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
1121	2025-09-13	EEG-based cerebral pattern analysis for neurological disorder detection via hybrid machine and deep learning approaches 2025-Nov, Journal of neuroscience methods IF:2.7Q3 DOI:10.1016/j.jneumeth.2025.110551 PMID:40816535	研究论文	本研究提出一种结合随机森林和卷积神经网络的混合模型，用于基于脑电图信号检测神经系统疾病	首次将基于特征的机器学习与基于图像的深度学习相结合，形成混合RF-CNN模型，显著提高了神经系统疾病检测的准确性	NA	开发高精度的神经系统疾病检测方法	轻度认知障碍(MCI)、阿尔茨海默病(AD)和癫痫(Ep)患者	机器学习	神经系统疾病	脑电图(EEG)信号分析、连续小波变换(CWT)	随机森林(RF)、卷积神经网络(CNN)、混合RF-CNN	EEG信号、频谱地形图、时频标量图	使用19通道EEG数据，具体样本数量未明确说明
1122	2025-09-13	Evaluation of the deep learning-based detection of dopaminergic neurons in primary culture: A practical alternative to manual counting 2025-Nov, Journal of neuroscience methods IF:2.7Q3 DOI:10.1016/j.jneumeth.2025.110557 PMID:40819676	研究论文	评估基于深度学习的方法在检测原代培养多巴胺能神经元中的应用，作为手动计数的实用替代方案	比较了传统级联分类器与基于YOLOv3的深度学习模型，后者在神经毒性条件下仍保持高精度，且处理速度比手动计数快七倍以上	研究主要针对体外培养的神经元，可能不直接适用于体内或其他细胞类型	开发并验证一种自动、客观的细胞计数方法，以替代劳动密集型且主观的手动计数	原代培养的酪氨酸羟化酶阳性多巴胺能神经元	数字病理学	神经退行性疾病	免疫染色，YOLOv3目标检测算法	YOLOv3	图像	NA
1123	2025-09-13	A physics-informed deep learning approach to predicting bilateral ground reaction forces and centre of pressure from a single forceplate during gait 2025-Oct, Gait & posture IF:2.2Q2 DOI:10.1016/j.gaitpost.2025.07.005 PMID:40618708	研究论文	本研究开发了一种物理信息残差循环神经网络，用于从单个测力台数据预测步态中的双侧地面反作用力和压力中心	提出了一种新型的物理信息残差循环神经网络(PI-ResRNN)，首次实现了使用单个测力台数据准确预测双侧GRF和COP	NA	开发并验证从单个测力台预测步态中双侧地面反作用力(GRF)和压力中心(COP)的深度学习方法	健康参与者和六种神经肌肉骨骼疾病患者	机器学习	神经肌肉骨骼疾病	深度学习，力板数据采集	物理信息残差循环神经网络(PI-ResRNN)	力板传感器数据	315名参与者，6765次试验数据
1124	2025-09-13	Recognition of Parkinson disease using Kriging Empirical Mode Decomposition via deep learning techniques 2025-Oct, Gait & posture IF:2.2Q2 DOI:10.1016/j.gaitpost.2025.06.024 PMID:40628146	研究论文	本文提出了一种使用克里金经验模态分解和深度学习技术识别帕金森病的方法	结合克里金经验模态分解与深度学习技术进行帕金森病识别	NA	开发帕金森病的识别方法	帕金森病患者	机器学习	帕金森病	Kriging Empirical Mode Decomposition, deep learning	深度学习模型	NA	NA
1125	2025-09-13	Pharmacoutilization data-driven artificial intelligence-assisted diagnosis algorithm to improve the pharmacological treatment of pain and agitation in patients suffering from severe dementia 2025-Oct, Current opinion in pharmacology IF:4.0Q1 DOI:10.1016/j.coph.2025.102563 PMID:40815967	研究论文	本研究开发了一种基于药物利用数据和人工智能的算法，用于改善重度痴呆患者的疼痛和躁动药物治疗，并辅助阿尔茨海默病的诊断	利用药理学时间序列数据和自编码器构建AI算法，从大规模社区回顾性研究中识别漏诊的阿尔茨海默病患者	需要进一步研究和纵向患者监测来改进疾病检测和管理	通过先进人工智能方法诊断阿尔茨海默病，改善痴呆患者的疼痛和躁动药物治疗	298,000名个体（其中84,235名60岁以上老年人），包括114,920名未诊断AD患者和1,150名已诊断患者	医疗人工智能	阿尔茨海默病	药理学数据分析、深度学习	自编码器	药理学时间序列数据	298,000名个体（84,235名60岁以上老年人）
