深度学习在生物医药领域的应用

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	算法框架	模型架构	性能指标	计算资源
9581	2025-10-07	Comparative analysis of deep learning methods for breast ultrasound lesion detection and classification 2025-Jun, 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.2025.104993 PMID:40381258	研究论文	比较分析深度学习方法在乳腺超声病灶检测和分类中的性能	首次系统比较目标检测、语义分割和实例分割方法在乳腺超声病灶分析中的效果，并公开新的BUS-UCLM数据集	研究结果可能受限于所用数据集的特性和规模	评估不同深度学习方法在乳腺超声计算机辅助诊断系统中的性能	乳腺超声图像中的病灶	计算机视觉	乳腺癌	超声成像	CNN	医学图像	5个数据集（包括新收集的BUS-UCLM和4个公开数据集）	NA	Mask R-CNN, Poolformer	COCO AP50, Dice系数	NA
9582	2025-10-07	S2L-CM: Scribble-supervised nuclei segmentation in histopathology images using contrastive regularization and pixel-level multiple instance learning 2025-Jun, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110293 PMID:40381473	研究论文	提出一种基于涂鸦监督的病理图像细胞核分割框架S2L-CM，通过对比正则化和像素级多示例学习提升分割性能	结合自生成伪标签、多尺度对比正则化和像素级多示例学习，在稀疏标注条件下实现接近全监督性能的细胞核分割	性能仍略低于全监督学习方法，依赖初始涂鸦标注质量	开发弱监督的病理图像细胞核分割方法以减少人工标注成本	病理图像中的细胞核	数字病理	NA	深度学习	CNN	病理图像	四个细胞核数据集	PyTorch	NA	分割性能指标	NA
9583	2025-10-07	Bayesian Optimization with Gaussian Processes Assisted by Deep Learning for Material Designs 2025-May-29, The journal of physical chemistry letters IF:4.8Q1 DOI:10.1021/acs.jpclett.5c00592 PMID:40383929	研究论文	本研究将深度核学习与高斯过程相结合应用于贝叶斯优化，以提升材料设计的效率	提出将深度核学习与高斯过程结合的贝叶斯优化方法，解决了传统高斯过程无法自动生成描述符的局限性	在寻找居里温度最高的合金任务中，标准高斯过程表现优于深度核学习模型	提升材料设计中贝叶斯优化的效率	氧化物数据集和有机-无机杂化钙钛矿合金	机器学习	NA	深度核学习	高斯过程,神经网络	材料特性数据	922个氧化物数据集和610个钙钛矿合金数据集	NA	深度核学习	效率比较	NA
9584	2025-05-30	Enhanced Pelvic CT Segmentation via Deep Learning: A Study on Loss Function Effects 2025-May-29, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01550-2 PMID:40437147	research paper	本研究探讨了使用卷积神经网络（CNN）在盆腔CT图像中自动分割风险器官（OARs）的方法，重点关注膀胱、前列腺、直肠和股骨头（FHs）的分割，以替代传统的手动分割方法	通过比较U-Net、ResU-Net、SegResNet和Attention U-Net模型，并探索不同损失函数对分割精度的影响，发现SegResNet在分割性能上优于其他模型，且Dice损失函数在多数OARs分割中表现最佳	研究仅针对盆腔CT图像，样本量相对有限（240例前列腺分割和220例其他器官分割），且未探讨模型在其他影像模态或更大数据集上的泛化能力	提高放射治疗计划中风险器官（OARs）自动分割的精度和效率	盆腔CT图像中的膀胱、前列腺、直肠和股骨头（FHs）	digital pathology	prostate cancer	CT	CNN, U-Net, ResU-Net, SegResNet, Attention U-Net	image	240例前列腺分割患者和220例其他器官分割患者	NA	NA	NA	NA
9585	2025-05-30	Hybrid attention-based deep learning for multi-label ophthalmic disease detection on fundus images 2025-May-29, Graefe's archive for clinical and experimental ophthalmology = Albrecht von Graefes Archiv fur klinische und experimentelle Ophthalmologie DOI:10.1007/s00417-025-06858-x PMID:40439748	research paper	提出了一种基于混合注意力机制的深度学习模型HAM-DNet，用于眼底图像的多标签眼科疾病检测	结合EfficientNetV2和Vision Transformers (ViT)，并引入SE块进行基于注意力的特征优化和U-Net病变定位模块以提高可解释性	未提及模型在更广泛或多样化数据集上的泛化能力	开发一种准确、高效且可解释的多标签眼科疾病自动检测方法	眼底图像中的多标签眼科疾病	digital pathology	ophthalmic disease	deep learning	EfficientNetV2, Vision Transformers (ViT), U-Net	image	多个眼底图像数据集（ODIR-5K, Messidor, G1020, Joint Shantou International Eye Centre）	NA	NA	NA	NA
9586	2025-10-07	DCA-U-Net: a deep learning network for segmentation of laser-induced thermal damage regions in mouse skin OCT images 2025-May-28, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/adcd7c PMID:40239684	研究论文	提出一种用于小鼠皮肤OCT图像中激光诱导热损伤区域分割的轻量级深度学习网络DCA-U-Net	通过引入更高效的扩张ConvNeXT块和双模块注意力块，在显著减少参数量的同时提升特征提取能力和分割精度	研究仅限于小鼠皮肤激光热损伤OCT数据，尚未在人类临床数据上验证	开发高效的皮肤激光热损伤区域自动分割方法以支持精准诊疗	小鼠皮肤激光热损伤区域的OCT图像	计算机视觉	皮肤损伤	光学相干断层扫描	CNN	图像	两个不同部位的小鼠皮肤激光热损伤OCT数据集	NA	U-Net, Dilated ConvNeXT, Attention机制	分割精度	NA
9587	2025-10-07	Deep Learning-Assisted 3D Pressure Sensors for Control of Unmanned Aerial Vehicles 2025-May-28, ACS applied materials & interfaces IF:8.3Q1 DOI:10.1021/acsami.5c03575 PMID:40371705	研究论文	开发了一种基于多层微结构复合薄膜压阻传感阵列和深度学习技术的可穿戴智能手势识别控制系统，用于无人机控制	结合多层微结构复合薄膜压阻传感阵列与深度学习技术，实现了高灵敏度手势识别和无人机控制	NA	开发实时人体运动检测和识别系统，用于虚拟现实、远程控制和机器人应用	人体手势动作和无人机控制	机器学习和机器人技术	NA	压阻传感技术和深度学习	CNN	传感器数据和手势数据	NA	NA	卷积神经网络	识别准确率	NA
9588	2025-05-30	High-Quality CEST Mapping With Lorentzian-Model Informed Neural Representation 2025-May-28, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3574238 PMID:40434851	研究论文	提出了一种基于Lorentzian模型的神经表示框架（LINR），用于高质量化学交换饱和转移（CEST）成像映射	LINR框架结合自监督神经架构和Lorentzian方程，直接从原始z谱重建高灵敏度参数图，无需标记训练数据	未提及具体样本量限制或跨中心验证结果	克服传统CEST成像方法在敏感性和泛化性方面的局限性	CEST MRI数据（合成体模和活体实验，包括肿瘤和阿尔茨海默病模型）	医学影像分析	肿瘤、阿尔茨海默病	CEST MRI	自监督神经网络（嵌入Lorentzian方程）	医学影像（z-spectra）	NA	NA	NA	NA	NA
9589	2025-05-30	Deep Separable Spatiotemporal Learning for Fast Dynamic Cardiac MRI 2025-May-28, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3574090 PMID:40434852	research paper	提出了一种名为DeepSSL的新型高效方法，用于快速动态心脏MRI图像重建，该方法在训练数据极为有限的情况下仍能表现出色	利用降维可分离学习方案，结合时空先验知识，开发了DeepSSL网络，显著减少了对训练数据量的需求	虽然初步验证了对未见心脏患者的适应性，但可能需要更多临床数据进一步验证其普适性	解决心脏动态MRI快速成像中高维数据重建的挑战	心脏动态MRI图像	医学影像分析	心血管疾病	动态MRI	DeepSSL（基于2D时空重建模型的深度可分离时空学习网络）	MRI图像数据	心脏电影数据集（具体数量未明确说明，但提到减少训练案例需求达75%）	NA	NA	NA	NA
9590	2025-05-30	Combined Topological Data Analysis and Geometric Deep Learning Reveal Niches by the Quantification of Protein Binding Pockets 2025-May-28, Journal of computational biology : a journal of computational molecular cell biology IF:1.4Q2 DOI:10.1089/cmb.2025.0076 PMID:40434873	研究论文	本文结合拓扑数据分析（TDA）和几何深度学习（GDL）来分析酶的假定蛋白质口袋，以全面理解蛋白质结构基序	首次整合了局部和全局表示方法来分析蛋白质口袋，提供了对蛋白质结构基序的全面和互补的理解	方法在结构已知的情况下特别有用，对于未知结构的情况可能不适用	研究蛋白质口袋的定位、测量及其解剖结构，以进一步理解蛋白质功能	酶的假定蛋白质口袋	计算生物学	NA	拓扑数据分析（TDA）、几何深度学习（GDL）	GDL	蛋白质结构数据	NA	NA	NA	NA	NA
9591	2025-05-30	Efficient feature extraction using light-weight CNN attention-based deep learning architectures for ultrasound fetal plane classification 2025-May-28, Physical and engineering sciences in medicine IF:2.4Q2 DOI:10.1007/s13246-025-01566-6 PMID:40437331	research paper	提出了一种基于轻量级CNN和注意力机制的深度学习架构，用于超声胎儿平面分类	结合轻量级EfficientNet特征提取主干和注意力机制，显著减少可训练参数数量，便于边缘设备部署	未提及模型在不同超声设备或操作者间的泛化能力	辅助产科医生进行胎儿平面分类，提高产前诊断效率	超声胎儿图像中的关键平面（脑部、股骨、胸部、宫颈和腹部）	computer vision	prenatal development	深度学习	CNN with attention mechanism	超声图像	最大基准超声数据集（具体数量未提及）	NA	NA	NA	NA
9592	2025-10-07	Digital Biomarkers for Parkinson Disease: Bibliometric Analysis and a Scoping Review of Deep Learning for Freezing of Gait 2025-May-20, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/71560 PMID:40392578	综述	通过文献计量分析和范围综述评估帕金森病数字生物标志物研究现状，特别关注深度学习在冻结步态检测中的应用	结合文献计量学与范围综述方法，首次系统分析帕金森病数字生物标志物研究格局，并深入评估深度学习模型在冻结步态检测中的性能	跨学科和跨机构合作不足，企业资助缺乏，冻结步态深度学习模型缺乏外部验证和标准化性能报告	评估全球帕金森病生物标志物研究现状、热点和未来趋势，系统综述冻结步态数字生物标志物的深度学习模型	帕金森病患者，特别是冻结步态症状	数字病理学	帕金森病	文献计量分析，范围综述，深度学习	CNN	文献数据，步态数据	文献计量分析750项研究，范围综述40项研究，涉及3700名研究人员	NA	卷积神经网络，基于CNN的架构	准确率，灵敏度，特异性，AUC	NA
9593	2025-10-07	The role of artificial intelligence in occupational health in radiation exposure: a scoping review of the literature 2025-May-16, Environmental health : a global access science source IF:5.3Q1 DOI:10.1186/s12940-025-01186-3 PMID:40380224	综述	本文通过范围综述方法探讨人工智能在职业性辐射暴露评估、监测和控制中的应用现状与挑战	首次系统梳理人工智能在职业辐射防护领域的应用框架，识别出监督评估、检测监测、防护控制三大应用方向	依赖现有文献质量，存在数据异质性；缺乏对具体算法性能的定量比较；未涵盖非英语文献	综述人工智能在职业性辐射暴露管理中的应用研究现状	职业辐射暴露相关的评估、监测、控制与防护措施	机器学习	放射性疾病	专家系统、机器学习、深度学习	多种AI模型	文献数据	59篇符合条件的文章（从初始2920篇中筛选）	NA	NA	MMAT质量评估工具	NA
9594	2025-10-07	Ultrasound-based deep learning radiomics for enhanced axillary lymph node metastasis assessment: a multicenter study 2025-May-08, The oncologist DOI:10.1093/oncolo/oyaf090 PMID:40349137	研究论文	本研究开发了一种基于超声的深度学习影像组学模型，用于评估乳腺癌腋窝淋巴结转移，并通过多中心研究验证其临床价值	结合深度学习与手工提取的影像组学特征，构建临床-影像组学模型，并在多中心数据集和前瞻性测试中验证其性能	NA	开发用于评估乳腺癌腋窝淋巴结转移的深度学习影像组学模型，并评估其对放射科医生诊断准确性的影响	乳腺癌患者	数字病理	乳腺癌	超声成像	深度学习	超声图像	来自6家医院的866名乳腺癌患者	NA	NA	AUC	NA
9595	2025-10-07	Wearable Artificial Intelligence for Sleep Disorders: Scoping Review 2025-May-06, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/65272 PMID:40327852	综述	本文对用于睡眠障碍的人工智能可穿戴设备进行了范围综述，重点关注研究特征、可穿戴技术特点及AI检测分析方法	首次系统综述AI驱动的可穿戴设备在睡眠障碍领域的应用现状和方法学特征	主要关注睡眠呼吸暂停，对其他睡眠障碍的研究有限，缺乏治疗效果评估	概述AI驱动的可穿戴设备在睡眠障碍检测和分析中的应用现状	使用可穿戴设备和AI算法检测或预测睡眠障碍的同行评议研究	医疗人工智能	睡眠障碍	可穿戴设备监测技术	CNN,随机森林,支持向量机	呼吸数据,心率数据,身体运动数据	46项符合条件的研究	NA	卷积神经网络	NA	NA
