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
641	2025-07-03	Deep learning-enhanced image analysis for liquid crystal optical sensing 2025-Jul-01, Optics letters IF:3.1Q2 DOI:10.1364/OL.561960 PMID:40591341	research paper	本研究利用VGG16深度学习模型加速液晶光学图像分析，提升传感速度和灵敏度	首次将VGG16深度学习模型应用于液晶光学图像分析，显著提高了传感速度和分类准确率	研究仅针对两种代表性表面活性剂和胰岛素特异性适配体进行测试，未涵盖更广泛的传感目标	提升液晶光学传感器的图像分析速度和精度	液晶光学图像	computer vision	NA	深度学习图像分析	VGG16	image	使用两种代表性表面活性剂（CTAB和SDS）及胰岛素特异性适配体进行测试
642	2025-07-03	Co-phase errors simultaneous detection for optical sparse aperture systems via deep learning 2025-Jul-01, Optics letters IF:3.1Q2 DOI:10.1364/OL.562369 PMID:40591336	研究论文	提出了一种基于深度学习的稀疏孔径光学系统共相误差同时检测方法	首次实现了活塞误差和倾斜误差的同时检测，通过分离网络消除误差间的干扰	方法依赖于模拟数据验证，实际光学系统中的噪声和扰动可能影响检测精度	提高稀疏孔径光学系统的共相误差检测效率和精度	光学稀疏孔径系统的共相误差（活塞误差和倾斜误差）	计算机视觉	NA	深度学习	分离网络和检测网络	光学传递函数相关特征图	NA
643	2025-07-03	Improving Tuberculosis Detection in Chest X-Ray Images Through Transfer Learning and Deep Learning: Comparative Study of Convolutional Neural Network Architectures 2025-Jul-01, JMIRx med DOI:10.2196/66029 PMID:40591399	研究论文	本研究通过比较6种CNN架构在胸部X光图像中检测结核病的性能，发现VGG16在准确性和计算效率方面表现最佳	研究表明较简单的模型VGG16在结核病检测中不仅准确性高，而且计算资源需求较低，同时发现数据增强并未提升模型性能	研究仅使用了4200张胸部X光图像，样本量相对较小，且未探讨模型在其他疾病或更大数据集上的泛化能力	评估不同CNN架构在胸部X光图像中分类结核病的性能，并比较其计算效率	胸部X光图像	计算机视觉	结核病	深度学习	CNN（包括VGG16、VGG19、ResNet50、ResNet101、ResNet152和Inception-ResNet-V2）	图像	4200张胸部X光图像（700张结核病阳性，3500张正常）
644	2025-07-03	Orbital CT deep learning models in thyroid eye disease rival medical specialists' performance in optic neuropathy prediction in a quaternary referral center and revealed impact of the bony walls 2025-Jul-01, Orbit (Amsterdam, Netherlands) DOI:10.1080/01676830.2025.2521868 PMID:40591440	研究论文	开发并评估用于甲状腺眼病患者视神经病变预测的轨道CT深度学习模型	深度学习模型在视神经病变分类上的表现与医学专家相当，并揭示了骨壁的影响	研究样本量较小，仅包括126名患者	开发并评估用于甲状腺眼病患者视神经病变预测的深度学习模型	甲状腺眼病患者	数字病理	甲状腺眼病	深度学习	深度学习模型	CT图像	126名患者，252个轨道
645	2025-07-03	Zero-shot segmentation of spinal vertebrae with metastatic lesions: an analysis of Meta's Segment Anything Model 2 and factors affecting learning free segmentation 2025-Jul-01, Neurosurgical focus IF:3.3Q1 DOI:10.3171/2025.4.FOCUS25234 PMID:40591965	研究论文	评估Meta的Segment Anything Model 2（SAM 2）在无需预训练的情况下对脊柱转移瘤椎体的分割能力	首次评估了通用分割模型SAM 2在脊柱转移瘤椎体分割中的零样本学习能力	在胸椎、女性患者和肥胖患者中的分割性能显著较差	评估零样本学习模型在脊柱转移瘤椎体分割中的准确性和适用性	脊柱CT扫描中的椎体及其转移瘤	医学影像分析	脊柱转移瘤	CT扫描	SAM 2	医学影像	55名患者的779个胸腰椎椎体，其中167个有转移瘤
