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
621	2025-06-12	MC-RED: A deep learning network for motion correction in 3D CEST imaging 2025-Jun-10, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.30609 PMID:40495308	research paper	本文提出了一种名为MC-RED的深度学习网络，用于3D CEST成像中的运动校正	MC-RED是一种基于残差编码-解码网络的运动校正方法，通过2D高斯分布结合静态参考图像，生成无运动参考帧以校正运动伪影	NA	开发并验证一种基于深度学习的运动校正方法，以提高3D CEST成像的图像质量	健康志愿者模拟数据和脑炎患者临床数据	medical imaging	encephalitis	CEST imaging	residual encoding-decoding network	3D image	健康志愿者和脑炎患者的模拟与临床数据
622	2025-06-12	Multilevel Discrete Wavelet Decomposition-Assisted Lightweight Multi-Order Gated Aggregation Network for Gas Concentration Retrieval in WMS 2025-Jun-10, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.5c01554 PMID:40495325	研究论文	本文提出了一种基于多级离散小波分解的轻量级多门控聚合网络（MDWD-LiteMogaNet），用于波长调制光谱（WMS）中的气体浓度检测	通过集成小波变换进行数据过滤和特征提取，MDWD-LiteMogaNet显著减少了数据量并提高了计算效率，同时多门控特征提取和融合机制确保了全面的特征表示	NA	开发一种高效的气体检测方法，适用于轻量级设备部署	气体浓度检测	机器学习	NA	波长调制光谱（WMS）	MDWD-LiteMogaNet	光谱数据	NA
623	2025-06-12	Advancing respiratory disease diagnosis: A deep learning and vision transformer-based approach with a novel X-ray dataset 2025-Jun-09, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110501 PMID:40494170	research paper	本文通过利用X射线图像和先进的机器学习技术（如深度学习和Vision Transformers），为呼吸系统疾病分类领域做出了重要贡献	引入了一个新颖、多样化的数据集，包含来自5263名患者的7867张X射线图像，涵盖49种不同的肺部疾病，以解决现有数据集多样性不足的问题	研究可能遗漏了2017年之前的基础工作，且AI的快速发展可能使早期方法的相关性降低	提高呼吸系统疾病诊断的准确性和及时性	呼吸系统疾病（如肺炎和COVID-19）的X射线图像	digital pathology	lung cancer	deep learning, Vision Transformers (ViT)	DL, ViT	image	7867张X射线图像来自5263名患者
624	2025-06-12	Differentiating Bacterial and Non-Bacterial Pneumonia on Chest CT Using Multi-Plane Features and Clinical Biomarkers 2025-Jun-09, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.05.047 PMID:40494699	研究论文	本研究开发了一种名为MPMT-Pneumo的多平面、多模态深度学习模型，用于区分细菌性肺炎和非细菌性肺炎	采用混合CNN-Transformer架构整合多平面CT视图和炎症生物标志物，解决了传统方法在区分细菌性和非细菌性肺炎上的局限性	研究样本仅来自两家医院，可能影响模型的泛化能力	提高细菌性肺炎与非细菌性肺炎的分类准确性，指导抗生素治疗	384例经微生物学确认的肺炎患者（239例细菌性肺炎，145例非细菌性肺炎）	数字病理	肺炎	CT成像	CNN-Transformer混合架构	图像（CT扫描）和临床生物标志物数据	384例患者（239例细菌性肺炎，145例非细菌性肺炎）
625	2025-06-12	Research on artificial intelligence, machine and deep learning in medicine: global characteristics, readiness, and equity 2025-Jun-08, Globalization and health IF:5.9Q1 DOI:10.1186/s12992-025-01128-1 PMID:40484942	研究论文	本文分析了人工智能在医学研究中的全球特征、准备情况和公平性	通过时间和地理模式分析，揭示了全球AImed研究的激励因素和障碍，并指出了经济较弱国家在AImed研究中的潜在优势	研究主要基于文献计量分析，可能未涵盖所有影响AImed发展的因素	评估全球人工智能在医学研究中的发展状况和公平性	全球范围内的人工智能医学研究	机器学习	NA	NA	NA	文献数据	多个国家的AImed研究出版物
