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
581	2025-07-17	Human-Centric Cognitive State Recognition Using Physiological Signals: A Systematic Review of Machine Learning Strategies Across Application Domains 2025-Jul-05, Sensors (Basel, Switzerland) DOI:10.3390/s25134207 PMID:40648460	系统综述	本文系统综述了2010年至2024年初认知状态识别领域的研究进展，评估了405篇相关文章	强调了从浅层机器学习到深度学习方法的关键转变，以及从神经影像学到多模态生理信号的趋势	仅涵盖了2010年至2024年初的研究，可能不包括最新的技术突破	评估认知状态识别领域的研究进展和应用	使用生理信号和机器学习或深度学习技术评估认知状态的研究	机器学习	NA	机器学习(ML)、深度学习(DL)	CNN	生理信号	405篇相关文章
582	2025-07-17	Emerging Techniques of Translational Research in Immuno-Oncology: A Focus on Non-Small Cell Lung Cancer 2025-Jul-04, Cancers IF:4.5Q1 DOI:10.3390/cancers17132244 PMID:40647543	综述	本文综述了免疫肿瘤学转化研究中的新兴技术，特别关注非小细胞肺癌（NSCLC）的诊断和治疗	介绍了人工智能、液体活检、单细胞RNA测序和病理组学等新兴技术在NSCLC研究中的应用	仅关注NSCLC，未涉及其他癌症类型	优化NSCLC的个性化治疗策略	非小细胞肺癌（NSCLC）患者	数字病理学	肺癌	液体活检、单细胞RNA测序、病理组学	Machine Learning、Deep Learning	NA	NA
583	2025-07-17	Fault Detection of Cyber-Physical Systems Using a Transfer Learning Method Based on Pre-Trained Transformers 2025-Jul-04, Sensors (Basel, Switzerland) DOI:10.3390/s25134164 PMID:40648419	研究论文	本文提出了一种基于预训练Transformer的迁移学习方法，用于提升信息物理系统（CPS）中的故障检测性能	利用预训练的Transformer架构进行迁移学习，解决了工业CPS中数据分布不一致和故障标记数据有限的问题	实验数据来源于实验室规模的现代工业水净化设施模拟数据集，可能无法完全代表真实工业环境的复杂性	提升信息物理系统的故障检测性能	信息物理系统（CPS）	机器学习	NA	迁移学习	Transformer	时序数据	公开数据集（实验室规模现代工业水净化设施模拟数据）
584	2025-07-17	A Dynamic Kalman Filtering Method for Multi-Object Fruit Tracking and Counting in Complex Orchards 2025-Jul-02, Sensors (Basel, Switzerland) DOI:10.3390/s25134138 PMID:40648393	研究论文	提出一种结合改进YOLO算法和动态优化卡尔曼滤波的多目标水果追踪与计数方法，用于复杂果园环境	整合改进的YOLO检测算法与带可变遗忘因子的卡尔曼滤波，动态调整历史数据权重以适应观测和运动噪声变化	未明确说明方法在极端光照或遮挡条件下的性能表现	开发适用于动态果园场景的自动化水果检测与计数技术	视频序列中的水果目标	计算机视觉	NA	YOLO目标检测、卡尔曼滤波、IoU与Re-ID特征联合策略	改进YOLO模型、动态卡尔曼滤波器	视频序列图像帧	未明确说明具体样本量（基于视频序列的实验结果）
585	2025-07-17	Validation of a Deep Learning Tool for Detection of Incidental Vertebral Compression Fractures 2025 Jul-Aug 01, Journal of computer assisted tomography IF:1.0Q4 DOI:10.1097/RCT.0000000000001726 PMID:39876529	research paper	本研究评估了一种基于深度学习的椎体压缩性骨折（VCF）检测工具在偶然性VCF患者中的性能，旨在验证该工具在多中心和多种设备中的适用性	开发并验证了一种深度学习工具CINA-VCF，用于检测偶然性椎体压缩性骨折，其性能优于临床报告，并在多中心和多种设备中展示了高准确性和一致性	工具的局限性包括存在各种混淆病理（如Schmorl结节）和边缘病例	验证深度学习工具在检测偶然性椎体压缩性骨折中的性能和临床适用性	50岁及以上患者的胸部和腹部CT扫描	digital pathology	vertebral compression fractures	deep learning	CNN	CT scans	474例CT扫描（166例阳性，308例阴性）
