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	2025-05-01	Automated Operative Phase and Step Recognition in Vestibular Schwannoma Surgery: Development and Preclinical Evaluation of a Deep Learning Neural Network (IDEAL Stage 0) 2025-Apr-30, Neurosurgery IF:3.9Q1 DOI:10.1227/neu.0000000000003466 PMID:40304484	research paper	开发并评估了一种深度学习神经网络，用于自动识别前庭神经鞘瘤手术中的操作阶段和步骤	首次将机器学习应用于长时间（中位数超过5小时）、数据量大的手术视频分析，特别是在前庭神经鞘瘤切除术中	在个别步骤分类上仍有改进空间，且样本量较小	开发并评估一种能够自动识别手术工作流程的机器学习模型，用于前庭神经鞘瘤切除术	21例显微镜下经乙状窦后入路前庭神经鞘瘤切除术的手术视频	digital pathology	vestibular schwannoma	deep learning	CNN and RNN	video	21例手术视频
702	2025-05-01	Functional blepharoptosis screening with generative augmented deep learning from external ocular photography 2025-Apr-30, Orbit (Amsterdam, Netherlands) DOI:10.1080/01676830.2025.2497460 PMID:40304715	research paper	开发并验证了一种深度学习模型，用于从外部眼部照片中检测功能性上睑下垂，并量化了使用合成图像增强训练数据对模型性能的影响	利用生成对抗网络（StyleGAN）生成的合成数据增强训练集，提高了模型检测功能性上睑下垂的性能	样本量相对较小，且仅来自单一的三级眼整形诊所，可能影响模型的泛化能力	开发一种能够从外部眼部照片中高置信度检测功能性上睑下垂的深度学习模型	771只眼睛的外部眼部照片，包括639例临床诊断为功能性上睑下垂和132例无此症状的患者	computer vision	geriatric disease	deep learning, StyleGAN	CNN, GAN	image	771只眼睛（539训练，76验证，156测试），并额外使用2000张合成图像增强训练集
703	2025-05-01	Computer-aided diagnosis tool utilizing a deep learning model for preoperative T-staging of rectal cancer based on three-dimensional endorectal ultrasound 2025-Apr-30, Abdominal radiology (New York) DOI:10.1007/s00261-025-04966-0 PMID:40304753	research paper	开发了一种基于深度学习模型的计算机辅助诊断工具，用于直肠癌术前T分期	利用三维直肠内超声（3D-ERUS）图像，开发了一种新的深度学习模型辅助诊断工具，提高了直肠癌T分期的准确性和一致性	研究为回顾性分析，样本量相对较小（216例患者）	提高直肠癌术前T分期的准确性和一致性	216例直肠癌患者	digital pathology	rectal cancer	3D-ERUS	deep learning model	image	216例直肠癌患者（训练队列156例，测试队列60例）
704	2025-05-01	Association between the retinal age gap and systemic diseases in the Japanese population: the Nagahama study 2025-Apr-30, Japanese journal of ophthalmology IF:2.1Q2 DOI:10.1007/s10384-025-01205-3 PMID:40304887	研究论文	研究视网膜年龄差距（深度学习预测的视网膜年龄与实际年龄的差异）作为日本人群系统性健康潜在生物标志物的关联	首次利用深度学习模型预测视网膜年龄，并探讨其与系统性疾病的关联	纵向分析未发现基线视网膜年龄差距与疾病发病的显著关联	探讨视网膜年龄差距作为系统性健康生物标志物的潜力	日本人群	数字病理学	心血管疾病	深度学习	深度学习模型	图像	调优队列2,261人，分析队列6,070人
705	2025-05-01	X-ray CT metal artifact reduction using neural attenuation field prior 2025-Apr-30, Medical physics IF:3.2Q1 DOI:10.1002/mp.17859 PMID:40305006	research paper	提出了一种利用神经衰减场（NAF）先验进行CT金属伪影减少的自监督方法NAFMAR	采用自监督优化的神经衰减场作为先验，无需大规模训练数据集，通过金属感知损失函数优化网络学习解剖特征	未提及在极端金属密度或复杂几何结构下的性能表现	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、3D前向投影、正弦图修复	基于模型的神经场（NAF）	3D CT图像	模拟牙科CT及临床盆腔CT图像（具体数量未说明）
