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
1221	2025-07-18	External Validation of a Novel Landmark-Based Deep Learning Automated Tibial Slope Measurement Algorithm Applied on Short Radiographs Obtained in Patients With ACL Injuries 2025-May, Orthopaedic journal of sports medicine IF:2.4Q2 DOI:10.1177/23259671251333607 PMID:40342354	研究论文	本研究通过外部验证一种基于深度学习的新型自动胫骨斜率测量算法，应用于ACL损伤患者的短放射影像	开发并验证了一种新型的基于标志点的深度学习算法，用于自动测量胫骨斜率，消除了人为误差并提高了测量效率	与金标准手动测量相比，模型在报告胫骨斜率方面需要进一步改进	验证深度学习模型在胫骨斜率测量中的可靠性和效率	接受前交叉韧带手术患者的膝关节侧位放射影像	数字病理	ACL损伤	深度学习	深度学习模型	放射影像	289张放射影像
1222	2025-07-18	Optimizing dental implant identification using deep learning leveraging artificial data 2025-01-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-87579-3 PMID:39880861	research paper	本研究评估了通过将人工生成的牙科植入物图像纳入深度学习过程，提升全景X射线图像中牙科植入物分类性能的潜力	利用三维扫描技术生成人工牙科植入物图像，并将其与真实图像结合，优化深度学习分类模型的性能	研究中仅使用了10种类型的牙科植入物，可能无法涵盖所有临床情况	提升牙科植入物在全景X射线图像中的分类准确性	牙科植入物	computer vision	NA	三维扫描技术	ResNet50	image	7,946张体内牙科植入物图像及人工生成的图像
1223	2025-07-18	Optimized sequential model for superior classification of plant disease 2025-01-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-86427-8 PMID:39880879	研究论文	本研究探讨了深度学习在植物病害检测中的应用，提出了一种优化的序列模型以提高分类准确性	使用CNN模型自主学习和提取复杂特征，相比传统机器学习方法实现了96%的高准确率	研究主要针对芒果和花生的叶片病害，可能不适用于其他作物	提高植物病害检测的准确性和效率	芒果和花生的叶片	计算机视觉	植物病害	图像处理（归一化、调整大小、增强）	CNN	图像	来自印度马哈拉施特拉邦西部实地采集和在线数据集的芒果和花生叶片样本
1224	2025-07-18	A deep learning analysis for dual healthcare system users and risk of opioid use disorder 2025-01-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-77602-4 PMID:39881142	研究论文	本研究利用深度学习和可解释人工智能分析了双重医疗系统使用者与阿片类药物使用障碍风险之间的关系	首次探讨了双重医疗系统使用与人口统计学和临床因素之间的交互作用对阿片类药物使用障碍风险的影响	研究数据仅来自华盛顿特区和巴尔的摩的VA医疗中心，可能不具有全国代表性	评估双重医疗系统使用对阿片类药物使用障碍风险的影响及其与人口统计学和临床因素的交互作用	856,299名来自华盛顿特区和巴尔的摩VA医疗中心的患者实例(2012-2019)	医疗健康数据分析	阿片类药物使用障碍	深度学习、可解释人工智能、自然语言处理	DNN	临床记录和ICD-9/10诊断数据	856,299名患者实例(其中146,688名患有阿片类药物使用障碍)
1225	2025-07-18	Deep Learning-Based Algorithm for Staging Secondary Caries in Bitewings 2025, Caries research IF:2.9Q1 DOI:10.1159/000542289 PMID:39471790	研究论文	开发了一种基于深度学习的算法，用于在咬翼片中检测和分期继发龋	采用了一种新颖的方法来确定病变严重程度，并使用Mask R-CNN架构与Swin Transformer骨干网络进行训练	敏感性值相对较低，对于所有病变和牙本质病变的敏感性分别为0.737和0.808	开发一种基于卷积神经网络（CNN）的算法，用于检测和分期继发龋	来自荷兰牙科实践研究网络的2,612颗修复牙齿，涉及413张咬翼片和383名年龄在15-88岁之间的患者	计算机视觉	龋齿	深度学习	Mask R-CNN with Swin Transformer backbone	图像	413张咬翼片，涉及2,612颗修复牙齿和383名患者
