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
741	2025-07-04	Comparison of Deep Learning Models for fast and accurate dose map prediction in Microbeam Radiation Therapy 2025-Jul-01, Physica medica : PM : an international journal devoted to the applications of physics to medicine and biology : official journal of the Italian Association of Biomedical Physics (AIFB) DOI:10.1016/j.ejmp.2025.105012 PMID:40602228	研究论文	比较两种深度学习模型在微束放射治疗中快速准确预测剂量图的性能	首次在微束放射治疗中比较基于图卷积网络和3D U-Net的深度学习模型	研究仅基于大鼠的临床前数据，未涉及人体数据	比较不同深度学习模型在微束放射治疗剂量预测中的性能	微束放射治疗中的剂量分布	数字病理	NA	深度学习	Graph-Convolutional-Network, 3D U-Net	3D剂量图	用于MRT临床前研究的大鼠数据
742	2025-07-04	The role of data partitioning on the performance of EEG-based deep learning models in supervised cross-subject analysis: A preliminary study 2025-Jul-01, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110608 PMID:40602315	研究论文	本文深入研究了数据分区和交叉验证在评估EEG深度学习模型中的作用，并提供了避免数据泄漏的指南	首次全面比较了五种交叉验证设置对EEG深度学习模型性能的影响，并提出了基于主题的交叉验证策略的重要性	研究仅限于三种特定的分类任务和四种架构，可能不适用于所有EEG深度学习场景	评估数据分区和交叉验证对EEG深度学习模型性能的影响	EEG数据	机器学习	帕金森病,阿尔茨海默病	EEG	ShallowConvNet, EEGNet, DeepConvNet, Temporal-based ResNet	EEG信号	超过100,000个训练模型
743	2025-07-04	The artificial intelligence challenge in rare disease diagnosis: A case study on collagen VI muscular dystrophy 2025-Jul-01, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110610 PMID:40602312	研究论文	本文探讨了人工智能技术在罕见疾病诊断中的应用，特别是针对胶原VI型先天性肌营养不良症的共聚焦显微镜图像分析	展示了即使在训练数据有限的情况下，通过适当的数据管理和训练程序，也能成功开发出高精度的分类器	研究仅针对一种罕见疾病，结论的普适性需要进一步验证	探索人工智能技术在罕见疾病诊断中的应用潜力	胶原VI型先天性肌营养不良症的共聚焦显微镜图像	数字病理学	胶原VI型先天性肌营养不良症	共聚焦显微镜	经典机器学习和现代深度学习技术	图像	有限数量的训练数据
744	2025-07-04	A deep learning model combining convolutional neural networks and a selective kernel mechanism for SSVEP-Based BCIs 2025-Jul-01, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110691 PMID:40602314	研究论文	提出了一种结合CNN和选择性核机制的新型深度学习模型FBCNN-TKS，用于基于SSVEP的脑机接口	引入了TKS模块，显著增强了特征提取能力，并采用扩张和分组卷积减少模型参数，降低过拟合风险	未提及具体的数据不足情况下的泛化能力测试	解决SSVEP-BCIs中训练数据不足导致的过拟合问题，以及有效捕捉全局时间特征的困难	基于稳态视觉诱发电位(SSVEP)的脑机接口(BCIs)	机器学习	NA	filter bank技术, CNN, 时间核选择(TKS)模块	CNN, FBCNN-TKS	SSVEP信号	公共数据集Benchmark和BETA
745	2025-07-04	Improving YOLO-based breast mass detection with transfer learning pretraining on the OPTIMAM Mammography Image Database 2025-Jul-01, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110581 PMID:40602320	研究论文	本研究通过迁移学习和图像预处理技术优化YOLO模型，提高小规模专有数据集上的乳腺肿块检测性能	使用OPTIMAM乳腺X线摄影图像数据库(OMI-DB)进行预训练，结合YOLOv9模型显著提升检测准确率	研究仅基于133张乳腺X线图像，样本量较小	优化深度学习模型在数据有限的临床应用中乳腺肿块的检测性能	乳腺X线摄影图像中的肿块	计算机视觉	乳腺癌	迁移学习，图像预处理(裁剪和对比度增强)	YOLOv9, YOLOv7	图像	133张乳腺X线图像
