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
1201	2025-05-14	Deep Learning-Derived Cardiac Chamber Volumes and Mass From PET/CT Attenuation Scans: Associations With Myocardial Flow Reserve and Heart Failure 2025-May-13, Circulation. Cardiovascular imaging DOI:10.1161/CIRCIMAGING.124.018188 PMID:40357553	研究论文	利用深度学习从PET/CT衰减扫描中提取心脏腔室体积和质量，并研究其与心肌血流储备和心力衰竭的关系	首次从超低剂量CT扫描中提取心脏腔室体积和质量，并评估其与心力衰竭住院和心肌血流储备的关联	研究仅基于6个站点的数据，可能缺乏广泛代表性	评估深度学习从CT衰减校正扫描中提取的心脏腔室体积和质量与心力衰竭及心肌血流储备的关联	18,079名接受心脏PET/CT检查的患者	数字病理	心血管疾病	PET/CT	深度学习模型	图像	18,079名患者
1202	2025-05-14	Development of a deep learning method for phase retrieval image enhancement in phase contrast microcomputed tomography 2025-May-13, Journal of microscopy IF:1.5Q3 DOI:10.1111/jmi.13419 PMID:40357880	研究论文	开发了一种基于深度学习的相位检索图像增强方法，用于相位对比显微计算机断层扫描	提出了一种名为EVEPR的深度学习方法，通过整合去噪的EEC和PR图像的互补空间特征，显著提升了图像质量	未提及具体的数据集规模或训练时间，可能影响方法的泛化能力	解决传统PBI-µCT图像处理中的过平滑和噪声敏感性问题	低密度材料（如软组织和水凝胶构建体）	计算机视觉	NA	相位对比显微计算机断层扫描（PBI-µCT）	CNN	图像	体外和离体的PBI-µCT图像
1203	2025-05-14	A Novel Diffusion Irradiation Method to Monitor Thermal Effects on Deep Subcutaneous Vessels Using Laser Speckle Contrast Imaging 2025-May-13, Journal of biophotonics IF:2.0Q3 DOI:10.1002/jbio.202500089 PMID:40357992	研究论文	本研究探讨了激光手术中上层皮肤对激光传播和热扩散的影响，并提出了一种监测深层皮下血管热效应的新方法	结合激光散斑对比成像（LSCI）与深度学习去噪技术，提出了一种监测激光对深层皮下血管影响的新策略	研究仅在大鼠模型中进行，尚未在人体中验证	研究激光手术中热效应对深层皮下血管的影响，并优化激光治疗参数	大鼠背部窗口模型中的深层皮下血管	数字病理	血管性皮肤病	激光散斑对比成像（LSCI）和深度学习去噪技术	深度学习	图像	20只Sprague Dawley大鼠
1204	2025-05-14	Multimodal Diagnostic Approach for Osteosarcoma and Bone Callus Using Hyperspectral Imaging and Deep Learning 2025-May-13, Journal of biophotonics IF:2.0Q3 DOI:10.1002/jbio.202500087 PMID:40357996	research paper	该研究提出了一种结合高光谱成像和深度学习的多模态方法J-CAN，用于快速准确区分骨肉瘤和骨痂	提出了一种结合高光谱成像(HSI)和H&E染色病理学的多模态深度学习框架J-CAN，通过自注意力机制增强特征选择，提高了分类性能	未提及具体样本量或数据集的多样性限制	开发一种高效、自动化的骨肉瘤诊断方法，以解决传统组织病理学评估的局限性	骨肉瘤和骨痂	digital pathology	osteosarcoma	hyperspectral imaging (HSI)	MobileNetV2, 1D-CNN, self-attention mechanism	image	NA
1205	2025-05-14	Efficient polyp detection algorithm based on deep learning 2025-May-13, Scandinavian journal of gastroenterology IF:1.6Q3 DOI:10.1080/00365521.2025.2503297 PMID:40358097	research paper	提出了一种基于YOLOv10的轻量高效结肠息肉检测模型EP-YOLO，通过改进模块和损失函数提升检测性能	引入GBottleneck模块减少参数并加速推理，设计轻量级GHead检测头和额外小目标检测层增强小目标识别能力，提出SE_SPPF模块改善注意力并抑制背景噪声干扰，使用Wise-IoU损失函数优化梯度分布和泛化能力	未提及模型在临床实际应用中的具体表现和潜在问题	提高结肠息肉检测的准确性和效率，减少假阴性和假阳性	结肠息肉	computer vision	colorectal cancer	deep learning	YOLOv10, EP-YOLO	image	LDPolypVideo (7,681张图像), Kvasir-SEG (1,000张图像), CVC-ClinicDB (612张图像)