586	2025-07-17	Lung cancer diagnosis with GAN supported deep learning models 2025-Jul, Bio-medical materials and engineering IF:1.0Q4 DOI:10.1177/09592989241308775 PMID:39973181	研究论文	本研究利用GAN支持的深度学习模型对肺部CT图像进行分类，以提高肺癌诊断的准确性	结合GAN平衡数据集并开发了定制CNN模型，实现了99%的分类准确率，超越了其他现有架构	研究仅基于1097张肺部CT图像，样本量相对较小，可能影响模型的泛化能力	提高肺癌早期诊断的准确性和效率	良性、恶性和正常的肺部CT图像	计算机视觉	肺癌	GAN, CNN, Faster R-CNN	VGG19, AlexNet, InceptionV3, ResNet50, 定制CNN	图像	1097张肺部CT图像
587	2025-07-17	Reconstruction of diploid higher-order human 3D genome interactions from noisy Pore-C data using Dip3D 2025-Jul, Nature structural & molecular biology IF:12.5Q1 DOI:10.1038/s41594-025-01512-w PMID:40038455	research paper	本文提出了一种名为Dip3D的流程方法，用于从嘈杂的Pore-C数据中重建二倍体高阶人类3D基因组相互作用	Dip3D通过训练深度学习模型Clair3进行SNV调用，并采用逐步单倍型插补策略，显著提高了单倍型信息Pore-C接触率，优于传统方法	方法在低杂合度生物如人类中的应用可能仍存在挑战	重建二倍体高阶3D基因组相互作用，研究其与等位基因特异性表达的关系	人类和小鼠的高阶染色质相互作用	基因组学	NA	Pore-C, 深度学习	Clair3	基因组数据	HG001细胞系
588	2025-07-17	A novel algorithm for automated analysis of coronary CTA-derived FFR in identifying ischemia-specific CAD: A multicenter study 2025-Jul, Medical physics IF:3.2Q1 DOI:10.1002/mp.17803 PMID:40170439	研究论文	本研究验证了一种基于深度学习和水平集算法的新型现场分析模型，用于识别病变特异性缺血性冠状动脉疾病（CAD）的能力	结合深度学习和水平集算法优化冠状动脉3D重建的新型CT FFR算法	研究为回顾性分析，样本量相对较小（198个血管来自171名患者）	验证新型CT FFR算法在识别特定冠状动脉缺血中的准确性	冠状动脉疾病（CAD）患者	数字病理学	心血管疾病	冠状动脉计算机断层扫描血管造影（CTA）和侵入性血流储备分数（FFR）检查	深度学习与水平集算法结合的新型模型	医学影像数据	198个血管来自171名患者
589	2025-07-17	Deep learning-based estimation of respiration-induced deformation from surface motion: A proof-of-concept study on 4D thoracic image synthesis 2025-Jul, Medical physics IF:3.2Q1 DOI:10.1002/mp.17804 PMID:40186879	研究论文	提出一种非患者特定的级联集成模型（CEM），用于从表面运动估计呼吸引起的胸部组织变形	提出了一种不需要患者特定呼吸数据采样的级联集成模型（CEM），用于估计胸部组织变形	研究仅基于模拟的表面运动数据，未在真实临床环境中验证	通过深度学习模型估计呼吸引起的胸部组织变形，用于4D胸部图像合成	胸部组织变形和4D-CT图像	数字病理	NA	4D-CT	级联集成模型（CEM）	4D-CT图像	62个私有4D-CT数据集和80个公共4D-CT数据集
590	2025-07-17	Geometrically focused training and evaluation of organs-at-risk segmentation via deep learning 2025-Jul, Medical physics IF:3.2Q1 DOI:10.1002/mp.17840 PMID:40280876	研究论文	本文提出了一种基于几何聚焦的深度学习方法，用于放疗中风险器官（OARs）的自动分割，并以宫颈癌近距离放射治疗为例进行验证	提出了一种新的几何聚焦深度学习方法，包括距离惩罚（DP）损失函数和加权Dice相似系数（wDSC）评估指标，以提高近靶区OARs分割的准确性	模型在几何和剂量学性能上的改进未达到统计学显著性	提高放疗中风险器官（OARs）自动分割的几何和剂量学准确性	宫颈癌患者的高剂量率（HDR）近距离放射治疗中的风险器官（OARs）	数字病理学	宫颈癌	深度学习	3D U-Net	T2加权磁共振（MR）图像	170张MR图像（56名患者）用于训练和验证，35张MR图像（22名患者）用于独立内部测试
