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
1321	2025-05-30	S2L-CM: Scribble-supervised nuclei segmentation in histopathology images using contrastive regularization and pixel-level multiple instance learning 2025-Jun, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110293 PMID:40381473	research paper	提出了一种基于涂鸦监督的病理核分割框架S2L-CM，利用对比正则化和像素级多实例学习来提高分割性能	结合自生成的伪标签、多尺度对比正则化和像素级多实例学习来优化分割效果	性能仍不及全监督学习方法	开发一种弱监督学习方法以减少病理核分割中的人工标注需求	病理组织图像中的细胞核	digital pathology	NA	deep learning	CNN	image	四个细胞核数据集
1322	2025-05-30	Enhanced Pelvic CT Segmentation via Deep Learning: A Study on Loss Function Effects 2025-May-29, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01550-2 PMID:40437147	research paper	本研究探讨了使用卷积神经网络（CNN）在盆腔CT图像中自动分割风险器官（OARs）的方法，重点关注膀胱、前列腺、直肠和股骨头（FHs）的分割，以替代传统的手动分割方法	通过比较U-Net、ResU-Net、SegResNet和Attention U-Net模型，并探索不同损失函数对分割精度的影响，发现SegResNet在分割性能上优于其他模型，且Dice损失函数在多数OARs分割中表现最佳	研究仅针对盆腔CT图像，样本量相对有限（240例前列腺分割和220例其他器官分割），且未探讨模型在其他影像模态或更大数据集上的泛化能力	提高放射治疗计划中风险器官（OARs）自动分割的精度和效率	盆腔CT图像中的膀胱、前列腺、直肠和股骨头（FHs）	digital pathology	prostate cancer	CT	CNN, U-Net, ResU-Net, SegResNet, Attention U-Net	image	240例前列腺分割患者和220例其他器官分割患者
1323	2025-05-30	An Explainable Multimodal Artificial Intelligence Model Integrating Histopathological Microenvironment and EHR Phenotypes for Germline Genetic Testing in Breast Cancer 2025-May-29, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202502833 PMID:40439693	研究论文	提出了一种可解释的多模态人工智能模型MAIGGT，整合组织病理学微环境特征和电子健康记录表型，用于乳腺癌胚系基因检测	MAIGGT模型通过多尺度Transformer架构和跨模态潜在表示统一机制，首次整合了组织病理学微环境和临床表型数据，实现了对BRCA1/2突变的精确预筛查	研究仅在三个独立队列中验证，需要更大规模的外部验证	开发一种成本效益高、可扩展且具有生物学解释性的遗传性乳腺癌预筛查方法	乳腺癌患者的组织病理学微环境特征和电子健康记录表型	数字病理学	乳腺癌	多模态深度学习	Transformer-based架构	全切片图像和电子健康记录	三个独立队列（具体数量未明确说明）
1324	2025-05-30	Hybrid attention-based deep learning for multi-label ophthalmic disease detection on fundus images 2025-May-29, Graefe's archive for clinical and experimental ophthalmology = Albrecht von Graefes Archiv fur klinische und experimentelle Ophthalmologie DOI:10.1007/s00417-025-06858-x PMID:40439748	research paper	提出了一种基于混合注意力机制的深度学习模型HAM-DNet，用于眼底图像的多标签眼科疾病检测	结合EfficientNetV2和Vision Transformers (ViT)，并引入SE块进行基于注意力的特征优化和U-Net病变定位模块以提高可解释性	未提及模型在更广泛或多样化数据集上的泛化能力	开发一种准确、高效且可解释的多标签眼科疾病自动检测方法	眼底图像中的多标签眼科疾病	digital pathology	ophthalmic disease	deep learning	EfficientNetV2, Vision Transformers (ViT), U-Net	image	多个眼底图像数据集（ODIR-5K, Messidor, G1020, Joint Shantou International Eye Centre）