626	2025-06-12	[Advances in thyroid cytopathology in China over the last ten years: retrospect and prospect] 2025-Jun-08, Zhonghua bing li xue za zhi = Chinese journal of pathology DOI:10.3760/cma.j.cn112151-20241203-00813 PMID:40494760	review	回顾过去十年中国在甲状腺细胞病理学领域的标准化诊疗体系建设和技术创新方面的重大突破	建立了手工涂片与液基细胞学结合的标准化流程，结合HE染色和细胞块技术显著提高诊断准确性，分子病理检测系统实现跨越式发展，从单基因BRAF检测发展到覆盖BRAF、TERT和RAS基因的多基因检测	NA	回顾和展望中国甲状腺细胞病理学领域的发展	甲状腺肿瘤细胞学	数字病理	甲状腺癌	下一代测序（NGS）、免疫细胞化学染色、分子病理检测	深度学习模型	细胞学图像	NA
627	2025-06-12	Water chemical oxygen demand prediction based on a one-dimensional multi-scale feature fusion convolutional neural network and ultraviolet-visible spectroscopy 2025-Jun-04, RSC advances IF:3.9Q2 DOI:10.1039/d5ra00933b PMID:40491797	研究论文	本文提出了一种基于一维多尺度特征融合卷积神经网络（1D-CNN）和紫外-可见光谱的水化学需氧量（COD）预测方法	该方法通过融合同一通道内三个并行子卷积和池化层提取的特征，提高了COD检测的准确性，相比传统方法和深度学习模型（如PLSR、SVM、ANN和1D-CNN）表现出更优的性能	NA	开发一种高效、快速且无需化学试剂的COD检测方法，以支持实时水质监测	水中的化学需氧量（COD）	机器学习	NA	紫外-可见光谱	1D-CNN	光谱数据	NA
628	2025-06-12	A systematic review: Brain age gap as a promising early diagnostic biomarker for Alzheimer's disease 2025-Jun-03, Journal of the neurological sciences IF:3.6Q2 DOI:10.1016/j.jns.2025.123563 PMID:40494037	系统综述	本文综述了脑年龄差距（BAG）作为阿尔茨海默病早期诊断生物标志物的研究现状	利用深度学习技术预测脑年龄，并通过脑年龄差距（BAG）作为阿尔茨海默病的早期诊断生物标志物	包括站点效应、偏差校正、数据不足、硬件要求、模型准确性和临床适用性等关键挑战	探讨脑年龄差距（BAG）作为阿尔茨海默病早期诊断生物标志物的潜力	阿尔茨海默病患者和健康老年人的脑结构变化	数字病理学	阿尔茨海默病	深度学习	深度学习模型	神经影像数据	NA
629	2025-06-12	AI-enabled CT-guided end-to-end quantification of total cardiac activity in 18FDG cardiac PET/CT for detection of cardiac sarcoidosis 2025-Jun, Journal of nuclear cardiology : official publication of the American Society of Nuclear Cardiology IF:3.0Q2 DOI:10.1016/j.nuclcard.2025.102195 PMID:40127777	research paper	提出了一种基于深度学习的全自动流程，用于通过CT衰减图分割心脏腔室来量化[18F]FDG PET活动，以检测心脏结节病	开发了一种全自动的深度学习分割方法，用于从CT衰减扫描中分割心脏腔室，并自动将CT定义的解剖区域应用于[18F]FDG PET图像，以量化目标与背景比(TBR)、炎症体积(VOI)和心脏代谢活动(CMA)	样本量较小（69例患者），且心脏结节病的阳性率为42%，可能影响模型的泛化能力	开发并评估一种全自动的量化方法，用于检测心脏结节病	接受[18F]FDG PET/CT检查的疑似心脏结节病患者	digital pathology	cardiac sarcoidosis	PET/CT, deep learning	DL (deep learning)	image	69例患者
630	2025-06-12	OrgaMeas: A pipeline that integrates all the processes of organelle image analysis 2025-06, Biochimica et biophysica acta. Molecular cell research DOI:10.1016/j.bbamcr.2025.119964 PMID:40268058	研究论文	介绍了一个名为OrgaMeas的高通量图像分析流程，用于精确测量细胞器的形态和动态	整合了两个基于深度学习的工具OrgaSegNet和DIC2Cells，实现了细胞器的精确分割和单个细胞水平的ROI自动设置，降低了成本并减少了编码需求	未提及具体的性能比较或与其他方法的对比结果	开发一个低成本、易用的图像分析流程，用于研究细胞器的形态和动态	细胞器的形态和动态	数字病理	NA	深度学习	CNN	图像	NA
