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
1621	2025-05-11	EEG-based neurodegenerative disease diagnosis: comparative analysis of conventional methods and deep learning models 2025-May-07, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-00292-z PMID:40335527	研究论文	该研究通过比较传统方法和深度学习模型，基于EEG信号进行神经退行性疾病（如痴呆症）的诊断	研究展示了深度学习模型（特别是1D和2D CNNs）在识别与神经退行性疾病相关的细微EEG信号模式上优于传统方法	在Dataset 3中表现不佳，表明需要针对特定数据集进一步优化模型	探索和比较不同方法在痴呆症早期诊断中的应用效果	EEG信号	机器学习	神经退行性疾病	EEG信号处理	Random Forest, 1D CNN, 2D CNN	EEG信号	三个不同的基准数据集，包含认知正常、额颞叶痴呆、轻度认知障碍和阿尔茨海默病等类别
1622	2025-05-11	A lightweight Deeplab V3+ network integrating deep transitive transfer learning and attention mechanism for burned area identification 2025-May-07, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-66060-7 PMID:40335537	研究论文	提出了一种基于Deeplab V3+的轻量级深度学习模型，结合注意力机制和深度传递迁移学习策略，用于从遥感图像中准确高效地识别烧伤区域	结合注意力机制和深度传递迁移学习策略，使用轻量级MobileNet V2网络集成CBAM作为骨干网络，替代传统耗时的Xception网络	样本量不足可能导致烧伤区域识别错误和边缘细节不连续	准确高效地从遥感图像中识别烧伤区域	遥感图像中的烧伤区域	计算机视觉	NA	深度传递迁移学习（DTTL）	Deeplab V3+, MobileNet V2, CBAM	遥感图像	WorldView-2和Sentinel-2数据集
1623	2025-05-11	MSLU-100K: A Large Multi-Source Dataset for Land Use Analysis in Major Chinese Cities 2025-May-07, Scientific data IF:5.8Q1 DOI:10.1038/s41597-025-05047-z PMID:40335536	research paper	介绍了一个名为MSLU-100K的大型多源土地利用数据集，用于中国主要城市的土地利用分析	提出了一个结合人工标注和深度学习的多层次分类方法，确保数据质量，并提供了高质量样本以提升分类性能	未提及具体的数据收集和处理过程中可能存在的偏差或限制	构建高质量的土地利用数据集，以支持土地利用分类和识别研究	来自81个中国城市的超过100,000个不规则地块样本	地理信息系统	NA	深度学习	NA	遥感数据和POI数据	超过100,000个地块样本
1624	2025-05-11	Enhancing efficient deep learning models with multimodal, multi-teacher insights for medical image segmentation 2025-May-07, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-91430-0 PMID:40335579	研究论文	提出了一种名为Teach-Former的新型知识蒸馏框架，用于高效的多模态医学图像分割	利用Transformer骨干网络和多教师模型的知识蒸馏，结合多模态输入（CT、PET、MRI）和中间注意力图，实现更精确的分割	未明确提及具体局限性，但可能涉及模型在更广泛数据集上的泛化能力	开发高效的深度学习模型，以降低医学图像分割的计算需求	多模态医学图像（CT、PET、MRI）	数字病理学	NA	知识蒸馏（KD）	Transformer	医学图像	两个多模态数据集（HECKTOR21和PI-CAI22）
1625	2025-05-11	Enhanced classification of tinnitus patients using EEG microstates and deep learning techniques 2025-May-07, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-01129-5 PMID:40335585	研究论文	该研究通过创新的微状态分析技术和前沿的机器学习方法，利用EEG信号深入理解和分类耳鸣	结合微状态分析和深度学习技术，提出了一种新的特征到图像的转换方法，并使用预训练模型进行验证	样本量较小（两个数据集共73名参与者），可能影响结果的泛化能力	加深对耳鸣的理解并提高其分类准确性	耳鸣患者和健康对照者的EEG信号	机器学习	耳鸣	EEG微状态分析、Daubechies 4小波分解	SVM、决策树、随机森林、深度神经网络（DNN）、VGG16、ResNet50、Xception	EEG信号	73名参与者（36名来自主要数据集，37名来自公共数据集）
