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	2025-06-01	GLIMPSE: Generalized Locality for Scalable and Robust CT 2025-May-30, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3575071 PMID:40445811	research paper	本文提出了一种名为GLIMPSE的局部坐标神经网络，用于计算机断层扫描，通过仅处理与像素邻域相关的测量值来重建像素值	GLIMPSE在OOD样本上显著优于传统CNN，同时在分布内测试数据上表现相当或更好，且内存占用几乎与图像分辨率无关	未明确提及具体局限性	开发一种更高效且鲁棒的计算机断层扫描重建方法	计算机断层扫描图像重建	digital pathology	NA	deep learning, computed tomography	CNN, GLIMPSE	image	1024 × 1024 images
122	2025-06-01	Phantom-Based Ultrasound-ECG Deep Learning Framework for Prospective Cardiac Computed Tomography 2025-May-30, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3575268 PMID:40445820	研究论文	提出了一种结合超声和心电图数据的多模态深度学习框架，用于预测心脏静止期以优化CT血管造影门控	首次将超声和心电图数据结合使用3D CNN和ANN的多模态框架，提高了心脏静止期预测的准确性，特别是在心律失常情况下	在较短的心脏静止期（<100ms）预测准确性相对较低	优化CT血管造影门控，提高心脏静止期预测的准确性	心脏静止期	医学影像分析	心血管疾病	超声、心电图、CT血管造影	3D CNN、ANN	超声图像、心电图信号	使用动态心脏运动模型模拟多种心脏条件（包括心律失常）进行验证
123	2025-06-01	Integrating Motor Unit Activity With Deep Learning for Real-Time, Simultaneous and Proportional Wrist Angle and Grasp Force Estimation 2025-May-30, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3575252 PMID:40445821	research paper	提出了一种结合运动单元活动与深度学习的框架，用于实时、同步和比例估计手腕角度和抓握力	整合了运动神经元放电的神经驱动计算与模块化LSTM神经网络，实现了对运动学和动力学的同步比例解码	实验仅涉及10名受试者，样本量较小	提高肌电假肢对运动学和动力学的实时、同步和比例解码能力	手腕角度和抓握力的估计	machine learning	NA	高密度表面肌电图分解	LSTM	肌电信号	10名受试者
124	2025-06-01	Comparative Efficacy of MultiModal AI Methods in Screening for Major Depressive Disorder: Machine Learning Model Development Predictive Pilot Study 2025-May-30, JMIR formative research IF:2.0Q4 DOI:10.2196/56057 PMID:40446148	research paper	该研究比较了多种AI方法在筛查重度抑郁症（MDD）中的效果，开发了基于视听信号的机器学习模型	利用AI分析视听信号，结合多种范式（如问答和心理意象描述）进行MDD筛查，创新性地比较了不同范式的效果	样本量较小（89名参与者），且研究为预测性试点研究，需要更大规模的验证	评估不同AI范式在MDD筛查中的效果，探索视听信号在精神病学中的应用	89名参与者（41名MDD患者和48名无症状参与者）	machine learning	major depressive disorder	AI分析，包括面部运动、声学和文本特征提取	deep learning	audiovisual signals	89名参与者（41名MDD患者和48名无症状参与者）
125	2025-06-01	Asymmetric Braided Artificial Muscles with Precise Electrothermal Actuation Control Enabled by Deep Learning 2025-May-30, ACS applied materials & interfaces IF:8.3Q1 DOI:10.1021/acsami.5c05636 PMID:40447577	研究论文	本研究提出了一种新型的不对称编织方法，结合碳纳米管纱线和液晶弹性体纤维，制造出电热纤维形状执行器，并通过深度学习提升其控制性能	采用Maypole编织机的不对称编织方法整合碳纳米管纱线与液晶弹性体纤维，以及应用LSTM模型提升执行器在多样化条件下的控制精度	未提及执行器在极端温度或长期使用下的性能稳定性	提升人工肌肉的执行性能和控制精度，以适应多样化操作环境	电热纤维形状执行器	柔性机器人	NA	Maypole编织技术，电热驱动	LSTM	执行器性能数据	NA