591	2025-07-17	X-ray CT metal artifact reduction using neural attenuation field prior 2025-Jul, Medical physics IF:3.2Q1 DOI:10.1002/mp.17859 PMID:40305006	研究论文	提出一种利用神经衰减场（NAF）先验的CT金属伪影减少方法NAFMAR，该方法通过自监督方式优化基于模型的神经场，无需大量训练数据	引入神经衰减场（NAF）作为先验，采用自监督优化策略，无需依赖大规模数据集，并提出金属感知损失函数以增强解剖特征学习	未提及实际临床部署中的计算效率或实时性限制	解决CT成像中金属物体导致的伪影问题，提升图像质量	模拟牙科CT和临床盆腔CT图像	医学影像处理	NA	神经衰减场优化、正弦图修复	基于神经场的模型（NAF）	3D CT图像	模拟牙科CT及临床盆腔CT图像（未提具体数量）
592	2025-07-17	Deep learning-based EEG source imaging is robust under varying electrode configurations 2025-Jul, Clinical neurophysiology : official journal of the International Federation of Clinical Neurophysiology IF:3.7Q2 DOI:10.1016/j.clinph.2025.04.009 PMID:40318257	研究论文	本研究探讨了基于深度学习的脑电图源成像（DeepSIF）在不同电极配置下的性能表现	DeepSIF算法在低密度EEG下仍能保持稳定的源定位和范围估计性能，优于传统方法	研究样本量较小（27名耐药性癫痫患者）	评估深度学习脑电图源成像方法在不同电极数量配置下的鲁棒性	脑电图源成像性能	机器学习	癫痫	EEG源成像	DeepSIF（深度学习框架）	脑电图数据	27名耐药性癫痫患者
593	2025-07-17	Deep Learning-Derived Cardiac Chamber Volumes and Mass From PET/CT Attenuation Scans: Associations With Myocardial Flow Reserve and Heart Failure 2025-Jul, Circulation. Cardiovascular imaging DOI:10.1161/CIRCIMAGING.124.018188 PMID:40357553	research paper	本研究利用深度学习从PET/CT衰减扫描中提取心脏腔室体积和质量，并探讨其与心肌血流储备和心力衰竭的关系	首次从超低剂量CT扫描中提取心脏腔室体积和质量，并验证其与心力衰竭住院和心肌血流储备降低的关联	研究仅基于6个中心的患者数据，可能存在选择偏差	评估深度学习从CT衰减扫描中提取的心脏参数与心力衰竭和心肌血流储备的关联	18,079名接受心脏PET/CT检查的患者	digital pathology	cardiovascular disease	PET/CT	deep learning	image	18,079名患者
594	2025-07-17	Deep Supramolecular Language Processing for Co-Crystal Prediction 2025-Jul, Angewandte Chemie (International ed. in English) DOI:10.1002/anie.202507835 PMID:40358977	研究论文	本文提出了一种名为DeepCocrystal的深度学习方法，用于预测共晶形成，以优化药物的物理化学性质	DeepCocrystal从超分子角度处理'化学语言'，能够学习与实验共晶模式匹配的化学相关特征，并能估计预测的不确定性	NA	加速共晶化和药物开发过程	药物分子对的共晶形成	自然语言处理	NA	深度学习	DeepCocrystal	分子字符串表示	在实际情景中验证了模型，并成功发现了两种新型的diflunisal共晶
595	2025-07-17	Deep learning-based cone-beam CT motion compensation with single-view temporal resolution 2025-Jul, Medical physics IF:3.2Q1 DOI:10.1002/mp.17911 PMID:40467957	研究论文	提出了一种基于深度学习的锥束CT运动补偿方法，用于处理周期性和非周期性运动	提出了一种无需门控的深度学习方法SAMoCo，能够处理非周期性运动，提高时间分辨率	方法依赖于模拟数据进行训练，可能在实际应用中存在泛化性问题	解决锥束CT扫描中非周期性运动导致的伪影问题，提高图像质量	呼吸患者的4D CBCT扫描数据	医学影像处理	NA	深度学习	U-net	4D CT扫描图像	模拟和实际测量的呼吸患者数据
