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
601	2025-05-13	Development of a digital algorithm for assessing tumor-stroma ratio, tumor budding and tumor infiltrating lymphocytes in vulvar squamous cell carcinomas 2025-Jun, Annals of diagnostic pathology IF:1.5Q3 DOI:10.1016/j.anndiagpath.2025.152462 PMID:40048885	研究论文	开发一种数字算法用于评估外阴鳞状细胞癌中的肿瘤-间质比、肿瘤芽和肿瘤浸润淋巴细胞	首次开发了一种基于深度学习的数字方法，用于自动评估外阴鳞状细胞癌中的肿瘤-间质比、肿瘤芽和肿瘤浸润淋巴细胞	研究样本量较小（41例），需要更大规模的验证，并且临床相关性尚未确定	开发一种自动化的数字方法来评估外阴鳞状细胞癌中的预后标志物，并研究这些标志物与p16状态的关系	外阴鳞状细胞癌（VSCC）	数字病理学	外阴鳞状细胞癌	深度学习	APP（应用协议包）	图像	41例外阴鳞状细胞癌病例
602	2025-05-13	Enhancing atrial fibrillation detection in PPG analysis with sparse labels through contrastive learning 2025-Jun, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108698 PMID:40054320	研究论文	本研究探讨了自监督对比学习在基于PPG的心房颤动检测中的应用，以减少对标记数据的依赖	使用自监督对比学习框架（SimCLR和BYOL）预训练模型，显著减少了对标记数据的需求，并在少量标记数据上微调后取得了优于监督学习的效果	研究仅针对PPG数据，未验证在其他生理信号上的适用性	提高基于PPG的心房颤动检测的准确性，同时减少对标记数据的依赖	PPG信号数据	机器学习	心血管疾病	对比学习（SimCLR和BYOL）	自监督学习模型	PPG信号	1,209小时未标记PPG数据（来自VitalDB数据库）以及少量标记数据（来自MIMIC III、UMass和DeepBeat数据集）
603	2025-05-13	Automated Detection of Microcracks Within Second Harmonic Generation Images of Cartilage Using Deep Learning 2025-Jun, Journal of orthopaedic research : official publication of the Orthopaedic Research Society IF:2.1Q2 DOI:10.1002/jor.26071 PMID:40113341	research paper	该研究开发了一个基于YOLOv8的深度学习模型，用于自动检测、分割和量化软骨微裂纹	首次使用YOLOv8深度学习模型自动化检测软骨微裂纹，显著提高了检测效率和准确性	模型在微裂纹方向估计上存在中等程度的变异性，数据集需要扩展到更多解剖区域和疾病阶段	开发自动化工具以促进软骨微裂纹研究，并理解早期软骨损伤	关节软骨中的微裂纹	digital pathology	osteoarthritis	second harmonic generation (SHG) imaging	YOLOv8	image	未明确提及具体样本数量
604	2025-05-13	Computer-aided assessment for enlarged fetal heart with deep learning model 2025-May-16, iScience IF:4.6Q1 DOI:10.1016/j.isci.2025.112288 PMID:40343273	研究论文	本文提出了一种基于YOLO架构的深度学习方法，用于自动化胎儿心脏扩大的评估	使用YOLOv8结合CBAM模块以及ResNeXtBlock残差网络，提高了胎儿心脏扩大检测的准确性和预测一致性	需要进一步验证以确认其临床适用性	通过自动化评估胎儿心脏扩大，提高产前筛查的准确性和效率	胎儿心脏扩大的超声视频	计算机视觉	先天性心脏病	深度学习	YOLOv8, YOLOv11, ResNeXtBlock	超声视频	NA
605	2025-05-13	NeuroPred-AIMP: Multimodal Deep Learning for Neuropeptide Prediction via Protein Language Modeling and Temporal Convolutional Networks 2025-May-12, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c00444 PMID:40258183	研究论文	提出了一种名为NeuroPred-AIMP的多模态深度学习模型，用于通过蛋白质语言建模和时间卷积网络预测神经肽	结合蛋白质语言模型(ESM)的全局语义表示和时间卷积网络(TCN)的多尺度结构特征，引入残差增强的自适应特征融合机制，动态重新校准特征贡献，实现进化和局部序列信息的稳健整合	依赖于有限的实验验证数据，可能影响模型的泛化能力	提高神经肽识别的准确性，以促进神经系统疾病治疗和基于肽的药物设计	神经肽	自然语言处理	神经系统疾病	蛋白质语言建模，时间卷积网络	ESM, TCN	蛋白质序列数据	NA
