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
801	2025-05-27	The information bottleneck as a principle underlying multi-area cortical representations during decision-making 2025-Feb-15, bioRxiv : the preprint server for biology DOI:10.1101/2023.07.12.548742 PMID:37502862	研究论文	本文探讨了大脑在决策过程中如何通过多区域计算形成最小充分表征的机制	揭示了大脑多区域计算中信息选择性传递的机制，并通过RNN模型模拟了DLPFC和PMd的表征形成过程	研究仅针对猴子的DLPFC和PMd区域，人类大脑是否采用相同机制尚需验证	理解大脑在决策过程中如何分布计算并形成最优表征	猴子的背外侧前额叶皮层(DLPFC)和背侧前运动皮层(PMd)	神经科学	NA	单神经元记录、多单元记录	RNN	神经电生理数据	猴子实验数据
802	2025-05-27	Development of a model for measuring sagittal plane parameters in 10-18-year old adolescents with idiopathic scoliosis based on RTMpose deep learning technology 2025-Jan-11, Journal of orthopaedic surgery and research IF:2.8Q1 DOI:10.1186/s13018-024-05334-2 PMID:39799363	research paper	开发了一种基于RTMpose深度学习技术的模型，用于快速自动测量青少年特发性脊柱侧凸（AIS）患者的全脊柱X光片	利用RTMpose深度学习技术自动化测量过程，解决了手动测量耗时和个体间变异性的问题	不同医院数据格式和规范的变异性是一个挑战，通过数据增强技术进行了处理	开发一种深度学习模型，用于快速自动测量AIS患者的全脊柱X光片	10-18岁青少年特发性脊柱侧凸（AIS）患者	digital pathology	idiopathic scoliosis	RTMpose deep learning technology	RTMpose	X-ray images	560张全脊柱矢状面X光片，来自内蒙古五家医院
803	2025-05-27	[Deep Learning Approaches to Address the Shortage of Observers] 2025, Nihon Hoshasen Gijutsu Gakkai zasshi DOI:10.6009/jjrt.25-1554 PMID:40414718	研究论文	本研究开发了一种基于深度学习的AI观察者，以解决熟练人类观察者短缺的问题，并评估了用AI替代人类观察者的影响	使用VGG19和VGG16深度学习模型替代人类观察者，解决了观察者短缺问题，并验证了AI与人类观察结果的一致性	无法修改训练模型的评估标准或阶段	解决熟练人类观察者短缺问题并评估AI替代人类观察者的可行性	CT扫描图像和人类观察者	计算机视觉	NA	CT扫描	VGG19, VGG16	图像	24张CT扫描图像，5名人类观察者
804	2025-05-27	Editorial: Advances in computer vision: from deep learning models to practical applications 2025, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2025.1615276 PMID:40415892	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
805	2025-05-27	Physician Assistant Educators' Production Blueprint for Video Pedagogy 2024-Jun-01, The journal of physician assistant education : the official journal of the Physician Assistant Education Association DOI:10.1097/JPA.0000000000000592 PMID:38684095	研究论文	本文提出了一个基于验证教学实践的医师助理(PA)教育视频制作蓝图，旨在改进视频制作实践并提高学生学习效果	结合认知负荷理论和专门为PA教育设计的视频制作蓝图，提出改进视频教学效果的新方法	NA	改进医师助理教育中的视频教学方法	医师助理教育中的视频教学	教育技术	NA	视频制作技术	NA	视频	NA
806	2025-05-27	Deep Learning System Outperforms Clinicians in Identifying Optic Disc Abnormalities 2023-06-01, Journal of neuro-ophthalmology : the official journal of the North American Neuro-Ophthalmology Society IF:2.0Q2 DOI:10.1097/WNO.0000000000001800 PMID:36719740	研究论文	开发了一种名为BONSAI-DLS的深度学习系统，用于在数字眼底照片上准确检测视盘异常，包括由颅内压升高引起的视乳头水肿	BONSAI-DLS在视盘外观分类上的表现优于所有临床医生，包括有或没有眼科培训的医生	研究使用的是回顾性收集的便利样本，可能无法完全代表所有临床情况	评估深度学习系统在检测视盘异常方面的性能，并与一线临床医生进行比较	454名患者的800张眼底照片，包括正常视盘、视乳头水肿和其他异常	数字病理	神经系统疾病	深度学习	DLS	图像	800张眼底照片（来自454名患者）
