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
1001	2025-05-13	Forecasting climate change effects on Saline Lakes through advanced remote sensing and deep learning 2025-Jun-10, The Science of the total environment DOI:10.1016/j.scitotenv.2025.179582 PMID:40324314	研究论文	本研究通过先进的遥感和深度学习技术预测气候变化对盐湖的影响	结合SRGAN和MRS技术提升卫星图像分辨率，并利用CA-Markov模型和LSTM算法高精度预测盐湖未来变化	研究结果依赖于RCP8.5气候情景假设，可能无法涵盖所有潜在气候变化情况	预测气候变化对盐湖特征及周边生态环境的影响	查卡湖、图兹湖和拉扎扎湖等盐湖	遥感与深度学习	NA	SRGAN、MRS、CA-Markov建模、LSTM算法	SRGAN、LSTM	卫星图像	查卡湖、图兹湖和拉扎扎湖等多个盐湖的长期观测数据
1002	2025-05-13	Prediction of therapeutic response to transarterial chemoembolization plus systemic therapy regimen in hepatocellular carcinoma using pretreatment contrast-enhanced MRI based habitat analysis and Crossformer model 2025-Jun, Abdominal radiology (New York) DOI:10.1007/s00261-024-04709-7 PMID:39586897	研究论文	本研究利用多期对比增强磁共振成像（CE-MRI）和深度学习模型预测肝细胞癌（HCC）患者对经动脉化疗栓塞（TACE）联合系统治疗的早期反应	结合K-means聚类算法和Crossformer模型，首次在CE-MRI基础上构建栖息地模型和深度学习模型来预测HCC治疗反应	样本量相对较小（102例患者），且来自两个机构，可能存在选择偏差	开发能够非侵入性预测HCC患者对TACE联合系统治疗反应的模型	肝细胞癌（HCC）患者	数字病理	肝癌	多期对比增强磁共振成像（CE-MRI），K-means聚类算法	Crossformer, ResNet50, ExtraTrees分类器	医学影像	102例HCC患者（机构A 63例，机构B 39例）
1003	2024-12-05	Correction to: Deep learning-based reconstruction improves the image quality of low-dose CT enterography in patients with inflammatory bowel disease 2025-Jun, Abdominal radiology (New York) DOI:10.1007/s00261-024-04694-x PMID:39630201	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1004	2025-05-13	Semi-Supervised Learning Allows for Improved Segmentation With Reduced Annotations of Brain Metastases Using Multicenter MRI Data 2025-Jun, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.29686 PMID:39792624	research paper	该研究探讨了半监督学习在减少标注负担的同时提高脑转移瘤分割性能的可行性	首次在多中心MRI数据上测试了半监督学习方法（包括mean teacher、cross-pseudo supervision和interpolation consistency training）对脑转移瘤分割的效果，并展示了在小规模标注数据下的性能提升	研究为回顾性设计，且仅针对脑转移瘤这一特定病变类型	验证半监督学习能否在减少专家标注工作量的情况下提高脑转移瘤的自动分割性能	来自五个机构的脑转移瘤患者的MRI扫描数据（包含标注和未标注数据）	digital pathology	brain metastases	MRI（包括2D/3D T1加权增强扫描和FLAIR序列）	U-Net	MRI图像	156+65+324+200标注扫描（来自4个中心）和519未标注扫描（来自1个中心）
1005	2025-05-13	Identification of Gingival Inflammation Surface Image Features Using Intraoral Scanning and Deep Learning 2025-Jun, International dental journal IF:3.2Q1 DOI:10.1016/j.identj.2025.01.002 PMID:39875279	研究论文	本研究结合口腔内扫描和深度学习算法，开发了一种自动识别牙龈炎症表面特征的方法	首次将口腔内扫描（IOS）与深度学习结合，用于牙龈炎症表面特征的自动识别，提供了一种标准化和自动化的辅助工具	研究样本量较小（120名患者），且仅针对牙周炎患者，可能限制了结果的普遍适用性	开发一种客观、可量化的牙龈炎症表面特征识别方法，以辅助临床诊断	120名牙周炎患者的牙周探诊数据和口腔内扫描图像	数字病理	牙周炎	口腔内扫描（IOS）	GC-U-Net	图像	120名牙周炎患者