126	2025-06-01	HVAngleEst: A Dataset for End-to-end Automated Hallux Valgus Angle Measurement from X-Ray Images 2025-May-30, Scientific data IF:5.8Q1 DOI:10.1038/s41597-025-05261-9 PMID:40447606	research paper	该论文介绍了HVAngleEst，一个用于从X射线图像中自动测量拇外翻角度的大规模开放数据集	首次提出了一个专为拇外翻角度估计设计的大规模开放数据集，包含全面的注释，支持全自动、端到端的角度测量	现有X射线数据集通常仅限于裁剪的足部区域图像，且公开可用的数据集样本量极少	开发一个用于自动测量拇外翻角度和跖骨间角度的大规模数据集，以支持深度学习算法的开发	拇外翻角度和跖骨间角度的测量	digital pathology	hallux valgus	deep learning	NA	X-ray images	1,382张X射线图像，来自1,150名患者
127	2025-06-01	Bayesian deep-learning structured illumination microscopy enables reliable super-resolution imaging with uncertainty quantification 2025-May-30, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-60093-w PMID:40447610	research paper	该研究开发了一种基于贝叶斯深度学习的结构光照明显微镜技术（BayesDL-SIM），用于提高超分辨率成像的可靠性和不确定性量化	提出了BayesDL-SIM方法，不仅提升了密集标记结构的重建质量，还能量化超分辨率成像中的不确定性，增强了成像的透明度和可靠性	NA	提高光学超分辨率成像的可靠性和不确定性量化，以促进科学发现	生物过程（如F-actin动力学和细胞骨架重组）的超分辨率成像	计算机视觉	NA	结构光照明显微镜（SIM）	Bayesian deep learning (BayesDL)	图像	NA
128	2025-06-01	Pixel super-resolved virtual staining of label-free tissue using diffusion models 2025-May-30, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-60387-z PMID:40447613	研究论文	本研究提出了一种基于扩散模型的像素超分辨率虚拟染色方法，用于将无标记组织的显微镜图像转换为等效的化学染色样本	利用布朗桥过程提升空间分辨率和保真度，显著减少生成图像的方差，实现更稳定和准确的输出	NA	提升无标记组织虚拟染色的分辨率和图像质量，增强临床诊断的可靠性	无标记人类肺组织样本的自动荧光图像	数字病理学	肺癌	扩散模型	扩散模型	图像	NA
129	2025-06-01	DeepDTAGen: a multitask deep learning framework for drug-target affinity prediction and target-aware drugs generation 2025-May-30, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-59917-6 PMID:40447614	研究论文	提出了一种多任务深度学习框架DeepDTAGen，用于预测药物-靶标亲和力并生成靶标感知的新药物	开发了一种新颖的多任务学习框架，能够同时预测药物-靶标结合亲和力并生成靶标感知的新药物变体，解决了现有方法单任务设计的局限性	未提及具体的数据集规模限制或模型泛化能力的局限性	加速药物发现和开发过程，提高药物-靶标相互作用预测和新药生成的效率	药物分子和靶标蛋白质	机器学习	NA	多任务深度学习	DeepDTAGen（多任务深度学习框架）	药物分子结构数据和靶标蛋白质构象动态数据	三个真实世界的数据集（未提及具体样本数量）
130	2025-06-01	Automated diagnosis for extraction difficulty of maxillary and mandibular third molars and post-extraction complications using deep learning 2025-May-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-00236-7 PMID:40447616	研究论文	本研究提出了一种基于深度学习的方法，用于自动预测上下颌第三磨牙的拔牙难度及拔牙后并发症	首次结合语义分割和分类模型，全面预测拔牙难度及并发症（如上颌窦穿孔和下牙槽神经损伤）	研究仅基于OPG影像数据，未考虑其他临床因素	开发一种自动化诊断系统，辅助临床医生术前评估第三磨牙拔牙难度和并发症风险	上下颌第三磨牙（M3）	数字病理	口腔疾病	深度学习	语义分割模型和分类模型	影像数据（OPG）	4,903张经过专家标注的全景片（OPG）