807	2025-05-26	Automatic detection of gastrointestinal system abnormalities using deep learning-based segmentation and classification methods 2025-Dec, Health information science and systems IF:4.7Q1 DOI:10.1007/s13755-025-00354-6 PMID:40406365	研究论文	本文提出了一种基于深度学习的创新方法，用于胃肠道系统病理区域的自动分割和分类	开发了新型分割网络GISegNet，并提出了一种结合transformer模型特征和mRMR算法优化的混合深度学习方法	研究仅基于Kvasir数据集进行验证，未在其他数据集上测试泛化能力	提高胃肠道系统异常的自动检测和分类准确率	胃肠道系统异常	计算机视觉	胃肠道疾病	深度学习	GISegNet, DeiT, ViT, SVM	内窥镜图像	Kvasir数据集
808	2024-09-19	Reply to: "Enhancing diagnostic accuracy for primary bone tumors: The role of expert histological analysis and AI-driven deep learning models" 2025-Jun, European journal of surgical oncology : the journal of the European Society of Surgical Oncology and the British Association of Surgical Oncology DOI:10.1016/j.ejso.2024.108670 PMID:39289050	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
809	2025-05-26	Cone-beam computed tomography (CBCT) image-quality improvement using a denoising diffusion probabilistic model conditioned by pseudo-CBCT of pelvic regions 2025-Jun, Radiological physics and technology IF:1.7Q3 DOI:10.1007/s12194-025-00892-4 PMID:40035984	研究论文	使用条件去噪扩散概率模型（CDDPM）改进盆腔区域的锥形束计算机断层扫描（CBCT）图像质量	提出了一种基于CDDPM的方法，通过将伪散射添加到计划CT生成的伪CBCT来训练模型，从而将CBCT转换为高质量合成CT（sCT），显著提高了HU准确性和解剖结构保留	研究仅针对盆腔区域，未验证在其他身体部位的适用性	提高CBCT图像质量以促进自适应放射治疗（ART）的应用	盆腔区域的CBCT图像	医学影像处理	前列腺癌	条件去噪扩散概率模型（CDDPM）	CDDPM	医学影像（CBCT和CT）	未明确提及样本数量，但涉及结肠、前列腺和膀胱等器官的评估
810	2025-05-26	A CT-free deep-learning-based attenuation and scatter correction for copper-64 PET in different time-point scans 2025-Jun, Radiological physics and technology IF:1.7Q3 DOI:10.1007/s12194-025-00905-2 PMID:40261572	研究论文	本研究开发并评估了一种基于深度学习的全身64Cu PET成像中的衰减和散射校正模型	使用swinUNETR模型和迁移学习技术，在有限的Cu基PET图像数据集上实现了有效的衰减和散射校正	训练数据集规模有限，可能影响模型的泛化能力	开发无需CT的深度学习方法来校正64Cu PET成像中的衰减和散射效应	64Cu基PET成像数据	医学影像分析	NA	深度学习，迁移学习	swinUNETR	医学影像(PET-CT图像)	15张Cu基PET图像用于训练，6张用于测试(包含1小时、12小时和48小时三个时间点各2张)
811	2025-05-26	Harnessing deep learning for wheat variety classification: a convolutional neural network and transfer learning approach 2025-May-24, Journal of the science of food and agriculture IF:3.3Q2 DOI:10.1002/jsfa.14378 PMID:40411235	research paper	该研究利用深度学习和卷积神经网络（CNN）进行小麦品种分类，开发了一个四层CNN模型，并评估了DenseNet201、MobileNet和InceptionV3等预训练模型的性能	研究使用多视角图像数据集，包含124个小麦品种，开发了一个新的四层CNN模型，并在分类任务中表现优于预训练模型	高计算资源需求是主要挑战，且模型的超参数需要进一步优化以提高准确性	评估CNN模型在小麦品种分类中的适用性，并开发高效的分类方法	124个小麦品种的多视角图像	computer vision	NA	deep learning, transfer learning	CNN, DenseNet201, MobileNet, InceptionV3	image	124个小麦品种的多视角图像