706	2025-05-01	Multi-task Deep Learning Based on Longitudinal CT Images Facilitates Prediction of Lymph Node Metastasis and Survival in Chemotherapy-Treated Gastric Cancer 2025-Apr-30, Cancer research IF:12.5Q1 DOI:10.1158/0008-5472.CAN-24-4190 PMID:40305075	research paper	本研究开发了一种基于纵向CT图像的多任务深度学习模型CTSMamba，用于同时预测化疗治疗胃癌患者的淋巴结转移和总生存期	提出了名为co-attention tri-oriented spatial Mamba (CTSMamba)的新型多任务深度学习模型，能够同时预测淋巴结转移和总生存期	研究仅在三个医疗中心进行验证，可能需要更多外部验证	提高局部进展期胃癌患者淋巴结转移和总生存期的预测准确性	1,021例接受新辅助化疗的局部进展期胃癌患者	digital pathology	gastric cancer	longitudinal CT imaging	multi-task deep learning (CTSMamba)	CT images	1,021例患者（训练/验证组398例，外部验证组623例）
707	2025-05-01	Advances in Infant Cry Paralinguistic Classification-Methods, Implementation, and Applications: Systematic Review 2025-Apr-29, JMIR rehabilitation and assistive technologies DOI:10.2196/69457 PMID:40163619	综述	本文系统回顾了过去24年婴儿哭声分类方法、实施和应用的进展	总结了从传统统计方法到机器学习和深度学习方法的演变，并提出了未来研究方向，如数据隐私保护和多模态音频方法	大部分模型(90%)未实际部署，数据隐私和保密性考虑不足	系统评估婴儿哭声分类技术发展现状并指出未来研究方向	婴儿哭声信号	自然语言处理	NA	机器学习, 深度学习, 混合方法	NA	音频信号	126项符合条件的研究
708	2025-05-01	Correction: Improving the Robustness and Clinical Applicability of Automatic Respiratory Sound Classification Using Deep Learning-Based Audio Enhancement: Algorithm Development and Validation 2025-Apr-29, JMIR AI DOI:10.2196/76150 PMID:40299541	correction	对一篇关于使用基于深度学习的音频增强技术改进自动呼吸音分类的稳健性和临床适用性的文章进行更正	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
709	2025-05-01	Continuous Joint Kinematics Prediction using GAT-LSTM Framework Based on Muscle Synergy and Sparse sEMG 2025-Apr-29, IEEE transactions on neural systems and rehabilitation engineering : a publication of the IEEE Engineering in Medicine and Biology Society IF:4.8Q1 DOI:10.1109/TNSRE.2025.3565305 PMID:40299730	研究论文	提出了一种基于肌肉协同和图注意力网络的MSGAT-LSTM框架，用于通过稀疏sEMG电极实现连续运动预测	结合肌肉协同理论和图注意力网络，有效补偿稀疏sEMG设置的局限性，显著提高预测精度	未提及具体局限性	提高基于sEMG的连续运动预测的准确性和可靠性	sEMG信号和连续关节运动学预测	机器学习	NA	sEMG	GAT-LSTM	sEMG信号	公共数据集Ninapro DB2和自收集数据集
710	2025-05-01	Transformer-based deep learning enables improved B-cell epitope prediction in parasitic pathogens: A proof-of-concept study on Fasciola hepatica 2025-Apr-29, PLoS neglected tropical diseases IF:3.4Q1 DOI:10.1371/journal.pntd.0012985 PMID:40300022	research paper	该研究提出了一种基于Transformer的深度学习模型deepBCE-Parasite，用于预测寄生虫病原体中的B细胞表位	利用最先进的自注意力机制，模型在预测线性B细胞表位方面表现出色，准确率约81%，AUC为0.90	研究仅针对Fasciola hepatica进行了案例验证，未广泛测试其他寄生虫病原体	提高B细胞表位预测的准确性，以推动基于表位的疫苗设计、治疗性抗体开发和诊断应用	寄生虫病原体中的B细胞表位，特别是Fasciola hepatica的亮氨酸氨基肽酶（LAP）蛋白	machine learning	neglected tropical diseases	deep learning, dot-blot immunoassays	Transformer	peptide sequences	Fasciola hepatica proteomic data中的8个预测B细胞表位，其中7个通过实验验证
