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
121	2025-04-25	Natural language processing models reveal neural dynamics of human conversation 2025-Apr-09, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-58620-w PMID:40204693	研究论文	该研究利用预训练的深度学习自然语言处理模型结合颅内神经元记录，揭示了人类自然对话中语言产生和理解的神经动态	首次结合预训练NLP模型与颅内神经元记录技术，揭示了自然对话中语言产生与理解的神经信号动态特征	研究依赖于颅内记录技术，样本量有限且具有侵入性	探索人类自然对话中语言产生与理解的神经机制	人类自然对话过程中的神经活动	自然语言处理	NA	深度学习自然语言处理模型, 颅内神经元记录	预训练NLP模型	神经电生理信号, 语言数据	未明确说明受试者数量
122	2025-04-25	Autonomous learning of pathologists' cancer grading rules 2025-Apr-07, bioRxiv : the preprint server for biology DOI:10.1101/2025.03.18.643999 PMID:40166226	research paper	开发了一种可解释的深度学习算法，揭示组织形态学与癌症生物学之间的联系	提出了一种可解释的深度学习（IDL）算法，能够自主形式化疾病组织病理学表现与潜在组织架构驱动因素之间的联系	深度学习模型的‘黑箱’性质可能仍然存在一定的解释难度	探索组织形态学与癌症生物学之间的联系，并开发可解释的深度学习算法	透明细胞肾细胞癌（ccRCC）组织图像	digital pathology	renal cell carcinoma	deep learning	generative model, DL model	image	NA
123	2025-04-25	Virtual lung screening trial (VLST): An in silico study inspired by the national lung screening trial for lung cancer detection 2025-Apr-05, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103576 PMID:40209556	研究论文	本文介绍了一项名为虚拟肺癌筛查试验（VLST）的计算机模拟研究，旨在通过虚拟成像试验（VITs）加速临床试验并优化影像技术在医疗中的应用	利用虚拟成像试验平台模拟主要临床试验的关键元素，如国家肺癌筛查试验（NLST），以无风险环境加速医学创新	研究基于模拟数据，可能无法完全反映真实临床环境的复杂性	探索虚拟成像试验在复制临床试验关键元素方面的潜力，特别是比较CT和CXR在肺癌筛查中的诊断性能	模拟的294名虚拟患者，包含模拟的癌性肺结节	数字病理学	肺癌	CT和CXR成像	AI CT-Reader和AI CXR-Reader（深度学习模型）	影像数据	294名虚拟患者
124	2025-04-25	An Open-Source Deep Learning-Based GUI Toolbox for Automated Auditory Brainstem Response Analyses (ABRA) 2025-Apr-02, bioRxiv : the preprint server for biology DOI:10.1101/2024.06.20.599815 PMID:38948763	research paper	介绍了一种基于深度学习的开源图形用户界面工具ABRA，用于自动化分析听觉脑干反应(ABR)	ABRA利用卷积神经网络(CNN)自动化和标准化ABR波形分析，显著减少分析时间并提高跨实验室数据集的重复性	NA	开发一个自动化工具以改进听觉脑干反应(ABR)的分析方法	听觉脑干反应(ABR)波形	machine learning	hearing loss	deep learning	CNN	electrophysiological recordings	diverse datasets collected from multiple experimental settings
125	2025-04-25	PixelPrint4D: A 3D Printing Method of Fabricating Patient-Specific Deformable CT Phantoms for Respiratory Motion Applications 2025-Apr-02, Investigative radiology IF:7.0Q1 DOI:10.1097/RLI.0000000000001182 PMID:40173424	research paper	介绍了一种名为PixelPrint4D的3D打印方法，用于制造患者特异性的可变形CT体模，以模拟呼吸运动	提出了一种新型3D打印方法PixelPrint4D，能够制造具有真实组织结构和变形模式的呼吸运动体模，超越了现有模型的简化设计	研究仅基于单一肺癌患者的4DCT数据集，样本量较小，可能影响结果的普遍性	开发更真实的呼吸运动体模，以支持CT成像和放射治疗中新兴技术的测试和评估	肺癌患者的肺部结构和呼吸运动模式	digital pathology	lung cancer	3D打印技术，4DCT成像	NA	CT图像数据	1例肺癌患者的4DCT数据集