1126	2025-09-13	An iterative deep learning-guided algorithm for directed protein evolution 2025-Sep-19, iScience IF:4.6Q1 DOI:10.1016/j.isci.2025.113324 PMID:40927680	研究论文	提出一种基于深度学习的迭代算法DeepDE，用于指导蛋白质定向进化	利用三重突变体作为构建块，通过紧凑的约1000个突变体库进行训练，显著扩展序列空间探索能力	算法性能依赖于有限规模的实验筛选（约1000个变异体），可能受数据稀疏性问题约束	开发高效的蛋白质定向进化算法以提升蛋白质活性	绿色荧光蛋白（GFP）	机器学习	NA	深度学习指导的蛋白质工程	深度学习	蛋白质序列数据	约1000个突变体组成的训练库
1127	2025-09-13	Ex vivo human brain volumetry: Validation of MRI measurements 2025-Sep-12, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.70083 PMID:40937565	研究论文	本研究通过离体人脑标本验证MRI脑体积测量的准确性，并与水置换法（WDM）金标准进行比较	首次使用离体原位人脑标本系统验证多种MRI序列（T2加权、T1加权、MP2RAGE）的体积测量准确性，并对比手动与深度学习自动分割方法	样本量较小（仅7个解剖头部），且为离体固定标本，可能与活体组织存在差异	验证MRI脑体积测量工具的准确性	经酒精-甲醛溶液固定的七个人类解剖头部标本	医学影像分析	NA	MRI（T2加权、T1加权、MP2RAGE序列），水置换法（WDM）	深度学习分割工具（SynthSeg）	MRI图像	7个固定的人脑标本
1128	2025-09-13	Leveraging modified ex situ tomography data for segmentation of in situ synchrotron X-ray computed tomography 2025-Sep-12, Journal of microscopy IF:1.5Q3 DOI:10.1111/jmi.70032 PMID:40938296	研究论文	提出一种利用改进的离位断层扫描数据训练深度学习模型，用于在位同步辐射X射线计算机断层扫描的自动分割方法	通过将高质量离位实验室数据转换为适用于在位同步辐射数据分割的训练数据，解决了训练数据有限的问题，并采用改进的SegFormer架构达到与人工标注相当的可靠性	仅使用静态样本进行训练，但需要在实验过程中保持对显著形态变化的鲁棒性能	开发高效的自动分割方法以分析动态材料研究中的时间分辨断层扫描数据	金属氧化物溶解过程中的材料形态变化	计算机视觉	NA	同步辐射X射线计算机断层扫描，深度学习分割	改进的SegFormer架构	3D断层扫描图像数据	未明确说明具体样本数量，但涉及典型在位实验产生的大量时间分辨断层数据
1129	2025-09-13	Towards reliable prediction of intraoperative hypotension: a cross-center evaluation of deep learning-based and MAP-derived methods 2025-Sep-12, Journal of clinical monitoring and computing IF:2.0Q2 DOI:10.1007/s10877-025-01357-0 PMID:40938328	研究论文	本研究评估深度学习方法和MAP阈值方法在预测术中低血压方面的可靠性，并通过跨中心验证揭示数据选择偏差对模型泛化能力的影响	引入包含血压边界案例（65-75 mmHg '灰色区域'）的评估框架，标准化MAP差异以减少数据集特定偏差，并发现模型在年龄维度上的不对称泛化特性	研究仅基于两个医疗中心的数据集（瑞典卡罗林斯卡大学医院和韩国VitalDB），可能需要更多样化的数据源验证	提高术中低血压预测AI工具在真实世界中的可靠性和泛化能力	术中低血压（IOH）患者	医疗人工智能	心血管疾病	深度学习，MAP阈值分析	深度学习模型	血压监测数据	来自瑞典和韩国两个医疗中心的多样化手术队列数据集
1130	2025-09-13	Bimodal ECG and PCG Cardiovascular Disease Detection: Exploring the Potential and Modality Contribution 2025-Sep-12, Journal of medical systems IF:3.5Q2 DOI:10.1007/s10916-025-02245-5 PMID:40938506	研究论文	提出一种结合ECG和PCG信号的双模态深度学习模型，用于心血管疾病的早期检测	利用预训练CNN处理PCG信号并通过后期融合整合ECG分支，显著提升检测性能并量化两种模态的贡献	仅使用当前唯一公开的双模态数据集MITHSDB的增强版本，数据规模和多样性有限	增强心血管疾病的早期检测能力	心血管疾病患者	机器学习	心血管疾病	深度学习、信号处理	CNN、1D-CNN	ECG和PCG信号	基于MITHSDB数据集的增强版本（具体数量未明确说明）
