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	2025-05-03	A multi-task neural network for full waveform ultrasonic bone imaging 2025-Apr-25, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108807 PMID:40311439	研究论文	提出了一种名为CEDD-Unet的新型多任务神经网络，用于高分辨率超声骨成像	采用双解码器架构和ConvLSTM模块，结合EMA模块增强特征表示，提高了超声骨成像的准确性和清晰度	未提及具体临床应用验证或大规模数据集测试结果	实现基于深度学习的全波形反演方法进行高分辨率超声骨成像	人类骨骼和小鼠骨骼的声速模型数据集	数字病理	NA	全波形反演(FWI)	CEDD-Unet（基于Dual-Decoder架构的CNN+ConvLSTM）	超声射频(RF)信号	人类骨骼数据集(Dataset1)和小鼠骨骼数据集(Dataset2)，具体样本量未明确说明
122	2025-05-03	Reliable Radiologic Skeletal Muscle Area Assessment - A Biomarker for Cancer Cachexia Diagnosis 2025-Apr-25, medRxiv : the preprint server for health sciences DOI:10.1101/2025.04.21.25326162 PMID:40313262	研究论文	开发了一种名为SMAART-AI的自动化工具，用于通过CT扫描评估骨骼肌面积，以诊断癌症恶病质	SMAART-AI结合了深度学习和不确定性机制，提高了骨骼肌面积评估的自动化程度和准确性	研究主要基于胃食管癌数据集，可能在其他癌症类型中的适用性有待验证	开发一种可靠的自动化工具，用于癌症恶病质的早期诊断和干预	癌症恶病质患者的骨骼肌面积	数字病理	癌症恶病质	CT扫描	nnU-Net 2D, MLP	图像	胃食管癌数据集
123	2025-05-03	Hybrid AI models for predicting heat distribution in complex tissue structures with bioheat transfer simulation 2025-Apr-23, Journal of thermal biology IF:2.9Q1 DOI:10.1016/j.jtherbio.2025.104122 PMID:40311397	研究论文	本文提出了一种结合深度学习和分数Legendre小波方法的新型生物热传递模型，用于精确预测工程组织构建中的热效应	整合了分数Legendre小波方法和深度学习，实现了对生物组织热行为的实时预测，预测速度比传统方法快15%	实验验证仅针对5厘米的组织构建，未涉及更大规模或更复杂的组织结构	提高生物组织热行为的预测精度，以支持精确的热疗和肿瘤消融应用	工程组织构建（包括皮肤、肌肉、脂肪和骨骼）	生物医学工程	NA	深度学习增强的生物热传递模拟	深度学习模型	温度分布数据	5厘米的组织构建，暴露于15W热源120分钟
124	2025-05-03	Association of Deep Learning-Derived Histologic Features of Placental Chorionic Villi with Maternal and Infant Characteristics in the New Hampshire Birth Cohort Study 2025-Apr-23, medRxiv : the preprint server for health sciences DOI:10.1101/2025.04.22.25325465 PMID:40313259	研究论文	本研究利用深度学习技术自动检测胎盘绒毛膜绒毛，并探讨其与母婴特征的关联	开发了一种基于深度学习的自动化方法，用于检测胎盘绒毛膜绒毛，并通过无监督聚类识别了生物学相关的绒毛亚型	研究仅基于足月胎盘样本，未涵盖早产或其他胎盘异常情况	通过标准化胎盘结构量化，减轻病理学家负担，深入了解胎盘生长与适应，改善母婴健康结果	新罕布什尔出生队列研究中的1,531份足月胎盘全切片图像	数字病理学	母婴健康	深度学习分割	深度学习	图像	1,531份足月胎盘全切片图像
125	2025-05-03	Detection of precancerous lesions in cervical images of perimenopausal women using U-net deep learning 2025-Apr-23, African journal of reproductive health IF:0.7Q4 DOI:10.29063/ajrh2025/v29i4.10 PMID:40314307	研究论文	本研究开发了一种基于U-Net和ResNet的高效准确宫颈细胞图像分割与识别模型，用于提高围绝经期女性癌前病变的检测	结合U-Net与SegNet，并引入SE注意力机制构建2Se/U-Net分割模型；优化ResNet，采用LD-loss和DRL块构建LD/ResNet病变识别模型	研究仅基于103张围绝经期女性的细胞学图像，样本量较小	提高围绝经期女性宫颈癌前病变的检测效率和准确性	围绝经期女性的宫颈细胞图像	数字病理学	宫颈癌	深度学习	U-Net, ResNet, SegNet, SE注意力机制	图像	103张围绝经期女性的细胞学图像