606	2025-05-13	Modeling Chemical Reaction Networks Using Neural Ordinary Differential Equations 2025-May-12, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c00296 PMID:40262040	研究论文	本文提出了一种结合动态建模与深度学习的神经常微分方程方法，用于建模化学反应网络并揭示其中的隐含信息	将神经常微分方程（Neural ODEs）引入化学反应网络建模，以识别现有经验模型的不足并辅助未来网络设计	未明确提及方法在复杂或大规模反应网络中的适用性限制	通过深度学习增强化学反应网络的动态建模能力	化学反应网络中的化学物种浓度变化	机器学习	NA	神经常微分方程（Neural ODEs）	Neural ODEs	化学物种浓度时序数据	NA
607	2025-05-13	COLOR: A Compositional Linear Operation-Based Representation of Protein Sequences for Identification of Monomer Contributions to Properties 2025-May-12, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c00205 PMID:40272990	research paper	该论文提出了一种基于可解释深度学习模型的蛋白质序列表示方法，用于识别单体对蛋白质特性的贡献	引入具有可解释步骤的深度学习模型，直接追踪单体贡献，并提出新的定量分析指标	主要应用于分类任务，如结合位点识别，且在这些任务中准确率有限（40-45%）	开发一种可解释的蛋白质序列表示方法，用于识别关键功能基序	蛋白质序列，特别是抗癌肽（ACP）、抗菌肽（AMP）和胶原蛋白	natural language processing	NA	深度学习，可解释AI（XAI）	DL	蛋白质序列数据	主要包含抗癌肽（ACP）、抗菌肽（AMP）和胶原蛋白的数据集
608	2025-05-13	Piezoelectret Textile Dressing for Biosignal Monitored Wound Healing 2025-May-12, Small (Weinheim an der Bergstrasse, Germany) DOI:10.1002/smll.202503130 PMID:40351106	research paper	介绍了一种新型旋转喷射纺纱压电驻极体纺织品，用于生物信号监测和伤口愈合	首次报道了旋转喷射纺纱压电驻极体纺织品，其压电输出性能通过电极化提高了150%的电压和200%的电流	未提及具体样本量或临床测试规模	开发一种兼具功能性和舒适性的智能纺织品传感器，用于生物医学技术	压电驻极体纺织品及其在生物信号监测和伤口愈合中的应用	可穿戴技术	伤口愈合	旋转喷射纺纱技术	深度学习辅助压力映射	生理信号（如脉搏和呼吸频率）	NA
609	2025-05-13	Groupwise image registration with edge-based loss for low-SNR cardiac MRI 2025-May-12, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.30486 PMID:40353517	研究论文	本研究提出了一种基于深度学习的图像配准方法AiM-ED，用于低信噪比(SNR)心脏MRI图像的配准和平均	提出了一种结合预训练边缘检测器的噪声鲁棒性深度学习方法AiM-ED，用于多幅噪声源图像的联合配准	样本量相对较小(健康受试者24个切片，患者5+6个切片)，且仅在LGE成像上验证	解决低场强下单次激发心脏MRI图像的低SNR问题，提高图像配准质量	心脏MRI图像(合成LGE图像和真实自由呼吸单次激发LGE图像)	计算机视觉	心血管疾病	深度学习	AiM-ED(基于VoxelMorph改进)	医学图像(MRI)	35个切片(24个健康受试者+11个患者)
610	2025-05-13	Deep Learning for Detecting Periapical Bone Rarefaction in Panoramic Radiographs: A Systematic Review and Critical Assessment 2025-May-12, Dento maxillo facial radiology DOI:10.1093/dmfr/twaf044 PMID:40353850	系统性综述	评估深度学习模型在全景X光片中检测根尖周骨稀疏的可行性和性能	首次系统性评估深度学习模型在根尖周骨稀疏检测中的应用，并识别了当前研究中的分类空白和关键挑战	研究存在样本量小、数据多样性不足、报告指标不统一等问题，限制了模型的泛化能力和可比性	评估深度学习模型在牙科影像诊断中的应用潜力	全景X光片中的根尖周骨稀疏病变	数字病理	牙科疾病	深度学习	U-NET, YOLO	影像	12项研究（多数来自亚洲，占58.3%）
