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
781	2025-05-11	Decision Fusion-Based Deep Learning for Channel State Information Channel-Aware Human Action Recognition 2025-Feb-10, Sensors (Basel, Switzerland) DOI:10.3390/s25041061 PMID:40006290	研究论文	提出了一种基于决策融合的深度学习方法DF-CNN，用于WiFi信道状态信息（CSI）感知的人类动作识别	DF-CNN将CSI信道分开处理，并通过决策融合策略整合输出，显著优于传统方法	未提及具体局限性	提升基于CSI的人类动作识别性能	WiFi信道状态信息（CSI）	计算机视觉	NA	决策融合（DF）	CNN	WiFi信道状态信息（CSI）	未提及具体样本数量
782	2025-05-11	Research on Upper Limb Motion Intention Classification and Rehabilitation Robot Control Based on sEMG 2025-Feb-10, Sensors (Basel, Switzerland) DOI:10.3390/s25041057 PMID:40006285	研究论文	本研究基于表面肌电信号（sEMG）对上肢运动意图进行分类识别，并将其应用于末端执行器康复机器人的交互控制	结合传统机器学习和深度学习方法进行九分类任务，并使用多流卷积神经网络（MLCNN）提取运动意图控制康复机器人	未提及具体样本量及实验人群的多样性	实现基于sEMG的上肢运动意图分类及康复机器人控制	上肢运动意图及末端执行器康复机器人	生物医学工程	康复医学	sEMG	MLCNN	生物电信号	NA
783	2025-05-11	CLUMM: Contrastive Learning for Unobtrusive Motion Monitoring 2025-Feb-10, Sensors (Basel, Switzerland) DOI:10.3390/s25041048 PMID:40006277	research paper	提出了一种基于对比学习的无干扰运动监测框架CLUMM，用于从原始图像中学习丰富的表示而无需手动标注	利用对比学习方法直接从人类特定数据中学习，减少周围环境的影响，并专注于与制造任务相关的关键关节坐标	需要定制的人类模拟任务数据集进行训练和评估，可能在实际环境中的泛化能力有限	开发一种无干扰、实时的人类运动监测方法，用于制造环境	人类运动数据	computer vision	NA	对比学习	NA	image	定制的人类模拟任务数据集
784	2025-05-11	Conotoxins: Classification, Prediction, and Future Directions in Bioinformatics 2025-Feb-09, Toxins IF:3.9Q1 DOI:10.3390/toxins17020078 PMID:39998095	综述	本文探讨了机器学习与深度学习在芋螺毒素研究中的应用进展	回顾了机器学习在芋螺毒素序列分类、功能预测和从头设计中的最新应用	未提及具体实验验证或模型性能的局限性	促进芋螺毒素的计算分类与治疗发现	芋螺毒素及其与离子通道的相互作用	生物信息学	NA	机器学习(ML)与深度学习(DL)	NA	序列数据	NA
785	2025-05-11	A Novel Deep Learning-Based (3D U-Net Model) Automated Pulmonary Nodule Detection Tool for CT Imaging 2025-Feb-08, Current oncology (Toronto, Ont.) DOI:10.3390/curroncol32020095 PMID:39996895	research paper	本研究提出了一种基于深度学习的3D U-Net模型，用于自动检测CT影像中的肺结节	开发了一种新型的深度学习算法，用于自动检测肺结节，并与放射科医生的解读进行了性能比较	研究依赖于特定数据集（公共和私人），可能限制了模型的泛化能力	提高肺结节的自动检测精度，辅助早期诊断和管理	CT扫描中的肺结节	digital pathology	lung cancer	CT imaging	3D U-Net	image	491次扫描，包含5669个由放射科医生标注的肺结节
786	2025-05-11	Retinal Arteriovenous Information Improves the Prediction Accuracy of Deep Learning-Based baPWV Index From Color Fundus Photographs 2025-Feb-03, Investigative ophthalmology & visual science IF:5.0Q1 DOI:10.1167/iovs.66.2.63 PMID:39998460	研究论文	本研究比较了使用不同深度学习模型从彩色眼底照片(CFPs)预测臂踝脉搏波传导速度(baPWV)的准确性	通过改进的深度U-net和HURVS模型自动计算动脉和静脉概率图，并将其作为通道注意力应用于视网膜血管位置信息以提高baPWV预测准确性	研究为回顾性研究，样本量相对有限(696名参与者)	提高从彩色眼底照片预测臂踝脉搏波传导速度的准确性	696名体检参与者的baPWV和彩色眼底照片数据	数字病理学	心血管疾病	深度学习	深度U-net, HURVS模型	图像(彩色眼底照片)	696名体检参与者
