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
1741	2025-06-06	Dimensionality Reduction and Nearest Neighbors for Improving Out-of-Distribution Detection in Medical Image Segmentation 2024, The journal of machine learning for biomedical imaging DOI:10.59275/j.melba.2024-g93a PMID:40453064	research paper	该研究通过应用马氏距离和k近邻距离方法，提高了医学图像分割中分布外数据的检测性能	提出使用降维技术和非参数k近邻距离方法改进分布外检测，显著提升了可扩展性和性能	研究仅针对肝脏分割任务进行了验证，未在其他器官或模态上进行测试	提高医学图像分割模型对分布外数据的检测能力	T1加权磁共振成像和计算机断层扫描的肝脏分割	digital pathology	liver cancer	principal component analysis, uniform manifold approximation and projection	Swin UNETR, nnU-net	image	NA
1742	2025-06-06	Assessing Trustworthy AI in Times of COVID-19: Deep Learning for Predicting a Multiregional Score Conveying the Degree of Lung Compromise in COVID-19 Patients 2022-Dec, IEEE transactions on technology and society DOI:10.1109/TTS.2022.3195114 PMID:36573115	研究论文	本文展示了如何在医疗保健领域实践欧盟高级专家组的可信AI指南，并探讨了COVID-19疫情期间'可信AI'的含义	应用Z-Inspection®方法进行后验自我评估，以评估AI系统在COVID-19疫情期间的可信度	研究局限于疫情期间在意大利一家诊所的实验性部署，可能不具有广泛代表性	评估AI系统在预测COVID-19患者肺部损伤程度方面的可信度	COVID-19患者的胸部X光片	数字病理学	COVID-19	深度学习	NA	医学影像	NA
1743	2025-06-05	Accelerating high-concentration monoclonal antibody development with large-scale viscosity data and ensemble deep learning 2025-Dec, mAbs IF:5.6Q1 DOI:10.1080/19420862.2025.2483944 PMID:40170162	research paper	该研究通过大规模粘度数据和集成深度学习加速高浓度单克隆抗体的开发	开发了DeepViscosity模型，包含102个集成人工神经网络模型，用于分类低粘度（≤20 cP）和高粘度（>20 cP）的单克隆抗体，准确率超过其他预测方法	模型训练数据仅包含229个单克隆抗体的粘度数据，可能影响模型的泛化能力	开发预测模型以筛选高浓度单克隆抗体，改善其制造和配方特性	229个单克隆抗体的粘度数据	machine learning	NA	DeepSP模型	ensemble artificial neural network	sequence-based features	229个单克隆抗体
1744	2025-06-05	Enhancing Functional Protein Design Using Heuristic Optimization and Deep Learning for Anti-Inflammatory and Gene Therapy Applications 2025-Jul, Proteins IF:3.2Q2 DOI:10.1002/prot.26810 PMID:39985803	研究论文	本研究开发了一种启发式优化方法，用于增强蛋白质的关键功能特性，如溶解性、灵活性和稳定性，同时保持蛋白质的结构完整性	结合启发式优化和深度学习，专注于蛋白质的功能特性设计，特别适用于抗炎和基因治疗应用	未提及具体实验验证的功能性蛋白质数量或实际应用效果	提高功能性蛋白质设计的效率和效果，减少实验室需求	蛋白质序列设计，特别是具有抗炎特性和用于基因治疗的蛋白质	机器学习	NA	启发式优化方法、深度学习、遗传算法	NA	蛋白质序列	NA
1745	2025-06-05	Gesture recognition from surface electromyography signals based on the SE-DenseNet network 2025-Jun-26, Biomedizinische Technik. Biomedical engineering DOI:10.1515/bmt-2024-0282 PMID:39873377	研究论文	本文提出了一种基于SE-DenseNet网络的手势识别方法，用于从表面肌电信号中识别手势	融合了Squeeze-and-Excitation Networks (SE)和DenseNet，在DenseBlock和Transition之间插入注意力机制，以提高特征表示能力并有效解决梯度消失问题	现有手势识别算法在全局特征捕获、模型计算复杂度和泛化能力方面仍需进一步改进	提供更自然、方便和个性化的人机交互，特别是在康复技术领域	表面肌电信号(sEMG)	机器学习	NA	深度学习	SE-DenseNet	肌电信号	NinaPro DB2和DB4数据集