812	2025-05-26	deepTFBS: Improving within- and Cross-Species Prediction of Transcription Factor Binding Using Deep Multi-Task and Transfer Learning 2025-May-24, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202503135 PMID:40411397	research paper	该研究提出了deepTFBS，一个利用深度多任务学习和迁移学习的框架，用于提高转录因子结合位点（TFBSs）在物种内和跨物种预测的准确性	deepTFBS通过构建一个稳健的DNA语言模型，结合多任务深度学习和迁移学习，能够利用大规模TF结合谱的知识来增强小样本训练和跨物种预测任务中的TFBS预测	NA	提高转录因子结合位点（TFBSs）的预测准确性，特别是在小样本训练和跨物种预测任务中	转录因子结合位点（TFBSs）	machine learning	NA	深度多任务学习和迁移学习	DL	DNA序列数据	359个拟南芥转录因子（TFs）的数据
813	2025-05-26	Deep learning-based classification and segmentation of interictal epileptiform discharges using multichannel electroencephalography 2025-May-24, Epilepsia IF:6.6Q1 DOI:10.1111/epi.18463 PMID:40411529	研究论文	本研究开发了一种基于深度学习的框架U-IEDNet，用于高精度分类和分割多通道脑电图(EEG)中的间歇性癫痫样放电(IEDs)	提出了一种结合卷积层、双向门控循环单元和Transformer网络的U形架构，能够同时提取单通道EEG的时间特征和多通道间的空间交互信息	研究仅在两个数据库(共413例患者记录)上进行了验证，样本量相对有限	开发高精度的IED自动检测工具以辅助癫痫诊断	多通道EEG记录中的间歇性癫痫样放电(IEDs)	机器学习	癫痫	深度学习	U-IEDNet(结合CNN、BiGRU和Transformer)	多通道EEG信号	413例患者记录(公共数据库370例+自建数据库43例)
814	2025-05-26	Deep learning reconstruction combined with contrast-enhancement boost in dual-low dose CT pulmonary angiography: a two-center prospective trial 2025-May-24, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-11681-3 PMID:40411550	research paper	研究深度学习重建（DLR）结合对比增强提升（CE-boost）技术在双低剂量CT肺动脉造影（CTPA）中的应用效果	首次将DLR与CE-boost技术结合应用于双低剂量CTPA，显著提升了图像质量和诊断准确性	研究仅在两中心进行，样本量为130例，可能需要更大规模验证	评估DLR结合CE-boost技术在降低辐射和对比剂剂量情况下提升CTPA图像质量的效果	疑似肺栓塞患者	digital pathology	pulmonary embolism	CT pulmonary angiography (CTPA)	deep learning reconstruction (DLR)	CT图像	130例患者
815	2025-05-26	Deep ensemble framework with Bayesian optimization for multi-lesion recognition in capsule endoscopy images 2025-May-24, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-025-03380-4 PMID:40411689	research paper	提出了一种基于深度集成框架和贝叶斯优化的方法，用于胶囊内窥镜图像中的多病灶识别	结合CA-EfficientNet-B0、ECA-RegNetY和Swin transformer作为基础学习器，并利用贝叶斯优化确定权重，提高了胃肠道疾病的分类性能	实验数据仅来自上海东方医院，可能限制了模型的泛化能力	解决无线胶囊内窥镜检查中大量图像导致的疲劳漏诊和误诊问题	胶囊内窥镜图像中的四种病灶（血管扩张、出血、糜烂和息肉）及正常胃肠道图像	computer vision	gastrointestinal disease	transfer learning, Bayesian optimization	ensemble model (CA-EfficientNet-B0, ECA-RegNetY, Swin transformer)	image	8358张图像，来自281个病例