1206	2025-05-14	Relation Equivariant Graph Neural Networks to Explore the Mosaic-like Tissue Architecture of Kidney Diseases on Spatially Resolved Transcriptomics 2025-May-13, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaf303 PMID:40358510	研究论文	介绍了一种名为REGNN的图深度学习框架，用于分析空间分辨转录组学(SRT)数据，以探索肾脏疾病中的组织架构	REGNN框架整合了等变性和位置编码，以处理空间区域的n维对称性，并增强节点间的相对空间关系，适用于高度异质性的肾脏组织架构分析	标记良好的空间数据有限	探索肾脏疾病中细胞和形态学变化的空间分布模式	慢性肾脏病(CKD)和急性肾损伤(AKI)患者的肾脏组织	数字病理学	肾脏疾病	空间分辨转录组学(SRT)	图神经网络(GNN), 图自编码器, 图自监督学习	空间转录组数据	不同肾脏疾病条件下的异质性样本
1207	2025-05-14	Segmentation of renal vessels on non-enhanced CT images using deep learning models 2025-May-13, Abdominal radiology (New York) DOI:10.1007/s00261-025-04984-y PMID:40358703	研究论文	评估使用深度学习模型在非增强CT图像上进行肾血管重建的可能性	首次在非增强CT图像上应用深度学习模型进行肾血管重建，并与放射科医生的结果进行比较	模型在识别小的附属血管方面仍有困难，准确率显著低于放射科医生	探索深度学习在非增强CT图像上肾血管重建的应用	177名患者的非增强期、动脉期和静脉期CT扫描	数字病理	肾脏疾病	深度学习	深度学习模型	CT图像	177名患者的CT扫描（训练集120，验证集20，测试集37）
1208	2025-05-14	Bppv nystagmus signals diagnosis framework based on deep learning 2025-May-13, Physical and engineering sciences in medicine IF:2.4Q2 DOI:10.1007/s13246-025-01542-0 PMID:40358819	research paper	开发了一个基于深度学习的BPPV眼震信号诊断框架，用于精确分析眼动数据	提出了一个结合神经网络模型Egeunet和数学统计技术（如FFT）的综合框架，用于精确分割眼部结构和分析眼动数据	现有医疗设备在收集和分析眼震数据方面存在显著限制和不足	提高BPPV（良性阵发性位置性眩晕）的诊断准确性和临床决策支持	BPPV患者的眼震信号	digital pathology	geriatric disease	Fast Fourier Transform (FFT)	Egeunet	眼动数据	NA
1209	2025-05-14	Deep Supramolecular Language Processing for Co-crystal Prediction 2025-May-13, Angewandte Chemie (International ed. in English) DOI:10.1002/anie.202507835 PMID:40358977	research paper	该论文提出了一种名为DeepCocrystal的深度学习方法，用于预测共晶形成，通过从超分子角度处理“化学语言”来加速药物开发	DeepCocrystal是一种新颖的深度学习方法，能够从超分子角度处理化学语言，预测共晶形成，并在实际场景中表现出优于现有模型的性能	虽然DeepCocrystal在预测共晶形成方面表现出色，但其平衡准确率为78%，仍有提升空间	加速共结晶和药物开发过程	药物分子及其共晶形成	自然语言处理	NA	深度学习	DeepCocrystal	分子字符串表示	在挑战性前瞻性研究中成功发现了两种新的双氟尼柳共晶
1210	2025-05-14	Validation of a fingertip home sleep apnea testing system using deep learning AI and a temporal event localization analysis 2025-May-12, Sleep IF:5.3Q1 DOI:10.1093/sleep/zsae317 PMID:39821673	研究论文	本文验证了TipTraQ，一种紧凑型家庭睡眠呼吸暂停测试系统，通过深度学习AI和时间事件定位分析	使用深度学习AI和时间事件定位分析来验证家庭睡眠呼吸暂停测试系统的性能	研究仅针对疑似阻塞性睡眠呼吸暂停的患者，未涵盖其他类型的睡眠障碍	验证TipTraQ家庭睡眠呼吸暂停测试系统的准确性和可靠性	疑似阻塞性睡眠呼吸暂停的成年患者	数字病理	阻塞性睡眠呼吸暂停	光电容积描记术和加速度计传感器	深度学习AI	生理信号数据	内部验证240名参与者，外部验证112名参与者
