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
1101	2025-07-04	EstimateNoiseSEM: A novel framework for deep learning based noise estimation of scanning electron microscopy images 2025-Jun-28, Ultramicroscopy IF:2.1Q2 DOI:10.1016/j.ultramic.2025.114192 PMID:40602325	研究论文	本文介绍了一种名为EstimateNoiseSEM的框架，用于自动化扫描电子显微镜（SEM）图像中的噪声估计	提出了一个多阶段深度学习方案，包括分类网络选择机制，用于优化噪声类型分类和噪声水平预测	Gamma噪声分类的准确率从97%下降到80%，由于Gamma噪声水平的不确定性	自动化估计SEM图像中的噪声类型和水平，以支持去噪过程	扫描电子显微镜（SEM）图像	计算机视觉	NA	深度学习	分类网络和回归模型	图像	合成噪声样本和实际SEM图像
1102	2025-07-04	Radiomic 'Stress Test': exploration of a deep learning radiomic model in a high-risk prospective lung nodule cohort 2025-Jun-27, BMJ open respiratory research IF:3.6Q1 DOI:10.1136/bmjresp-2024-002687 PMID:40579208	研究论文	本研究探讨了深度学习放射组学模型在高风险前瞻性肺结节队列中的应用，以评估其减少侵入性活检需求的潜力	首次在高风险前瞻性肺结节队列中评估了LCP放射组学模型的诊断性能，并开发了结合临床变量的集成模型	研究样本量相对有限（196恶性结节和125良性结节），且仅在单一三级医疗中心进行	评估深度学习放射组学模型在肺结节恶性风险预测中的性能，并探索减少不必要侵入性活检的可能性	不确定肺结节（IPNs）患者	数字病理	肺癌	深度学习放射组学	深度学习模型（LCP）	医学影像	321例肺结节（196恶性，125良性）
1103	2025-07-04	Deep learning for hydrocephalus prognosis: Advances, challenges, and future directions: A review 2025-Jun-27, Medicine IF:1.3Q2 DOI:10.1097/MD.0000000000043082 PMID:40587678	综述	本文综述了深度学习在脑积水的诊断和预后中的应用，重点关注基于图像、生化和结构化数据的模型	深度学习在脑积水预后预测中展现出新的技术优势，特别是在医学图像分析方面，其准确率、敏感性和特异性均优于传统方法	综述文章未具体提及深度学习在脑积水预后中的具体局限性，但暗示了传统经验方法的不足	探讨深度学习在脑积水诊断和预后中的应用，以提升个性化治疗和改善治疗效果	脑积水患者	数字病理学	脑积水	深度学习	CNN	图像、生化数据、结构化数据	NA
1104	2025-07-04	FSDA-DG: Improving cross-domain generalizability of medical image segmentation with few source domain annotations 2025-Jun-27, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103704 PMID:40602210	研究论文	提出了一种名为FSDA-DG的新方法，旨在通过少量源域标注提高医学图像分割的跨域泛化能力	引入了语义引导的半监督数据增强方法，结合多解码器U-Net管道半监督学习网络，以增强数据分布和域不变表示学习	仅在两个具有有限标注的单域泛化任务中进行了验证，可能需要更多样化的数据集来进一步验证其泛化能力	提高医学图像分割在跨域情况下的泛化能力，减少数据标注和开发成本	医学图像分割	数字病理	NA	半监督学习(SSL)	多解码器U-Net	图像	NA
1105	2025-07-04	Speech imagery brain-computer interfaces: a systematic literature review 2025-Jun-26, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/ade28e PMID:40490003	系统综述	本文系统综述了语音意象脑机接口（SI-BCI）解码流程的重要方面	总结了语音意象解码领域20年来的研究趋势，比较了不同神经影像模态和信号处理方法，并量化了解码效率	只有不到6%的研究报告了实时解码，大多数研究集中在离线分析上，方法多样性导致难以确定当前最先进水平	评估语音意象作为脑机接口范式的潜力和现状	语音意象（SI）及其在脑机接口中的应用	脑机接口	NA	神经影像技术（未具体说明）	深度学习模型	神经信号数据	104篇同行评议报告