1746	2025-06-05	A ViTUNeT-based model using YOLOv8 for efficient LVNC diagnosis and automatic cleaning of dataset 2025-Jun-04, Journal of integrative bioinformatics IF:1.5Q3 DOI:10.1515/jib-2024-0048 PMID:40460443	研究论文	提出了一种基于ViTUNeT和YOLOv8的模型，用于左心室非致密化(LVNC)的高效诊断和数据集自动清理	结合U-Net和Vision Transformers的ViTUNeT架构，以及使用YOLOv8模型进行心室检测和数据集清理	数据集质量限制了进一步的准确性提升	改进心脏图像分析和分割方法	左心室非致密化患者和健康个体	数字病理学	心血管疾病	深度学习	ViTUNeT, YOLOv8	MRI图像	新增Titin心肌病患者和健康个体的数据集
1747	2025-06-05	Applications of Artificial Intelligence (AI) for Diagnosis of Periodontal/Peri-Implant Diseases: A Narrative Review 2025-Jun-04, Journal of oral rehabilitation IF:3.1Q1 DOI:10.1111/joor.14045 PMID:40464289	综述	本文综述了人工智能（AI）在牙周病/种植体周围疾病诊断中的应用现状	探讨了AI在牙周病诊断中的多种应用，包括疾病分期、严重程度评估及解剖结构定位，并比较了AI模型与牙医的诊断效果	仅进行了叙述性综述，未进行系统性分析或荟萃分析，可能遗漏部分研究	总结AI在牙周病/种植体周围疾病诊断和风险预测中的应用证据	牙周病和种植体周围疾病	数字病理	牙周病	AI、ANN、CNN、ML、DL、DNN	CNN、DNN	患者相关数据、疾病症状、免疫生物标志物、微生物图谱、影像数据	NA
1748	2025-06-05	A review on learning-based algorithms for tractography and human brain white matter tracts recognition 2025-Jun-04, Neuroradiology IF:2.4Q2 DOI:10.1007/s00234-025-03637-7 PMID:40464927	综述	本文综述了基于学习的算法在脑白质纤维束追踪和识别中的应用	扩展了先前相关综述，涵盖了最新的方法和网络细节，并通过全面比较评估了基于学习的方法的效率	NA	探讨基于学习的算法在脑白质纤维束追踪和识别中的应用及其效率	人脑白质纤维束	医学影像分析	NA	扩散磁共振成像	机器学习、深度学习、强化学习、字典学习	磁共振图像	NA
1749	2025-06-05	Flexible High Temperature Stable Hydrogel Based Triboelectric Nanogenerator for Structural Health Monitoring and Deep Learning Augmented Human Motion Classification 2025-Jun-04, Small (Weinheim an der Bergstrasse, Germany) DOI:10.1002/smll.202502739 PMID:40465357	research paper	该研究开发了一种基于PDMS-水凝胶纳米复合材料的摩擦电纳米发电机（TENG），用于高温环境下的结构健康监测和深度学习增强的人体运动分类	研发出一种具有高温稳定性的PDMS-水凝胶纳米复合材料TENG，能够在高达200°C的温度下稳定工作，适用于工业高温设备的振动能量收集	未提及该设备在极端高温环境下的长期稳定性测试结果	开发适用于高温工业环境和可穿戴设备的多功能能量收集与监测系统	PDMS-水凝胶纳米复合材料TENG及其在工业设备和人体运动监测中的应用	energy harvesting, structural health monitoring, human motion classification	NA	triboelectric nanogenerator (TENG), deep learning	deep learning model (具体类型未说明)	voltage waveforms	NA
1750	2025-06-05	NMR Pure Shift Spectroscopy and Its Potential Applications in the Pharmaceutical Industry 2025-Jun-03, Chembiochem : a European journal of chemical biology IF:2.6Q3 DOI:10.1002/cbic.202401012 PMID:40263759	review	本文综述了纯位移NMR技术及其在制药行业中的潜在应用	介绍了纯位移技术抑制标量耦合以提高光谱分辨率的方法，并探讨了深度学习辅助获取最优纯位移光谱的方法	NA	促进纯位移NMR技术在制药行业的发展和实际应用	纯位移NMR技术及其在制药行业的应用	NA	NA	NMR纯位移技术、深度学习	NA	光谱数据	NA