631	2025-06-12	InclusiViz : Visual Analytics of Human Mobility Data for Understanding and Mitigating Urban Segregation 2025-Jun, IEEE transactions on visualization and computer graphics IF:4.7Q1 DOI:10.1109/TVCG.2025.3567117 PMID:40327496	research paper	介绍了一个名为InclusiViz的可视化分析系统，用于多层次分析城市隔离现象，并促进数据驱动的干预措施	提出了一个结合深度学习和可解释AI的视觉分析系统，用于分析城市隔离模式，并评估城市规划干预措施	未明确提及研究的局限性	理解和缓解城市隔离现象	人类移动数据和城市隔离模式	visual analytics	NA	deep learning, explainable AI	deep learning model	human mobility data	未明确提及样本量
632	2025-06-12	Classifying fungi biodiversity using hybrid transformer models 2025-Jun-01, Journal of microbiological methods IF:1.7Q4 DOI:10.1016/j.mimet.2025.107155 PMID:40460919	research paper	该研究提出了一种混合深度学习技术，结合Vision Transformer和Swin Transformer模型以及迁移学习框架，用于真菌多类分类	创新点在于结合了Vision Transformer和Swin Transformer模型，并采用迁移学习框架，提高了真菌分类的准确性和泛化能力	研究中使用了公开数据集，可能无法涵盖所有真菌物种的多样性，且样本量有限	研究目的是通过深度学习技术提高真菌分类的准确性，以促进真菌生物多样性的管理和理解	研究对象为五种真菌物种的9115张图像	computer vision	NA	深度学习、迁移学习	Vision Transformer、Swin Transformer、MobileNetV2、DenseNet121、EfficientNetB0	image	9115张图像
633	2025-06-12	A comprehensive image dataset of plum leaf and fruit for disease classification 2025-Jun, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2025.111625 PMID:40486236	research paper	该研究创建了一个全面的李树叶和果实图像数据集，用于疾病分类和果实质量评估	开发了一个全面的李树叶和果实图像数据集，填补了农业研究与计算机视觉之间的空白，支持自动化疾病检测和果实质量评估	数据收集时间较短（2024年12月至2025年2月），可能无法涵盖所有季节的疾病变化	通过机器学习技术推进农业研究，实现有效的疾病管理系统	李树的叶子和果实	computer vision	植物疾病	图像采集与增强	deep learning	image	3,554张原始图像，相同数量的处理图像和18,000张增强图像，共分为六个类别
634	2025-06-12	Predictive modeling for metastasis in oncology: current methods and future directions 2025-Jun, Annals of medicine and surgery (2012) DOI:10.1097/MS9.0000000000003279 PMID:40486555	综述	本文综述了肿瘤学中转移预测模型的当前方法及未来发展方向	整合了机器学习、基因组学和影像学技术，探索了多组学数据和人工智能在个性化转移预测中的应用	面临数据异质性、模型可解释性不足以及需要更大规模高质量数据集进行验证等挑战	提高转移预测的准确性，为临床提供早期检测和个性化治疗策略的见解	肿瘤转移预测模型	机器学习	肿瘤学	基因组分析、液体活检、放射组学	逻辑回归、决策树、支持向量机、神经网络	临床、病理和分子数据	NA
635	2025-06-12	Bridging surgical oncology and personalized medicine: the role of artificial intelligence and machine learning in thoracic surgery 2025-Jun, Annals of medicine and surgery (2012) DOI:10.1097/MS9.0000000000003302 PMID:40486596	综述	本文探讨了人工智能和机器学习在胸外科手术和肿瘤学中的应用及其对个性化医疗的潜在影响	整合AI和ML技术以优化肺癌的早期检测、治疗精准度和手术决策，推动个性化癌症护理	临床实践中广泛应用AI面临数据标准化、伦理问题和需要稳健验证等挑战	探索AI和ML如何通过改善早期检测、提高手术精准度和实现个性化护理来优化胸外科肿瘤学	肺癌患者	数字病理学	肺癌	基因组分析、低剂量CT扫描	深度学习算法、预测模型	医学影像、临床数据	NA