126	2025-04-25	Integrative network analysis reveals novel moderators of Aβ-Tau interaction in Alzheimer's disease 2025-Apr-02, Alzheimer's research & therapy DOI:10.1186/s13195-025-01705-x PMID:40176187	研究论文	本研究利用深度学习整合蛋白质组学和蛋白质相互作用数据，揭示Aβ-Tau相互作用在阿尔茨海默病中的新型调节因子	首次应用深度学习整合网络分析方法，发现GPNMB+小胶质细胞对Aβ-Tau相互作用的调节作用	研究结果主要基于ROSMAP队列数据，需要进一步在其他队列中验证	探索Aβ-Tau相互作用在阿尔茨海默病进展中的调节机制	阿尔茨海默病患者（轻度认知障碍和早期阶段）的蛋白质组学和蛋白质相互作用数据	数字病理学	阿尔茨海默病	蛋白质组学分析、蛋白质相互作用网络分析	深度学习模型（BIONIC）	蛋白质组学数据、基因表达数据	ROSMAP队列数据（具体样本数量未明确说明）
127	2025-04-25	Decoding pathology: the role of computational pathology in research and diagnostics 2025-Apr, Pflugers Archiv : European journal of physiology DOI:10.1007/s00424-024-03002-2 PMID:39095655	综述	本文介绍了计算病理学在研究和诊断中的作用及其进展	探讨了基于深度学习的计算病理学方法在突变预测、大规模病理组学分析和预后预测等多任务中的卓越表现，以及多模态数据源和多用途基础模型的新方法	NA	介绍计算病理学的进展并讨论其对组织病理学在研究和诊断中未来的影响	组织病理学标本	数字病理学	NA	深度学习	DL-based models	组织病理学图像	NA
128	2025-04-25	The Usefulness of Low-Kiloelectron Volt Virtual Monochromatic Contrast-Enhanced Computed Tomography with Deep Learning Image Reconstruction Technique in Improving the Delineation of Pancreatic Ductal Adenocarcinoma 2025-Apr, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01214-7 PMID:39136827	研究论文	评估低keV多相CT结合深度学习图像重建技术在改善胰腺导管腺癌（PDAC）描绘中的效果	首次比较了深度学习图像重建（DLIR）与传统混合迭代重建（HIR）在低keV虚拟单色成像（VMI）中对PDAC描绘的改进	研究样本量较小（35例患者），且为回顾性研究	提高胰腺导管腺癌（PDAC）在CT图像中的描绘质量	胰腺导管腺癌（PDAC）患者	医学影像	胰腺癌	多相CT、虚拟单色成像（VMI）、深度学习图像重建（DLIR）	DLIR（TrueFidelity-H）	CT图像	35例PDAC患者
129	2025-04-25	Optimizing Acute Stroke Segmentation on MRI Using Deep Learning: Self-Configuring Neural Networks Provide High Performance Using Only DWI Sequences 2025-Apr, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-00994-2 PMID:39138749	研究论文	本研究评估了使用DWI、ADC和FLAIR序列在缺血性卒中分割中的效用，并比较了自配置nnU-Net模型与传统U-Net模型的性能	自配置nnU-Net模型在仅使用DWI序列时表现出色，且无需手动优化，显著优于标准U-Net模型	在外部数据集上，假阳性率较高，特别是在颅内出血病例中	优化急性卒中MRI分割，评估不同MRI序列对深度学习分割的影响	缺血性卒中患者的MRI图像	数字病理	心血管疾病	MRI（DWI、ADC、FLAIR序列）	nnU-Net, U-Net	图像	200例梗死病例用于训练，50例用于测试，50例MRI用于外部验证
130	2025-04-25	Ensemble of Deep Learning Architectures with Machine Learning for Pneumonia Classification Using Chest X-rays 2025-Apr, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01201-y PMID:39138748	research paper	该研究探讨了深度学习与机器学习分类器结合用于胸部X光图像肺炎分类的应用	提出了结合改进的VGG19、ResNet50V2和DenseNet121模型进行特征提取，并采用五种机器学习分类器的方法，显著提高了肺炎分类的准确率	未来研究需要优化模型并探索其在其他医学影像任务中的应用，同时增加可解释性方法以增强临床信任度	提高肺炎分类的准确性和效率，以优化治疗方案	胸部X光图像	digital pathology	lung cancer	deep learning, machine learning	VGG19, ResNet50V2, DenseNet121, logistic regression, SVM, decision tree, random forest, ANN	image	NA