1226	2025-07-18	AADNet: An End-to-End Deep Learning Model for Auditory Attention Decoding 2025, IEEE transactions on neural systems and rehabilitation engineering : a publication of the IEEE Engineering in Medicine and Biology Society IF:4.8Q1 DOI:10.1109/TNSRE.2025.3587637 PMID:40633040	研究论文	提出了一种名为AADNet的端到端深度学习模型，用于解决听觉注意解码问题	将传统的两步法（预测和识别）合并为一个端到端的直接方法，显著提高了性能	未提及具体局限性	提高在多人说话环境中使用脑信号识别受注意语音的准确性和泛化能力	听觉注意解码（AAD）	机器学习	NA	EEG	AADNet（端到端神经网络）	脑信号（EEG数据）	三个不同的数据集，具体样本量未提及
1227	2025-07-18	Finger drawing on smartphone screens enables early Parkinson's disease detection through hybrid 1D-CNN and BiGRU deep learning architecture 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0327733 PMID:40658696	研究论文	本研究开发了一种混合深度学习模型，通过分析智能手机屏幕上手指绘制的螺旋线和波浪线的运动数据，旨在早期检测帕金森病	该研究首次将1D-CNN和BiGRU结合的混合深度学习模型应用于智能手机手指绘制数据的分析，实现了无需临床评分量表、神经影像学或基于数字笔的评估的帕金森病早期检测	样本量相对较小（58名参与者），且仅限于早期特发性帕金森病患者和健康对照	开发一种基于智能手机的帕金森病早期检测方法	28名早期特发性帕金森病患者和30名健康对照	数字病理学	帕金森病	智能手机手指绘制数据采集	1D-CNN和BiGRU混合模型	运动数据（手指触摸坐标、瞬时运动速度和时间戳）	58名年龄匹配的参与者（28名患者和30名健康对照）
1228	2025-07-18	Sustainable deep vision systems for date fruit quality assessment using attention-enhanced deep learning models 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1521508 PMID:40661755	研究论文	本研究提出了一种结合DenseNet121和SE注意力模块的新方法，用于椰枣水果图像分类和质量评估	与传统DenseNet变体不同，提出的模型整合了SE注意力层以聚焦关键图像特征，显著提高了性能	NA	开发一种准确且自动化的水果分类方法，以支持现代农业和食品工业中的质量控制	椰枣水果	计算机视觉	NA	数据增强、注意力机制、Nadam优化	DenseNet121+SE, YOLOv8n	图像	NA
1229	2025-07-18	Assessment of prostate cancer aggressiveness through the combined analysis of prostate MRI and 2.5D deep learning models 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1539537 PMID:40661774	研究论文	本研究通过结合前列腺MRI和2.5D深度学习模型评估前列腺癌的侵袭性	提出了一种结合放射组学特征和深度学习特征的2.5D深度学习模型，用于评估前列腺癌的侵袭性，并通过nomogram和Grad-CAM技术提高了模型的可解释性	样本量相对较小（335例患者），且所有数据来自单一医疗中心，可能存在选择偏差	评估基于前列腺MRI的2.5D深度学习模型在前列腺癌侵袭性评估中的有效性	335例经病理证实的前列腺癌患者	数字病理学	前列腺癌	MRI（包括T2加权成像、扩散加权成像和表观扩散系数扫描）、深度学习（Inception_v3神经网络）、放射组学特征提取（pyradiomics工具）	2.5D深度学习模型、LightGBM算法	医学影像（MRI）	335例前列腺癌患者（266例侵袭性，69例非侵袭性）
1230	2025-07-18	Deep Learning Detection of Hand Motion During Microvascular Anastomosis Simulations Performed by Expert Cerebrovascular Neurosurgeons 2024-12, World neurosurgery IF:1.9Q2 DOI:10.1016/j.wneu.2024.09.069 PMID:39305985	研究论文	使用深度学习技术对专家脑血管神经外科医生在模拟微血管吻合手术中的手部运动进行定量评估	首次利用深度学习技术无传感器追踪专家神经外科医生的手部运动，并定量分析手术动作的经济性和流畅性	样本量较小（仅5名专家），且仅在模拟环境中进行	评估专家神经外科医生的手术动作特征，探索深度学习在手术培训中的应用潜力	5名经验丰富的脑血管神经外科医生	计算机视觉	脑血管疾病	深度学习手部追踪	深度学习模型（具体未说明）	视频	5名专家神经外科医生的模拟手术数据