1751	2025-06-05	Geometric Deep Learning for Multimodal Data in CKD 2025-Jun-03, Journal of the American Society of Nephrology : JASN IF:10.3Q1 DOI:10.1681/ASN.0000000778 PMID:40459949	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1752	2025-06-05	A Novel Deep Learning Framework for Nipple Segmentation in Digital Mammography 2025-Jun-03, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01567-7 PMID:40461663	研究论文	提出了一种新的深度学习框架，用于数字乳腺X线摄影中的乳头分割，以提高医学分析和计算机辅助检测系统的准确性	该方法在乳头分割方面显著优于基线方法，特别是在基线方法完全失败的挑战性案例中，实现了在所有案例中的成功检测，并在重叠度量上取得了持续提升	NA	提高数字乳腺X线摄影中乳头分割的准确性，以支持多视角和多模态乳腺图像配准	数字乳腺X线摄影图像中的乳头区域	数字病理学	乳腺癌	深度学习	NA	图像	NA
1753	2025-06-05	Artificial Intelligence in Veterinary Clinical Pathology-An Introduction and Review 2025-Jun-03, Veterinary clinical pathology IF:1.2Q3 DOI:10.1111/vcp.70012 PMID:40462415	review	本文介绍了人工智能在兽医临床病理学中的应用及其基本概念，并探讨了AI在该领域的资格认定与整合	以非技术性的方式介绍AI基本概念，并探讨AI在兽医临床病理学中的资格认定与整合	未提及具体的技术实现细节或实验数据	探讨人工智能在兽医临床病理学中的应用与整合	兽医临床病理学	machine learning	NA	machine learning, deep learning	NA	NA	NA
1754	2025-06-05	Near-term prediction of sustained ventricular arrhythmias applying artificial intelligence to single-lead ambulatory electrocardiogram 2025-Jun-02, European heart journal IF:37.6Q1 DOI:10.1093/eurheartj/ehaf073 PMID:40157386	研究论文	本研究开发了一种基于深度学习的单导联动态心电图模型，用于短期预测持续性室性心律失常	首次利用深度学习分析单导联动态心电图，预测短期内发生持续性室性心动过速的风险，并揭示了早期去极化模式作为潜在预测因子	研究为回顾性设计，且阳性事件发生率较低（0.5%）	开发能够提前预测危及生命的室性心律失常的人工智能模型	来自六个国家的247254份14天动态心电图记录	机器学习	心血管疾病	深度学习	深度学习模型	心电图数据	247254份动态心电图记录（开发集183177份，内部验证集43580份，外部验证集20497份）
1755	2025-06-05	ViTU-net: A hybrid deep learning model with patch-based LSB approach for medical image watermarking and authentication using a hybrid metaheuristic algorithm 2025-Jun-02, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110393 PMID:40460563	research paper	提出了一种名为ViTU-net的混合深度学习模型，用于医学图像水印和认证，结合了基于块的LSB方法和混合元启发式算法	ViTU-Net整合了Vision Transformer编码器和U-Net解码器，采用自适应分层空间注意力模块和基于块的LSB嵌入机制，结合TuniBee Fusion混合元启发式优化算法和高级加密技术，提高了水印的不可感知性、鲁棒性和部署效率	未提及具体的数据集规模或实际部署中的计算资源需求	解决医学图像水印在不可感知性、抗攻击鲁棒性和部署效率方面的挑战，确保医学图像的数据完整性、保密性和真实性	胸部X光片用于肺炎诊断	digital pathology	pneumonia	SHA-512哈希和AES加密	ViTU-net（结合ViT和U-Net）	image	NA
1756	2025-06-05	Direct parametric reconstruction in dynamic PET using deep image prior and a novel parameter magnification strategy 2025-Jun-02, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110487 PMID:40460562	research paper	该研究提出了一种新颖的无监督深度学习方法DIP-PM，用于直接参数化重建正电子发射断层扫描（PET）中的微参数图像，以提高图像质量	结合深度图像先验（DIP）与参数放大（PM）策略，提出DIP-PM模型，显著提升非线性和小值微参数（如k2、k3）的重建质量	研究主要基于模拟数据和少量真实数据验证，需进一步扩大样本量和多样化数据以验证方法的普适性	改进PET动态数据中非线性微参数的重建质量	PET动态数据中的微参数（如k2、k3）	医学影像处理	NA	深度图像先验（DIP）、参数放大（PM）策略	U-Net	PET动态数据、CT图像	模拟数据集（82Rb和18F-FDG）及1例真实男性受试者的18F-FDG扫描数据
