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
861	2025-05-10	Diverging Effects of Violence Exposure and Psychiatric Symptoms on Amygdala-Prefrontal Maturation During Childhood and Adolescence 2025-May, Biological psychiatry. Cognitive neuroscience and neuroimaging DOI:10.1016/j.bpsc.2024.08.003 PMID:39182725	研究论文	研究探讨了童年和青少年时期暴力暴露对杏仁核-前额叶皮层（PFC）回路成熟的影响及其与精神病理症状的关系	揭示了暴力暴露和精神症状对杏仁核-PFC回路成熟的不同影响，提出了适应性和非适应性神经发育机制的新见解	研究样本仅来自费城神经发育队列，可能限制了结果的普遍性	探究暴力暴露和精神症状如何影响杏仁核-PFC回路的神经发育	1133名青少年	神经科学	精神疾病	深度学习	深度学习模型	功能性磁共振成像（fMRI）数据	1133名青少年
862	2025-05-10	Perfusion estimation from dynamic non-contrast computed tomography using self-supervised learning and a physics-inspired U-net transformer architecture 2025-May, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-025-03323-2 PMID:39832070	研究论文	本文提出了一种基于自监督学习和物理启发的U-net transformer架构的新方法，用于从非对比动态计算机断层扫描中估计灌注	结合了U-Net Transformer架构和自监督学习策略，用于从非对比CT预测灌注成像，达到了最先进的准确度	研究样本量有限（44名患者），且需要进一步开发以扩展临床应用	开发一种深度学习方法来预测非对比CT扫描中的灌注成像，以克服当前核医学方法的局限性	肺部灌注成像	数字病理	肺部疾病	计算机断层扫描（CT）、单光子发射CT（SPECT/CT）	U-Net Transformer	图像	523张IE-CT图像用于自监督训练，44名患者用于监督训练
863	2025-05-10	Injury degree appraisal of large language model based on retrieval-augmented generation and deep learning 2025 May-Jun, International journal of law and psychiatry IF:1.4Q3 DOI:10.1016/j.ijlp.2025.102070 PMID:39970564	研究论文	本研究提出了一种结合检索增强生成（RAG）、基于图的知识库和深度学习的新方法，以提升大型语言模型（LLMs）在法医损伤评估中的性能	通过整合RoBERTa-CNN模型和图知识库的RAG策略，显著提升了LLMs在损伤评估任务中的准确率，相比传统检索方法提高了21至59个百分点	研究主要基于中国的《人体损伤程度鉴定标准》（SAEBI），在其他司法管辖区的适用性可能需要进一步验证	提升大型语言模型在法医损伤评估等专业领域的应用性能	大型语言模型（LLMs）在法医损伤评估中的应用	自然语言处理	NA	检索增强生成（RAG）、深度学习	RoBERTa-CNN	文本	26,199个真实世界的损伤评估案例
864	2025-05-10	Seafloor debris detection using underwater images and deep learning-driven image restoration: A case study from Koh Tao, Thailand 2025-May, Marine pollution bulletin IF:5.3Q1 DOI:10.1016/j.marpolbul.2025.117710 PMID:39978130	研究论文	本研究提出了一种利用超分辨率重建技术和优化的YOLOv8模型进行海底垃圾检测的创新方法	结合超分辨率重建技术和优化的YOLOv8模型，提出了一种成本效益高的海底垃圾检测新方法	研究仅基于泰国龟岛的数据，可能在其他海域的适用性有待验证	提高海底垃圾检测的准确性和效率	海底垃圾	计算机视觉	NA	超分辨率重建技术(SRR)	YOLOv8	图像	NA
865	2025-05-10	Deep-learning-based diagnosis framework for ankle-brachial index defined peripheral arterial disease of lower extremity wound: Comparison with physicians 2025-May, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108654 PMID:39978141	研究论文	本研究提出了一种基于深度学习的框架，用于检测和分类下肢伤口患者的周围动脉疾病（PAD）和周围动脉闭塞性疾病（PAOD），并与医生的诊断结果进行比较	首次使用CNN-based深度学习算法（AlexNet、GoogleNet和ResNet101V2）对下肢伤口患者的PAD进行检测和分类，并与医生的诊断结果进行对比	未提及样本量的具体细节，且仅比较了三种CNN模型和两类医生的诊断结果，可能缺乏更广泛的验证	建立一种自动检测和分类下肢伤口患者PAD和PAOD的深度学习框架	下肢伤口患者	数字病理学	周围动脉疾病	深度学习	CNN（AlexNet、GoogleNet、ResNet101V2）	图像	NA
866	2025-05-10	SegFormer3D: Improving the Robustness of Deep Learning Model-Based Image Segmentation in Ultrasound Volumes of the Pediatric Hip 2025-May, Ultrasound in medicine & biology DOI:10.1016/j.ultrasmedbio.2024.12.013 PMID:39979183	研究论文	提出SegFormer3D模型，用于提高儿科髋关节超声体积图像分割的鲁棒性	首次将SegFormer架构扩展到3D，提高了在解剖结构和数据分辨率变化下的分割准确性和鲁棒性	当前技术的鲁棒性仍不足以可靠地部署到实际临床工作流程中	改进儿科髋关节发育不良(DDH)的超声图像分割技术	儿科患者的髋关节超声体积图像	计算机视觉	儿科疾病	3D超声成像	SegFormer3D (基于Transformer的模型)	3D超声图像	儿科患者的临床数据测试集
867	2025-05-10	Electrocardiographic-Driven artificial intelligence Model: A new approach to predicting One-Year mortality in heart failure with reduced ejection fraction patients 2025-May, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2025.105843 PMID:39986123	研究论文	利用深度学习AI模型预测射血分数降低的心力衰竭患者一年死亡率	开发了一种基于心电图数据的深度学习AI模型，用于预测HFrEF患者的一年死亡率，具有高敏感性和阴性预测值	研究仅基于两家医院的数据，可能无法完全代表所有HFrEF患者	提高HFrEF患者一年死亡率的预测准确性	射血分数降低的心力衰竭患者	机器学习	心血管疾病	深度学习	深度学习模型	心电图数据	3,894名HFrEF患者（64%男性，平均年龄64.3岁，平均射血分数29.8%）和16,228份独立心电图
868	2025-05-10	NICE polyp feature classification for colonoscopy screening 2025-May, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-025-03338-9 PMID:40075052	研究论文	本研究开发了一种多类分类器，用于独立分类NICE分类中的三个关键特征，以提高结肠镜检查中息肉分类的准确性	采用独立分类方法对NICE分类中的三个关键特征进行分类，优先考虑临床相关特征而非手工或深奥的深度学习特征	未提及样本量的具体细节，且仅测试了内部和公共数据集	提高结肠镜检查中息肉分类的准确性，以改善结直肠癌的诊断	结肠镜检查中的息肉	数字病理学	结直肠癌	多类分类器	NA	图像	NA
869	2025-05-10	VisionGuard: enhancing diabetic retinopathy detection with hybrid deep learning 2025-May, Expert review of medical devices IF:2.9Q3 DOI:10.1080/17434440.2025.2486476 PMID:40156773	研究论文	本文提出了一种名为MobileFusionNet的新型混合深度学习模型，用于增强糖尿病视网膜病变的检测	结合MobileNet和GoogleNet架构的优势，开发了一种适用于移动设备的高效糖尿病视网膜病变检测方法	未提及模型在多样化人群或不同设备上的泛化能力	开发一种高效准确的糖尿病视网膜病变自动检测方法	糖尿病视网膜病变患者的视网膜图像	计算机视觉	糖尿病视网膜病变	HOG特征提取和LDA降维	MobileFusionNet（基于MobileNet和GoogleNet的混合模型）	图像	大规模视网膜图像数据集（具体数量未提及）
870	2025-05-10	Automatic Quantification of Serial PET/CT Images for Pediatric Hodgkin Lymphoma Using a Longitudinally Aware Segmentation Network 2025-May, Radiology. Artificial intelligence DOI:10.1148/ryai.240229 PMID:39969278	research paper	开发了一种纵向感知分割网络（LAS-Net），用于量化儿童霍奇金淋巴瘤患者的系列PET/CT图像	LAS-Net引入了纵向交叉注意力机制，使得PET1的相关特征可以用于分析PET2	外部测试队列的性能略有下降	开发一种能够量化儿童霍奇金淋巴瘤患者系列PET/CT图像的纵向感知分割网络	297名儿童霍奇金淋巴瘤患者的基线（PET1）和中期（PET2）PET/CT图像	digital pathology	Hodgkin lymphoma	PET/CT	CNN	image	297名儿童患者（内部数据集200名，外部测试数据集97名）
871	2025-05-10	FetDTIAlign: A deep learning framework for affine and deformable registration of fetal brain dMRI 2025-May-01, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2025.121190 PMID:40221066	research paper	提出了一种名为FetDTIAlign的深度学习框架，专门用于胎儿脑部dMRI的仿射和可变形配准	FetDTIAlign采用了新颖的双编码器架构和基于迭代特征的推理，有效减少了噪声和低分辨率的影响，实现了精确配准	方法在低质量和快速发育的胎儿脑部数据上的适用性仍需进一步验证	解决胎儿脑部dMRI数据在跨扫描和跨受试者空间对齐上的挑战	胎儿脑部dMRI数据	digital pathology	NA	dMRI	deep learning	image	涵盖孕龄23至36周的60个白质束数据集
872	2025-05-10	The retinal age gap: an affordable and highly accessible biomarker for population-wide disease screening across the globe 2025-May, Proceedings. Biological sciences DOI:10.1098/rspb.2024.2233 PMID:40328303	研究论文	本研究评估了视网膜年龄差（RAG）作为一种新型生物标志物在广泛疾病筛查中的潜力	提出了一种非侵入性、成本效益高的新型生物标志物RAG，适用于全球范围内的疾病筛查，特别是在低收入和中等收入国家	研究主要基于UK Biobank和BRSET的数据，可能无法完全代表全球所有人群	评估RAG作为广泛疾病筛查生物标志物的潜力	UK Biobank和BRSET的参与者	数字病理学	多种疾病（包括慢性肾病、心血管疾病、失明、视力丧失和糖尿病等）	深度学习	深度学习模型	图像（眼底图像）	UK Biobank的86,522名参与者和BRSET的8,524名参与者
873	2025-05-10	Pathological Aging of Patients With Amyotrophic Lateral Sclerosis: A Preliminary Longitudinal Study 2025-May, Brain and behavior IF:2.6Q3 DOI:10.1002/brb3.70484 PMID:40329780	研究论文	这项纵向研究通过评估肌萎缩侧索硬化症（ALS）患者的大脑结构年龄与实足年龄之间的差异，探索了其与认知和功能衰退的关联	首次使用深度学习衍生的脑结构年龄（BSA）来研究ALS患者的病理性大脑老化，并发现BSA与执行功能下降相关	样本量较小（仅10名ALS患者和10名健康对照），需要更大规模的队列验证	研究ALS患者的病理性大脑老化及其与认知和功能衰退的关系	10名肢体起病的ALS患者和10名人口统计学匹配的健康对照	数字病理学	肌萎缩侧索硬化症	结构磁共振成像（sMRI）	深度学习	图像	10名ALS患者和10名健康对照
874	2025-05-10	Learning the complexity of urban mobility with deep generative network 2025-May, PNAS nexus IF:2.2Q1 DOI:10.1093/pnasnexus/pgaf081 PMID:40330108	research paper	该文章介绍了一种名为DeepMobility的深度生成协作网络，旨在通过统一模型捕捉城市流动性的多面性	首次提出通过双向协作整合微观和宏观动态的生成深度学习模型，能够生成高保真合成流动性数据	未明确提及具体局限性	研究城市流动性复杂性，支持可持续和宜居城市的流动性数据生成	城市规模个体移动、人口流动和城市形态	machine learning	NA	deep generative network	DeepMobility	mobility trajectories and flows	中国和塞内加尔城市的移动轨迹和流动数据
875	2025-05-10	InsightNet: A Deep Learning Framework for Enhanced Plant Disease Detection and Explainable Insights 2025-May, Plant direct IF:2.3Q2 DOI:10.1002/pld3.70076 PMID:40330704	研究论文	本文提出了一种名为InsightNet的深度学习框架，用于增强植物疾病检测并提供可解释的见解	基于MobileNet架构的深度学习模型，通过更深的卷积层、dropout正则化和全连接层设计，显著提高了番茄、豆类和辣椒植物疾病分类的准确率，并利用Grad-CAM解释模型决策过程	NA	通过开发先进的深度学习模型，提高植物健康状况，实现多种植物疾病的检测和分类	番茄、豆类和辣椒植物的疾病	计算机视觉	植物疾病	深度学习	MobileNet	图像	NA
