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
1181	2025-05-28	Development of an Open-Source Algorithm for Automated Segmentation in Clinician-Led Paranasal Sinus Radiologic Research 2025-May-27, The Laryngoscope DOI:10.1002/lary.32292 PMID:40421828	研究论文	开发并验证了一种用于鼻旁窦CT扫描的自动分割开源算法，为耳鼻喉科研究社区提供支持	提供了首个针对鼻窦腔的开源分割算法，促进了临床驱动的AI医学研究	样本量相对较小（100例扫描），且仅针对鼻旁窦CT扫描	验证并提供一个开源的分割算法，用于鼻旁窦CT扫描的自动分割	鼻旁窦CT扫描	数字病理	鼻窦疾病	CT扫描	UNet++	医学影像	100例鼻旁窦CT扫描（80/20训练/测试分割）
1182	2025-05-28	Deep learning on brief interictal intracranial recordings can accurately characterize seizure onset zones 2025-May-27, Epilepsia IF:6.6Q1 DOI:10.1111/epi.18478 PMID:40423629	研究论文	利用深度学习对短暂发作间期颅内记录进行分析，以准确识别癫痫发作起始区	首次证明深度学习可以在短暂发作间期颅内数据上准确分类全脑范围内的癫痫发作起始区，并可能帮助发现新的发作间期形态学特征	研究样本量相对较小（78名患者），且模型性能在不同患者群体中存在差异	改善药物难治性癫痫患者的术前评估，减少对记录癫痫发作的依赖	癫痫患者的发作间期立体定向脑电图数据	数字病理学	癫痫	立体定向脑电图（sEEG）	一维卷积神经网络（1D-CNN）	脑电图信号	78名患者的超过1,000,000段发作间期脑电图数据
1183	2025-05-28	ToPoMesh: accurate 3D surface reconstruction from CT volumetric data via topology modification 2025-May-27, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-025-03381-3 PMID:40423893	research paper	提出了一种名为ToPoMesh的端到端3D网格重建深度学习框架，用于直接从CT体积数据重建高保真表面网格	引入了三个核心创新：1) 通过图卷积网络中的残差连接和自注意力机制保留和增强局部特征信息；2) 自适应变密度网格解池策略，动态优化顶点分布；3) 拓扑修改模块，通过可变正则项迭代修剪错误表面和边界平滑	未提及具体局限性	克服传统CT方法在3D重建中的分辨率限制和耗时后处理流程的问题	CT体积数据	computer vision	NA	深度学习	graph convolutional networks	3D volumetric data	LiTS, MSD胰腺肿瘤, MSD海马体, MSD脾脏数据集
1184	2025-05-28	ECG-SMART-NET: A Deep Learning Architecture for Precise ECG Diagnosis of Occlusion Myocardial Infarction 2025-May-26, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3573581 PMID:40418608	research paper	开发并评估了ECG-SMART-NET，一种用于精确诊断闭塞性心肌梗死（OMI）的深度学习架构	提出了一种临床信息修改的ResNet-18架构，能够更好地捕捉ECG记录中的时间特征和空间一致性或不一致性	研究仅基于一个多中心真实世界临床数据集，可能无法涵盖所有OMI病例的多样性	提高通过12导联心电图（ECG）对闭塞性心肌梗死（OMI）的检测准确性	闭塞性心肌梗死（OMI）患者的心电图数据	digital pathology	cardiovascular disease	deep learning	CNN (ResNet-18 modified)	ECG recordings	10,393 ECGs from 7,397 unique patients
1185	2025-05-28	Segmentation of the Left Ventricle and Its Pathologies for Acute Myocardial Infarction After Reperfusion in LGE-CMR Images 2025-May-26, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3573706 PMID:40418612	research paper	该论文提出了一个深度学习模型LVPSegNet，用于在LGE-CMR图像中分割左心室及其病理组织（微血管阻塞和心肌梗死），并发布了包含140名患者的基准数据集LGE-LVP	首次发布LGE-CMR基准数据集LGE-LVP，并提出了一种结合自适应感兴趣区域提取、样本增强、课程学习和多感受野融合的渐进式深度学习模型LVPSegNet	数据集的样本量相对较小（140名患者），且未提及模型在其他类型心脏疾病上的泛化能力	开发一种自动化方法，用于在LGE-CMR图像中准确分割左心室及其病理组织，以辅助急性心肌梗死再灌注后的诊断和治疗	左心室及其病理组织（微血管阻塞和心肌梗死）	digital pathology	cardiovascular disease	LGE-CMR（晚期钆增强心脏磁共振成像）	LVPSegNet（基于深度学习的渐进式分割模型）	image	140名左心室心肌梗死伴微血管阻塞患者