787	2025-05-11	Improving Identification of Drug-Target Binding Sites Based on Structures of Targets Using Residual Graph Transformer Network 2025-Feb-03, Biomolecules IF:4.8Q1 DOI:10.3390/biom15020221 PMID:40001524	研究论文	提出了一种基于残差图Transformer网络的深度学习框架RGTsite，用于改进药物-靶标结合位点的识别	结合残差1D-CNN和预训练模型ProtT5提取靶标的局部和全局序列特征，并利用残差图Transformer网络提取更全面的顶点特征	未提及具体的数据集不平衡问题如何解决，以及模型在其他类型靶标上的泛化能力	提高药物-靶标结合位点的识别性能，以加速药物筛选和设计过程	药物-靶标结合位点	机器学习	NA	1D-CNN, ProtT5, 残差图Transformer网络	RGTsite (基于残差图Transformer网络)	序列数据、图数据	多个基准数据集（未提及具体数量）
788	2025-05-11	Automated Detection of Retinal Detachment Using Deep Learning-Based Segmentation on Ocular Ultrasonography Images 2025-Feb-03, Translational vision science & technology IF:2.6Q2 DOI:10.1167/tvst.14.2.26 PMID:40014336	research paper	开发了一种基于深度学习的自动化流程，用于从B型眼超声图像中检测视网膜脱离	提出了一种结合编码器-解码器分割网络和机器学习分类器的计算流程，显著提高了视网膜脱离的检测性能	样本量相对较小，仅包含279张B型眼超声图像	提高视网膜脱离在B型眼超声图像中的自动化检测准确率	B型眼超声图像中的视网膜脱离	digital pathology	retinal detachment	deep learning-based segmentation	encoder-decoder segmentation network, ResNet-50, MobileNetV3, UNet	image	279张B型眼超声图像（来自204名患者，包括66张视网膜脱离图像、36张后玻璃体脱离图像和177张健康对照图像）
789	2025-05-11	Retinal vascular alterations in cognitive impairment: A multicenter study in China 2025-Feb, Alzheimer's & dementia : the journal of the Alzheimer's Association DOI:10.1002/alz.14593 PMID:39988572	research paper	该研究通过多中心研究探讨了认知障碍患者视网膜血管的变化	使用VC-Net深度学习模型分割视网膜动静脉网络，提取36个血管特征，揭示了认知障碍患者视网膜血管结构的显著变化	需要更大规模的队列验证并探索潜在机制	研究认知障碍患者的视网膜血管变化	176名轻度认知障碍(MCI)或阿尔茨海默病(AD)患者和264名对照者	digital pathology	geriatric disease	deep learning	VC-Net	image	440人（176名患者和264名对照者）
790	2025-05-11	Biomechanical Risk Classification in Repetitive Lifting Using Multi-Sensor Electromyography Data, Revised National Institute for Occupational Safety and Health Lifting Equation, and Deep Learning 2025-Feb-01, Biosensors DOI:10.3390/bios15020084 PMID:39996986	研究论文	本研究通过结合多传感器肌电图数据、修订版NIOSH提升方程和深度学习技术，对重复性提升任务中的生物力学风险进行分类	整合可穿戴EMG传感器与深度学习模型，实现精确、实时和动态的风险评估，显著提升工作场所安全协议	研究样本量较小（25名参与者），可能影响模型的泛化能力	准确评估重复性提升任务的生物力学风险，以改善职业工效学和风险管理	25名参与者在执行重复性提升任务时的肌肉活动数据	机器学习	肌肉骨骼疾病	肌电图(EMG)	CNN, MLP, LSTM	时间序列肌电图数据	25名参与者，超过700万个数据点