1211	2025-05-14	Use of Artificial Intelligence in Recognition of Fetal Open Neural Tube Defect on Prenatal Ultrasound 2025-May-12, American journal of perinatology IF:1.5Q2 DOI:10.1055/a-2589-3554 PMID:40239713	研究论文	本研究使用深度学习模型比较正常胎儿和开放性神经管缺陷胎儿的轴向颅脑超声图像，评估其在识别开放性神经管缺陷中的预测准确性	首次将深度学习CNN迁移学习模型应用于胎儿开放性神经管缺陷的超声图像识别，并证明Efficient Net B0模型具有最佳性能	样本量相对较小（59例病例和116例对照），且仅在特定孕周（14-28周）进行研究	开发一种基于人工智能的临床辅助诊断工具，用于产前超声识别胎儿开放性神经管缺陷	妊娠14-28周的正常胎儿和开放性神经管缺陷胎儿的轴向颅脑超声图像	数字病理	神经管缺陷	超声成像	CNN（包括Efficient Net B0、VGG16和Inception V3）	图像	59例开放性神经管缺陷胎儿和116例正常对照胎儿
1212	2025-05-14	Deep Learning-Enabled Echocardiographic Assessment of Biventricular Ejection Fractions: The Dual-Task QUEST-EF Model 2025-May-12, European heart journal. Cardiovascular Imaging DOI:10.1093/ehjci/jeaf147 PMID:40354128	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1213	2025-05-14	GAMMNet: Gating Multi-head Attention in a Multi-modal Deep Network for Sound Based Respiratory Disease Detection 2025-May-12, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3569160 PMID:40354202	research paper	本文提出了一种名为GAMMNet的新型多模态神经网络，用于通过接触式录音设备收集的多模态声音数据增强呼吸系统疾病的检测	GAMMNet采用独特的门控机制自适应调节每种模态对分类结果的影响，并结合多头注意力和线性变换模块进一步提升分类性能	多模态特征的整合尚未充分探索，这限制了诊断准确性的提升	提高呼吸系统疾病的早期检测准确率	呼吸系统疾病	machine learning	respiratory disease	multi-modal sound-based deep learning	GAMMNet (Gating Multi-head Attention in a Multi-modal Deep Network)	multi-modal sound data	real-world multi-modal respiratory sound datasets
1214	2025-05-14	Learning Dynamic Prompts for All-in-One Image Restoration 2025-May-12, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1 DOI:10.1109/TIP.2025.3567205 PMID:40354220	research paper	提出了一种名为DPPD的动态提示方法，用于解决多类型图像退化问题	通过Degradation Prototype Assignment (DPA)和Prompt Distribution Learning (PDL)两个新组件，将退化先验提取解耦，并采用动态和自适应的提示采样方法	未明确提及具体局限性	开发一种统一模型来处理多种图像退化问题	图像恢复任务	computer vision	NA	deep learning	DPPD (Degradation Prototype Assignment and Prompt Distribution Learning)	image	未明确提及具体样本数量
1215	2025-05-14	BERTAgent: The development of a novel tool to quantify agency in textual data 2025-May-12, Journal of experimental psychology. General DOI:10.1037/xge0001740 PMID:40354292	研究论文	开发了一种名为BERTAgent的新工具，用于量化文本数据中的语义代理	利用transformer架构和深度学习技术，克服了传统词计数方法对语义上下文不敏感的缺点，并考虑了代理的强度和方向性差异	未提及具体样本量或数据集的规模限制	开发能够更准确量化文本中语义代理的计算工具	文本数据中编码的代理信息	自然语言处理	NA	深度学习	transformer架构	文本	NA