746	2025-07-04	Cephalometric landmark detection using vision transformers with direct coordinate prediction 2025-Jul-01, Journal of cranio-maxillo-facial surgery : official publication of the European Association for Cranio-Maxillo-Facial Surgery DOI:10.1016/j.jcms.2025.05.021 PMID:40603150	research paper	提出了一种使用Vision Transformers (ViTs)直接预测坐标的新方法，用于头影测量标志点检测(CLD)，避免了传统热图预测的内存密集型问题	首次将Vision Transformers与直接坐标预测相结合应用于CLD任务，相比现有方法在平均径向误差上提升了2毫米以上	未明确指出具体局限性，但暗示传统CNN方法在特定数据集上可能过拟合，泛化能力不足	改进头影测量标志点检测的自动化方法，提升检测精度和临床应用潜力	侧位X射线图像中的头影测量标志点	computer vision	NA	Vision Transformers (ViTs), 直接坐标预测	Vision Transformers (ViTs)	X-ray图像	未明确说明样本数量
747	2025-07-04	The power spectrum map of gyro-sulcal functional activity dissociation in macaque brains 2025-Jul-01, Cerebral cortex (New York, N.Y. : 1991) DOI:10.1093/cercor/bhaf160 PMID:40605313	研究论文	本研究利用一维卷积神经网络（1D-CNN）分析猕猴大脑中脑回与脑沟在静息态功能磁共振成像信号中的功能分离特性，并建立了首个猕猴脑回-脑沟功能活动分离的功率谱图	首次建立了猕猴脑回-脑沟功能活动分离的功率谱图，为系统探索哺乳动物大脑功能分离的神经机制提供了新视角	研究仅基于静息态功能磁共振成像数据，未涉及任务态或其他模态的神经影像数据	探究猕猴大脑中脑回与脑沟在功能活动上的频率特异性分离特征	440只猕猴（来自两个独立站点的静息态功能磁共振成像数据）	神经影像分析	NA	静息态功能磁共振成像（rs-fMRI）	一维卷积神经网络（1D-CNN）	神经影像数据	440只猕猴
748	2025-07-04	Domain-generalized Deep Learning for Improved Subject-independent Emotion Recognition Based on Electroencephalography 2025-Jun-30, Experimental neurobiology IF:1.8Q4 DOI:10.5607/en25011 PMID:40364497	research paper	本研究通过结合四种领域泛化技术和三种深度学习架构，系统评估了十二种方法，以提高基于脑电图（EEG）的独立于受试者的情绪识别的泛化能力	首次系统评估了四种领域泛化技术与三种深度学习架构的组合在EEG情绪识别中的效果，展示了领域泛化方法在减少受试者和会话间变异性方面的潜力	研究仅使用了两个EEG数据集，可能限制了结果的广泛适用性	提高基于EEG的独立于受试者的情绪识别的分类准确性和模型泛化能力	情绪识别的脑电图数据	machine learning	NA	EEG	ShallowFBCSPNet, EEGNet, TSception	EEG信号	两个EEG数据集
749	2025-07-04	Deep learning for automated, motion-resolved tumor segmentation in radiotherapy 2025-Jun-30, NPJ precision oncology IF:6.8Q1 DOI:10.1038/s41698-025-00970-1 PMID:40588532	研究论文	开发了一种深度神经网络模型，用于在放疗中自动分割肺部肿瘤并追踪其在呼吸过程中的运动	提出了一种名为iSeg的3D UNet模型，能够自动分割肿瘤并在4D CT图像上追踪肿瘤运动，其性能与人类观察者相当，且在多中心验证中表现稳定	尽管模型在多中心验证中表现良好，但高假阳性体素率与局部失败率增加相关，这可能影响临床决策	提高放疗中肿瘤分割的准确性、可重复性和效率	肺部肿瘤	数字病理	肺癌	深度学习	3D UNet	4D CT图像	训练集739例，两个独立验证集分别为161例和102例
750	2025-07-04	A novel colorimetric detection based on bifunctionalized gold nanoparticle combined with machine learning and deep learning models to identify microbial transglutaminase in foods 2025-Jun-30, Talanta IF:5.6Q1 DOI:10.1016/j.talanta.2025.128533 PMID:40602019	研究论文	开发了一种结合金纳米颗粒、机器学习和深度学习的比色检测方法，用于检测食品中的微生物转谷氨酰胺酶（mTG）活性	首次将双功能化金纳米颗粒与机器学习和深度学习模型结合，用于mTG活性的检测和预测	研究仅针对6种食品类型进行了测试，可能无法涵盖所有食品中的mTG检测需求	开发一种高效的方法来识别和预测食品中mTG的活性	微生物转谷氨酰胺酶（mTG）在食品中的活性	机器学习	乳糜泻	比色检测	Decision Tree (DT), Random Forest (RF), Multilayer Perceptron (MLP)	比色信号数据	648个mTG浓度-吸光度数据点，来自6种不同的食品类型