131	2025-06-01	Assessing and improving reliability of neighbor embedding methods: a map-continuity perspective 2025-May-30, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-60434-9 PMID:40447630	研究论文	本文通过引入LOO-map框架，评估并改进了邻域嵌入方法（如t-SNE和UMAP）的可靠性，解决了高维数据可视化中的误导性视觉伪影问题	提出了LOO-map框架，扩展了嵌入映射的范围，并开发了两种点级诊断分数来检测不可靠的嵌入点，改进了超参数选择	未明确提及具体的数据集规模或实验限制	评估和改进邻域嵌入方法的可靠性，以提高高维数据可视化的准确性	邻域嵌入方法（如t-SNE和UMAP）及其在高维数据可视化中的应用	机器学习	NA	邻域嵌入方法（t-SNE和UMAP）	LOO-map	高维数据	NA
132	2025-06-01	Upper limb human-exoskeleton system motion state classification based on semg: application of CNN-BiLSTM-attention model 2025-May-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-02864-5 PMID:40447649	研究论文	本研究基于表面肌电信号对上肢五种典型运动状态进行分类，以支持辅助上肢外骨骼的实时控制系统	提出了一种结合CNN、BiLSTM和注意力机制的深度学习模型，以提高复杂场景下运动状态识别的准确性	样本量较小（仅10名参与者），且未提及模型在不同人群或环境下的泛化能力	开发一种能够准确分类上肢运动状态的方法，以支持外骨骼控制系统的智能化	上肢运动状态（包括休息、轻度活动、快速运动、动态负重和静态负重）	机器学习	NA	表面肌电信号采集	CNN-BiLSTM-attention	表面肌电信号	10名参与者的肱二头肌、肱三头肌和三角肌数据
133	2025-06-01	MCOA: A Comprehensive Multimodal Dataset for Advancing Deep Learning in Corneal Opacity Assessment 2025-May-30, Scientific data IF:5.8Q1 DOI:10.1038/s41597-025-05205-3 PMID:40447652	research paper	该研究建立了一个全面的角膜混浊多模态数据集，用于推进深度学习在角膜混浊评估中的应用	创建了目前最大规模的角膜混浊数据集，结合了AS-OCT图像和前段照片，为深度学习算法开发提供了高质量数据	未提及数据集的多样性或覆盖范围是否足够广泛	推进深度学习在角膜混浊识别和评估中的应用，支持AI驱动的临床决策和个性化治疗计划制定	角膜混浊患者	digital pathology	眼科疾病	AS-OCT	深度学习	图像	6,272张AS-OCT图像和392张前段照片
134	2025-06-01	Deep learning based motion correction in ultrasound microvessel imaging approach improves thyroid nodule classification 2025-May-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-02728-y PMID:40447670	研究论文	本文介绍了一种基于深度学习的运动校正技术，用于改善超声定量高清微血管成像（qHDMI）中的帧间运动伪影，从而提高甲状腺结节的分类准确性	提出了一种新颖的基于深度学习的运动校正技术，能够补偿甲状腺附近颈动脉搏动引起的帧间运动伪影，保留精细血管结构以提取更准确的生物标志物	NA	改善甲状腺结节的超声成像分类准确性	甲状腺结节	数字病理学	甲状腺疾病	超声定量高清微血管成像（qHDMI）	深度学习	图像	根据帧间相关值将数据集分为低运动和高运动病例
135	2025-06-01	Assessing the performance of domain-specific models for plant leaf disease classification: a comprehensive benchmark of transfer-learning on open datasets 2025-May-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-03235-w PMID:40447674	research paper	本文通过评估多种CNN模型在公开植物叶片病害数据集上的性能，旨在为植物病害分类任务确定最佳模型架构和数据集	首次对大量先进CNN模型在多种公开植物病害数据集上进行全面基准测试，为领域内模型选择提供依据	研究仅基于现有公开数据集，可能无法涵盖所有实际农业场景中的植物病害情况	评估不同CNN模型在植物叶片病害分类任务中的性能，为构建更好的模型和新基础模型提供依据	植物叶片病害图像	computer vision	plant disease	transfer-learning	CNN	image	23种模型在18个数据集上进行测试，共训练4140次