711	2025-05-01	Artificial Intelligence Tools for Preconception Cardiomyopathy Screening Among Women of Reproductive Age 2025-Apr-29, Annals of family medicine IF:4.4Q1 DOI:10.1370/afm.230627 PMID:40300816	研究论文	评估人工智能工具在育龄妇女中检测左心室收缩功能障碍（LVSD）的诊断性能	使用深度学习技术从12导联心电图和数字听诊器记录中生成LVSD的预测概率，展示了AI在心血管疾病筛查中的潜力	研究样本量较小（两个队列各100名参与者），且主要在非西班牙裔白人女性中进行，可能限制结果的普遍性	评估AI工具在育龄妇女中筛查心肌病的有效性	育龄妇女（18-49岁）	数字病理学	心血管疾病	深度学习	NA	心电图（ECG）和听诊器记录	两个队列各100名参与者，总计200名育龄妇女
712	2025-05-01	Deep learning based automated left atrial segmentation and flow quantification of real time phase contrast MRI in patients with atrial fibrillation 2025-Apr-29, The international journal of cardiovascular imaging DOI:10.1007/s10554-025-03407-9 PMID:40301204	research paper	开发基于卷积神经网络（CNN）的全自动左心房（LA）流量量化方法，用于心房颤动（AF）患者的实时相位对比MRI数据分析	首次将CNN应用于AF患者的左心房流量全自动量化，表现出与半手动分析良好的一致性，并对心跳变异性具有鲁棒性	样本量相对较小（44名AF患者），且仅在AF患者中验证	开发自动化工具以简化心房颤动患者的心脏MRI数据分析流程	心房颤动患者的左心房流量数据	digital pathology	cardiovascular disease	real time 2D phase contrast (RTPC) MRI	CNN	MRI图像	44名AF患者，共15,307个半手动标注的RTPC LA轮廓
713	2025-05-01	Low-Rank Fine-Tuning Meets Cross-modal Analysis: A Robust Framework for Age-Related Macular Degeneration Categorization 2025-Apr-29, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01513-7 PMID:40301288	研究论文	提出了一种创新的多模态深度学习框架，用于高效应用于多模态年龄相关性黄斑变性分类任务	引入了低秩适应（LoRA）技术以减少多模态集成的计算复杂性，并使用深度典型相关分析（DCCA）进行非线性映射和特征融合	NA	解决单模态信息不足以完全捕捉年龄相关性黄斑变性复杂病理特征的问题	年龄相关性黄斑变性（AMD）患者	计算机视觉	年龄相关性黄斑变性	深度典型相关分析（DCCA），低秩适应（LoRA）	Vision Transformer	图像（CFP和OCT）	公共数据集MMC-AMD
714	2025-05-01	Attention-Based Dual-Path Deep Learning for Blood Cell Image Classification Using ConvNeXt and Swin Transformer 2025-Apr-29, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01479-6 PMID:40301289	研究论文	本文提出了一种基于注意力机制的双路径深度学习架构，结合ConvNeXt和Swin Transformer网络，用于血液细胞图像分类	创新性地结合了卷积神经网络和Transformer的优势，并引入了多尺度预处理模块（MPM）以提升图像质量	未提及模型在临床实际应用中的具体验证情况	提高血液细胞图像分类的准确性和效率，以辅助血液学疾病的诊断	血液细胞图像	计算机视觉	血液疾病	深度学习	ConvNeXt, Swin Transformer	图像	17,092张血液细胞图像
715	2025-05-01	Super-Resolution Deep Learning Reconstruction for T2*-Weighted Images: Improvement in Microbleed Lesion Detection and Image Quality 2025-Apr-29, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01522-6 PMID:40301290	research paper	本研究评估了超分辨率深度学习重建（SR-DLR）在脑部MRI中检测微出血和提升图像质量的效果	SR-DLR在微出血检测和图像清晰度方面显著优于传统DLR方法	研究为回顾性分析，样本量较小（69例患者）	评估SR-DLR在脑部MRI中提升微出血检测和图像质量的效果	69例接受3T脑部MRI检查的患者（44名女性，平均年龄66.2岁）	digital pathology	脑血管疾病	3T脑部MRI（T2*加权2D梯度回波和3D血流敏感黑血成像）	深度学习超分辨率重建（SR-DLR）	MRI图像	69例患者