1325	2025-05-30	Manual and automated facial de-identification techniques for patient imaging with preservation of sinonasal anatomy 2025-May-29, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-025-03421-1 PMID:40439827	research paper	提出了一种保留鼻窦解剖结构的面部去识别方法，并开发了两种自动化工作流程以处理大规模数据集	该方法在去识别过程中保留了鼻窦、鼻甲等耳鼻喉科相关解剖结构，同时提供了两种自动化工作流程（分割传播和nnU-Net深度学习模型）	需要进一步使用活体患者照片进行研究以全面验证其有效性	开发可靠的面部去识别方法以保护患者隐私，同时保留鼻窦相关解剖结构	成人头部CT扫描图像	digital pathology	NA	3D Slicer种子生长技术、分割传播、nnU-Net深度学习模型	nnU-Net	CT图像	20例成人头部CT扫描（来自新墨西哥州死者影像数据库）
1326	2025-05-30	Deep learning reconstruction for improved image quality of ultra-high-resolution brain CT angiography: application in moyamoya disease 2025-May-29, Japanese journal of radiology IF:2.9Q2 DOI:10.1007/s11604-025-01806-5 PMID:40439843	research paper	本研究探讨了针对脑部CT血管造影（CTA）优化的深度学习重建（DLR-brain）在烟雾病（MMD）中超高清分辨率（UHR）CTA的血管描绘和图像质量，并与针对身体CT优化的DLR（DLR-body）及混合迭代重建（Hybrid-IR）进行了比较	首次将针对脑部CTA优化的深度学习重建（DLR-brain）应用于烟雾病的超高清分辨率CTA，显著提高了小血管的描绘和图像质量	研究为回顾性设计，样本量较小（50例患者），且仅针对烟雾病患者，可能限制了结果的普适性	评估不同重建算法在超高清分辨率脑部CTA中对烟雾病小血管描绘和图像质量的影响	烟雾病（MMD）患者的小颅内血管（基底节区烟雾状穿支血管及脑室旁吻合血管）	digital pathology	moyamoya disease	ultra-high-resolution CT angiography (UHR-CTA), deep learning reconstruction (DLR)	deep learning reconstruction (DLR)	image	50例疑似或确诊烟雾病患者
1327	2025-05-30	DCA-U-Net: a deep learning network for segmentation of laser-induced thermal damage regions in mouse skin OCT images 2025-May-28, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/adcd7c PMID:40239684	研究论文	提出了一种名为DCA-U-Net的轻量级深度学习网络，用于分割小鼠皮肤OCT图像中的激光诱导热损伤区域	结合了Dilated ConvNeXT Block (DCB)和Dual Module Attention Block (DMAB)，显著减少了参数数量并提高了特征提取能力和分割精度	目前仅在鼠标皮肤激光热损伤OCT数据集上进行了测试，尚未在临床人体数据上验证	提高皮肤激光热损伤区域的自动分割精度并降低计算成本	小鼠皮肤激光热损伤区域	数字病理学	皮肤损伤	OCT成像	DCA-U-Net（基于U-Net改进）	图像	两个不同部位的小鼠皮肤激光热损伤OCT数据集
1328	2025-05-30	Deep Learning-Assisted 3D Pressure Sensors for Control of Unmanned Aerial Vehicles 2025-May-28, ACS applied materials & interfaces IF:8.3Q1 DOI:10.1021/acsami.5c03575 PMID:40371705	研究论文	开发了一种基于多层微结构复合薄膜压阻传感阵列和深度学习技术的可穿戴智能手势识别控制系统，用于无人机的实时控制	结合多层微结构复合薄膜压阻传感阵列和卷积神经网络，实现了高灵敏度（0-6 kPa至412.2 kPa）和快速响应（加载40 ms，恢复30 ms）的手势识别，准确率达97.5%，并成功应用于无人机高度控制	未提及系统在复杂环境或多用户场景下的性能表现	开发一种高灵敏度、快速响应的可穿戴智能手势识别控制系统，用于改善人机交互体验	人体手势动作	机器学习	NA	深度学习	CNN	压力传感器数据	未明确提及样本数量
1329	2025-05-30	Prostate cancer prediction through a hybrid deep learning method applied to histopathological image 2025-May-28, Expert review of anticancer therapy IF:2.9Q2 DOI:10.1080/14737140.2025.2512040 PMID:40411485	research paper	该论文提出了一种结合MobileNet、注意力机制和胶囊网络的混合深度学习方法，用于从组织病理学图像中预测前列腺癌的Gleason分级	整合了MobileNet、注意力机制和胶囊网络，提高了Gleason分级的准确性和计算效率	未提及具体局限性	提高前列腺癌Gleason分级的自动化诊断准确性和效率	前列腺癌组织病理学图像	digital pathology	prostate cancer	deep learning	MobileNet, Attention Mechanism, capsule network	image	两个数据集：PANDA和Gleason-2019