791	2025-05-11	Automated CT Measurement of Total Kidney Volume for Predicting Renal Function Decline after 177Lu Prostate-specific Membrane Antigen-I&T Radioligand Therapy 2025-Feb, Radiology IF:12.1Q1 DOI:10.1148/radiol.240427 PMID:39998377	research paper	该研究利用深度学习模型自动测量肾脏总体积（TKV），以预测接受177Lu-PSMA-I&T放射性配体治疗的转移性去势抵抗性前列腺癌患者的肾功能下降	首次将基于nnU-Net框架的深度学习分割模型TotalSegmentator应用于标准CT图像的TKV自动测量，并证明其优于早期eGFR变化在预测肾功能恶化方面的性能	研究为回顾性设计且样本量有限（121例患者），未评估长期肾功能结局	寻找预测转移性去势抵抗性前列腺癌患者接受Lu-PSMA-I&T治疗后肾功能显著恶化的生物标志物	接受至少4个周期177Lu-PSMA-I&T治疗的转移性去势抵抗性前列腺癌患者	digital pathology	prostate cancer	CT成像	nnU-Net框架的深度学习分割模型（TotalSegmentator）	医学影像（CT图像）	121例患者（平均年龄76±7岁）
792	2025-05-11	Inherently imperfect, inherently evolving - The pursuit of precision through biomarkers 2025-Feb, Biomedical journal IF:4.1Q2 DOI:10.1016/j.bj.2025.100839 PMID:40015558	review	本期生物医学期刊特辑聚焦癌症生物标志物研究，探讨多种生物标志物在癌症检测和管理中的应用，并涵盖其他医学领域的研究进展	介绍了多种新型生物标志物（如cfDNA、粪便miRNA、EB病毒DNA等）在多种癌症中的应用，以及深度学习在创伤成像和心电图预测死亡率中的进展	文章为综述性质，未涉及具体实验设计和样本量的详细信息	探讨生物标志物在癌症检测和管理中的应用，以及医学其他领域的最新研究进展	多种癌症（结直肠癌、卵巢癌、鼻咽癌、肝细胞癌等）、mpox社会污名、miRNA研究、创伤成像、蛔虫感染、自身免疫性肝炎等	数字病理学	多种癌症（结直肠癌、卵巢癌、鼻咽癌、肝细胞癌等）	LC-MS、深度学习	深度学习模型	生物标志物数据、医学影像、心电图	NA
793	2025-05-11	[Research Progress and Prospects of Minimally Invasive Surgical Instrument Segmentation Methods Based on Artificial Intelligence] 2025-Jan-30, Zhongguo yi liao qi xie za zhi = Chinese journal of medical instrumentation DOI:10.12455/j.issn.1671-7104.240436 PMID:39993977	review	本文综述了基于深度学习的微创手术器械分割方法，并探讨了其研究进展与前景	深入分析了训练算法的监督方法、网络结构改进和注意力机制，并探讨了基于Segment Anything Model的方法	深度学习方法对数据要求极高，当前数据增强方法仍需探索	提升微创内窥镜成像系统和手术视频分析系统的性能	微创手术器械的分割方法	computer vision	NA	深度学习	Segment Anything Model	image	NA
794	2025-05-11	Impact of Deep Learning 3D CT Super-Resolution on AI-Based Pulmonary Nodule Characterization 2025-Jan-27, Tomography (Ann Arbor, Mich.) DOI:10.3390/tomography11020013 PMID:39997996	研究论文	本文提出了一种基于深度学习的超分辨率技术，用于从厚层CT图像生成薄层CT图像，以提高肺结节体积测量和分类的准确性	使用深度学习超分辨率技术从厚层CT生成薄层CT图像，显著提高了肺结节分类的准确性	未提及该方法在不同类型CT扫描仪或不同分辨率下的泛化能力	提高肺结节体积测量和分类的准确性，以改善肺癌筛查程序的诊断效果	肺结节的体积测量和分类	数字病理	肺癌	CT扫描	深度学习	CT图像	未明确提及具体样本数量
795	2025-05-11	NETest and Gastro-Entero-Pancreatic Neuroendocrine Tumors: Still Far from Routine Clinical Application? A Systematic Review 2025-Jan-27, Genes IF:2.8Q2 DOI:10.3390/genes16020161 PMID:40004490	系统综述	本文系统综述了NETest在胃肠胰神经内分泌肿瘤（GEP-NETs）诊断和预后分层中的应用	NETest是一种基于实时PCR结合深度学习策略的工具，专门用于识别具有神经内分泌基因型的肿瘤	NETest在某些研究中显示出低特异性，主要归因于与其他胃肠恶性肿瘤的干扰	评估NETest在GEP-NETs诊断和预后中的临床应用价值	胃肠胰神经内分泌肿瘤（GEP-NETs）	数字病理学	胃肠胰神经内分泌肿瘤	实时PCR和深度学习	NA	分子生物学数据	五项研究评估诊断作用，九项研究评估预后价值