1186	2025-05-28	A New Approach for Calculating Texture Coefficients of Different Rocks With Image Segmentation and Image Processing Techniques 2025-May-26, Microscopy research and technique IF:2.0Q3 DOI:10.1002/jemt.24879 PMID:40418716	研究论文	提出了一种结合图像分割和图像处理技术的新方法，用于计算不同岩石的纹理系数	开发了一种基于深度学习的图像处理技术和Python算法，用于快速准确地计算岩石纹理系数	仅针对20种不同类型的岩石进行了测试，样本量相对较小	改进岩石纹理系数的计算方法，提高准确性和效率	火成岩、变质岩和沉积岩的薄片图像	计算机视觉	NA	图像分割和图像处理技术	深度学习	图像	20种不同类型的岩石薄片图像
1187	2025-05-28	Impact of contrast-enhanced agent on segmentation using a deep learning-based software "Ai-Seg" for head and neck cancer 2025-May-26, The British journal of radiology DOI:10.1093/bjr/tqaf108 PMID:40419459	研究论文	本研究开发了一种专用于对比增强CT的头颈部风险器官分割模型，并比较了其在对比增强和非对比增强CT上的性能	开发了专用于对比增强CT的分割模型，并首次评估其在非对比增强CT上的适用性	在非对比增强CT上对颌下腺的分割性能显著下降	评估深度学习分割软件在不同CT图像类型上的性能差异	头颈部癌症患者的CT图像	数字病理	头颈部癌症	CT扫描	深度学习模型（Ai-Seg）	医学影像	321名患者用于训练，25名患者用于测试
1188	2025-05-28	ASO Author Reflections: Clinical-Radiomic Machine Learning Model Predicts Pheochromocytomas and Paragangliomas Surgical Difficulty: A Retrospective Study 2025-May-26, Annals of surgical oncology IF:3.4Q1 DOI:10.1245/s10434-025-17491-7 PMID:40419717	research paper	本研究开发了一种结合临床和影像组学特征的机器学习模型，用于预测嗜铬细胞瘤和副神经节瘤(PPGLs)的手术难度，旨在优化术前规划和减少围手术期并发症	首次将临床参数与影像组学特征结合构建机器学习模型预测PPGLs手术难度，并通过SHAP分析识别关键预测因子	研究为回顾性设计，未来需要通过多中心研究完善手术难度标准并开发实时术中预测工具	优化PPGLs患者的术前规划和减少围手术期并发症	嗜铬细胞瘤和副神经节瘤(PPGLs)患者	digital pathology	pheochromocytomas and paragangliomas	radiomics, machine learning	SVM	clinical parameters and radiomic features	NA
1189	2025-05-28	Design optimization of university ideological and political education system based on deep learning 2025-May-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-02991-z PMID:40413276	研究论文	本研究利用深度学习技术优化大学思想政治教育的系统设计，以提高教育效果和学生参与度	采用CNN-LSTM混合模型结合CNN的特征提取能力和LSTM处理序列数据的能力，实现个性化学习路径和资源推荐	未具体说明样本规模和数据来源的多样性，可能影响模型的泛化能力	提升大学思想政治教育的针对性和有效性	大学生思想政治教育系统	教育技术	NA	深度学习	CNN-LSTM混合模型	多通道教育相关数据	未明确说明
1190	2025-05-28	Single-shot reconstruction of three-dimensional morphology of biological cells in digital holographic microscopy using a physics-driven neural network 2025-May-24, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-60200-x PMID:40413181	研究论文	本文提出了一种名为MorpHoloNet的深度学习模型，用于从单次全息图中重建生物细胞的三维形态	通过结合物理驱动和基于坐标的神经网络，MorpHoloNet能够直接从单次全息图中重建三维复杂光场和三维形态，无需多次相移全息图或角度扫描	NA	开发一种能够从单次全息图中重建生物细胞三维形态的深度学习模型	生物细胞	计算机视觉	NA	数字同轴全息显微镜（DIHM）	物理驱动神经网络和基于坐标的神经网络	全息图像	NA