751	2025-07-04	D2C-Morph: Brain regional segmentation based on unsupervised registration network with similarity analysis 2025-Jun-30, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2025.102589 PMID:40602042	研究论文	提出了一种基于无监督配准网络和相似性分析的脑区分割方法D2C-Morph	通过双路径网络和两次对比学习强调输入特征，利用相关层增强特征图相似性，提高了解码器性能	未提及具体样本量和临床验证结果	开发能够联合执行配准和分割的脑图像处理方法	脑图像	数字病理	NA	无监督学习	双路径网络	图像	NA
752	2025-07-04	Deep learning can accurately predict the prognosis of gynecologic smooth muscle tumors of uncertain malignant potential: a multicenter pilot study 2025-Jun-30, Laboratory investigation; a journal of technical methods and pathology DOI:10.1016/j.labinv.2025.104211 PMID:40602459	研究论文	本研究探讨了深度学习在预测妇科不确定恶性潜能的平滑肌肿瘤（STUMP）预后中的应用	首次使用深度学习直接从组织学切片预测STUMP的无进展生存期（PFS）并识别高风险患者	样本量相对较小（95例STUMP），需要进一步研究通过分子标记确认高风险组	探索深度学习特征是否可用于预测STUMP的预后	妇科不确定恶性潜能的平滑肌肿瘤（STUMP）患者	数字病理学	妇科肿瘤	深度学习	深度学习模型（未指定具体类型）	组织学切片图像	95例STUMP（79例训练，16例外部验证），160例子宫肌瘤和58例子宫肉瘤作为对照
753	2025-07-04	Automated Finite Element Modeling of the Lumbar Spine: A Biomechanical and Clinical Approach to Spinal Load Distribution and Stress Analysis 2025-Jun-30, World neurosurgery IF:1.9Q2 DOI:10.1016/j.wneu.2025.124236 PMID:40602487	研究论文	本研究介绍了一种自动化的有限元分析方法，用于腰椎生物力学分析，整合了基于深度学习的分割与计算建模，以优化从成像到模拟的工作流程	通过深度学习框架自动分割医学影像数据，并利用Laplacian平滑和简化技术优化表面网格，显著提高了模型准备的效率和可重复性	虽然自动化流程显著减少了模型准备时间，但可能仍需一定的手动输入以确保准确性	开发一种自动化的有限元分析方法，以改进腰椎生物力学分析的效率和准确性	腰椎及其相关结构（如椎骨、椎间盘、韧带等）	生物力学	脊柱疾病	深度学习、有限元分析（FEA）、Laplacian平滑、PCA	深度学习框架、FEBio	医学影像数据	NA
754	2025-07-04	Development of a deep learning algorithm for detecting significant coronary artery stenosis in whole-heart coronary magnetic resonance angiography 2025-Jun-30, Journal of cardiovascular magnetic resonance : official journal of the Society for Cardiovascular Magnetic Resonance IF:4.2Q1 DOI:10.1016/j.jocmr.2025.101932 PMID:40602666	研究论文	开发一种深度学习算法，用于在全心脏冠状动脉磁共振血管造影中检测显著的冠状动脉狭窄	提出了一种基于深度卷积神经网络的深度学习算法，用于辅助准确检测冠状动脉狭窄，特别是对经验不足的观察者效果显著	样本量相对较小（75名患者，951个冠状动脉段），且未在更大规模或多样化的患者群体中进行验证	开发一种深度学习算法，以提高全心脏冠状动脉磁共振血管造影（CMRA）中冠状动脉狭窄的检测准确性	75名患者的951个冠状动脉段	医学影像分析	心血管疾病	深度卷积神经网络	CNN	医学影像	75名患者的951个冠状动脉段
755	2025-07-04	Leveraging FastViT based knowledge distillation with EfficientNet-B0 for diabetic retinopathy severity classification 2025-Jun-28, SLAS technology IF:2.5Q3 DOI:10.1016/j.slast.2025.100325 PMID:40588035	research paper	本研究提出了一种名为FastEffNet的新框架，利用基于Transformer的知识蒸馏技术提升糖尿病视网膜病变严重程度分类的准确性，同时降低计算复杂度	结合FastViT-MA26作为教师模型和EfficientNet-B0作为学生模型的知识蒸馏方法，在保持轻量级架构的同时实现高性能分类	研究仅基于APTOS数据集，未在其他独立数据集上进行验证	开发高效准确的深度学习模型用于糖尿病视网膜病变的自动诊断	糖尿病视网膜病变的严重程度分类	computer vision	diabetic retinopathy	knowledge distillation	FastViT-MA26, EfficientNet-B0	image	3662张图像，分为五个严重程度类别