136	2025-06-01	Deep learning-driven automated mitochondrial segmentation for analysis of complex transmission electron microscopy images 2025-May-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-03311-1 PMID:40447684	研究论文	本文介绍了一种结合概率交互式分割和线粒体形态自动量化的深度学习框架，用于复杂透射电子显微镜图像的线粒体分割分析	该模型利用不确定性分析和实时用户反馈，在保持分割精度的同时，将分析时间相比手动方法减少了90%	NA	开发自动化工具以提高线粒体超微结构分析的效率和准确性	小鼠骨骼肌的透射电子显微镜图像中的线粒体	计算机视觉	杜氏肌营养不良症	透射电子显微镜(TEM)	深度学习框架	图像	基准Lucchi++数据集和真实世界的小鼠骨骼肌TEM图像
137	2025-06-01	A global object-oriented dynamic network for low-altitude remote sensing object detection 2025-May-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-02194-6 PMID:40447715	研究论文	本研究提出了一种名为GOOD-Net的全局面向对象动态网络算法，用于低空遥感图像中的目标检测	引入了GOOD-Net算法，包含动态自适应骨干网络、全局信息优化颈部网络和任务特定处理头，以及ReSSD Block、GPSA和DECBS等新模块组件	NA	开发一种高效、实时的低空遥感图像目标检测算法	低空遥感图像中的目标检测	计算机视觉	NA	深度学习	GOOD-Net（包含ReSSD Block、GPSA、DECBS等模块）	图像	VisDrone数据集
138	2025-06-01	Intelligent deep learning model for targeted cancer drug delivery 2025-May-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-96149-6 PMID:40447713	研究论文	本文提出了一种基于分子通信技术的多室模型，结合人工智能生物网络接口，用于靶向癌症药物递送	提出了一种新型的多室模型，结合AI生物网络接口和分子通信技术，能够连接人体内外，提高药物在靶向细胞中的浓度并减少对健康细胞的不良影响	NA	开发一种创新的靶向药物递送系统，以提高治疗效果并减少副作用	肿瘤细胞和药物递送系统	数字病理学	癌症	分子通信技术	多室模型	NA	NA
139	2025-06-01	Histopathological image based breast cancer diagnosis using deep learning and bio inspired optimization 2025-May-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-04136-8 PMID:40447726	research paper	该研究提出了一种结合深度学习和生物启发优化算法的框架，用于基于组织病理学图像的乳腺癌诊断	整合了AlexNet和GRU网络，并采用河马优化算法（HOA）进行超参数调优，实现了99.60%的分类准确率	未提及模型在临床环境中的实际应用验证	提高乳腺癌的早期诊断准确率和临床决策效率	乳腺癌组织病理学图像	digital pathology	breast cancer	deep learning, bio-inspired optimization	AlexNet, GRU, DenseNet-41	image	BreakHis和BACH基准数据集
140	2025-06-01	Quantitative benchmarking of nuclear segmentation algorithms in multiplexed immunofluorescence imaging for translational studies 2025-May-30, Communications biology IF:5.2Q1 DOI:10.1038/s42003-025-08184-8 PMID:40447729	research paper	该研究对多重免疫荧光成像中常用的核分割工具进行了定量基准测试，评估了它们在7种组织类型中的性能	首次在多种组织类型上对核分割算法进行了全面基准测试，并推荐了在准确性和计算效率上表现最佳的预训练深度学习模型	研究仅评估了核分割性能，未考虑下游分析任务的影响	为转化研究中的多重免疫荧光成像数据开发高效准确的核分割方法	人类组织样本中约20,000个标记核	digital pathology	NA	multiplexed immunofluorescence imaging	deep learning models (Mesmer, StarDist)	image	约20,000个标记核，来自7种组织类型的人类样本