1106	2025-07-04	Learning from small datasets-review of workshop 6 of the 10th International BCI Meeting 2023 2025-Jun-24, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/addf80 PMID:40456256	review	本文回顾了2023年第十届国际BCI会议第六次研讨会的内容，重点讨论了在小数据集上训练分类或回归机器学习模型的最新技术	探讨了传统机器学习和深度学习方法在小数据集上的应用，并讨论了相关Python工具箱和分类模型基准测试	NA	减少脑机接口(BCI)中的校准时间，提高BCI应用的可用性和用户接受度	脑机接口(BCI)的解码器模型	machine learning	NA	NA	classification or regression machine learning models	small datasets	NA
1107	2025-07-04	Investigating correlations between mental disorders and fundus imaging data using deep learning: A study from the UK Biobank 2025-Jun-24, Retina (Philadelphia, Pa.) DOI:10.1097/IAE.0000000000004574 PMID:40601933	研究论文	本研究利用深度学习技术探索眼底成像数据与精神障碍之间的关联，并评估其在非侵入性早期检测中的潜力	首次采用深度学习多模态训练方法分析眼底成像特征与精神障碍的相关性，并提出一种非侵入性早期检测的新途径	研究样本量相对有限（1494名参与者），且结果需要更大规模研究验证	自动识别精神行为障碍并解释精神疾病与眼底生物标志物之间的潜在关联	UK Biobank数据库中1494名参与者的眼底图像和OCT测量特征	数字病理学	精神障碍	光学相干断层扫描(OCT)	深度学习多模态模型、Random Forest分类器、Linear分类器	图像（眼底图像和OCT扫描数据）	1494名UK Biobank参与者
1108	2025-07-04	Fast intraoperative detection of primary central nervous system lymphoma and differentiation from common central nervous system tumors using stimulated Raman histology and deep learning 2025-Jun-21, Neuro-oncology IF:16.4Q1 DOI:10.1093/neuonc/noae270 PMID:39673805	研究论文	结合受激拉曼组织学（SRH）和深度学习技术，开发了一种名为RapidLymphoma的快速术中检测方法，用于区分原发性中枢神经系统淋巴瘤（PCNSL）和其他中枢神经系统肿瘤	首次将SRH与深度学习结合，实现了PCNSL的快速术中检测和鉴别，准确率高且速度快	研究样本主要来自四个国际医疗中心，可能存在一定的样本选择偏差	开发一种快速、准确的术中检测方法，以区分PCNSL和其他中枢神经系统肿瘤	原发性中枢神经系统淋巴瘤（PCNSL）和其他中枢神经系统肿瘤	数字病理学	中枢神经系统淋巴瘤	受激拉曼组织学（SRH）	深度学习	图像	训练数据包括54,000个SRH图像块，测试队列包括160、420和59个样本
1109	2025-07-04	Validation of an artificial intelligence-based algorithm for predictive performance and risk stratification of sepsis using real-world data from hospitalised patients: a prospective observational study 2025-Jun-20, BMJ health & care informatics IF:4.1Q2 DOI:10.1136/bmjhci-2024-101353 PMID:40541404	研究论文	本研究验证了一种基于深度学习的算法VC-SEPS在预测败血症和患者风险分层方面的性能	前瞻性比较了医疗人工智能软件算法与传统评分系统在预测败血症方面的性能	研究仅在一家医院进行，样本量相对有限	验证VC-SEPS算法在早期预测败血症和风险分层中的性能	住院患者	数字病理学	败血症	深度学习	深度学习算法	电子医疗记录数据	6,455名患者，其中325名被诊断为败血症
1110	2025-07-04	Prenatal detection of congenital heart defects using the deep learning-based image and video analysis: protocol for Clinical Artificial Intelligence in Fetal Echocardiography (CAIFE), an international multicentre multidisciplinary study 2025-Jun-05, BMJ open IF:2.4Q1 DOI:10.1136/bmjopen-2025-101263 PMID:40473283	研究论文	本研究旨在开发基于深度学习的图像和视频分析技术，用于产前先天性心脏缺陷的检测	提出一个国际多中心多学科合作的研究协议，利用AI模型实时支持临床医生检测胎儿先天性心脏缺陷，特别是在资源匮乏或非专业环境中	目前AI模型在先天性心脏缺陷检测上的准确性不足，部分原因是缺乏足够的超声数据用于机器学习，且CHD罕见且异质性高	开发能够区分正常胎儿心脏和先天性心脏缺陷的AI模型，并识别特定类型的CHD	胎儿心脏超声图像和视频	数字病理	先天性心脏病	深度学习	AI模型	图像和视频	16,400例回顾性和前瞻性超声扫描（包括13,000例正常胎儿心脏和1,000例CHD胎儿的回顾性数据，以及2,000例正常胎儿心脏和400例主要CHD胎儿的前瞻性数据）