756	2025-07-04	Revolutionizing gastroenterology and hepatology with artificial intelligence: From precision diagnosis to equitable healthcare through interdisciplinary practice 2025-Jun-28, World journal of gastroenterology IF:4.3Q1 DOI:10.3748/wjg.v31.i24.108021 PMID:40599184	research paper	本文探讨了人工智能在胃肠病学和肝脏病学中的应用，从精准诊断到公平医疗的跨学科实践	通过深度学习和多模态数据整合，AI在胃肠镜图像分析和肝脏病理非侵入性评估方面达到了与专家相当的诊断水平，并在个性化护理场景中展示了实用性	模型泛化能力有限，罕见病（如儿童肝病）算法因训练数据不足存在局限性，以及未解决的伦理问题（如偏见、责任和患者隐私）	探索人工智能在胃肠病学和肝脏病学中的应用，以实现精准诊断和公平医疗	胃肠病和肝脏病的筛查、诊断、治疗和预后管理	digital pathology	gastroenterology and hepatology	deep learning, radiomics, multimodal data integration	NA	image, multimodal data	NA
757	2025-07-04	EstimateNoiseSEM: A novel framework for deep learning based noise estimation of scanning electron microscopy images 2025-Jun-28, Ultramicroscopy IF:2.1Q2 DOI:10.1016/j.ultramic.2025.114192 PMID:40602325	研究论文	本文介绍了一种名为EstimateNoiseSEM的框架，用于自动化扫描电子显微镜（SEM）图像中的噪声估计	提出了一个多阶段深度学习方案，包括分类网络选择机制，用于优化噪声类型分类和噪声水平预测	Gamma噪声分类的准确率从97%下降到80%，由于Gamma噪声水平的不确定性	自动化估计SEM图像中的噪声类型和水平，以支持去噪过程	扫描电子显微镜（SEM）图像	计算机视觉	NA	深度学习	分类网络和回归模型	图像	合成噪声样本和实际SEM图像
758	2025-07-04	Radiomic 'Stress Test': exploration of a deep learning radiomic model in a high-risk prospective lung nodule cohort 2025-Jun-27, BMJ open respiratory research IF:3.6Q1 DOI:10.1136/bmjresp-2024-002687 PMID:40579208	研究论文	本研究探讨了深度学习放射组学模型在高风险前瞻性肺结节队列中的应用，以评估其减少侵入性活检需求的潜力	首次在高风险前瞻性肺结节队列中评估了LCP放射组学模型的诊断性能，并开发了结合临床变量的集成模型	研究样本量相对有限（196恶性结节和125良性结节），且仅在单一三级医疗中心进行	评估深度学习放射组学模型在肺结节恶性风险预测中的性能，并探索减少不必要侵入性活检的可能性	不确定肺结节（IPNs）患者	数字病理	肺癌	深度学习放射组学	深度学习模型（LCP）	医学影像	321例肺结节（196恶性，125良性）
759	2025-07-04	Deep learning for hydrocephalus prognosis: Advances, challenges, and future directions: A review 2025-Jun-27, Medicine IF:1.3Q2 DOI:10.1097/MD.0000000000043082 PMID:40587678	综述	本文综述了深度学习在脑积水的诊断和预后中的应用，重点关注基于图像、生化和结构化数据的模型	深度学习在脑积水预后预测中展现出新的技术优势，特别是在医学图像分析方面，其准确率、敏感性和特异性均优于传统方法	综述文章未具体提及深度学习在脑积水预后中的具体局限性，但暗示了传统经验方法的不足	探讨深度学习在脑积水诊断和预后中的应用，以提升个性化治疗和改善治疗效果	脑积水患者	数字病理学	脑积水	深度学习	CNN	图像、生化数据、结构化数据	NA
760	2025-07-04	FSDA-DG: Improving cross-domain generalizability of medical image segmentation with few source domain annotations 2025-Jun-27, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103704 PMID:40602210	研究论文	提出了一种名为FSDA-DG的新方法，旨在通过少量源域标注提高医学图像分割的跨域泛化能力	引入了语义引导的半监督数据增强方法，结合多解码器U-Net管道半监督学习网络，以增强数据分布和域不变表示学习	仅在两个具有有限标注的单域泛化任务中进行了验证，可能需要更多样化的数据集来进一步验证其泛化能力	提高医学图像分割在跨域情况下的泛化能力，减少数据标注和开发成本	医学图像分割	数字病理	NA	半监督学习(SSL)	多解码器U-Net	图像	NA