126	2025-05-03	Optimizing Immunotherapy: The Synergy of Immune Checkpoint Inhibitors with Artificial Intelligence in Melanoma Treatment 2025-Apr-16, Biomolecules IF:4.8Q1 DOI:10.3390/biom15040589 PMID:40305346	review	本文综述了人工智能（AI）在优化黑色素瘤免疫检查点抑制剂（ICIs）治疗中的潜力，整合了多种诊断工具	AI在提高ICI治疗效果、识别预后细胞因子特征、开发个性化治疗方案、评估免疫相关不良事件风险以及肿瘤微环境分析方面展示了高效性	临床验证和实施仍面临挑战	优化黑色素瘤的免疫治疗	黑色素瘤患者	digital pathology	melanoma	RNA-seq, CT imaging, electronic health record (EHR) data analysis	machine learning, deep learning	RNA-seq data, imaging data, EHR data	NA
127	2025-05-03	Graph-based deep learning for predictions on changes in microbiomes and biogas production in anaerobic digestion systems 2025-Apr-15, Water research IF:11.4Q1 DOI:10.1016/j.watres.2025.123144 PMID:39826399	研究论文	本研究提出了一种基于图卷积网络（GCNs）的方法，用于预测厌氧消化系统中微生物群落变化和沼气产量	首次将图卷积网络应用于厌氧消化过程建模，整合了高通量测序数据和挥发性脂肪酸抑制效应的网络分析	研究仅基于特定操作条件下的厌氧消化器响应，可能不适用于所有厌氧消化系统	理解和优化厌氧消化过程，预测微生物动态和沼气产量	厌氧消化系统中的微生物群落和沼气生产过程	机器学习	NA	高通量测序	GCN	测序数据	281天的厌氧消化器响应数据，包括有机负荷冲击、饥饿和生物强化等多种喂养条件
128	2025-05-03	Real-life benefit of artificial intelligence-based fracture detection in a pediatric emergency department 2025-Apr-07, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-11554-9 PMID:40192806	研究论文	评估基于人工智能的骨折检测软件在儿科急诊临床环境中的性能及其对经验不足医生诊断准确性的影响	在真实临床环境中评估AI骨折检测软件的性能，并探讨其对经验不足医生诊断准确性的提升作用	AI对某些特定类型骨折(如桡骨髁骨折)的检测灵敏度较低(68%)，且AI辅助可能导致2%病例的正确诊断被错误排除	评估AI骨折检测软件在儿科急诊中的临床应用价值	18岁以下儿童的1672张放射影像	数字病理	骨折	深度学习	深度学习模型(未明确说明具体类型)	医学影像	1672张儿童放射影像(中位年龄10.9岁，59%男性)
129	2025-05-03	Kernel representation-based End-to-End network-enabled decoding strategy for precise and medical diagnosis 2025-Apr-05, Journal of hazardous materials IF:12.2Q1 DOI:10.1016/j.jhazmat.2025.137233 PMID:39823885	research paper	提出了一种名为CellNet的神经网络模型，用于检测密集目标，并通过基于形状感知的径向基函数学习对象的核表示，提高目标计数准确性	使用形状感知径向基函数学习对象的核表示，显著提高了密集目标的检测准确率	未明确提及模型在其他类型目标或更复杂场景下的表现	开发高精度的生物标志物检测方法，用于疾病诊断	密集目标和粘附性聚苯乙烯微球	computer vision	NA	biotin-streptavidin-based biosensing method using artificial intelligence transcoding (bs-SMART)	neural network (CellNet)	image	血清样本（具体数量未提及）
130	2025-05-03	Molecular Modelling in Bioactive Peptide Discovery and Characterisation 2025-Apr-03, Biomolecules IF:4.8Q1 DOI:10.3390/biom15040524 PMID:40305228	review	本文综述了分子建模在生物活性肽发现与表征中的应用及其最新进展	整合人工智能技术，特别是AlphaFold和蛋白质语言模型（PLMs），显著提升了肽构象和相互作用的预测能力	现有方法在整合多样化的非经典氨基酸和环化结构方面仍面临挑战	探讨分子建模技术在生物活性肽发现与表征中的应用及其优化方向	生物活性肽及其与生物靶标的相互作用	计算生物学	NA	分子建模、分子对接、分子动力学（MD）、虚拟筛选、深度学习	AlphaFold、蛋白质语言模型（PLMs）	蛋白质序列与结构数据	NA