1111	2025-07-04	Referenceless 4D flow cardiovascular magnetic resonance with deep learning 2025-Jun-02, Journal of cardiovascular magnetic resonance : official journal of the Society for Cardiovascular Magnetic Resonance IF:4.2Q1 DOI:10.1016/j.jocmr.2025.101920 PMID:40467036	研究论文	本研究利用深度学习预测心血管4D流动磁共振成像中的参考编码，以减少扫描时间	首次提出使用深度学习预测参考编码，从而减少25%的数据采集量，缩短扫描时间或提高分辨率	在左心室和右心室的总湍流动能测量中存在较大误差	改进心血管疾病的评估方法，减少4D流动磁共振成像的扫描时间	126名不同类型心肌病患者的心脏4D流动数据集	医学影像处理	心血管疾病	4D流动心血管磁共振成像	U-NetADV, U-NetVEL	医学影像数据	126名患者（113名用于训练，13名用于测试）
1112	2025-07-04	Retraction: A deep learning model for estimating sedation levels using heart rate variability and vital signs: a retrospective cross-sectional study at a center in South Korea 2025-Jun-02, Acute and critical care IF:1.7Q3 DOI:10.4266/acc.2024.01200.r1 PMID:40602482	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1113	2025-07-04	Subclinical tremor differentiation using long short-term memory networks 2025-Jun, Physical and engineering sciences in medicine IF:2.4Q2 DOI:10.1007/s13246-025-01526-0 PMID:39992543	研究论文	本研究利用长短期记忆网络（LSTM）开发了一种深度学习模型，用于区分帕金森病（PD）、原发性震颤（ET）和正常生理性震颤的亚临床震颤	该研究首次采用LSTM网络处理亚临床震颤数据，并在低振幅震颤分类上比现有方法提高了30-50%的准确率	未来需要增强模型的可解释性，并在更大、更多样化的数据集（包括动作性震颤）上进行验证	开发能够区分PD、ET和正常生理性震颤的亚临床震颤的AI模型	帕金森病（PD）、原发性震颤（ET）和正常受试者的亚临床震颤数据	机器学习	帕金森病	短时傅里叶变换	LSTM	传感器数据	51名PD患者、15名ET患者和58名正常受试者
1114	2025-07-04	Deep Learning-Based Models for Ventricular Segmentation in Hydrocephalus: A Systematic Review and Meta-Analysis 2025-Jun, World neurosurgery IF:1.9Q2 DOI:10.1016/j.wneu.2025.124001 PMID:40306409	meta-analysis	本文通过系统综述和荟萃分析评估了深度学习模型在脑积水患者心室分割中的性能	首次对深度学习模型在脑积水心室分割中的应用进行系统评价和荟萃分析	纳入研究数量有限（24项），且不同研究间可能存在异质性	评估深度学习模型在脑积水心室分割中的性能表现	脑积水患者的心室影像数据	数字病理学	脑积水	深度学习	DL-based models	医学影像（MRI/CT/超声）	24项研究共2911名患者
1115	2025-07-04	FaceAge, a deep learning system to estimate biological age from face photographs to improve prognostication: a model development and validation study 2025-Jun, The Lancet. Digital health DOI:10.1016/j.landig.2025.03.002 PMID:40345937	研究论文	开发并验证了一个名为FaceAge的深度学习系统，通过面部照片估计生物年龄以改善癌症患者的预后预测	利用深度学习从面部照片中客观估计生物年龄，并将其应用于癌症患者的生存预测和临床决策支持	需要在更大的队列中进一步验证，并探索是否适用于其他疾病患者	开发一个能够从面部照片估计生物年龄的系统，以改善癌症患者的预后预测	健康个体和癌症患者的面部照片	计算机视觉	癌症	深度学习	CNN	图像	训练集包含58,851名健康个体，验证集包含6,196名癌症患者