816	2025-05-26	Feature-Reinforced Strategy for Enhancing the Accuracy of Triboelectric Vibration Sensing Toward Mechanical Equipment Monitoring 2025-May-24, Small (Weinheim an der Bergstrasse, Germany) DOI:10.1002/smll.202503997 PMID:40411864	研究论文	本文提出了一种结合界面偶极能量和真空能级优化的新型摩擦电材料机制，设计并开发了一种PDMS封装金属电极的TENG装置，通过振动波形分析实现设备运行状态的精确识别	结合界面偶极能量和真空能级优化解释振动下电荷的产生和分离，设计PDMS封装金属电极的TENG装置，并通过深度学习算法实现振动状态的高分辨率分类	未提及具体样本量或实验规模，可能限制结果的广泛适用性	提升摩擦电振动传感的准确性，实现智能设备运行状态的实时监测和诊断	智能设备中的振动传感器	智能传感与监测	NA	深度学习算法	NA	振动波形数据	NA
817	2025-05-26	Improvement of deep learning-based dose conversion accuracy to a Monte Carlo algorithm in proton beam therapy for head and neck cancers 2025-May-23, Journal of radiation research IF:1.9Q3 DOI:10.1093/jrr/rraf019 PMID:40267259	研究论文	本研究探讨了图像旋转技术和缩放增强在提高质子束治疗中基于深度学习的剂量转换精度方面的有效性	引入了图像旋转技术和缩放增强方法，显著提高了从铅笔束到蒙特卡洛算法的剂量转换精度	研究仅针对头颈癌患者，样本量相对较小	提高质子束治疗中基于深度学习的剂量计算精度	头颈癌患者	医学影像处理	头颈癌	深度学习	DL模型	CT图像和剂量数据	85名患者，分为101个训练/验证计划（334束）和11个测试计划（34束）
818	2025-05-26	Single-cell multimodal analysis reveals tumor microenvironment predictive of treatment response in non-small cell lung cancer 2025-May-23, Science advances IF:11.7Q1 DOI:10.1126/sciadv.adu2151 PMID:40408481	research paper	该研究通过单细胞多模态分析揭示了非小细胞肺癌肿瘤微环境对治疗反应的预测作用	开发了NucSegAI深度学习模型用于自动化核分割和细胞分类，并识别了预测免疫治疗反应的特定淋巴细胞表型	研究样本量相对有限（119张全切片图像），且仅针对非小细胞肺癌	优化非小细胞肺癌患者的治疗反应预测，改善患者分层和治疗方案选择	人类非小细胞肺癌组织	digital pathology	lung cancer	multiplex immunofluorescence (mIF), RNA sequencing	deep learning model (NucSegAI)	image, RNA-seq data	119张全切片图像中的4560万个细胞
819	2025-05-26	Multimodal ultrasound-based radiomics and deep learning for differential diagnosis of O-RADS 4-5 adnexal masses 2025-May-23, Cancer imaging : the official publication of the International Cancer Imaging Society IF:3.5Q1 DOI:10.1186/s40644-025-00883-z PMID:40410823	research paper	该研究开发并验证了一种基于多模态超声的列线图，结合临床变量、放射组学和深度学习特征，以有效区分O-RADS 4-5类别的附件肿块	首次探索基于CEUS的放射组学在区分附件肿块中的应用，并开发了结合临床变量、放射组学和深度学习特征的多模态列线图	研究依赖于放射科医生的手动分割，可能存在主观偏差	提高O-RADS 4-5类别附件肿块的诊断准确性	340名接受2DUS和CEUS检查并被分类为O-RADS 4-5的患者	digital pathology	卵巢癌	CEUS, 2DUS	ML, DL	image	340名患者
820	2025-05-26	Revealing 3D microanatomical structures of unlabeled thick cancer tissues using holotomography and virtual H&E staining 2025-May-22, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-59820-0 PMID:40404616	research paper	该研究通过整合全息断层扫描和深度学习技术，从未标记的厚癌组织中创建3D虚拟H&E图像，以揭示亚细胞级别的三维组织结构	结合全息断层扫描和深度学习，实现无需标记的厚癌组织3D虚拟H&E染色，突破了传统切片厚度的限制	方法在结肠癌和胃癌样本中进行了验证，但尚未在其他类型癌症中广泛应用	开发一种高效、无损的三维组织结构获取方法，提升组织病理学的效率和可靠性	结肠癌和胃癌组织	digital pathology	colon cancer, gastric cancer	holotomography, deep learning	deep learning-based image translation framework	3D refractive index distribution, virtual H&E images	结肠癌组织（厚度达50µm）和胃癌样本