1626	2025-05-11	Biopsy image-based deep learning for predicting pathologic response to neoadjuvant chemotherapy in patients with NSCLC 2025-May-07, NPJ precision oncology IF:6.8Q1 DOI:10.1038/s41698-025-00927-4 PMID:40335632	研究论文	利用活检图像和深度学习预测非小细胞肺癌患者对新辅助化疗的病理反应	提出了一种弱监督深度学习模型DeepDrRVT，结合自监督特征提取和基于注意力的深度多实例学习，用于改善新辅助化疗决策	未提及具体样本量的限制或模型在其他数据集上的泛化能力	提高非小细胞肺癌患者对新辅助化疗反应的预测准确性	非小细胞肺癌患者的活检图像	数字病理学	肺癌	深度学习	DeepDrRVT（结合自监督特征提取和注意力机制的深度多实例学习模型）	图像	训练、内部验证和外部验证队列（具体数量未提及）
1627	2025-05-11	A deep learning model combining circulating tumor cells and radiological features in the multi-classification of mediastinal lesions in comparison with thoracic surgeons: a large-scale retrospective study 2025-May-07, BMC medicine IF:7.0Q1 DOI:10.1186/s12916-025-04104-z PMID:40335930	研究论文	本研究开发并验证了一种结合循环肿瘤细胞(CTCs)和CT图像的多模态融合网络(DMFN)，用于纵隔病变的多分类诊断	首次将循环肿瘤细胞(CTCs)与CT图像结合，开发了多模态融合网络(DMFN)用于纵隔病变诊断	回顾性研究设计可能引入选择偏倚	开发结合CT图像和CTCs的深度学习模型以提高纵隔病变诊断准确性	1074名纵隔病变患者	数字病理	纵隔病变	CT成像和循环肿瘤细胞检测	多模态融合网络(DMFN)和单模态CNN	CT图像和CTCs数据	1074名患者(1500张增强CT图像和1074份CTCs结果)
1628	2025-05-11	Sculpting molecules in text-3D space: a flexible substructure aware framework for text-oriented molecular optimization 2025-May-07, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-025-06072-w PMID:40335938	研究论文	提出了一种名为3DToMolo的创新框架，用于多模态引导的分子优化任务，结合文本描述和图结构特征，以符合专家指定的对称结构和纹理约束	3DToMolo框架能够无缝协调文本描述和图结构特征，无需先验知识即可发现潜在新分子，并在三个引导优化设置中表现出优于现有方法的性能	未明确提及具体局限性	解决分子设计中结合多模态先验知识的逆设计问题	分子药物或材料的设计	机器学习	NA	扩散框架	3DToMolo	文本和图结构数据	NA
1629	2025-05-11	Hybrid method for automatic initialization and segmentation of ventricular on large-scale cardiovascular magnetic resonance images 2025-May-07, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-01683-4 PMID:40335966	research paper	提出了一种结合深度学习和3D-ASM限制的全自动、鲁棒的心血管磁共振图像分割方法	结合了CNN和Transformer的混合网络（CTr-HNs）以及EFG模块，实现了全自动的大规模心脏MRI分割	未提及方法在极端病例或异常心脏形态下的表现	开发自动化的心脏MRI分割算法以应对大规模心血管疾病研究需求	心脏磁共振图像中的心室结构（左心室、左心室心肌、右心室）	digital pathology	cardiovascular disease	MRI, 3D-ASM (3D Active Shape Model)	CNN+Transformer混合网络（CTr-HNs）	3D医学影像	UK BioBank和Cardiac Atlas Project数据库中的大规模心脏MRI数据