646	2025-07-03	Image-based detection of the internal carotid arteries and sella turcica in endoscopic endonasal transsphenoidal surgery 2025-Jul-01, Neurosurgical focus IF:3.3Q1 DOI:10.3171/2025.4.FOCUS24940 PMID:40591959	研究论文	本研究评估了深度学习模型在内窥镜经鼻蝶手术视频中检测蝶鞍和双侧颈内动脉的性能	使用YOLOv5s目标检测架构在EETS视频中自动识别关键解剖标志，以预防潜在致命损伤	模型需要来自不同环境的新数据以提高泛化能力和促进迁移学习	评估深度学习模型在EETS手术中检测关键解剖结构的性能	内窥镜经鼻蝶手术视频中的蝶鞍和双侧颈内动脉	计算机视觉	NA	深度学习	YOLOv5s	视频	98名患者的EETS手术视频图像
647	2025-07-03	Open-source AI-assisted rapid 3D color multimodal image fusion and preoperative augmented reality planning of extracerebral tumors 2025-Jul-01, Neurosurgical focus IF:3.3Q1 DOI:10.3171/2025.4.FOCUS24557 PMID:40591963	research paper	开发了一种基于开源AI辅助的快速3D彩色多模态图像融合和增强现实技术，用于脑外肿瘤手术的术前规划和手术引导	结合了开源AI工具（FastSurfer/Raidionics）与AR可视化，创建了一个高效的3D彩色多模态图像融合工作流程，通过彩色编码功能映射和血管关系可视化增强解剖理解	研究仅针对脑外肿瘤患者，样本量为130人，可能无法推广到其他类型的肿瘤或更大规模的人群	开发一种先进的术前规划和手术引导方法，以提高手术精确度并减少围手术期风险	130名脑外肿瘤患者	digital pathology	extracerebral tumors	AI-assisted rapid 3D color multimodal image fusion, augmented reality	FastSurfer, Raidionics-Slicer	3D image	130名脑外肿瘤患者
648	2025-07-03	Generation of synthetic CT-like imaging of the spine from biplanar radiographs: comparison of different deep learning architectures 2025-Jul-01, Neurosurgical focus IF:3.3Q1 DOI:10.3171/2025.4.FOCUS25170 PMID:40591967	研究论文	本研究比较了两种深度学习架构（GANs和CNN-INRs）在从双平面X光片生成脊柱合成CT（sCT）图像方面的表现	比较了GAN和CNN-INR两种架构在生成脊柱sCT图像上的性能，发现GAN在解剖细节和视觉真实性上表现更优	两种模型均未达到临床级输出水平	寻找一种稳健且临床可行的术中成像技术，以减少辐射暴露并提高成像可及性	脊柱CT图像	计算机视觉	NA	深度学习	GAN, CNN-INR	图像	216个训练案例和54个验证案例
649	2025-07-03	Deep learning-based clinical decision support system for intracerebral hemorrhage: an imaging-based AI-driven framework for automated hematoma segmentation and trajectory planning 2025-Jul-01, Neurosurgical focus IF:3.3Q1 DOI:10.3171/2025.5.FOCUS25246 PMID:40591968	research paper	本文介绍了一种基于深度学习的临床决策支持系统，用于脑出血的自动血肿分割和轨迹规划	提出了一种集成nnU-Net的血肿和颅骨分割、CT重定向、安全区划分及轨迹优化的AI驱动框架，旨在降低手术规划对操作者的依赖	系统在幕下血肿中的应用仍存在局限	开发一个AI驱动的决策支持和规划系统，以普及手术规划并减少操作者依赖性	347名脑出血患者（31,024张CT切片）	digital pathology	intracerebral hemorrhage	CT imaging	nnU-Net	image	347名患者（31,024张CT切片）
650	2025-07-03	A novel deep learning system for automated diagnosis and grading of lumbar spinal stenosis based on spine MRI: model development and validation 2025-Jul-01, Neurosurgical focus IF:3.3Q1 DOI:10.3171/2025.4.FOCUS24670 PMID:40591977	研究论文	开发了一种基于脊柱MRI的深度学习系统，用于自动诊断和分级腰椎管狭窄症	设计了一种改进的单阶段YOLOv5网络，用于同时检测感兴趣区域(ROIs)和分级腰椎中央管狭窄(LCS)、侧隐窝狭窄(LRS)及腰椎间孔狭窄(LFS)	研究样本量相对较小，外部测试集仅包含50名患者	开发一个自动化系统用于腰椎管狭窄症的诊断和分级	接受腰椎MRI检查的住院患者	数字病理	腰椎管狭窄症	MRI	改进的YOLOv5网络	图像	内部数据集420名患者，外部测试集50名患者