1131	2025-09-13	Artificial intelligence in cardiac telemetry 2025-Sep-11, Heart (British Cardiac Society) DOI:10.1136/heartjnl-2024-323947 PMID:40122590	综述	本文回顾了人工智能在心脏遥测中的应用现状，重点关注深度学习技术、临床实践、挑战及未来方向	从传统统计机器学习转向先进深度神经网络，提升实时监测与个性化心脏护理能力	面临模型挑战与局限性，具体未在摘要中详细说明	探索人工智能在心脏遥测中的集成与应用，以改善心脏异常早期检测	心脏遥测数据与人工智能模型	机器学习	心血管疾病	深度学习	深度神经网络	遥测数据	NA
1132	2025-09-13	High-performance identification of insulating materials by using generalized spectrum in laser-induced breakdown spectroscopy 2025-Sep-11, Analytical methods : advancing methods and applications IF:2.7Q1 DOI:10.1039/d5ay01151e PMID:40838327	研究论文	提出一种基于激光诱导击穿光谱的广义谱方法（GSM-LIBS），用于高性能识别绝缘材料	GSM-LIBS通过整合多种光谱特征（如峰强度、积分强度、强度比、辐射背景和光谱形状），在降维的同时保留PCA方法可能丢失的全局和局部信息	NA	开发高性能绝缘材料识别方法以减少资源浪费和污染	七类绝缘材料	光谱分析	NA	激光诱导击穿光谱（LIBS）	KNN, SVM, 神经网络（NN）	光谱数据	七类绝缘材料样本（具体数量未说明）
1133	2025-09-13	Beyond Contact: An Open-Set Biometric Identification System Using Radar-Extracted Heart Signals 2025-Sep-11, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3608801 PMID:40932807	研究论文	提出一种基于雷达的非接触式生物特征识别框架，通过心脏信号提取实现开放集人员身份识别	利用雷达提取心脏运动数据重建ECG信号，结合ECGReconNet和增强型InceptionTime模型，采用超球面划分方法区分已知与未知个体	对突发身体运动和环境噪声敏感，心脏严重异常时性能可能下降，未知身份数量增加时效果降低	开发安全且保护隐私的非接触式生物特征识别系统	人类心脏信号	生物特征识别	NA	雷达信号处理，ECG信号重建	ECGReconNet, InceptionTime with fixed-CAC loss	雷达信号，心脏运动数据	27名受试者（闭集测试），14名已知+13名未知受试者（开集测试）
1134	2025-09-13	A Lightweight Network with Uncertainty-Guided Latent Space Refinement for Multi-Modal Brain Tissue and Tumor Extraction 2025-Sep-11, IEEE transactions on computational biology and bioinformatics DOI:10.1109/TCBBIO.2025.3609333 PMID:40932804	研究论文	提出一种轻量级网络UMNet，通过不确定性引导的潜在空间优化实现多模态脑组织和肿瘤提取	引入模态特异性不确定性正则化特征融合模块（M-SUM）和不确定性增强损失函数（U-Loss），显式建模预测不确定性与误差的关系	NA	改进多模态脑影像中组织和肿瘤的自动分割精度	脑组织和脑肿瘤	数字病理	脑肿瘤	深度学习	CNN	多模态医学影像	NA
1135	2025-09-13	Evaluation of the Detectability of Oral Potentially Malignant Diseases with a Deep Learning Approach: A Retrospective Pilot Study 2025-Sep-11, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01665-6 PMID:40936018	研究论文	本研究评估基于深度学习的方法在口腔潜在恶性病变检测中的可行性	首次使用YOLOv8架构的深度学习模型进行口腔潜在恶性病变的自动检测	回顾性研究、样本量有限、需要多中心数据和外部验证进行临床转化	评估深度学习诊断软件在检测口腔潜在恶性病变方面的性能	经组织病理学诊断为口腔扁平苔藓、口腔白斑或口腔癌的患者	计算机视觉	口腔癌	深度学习	YOLOv8	图像	358张匿名回顾性口内图像