1116	2025-07-04	The value of artificial intelligence in PSMA PET: a pathway to improved efficiency and results 2025-Jun, The quarterly journal of nuclear medicine and molecular imaging : official publication of the Italian Association of Nuclear Medicine (AIMN) [and] the International Association of Radiopharmacology (IAR), [and] Section of the Society of... DOI:10.23736/S1824-4785.25.03640-4 PMID:40444499	系统综述	本文系统综述了人工智能（AI）在提高前列腺特异性膜抗原正电子发射断层扫描（PSMA PET）检测转移性前列腺癌准确性和效率方面的潜力	探讨了AI在PSMA PET扫描中的多种应用，包括提高诊断准确性、敏感性、区分良性病变、报告标准化以及预测治疗反应	性能存在显著变异性，部分算法的'黑箱'性质，需要更大规模的前瞻性研究和改进模型可解释性	研究AI在PSMA PET扫描中提高转移性前列腺癌检测准确性和效率的潜力	前列腺癌患者的PSMA PET扫描数据	数字病理学	前列腺癌	PSMA PET扫描	机器学习（ML）、深度学习（DL）、卷积神经网络（CNN）	医学影像	22项研究，包括前瞻性和回顾性设计
1117	2025-07-04	Refined selection of individuals for preventive cardiovascular disease treatment with a transformer-based risk model 2025-Jun, The Lancet. Digital health DOI:10.1016/j.landig.2025.03.005 PMID:40461349	研究论文	本研究开发并验证了一种基于Transformer的深度学习模型TRisk，用于预测心血管疾病的10年风险，旨在优化预防性治疗的个体选择	提出了一种新型的Transformer-based Risk assessment survival (TRisk)模型，在心血管疾病风险预测中表现出优于传统统计模型和现有深度学习模型的性能	研究未提及模型在其他种族或地区人群中的适用性，且未说明模型在临床实践中的实施难度	开发并验证一种能更精准识别需要心血管疾病预防性治疗个体的风险预测模型	25-84岁的成年人，包括普通人群和糖尿病患者	机器学习	心血管疾病	深度学习	Transformer	电子健康记录	来自英格兰291家全科诊所的300万成年人数据用于模型开发，98家诊所数据用于验证
1118	2025-07-04	Future Applications of Cardiothoracic CT 2025-Jun, Radiology IF:12.1Q1 DOI:10.1148/radiol.240085 PMID:40492912	综述	本文综述了光子计数CT(PCCT)、直立CT和人工智能(AI)在心胸CT成像和诊断中的未来应用	探讨了PCCT、直立CT和AI在心胸CT中的创新应用，包括降低辐射剂量、提高空间分辨率和改变放射科医生解读影像的方式	未提及具体临床实施中的挑战或限制	探讨心胸CT技术的未来发展方向和应用前景	心胸CT技术及其临床应用	数字病理	心血管疾病	光子计数CT(PCCT)、直立CT、四维CT、AI	深度学习	CT影像	NA
1119	2025-07-04	Pharmakon or the healing art: experience of artistic-transformative transdisciplinary workshops in fibromyalgia syndrome 2025-Jun, Clinical and experimental rheumatology IF:3.4Q2 DOI:10.55563/clinexprheumatol/yxhmcr PMID:40556605	研究论文	本研究验证了通过艺术转化工作坊在纤维肌痛综合征患者中改善生活质量、睡眠、自尊和自我效能的有效性	首次将艺术转化体验应用于纤维肌痛综合征患者的治疗，并验证其有效性	研究为观察性设计，缺乏对照组，且样本量相对较小	验证跨学科艺术转化路径对纤维肌痛综合征患者的治疗效果	纤维肌痛综合征患者	心理健康	纤维肌痛综合征	艺术转化工作坊（包括自传回顾、诗歌表达和视觉思维策略）	NA	问卷调查数据	109名纤维肌痛综合征患者
1120	2025-07-04	Predicting heavy metal concentration in crop grain using automated machine learning models 2025-Jun, Ying yong sheng tai xue bao = The journal of applied ecology DOI:10.13287/j.1001-9332.202506.018 PMID:40607569	研究论文	使用自动化机器学习模型预测作物籽粒中的重金属浓度	首次应用自动化机器学习（AutoML）模型预测作物籽粒中多种重金属的浓度，并比较了六种不同模型的性能	研究基于已有文献的数据集，可能受限于数据的质量和覆盖范围	预测和控制作物籽粒中的重金属污染	作物籽粒中的重金属（铬、镉、铅、砷、汞）浓度	机器学习	NA	自动化机器学习（AutoML）	DL, DRF, XRT, SE, GBM, GLM	结构化数据	791个数据集来自54篇出版物