131	2025-05-03	Deep Learning Technology for Classification of Thyroid Nodules Using Multi-View Ultrasound Images: Potential Benefits and Challenges in Clinical Application 2025-Apr, Endocrinology and metabolism (Seoul, Korea) DOI:10.3803/EnM.2024.2058 PMID:39805576	research paper	评估深度学习技术在甲状腺结节超声图像分类中的适用性	使用多视角超声图像和多种CNN算法（ResNet、DenseNet、EfficientNet）进行甲状腺结节分类，并采用Siamese神经网络进行多视图分析	模型性能可能因不同医生和成像设备获取的图像质量而异	评估深度学习技术在甲状腺结节超声图像分类中的临床应用潜力	甲状腺结节超声图像	digital pathology	thyroid cancer	ultrasound imaging	CNN (ResNet, DenseNet, EfficientNet), Siamese neural networks	image	1,048个甲状腺结节（来自943名患者），其中306个（29%）为甲状腺癌
132	2025-05-03	A Paradigm of Computer Vision and Deep Learning Empowers the Strain Screening and Bioprocess Detection 2025-Apr, Biotechnology and bioengineering IF:3.5Q2 DOI:10.1002/bit.28926 PMID:39821114	研究论文	本研究提出并验证了一种结合计算机视觉与深度学习的创新研究范式，以促进高效菌株筛选和有效发酵过程优化	结合计算机视觉与深度学习，开发了一种用于菌株筛选和发酵过程优化的视觉传感研究范式	NA	提高菌株筛选和发酵过程优化的效率和稳定性	庆大霉素C1a效价和荧光蛋白表达	计算机视觉	NA	计算机视觉、深度学习	1D-CNN	图像	NA
133	2025-05-03	Deep learning-aided diagnosis of acute abdominal aortic dissection by ultrasound images 2025-Apr, Emergency radiology IF:1.7Q3 DOI:10.1007/s10140-025-02311-y PMID:39821588	research paper	本研究探讨了深度学习在超声图像中诊断急性腹主动脉夹层的能力	使用深度学习模型（Densenet-169和VGG-16）辅助诊断急性腹主动脉夹层，并与人类读者进行比较	样本量较小，仅包含374张超声图像	提高急性腹主动脉夹层的早期诊断准确性，特别是在急诊环境中	急性腹主动脉夹层（AD）患者的超声图像	digital pathology	cardiovascular disease	ultrasound imaging	Densenet-169, VGG-16	image	374张超声图像
134	2025-05-03	Deep learning and radiomics-based vascular calcification characterization in dental cone beam computed tomography as a predictive tool for cardiovascular disease: a proof-of-concept study 2025-Apr, Oral surgery, oral medicine, oral pathology and oral radiology DOI:10.1016/j.oooo.2024.12.010 PMID:39827035	研究论文	本研究评估了一种基于深度学习和放射组学的自动化方法，用于检测牙科锥形束计算机断层扫描（CBCT）中的血管钙化，并预测心血管疾病	结合深度学习和放射组学技术，首次在牙科CBCT扫描中自动检测血管钙化并预测心血管疾病	椎动脉钙化（VAC）检测性能较低，样本量相对较小（148例扫描）	开发自动化方法来检测血管钙化并预测心血管疾病	颅外和颅内颈动脉及椎动脉的钙化	数字病理学	心血管疾病	CBCT扫描	nn-UNet	医学影像	148例CBCT扫描，135个钙化区域
135	2025-05-03	Multi-region nomogram for predicting central lymph node metastasis in papillary thyroid carcinoma using multimodal imaging: A multicenter study 2025-Apr, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108608 PMID:39827707	研究论文	本研究通过整合超声图像的深度学习特征、CT图像的脂肪放射组学特征及临床特征，构建了一个多模态、多区域的列线图（MMRN），用于预测甲状腺乳头状癌（PTC）的中央淋巴结转移（CLNM）	首次结合超声图像的深度学习特征和CT图像的脂肪放射组学特征，构建多模态、多区域的预测模型，显著提高了CLNM的预测准确率	研究仅基于两个独立中心的数据，样本量相对有限，且未考虑其他可能的影像学特征	预测甲状腺乳头状癌（PTC）患者的中央淋巴结转移（CLNM）状态，以辅助临床决策	661名经甲状腺切除术确诊的PTC患者	数字病理学	甲状腺癌	深度学习、放射组学特征提取	Resnet50、LASSO回归	超声图像、CT图像	661名患者（分为主要队列、内部测试队列和外部测试队列）