1630	2025-05-11	Deep learning approaches for classification tasks in medical X-ray, MRI, and ultrasound images: a scoping review 2025-May-07, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-01701-5 PMID:40335965	综述	本文探讨了深度学习在医学X射线、MRI和超声图像分类任务中的应用	总结了深度学习模型在多种疾病分类中的准确率及模型架构，并提出了未来研究方向	当前方法存在局限性，未来需要进一步改进	探索深度学习在医学图像分类中的应用	X射线、MRI和超声图像	数字病理	多种疾病	深度学习	CNN, LSTM, GAN等	图像	NA
1631	2025-05-11	A new age in structural S-layer biology - Experimental and in silico milestones 2025-May-07, The Journal of biological chemistry IF:4.0Q2 DOI:10.1016/j.jbc.2025.110205 PMID:40345586	综述	本文总结了过去五年在S层蛋白结构研究中的主要成就，并探讨了计算方法在S层蛋白结构建模中的突破	首次探讨了计算方法在S层蛋白结构建模中的应用及其未来潜力	NA	总结S层蛋白结构研究的最新进展并展望计算方法的应用前景	细菌和古菌中的S层蛋白	结构生物学	NA	高分辨率成像、深度学习结构预测	深度学习	蛋白质结构数据	多种细菌和古菌物种
1632	2025-05-11	Deep learning-based pRb subtyping of pulmonary large cell neuroendocrine carcinoma on small hematoxylin and eosin-stained specimens 2025-May-07, Laboratory investigation; a journal of technical methods and pathology DOI:10.1016/j.labinv.2025.104192 PMID:40345665	研究论文	本研究探讨了深度学习在基于小组织样本的H&E染色切片上预测肺大细胞神经内分泌癌pRb亚型的潜力	开发了一种定制的卷积神经网络，用于预测小LCNEC组织样本中的pRb表达，显著优于基于H&E的亚型分类	样本量相对较小，仅包含143个切除标本和21例患者的活检样本	探索深度学习在肺大细胞神经内分泌癌分子亚型分型中的应用	肺大细胞神经内分泌癌（LCNEC）的小组织样本	数字病理学	肺癌	深度学习，免疫组织化学	CNN	图像	143个切除标本和21例患者的活检样本
1633	2025-05-11	Rethinking boundary detection in deep learning-based medical image segmentation 2025-May-06, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103615 PMID:40344946	研究论文	本研究提出了一种名为CTO的新型网络架构，结合CNN、ViT和显式边缘检测算子，以提高医学图像分割中边界区域的精确度	CTO网络结合了CNN和ViT的双流编码器网络，并引入了边界引导的解码器网络，通过显式边缘检测算子提供边界指导，从而在分割精度和效率之间取得更好平衡	未提及具体局限性	提高医学图像分割中边界区域的精确度	医学图像分割	计算机视觉	NA	CNN, ViT, 边缘检测算子	CTO（结合CNN和ViT的双流编码器网络）	医学图像	七个医学图像分割数据集（ISIC 2016, PH2, ISIC 2018, CoNIC, LiTS17, BraTS, BTCV）
1634	2025-05-11	Recent trends in diabetes mellitus diagnosis: an in-depth review of artificial intelligence-based techniques 2025-May-04, Diabetes research and clinical practice IF:6.1Q1 DOI:10.1016/j.diabres.2025.112221 PMID:40328407	review	本文综述了人工智能（AI）在糖尿病诊断中的最新进展，重点关注机器学习和深度学习技术	探讨了AI驱动的诊断工具的最新突破方法及其在临床实践中的应用	讨论了模型可解释性、伦理考虑和实际实施中的挑战	提高糖尿病的诊断准确性并支持其临床整合，以改善患者预后并减轻糖尿病负担	糖尿病诊断	machine learning	diabetes mellitus	machine learning, deep learning	NA	various data sources and datasets	NA