636	2025-06-12	Do Transformers and CNNs Learn Different Concepts of Brain Age? 2025-Jun-01, Human brain mapping IF:3.5Q1 DOI:10.1002/hbm.70243 PMID:40489428	研究论文	比较Transformer和CNN在预测脑年龄方面的性能及其捕捉的脑老化效应差异	首次在脑年龄预测领域比较Transformer和CNN的性能，并探讨它们是否捕捉不同的脑老化效应概念	仅使用了UK Biobank的数据，可能无法完全代表其他人群	探索不同深度学习架构在脑年龄预测中的表现差异及其临床意义	脑年龄预测模型	计算机视觉	神经精神疾病	T1加权脑磁共振成像	Transformer (sViT, SwinT), CNN (ResNet50)	图像	46,381张T1加权结构MR图像
637	2025-06-12	HEDL: Deep learning multiple approaches for early detection of depression using sarcastic text 2025-Jun, MethodsX IF:1.6Q2 DOI:10.1016/j.mex.2025.103370 PMID:40491515	研究论文	本文提出了一种混合集成深度学习模型（HEDL），用于通过讽刺文本来早期检测抑郁迹象	HEDL模型独特地整合了CNN、LSTM和GRU架构，以捕捉更复杂的特征表示模式，提高了准确性和鲁棒性	实验仅在新闻标题数据集上进行测试，未涉及其他类型的数据	开发一种更准确和可靠的讽刺检测方法，用于心理健康监测和情感分析	讽刺文本数据	自然语言处理	抑郁症	深度学习	CNN, LSTM, GRU	文本	新闻标题数据集（具体数量未提及）
638	2025-06-12	Detection of Undiagnosed Liver Cirrhosis via Artificial Intelligence-Enabled Electrocardiogram (DULCE): Rationale and design of a pragmatic cluster randomized clinical trial 2025-Jun, Contemporary clinical trials communications IF:1.4Q4 DOI:10.1016/j.conctc.2025.101494 PMID:40491662	研究论文	该研究通过人工智能心电图（ECG）检测未诊断的肝硬化，设计了一项实用的集群随机临床试验	利用ECG支持的深度学习模型筛查晚期慢性肝病（CLD），在初级保健中展示了潜在的应用前景	研究仅在梅奥诊所的45个初级保健实践中进行，样本量和地域范围有限	评估ECG支持的人工智能模型在初级保健中筛查晚期CLD的有效性	初级保健患者，特别是那些在研究期间接受ECG检查的患者	数字病理学	肝硬化	深度学习	深度学习模型	ECG数据	45个梅奥诊所初级保健实践的患者
639	2025-06-12	Deep Learning in Digital Breast Tomosynthesis: Current Status, Challenges, and Future Trends 2025-Jun, MedComm IF:10.7Q1 DOI:10.1002/mco2.70247 PMID:40491967	review	本文综述了深度学习在数字乳腺断层合成（DBT）乳腺癌筛查中的应用与展望	总结了深度学习在DBT中的三大应用类别，并提出了未来研究方向如大语言模型和多源域迁移	缺乏公开数据集和模型训练问题是当前主要挑战	探讨深度学习如何提升DBT图像处理效率和诊断准确性	数字乳腺断层合成（DBT）图像	digital pathology	breast cancer	deep learning	NA	3D medical images	NA
640	2025-06-12	AI-powered remote monitoring of brain responses to clear and incomprehensible speech via speckle pattern analysis 2025-Jun, Journal of biomedical optics IF:3.0Q2 DOI:10.1117/1.JBO.30.6.067001 PMID:40492267	研究论文	本文介绍了一种基于激光散斑图案分析和深度学习的远程无接触脑皮层活动监测技术	提出了一种远程、无接触、低成本的脑皮层活动监测方法，克服了传统功能磁共振成像和接触式监测技术的局限性	目前仅针对Wernicke区对清晰和不可理解语音的反应进行了测试，尚未验证在其他脑区的适用性	开发一种远程光子技术，通过深度学习分析激光散斑图案视频来检测人脑皮层活动	人脑Wernicke区对语音刺激的反应	神经影像技术	NA	激光散斑图案成像技术	卷积长短期记忆深度神经网络(CNN-LSTM)	视频	未明确提及具体样本量