1191	2025-05-28	Explainable deep learning for age and gender estimation in dental CBCT scans using attention mechanisms and multi task learning 2025-May-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-03305-z PMID:40413203	research paper	该研究开发了一个多任务深度学习框架，用于提高基于CBCT的年龄估计和性别分类的准确性和可解释性	结合了注意力机制（CBAM）和Grad-CAM可视化，提高了模型的可解释性，并通过使用全景切片而非完整3D CBCT体积降低了计算成本	研究对象的年龄范围有限（7至23岁），可能限制了模型在其他年龄段的应用	开发一个准确且可解释的深度学习模型，用于CBCT图像的年龄估计和性别分类	CBCT扫描图像	digital pathology	NA	CBCT	multi-task learning (MTL) model with CBAM and Grad-CAM	image	2,426 CBCT images from individuals aged 7 to 23 years
1192	2025-05-28	Enhanced wheat yield prediction through integrated climate and satellite data using advanced AI techniques 2025-May-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-02700-w PMID:40413272	研究论文	本研究通过整合气候和卫星数据，利用先进的AI技术提高小麦产量预测的准确性	采用多阶段方法分析小麦生长周期，结合卫星影像、季节性天气变量和土壤信息，测试多种机器学习和深度学习模型，显著提高了预测准确性	模型性能的R值范围较大（0.4至0.88），表明在某些情况下预测效果可能不稳定	提高小麦产量预测的准确性，以支持巴基斯坦的粮食安全和农业规划	小麦作物	机器学习	NA	Google Earth Engine平台，卫星影像分析	机器学习和深度学习模型	卫星影像、天气变量、土壤信息	2017年至2022年的数据
1193	2025-05-28	Commercial Products Using Generative Artificial Intelligence Include Ambient Scribes, Automated Documentation and Scheduling, Revenue Cycle Management, Patient Engagement and Education, and Prior Authorization Platforms 2025-May-24, Arthroscopy : the journal of arthroscopic & related surgery : official publication of the Arthroscopy Association of North America and the International Arthroscopy Association IF:4.4Q1 DOI:10.1016/j.arthro.2025.05.021 PMID:40419172	research paper	本文探讨了生成式人工智能在医疗保健领域的商业应用及其对临床实践的变革	介绍了生成式人工智能在医疗保健中的新兴商业产品，如环境记录、自动化文档和调度、收入周期管理等	当前限制包括缺乏监管监督、现有偏见、与电子健康记录系统的不一致互操作性，以及由于对LLM输出缺乏信心而导致的医生和利益相关者支持不足	探讨人工智能在医疗保健工作流程中的应用及其潜在影响	商业和企业平台中的人工智能应用	natural language processing	NA	deep learning, NLP	LLM	text	NA
1194	2025-05-28	Deep learning-guided design of dynamic proteins 2025-May-22, Science (New York, N.Y.) DOI:10.1126/science.adr7094 PMID:40403060	research paper	该论文提出了一种基于深度学习的蛋白质动态设计方法，能够精确控制蛋白质结构域内的构象变化	首次实现了通过从头设计精确控制蛋白质构象动态变化，模拟自然界中的开关机制	NA	开发一种能够设计具有可控构象变化的动态蛋白质的新方法	蛋白质的构象动态变化	机器学习	NA	深度学习	深度学习模型	蛋白质结构数据	验证了四种设计的蛋白质结构