611	2025-05-13	Development and evaluation of an early childhood caries prediction model: a deep learning-based hybrid statistical modelling approach 2025-May-12, European archives of paediatric dentistry : official journal of the European Academy of Paediatric Dentistry IF:2.3Q2 DOI:10.1007/s40368-025-01046-1 PMID:40354021	研究论文	开发并评估了一种基于深度学习的混合统计模型，用于预测儿童早期龋齿（ECC）	结合了bootstrap方法、逻辑回归建模（LRM）和多层前馈神经网络（MLFFNN）的混合统计方法，提高了预测的准确性和可解释性	样本量较小（157对亲子），且研究设计为横断面研究，可能限制了结果的普遍性	开发并评估一种高准确性和可解释性的儿童早期龋齿预测模型	157对亲子	机器学习	儿童早期龋齿	bootstrap方法、逻辑回归建模（LRM）、多层前馈神经网络（MLFFNN）	混合统计模型（LRM + MLFFNN）	问卷调查数据	157对亲子
612	2025-05-13	Enhancing segmentation accuracy of the common iliac vein in OLIF51 surgery in intraoperative endoscopic video through gamma correction: a deep learning approach 2025-May-11, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-025-03388-z PMID:40349282	研究论文	本研究开发并评估了一种深度学习模型，用于在OLIF51手术中从术中内窥镜视频中分割髂总静脉，以减少血管损伤风险	采用U-Net++与ResNet18结合的结构，并应用伽马校正预处理以提高分割精度	需要进一步研究和模型优化以适应临床应用	提高OLIF51手术中髂总静脉的分割准确性以减少血管损伤风险	髂总静脉	计算机视觉	退行性腰骶椎疾病	深度学习	U-Net, U-Net++ with ResNet18	内窥镜视频图像	614张OLIF51手术内窥镜图像
613	2025-05-13	Learning-based multi-material CBCT image reconstruction with ultra-slow kV switching 2025-May-11, Journal of X-ray science and technology IF:1.7Q3 DOI:10.1177/08953996251331790 PMID:40350700	research paper	本研究开发了一种名为SkV-Net的深度神经网络，用于从超慢kV切换技术获取的超稀疏光谱CBCT投影中重建多种材料密度图像	提出了一种新型的深度神经网络SkV-Net，采用U-Net主干结构和多头轴向注意力模块，能够基于能量依赖性衰减特性自动输出基础材料图像	NA	为基于超慢kV切换方案的光谱CBCT成像系统提供一种多材料分解方法	光谱锥束CT（CBCT）成像	medical imaging	NA	deep learning, spectral cone-beam CT (CBCT) imaging, ultra-slow kV switching	U-Net with multi-head axial attention module (SkV-Net)	spectral CBCT projections	numerical simulations and experimental studies
614	2025-05-13	Climate change prediction in Saudi Arabia using a CNN GRU LSTM hybrid deep learning model in al Qassim region 2025-May-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-00607-0 PMID:40346151	研究论文	使用CNN-GRU-LSTM混合深度学习模型预测沙特阿拉伯Al-Qassim地区的气候变化趋势	提出了一种独特的CNN-GRU-LSTM混合深度学习架构，用于预测气候变化，并在所有四种气候情景中优于传统回归方法	研究仅针对沙特阿拉伯Al-Qassim地区，可能无法推广到其他地区	预测气候变化趋势，以指导环境政策和城市发展决策	Al-Qassim地区的气候数据	机器学习	NA	SMOGN（合成少数过采样技术回归与高斯噪声）	CNN-GRU-LSTM混合模型	气候数据（温度、露点温度、能见度距离、海平面气压）	数据集分为训练集（70%）、验证集（15%）和测试集（15%）
