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
161	2025-09-13	Hybrid two-stage CNN for detection and staging of periodontitis on panoramic radiographs 2025 Nov-Dec, Journal of oral biology and craniofacial research DOI:10.1016/j.jobcr.2025.08.019 PMID:40927498	研究论文	本研究开发了一种混合两阶段CNN模型，用于在全景X光片上检测和分期牙周炎	结合Mask R-CNN与DenseNet169的混合两阶段架构，实现牙周炎的自动检测与分期	需要进一步开发以提高临床适用性和准确性	评估混合CNN模型在全景X光片上检测和分期牙周炎的性能	牙周炎患者	计算机视觉	牙周病	深度学习	Mask R-CNN, DenseNet169	X光图像	600张全景X光片（训练集70%，验证集10%，测试集20%），外加100张外部测试X光片
162	2025-09-13	SST-DUNet: Smart Swin Transformer and Dense UNet for automated preclinical fMRI skull stripping 2025-Nov, Journal of neuroscience methods IF:2.7Q3 DOI:10.1016/j.jneumeth.2025.110545 PMID:40789440	研究论文	提出一种结合Smart Swin Transformer和Dense UNet的自动化方法SST-DUNet，用于预处理大鼠fMRI数据的颅骨剥离	采用Smart Shifted Window Multi-Head Self-Attention模块替代Swin Transformer中的掩码模块，增强通道特征学习和脑结构依赖关系捕捉，并应用Focal与Dice结合的损失函数处理类别不平衡	NA	开发自动化颅骨剥离方法以替代手动处理，提升 preclinical fMRI 数据分析效率	大鼠fMRI图像	计算机视觉	NA	fMRI	SST-DUNet (基于Swin Transformer和Dense UNet)	图像	三个内部数据集的大鼠fMRI图像
163	2025-09-13	EEG-based cerebral pattern analysis for neurological disorder detection via hybrid machine and deep learning approaches 2025-Nov, Journal of neuroscience methods IF:2.7Q3 DOI:10.1016/j.jneumeth.2025.110551 PMID:40816535	研究论文	本研究提出一种结合随机森林和卷积神经网络的混合模型，用于基于脑电图信号检测神经系统疾病	首次将基于特征的机器学习与基于图像的深度学习相结合，形成混合RF-CNN模型，显著提高了神经系统疾病检测的准确性	NA	开发高精度的神经系统疾病检测方法	轻度认知障碍(MCI)、阿尔茨海默病(AD)和癫痫(Ep)患者	机器学习	神经系统疾病	脑电图(EEG)信号分析、连续小波变换(CWT)	随机森林(RF)、卷积神经网络(CNN)、混合RF-CNN	EEG信号、频谱地形图、时频标量图	使用19通道EEG数据，具体样本数量未明确说明
164	2025-09-13	Evaluation of the deep learning-based detection of dopaminergic neurons in primary culture: A practical alternative to manual counting 2025-Nov, Journal of neuroscience methods IF:2.7Q3 DOI:10.1016/j.jneumeth.2025.110557 PMID:40819676	研究论文	评估基于深度学习的方法在检测原代培养多巴胺能神经元中的应用，作为手动计数的实用替代方案	比较了传统级联分类器与基于YOLOv3的深度学习模型，后者在神经毒性条件下仍保持高精度，且处理速度比手动计数快七倍以上	研究主要针对体外培养的神经元，可能不直接适用于体内或其他细胞类型	开发并验证一种自动、客观的细胞计数方法，以替代劳动密集型且主观的手动计数	原代培养的酪氨酸羟化酶阳性多巴胺能神经元	数字病理学	神经退行性疾病	免疫染色，YOLOv3目标检测算法	YOLOv3	图像	NA
165	2025-09-13	Actigraphy against 32-hour polysomnography in patients with suspected idiopathic hypersomnia 2025-Oct, Journal of sleep research IF:3.4Q2 DOI:10.1111/jsr.70007 PMID:39979124	研究论文	本研究验证了一种基于深度学习的活动记录睡眠-觉醒预测算法在疑似特发性嗜睡症患者中的性能，并与商业算法进行对比	首次在嗜睡症人群中验证活动记录算法的有效性，并开发了优于商业软件的序列到序列长短期记忆网络模型	样本仅来自单一参考中心，未包含健康对照组，且家庭环境下的验证尚未进行	验证活动记录算法在嗜睡症患者中预测睡眠-觉醒参数的准确性	疑似特发性嗜睡症患者	医疗健康监测	嗜睡症	活动记录和多导睡眠图监测	RNN, S2S sequence-to-sequence LSTM	时间序列生理信号数据	206名嗜睡症受试者前瞻性纳入，其中126人（91名女性，平均年龄30.6±15.5岁）完成同步数据采集