796	2025-05-11	Improving spleen segmentation in ultrasound images using a hybrid deep learning framework 2025-01-11, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-85632-9 PMID:39799236	研究论文	本文介绍了一种用于超声图像中脾脏分割的新方法，采用两阶段训练方法	结合SegFormer和Pix2Pix的优势，提出了一种混合深度学习方法，显著提高了脾脏分割的准确性	NA	提高超声图像中脾脏分割的准确性	脾脏超声图像	计算机视觉	NA	深度学习	SegFormerB0和Pix2Pix	超声图像	450张脾脏超声图像（Spleenex数据集）
797	2025-05-11	Multi-atlas multi-modality morphometry analysis of the South Texas Alzheimer's Disease Research Center postmortem repository 2025, NeuroImage. Clinical DOI:10.1016/j.nicl.2025.103752 PMID:39987858	研究论文	本文报告了针对南德克萨斯阿尔茨海默病研究中心尸检库进行的首次形态计量学分析	开发了专门用于处理尸检MRI序列的处理流程，并解决了尸检神经影像学中的多个挑战，如脑组织与固定液的分离、更新的脑图谱需求以及脑固定引起的组织对比度变化	区域脑容量在尸检扫描中难以测量	研究阿尔茨海默病及相关痴呆症的神经病理学过程	尸检脑组织样本	数字病理学	阿尔茨海默病	MRI	Deep Learning	MRI扫描图像	200个脑捐赠样本和100个经过整理的MRI扫描会话
798	2025-05-11	Ventilator pressure prediction employing voting regressor with time series data of patient breaths 2025 Jan-Mar, Health informatics journal IF:2.2Q3 DOI:10.1177/14604582241295912 PMID:39988551	研究论文	本研究提出了一种新型混合呼吸机压力预测器（H-VPP），用于预测呼吸机呼吸回路中的气道压力	提出了一种新型混合呼吸机压力预测器（H-VPP），其性能优于其他机器学习和深度学习模型	未提及具体的研究样本量或数据集的详细信息	精确预测呼吸机压力，以减少因压力不当导致的患者风险	COVID-19患者使用的呼吸机	机器学习	COVID-19	投票回归器	H-VPP	时间序列数据	NA
799	2025-05-11	Evaluation of stroke sequelae and rehabilitation effect on brain tumor by neuroimaging technique: A comparative study 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0317193 PMID:39992898	research paper	本研究通过深度学习技术评估中风后遗症及康复效果，特别关注脑损伤区域的精确识别与追踪	引入了基于深度学习的先进神经影像技术SWI-BITR-UNet模型，结合SWIN Transformer的局部感受野和移位机制，以及U-Net架构中的有效特征融合策略，提高了多模态MRI扫描中脑损伤区域分割的准确性	未提及具体局限性	克服传统方法在中风后遗症评估和康复效果监测中的局限性，提高脑损伤区域的精确识别与追踪	中风后遗症患者及脑损伤区域	digital pathology	stroke	neuroimaging technique, multimodal MRI scans	SWI-BITR-UNet, 3D CNN, SWIN Transformer, U-Net	3D medical imaging data	Bra2020数据集
800	2025-05-11	Optimizing Bi-LSTM networks for improved lung cancer detection accuracy 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0316136 PMID:39992919	研究论文	本研究比较了手工特征提取和深度学习在肺癌诊断中的效果，并优化了Bi-LSTM网络以提高检测准确率	结合手工特征提取和深度学习（Bi-LSTM网络）的方法，显著提高了肺癌检测的准确率	未提及具体的数据来源和样本多样性，可能影响模型的泛化能力	提高肺癌早期检测的准确率，优化计算机辅助诊断系统	肺癌的医学图像特征	计算机视觉	肺癌	Gray Level Co-occurrence Matrix (GLCM)特征提取，支持向量机(SVM)，深度学习	Bi-LSTM, SVM	医学图像	NA