876	2025-05-10	Optimizing Stroke Risk Prediction: A Primary Dataset-Driven Ensemble Classifier With Explainable Artificial Intelligence 2025-May, Health science reports IF:2.1Q3 DOI:10.1002/hsr2.70799 PMID:40330769	研究论文	本研究提出了一种新型集成方法，结合多种机器学习算法和可解释人工智能技术，用于预测中风风险	开发了一种新型集成分类器，结合AdaBoost、GBM、MLP和RF算法，并整合了SHAP和LIME等XAI技术以提高预测准确性和模型可解释性	未来工作需要结合深度学习和医学影像技术以进一步提高分类准确性和模型性能	优化中风风险预测模型，减少中风对全球健康的影响	医院收集的主要数据集（包含病史和临床参数）和次要数据集	机器学习	心血管疾病	AdaBoost, GBM, MLP, RF, SHAP, LIME	集成分类器	医疗历史和临床参数	两个数据集（主要数据集和次要数据集）
877	2025-05-10	Recent Advancements in Neuroimaging-Based Alzheimer's Disease Prediction Using Deep Learning Approaches in e-Health: A Systematic Review 2025-May, Health science reports IF:2.1Q3 DOI:10.1002/hsr2.70802 PMID:40330773	系统性综述	本文综述了深度学习在神经影像学中用于阿尔茨海默病预测的最新进展	探讨了基于CNN的技术，特别是使用混合和迁移学习框架的方法，以及多模态神经影像数据的结合使用	方法可解释性、数据异质性和数据有限性等问题仍然存在	提高阿尔茨海默病的早期诊断准确性和分类	阿尔茨海默病患者	数字病理学	老年疾病	MRI, PET, fMRI	CNN, 混合和迁移学习框架	神经影像数据	NA
878	2025-05-10	Brain multi modality image inpainting via deep learning based edge region generative adversarial network 2025-May, Technology and health care : official journal of the European Society for Engineering and Medicine IF:1.4Q3 DOI:10.1177/09287329241300986 PMID:40331553	research paper	该研究提出了一种基于深度学习的边缘区域生成对抗网络（DS-GAN）用于脑部多模态图像修复	提出DS-GAN模型，结合GS-CNN分割和EGAN边缘重建，用于脑部MRI图像修复，提高了准确性和图像质量	研究未提及模型在不同类型脑肿瘤或不同MRI设备上的泛化能力	解决脑部MRI图像处理中因异常组织导致的图像失真或偏差问题	脑部MRI图像	digital pathology	brain tumor	MRI	DS-GAN, GS-CNN, EGAN	image	NA
879	2025-05-10	Speckle pattern analysis with deep learning for low-cost stroke detection: a phantom-based feasibility study 2025-May, Journal of biomedical optics IF:3.0Q2 DOI:10.1117/1.JBO.30.5.056003 PMID:40337176	研究论文	本研究探讨了结合激光散斑技术和深度学习在低成本中风检测中的可行性	首次将激光散斑模式分析与3D卷积神经网络结合，用于模拟中风条件下的血流状态分类	研究仅在组织模型上进行，尚未考虑颅骨光学特性等体内实际因素	评估激光散斑技术结合深度学习在中风检测中的可行性	模拟不同血流状态的人工动脉组织模型	数字病理	心血管疾病	激光散斑成像技术	3D CNN (X3D_M)	视频序列	不同直径(3-6mm)和深度(0-10mm)的人工动脉组织模型
880	2025-05-10	Deep learning empowered gadolinium-free contrast-enhanced abbreviated MRI for diagnosing hepatocellular carcinoma 2025-May, JHEP reports : innovation in hepatology IF:9.5Q1 DOI:10.1016/j.jhepr.2025.101392 PMID:40337547	research paper	本研究开发了一种基于深度学习的无钆对比增强简略MRI（DL-aMRI）协议，用于诊断肝细胞癌（HCC）	利用稳定扩散模型生成对比增强MRI图像，无需使用对比剂，显著缩短扫描时间	研究为回顾性设计，需前瞻性研究进一步验证	开发高效、无对比剂的HCC诊断方法	肝细胞癌（HCC）患者	digital pathology	liver cancer	MRI, deep learning	stable diffusion-based DL model	MRI图像	1,769名患者（913名HCC患者）