166	2025-09-13	Deep learning-based prediction of cervical canal stenosis from mid-sagittal T2-weighted MRI 2025-Oct, Skeletal radiology IF:1.9Q3 DOI:10.1007/s00256-025-04917-2 PMID:40152984	研究论文	本研究基于大型退行性颈椎病队列开发深度学习模型，用于从矢状位T2加权MRI预测颈椎管狭窄	首次利用大规模退行性颈椎病队列构建集成深度学习模型，并采用梯度加权类激活映射进行可解释性分析	数据来源于单一机构，且纳入人口统计学特征未带来模型性能提升	开发深度学习模型预测颈椎管狭窄	退行性颈椎病患者	医学影像分析	颈椎病	MRI成像	ResNet50, VGG16, MobileNetV3, EfficientNetV2, 集成模型	图像	7645名患者（训练集6880例，测试集765例）
167	2025-09-13	Automated Sleep Staging in Epilepsy Using Deep Learning on Standard Electroencephalogram and Wearable Data 2025-Oct, Journal of sleep research IF:3.4Q2 DOI:10.1111/jsr.70061 PMID:40176726	研究论文	本研究使用深度学习模型对癫痫患者的脑电图和可穿戴设备数据进行自动睡眠分期分析	首次在癫痫患者中同时使用标准脑电图和可穿戴设备数据，通过深度学习实现自动睡眠分期，并比较两种模态的性能差异	模型对N1期睡眠的敏感性非常低，可穿戴设备数据低估了大多数睡眠宏观结构参数的持续时间，临床实施前需进一步改进模型性能	评估深度学习模型在癫痫患者睡眠分期中的自动化分析能力	50名癫痫患者的223晚睡眠记录	机器学习	癫痫	EEG（脑电图）和加速度计监测	深度学习模型	时间序列信号数据（EEG和可穿戴设备数据）	50名患者，223晚睡眠记录
168	2025-09-13	The Future of Parasomnias 2025-Oct, Journal of sleep research IF:3.4Q2 DOI:10.1111/jsr.70090 PMID:40387303	综述	本文探讨了异态睡眠（如异常睡眠行为）的未来诊断与治疗趋势，包括家庭监测设备、深度学习分析和多学科合作	介绍了新型家庭诊断设备（如3D飞行时间相机）、深度学习在异常信号分类中的应用，以及通过大数据预测神经退行性疾病风险	NA	综述异态睡眠的诊断技术进展、治疗创新及多学科研究整合	异态睡眠患者（如REM睡眠行为障碍和觉醒障碍患者）	NA	睡眠障碍	活动记录仪、EEG头带、红外相机、3D飞行时间相机、深度学习、多模态数据分析（临床、认知、脑成像、DNA、多导睡眠图）	深度学习	视频、EEG信号、运动数据、影像数据、遗传数据	NA
169	2025-09-13	Task Augmentation-Based Meta-Learning Segmentation Method for Retinopathy 2025-Oct, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3579271 PMID:40504712	研究论文	提出一种基于任务增强的元学习方法TAMS，用于视网膜图像分割，以解决标注数据稀缺问题	提出视网膜病变模拟算法(LSA)自动生成多类视网膜疾病数据集，并设计生成模拟网络(GSNet)保持疾病表征质量	NA	开发能够快速适应有限标注数据的视网膜图像分割方法	视网膜病变图像	计算机视觉	视网膜病变	深度学习，元学习，对抗训练	GAN，元学习模型	医学图像（OCT和CFP图像）	三个不同的OCT和CFP图像数据集
170	2025-09-13	A physics-informed deep learning approach to predicting bilateral ground reaction forces and centre of pressure from a single forceplate during gait 2025-Oct, Gait & posture IF:2.2Q2 DOI:10.1016/j.gaitpost.2025.07.005 PMID:40618708	研究论文	本研究开发了一种物理信息残差循环神经网络，用于从单个测力台数据预测步态中的双侧地面反作用力和压力中心	提出了一种新型的物理信息残差循环神经网络(PI-ResRNN)，首次实现了使用单个测力台数据准确预测双侧GRF和COP	NA	开发并验证从单个测力台预测步态中双侧地面反作用力(GRF)和压力中心(COP)的深度学习方法	健康参与者和六种神经肌肉骨骼疾病患者	机器学习	神经肌肉骨骼疾病	深度学习，力板数据采集	物理信息残差循环神经网络(PI-ResRNN)	力板传感器数据	315名参与者，6765次试验数据