9596	2025-10-07	Current Technological Advances in Dysphagia Screening: Systematic Scoping Review 2025-May-05, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/65551 PMID:40324167	系统范围综述	本系统范围综述全面评估了人工智能和传感器技术在吞咽困难筛查中的当前进展、性能表现和方法学质量	首次系统评估AI和传感器技术在吞咽困难筛查中的应用，特别关注多模态系统的性能优势和方法学质量评估	纳入研究存在偏倚风险，缺乏外部验证和领域适应性测试，可能影响实际应用价值	评估人工智能和传感器技术在吞咽困难筛查中的技术现状、性能表现和方法学质量	吞咽困难筛查技术研究	医疗人工智能	吞咽困难	传感器技术，人工智能分析	支持向量机，深度学习	声学信号，振动信号	24项研究，2979名参与者（1717名吞咽困难患者，1262名对照组）	NA	NA	准确率，受试者工作特征曲线下面积，灵敏度	NA
9597	2025-10-07	Diagnostic performance of deep learning-based coronary computed tomography angiography in detecting coronary artery stenosis 2025-May, The international journal of cardiovascular imaging DOI:10.1007/s10554-025-03383-0 PMID:40156689	研究论文	验证基于深度学习的冠状动脉CT血管成像自动诊断模型在检测冠状动脉狭窄中的性能	开发了全自动深度学习模型，采用多阶段框架进行冠状动脉分割和狭窄分析	研究限于特定时间段内的多中心数据，需要进一步验证在更广泛人群中的适用性	验证深度学习模型在诊断阻塞性冠状动脉疾病中的性能	疑似冠状动脉疾病患者	医学影像分析	冠状动脉疾病	冠状动脉CT血管成像	CNN	医学影像	1090名患者	NA	3D Multi-resolution Cascade CNN, 3D Cascade-Locally Optimized Network, Stenosis Analysis Network	准确率, 敏感度, 特异度, 阳性预测值, 阴性预测值, kappa系数	NA
9598	2025-10-07	Construction of a deep learning model and identification of the pivotal characteristics of FGF7- and MGST1- positive fibroblasts in heart failure post-myocardial infarction 2025-May, International journal of biological macromolecules IF:7.7Q1 DOI:10.1016/j.ijbiomac.2025.143171 PMID:40258553	研究论文	本研究通过构建深度学习模型并识别FGF7-和MGST1-阳性成纤维细胞在心肌梗死后心力衰竭中的关键特征	首次发现FGF7MGST1成纤维细胞在心肌梗死后心力衰竭中下调，并通过深度学习模型和孟德尔随机化分析揭示其因果关联	研究主要基于单细胞测序数据和小鼠模型，需要在更大样本和临床环境中进一步验证	探究成纤维细胞异质性在心肌梗死后心力衰竭发生发展中的作用机制	心脏组织中的成纤维细胞，特别是FGF7MGST1阳性成纤维细胞	数字病理学	心血管疾病	scRNA-seq, qRT-PCR, 孟德尔随机化分析	深度学习模型	单细胞RNA测序数据, 基因表达数据	小鼠心肌梗死模型	NA	NA	NA	NA
9599	2025-10-07	The prediction of RNA-small molecule binding sites in RNA structures based on geometric deep learning 2025-May, International journal of biological macromolecules IF:7.7Q1 DOI:10.1016/j.ijbiomac.2025.143308 PMID:40268011	研究论文	提出基于几何深度学习的RLBSIF方法，用于预测RNA结构中与小分子配体的结合位点	首次将表面几何特征（形状指数和距离依赖曲率）与化学特征（原子电荷）结合，通过MaSIF-based表面相互作用指纹全面表征RNA-配体相互作用	模型仅在440个结合口袋上训练，样本规模有限	准确预测RNA结构中配体结合位点以指导药物设计	RNA-小分子配体结合位点	机器学习	NA	几何深度学习	CNN	结构表面特征数据	440个结合口袋	PyTorch	ResNet18	准确率	NA
9600	2025-05-30	Predicting transmission loss in underwater acoustics using continual learning with range-dependent conditional convolutional neural networks 2025-May-01, The Journal of the Acoustical Society of America IF:2.1Q1 DOI:10.1121/10.0036773 PMID:40439448	研究论文	本文提出了一种基于持续学习和范围依赖条件卷积神经网络的方法，用于预测水下声学传输损失，以提高远场场景下的预测准确性	引入了一种范围依赖条件卷积神经网络，通过直接对输入地形进行条件化，单步预测传输损失场，并采用基于回放的持续学习策略，实现跨连续地形变化的泛化	模型在远场波预测方面可能存在局限性，且依赖于输入地形的准确性	提高深度学习模型在远场场景下预测水下辐射噪声的准确性	水下声学传输损失	机器学习	NA	持续学习，卷积神经网络	CNN	地形数据，声学数据	多个测试案例和涉及Dickins Seamount的基准场景	NA	NA	NA	NA