1757	2025-06-05	SASWISE-UE: Segmentation and synthesis with interpretable scalable ensembles for uncertainty estimation 2025-Jun-02, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110258 PMID:40460564	research paper	本文介绍了一种高效的子模型集成框架，旨在增强医学深度学习模型的可解释性，从而提高其临床适用性	通过生成不确定性图谱，该框架使终端用户能够评估模型输出的可靠性，并从单一训练良好的检查点生成多样化模型，促进模型家族的训练	NA	增强医学深度学习模型的可解释性和临床适用性	CT身体分割和MR-CT合成数据集	digital pathology	NA	深度学习模型集成	U-Net, UNETR	医学影像（CT和MR）	NA
1758	2025-06-05	Current trends in glioma tumor segmentation: A survey of deep learning modules 2025-Jun-02, Physica medica : PM : an international journal devoted to the applications of physics to medicine and biology : official journal of the Italian Association of Biomedical Physics (AIFB) DOI:10.1016/j.ejmp.2025.104988 PMID:40460759	综述	本文综述了当前深度学习模块在胶质瘤肿瘤分割中的应用趋势	通过消融研究评估了各种'附加'模块对胶质瘤分割性能的影响，包括空洞卷积、inception、注意力机制、transformer和混合模块等	需要进一步改进模型的可解释性、降低计算成本并提高泛化能力	评估深度学习模块在胶质瘤分割中的性能影响	胶质瘤肿瘤分割	数字病理学	脑肿瘤/胶质瘤	多参数磁共振成像(mpMRI)	深度学习(DL)，包括空洞卷积、inception、注意力机制、transformer等	医学影像	Brain Tumor Segmentation (BraTS)数据集(包含低级别和高级别胶质瘤)
1759	2025-06-05	DeepSurv-based deep learning model for survival prediction and personalized treatment recommendation in tongue squamous cell carcinoma 2025-Jun-02, Journal of cranio-maxillo-facial surgery : official publication of the European Association for Cranio-Maxillo-Facial Surgery DOI:10.1016/j.jcms.2025.05.005 PMID:40461342	research paper	开发了一个基于DeepSurv的深度神经网络模型，用于舌鳞状细胞癌的生存预测和个性化治疗推荐	使用双残差块和批量归一化技术，结合复合Cox-ranking损失函数，提高了生存预测的准确性，并能够识别受益于辅助治疗的患者	需要前瞻性验证以支持临床应用	舌鳞状细胞癌的生存预测和个性化治疗推荐	舌鳞状细胞癌患者	digital pathology	tongue squamous cell carcinoma	deep learning	DeepSurv-based deep neural network	clinical data	2,015 patients from SEER database, internal cohort (n=504), external cohort (n=249)
1760	2025-06-05	Refined selection of individuals for preventive cardiovascular disease treatment with a transformer-based risk model 2025-Jun-02, The Lancet. Digital health DOI:10.1016/j.landig.2025.03.005 PMID:40461349	研究论文	本研究开发并验证了一种基于Transformer的深度学习模型TRisk，用于预测心血管疾病在初级预防人群和糖尿病患者中的10年风险	提出了一种新型的深度学习模型TRisk，相比传统统计模型和深度学习方法，能更精准地识别心血管疾病高风险个体，减少不必要的治疗推荐	研究未提及模型在其他种族或地区人群中的适用性，且未说明模型的可解释性问题	开发更精准的心血管疾病风险评估模型，优化预防性治疗的个体选择	25-84岁的成年人，包括初级预防人群和糖尿病患者	机器学习	心血管疾病	深度学习	Transformer	电子健康记录	约300万成年人，来自英格兰的291家全科诊所（模型开发）和98家全科诊所（验证）