171	2025-09-13	Recognition of Parkinson disease using Kriging Empirical Mode Decomposition via deep learning techniques 2025-Oct, Gait & posture IF:2.2Q2 DOI:10.1016/j.gaitpost.2025.06.024 PMID:40628146	研究论文	本文提出了一种使用克里金经验模态分解和深度学习技术识别帕金森病的方法	结合克里金经验模态分解与深度学习技术进行帕金森病识别	NA	开发帕金森病的识别方法	帕金森病患者	机器学习	帕金森病	Kriging Empirical Mode Decomposition, deep learning	深度学习模型	NA	NA
172	2025-09-13	Pharmacoutilization data-driven artificial intelligence-assisted diagnosis algorithm to improve the pharmacological treatment of pain and agitation in patients suffering from severe dementia 2025-Oct, Current opinion in pharmacology IF:4.0Q1 DOI:10.1016/j.coph.2025.102563 PMID:40815967	研究论文	本研究开发了一种基于药物利用数据和人工智能的算法，用于改善重度痴呆患者的疼痛和躁动药物治疗，并辅助阿尔茨海默病的诊断	利用药理学时间序列数据和自编码器构建AI算法，从大规模社区回顾性研究中识别漏诊的阿尔茨海默病患者	需要进一步研究和纵向患者监测来改进疾病检测和管理	通过先进人工智能方法诊断阿尔茨海默病，改善痴呆患者的疼痛和躁动药物治疗	298,000名个体（其中84,235名60岁以上老年人），包括114,920名未诊断AD患者和1,150名已诊断患者	医疗人工智能	阿尔茨海默病	药理学数据分析、深度学习	自编码器	药理学时间序列数据	298,000名个体（84,235名60岁以上老年人）
173	2025-09-13	An iterative deep learning-guided algorithm for directed protein evolution 2025-Sep-19, iScience IF:4.6Q1 DOI:10.1016/j.isci.2025.113324 PMID:40927680	研究论文	提出一种基于深度学习的迭代算法DeepDE，用于指导蛋白质定向进化	利用三重突变体作为构建块，通过紧凑的约1000个突变体库进行训练，显著扩展序列空间探索能力	算法性能依赖于有限规模的实验筛选（约1000个变异体），可能受数据稀疏性问题约束	开发高效的蛋白质定向进化算法以提升蛋白质活性	绿色荧光蛋白（GFP）	机器学习	NA	深度学习指导的蛋白质工程	深度学习	蛋白质序列数据	约1000个突变体组成的训练库
174	2025-09-13	Self-AttentionNeXt: Exploring schizophrenic optical coherence tomography image detection investigations 2025-Sep-19, World journal of psychiatry IF:3.9Q1 DOI:10.5498/wjp.v15.i9.108359 PMID:40933157	研究论文	开发一种名为Self-AttentionNeXt的深度学习模型，用于通过OCT图像检测精神分裂症	结合分组自注意力机制、残差和倒置瓶颈块以及1×1卷积进行特征精炼的新型卷积神经网络架构	NA	开发先进的深度学习模型分类OCT图像，区分精神分裂症患者与健康对照组	精神分裂症患者和健康对照组的视网膜OCT图像	计算机视觉	精神分裂症	光学相干断层扫描（OCT）	CNN with self-attention mechanisms	图像	自定义SZ OCT数据集和公开OCT2017数据集
175	2025-09-13	Image analysis of cardiac hepatopathy secondary to heart failure: Machine learning vs gastroenterologists and radiologists 2025-Sep-14, World journal of gastroenterology IF:4.3Q1 DOI:10.3748/wjg.v31.i34.108807 PMID:40937455	研究论文	本研究利用基于ResNet的机器学习模型分析心力衰竭继发淤血性肝病的CT影像特征，以预测三尖瓣反流严重程度	首次应用深度学习模型从单张CT图像中自动识别与三尖瓣反流严重程度相关的肝脏形态学改变，并证明其准确性优于消化科和放射科专家	回顾性研究设计，样本量有限（179例患者），仅使用特定解剖层面（脐旁静脉水平）的CT图像	利用机器学习捕捉慢性心力衰竭继发淤血性肝病的影像学特征	179例慢性心力衰竭患者	医学影像分析	心血管疾病	CT扫描，ResNet深度学习	CNN（ResNet架构）	医学影像（CT图像）	179例慢性心衰患者（120例男性，平均年龄73.1±14.4岁）