1006	2025-05-13	DKCN-Net: Deep kronecker convolutional neural network-based lung disease detection with federated learning 2025-Jun, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2025.108376 PMID:39986257	研究论文	提出了一种基于深度克罗内克卷积神经网络（DKCN-Net）和联邦学习（FL）的肺病检测方法	结合联邦学习保护患者数据隐私，并引入DKCN-Net提高肺病检测的准确性和稳定性	处理每个时间戳需要50秒，可能影响实时性	开发一种高稳定性且保护隐私的肺病检测技术	肺病检测	数字病理学	肺癌	联邦学习（FL）、自适应高斯滤波（AGF）、深度模糊聚类（DFC）	DKCN-Net（结合DKN和PCNN）、3D-FCN	CT图像	来自LIDC-IDRI数据库的CT图像
1007	2025-05-13	Bootstrap inference and machine learning reveal core differential plasma metabolic connectome signatures in major depressive disorder 2025-Jun-01, Journal of affective disorders IF:4.9Q1 DOI:10.1016/j.jad.2025.02.109 PMID:40044084	研究论文	通过自举推断和机器学习方法，研究重度抑郁症（MDD）患者血浆代谢网络的核心差异特征	首次大规模应用代谢网络分析方法揭示MDD患者代谢网络的显著重组特征，特别是亚油酸代谢途径的异常	研究仅基于英国生物银行数据，可能无法完全代表其他人群	探索重度抑郁症的代谢网络特征及其诊断潜力	182,053名英国生物银行参与者（9,425名MDD患者和172,628名健康对照）	机器学习	重度抑郁症	代谢组学网络分析、自举推断分析	极端梯度提升模型（XGBoost）、深度学习模型	血浆代谢组数据	182,053名参与者（9,425例MDD患者和172,628名健康对照）
1008	2025-05-13	Development of a digital algorithm for assessing tumor-stroma ratio, tumor budding and tumor infiltrating lymphocytes in vulvar squamous cell carcinomas 2025-Jun, Annals of diagnostic pathology IF:1.5Q3 DOI:10.1016/j.anndiagpath.2025.152462 PMID:40048885	研究论文	开发一种数字算法用于评估外阴鳞状细胞癌中的肿瘤-间质比、肿瘤芽和肿瘤浸润淋巴细胞	首次开发了一种基于深度学习的数字方法，用于自动评估外阴鳞状细胞癌中的肿瘤-间质比、肿瘤芽和肿瘤浸润淋巴细胞	研究样本量较小（41例），需要更大规模的验证，并且临床相关性尚未确定	开发一种自动化的数字方法来评估外阴鳞状细胞癌中的预后标志物，并研究这些标志物与p16状态的关系	外阴鳞状细胞癌（VSCC）	数字病理学	外阴鳞状细胞癌	深度学习	APP（应用协议包）	图像	41例外阴鳞状细胞癌病例
1009	2025-05-13	Enhancing atrial fibrillation detection in PPG analysis with sparse labels through contrastive learning 2025-Jun, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108698 PMID:40054320	研究论文	本研究探讨了自监督对比学习在基于PPG的心房颤动检测中的应用，以减少对标记数据的依赖	使用自监督对比学习框架（SimCLR和BYOL）预训练模型，显著减少了对标记数据的需求，并在少量标记数据上微调后取得了优于监督学习的效果	研究仅针对PPG数据，未验证在其他生理信号上的适用性	提高基于PPG的心房颤动检测的准确性，同时减少对标记数据的依赖	PPG信号数据	机器学习	心血管疾病	对比学习（SimCLR和BYOL）	自监督学习模型	PPG信号	1,209小时未标记PPG数据（来自VitalDB数据库）以及少量标记数据（来自MIMIC III、UMass和DeepBeat数据集）
1010	2025-05-13	Automated Detection of Microcracks Within Second Harmonic Generation Images of Cartilage Using Deep Learning 2025-Jun, Journal of orthopaedic research : official publication of the Orthopaedic Research Society IF:2.1Q2 DOI:10.1002/jor.26071 PMID:40113341	research paper	该研究开发了一个基于YOLOv8的深度学习模型，用于自动检测、分割和量化软骨微裂纹	首次使用YOLOv8深度学习模型自动化检测软骨微裂纹，显著提高了检测效率和准确性	模型在微裂纹方向估计上存在中等程度的变异性，数据集需要扩展到更多解剖区域和疾病阶段	开发自动化工具以促进软骨微裂纹研究，并理解早期软骨损伤	关节软骨中的微裂纹	digital pathology	osteoarthritis	second harmonic generation (SHG) imaging	YOLOv8	image	未明确提及具体样本数量