615	2025-05-13	Scoping review of deep learning research illuminates artificial intelligence chasm in otolaryngology-head and neck surgery 2025-May-10, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-025-01693-0 PMID:40346307	综述	本文通过范围综述分析了1996年至2023年间耳鼻咽喉头颈外科（OHNS）领域的深度学习研究，揭示了该领域人工智能（AI）技术的临床验证不足	首次全面评估了OHNS领域深度学习研究的现状，揭示了AI技术在该领域临床验证的严重缺失	仅分析了已发表的研究，可能未涵盖未发表或正在进行的研究	评估OHNS领域深度学习研究的现状和临床验证情况	1996-2023年间发表的OHNS领域深度学习研究	人工智能在医疗健康中的应用	耳鼻咽喉头颈外科疾病	深度学习	CNN	图像	444篇符合纳入标准的研究文章
616	2025-05-13	Diagnostic report generation for macular diseases by natural language processing algorithms 2025-May-10, The British journal of ophthalmology DOI:10.1136/bjo-2024-326064 PMID:40348396	研究论文	本研究探讨了基于规则和深度学习的自然语言处理算法在自动生成黄斑疾病诊断报告中的应用	开发了基于规则和深度学习的自然语言处理系统，用于自动生成黄斑疾病的诊断报告，并与初级眼科医生的报告进行了比较	研究仅针对四种黄斑疾病，且样本量相对有限	研究自动生成黄斑疾病诊断报告的自然语言处理算法	1303名患者的2261只眼睛的眼底彩色照片和光学相干断层扫描图像	自然语言处理	黄斑疾病	自然语言处理（NLP）	基于规则的NLP和基于深度学习的NLP	图像和文本	2261只眼睛（来自1303名患者）
617	2025-05-13	Deep learning-based system for automatic identification of benign and malignant eyelid tumours 2025-May-10, The British journal of ophthalmology DOI:10.1136/bjo-2025-327127 PMID:40348397	研究论文	开发基于深度学习的系统，用于自动识别和分类眼睑良性和恶性肿瘤，以提高诊断准确性和效率	使用八种卷积神经网络模型对眼睑肿瘤进行分类，其中双路径Inception-v4网络表现出最高性能	需要更多广泛和多样化的数据集进行验证，并进一步集成到临床工作流程中	提高眼睑肿瘤的诊断准确性和效率	眼睑良性和恶性肿瘤	计算机视觉	眼睑肿瘤	深度学习	CNN（包括VGG16、ResNet50、Inception-v4、EfficientNet-V2-M及其变体）	图像	未明确提及具体样本数量，但数据集按8:2比例分为训练集和验证集
618	2025-05-13	Advances in research on receptor heterogeneity in breast cancer liver metastasis 2025-May-09, Bioscience trends IF:5.7Q1 DOI:10.5582/bst.2025.01046 PMID:40240168	review	本文综述了乳腺癌肝转移中受体异质性的研究进展及其对治疗策略的影响	深入探讨了受体状态变化的分子机制，并提出了结合人工智能深度学习模型预测肝转移受体状态的新方向	未提及具体实验数据或样本量，可能缺乏实证支持	探讨乳腺癌肝转移中受体异质性对治疗策略和预后的影响	乳腺癌肝转移患者及其受体状态变化	digital pathology	breast cancer	NA	deep learning	NA	NA
619	2025-05-13	How Deep is your Guess? A Fresh Perspective on Deep Learning for Medical Time-Series Imputation 2025-May-09, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3568778 PMID:40343821	research paper	本文对电子健康记录（EHR）时间序列插补的深度学习方法进行了全面分析，探讨了架构和框架设计决策如何影响深度插补模型的高级特性和对复杂数据特征的偏好	揭示了深度插补模型在捕捉EHR中复杂时空依赖关系方面的不同能力，并指出模型效果取决于其综合偏好与医疗时间序列特征的匹配程度，挑战了关于模型复杂性的常见假设	当前深度插补方法与医疗需求之间存在关键差距，需要整合临床见解以实现更可靠的医疗应用插补方法	评估深度学习方法在医疗时间序列数据插补中的效果和适用性	电子健康记录（EHR）时间序列数据	machine learning	NA	deep learning	deep imputer models	time-series data	NA
620	2025-05-11	Author Correction: Deep learning and genome-wide association meta-analyses of bone marrow adiposity in the UK Biobank 2025-May-09, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-59574-9 PMID:40346038	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA