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
701	2025-06-03	Strategies to Improve the Robustness and Generalizability of Deep Learning Segmentation and Classification in Neuroimaging 2025-Jun, BioMedInformatics DOI:10.3390/biomedinformatics5020020 PMID:40271381	review	本文回顾并总结了提高深度学习模型在神经影像分割和分类中鲁棒性和泛化能力的策略	识别并总结了包括正则化、数据增强、迁移学习和不确定性估计在内的关键策略，以应对数据变异性和领域转移等主要挑战	仅包括英文同行评审的脑成像研究，可能忽略了其他语言或非脑成像的相关研究	提高深度学习模型在神经影像分割和分类中的鲁棒性和泛化能力，以增强其在实际临床实践中的可靠性	神经影像数据	machine learning	NA	深度学习	深度学习模型	医学影像	NA
702	2025-06-03	Comparison of time-series models for predicting physiological metrics under sedation 2025-Jun, Journal of clinical monitoring and computing IF:2.0Q2 DOI:10.1007/s10877-024-01237-z PMID:39470955	研究论文	本研究全面比较了多种时间序列模型在生理指标预测中的应用，特别关注了双频指数（BIS）的预测	比较了传统数学模型（如药代动力学-药效学模型、ARIMA、VAR）和现代深度学习模型（如LSTM、GRU、TCN、Transformer）在BIS预测中的表现，并发现LSTM模型在单变量和多变量预测中均表现最佳	研究仅基于两个实际手术过程中收集的生理指标数据集，可能无法涵盖所有临床场景	评估和比较不同时间序列模型在预测手术中镇静深度关键指标BIS方面的性能	双频指数（BIS），一种用于评估手术中镇静深度的重要指标	机器学习	NA	时间序列分析、深度学习	LSTM, GRU, TCN, Transformer, ARIMA, VAR	生理指标时间序列数据	两个实际手术过程中收集的生理指标数据集
703	2025-06-03	Deep Learning Radiomics Nomogram Based on MRI for Differentiating between Borderline Ovarian Tumors and Stage I Ovarian Cancer: A Multicenter Study 2025-Jun, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.12.067 PMID:39814661	研究论文	开发并验证了一种基于T2加权MRI的深度学习放射组学列线图（DLRN），用于术前区分卵巢交界性肿瘤（BOTs）和I期上皮性卵巢癌（EOC）	结合了深度学习、瘤内和瘤周放射组学以及临床预测因子，构建了DLRN模型，显著优于传统放射组学模型和临床模型	研究为回顾性多中心设计，可能存在选择偏倚	开发一种术前区分BOTs和I期EOC的预测工具	279名来自三个医疗中心的患者（207名训练集，72名外部测试集）	数字病理	卵巢癌	MRI	深度学习放射组学列线图（DLRN）	医学影像	279名患者（207名训练集，72名外部测试集）
704	2025-06-03	Evaluation of a Deep Learning Denoising Algorithm for Dose Reduction in Whole-Body Photon-Counting CT Imaging: A Cadaveric Study 2025-Jun, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.12.052 PMID:39818525	研究论文	评估深度学习去噪算法在降低全身光子计数CT成像剂量中的效果	使用深度学习去噪算法在降低辐射剂量的同时保持图像质量	研究基于尸体扫描，可能无法完全反映活体成像情况	评估深度学习去噪算法在降低PCCT辐射剂量中的有效性	24具尸体样本	数字病理	NA	光子计数CT(PCCT)	深度学习算法(ClariCT.AI)	CT图像	24具尸体样本，生成192个数据集
705	2025-06-03	Deep learning-assisted analysis of biomarker changes after increase of dosing from aflibercept 2 mg to 8 mg in therapy-resistant neovascular age-related macular degeneration 2025-Jun-01, BMJ open ophthalmology IF:2.0Q2 DOI:10.1136/bmjophth-2025-002176 PMID:40451292	研究论文	本研究利用深度学习辅助分析，评估了aflibercept 8 mg在治疗抵抗性新生血管性年龄相关性黄斑变性(nAMD)患者中的疗效，重点关注关键光学相干断层扫描生物标志物的变化	首次在真实世界环境中评估aflibercept 8 mg对治疗抵抗性nAMD患者的疗效，并应用深度学习算法进行生物标志物定量分析	样本量较小(21名患者23只眼)，缺乏长期随访数据，研究设计为回顾性	评估aflibercept 8 mg在治疗抵抗性nAMD患者中的真实世界疗效	21名对aflibercept 2 mg反应不足的nAMD患者(23只眼)	数字病理学	年龄相关性黄斑变性	光学相干断层扫描，深度学习语义分割算法	深度学习	医学影像	21名患者23只眼
706	2025-06-03	EEG-ConvoBLSTM: A novel hybrid model for efficient EEG signal classification 2025-Jun-01, The Review of scientific instruments DOI:10.1063/5.0258358 PMID:40454762	研究论文	提出一种新型混合模型EEG-ConvoBLSTM，用于高效分类EEG信号以进行情感识别	结合卷积层和双向LSTM网络，实现对EEG信号时空特征的全面建模及长时依赖信息捕获	未明确说明模型在更大规模或多样化数据集上的泛化能力	提升基于EEG信号的情感识别准确率及跨被试泛化能力	EEG信号的情感识别	机器学习	NA	深度学习	CNN与BLSTM混合模型	EEG信号	使用SEED数据集（具体样本量未说明）
707	2025-06-03	Physics-driven deep learning methods and numerically intractable "bad" Jaulent-Miodek equation 2025-Jun-01, Chaos (Woodbury, N.Y.) DOI:10.1063/5.0264041 PMID:40455205	research paper	该论文提出了一种结合PINN和PECANN的两阶段深度学习方法，用于解决'bad' Jaulent-Miodek (JM)方程的非线性波演化问题	将PINN和PECANN两种物理驱动的深度学习方法结合成一个两阶段神经网络，提高了计算效率并正确求解了'bad' JM方程	NA	解决具有不良性质的'bad' JM方程的非线性波演化问题	'bad' JM方程的非线性波演化	machine learning	NA	Physics-Informed Neural Networks (PINN), Physics and Equality-Constrained Artificial Neural Networks (PECANN)	PINN+PECANN neural network	numerical data	NA
708	2025-06-03	Formation mechanism analysis and the prediction for compound flood arising from rainstorm and tide using explainable artificial intelligence 2025-May-31, Journal of environmental management IF:8.0Q1 DOI:10.1016/j.jenvman.2025.125858 PMID:40450943	研究论文	本研究提出了一种可解释人工智能框架，用于分析暴雨和潮汐引发的复合洪水的形成机制并进行预测	结合LSTM网络与多头注意力机制作为替代模型，并采用SHAP方法解释模型决策过程，揭示了复合洪水关键驱动因素及其相互作用	模型性能略低于基于物理的模型	提高沿海城市复合洪水模拟的准确性和透明度	暴雨和潮汐引发的复合洪水	机器学习	NA	深度学习	LSTM-MHA	洪水模拟数据	NA
709	2025-06-03	Application of Deep Neural Networks in the Manufacturing Process of Mesenchymal Stem Cells Therapeutics 2025-May-30, International journal of stem cells IF:2.5Q3 DOI:10.15283/ijsc24070 PMID:39322430	研究论文	本文应用深度神经网络分析间充质干细胞培养过程中的细胞融合度和状态，以提高细胞治疗产品的质量和产量	首次使用深度学习方法直接分析影响干细胞治疗产品关键参数（产量和质量）的细胞图像	多叠层培养仅在单叠层培养无异常细胞时进行，因此异常细胞检测仅限于单叠层图像	提高干细胞治疗产品制造过程中的质量控制	间充质干细胞	数字病理学	NA	深度学习	深度神经网络	图像	多种培养容器中培养的间充质干细胞图像
710	2025-06-03	HVAngleEst: A Dataset for End-to-end Automated Hallux Valgus Angle Measurement from X-Ray Images 2025-May-30, Scientific data IF:5.8Q1 DOI:10.1038/s41597-025-05261-9 PMID:40447606	research paper	本文介绍了HVAngleEst，一个专为自动测量拇外翻角度设计的大规模开放数据集	首个大规模、开放获取的拇外翻角度估计数据集，支持全自动端到端测量	现有X射线数据集通常仅限于裁剪的足部区域图像，且公开可用的数据集样本量极少	开发有效的算法以减少人工劳动并消除评估者偏差	拇外翻角度（HVA）和跖骨间角度（IMA）的自动测量	digital pathology	hallux valgus	X-ray imaging	deep learning	image	1,382张X射线图像来自1,150名患者
711	2025-06-03	Bayesian deep-learning structured illumination microscopy enables reliable super-resolution imaging with uncertainty quantification 2025-May-30, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-60093-w PMID:40447610	research paper	本文提出了一种基于贝叶斯深度学习的结构光照明显微镜（BayesDL-SIM）方法，用于实现高保真超分辨率成像并量化不确定性	开发了BayesDL-SIM方法，首次在SIM中引入贝叶斯深度学习框架，实现了超分辨率不确定性的量化，并提升了密集标记结构的重建质量	未明确说明该方法在计算资源需求或处理速度方面的局限性	提高结构光照明显微镜（SIM）成像的可靠性和透明度，实现超分辨率不确定性的量化	生物过程的超分辨率成像，特别是活细胞成像	computational microscopy	NA	structured illumination microscopy (SIM), Bayesian deep learning	Bayesian deep learning	microscopy images	NA（涉及活细胞成像实验，但未明确样本数量）
712	2025-06-03	Pixel super-resolved virtual staining of label-free tissue using diffusion models 2025-May-30, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-60387-z PMID:40447613	研究论文	本文提出了一种基于扩散模型的像素超分辨率虚拟染色方法，用于将无标记组织显微镜图像转换为等效的组织化学染色样本	利用布朗桥过程增强空间分辨率和保真度，显著降低生成图像的方差，提高稳定性和准确性	NA	提高无标记组织虚拟染色的分辨率和图像质量，增强临床诊断的可靠性	无标记人类肺组织样本的自动荧光图像	数字病理学	肺癌	扩散模型	扩散模型	图像	NA
713	2025-06-03	DeepDTAGen: a multitask deep learning framework for drug-target affinity prediction and target-aware drugs generation 2025-May-30, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-59917-6 PMID:40447614	研究论文	本文提出了一种多任务深度学习框架DeepDTAGen，用于预测药物-靶标亲和力并生成靶标感知的新药物	开发了一个多任务学习框架，能够同时预测药物-靶标结合亲和力并生成新的靶标感知药物变体，解决了现有方法单任务设计的局限性	未提及具体的数据集规模限制或模型泛化能力的局限性	加速药物发现和开发过程，提高药物-靶标相互作用预测和新药生成的效率	药物分子和靶标蛋白质	机器学习	NA	深度学习	多任务深度学习框架	药物分子和蛋白质的结构数据	三个真实世界的数据集
714	2025-06-03	Automated diagnosis for extraction difficulty of maxillary and mandibular third molars and post-extraction complications using deep learning 2025-May-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-00236-7 PMID:40447616	研究论文	本研究提出了一种基于深度学习的方法，用于自动预测上下颌第三磨牙的拔牙难度及拔牙后并发症	首次提出一种同时预测拔牙难度和并发症（如上颌窦穿孔和下牙槽神经损伤）的自动化诊断方法	NA	开发一种自动化诊断方法，以辅助临床医生在手术前预测第三磨牙的拔牙难度和可能的并发症	上下颌第三磨牙（M3）	数字病理学	口腔疾病	深度学习	语义分割和分类模型	图像（正颌全景片，OPGs）	4,903张由专家标注的正颌全景片
715	2025-06-03	Assessing and improving reliability of neighbor embedding methods: a map-continuity perspective 2025-May-30, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-60434-9 PMID:40447630	research paper	本文提出了一种评估和改进邻域嵌入方法可靠性的框架LOO-map，旨在解决t-SNE和UMAP等方法在可视化高维数据时可能引入的误导性视觉伪影问题	利用留一法原则，将嵌入映射扩展到整个输入空间，并开发了两种点状诊断分数来检测不可靠的嵌入点并改进超参数选择	NA	评估和改进邻域嵌入方法的可靠性，以更准确地可视化高维数据	高维数据，特别是计算机视觉和单细胞组学数据	machine learning	NA	LOO-map框架	t-SNE, UMAP	高维数据	NA
716	2025-06-03	Upper limb human-exoskeleton system motion state classification based on semg: application of CNN-BiLSTM-attention model 2025-May-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-02864-5 PMID:40447649	research paper	该研究基于表面肌电信号对上肢五种典型运动状态进行分类，以支持辅助上肢外骨骼的实时控制系统	提出了一种结合CNN、BiLSTM和注意力机制的深度学习模型，提高了复杂场景下运动状态识别的准确性	样本量较小（仅10名参与者），且仅针对特定肌肉群	开发一种能够准确分类上肢运动状态的模型，以支持外骨骼实时控制系统	上肢运动状态（静止、轻度活动、快速运动、动态负重和静态负重）	machine learning	NA	表面肌电信号采集	CNN-BiLSTM-attention	生物电信号	10名参与者的肱二头肌、肱三头肌和三角肌的肌电数据
717	2025-06-03	MCOA: A Comprehensive Multimodal Dataset for Advancing Deep Learning in Corneal Opacity Assessment 2025-May-30, Scientific data IF:5.8Q1 DOI:10.1038/s41597-025-05205-3 PMID:40447652	research paper	该论文介绍了一个名为MCOA的多模态数据集，旨在通过深度学习技术推进角膜混浊评估的研究	建立了目前最大规模的角膜混浊数据集，结合了AS-OCT图像和前段照片，为深度学习算法的发展提供了高质量数据	未提及具体算法的性能表现或与其他数据集的比较	通过深度学习技术改善角膜混浊的评估和诊断	角膜混浊患者	digital pathology	眼科疾病	AS-OCT成像技术	深度学习	图像	6,272张AS-OCT图像和392张前段照片
718	2025-06-03	Assessing the performance of domain-specific models for plant leaf disease classification: a comprehensive benchmark of transfer-learning on open datasets 2025-May-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-03235-w PMID:40447674	research paper	本文通过评估多种CNN模型在公开植物叶片病害数据集上的性能，旨在确定最适合植物叶片病害分类的模型架构	首次对23种最先进的CNN模型在18个公开数据集上进行了全面基准测试，并比较了迁移学习和微调的效果	研究仅基于公开数据集，可能无法完全代表实际田间条件下的病害识别情况	确定最适合植物叶片病害分类的深度学习模型架构	植物叶片病害图像	computer vision	植物病害	迁移学习	CNN	image	18个公开数据集，共训练4140个模型
719	2025-06-03	Deep learning-driven automated mitochondrial segmentation for analysis of complex transmission electron microscopy images 2025-May-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-03311-1 PMID:40447684	研究论文	介绍了一种结合概率交互式分割与线粒体形态自动量化的深度学习框架，用于复杂透射电子显微镜图像的线粒体分割分析	结合不确定性分析和实时用户反馈，模型在保持分割精度的同时将分析时间减少了90%	NA	开发一种自动化工具，用于高效、可重复地分析线粒体形态及其与细胞功能和疾病机制的关系	小鼠骨骼肌的透射电子显微镜图像	计算机视觉	杜氏肌营养不良症	透射电子显微镜(TEM)	深度学习框架	图像	基准Lucchi++数据集和真实世界的小鼠骨骼肌TEM图像
720	2025-06-03	A global object-oriented dynamic network for low-altitude remote sensing object detection 2025-May-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-02194-6 PMID:40447715	研究论文	本文提出了一种名为GOOD-Net的全局面向对象动态网络算法，用于低空遥感图像中的目标检测	引入了ReSSD Block、GPSA和DECBS等新模块组件，实现了细粒度特征提取，同时保持计算和参数效率	NA	开发一种高效、实时的低空遥感目标检测算法	低空遥感图像中的目标	计算机视觉	NA	深度学习	GOOD-Net	图像	VisDrone数据集