1011	2025-05-13	Computer-aided assessment for enlarged fetal heart with deep learning model 2025-May-16, iScience IF:4.6Q1 DOI:10.1016/j.isci.2025.112288 PMID:40343273	研究论文	本文提出了一种基于YOLO架构的深度学习方法，用于自动化胎儿心脏扩大的评估	使用YOLOv8结合CBAM模块以及ResNeXtBlock残差网络，提高了胎儿心脏扩大检测的准确性和预测一致性	需要进一步验证以确认其临床适用性	通过自动化评估胎儿心脏扩大，提高产前筛查的准确性和效率	胎儿心脏扩大的超声视频	计算机视觉	先天性心脏病	深度学习	YOLOv8, YOLOv11, ResNeXtBlock	超声视频	NA
1012	2025-05-13	NeuroPred-AIMP: Multimodal Deep Learning for Neuropeptide Prediction via Protein Language Modeling and Temporal Convolutional Networks 2025-May-12, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c00444 PMID:40258183	研究论文	提出了一种名为NeuroPred-AIMP的多模态深度学习模型，用于通过蛋白质语言建模和时间卷积网络预测神经肽	结合蛋白质语言模型(ESM)的全局语义表示和时间卷积网络(TCN)的多尺度结构特征，引入残差增强的自适应特征融合机制，动态重新校准特征贡献，实现进化和局部序列信息的稳健整合	依赖于有限的实验验证数据，可能影响模型的泛化能力	提高神经肽识别的准确性，以促进神经系统疾病治疗和基于肽的药物设计	神经肽	自然语言处理	神经系统疾病	蛋白质语言建模，时间卷积网络	ESM, TCN	蛋白质序列数据	NA
1013	2025-05-13	COLOR: A Compositional Linear Operation-Based Representation of Protein Sequences for Identification of Monomer Contributions to Properties 2025-May-12, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c00205 PMID:40272990	research paper	该论文提出了一种基于可解释深度学习模型的蛋白质序列表示方法，用于识别单体对蛋白质特性的贡献	引入具有可解释步骤的深度学习模型，直接追踪单体贡献，并提出新的定量分析指标	主要应用于分类任务，如结合位点识别，且在这些任务中准确率有限（40-45%）	开发一种可解释的蛋白质序列表示方法，用于识别关键功能基序	蛋白质序列，特别是抗癌肽（ACP）、抗菌肽（AMP）和胶原蛋白	natural language processing	NA	深度学习，可解释AI（XAI）	DL	蛋白质序列数据	主要包含抗癌肽（ACP）、抗菌肽（AMP）和胶原蛋白的数据集
1014	2025-05-13	Piezoelectret Textile Dressing for Biosignal Monitored Wound Healing 2025-May-12, Small (Weinheim an der Bergstrasse, Germany) DOI:10.1002/smll.202503130 PMID:40351106	research paper	介绍了一种新型旋转喷射纺纱压电驻极体纺织品，用于生物信号监测和伤口愈合	首次报道了旋转喷射纺纱压电驻极体纺织品，其压电输出性能通过电极化提高了150%的电压和200%的电流	未提及具体样本量或临床测试规模	开发一种兼具功能性和舒适性的智能纺织品传感器，用于生物医学技术	压电驻极体纺织品及其在生物信号监测和伤口愈合中的应用	可穿戴技术	伤口愈合	旋转喷射纺纱技术	深度学习辅助压力映射	生理信号（如脉搏和呼吸频率）	NA
1015	2025-05-13	Groupwise image registration with edge-based loss for low-SNR cardiac MRI 2025-May-12, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.30486 PMID:40353517	研究论文	本研究提出了一种基于深度学习的图像配准方法AiM-ED，用于低信噪比(SNR)心脏MRI图像的配准和平均	提出了一种结合预训练边缘检测器的噪声鲁棒性深度学习方法AiM-ED，用于多幅噪声源图像的联合配准	样本量相对较小(健康受试者24个切片，患者5+6个切片)，且仅在LGE成像上验证	解决低场强下单次激发心脏MRI图像的低SNR问题，提高图像配准质量	心脏MRI图像(合成LGE图像和真实自由呼吸单次激发LGE图像)	计算机视觉	心血管疾病	深度学习	AiM-ED(基于VoxelMorph改进)	医学图像(MRI)	35个切片(24个健康受试者+11个患者)