176	2025-09-13	Multiparametric magnetic resonance imaging of deep learning-based super-resolution reconstruction for predicting histopathologic grade in hepatocellular carcinoma 2025-Sep-14, World journal of gastroenterology IF:4.3Q1 DOI:10.3748/wjg.v31.i34.111541 PMID:40937458	研究论文	本研究利用基于深度学习的超分辨率重建技术提升多参数MRI图像质量，以预测肝细胞癌的组织病理学分级	首次将3D超分辨率重建（基于生成对抗网络）与多参数MRI结合，用于肝细胞癌分级预测，并证明其优于常规分辨率图像	回顾性研究设计，可能存在选择偏差；仅包含两个医疗中心的数据	比较常规分辨率与超分辨率MRI在预测肝细胞癌组织病理学分级中的效能	肝细胞癌患者	数字病理	肝细胞癌	多参数MRI（T2加权成像、扩散加权成像、门静脉期）、3D超分辨率重建	GAN（生成对抗网络）、3D U-Net、XGBoost、CatBoost	MRI图像	826名患者（训练集459，验证集196，测试集171）
177	2025-09-13	Ex vivo human brain volumetry: Validation of MRI measurements 2025-Sep-12, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.70083 PMID:40937565	研究论文	本研究通过离体人脑标本验证MRI脑体积测量的准确性，并与水置换法（WDM）金标准进行比较	首次使用离体原位人脑标本系统验证多种MRI序列（T2加权、T1加权、MP2RAGE）的体积测量准确性，并对比手动与深度学习自动分割方法	样本量较小（仅7个解剖头部），且为离体固定标本，可能与活体组织存在差异	验证MRI脑体积测量工具的准确性	经酒精-甲醛溶液固定的七个人类解剖头部标本	医学影像分析	NA	MRI（T2加权、T1加权、MP2RAGE序列），水置换法（WDM）	深度学习分割工具（SynthSeg）	MRI图像	7个固定的人脑标本
178	2025-09-13	Leveraging modified ex situ tomography data for segmentation of in situ synchrotron X-ray computed tomography 2025-Sep-12, Journal of microscopy IF:1.5Q3 DOI:10.1111/jmi.70032 PMID:40938296	研究论文	提出一种利用改进的离位断层扫描数据训练深度学习模型，用于在位同步辐射X射线计算机断层扫描的自动分割方法	通过将高质量离位实验室数据转换为适用于在位同步辐射数据分割的训练数据，解决了训练数据有限的问题，并采用改进的SegFormer架构达到与人工标注相当的可靠性	仅使用静态样本进行训练，但需要在实验过程中保持对显著形态变化的鲁棒性能	开发高效的自动分割方法以分析动态材料研究中的时间分辨断层扫描数据	金属氧化物溶解过程中的材料形态变化	计算机视觉	NA	同步辐射X射线计算机断层扫描，深度学习分割	改进的SegFormer架构	3D断层扫描图像数据	未明确说明具体样本数量，但涉及典型在位实验产生的大量时间分辨断层数据
179	2025-09-13	Towards reliable prediction of intraoperative hypotension: a cross-center evaluation of deep learning-based and MAP-derived methods 2025-Sep-12, Journal of clinical monitoring and computing IF:2.0Q2 DOI:10.1007/s10877-025-01357-0 PMID:40938328	研究论文	本研究评估深度学习方法和MAP阈值方法在预测术中低血压方面的可靠性，并通过跨中心验证揭示数据选择偏差对模型泛化能力的影响	引入包含血压边界案例（65-75 mmHg '灰色区域'）的评估框架，标准化MAP差异以减少数据集特定偏差，并发现模型在年龄维度上的不对称泛化特性	研究仅基于两个医疗中心的数据集（瑞典卡罗林斯卡大学医院和韩国VitalDB），可能需要更多样化的数据源验证	提高术中低血压预测AI工具在真实世界中的可靠性和泛化能力	术中低血压（IOH）患者	医疗人工智能	心血管疾病	深度学习，MAP阈值分析	深度学习模型	血压监测数据	来自瑞典和韩国两个医疗中心的多样化手术队列数据集
180	2025-09-13	Bimodal ECG and PCG Cardiovascular Disease Detection: Exploring the Potential and Modality Contribution 2025-Sep-12, Journal of medical systems IF:3.5Q2 DOI:10.1007/s10916-025-02245-5 PMID:40938506	研究论文	提出一种结合ECG和PCG信号的双模态深度学习模型，用于心血管疾病的早期检测	利用预训练CNN处理PCG信号并通过后期融合整合ECG分支，显著提升检测性能并量化两种模态的贡献	仅使用当前唯一公开的双模态数据集MITHSDB的增强版本，数据规模和多样性有限	增强心血管疾病的早期检测能力	心血管疾病患者	机器学习	心血管疾病	深度学习、信号处理	CNN、1D-CNN	ECG和PCG信号	基于MITHSDB数据集的增强版本（具体数量未明确说明）