131	2025-04-25	A Non-Invasive Blood Glucose Detection System Based on Photoplethysmogram With Multiple Near-Infrared Sensors 2025-Apr, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3443317 PMID:39141451	研究论文	本文开发了一种基于光电容积图和多重近红外传感器的无创血糖检测系统	结合光电容积图和多重近红外方法，开发了一种新型指尖血糖检测系统，使用多重光传感器和轻量级深度学习模型	研究样本量较小，仅涉及10名参与者，可能影响结果的普遍性	开发一种更准确的无创血糖检测方法	人体血糖水平	生物医学工程	糖尿病	光电容积图(PPG)和多重近红外传感器技术	轻量级深度学习模型	生物信号数据	10名参与者，每人提供约700段10秒左右的数据
132	2025-04-25	Deep Learning-Based Prediction of Post-treatment Survival in Hepatocellular Carcinoma Patients Using Pre-treatment CT Images and Clinical Data 2025-Apr, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01227-2 PMID:39147884	research paper	该研究开发并评估了一个基于深度学习的模型，用于预测肝细胞癌（HCC）患者治疗后的生存率，结合了CT图像和临床信息	提出了一种级联模型，结合3D CNN提取CT图像特征，并整合患者相关因素和治疗选项，优化了生存预测性能	外部验证队列样本量较小（n=39），可能影响模型的泛化能力	预测肝细胞癌患者治疗后的生存率	692名肝细胞癌患者	digital pathology	hepatocellular carcinoma	CT imaging	3D CNN (DenseNet-121)	image (CT), clinical data	692 patients (507 training, 146 testing, 39 external validation)
133	2025-04-25	Construction and Validation of a General Medical Image Dataset for Pretraining 2025-Apr, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01226-3 PMID:39147887	研究论文	本研究构建并验证了一个通用的医学图像预训练数据集CPMID，用于提升医学图像分类和分割任务的性能	首次构建了一个专门用于医学图像预训练的通用数据集CPMID，并在多种下游任务中验证了其有效性	未提及数据集的规模限制或多样性限制	为医学图像分析领域构建一个通用的预训练数据集	医学图像数据集CPMID及其预训练模型	数字病理学	NA	深度学习	Resnet, Vision Transformer	医学图像	多个公开医学图像数据集的集合（具体数量未提及）
134	2025-04-25	Harnessing Deep Learning for Accurate Pathological Assessment of Brain Tumor Cell Types 2025-Apr, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01107-9 PMID:39150595	研究论文	本研究利用深度学习模型对脑肿瘤病理图像进行分类，以解决医学影像数据有限的问题	采用预训练网络提取深度特征，并结合支持向量机进行分类，实现了97.4%的准确率	研究基于有限的医学影像数据，可能存在泛化能力不足的问题	提高脑肿瘤病理诊断的准确性和效率	原发性弥漫性中枢神经系统大B细胞淋巴瘤（CNS-pDLBCL）和高级别胶质瘤（HGG）	数字病理	脑肿瘤	深度学习	Resnet50 (TL + SVM)	图像	基于测试集的十倍交叉验证
135	2025-04-25	Speed and efficiency: evaluating pulmonary nodule detection with AI-enhanced 3D gradient echo imaging 2025-Apr, European radiology IF:4.7Q1 DOI:10.1007/s00330-024-11027-5 PMID:39154315	研究论文	评估人工智能辅助压缩感知在加速肺部MRI中对肺结节检测和表征的诊断可行性	结合压缩感知和AI技术显著减少肺部MRI扫描时间，同时保持高肺结节检测率	研究样本量较小（37名患者），且不同加速因子下的结节形态评估存在差异	优化肺部MRI扫描时间并评估其对肺结节检测和表征的影响	良性和恶性肺结节患者	数字病理	肺癌	呼吸门控3D梯度回波序列，结合并行成像、压缩感知和深度学习图像重建	深度学习	MRI和CT图像	37名患者，共64个肺结节（57个实性结节，6个部分实性结节，1个磨玻璃结节）
