配对图像数据，支持深度学习超分辨率显微镜方法的发展	数据集虽然多样，但可能仍不足以覆盖所有类型的生物样本或结构	推动深度学习在超分辨率显微镜领域的应用	亚细胞结构，包括微管、内质网腔和膜、Clathrin包被小坑、线粒体外膜和内膜	digital pathology	NA	single molecule localization microscopy (SMLM)	deep learning models	image	188组原始SMLM数据，每种低分辨率图像有100个信号水平
5547	2025-05-06	Continuous Reaching and Grasping with a BCI Controlled Robotic Arm in Healthy and Stroke-Affected Individuals 2025-Apr-19, medRxiv : the preprint server for health sciences DOI:10.1101/2025.04.16.25325551 PMID:40321282	研究论文	本研究提出了一种基于运动想象的脑机接口（BCI）范式，用于控制机器人手臂进行连续抓取任务，并在健康人群和中风患者中进行了评估	通过引入额外的‘点击’信号，增加了BCI系统的自由度，实现了对机器人手臂的连续控制，而非从预定动作列表中选择	当前系统的应用受限于EEG信号的低信噪比和空间分辨率	探索非侵入式脑机接口在控制辅助设备（如机器人手臂）中的应用，特别是在复杂任务中的表现	健康受试者和中风幸存者	脑机接口	中风	EEG信号处理，深度学习	DL	EEG信号	健康受试者和中风幸存者（具体数量未提及）
5548	2025-05-06	Large-Scale Deep Learning-Enabled Infodemiological Analysis of Substance Use Patterns on Social Media: Insights From the COVID-19 Pandemic 2025-Apr-17, JMIR infodemiology IF:3.5Q1 DOI:10.2196/59076 PMID:40244656	研究论文	利用深度学习模型RoBERTa分析社交媒体数据，研究COVID-19大流行期间物质使用模式的变化	结合深度学习模型和人在回路策略，实时监测物质使用趋势，并识别关键影响因素	研究仅基于Twitter数据，可能无法全面代表所有人群的物质使用情况	分析COVID-19大流行期间物质使用模式的变化，为公共卫生干预提供依据	社交媒体上的物质使用相关帖子	自然语言处理	NA	RoBERTa, 趋势分析, k-means聚类, 主题建模, 主题分析	RoBERTa	文本	11.3亿条Twitter帖子，其中900万条与物质使用相关
5549	2025-05-06	Generating Artificial Patients With Reliable Clinical Characteristics Using a Geometry-Based Variational Autoencoder: Proof-of-Concept Feasibility Study 2025-Apr-17, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/63130 PMID:40245392	研究论文	本研究探讨了使用基于几何的变分自编码器（VAE）生成具有可靠临床特征的人工患者的可行性	首次将基于几何的VAE应用于高维度、小样本量的表格数据，以生成人工患者	需要进一步研究整合纵向动态以映射患者轨迹	测试生成具有可靠临床特征的人工患者的可行性	521名真实患者的数据	机器学习	NA	变分自编码器（VAE）	VAE	表格数据	521名真实患者的数据，生成多达10,000名人工患者
5550	2025-05-06	A CT-based deep learning-driven tool for automatic liver tumor detection and delineation in patients with cancer 2025-Apr-15, Cell reports. Medicine DOI:10.1016/j.xcrm.2025.102032 PMID:40118052	研究论文	介绍了一种基于CT扫描的深度学习工具SALSA，用于自动检测和描绘癌症患者的肝脏肿瘤	SALSA工具在肿瘤识别和体积量化方面表现出色，优于现有最先进模型和放射科专家之间的一致性	未提及具体局限性	开发一种自动化工具，用于癌症患者的肝脏肿瘤检测和描绘，以改善诊断、预后和治疗评估	肝脏肿瘤（原发性和转移性）	数字病理学	癌症	CT扫描	深度学习	图像	1,598例CT扫描和4,908个肝脏肿瘤
5551	2025-05-06	Deep Learning Approach Readily Differentiates Papilledema, Non-Arteritic Anterior Ischemic Optic Neuropathy, and Healthy Eyes 2025-Apr-11, American journal of ophthalmology IF:4.1Q1 DOI:10.1016/j.ajo.2025.04.006 PMID:40220884	research paper	使用深度学习模型通过眼底照片区分视乳头水肿、非动脉炎性前部缺血性视神经病变和健康眼睛	开发了一个基于ResNet-50的深度学习模型，能够高准确度地区分IIH、NAION和健康眼睛的眼底照片	外部验证集的样本量相对较小，可能影响模型的泛化能力	开发一种能够准确区分视乳头水肿、非动脉炎性前部缺血性视神经病变和健康眼睛的深度学习诊断工具	眼底照片	digital pathology	ophthalmic conditions	深度学习	ResNet-50	image	训练和验证集包含15 088张眼底照片（5866只眼睛），外部验证集包含1126张照片（928只眼睛）
5552	2025-05-06	AI analysis of medical images at scale as a health disparities probe: a feasibility demonstration using chest radiographs 2025-Apr-08, ArXiv PMID:40297238	研究论文	本文探讨了利用医学影像数据作为健康差异研究新数据源的可行性	开发了一种从医学影像中自动提取定量指标并用于计算健康差异指数的流程	研究仅基于1,571例患者的胸部X光片，样本量有限	探索医学影像数据在健康差异研究中的应用潜力	1,571例患者的胸部X光片	数字病理学	NA	深度学习	深度学习模型	医学影像	1,571例患者