716	2025-05-01	A Dirichlet Distribution-Based Complex Ensemble Approach for Breast Cancer Classification from Ultrasound Images with Transfer Learning and Multiphase Spaced Repetition Method 2025-Apr-29, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01515-5 PMID:40301291	研究论文	提出了一种基于Dirichlet分布的复杂集成方法，结合迁移学习和多阶段间隔重复方法，用于从超声图像中进行乳腺癌分类	将教育科学中的间隔重复方法首次应用于人工智能领域，结合Dirichlet分布进行模型集成，提高了分类准确率和学习效率	研究仅使用了BUSI数据集，样本来源单一，需要更多外部数据验证模型的泛化能力	开发一种高精度的乳腺癌超声图像分类系统	乳腺癌超声图像	计算机视觉	乳腺癌	迁移学习、数据增强、间隔重复方法	DenseNet201, InceptionV3, VGG16, ResNet152的集成模型	超声图像	BUSI数据集（具体数量未提及）
717	2025-05-01	Multimodal Masked Autoencoder Based on Adaptive Masking for Vitiligo Stage Classification 2025-Apr-29, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01521-7 PMID:40301294	研究论文	提出了一种基于自适应掩码的多模态掩码自编码器（Multi-MAE），用于白癜风分期分类	通过自适应掩码策略减少对标注多模态数据的依赖，并采用预训练策略缓解多模态数据稀缺问题	多模态数据标注困难且数据稀缺	提高白癜风分期的分类准确性	白癜风患者的临床图像和伍德灯图像	计算机视觉	白癜风	多模态图像分析	Multimodal Masked Autoencoder (Multi-MAE)	图像	未标注的皮肤病图像数据集
718	2025-05-01	BiaPy: accessible deep learning on bioimages 2025-Apr-29, Nature methods IF:36.1Q1 DOI:10.1038/s41592-025-02699-y PMID:40301624	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
719	2025-05-01	A Contrast-Enhanced Ultrasound Cine-Based Deep Learning Model for Predicting the Response of Advanced Hepatocellular Carcinoma to Hepatic Arterial Infusion Chemotherapy Combined With Systemic Therapies 2025-Apr-29, Cancer science IF:4.5Q1 DOI:10.1111/cas.70089 PMID:40302359	research paper	本研究开发了一种基于对比增强超声视频的深度学习模型AE-3DNet，用于预测晚期肝细胞癌患者对肝动脉灌注化疗联合系统治疗的响应	创新性地结合了时空注意力模块，增强了动态特征提取能力	研究为回顾性分析，可能存在选择偏倚	预测晚期肝细胞癌患者对联合治疗的响应，以改善治疗决策	晚期肝细胞癌患者	digital pathology	liver cancer	contrast-enhanced ultrasound (CEUS)	AE-3DNet, 3DNet	video	326名患者（内部验证队列243名，外部验证队列83名）
720	2025-05-01	An Efficient Domain Knowledge-Guided Semantic Prediction Framework for Pathological Subtypes on the Basis of Radiological Images With Limited Annotations 2025-Apr-28, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2025.3558596 PMID:40293902	研究论文	提出一种基于有限标注的放射学图像病理亚型预测框架，结合领域知识引导的主动学习和半监督学习方法	通过三个关键模块（空间-语义特征提取、显性标志引导的锚点注意力和隐性放射组学引导的双任务纠缠模块）有效预测病理亚型，显著优于现有方法	需要临床领域知识的指导，可能在某些缺乏相关知识的场景中应用受限	提高基于有限标注的放射学图像的病理亚型预测准确性	胰腺神经内分泌肿瘤（pNENs）的病理分级预测和膀胱癌（BCa）的肌肉浸润性预测	数字病理	胰腺神经内分泌肿瘤和膀胱癌	深度学习和放射组学	深度学习框架（结合AL和SSL）	放射学图像	NA