136	2025-04-25	Deep Learning-Based Model for Non-invasive Hemoglobin Estimation via Body Parts Images: A Retrospective Analysis and a Prospective Emergency Department Study 2025-Apr, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01209-4 PMID:39160365	research paper	开发了一种基于深度学习的非侵入性血红蛋白估计模型，通过多个身体部位图像进行贫血检测	提出了一个基于多身体部位图像的深度学习预测模型（BPANet），采用融合注意力机制和双损失函数，提高了对少数样本的稳定处理能力	模型在前瞻性数据集上的准确率（0.716）和F1分数（0.788）略低于回顾性数据集	开发一种非侵入性血红蛋白估计方法，用于贫血的快速检测	贫血患者	digital pathology	anemia	deep learning	BPANet	image	回顾性数据集（EYES-DEFY-ANEMIA）和前瞻性数据集（101名患者）
137	2025-04-25	DECNet: Left Atrial Pulmonary Vein Class Imbalance Classification Network 2025-Apr, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01221-8 PMID:39164454	research paper	提出了一种名为DECNet的网络，用于解决左心房肺静脉分类不平衡问题，结合多尺度特征增强注意力和双特征提取分类器，以提高分类准确性	整合多尺度特征增强注意力和双特征提取分类器，增强深度特征的表达能力，解决数据不平衡导致的分类偏差	仅在特定数据集（辽宁省人民医院和DermaMNIST数据集）上验证，可能在其他数据集上表现不同	解决左心房肺静脉分类不平衡问题，提高分类准确性以支持临床治疗	左心房肺静脉的解剖学分类	digital pathology	cardiovascular disease	deep learning	DECNet (multi-scale feature-enhanced attention and dual-feature extraction classifier)	image	数据集来自辽宁省人民医院和公开的DermaMNIST数据集
138	2025-04-25	Improved Automated Quality Control of Skeletal Wrist Radiographs Using Deep Multitask Learning 2025-Apr, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01220-9 PMID:39187704	研究论文	本研究开发了一个基于深度多任务学习的卷积神经网络模型，用于自动化质量控制，特别针对手腕X光片的关键属性检测与分类	采用基于DenseNet 121架构的多任务深度学习模型，实现了对手腕X光片的高精度质量控制，包括投影分类、石膏检测和手术硬件识别	在侧位标记检测方面表现较低（F1分数82.52%），特别是对于部分可见或截断的标记	提高放射工作流程中手腕X光片自动化质量控制的准确性和效率	手腕X光片的质量控制属性，包括投影、侧位标记、石膏和手术硬件的存在	数字病理	NA	深度学习	CNN, DenseNet 121	图像	6283张手腕X光片，来自2591名患者
139	2025-04-25	Two-step deep learning models for detection and identification of the manufacturers and types of dental implants on panoramic radiographs 2025-Apr, Odontology IF:1.9Q2 DOI:10.1007/s10266-024-00989-z PMID:39198339	research paper	本研究开发了两步深度学习模型，用于在全景X光片上自动检测种植体区域并识别多种种植体类型	采用两步深度学习模型（YOLO v7和EfficientNet）分别进行种植体区域检测和类型识别，实现了高精度的种植体制造商及类型分类	Nobel的class 2 (Parallel)分类指标相对较低	开发自动化工具以辅助牙科种植体的检测与识别	全景X光片中的牙科种植体	computer vision	dental disease	deep learning	YOLO v7, EfficientNet	image	1574张全景X光片，包含3675个种植体
140	2025-04-25	Generating synthetic high-resolution spinal STIR and T1w images from T2w FSE and low-resolution axial Dixon 2025-Apr, European radiology IF:4.7Q1 DOI:10.1007/s00330-024-11047-1 PMID:39231829	研究论文	该研究利用深度学习模型从T2加权FSE和低分辨率轴向Dixon序列生成合成的高分辨率脊柱STIR和T1加权图像	首次应用两个连续的3D Pix2Pix深度学习模型从T2w FSE和低分辨率轴向T1w-Dixon序列生成合成图像	研究为回顾性设计，依赖于现有数据集，可能影响结果的普遍性	探索从现有MRI序列生成高质量合成T1w FSE和STIR图像的可行性	脊柱MRI图像	医学影像分析	骨髓病变	3D Pix2Pix深度学习模型	GAN	MRI图像	SHIP数据集(3142例)、NAKO数据集(2000例)和内部数据集(157例患者)