1231	2025-07-18	Automated deep learning segmentation of neuritic plaques and neurofibrillary tangles in Alzheimer disease brain sections using a proprietary software 2024-09-01, Journal of neuropathology and experimental neurology IF:3.2Q2 DOI:10.1093/jnen/nlae048 PMID:38812098	研究论文	开发了一种深度学习工作流程，用于自动注释和分割阿尔茨海默病脑切片中的神经炎斑块和神经纤维缠结	利用专有图像分析软件（Visiopharm）进行自动深度学习分割，显著提高了复杂神经病理特征的注释质量	仅分析了15张全切片图像，样本量较小	提高阿尔茨海默病神经病理特征的自动注释和分割精度	阿尔茨海默病脑切片中的神经炎斑块和神经纤维缠结	数字病理学	阿尔茨海默病	AT8免疫染色全切片图像分析	U-Net卷积神经网络	图像	15张全切片图像，来自4个生物库，包含5013个神经炎斑块和5143个神经纤维缠结
1232	2025-07-18	Deep Learning Enhanced Label-Free Action Potential Detection Using Plasmonic-Based Electrochemical Impedance Microscopy 2024-07-16, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.4c01179 PMID:38953225	研究论文	本文介绍了一种利用深度学习增强的无标记动作电位检测方法，通过基于等离子体的电化学阻抗显微镜（P-EIM）实现	利用深度学习方法显著提高了P-EIM在神经元电信号映射中的可用性，特别是LSTM网络成功检测单周期刺激的动作电位	尽管性能有所提升，但单周期动作电位检测的AUC仅为0.855，仍有改进空间	提高基于P-EIM的神经元电活动检测的灵敏度和效率	神经元细胞的动作电位	生物医学工程	NA	等离子体基电化学阻抗显微镜（P-EIM）	LSTM	视频信号	未明确提及具体样本数量
1233	2025-07-18	The new paradigm in machine learning - foundation models, large language models and beyond: a primer for physicians 2024-05, Internal medicine journal IF:1.8Q2 DOI:10.1111/imj.16393 PMID:38715436	review	本文综述了基础机器学习模型，特别是大型语言模型（LLM）在医学领域的应用、潜力及风险	介绍了基础机器学习模型和LLM在医学中的多任务处理能力及其潜在变革性应用	指出了LLM在开发、评估和使用中缺乏适当审查可能带来的风险和偏见	探讨基础机器学习模型和LLM在医学领域的应用前景及挑战	基础机器学习模型和大型语言模型（LLM）	machine learning	NA	deep learning	LLM	text, audio, images, video	NA
1234	2025-07-18	DLSIA: Deep Learning for Scientific Image Analysis 2024-Apr-01, Journal of applied crystallography IF:5.2Q1 DOI:10.1107/S1600576724001390 PMID:38596727	研究论文	介绍了一个名为DLSIA的基于Python的机器学习库，用于科学图像分析	提出了稀疏混合尺度网络（SMSNets），通过随机图、稀疏连接和扩张卷积连接不同长度尺度	未提及具体性能对比或计算资源需求	为科学图像分析提供可定制的CNN架构	科学图像数据	计算机视觉	NA	CNN	autoencoders, U-Nets, MSDNets, SMSNets	图像	NA
1235	2025-07-17	Shared subspace learning via partial Tucker decomposition for hyperspectral image classification 2025-Dec-15, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2025.126584 PMID:40580669	research paper	提出了一种基于张量的分类框架SSTC，用于高光谱图像分类，通过学习共享的空间和光谱子空间来保持数据的多维结构	采用部分Tucker分解学习共享子空间，有效降维的同时保留维度间关键关系，提供可解释的特征提取	未提及具体样本量限制或计算资源需求	开发高效且可解释的高光谱图像分类方法	高光谱图像数据	computer vision	NA	partial Tucker decomposition	tensor-based classification framework (SSTC)	hyperspectral image	未明确提及具体样本量，但涉及李子皮下淤伤检测和芒果成熟度分类两个任务