1136	2025-09-13	Training With Local Data Remains Important for Deep Learning MRI Prostate Cancer Detection 2025-Sep-11, Canadian Association of Radiologists journal = Journal l'Association canadienne des radiologistes DOI:10.1177/08465371251367620 PMID:40936310	研究论文	本研究评估了使用本地数据训练深度学习模型对MRI前列腺癌分割的重要性，特别是在存在领域偏移的情况下	首次在大规模队列（超过1000例）中系统评估领域偏移对MRI前列腺癌分割模型性能的影响，并量化了本地数据的最小需求	研究基于模拟的多机构联盟数据，可能无法完全代表真实世界的临床多样性	评估前列腺癌分割模型在领域偏移条件下的性能表现，比较本地训练和外部数据训练的效果	前列腺癌患者的MRI影像数据	数字病理	前列腺癌	MRI影像分析，nnUNet-v2模型训练	nnUNet-v2	医学影像（MRI）	PICAI数据集：1241训练+259测试；本地数据集：1400训练+308测试
1137	2025-09-13	Prognostic models for radiation-induced complications after radiotherapy in head and neck cancer patients 2025-Sep-10, The Cochrane database of systematic reviews DOI:10.1002/14651858.CD014745.pub2 PMID:40927975	系统综述	对头颈癌患者放疗后放射性并发症的预测模型进行系统识别、描述和评估	首次全面评估头颈癌放疗后正常组织并发症概率（NTCP）模型的质量、偏倚风险和预测性能	大多数模型缺乏外部验证，验证研究存在高偏倚风险，校准性能报告不充分	评估NTCP模型在预测头颈癌患者放疗副作用风险中的有效性和可靠性	头颈癌患者	医学预测模型	头颈癌	NTCP建模，C统计量分析，校准评估	预测模型	临床数据	143项研究中的140,767名头颈癌患者
1138	2025-09-13	EEGOpt: A performance efficient Bayesian optimization framework for automated EEG signal classification 2025-Sep-10, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.111023 PMID:40934551	研究论文	提出EEGOpt，一种基于贝叶斯优化的自动化框架，用于优化EEG信号分类中的方法选择	采用TPE优化器处理层次化搜索空间，结合模块化缓存机制显著提升计算效率，实现EEG信号处理与分类方法的自动优化	仅在三个数据集上验证，未涉及更广泛的EEG应用场景或跨中心验证	自动化优化EEG信号处理与分类方法组合，提升分类准确率与计算效率	脑电图（EEG）信号	机器学习	NA	贝叶斯优化，Tree-Structured Parzen Estimator (TPE)，小波包分解，经验模态分解	k近邻分类器，EEGNet，ShallowConvNet，DeepConvNet	EEG信号	三个EEG数据集（具体样本量未说明）
1139	2025-09-13	Calibration and Uncertainty for multiRater Volume Assessment in multiorgan Segmentation (CURVAS) challenge results 2025-Sep-10, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.111024 PMID:40934552	研究论文	介绍CURVAS挑战赛的结果，聚焦多器官分割中多标注者体积评估的校准与不确定性	强调多标注者共识与分歧作为更全面真值的重要性，并系统评估DL模型在处理不确定性和校准方面的表现	NA	提升基于深度学习的医学图像分割模型的可靠性和临床适用性	多器官分割任务中的体积评估	数字病理	NA	深度学习	DL models	医学图像	七支参赛团队提交的多种DL模型
1140	2025-09-13	GEDI and Sentinel data integration for quantifying agroforestry tree height and stocks 2025-Sep-10, Journal of environmental management IF:8.0Q1 DOI:10.1016/j.jenvman.2025.127197 PMID:40934663	研究论文	本研究结合GEDI和Sentinel遥感数据，利用深度学习U-Net模型估算意大利Padan平原杨树人工林的树高和碳储量	首次将GEDI波形导出的树高与Sentinel-1/2多波段影像通过U-Net深度学习模型融合，生成10米高分辨率冠层高度模型，并应用于杨树人工林碳储量估算	模型在AGB估算中的RMSE较高（63.2%），且依赖外部验证数据（NFI样地）进行精度评估	量化杨树人工林的树高和碳储量，支持气候变化减缓相关的森林监测	意大利Padan平原的短轮伐期杨树人工林	遥感与机器学习	NA	遥感（GEDI, Sentinel-1/2）、深度学习、地面激光扫描	U-Net	多波段遥感影像、波形数据、地面调查数据	研究区域约46,000 km²，使用NFI样地数据进行外部验证