5553	2025-05-06	Manifold Topological Deep Learning for Biomedical Data 2025-Apr-07, Research square DOI:10.21203/rs.3.rs-6149503/v1 PMID:40297704	研究论文	本文首次提出流形拓扑深度学习（MTDL），将代数拓扑与深度神经网络结合，用于处理可微分流形上的数据，包括图像	首次将拓扑深度学习扩展到可微分流形数据，利用Hodge理论分解向量场并构建CNN输入	未明确提及具体局限性	开发适用于可微分流形数据的拓扑深度学习方法	可微分流形上的数据（包括图像）	机器学习	NA	Hodge理论	CNN	图像	717,287张生物医学图像（来自11个2D和6个3D数据集）
5554	2025-05-06	Fine extraction of multi-crop planting area based on deep learning with Sentinel- 2 time-series data 2025-Apr, Environmental science and pollution research international DOI:10.1007/s11356-025-36405-4 PMID:40257731	研究论文	基于深度学习和Sentinel-2时间序列数据，提出了一种高效的多作物种植面积精细提取方法	设计了基于CNN-LSTM和Bi-LSTM的深度学习模型，结合月度合成的NDVI时间序列数据，实现了高精度的多作物分类	研究仅针对山东省的西北、西南和东部地区，可能在其他地区的适用性有待验证	为多作物分类提供一种基于高分辨率遥感时间序列数据的有效模型	山东省西北、西南和东部地区的多作物种植面积	计算机视觉	NA	NDVI时间序列分析	CNN-LSTM, Bi-LSTM	遥感时间序列数据	山东省西北、西南和东部地区的多作物种植面积数据
5555	2025-05-06	Unsupervised Range-Nullspace Learning Prior for Multispectral Images Reconstruction 2025, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1 DOI:10.1109/TIP.2025.3560430 PMID:40249693	研究论文	提出了一种新型的无监督范围-零空间学习先验方法（UnNull），用于多光谱图像重建	通过子空间分解显式建模数据，提高了可解释性和泛化能力，将光谱图像分解为范围和零子空间	未提及具体计算效率或实际应用场景的限制	解决快照光谱成像（SSI）中光谱图像重建的逆问题	多光谱图像	计算机视觉	NA	快照光谱成像（SSI）	UnNull（无监督范围-零空间学习）	多光谱图像数据	NA
5556	2025-05-06	Traffic accident risk prediction based on deep learning and spatiotemporal features of vehicle trajectories 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0320656 PMID:40315419	research paper	提出一种结合CNN、LSTM和GNN的深度学习模型，用于基于车辆时空轨迹数据的交通事故风险预测	创新性地提出了一种综合考虑时空特征和道路网络关系的组合模型，显著提高了预测精度	NA	提高复杂交通环境下交通事故风险的预测准确性	车辆时空轨迹数据	machine learning	NA	深度学习	CNN, LSTM, GNN	时空轨迹数据	NA
5557	2025-05-06	DEEP LEARNING FOR AUTOMATED DETECTION OF BREAST CANCER IN DEEP ULTRAVIOLET FLUORESCENCE IMAGES WITH DIFFUSION PROBABILISTIC MODEL 2024-May, Proceedings. IEEE International Symposium on Biomedical Imaging DOI:10.1109/ISBI56570.2024.10635349 PMID:40313564	研究论文	本文提出了一种利用扩散概率模型（DPM）增强深度紫外荧光（DUV）图像数据集的方法，以提高乳腺癌分类的准确性	首次将扩散概率模型（DPM）应用于深度紫外荧光（DUV）图像数据增强，显著提高了乳腺癌检测的准确率	研究依赖于有限的数据集，可能影响模型的泛化能力	提高乳腺癌在深度紫外荧光图像中的自动检测性能	深度紫外荧光（DUV）图像	计算机视觉	乳腺癌	扩散概率模型（DPM）	ResNet, XGBoost	图像	未明确提及具体样本数量
5558	2025-05-04	Attentive Recurrent Network for Low-Latency Active Noise Control 2022-Sep, Interspeech DOI:10.21437/interspeech.2022-811 PMID:40313355	研究论文	本文提出了一种基于注意力循环网络的低延迟主动噪声控制方法	采用时间域方法和注意力循环网络，结合延迟补偿训练策略和修订的重叠相加方法，实现了低延迟甚至负延迟的主动噪声控制	NA	解决主动噪声控制(ANC)系统中的处理延迟问题	主动噪声控制系统	机器学习	NA	深度学习框架	注意力循环网络	音频信号	NA
5559	2025-05-04	Metal Suppression Magnetic Resonance Imaging Techniques in Orthopaedic and Spine Surgery 2025-May-15, The Journal of the American Academy of Orthopaedic Surgeons IF:2.6Q1 DOI:10.5435/JAAOS-D-24-01057 PMID:40063737	review	本文综述了骨科和脊柱手术中金属抑制磁共振成像技术的应用和发展	探讨了最新的金属伪影抑制成像技术及未来方向，如深度学习和人工智能	未提及具体实验数据或样本量的支持	评估骨科和脊柱手术后金属植入物周围软组织的病理情况	骨科和脊柱手术中的金属植入物及其周围软组织	医学影像	骨科和脊柱疾病	磁共振成像（MRI）	NA	医学影像	NA
5560	2025-05-04	Enhancing privacy in biosecurity with watermarked protein design 2025-May-02, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaf141 PMID:40315154	研究论文	提出了一种在蛋白质序列中添加水印的通用框架，以增强生物安全性和数据隐私	相比现有监管程序，该框架不仅确保生物安全的可追溯性，还通过本地验证保护设计序列的隐私，并显著提高了水印检测效率	未提及具体性能指标或与其他方法的详细对比	解决基于深度学习的蛋白质设计中的生物安全和数据隐私问题	由自回归深度学习模型设计的蛋白质序列	生物信息学	NA	蛋白质水印技术	自回归深度学习模型	蛋白质序列	NA