1635	2025-05-11	Label-free rapid diagnosis of jaw osteonecrosis via the intersection of Raman spectroscopy and deep learning 2025-May-02, Bone IF:3.5Q2 DOI:10.1016/j.bone.2025.117510 PMID:40320103	研究论文	通过拉曼光谱和深度学习的结合，建立了一种无标记、快速诊断颌骨坏死的方法	结合拉曼光谱和ResNet18深度学习模型，提高了颌骨坏死的诊断准确性和效率	样本量较小，仅包含90个骨组织样本	建立精确高效的诊断框架，区分药物相关颌骨坏死、放射诱导颌骨坏死和正常骨组织	90个骨组织样本（30个MRONJ、30个ORN、30个对照）	数字病理	颌骨坏死	拉曼光谱	ResNet18	光谱数据	90个骨组织样本，每个样本进行10次随机光谱采集，共900个光谱
1636	2025-05-11	Advancement in medical report generation: current practices, challenges, and future directions 2025-May, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-024-03265-y PMID:39707049	综述	本文对医学报告生成的当前实践、挑战和未来方向进行了系统性文献综述	系统性评估了医学报告生成领域的不同深度学习方法，并比较了它们的准确性和局限性	存在过拟合、偏倚风险和高数据依赖性等问题	指导放射科医生采用减轻工作负担并提供精确医学诊断的方法	医学影像报告生成技术	数字病理	NA	深度学习	encoder-decoder框架、Transformer、RNN-LSTM、LLM、图方法	医学影像	NA
1637	2025-05-11	A deep learning-based peer review method for radiotherapy planning 2025-May, Medical physics IF:3.2Q1 DOI:10.1002/mp.17686 PMID:39935240	研究论文	本研究开发了一种基于深度学习的放疗计划个性化质量控制方法	利用患者解剖信息和深度学习剂量预测模型进行个性化质量控制，替代传统的主观评估方法	研究样本量较小（139例鼻咽癌患者），且仅针对特定癌症类型	开发放疗计划的个性化质量控制方法以提高治疗质量和患者安全性	鼻咽癌患者的放疗计划	数字病理	鼻咽癌	深度学习剂量预测	UNet	3D剂量分布数据	139例鼻咽癌患者（95训练/20验证/24测试）加29个临床治疗计划
1638	2025-05-11	T2-weighted imaging of rectal cancer using a 3D fast spin echo sequence with and without deep learning reconstruction: A reader study 2025-May, Journal of applied clinical medical physics IF:2.0Q3 DOI:10.1002/acm2.70031 PMID:39976552	研究论文	比较深度学习重建与传统重建在直肠癌T2加权3D快速自旋回波序列中的图像质量和临床效用	使用深度学习重建技术改进直肠MRI的图像质量，并在多个临床评估指标上优于传统重建方法	研究样本量较小（50例患者），且未在所有评估类别中显示深度学习重建的优越性	评估深度学习重建在直肠癌MRI中的临床应用价值	直肠癌患者的MRI图像	医学影像	直肠癌	T2加权3D快速自旋回波序列，深度学习重建	深度学习	MRI图像	50例直肠癌患者
1639	2025-05-11	Explainability and uncertainty: Two sides of the same coin for enhancing the interpretability of deep learning models in healthcare 2025-May, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2025.105846 PMID:39993336	研究论文	本文探讨了在医疗保健领域中将不确定性量化（UQ）与可解释人工智能（XAI）方法结合，以提高深度学习模型的可靠性和可信度	提出将UQ与XAI方法结合的新框架，以增强深度学习模型的解释性和可靠性	未提及具体实验验证或实际应用案例	提高深度学习模型在医疗保健应用中的透明度和可信度	深度学习模型在医疗保健领域的应用	机器学习	NA	可解释人工智能（XAI）和不确定性量化（UQ）	深度学习模型	NA	NA
1640	2025-05-11	Automatic skull reconstruction by deep learnable symmetry enforcement 2025-May, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108670 PMID:40009971	研究论文	提出一种基于可学习对称性增强的自动颅骨重建方法	通过可学习的对称性增强改进颅骨重建，显著减少计算资源需求	训练数据集规模有限，高分辨率体积数据及数据异质性大	自动化颅骨缺损重建过程，缩短手术等待时间	颅骨缺损患者	数字病理	颅骨损伤	深度学习	神经网络	体积数据	SkullBreak和SkullFix数据集及真实临床病例