596	2025-07-17	Latent space reconstruction for missing data problems in CT 2025-Jul, Medical physics IF:3.2Q1 DOI:10.1002/mp.17910 PMID:40468155	research paper	提出了一种基于深度学习的潜在空间重建（LSR）框架，用于校正CT图像中因数据缺失或损坏而产生的伪影	LSR框架通过生成神经网络的潜在空间搜索最佳匹配点，有效校正多种伪影，包括截断伪影和金属伪影	未提及具体的数据集规模或在不同类型伪影上的泛化能力	解决CT图像中因数据缺失或损坏导致的伪影问题，提高图像诊断价值	CT图像中的截断伪影和金属伪影	digital pathology	NA	deep learning	generative neural network	CT image	NA
597	2025-07-17	Simulation-free workflow for lattice radiation therapy using deep learning predicted synthetic computed tomography: A feasibility study 2025-Jul, Journal of applied clinical medical physics IF:2.0Q3 DOI:10.1002/acm2.70137 PMID:40504103	研究论文	本研究旨在开发一种基于深度学习预测合成CT的无模拟工作流程，以加速基于VMAT的格子放射治疗（LRT）计划的启动	利用深度学习预测的合成CT（sCT）实现无模拟的LRT治疗计划工作流程，为快速启动治疗提供了新方法	研究样本量较小（训练集50例，测试集15例），且仅针对胸部和腹部区域进行了验证	开发并验证一种基于深度学习的无模拟LRT治疗计划工作流程	接受LRT治疗的胸部和腹部区域肿瘤患者	数字病理	肿瘤	深度学习，3D U-Net架构	3D U-Net	CT图像	训练集50例患者，测试集15例患者
598	2025-07-17	Association Between Automated Coronary Artery Calcium From Routine Chest Computed Tomography Scans and Cardiovascular Risk in Patients With Colorectal or Gastric Cancer 2025-Jul, Circulation. Cardiovascular quality and outcomes DOI:10.1161/CIRCOUTCOMES.124.011656 PMID:40519001	研究论文	本研究探讨了结直肠癌或胃癌患者中，通过常规胸部CT自动计算的冠状动脉钙化（CAC）评分与心血管疾病风险之间的关联	利用深度学习软件自动量化CAC评分，并评估其在结直肠癌或胃癌患者中的心血管疾病风险预测价值	研究为回顾性队列研究，可能存在选择偏倚，且样本仅来自韩国两家三级医院	评估自动CAC评分在结直肠癌或胃癌患者中预测心血管疾病风险的应用	结直肠癌或胃癌患者	数字病理学	心血管疾病	深度学习	NA	医学影像	3153名患者
599	2025-07-17	Deep learning image reconstruction and adaptive statistical iterative reconstruction on coronary artery calcium scoring in high risk population for coronary heart disease 2025-Jul-01, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-025-03049-w PMID:40598159	研究论文	本研究探讨了深度学习图像重建(DLIR)技术在高风险人群冠状动脉钙化(CAC)量化中的影响	首次比较了DLIR与自适应统计迭代重建(ASiR-V)在冠状动脉钙化评分中的表现，并验证了DLIR在提升图像质量的同时不影响风险分层	研究为单中心回顾性研究，样本量有限(178例)	评估不同图像重建算法对冠状动脉钙化量化的影响	接受冠状动脉CT血管造影的高风险人群	数字病理	心血管疾病	CT血管造影(CCTA)	深度学习图像重建(DLIR)	医学影像	178例患者(女性107例，平均年龄62.43±9.26岁，平均BMI 25.33±3.18 kg/m2)
600	2025-07-17	Atrial Fibrillation and Atrial Flutter Detection Using Deep Learning 2025-Jul-01, Sensors (Basel, Switzerland) DOI:10.3390/s25134109 PMID:40648365	研究论文	本文介绍了一种基于轻量级1D ConvNeXtV2神经网络的模型，用于从单导联心电信号中稳健检测心房颤动（AFib）和心房扑动（AFL）	使用轻量级1D ConvNeXtV2神经网络，在多个公共数据集上训练，并在MIT-AFDB上达到了最先进的F1分数0.986	目前仅适用于单导联心电信号，未来将扩展到多导联心电信号和更广泛的心律失常类型	开发一种高效且可解释的深度学习模型，用于心房颤动和心房扑动的检测	心房颤动（AFib）和心房扑动（AFL）	数字病理学	心血管疾病	深度学习	1D ConvNeXtV2	心电信号	多个公共数据集（Icentia11k, CPSC-2018/2021, LTAF, PTB-XL, PCC-2017）和评估数据集（MIT-AFDB, MIT-ADB, NST）