1330	2025-05-30	High-Quality CEST Mapping With Lorentzian-Model Informed Neural Representation 2025-May-28, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3574238 PMID:40434851	研究论文	提出了一种基于Lorentzian模型的神经表示框架（LINR），用于高质量化学交换饱和转移（CEST）成像映射	LINR框架结合自监督神经架构和Lorentzian方程，直接从原始z谱重建高灵敏度参数图，无需标记训练数据	未提及具体样本量限制或跨中心验证结果	克服传统CEST成像方法在敏感性和泛化性方面的局限性	CEST MRI数据（合成体模和活体实验，包括肿瘤和阿尔茨海默病模型）	医学影像分析	肿瘤、阿尔茨海默病	CEST MRI	自监督神经网络（嵌入Lorentzian方程）	医学影像（z-spectra）	NA
1331	2025-05-30	Deep Separable Spatiotemporal Learning for Fast Dynamic Cardiac MRI 2025-May-28, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3574090 PMID:40434852	research paper	提出了一种名为DeepSSL的新型高效方法，用于快速动态心脏MRI图像重建，该方法在训练数据极为有限的情况下仍能表现出色	利用降维可分离学习方案，结合时空先验知识，开发了DeepSSL网络，显著减少了对训练数据量的需求	虽然初步验证了对未见心脏患者的适应性，但可能需要更多临床数据进一步验证其普适性	解决心脏动态MRI快速成像中高维数据重建的挑战	心脏动态MRI图像	医学影像分析	心血管疾病	动态MRI	DeepSSL（基于2D时空重建模型的深度可分离时空学习网络）	MRI图像数据	心脏电影数据集（具体数量未明确说明，但提到减少训练案例需求达75%）
1332	2025-05-30	Knowledge-Driven Graph Representation Learning for Myocardial Infarction Localization 2025-May-28, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3574688 PMID:40434860	研究论文	提出了一种知识驱动的图表示学习框架（KD-GRL），用于心肌梗死（MI）定位	通过构建心肌梗死定位知识图谱（KG），整合医学知识，指导深度学习模型识别关键特征，提高了罕见MI的定位准确性	数据质量对模型性能仍有影响，特别是在罕见MI定位方面	提高心肌梗死（MI）定位的准确性和效率	心电图（ECG）信号、形态学特征和患者人口统计信息	数字病理学	心血管疾病	知识驱动的图表示学习（KD-GRL）	KG聚合方法（基于边关系投影ERP）	ECG信号、形态学特征、人口统计信息	两个公共数据集PTB和PTBXL
1333	2025-05-30	Combined Topological Data Analysis and Geometric Deep Learning Reveal Niches by the Quantification of Protein Binding Pockets 2025-May-28, Journal of computational biology : a journal of computational molecular cell biology IF:1.4Q2 DOI:10.1089/cmb.2025.0076 PMID:40434873	研究论文	本文结合拓扑数据分析（TDA）和几何深度学习（GDL）来分析酶的假定蛋白质口袋，以全面理解蛋白质结构基序	首次整合了局部和全局表示方法来分析蛋白质口袋，提供了对蛋白质结构基序的全面和互补的理解	方法在结构已知的情况下特别有用，对于未知结构的情况可能不适用	研究蛋白质口袋的定位、测量及其解剖结构，以进一步理解蛋白质功能	酶的假定蛋白质口袋	计算生物学	NA	拓扑数据分析（TDA）、几何深度学习（GDL）	GDL	蛋白质结构数据	NA
1334	2025-05-30	Residue conservation and solvent accessibility are (almost) all you need for predicting mutational effects in proteins 2025-May-28, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaf322 PMID:40434923	research paper	该研究提出了一种基于进化评分和残基相对溶剂可及性（RSA）的简单方法，用于预测突变对蛋白质生物物理性质的影响，其性能与或略优于更复杂的深度学习模型	提出了一种简单但高效的进化评分方法（RSALOR），仅依赖残基保守性和溶剂可及性，性能媲美或超越复杂深度学习模型	未明确说明该方法在特定蛋白质类型或突变类型上的局限性，以及与其他先进模型的全面比较	预测突变对蛋白质生物物理性质的影响，挑战现有复杂模型的局限性	蛋白质突变及其对稳定性、活性或适应性的影响	computational biology	NA	log-odd ratio (LOR) of residue frequencies, relative solvent accessibility (RSA)	evolutionary score-based model (RSALOR)	protein mutational data from ProteinGym deep mutational scanning dataset	mutations from the ProteinGym dataset collection
1335	2025-05-30	Femtosecond Laser Treatment of Ti Surfaces: Antibacterial Mechanisms and Deep Learning-Based Surface Recognition 2025-May-28, ACS biomaterials science & engineering IF:5.4Q2 DOI:10.1021/acsbiomaterials.5c00155 PMID:40435514	研究论文	本研究利用飞秒激光处理钛表面，探究其抗菌机制，并开发基于深度学习的表面识别方法	结合飞秒激光表面处理与深度学习技术，实现钛表面抗菌性能优化与自动识别	使用的小规模扫描电镜图像数据集可能限制深度学习模型的泛化能力	开发具有抗菌性能的钛植入体表面处理方法并建立自动识别系统	钛基材表面	数字病理	NA	飞秒激光加工、转录组分析、深度学习	ResNet50-TL	扫描电镜图像、基因表达数据	小规模钛表面扫描电镜图像数据集