1195	2025-05-28	Imputing single-cell protein abundance in multiplex tissue imaging 2025-May-22, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-59788-x PMID:40404617	研究论文	本文应用机器学习方法，利用乳腺癌队列的多重组织成像数据，对单细胞蛋白质丰度进行填补	首次将机器学习应用于填补单细胞蛋白质丰度的缺失数据，并整合空间信息以提高填补准确性	研究仅针对乳腺癌队列，未验证在其他类型组织或疾病中的适用性	提高多重组织成像中单细胞蛋白质丰度数据的完整性和准确性	乳腺癌组织中的单细胞蛋白质丰度数据	数字病理学	乳腺癌	多重组织成像	正则化线性回归、梯度提升树、深度学习自编码器	图像	乳腺癌队列（具体样本数量未提及）
1196	2025-05-28	Facial expression deep learning algorithms in the detection of neurological disorders: a systematic review and meta-analysis 2025-May-22, Biomedical engineering online IF:2.9Q3 DOI:10.1186/s12938-025-01396-3 PMID:40405223	系统综述与荟萃分析	评估深度学习算法在检测面部表情变化以诊断神经系统疾病中的性能	首次系统评估了深度学习算法（尤其是CNN）在多种神经系统疾病面部表情识别中的准确性和应用潜力	数据集缺乏标准化，对运动相关病症（如ALS和中风）的模型鲁棒性有待提高	评估深度学习算法通过面部表情变化诊断神经系统疾病的效能	神经系统疾病患者（如痴呆、贝尔氏麻痹、ALS和帕金森病）的面部表情数据	计算机视觉	神经系统疾病	深度学习	CNN	图像	28项研究（2019-2024年）的汇总数据
1197	2025-05-28	Data efficient molecular image representation learning using foundation models 2025-May-22, Chemical science IF:7.6Q1 DOI:10.1039/d5sc00907c PMID:40417293	研究论文	本文提出了一种名为MoleCLIP的分子图像表示学习框架，利用基础模型CLIP作为骨干网络，显著减少了分子预训练数据的需求，并在标准基准测试中达到了最先进模型的性能	首次将通用基础模型CLIP应用于化学任务，开发了MoleCLIP框架，该框架在分子表示学习中表现出色，尤其是在数据效率和分布偏移鲁棒性方面	未明确提及具体的数据集规模或模型在更广泛化学任务中的泛化能力	解决化学领域中深度学习因标记数据稀缺和分子特征提取困难而受限的问题	分子图像表示学习	机器学习	NA	分子表示学习(MRL)	CLIP	分子图像	NA
1198	2025-05-28	Cyclic peptide structure prediction and design using AlphaFold2 2025-May-21, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-59940-7 PMID:40399308	研究论文	本文介绍了一种名为AfCycDesign的深度学习方法，用于准确预测、重新设计及从头设计小环肽的结构	开发了AfCycDesign方法，能够高精度预测和设计小环肽结构，并通过X射线晶体结构验证了其原子级准确性	未明确提及训练数据集的具体规模限制	开发深度学习方法用于小环肽的结构预测和设计	小环肽	机器学习	NA	深度学习	AlphaFold2	蛋白质结构数据	超过10,000种结构多样化的设计，其中8种进行了X射线晶体结构验证
1199	2025-05-28	Deep learning approaches for classification tasks in medical X-ray, MRI, and ultrasound images: a scoping review 2025-May-07, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-01701-5 PMID:40335965	综述	本文探讨了深度学习在医学X射线、MRI和超声图像分类任务中的应用	总结了深度学习模型在医学图像分类中的使用情况、准确率以及相关硬件和软件配置	讨论了当前方法的局限性并提出了未来医学图像分类的研究方向	探索深度学习如何用于分类通过X射线、MRI或超声图像诊断的多种疾病	医学X射线、MRI和超声图像	计算机视觉	多种疾病	深度学习	多种深度学习模型	图像	NA
1200	2025-05-28	Minimally interactive segmentation of soft-tissue tumors on CT and MRI using deep learning 2025-May, European radiology IF:4.7Q1 DOI:10.1007/s00330-024-11167-8 PMID:39560714	研究论文	开发了一种基于深度学习的微交互分割方法，用于CT和MRI上的软组织肿瘤分割	提出了一种只需用户点击六个点即可生成距离图作为CNN输入的微交互分割方法，显著提高了分割速度和准确性	需要用户进行少量交互（点击六个点），不是完全自动化的方法	开发一种比手动分割更快、比其他自动方法更准确的软组织肿瘤分割方法	软组织肿瘤(STTs)	数字病理	软组织肿瘤	深度学习	CNN	医学影像(CT和MRI)	514名患者（内部验证数据集）和另一个公共数据集（外部验证）