651	2025-07-03	ARTIFICIAL INTELLIGENCE ENHANCES DIAGNOSTIC ACCURACY OF CONTRAST ENEMAS IN HIRSCHSPRUNG DISEASE COMPARED TO CLINICAL EXPERTS 2025-Jul-01, European journal of pediatric surgery : official journal of Austrian Association of Pediatric Surgery ... [et al] = Zeitschrift fur Kinderchirurgie IF:1.5Q3 DOI:10.1055/a-2646-2052 PMID:40592491	研究论文	本研究评估了深度学习神经网络在对比灌肠诊断先天性巨结肠症中的表现，并与儿科外科医生和放射科医生的诊断进行了比较	结合前后位和侧位图像以及临床数据，深度学习神经网络在对比灌肠诊断中表现出高准确性和一致性	研究为回顾性设计，样本量有限（218张测试图像）	评估AI在先天性巨结肠症诊断中的表现及其与临床专家的比较	先天性巨结肠症患者的对比灌肠图像	数字病理	先天性巨结肠症	深度学习	DNN	图像	1471张对比灌肠图像（其中218张用于测试）
652	2025-07-03	Photon-counting detector CT of the brain reduces variability of Hounsfield units and has a mean offset compared with energy-integrating detector CT 2025-Jul-01, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8910 PMID:40592542	research paper	本研究比较了光子计数探测器CT（PCD-CT）与能量积分探测器CT（EID-CT）在脑部成像中的Hounsfield单位（HU）变异性、灰质与白质对比及图像噪声	首次全面比较PCD-CT与EID-CT在脑部成像中的HU值、图像噪声及灰质白质对比，揭示了PCD-CT在降低图像噪声和HU值偏移方面的优势	研究未涉及脑部病理情况，且未来需进一步研究调整窗位预设的必要性	比较PCD-CT与EID-CT在脑部成像中的性能差异	脑部灰质和白质的CT成像数据	医学影像	NA	光子计数探测器CT（PCD-CT）和能量积分探测器CT（EID-CT）	深度学习分割	CT图像	329例EID-CT患者和180例PCD-CT患者
653	2025-07-03	Evaluation of the effectiveness of artificial intelligence models in radiopaque and radiolucent lesions of the maxillofacial region on panoramic radiographs 2025-Jul-01, Oral radiology IF:1.6Q3 DOI:10.1007/s11282-025-00838-x PMID:40593453	研究论文	本研究评估了深度学习算法在颌面部区域全景X光片中放射线不透和放射线可透病变的分类、检测和分割中的效果	首次比较了多种深度学习架构（AlexNet、VGG16、GoogleNet和YOLOv8）在颌面部病变自动分析中的表现，并确定了最佳性能模型	研究样本年龄跨度较大（12-80岁），可能影响模型的泛化能力，且未说明具体样本数量	评估人工智能模型在颌面部放射影像病变分析中的有效性	颌面部区域的放射线不透和放射线可透病变	计算机视觉	颌面部疾病	深度学习	AlexNet, VGG16, GoogleNet, YOLOv8	医学影像（全景X光片）	NA
654	2025-07-03	A transformer model for de novo sequencing of data-independent acquisition mass spectrometry data 2025-Jul-01, Nature methods IF:36.1Q1 DOI:10.1038/s41592-025-02718-y PMID:40596427	研究论文	本文提出了一种名为Cascadia的Transformer模型，用于处理数据非依赖采集质谱数据的从头测序问题	首次将Transformer架构应用于数据非依赖采集质谱数据的从头测序，相比现有方法在多种仪器和实验协议下性能显著提升	模型主要针对数据非依赖采集协议，可能不适用于数据依赖采集实验	解决质谱数据分析中的从头测序问题	数据非依赖采集质谱数据	机器学习	NA	数据非依赖采集质谱(DIA)	Transformer	质谱数据	NA
655	2025-07-03	Deep learning reveals the complex genetic architecture of male guppy colouration 2025-Jul-01, Nature ecology & evolution IF:13.9Q1 DOI:10.1038/s41559-025-02781-w PMID:40596731	研究论文	本研究利用深度学习技术揭示了雄性孔雀鱼颜色变异的复杂遗传结构	结合卷积神经网络进行高分辨率表型分析、选择实验、控制谱系和全基因组重测序，首次全面解析了孔雀鱼颜色变异的遗传基础	研究主要关注雄性孔雀鱼，雌性颜色变异的遗传机制未涉及	解析孔雀鱼颜色变异的遗传结构和维持机制	雄性孔雀鱼(Poecilia reticulata)	计算生物学	NA	全基因组重测序、基因组关联分析(GWAS)	CNN	基因组数据、图像数据	未明确说明样本数量，但涉及控制谱系和全基因组数据