1336	2025-05-30	Real-time integrated modeling of soft tissue deformation and stress based on deep learning 2025-May-28, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/adde0d PMID:40436029	research paper	本文提出了一种基于深度学习的实时软组织变形和应力集成建模方法，旨在提升手术模拟器的真实感	开发了基于神经网络的实时多物理场建模框架，解决了手术模拟器中应力渲染缺失的问题，并通过Z-Score归一化平衡物理场特征尺度	现有模型主要关注变形建模，忽视了软组织应力场建模在手术训练中的重要指导作用	提升手术模拟器的真实感，实现软组织变形和应力分布的实时模拟	软组织（如肝脏、脾脏和肾脏）的变形和应力分布	machine learning	NA	深度学习	神经网络	三维模型数据	悬臂梁、肝脏、脾脏和肾脏的三维模型
1337	2025-05-30	The role of artificial intelligence in implant dentistry: a systematic review 2025-May-28, International journal of oral and maxillofacial surgery IF:2.2Q2 DOI:10.1016/j.ijom.2025.04.005 PMID:40436717	系统综述	本文系统综述了人工智能在牙科种植学中的应用	全面分析了2018年至2024年间人工智能在牙科种植学中的多种应用，包括引导手术、诊断、口腔结构分类等	领域仍相对不成熟，11项研究存在高偏倚风险	分析人工智能在牙科种植学中的应用现状	牙科种植学相关研究	人工智能	NA	深度学习算法	深度学习	图像（72.0%二维图像和28.0%三维图像）	120篇相关论文
1338	2025-05-30	Deep Learning-Based Fully Automated Aortic Valve Leaflets and Root Measurement From Computed Tomography Images　- A Feasibility Study 2025-May-28, Circulation journal : official journal of the Japanese Circulation Society IF:3.1Q2 DOI:10.1253/circj.CJ-24-1031 PMID:40436780	研究论文	本研究旨在重新训练现有的基于深度学习的全自动主动脉瓣叶/根部测量算法，并评估其临床可行性	开发了一种全自动算法，用于从CT图像中测量主动脉瓣叶和根部，显著缩短了测量时间并减少了工作量	对于主动脉反流病例的窦管交界处测量存在一定的不确定性	评估基于深度学习的全自动主动脉瓣叶和根部测量算法的临床可行性	主动脉根部扩张、主动脉狭窄和主动脉反流患者	数字病理学	心血管疾病	CT扫描	深度学习	图像	167例患者（40例主动脉根部扩张，50例主动脉狭窄，50例主动脉反流伴或不伴主动脉根部扩张）
1339	2025-05-30	Efficient feature extraction using light-weight CNN attention-based deep learning architectures for ultrasound fetal plane classification 2025-May-28, Physical and engineering sciences in medicine IF:2.4Q2 DOI:10.1007/s13246-025-01566-6 PMID:40437331	research paper	提出了一种基于轻量级CNN和注意力机制的深度学习架构，用于超声胎儿平面分类	结合轻量级EfficientNet特征提取主干和注意力机制，显著减少可训练参数数量，便于边缘设备部署	未提及模型在不同超声设备或操作者间的泛化能力	辅助产科医生进行胎儿平面分类，提高产前诊断效率	超声胎儿图像中的关键平面（脑部、股骨、胸部、宫颈和腹部）	computer vision	prenatal development	深度学习	CNN with attention mechanism	超声图像	最大基准超声数据集（具体数量未提及）
1340	2025-05-30	Estimation of time-to-total knee replacement surgery with multimodal modeling and artificial intelligence 2025-May-27, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110364 PMID:40435672	研究论文	开发并评估了一种基于人工智能的模型，用于通过分析纵向膝关节数据预测全膝关节置换手术时间	结合深度学习特征与临床和图像评估特征，提高了预测全膝关节置换手术时间的准确性	预测准确率仍有提升空间，且需要更多外部数据验证模型的泛化能力	预测全膝关节置换手术时间，以帮助医生个性化治疗策略	547名接受全膝关节置换手术的患者及其纵向数据	数字病理学	骨关节炎	深度学习，生存分析	随机生存森林模型，Lasso Cox特征选择	临床变量，磁共振图像，X光片，定量和半定量评估数据	547名来自骨关节炎倡议的患者用于模型训练和测试，518名来自多中心骨关节炎研究和164名来自内部医院数据的患者用于外部测试