1016	2025-05-13	Deep Learning for Detecting Periapical Bone Rarefaction in Panoramic Radiographs: A Systematic Review and Critical Assessment 2025-May-12, Dento maxillo facial radiology DOI:10.1093/dmfr/twaf044 PMID:40353850	系统性综述	评估深度学习模型在全景X光片中检测根尖周骨稀疏的可行性和性能	首次系统性评估深度学习模型在根尖周骨稀疏检测中的应用，并识别了当前研究中的分类空白和关键挑战	研究存在样本量小、数据多样性不足、报告指标不统一等问题，限制了模型的泛化能力和可比性	评估深度学习模型在牙科影像诊断中的应用潜力	全景X光片中的根尖周骨稀疏病变	数字病理	牙科疾病	深度学习	U-NET, YOLO	影像	12项研究（多数来自亚洲，占58.3%）
1017	2025-05-13	Development and evaluation of an early childhood caries prediction model: a deep learning-based hybrid statistical modelling approach 2025-May-12, European archives of paediatric dentistry : official journal of the European Academy of Paediatric Dentistry IF:2.3Q2 DOI:10.1007/s40368-025-01046-1 PMID:40354021	研究论文	开发并评估了一种基于深度学习的混合统计模型，用于预测儿童早期龋齿（ECC）	结合了bootstrap方法、逻辑回归建模（LRM）和多层前馈神经网络（MLFFNN）的混合统计方法，提高了预测的准确性和可解释性	样本量较小（157对亲子），且研究设计为横断面研究，可能限制了结果的普遍性	开发并评估一种高准确性和可解释性的儿童早期龋齿预测模型	157对亲子	机器学习	儿童早期龋齿	bootstrap方法、逻辑回归建模（LRM）、多层前馈神经网络（MLFFNN）	混合统计模型（LRM + MLFFNN）	问卷调查数据	157对亲子
1018	2025-05-13	Enhancing segmentation accuracy of the common iliac vein in OLIF51 surgery in intraoperative endoscopic video through gamma correction: a deep learning approach 2025-May-11, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-025-03388-z PMID:40349282	研究论文	本研究开发并评估了一种深度学习模型，用于在OLIF51手术中从术中内窥镜视频中分割髂总静脉，以减少血管损伤风险	采用U-Net++与ResNet18结合的结构，并应用伽马校正预处理以提高分割精度	需要进一步研究和模型优化以适应临床应用	提高OLIF51手术中髂总静脉的分割准确性以减少血管损伤风险	髂总静脉	计算机视觉	退行性腰骶椎疾病	深度学习	U-Net, U-Net++ with ResNet18	内窥镜视频图像	614张OLIF51手术内窥镜图像
1019	2025-05-13	Learning-based multi-material CBCT image reconstruction with ultra-slow kV switching 2025-May-11, Journal of X-ray science and technology IF:1.7Q3 DOI:10.1177/08953996251331790 PMID:40350700	research paper	本研究开发了一种名为SkV-Net的深度神经网络，用于从超慢kV切换技术获取的超稀疏光谱CBCT投影中重建多种材料密度图像	提出了一种新型的深度神经网络SkV-Net，采用U-Net主干结构和多头轴向注意力模块，能够基于能量依赖性衰减特性自动输出基础材料图像	NA	为基于超慢kV切换方案的光谱CBCT成像系统提供一种多材料分解方法	光谱锥束CT（CBCT）成像	medical imaging	NA	deep learning, spectral cone-beam CT (CBCT) imaging, ultra-slow kV switching	U-Net with multi-head axial attention module (SkV-Net)	spectral CBCT projections	numerical simulations and experimental studies
1020	2025-05-13	Climate change prediction in Saudi Arabia using a CNN GRU LSTM hybrid deep learning model in al Qassim region 2025-May-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-00607-0 PMID:40346151	研究论文	使用CNN-GRU-LSTM混合深度学习模型预测沙特阿拉伯Al-Qassim地区的气候变化趋势	提出了一种独特的CNN-GRU-LSTM混合深度学习架构，用于预测气候变化，并在所有四种气候情景中优于传统回归方法	研究仅针对沙特阿拉伯Al-Qassim地区，可能无法推广到其他地区	预测气候变化趋势，以指导环境政策和城市发展决策	Al-Qassim地区的气候数据	机器学习	NA	SMOGN（合成少数过采样技术回归与高斯噪声）	CNN-GRU-LSTM混合模型	气候数据（温度、露点温度、能见度距离、海平面气压）	数据集分为训练集（70%）、验证集（15%）和测试集（15%）