656	2025-07-03	The deep radon prior-based stationary CT image reconstruction algorithm for two phase flow inspection 2025-Jul, Journal of X-ray science and technology IF:1.7Q3 DOI:10.1177/08953996251322078 PMID:40600316	研究论文	提出了一种基于深度Radon先验的静态CT图像重建算法，用于两相流检测	提出了一种名为Deep Radon Prior (DRP)的无监督深度学习算法，直接从投影数据重建图像，优化Radon域中的误差，并利用神经网络学习图像中的规则信息	受限于系统的整体物理布置，CT系统只能收集不完全的稀疏投影数据	研究高流速两相流在小直径合金钢管中的流动模式和空隙率的测量方法	两相流在热传递管道中的状态	计算机视觉	NA	静态计算机断层扫描(CT)	深度学习	图像	NA
657	2025-07-03	Learning salient representation of crashes and near-crashes using supervised contrastive variational autoencoder 2025-Jun-30, Accident; analysis and prevention DOI:10.1016/j.aap.2025.108148 PMID:40592011	研究论文	本研究提出了一种新颖的深度学习模型scVAE，用于学习安全关键事件（如碰撞和接近碰撞）的显著表示，以提高道路安全	将监督对比学习方法整合到变分自编码器（VAE）框架中，通过两个不同的编码器使显著潜在变量具有区分性，并专注于最相关的表示以进行准确聚类	NA	提高道路安全，通过学习安全关键事件的显著表示来改进聚类、样本生成、去噪和预测等下游任务	安全关键事件（包括碰撞和接近碰撞）	机器学习	NA	监督对比学习，变分自编码器（VAE）	scVAE（监督对比变分自编码器）	运动学数据集	第二战略公路研究计划（SHRP 2）自然驾驶研究数据集
658	2025-07-03	U-Net-based architecture with attention mechanisms and Bayesian Optimization for brain tumor segmentation using MR images 2025-Jun-30, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110677 PMID:40592172	研究论文	本文提出了一种基于U-Net架构结合注意力机制和贝叶斯优化的方法，用于MR图像中的脑肿瘤分割	结合注意力机制和贝叶斯优化算法来增强U-Net模型的分割性能，并使用区域自适应阈值技术进行肿瘤区域定位	未提及具体的数据集局限性或模型泛化能力问题	提高MR图像中脑肿瘤分割的准确性和效率	脑肿瘤的MR图像	数字病理学	脑肿瘤	MR成像	U-Net结合注意力机制	图像	使用了LGG、Healthcare和BraTS 2021 MRI脑肿瘤数据集
659	2025-07-03	Explainable, federated deep learning model predicts disease progression risk of cutaneous squamous cell carcinoma 2025-Jun-28, NPJ precision oncology IF:6.8Q1 DOI:10.1038/s41698-025-00997-4 PMID:40581685	研究论文	开发了一种基于Transformer的可解释、联邦深度学习模型，用于预测皮肤鳞状细胞癌患者的疾病进展风险	首次将Transformer模型应用于皮肤鳞状细胞癌的疾病进展预测，并通过联邦学习提高模型的泛化能力和隐私保护	外部验证队列的平均AUROC为0.65，表明模型在外部数据上的表现有待提高	预测皮肤鳞状细胞癌患者的疾病进展风险，以促进个性化医疗和二级预防	皮肤鳞状细胞癌患者	数字病理学	皮肤鳞状细胞癌	深度学习	Transformer	图像	三个临床中心的数据
660	2025-07-03	AI-supported versus manual microscopy of Kato-Katz smears for diagnosis of soil-transmitted helminth infections in a primary healthcare setting 2025-Jun-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-07309-7 PMID:40579399	研究论文	比较AI支持与手动显微镜在初级医疗环境中诊断土壤传播蠕虫感染的效果	使用便携式全玻片扫描仪和基于深度学习的AI技术，提高了对轻强度感染的检测灵敏度	研究样本仅来自肯尼亚的学龄儿童，可能限制了结果的普遍性	评估AI技术在诊断土壤传播蠕虫感染中的效果	土壤传播蠕虫（蛔虫、鞭虫和钩虫）	数字病理学	寄生虫感染	深度学习	AI	图像	965份粪便样本（最终分析704份）