1216	2025-05-14	EM-PLA: Environment-aware Heterogeneous Graph-based Multimodal Protein-Ligand Binding Affinity Prediction 2025-May-12, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaf298 PMID:40354612	研究论文	提出了一种基于环境感知异构图神经网络的多模态蛋白质-配体结合亲和力预测方法EM-PLA	首次在深度学习方法中整合蛋白质和配体的生化特性环境信息，通过异构图神经网络改进非共价相互作用计算	未明确说明模型对新型蛋白质-配体组合的预测能力	提高蛋白质-配体结合亲和力预测的准确性	蛋白质-配体复合物	机器学习	NA	异构图神经网络(HGT)	HGT	多模态数据（序列数据、结构数据）	未明确说明具体样本量
1217	2025-05-14	MRI-Based Diagnostic Model for Alzheimer's Disease Using 3D-ResNet 2025-May-12, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/add73d PMID:40354785	研究论文	本研究提出了一种基于3D-ResNet架构的新型诊断模型，用于利用MRI数据对阿尔茨海默病（AD）、轻度认知障碍（MCI）和认知正常（CN）个体进行分类	模型结合了ResNet和3D卷积神经网络（3D-CNN）的优势，并在残差结构中引入了一种特殊的注意力机制（SAM）以增强特征表示	研究仅使用了ADNI数据集，样本量为800个脑部MRI扫描，可能限制了模型的泛化能力	开发一种准确且可解释的AI诊断框架，用于阿尔茨海默病的早期诊断	阿尔茨海默病（AD）、轻度认知障碍（MCI）和认知正常（CN）个体	数字病理学	老年病	MRI	3D-ResNet	图像	800个脑部MRI扫描
1218	2025-05-14	Evaluating Machine- and Deep Learning Approaches for Artifact Detection in Infant EEG: Classifier Performance, Certainty, and Training Size Effects 2025-May-12, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/add740 PMID:40354792	研究论文	评估机器学习和深度学习方法在婴儿EEG中检测伪影的性能	比较了随机森林、支持向量机和深度学习模型在无需特征提取的情况下直接处理婴儿EEG数据的能力，并探讨了分类器确定性和训练数据量对性能的影响	研究仅基于特定年龄段的婴儿EEG数据（平均8.34个月），可能不适用于其他年龄段	开发自动化方法来检测婴儿EEG中的伪影，减少人工预处理的工作量	婴儿EEG数据	机器学习	NA	EEG	Random Forest, SVM, DL	EEG信号	294名婴儿的66,851个EEG时段
1219	2025-05-14	Special Issue on CDS Failures: Performance Degradation between Development and Deployment of a Predictive Model for Central-Line Associated Blood Stream Infections in Hospitalized Children 2025-May-12, Applied clinical informatics IF:2.1Q4 DOI:10.1055/a-2605-1847 PMID:40355126	research paper	该研究旨在前瞻性实施一种儿科中心静脉导管相关血流感染（CLABSI）预测模型，并评估其在临床实践中的性能	创建了新的基础设施来组织当前和历史数据，以复制深度学习模型所需的预处理步骤	模型性能从回顾性数据的AUROC 0.97降至<0.60，主要问题包括训练/服务偏差、特征泄漏和过拟合	预测住院儿童中心静脉导管相关血流感染（CLABSI）的风险，以指导监测和预防工作	住院儿童的中心静脉导管相关血流感染（CLABSI）	digital pathology	pediatric disease	deep learning	deep learning models	clinical data	NA
1220	2025-05-14	Preoperative prediction of malignant transformation in sinonasal inverted papilloma: a novel MRI-based deep learning approach 2025-May-12, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-11655-5 PMID:40355636	research paper	开发了一种基于MRI的深度学习模型，用于术前区分鼻窦内翻性乳头状瘤（SIP）和其恶变为鳞状细胞癌（SIP-SCC）的情况	首次利用多中心大样本数据，结合T1WI、T2WI和CE-T1WI，通过注意力机制构建了联合模型，显著提高了诊断性能	研究依赖于MRI数据，可能不适用于无法进行MRI检查的患者	提高鼻窦内翻性乳头状瘤恶变的术前诊断能力	鼻窦内翻性乳头状瘤（SIP）及其恶变为鳞状细胞癌（SIP-SCC）的患者	digital pathology	鼻窦内翻性乳头状瘤	MRI	深度学习模型（具体未说明，可能为CNN）	MRI图像	568名患者（421例SIP，147例SIP-SCC）