136	2025-05-03	Deep learning-based free-water correction for single-shell diffusion MRI 2025-Apr, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2025.110326 PMID:39827997	研究论文	本文提出了一种基于深度学习的单壳扩散MRI自由水校正方法，旨在提高扩散特性的准确估计	利用深度学习框架校正自由水部分体积效应，适用于单壳采集方案，提高了扩散特性估计的准确性和一致性	方法在临床队列中的广泛应用可能受限于数据采集方案的多样性	开发一种能够准确校正扩散MRI中自由水部分体积效应的方法，以提高扩散特性估计的准确性	Human Connectome Project Young Adults (HCP-ya)、HCP Aging dataset (HCP-a) 以及 Brain Tumor Connectomics Data (BTC)	医学影像处理	NA	扩散磁共振成像(dMRI)	深度学习框架	MRI图像	涉及多个数据集，包括HCP-ya、HCP-a和BTC
137	2025-05-03	Using a Deep Learning Model to Predict Postoperative Visual Outcomes of Idiopathic Epiretinal Membrane Surgery 2025-Apr, American journal of ophthalmology IF:4.1Q1 DOI:10.1016/j.ajo.2025.01.003 PMID:39814096	研究论文	本研究评估了多种深度学习模型在基于术前光学相干断层扫描（OCT）图像预测特发性视网膜前膜（ERM）手术术后视力结果方面的性能	利用深度学习模型（特别是ResNet-101）预测ERM手术术后视力结果，并展示其性能优于普通眼科医生和非视网膜专科医生，略优于视网膜专科医生	样本量相对较小，外部测试集仅包含76只眼睛的152张OCT图像	预测特发性视网膜前膜（ERM）手术的术后视力结果	696只眼睛的1,392张OCT图像（内部训练和验证集）和76只眼睛的152张OCT图像（外部测试集）	计算机视觉	视网膜疾病	光学相干断层扫描（OCT）	Inception-v3, ResNet-101, VGG-19	图像	696只眼睛的1,392张OCT图像（内部训练和验证集）和76只眼睛的152张OCT图像（外部测试集）
138	2025-05-03	DIFLF: A domain-invariant features learning framework for single-source domain generalization in mammogram classification 2025-Apr, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108592 PMID:39813937	研究论文	提出了一种用于乳腺X光片分类的单源域泛化的域不变特征学习框架（DIFLF）	通过风格增强模块（SAM）和内容-风格解耦模块（CSDM）增加源域特征多样性并提取域不变特征	仅使用单一源数据集进行训练，可能无法覆盖所有可能的域偏移情况	提高深度学习模型在乳腺X光片分类中的跨域泛化能力	乳腺X光片	计算机视觉	乳腺癌	深度学习	DIFLF（包含SAM和CSDM模块）	图像	一个私有数据集（PRI1）用于训练，另一个私有数据集（PRI2）和两个公共数据集（INbreast和MIAS）用于测试
139	2025-05-03	Neurophysiological data augmentation for EEG-fNIRS multimodal features based on a denoising diffusion probabilistic model 2025-Apr, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108594 PMID:39813939	研究论文	提出了一种基于去噪扩散概率模型和高斯噪声添加的EEG-fNIRS数据增强框架，以提高混合脑机接口系统的性能	结合去噪扩散概率模型（DDPM）和传统高斯噪声添加方法，首次为EEG-fNIRS混合信号创建联合分布样本并进行数据增强	研究依赖于特定任务的数据集，可能无法直接推广到其他脑机接口应用场景	解决脑机接口系统中脑信号数据稀缺问题，提高深度学习模型性能	EEG和fNIRS混合脑信号数据	脑机接口	NA	去噪扩散概率模型（DDPM），高斯噪声添加	DDPM	EEG-fNIRS多模态神经生理信号	三个公开数据库和一个自采集数据库
140	2025-05-03	ARGai 1.0: A GAN augmented in silico approach for identifying resistant genes and strains in E. coli using vision transformer 2025-Apr, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2025.108342 PMID:39813877	research paper	提出了一种名为ARGai 1.0的深度学习架构，结合GAN和Vision Transformer，用于识别大肠杆菌中的耐药基因和菌株	使用GAN生成合成数据以解决数据稀缺问题，结合Vision Transformer进行特征提取和耐药基因识别	研究仅针对大肠杆菌，未涉及其他细菌的耐药基因识别	开发一种计算基因组学方法，用于识别大肠杆菌中的耐药基因和菌株	大肠杆菌（E. coli）的耐药基因和菌株	computational genomics	infectious disease	WGS, NGS	GAN, Vision Transformer, DCGAN	genomic sequencing data	NA