1236	2025-07-17	Quantitative Analysis of Deltamethrin Residues in Water Using Surface-Enhanced Raman Spectroscopy 2025-Dec-15, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2025.126545 PMID:40614471	研究论文	本研究创新性地结合表面增强拉曼光谱(SERS)与增强深度神经网络，提出了一种高灵敏度且准确的水中溴氰菊酯残留定量分析方法	通过引入门控循环单元(GRU)和注意力机制，构建了CNN-GRU-Attention增强混合神经网络，显著提升了特征提取能力和非线性关系建模	NA	开发一种高灵敏度且准确的水中溴氰菊酯残留定量分析方法	水中的溴氰菊酯残留	机器学习和光谱分析	NA	表面增强拉曼光谱(SERS)	CNN-GRU-Attention混合神经网络	光谱数据	NA
1237	2025-07-17	Performance of AI methods in PET-based imaging for outcome prediction in lymphoma: A systematic review and meta-analysis 2025-Sep, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.112204 PMID:40466216	meta-analysis	评估人工智能方法在基于PET成像的淋巴瘤预后预测中的表现	首次通过系统综述和荟萃分析评估AI方法在淋巴瘤预后预测中的表现，特别是深度学习的优越性	需要进一步的前瞻性研究以验证临床应用的可行性	评估AI方法在淋巴瘤预后预测中的性能	淋巴瘤患者	数字病理学	淋巴瘤	PET成像	深度学习(DL), 机器学习(ML), 放射组学	图像	75项研究，主要关注非霍奇金淋巴瘤(NHL, n=61)
1238	2025-07-17	Learning discrete structures for cancer radiomics 2025-Sep, APL bioengineering IF:6.6Q1 DOI:10.1063/5.0260927 PMID:40655195	研究论文	本文提出了一种基于图像图的神经网络方法，用于癌症放射组学分析，通过共同学习图像图和优化特征来提高性能	开发了一种能够同时学习图像图和优化特征的Image-Graph based neural Network，解决了现有方法忽略图像间潜在关系的问题	未明确提及具体局限性	提高癌症放射组学分析的性能	癌症图像数据	数字病理	癌症	放射组学分析	Image-Graph based neural Network	图像	来自五家不同医院的四个真实数据集
1239	2025-07-17	Enhanced reconstruction of atomic force microscopy cell images to super-resolution 2025-Aug, Journal of microscopy IF:1.5Q3 DOI:10.1111/jmi.13423 PMID:40341533	研究论文	本研究提出了一种基于深度学习的跨模块方法，用于超分辨率重建原子力显微镜（AFM）细胞图像，通过整合频率分割和自适应融合模块显著提升图像质量	提出了一种增强的空间融合结构和优化的反向投影机制，结合对抗性超分辨率网络，有效检测AFM细胞图像特有的弱信号和复杂纹理，并设计了基于交叉的频率分割模块以分离和增强与细胞结构相关的特征	未明确提及具体局限性，但可能受限于AFM图像采集的固有噪声或特定细胞类型的适用性	提升AFM细胞图像的分辨率和质量，以支持细胞生物学研究和生物医学应用	原子力显微镜（AFM）捕获的细胞图像	计算机视觉	NA	原子力显微镜（AFM）成像与深度学习	对抗性超分辨率网络（GAN）	图像（AFM细胞表面形貌图）	多种细胞的AFM图像（未明确数量）
1240	2025-07-17	Learning-Based Classification of B- and T-Cell Lymphoma on Histopathological Images: A Multicenter Study 2025-Aug, European journal of haematology IF:2.3Q2 DOI:10.1111/ejh.14433 PMID:40360162	研究论文	本研究探讨了深度学习模型在B细胞和T细胞淋巴瘤组织病理学图像分类中的首次可行性应用	首次在组织病理学图像上应用深度学习模型进行B细胞和T细胞淋巴瘤分类，并集成了卷积块注意力模块(CBAMs)	研究样本量相对有限(1510个切片)，且仅针对H&E染色图像	开发AI驱动的淋巴瘤分类系统以提高诊断精度并减少对人工染色和判读的依赖	B细胞和T细胞淋巴瘤的组织病理学图像	数字病理学	淋巴瘤	H&E染色	CNN (Xception, NASNetL, ResNet50, EfficientNet) 与 CBAMs结合	图像	1510个H&E染色切片(750个B细胞，760个T细胞)