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
1861	2025-07-12	Deep Learning Approach Readily Differentiates Papilledema, Non-Arteritic Anterior Ischemic Optic Neuropathy, and Healthy Eyes 2025-Aug, American journal of ophthalmology IF:4.1Q1 DOI:10.1016/j.ajo.2025.04.006 PMID:40220884	研究论文	本研究开发并验证了一种深度学习模型，用于区分由特发性颅内高压（IIH）、非动脉炎性前部缺血性视神经病变（NAION）引起的视盘肿胀与健康眼的眼底照片	利用深度学习技术，首次实现了对IIH、NAION和健康眼的自动区分，且具有高准确率	研究依赖于眼底照片的质量和标准化处理，且外部验证集的样本量相对较小	开发一种能够准确区分IIH、NAION和健康眼的深度学习诊断工具	眼底照片，包括IIH、NAION患者及健康对照者的眼底图像	数字病理	眼科疾病	深度学习	ResNet-50	图像	训练和验证集包含15,088张眼底照片（来自5,866只眼），外部验证集包含1,126张照片（来自928只眼）
1862	2025-07-12	Deep learning Radiopathomics based on pretreatment MRI and whole slide images for predicting overall survival in locally advanced nasopharyngeal carcinoma 2025-Aug, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2025.110949 PMID:40409367	research paper	开发了一种基于深度学习的放射病理学整合模型，用于预测局部晚期鼻咽癌患者的总体生存期	结合MRI和全切片图像的深度学习模型，首次在局部晚期鼻咽癌患者中预测总体生存期	样本量相对较小，外部测试集仅包含50例患者	预测局部晚期鼻咽癌患者的总体生存期	343例局部晚期鼻咽癌患者	digital pathology	nasopharyngeal carcinoma	MRI, whole slide imaging	multimodal fusion model with self-attention mechanism and multilayer perceptron	image (MRI and whole slide images)	343例患者（训练集202例，验证集91例，外部测试集50例）
1863	2025-07-12	Deep learning dosiomics for the pretreatment prediction of radiation dermatitis in nasopharyngeal carcinoma patients treated with radiotherapy 2025-Aug, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2025.110951 PMID:40412532	研究论文	开发一种结合剂量组学和深度学习（DL）的模型，用于预测接受放疗的鼻咽癌患者中≥2级放射性皮炎（RD）的发生	首次将剂量组学特征与深度学习特征结合，构建端到端模型预测放射性皮炎，并通过整合临床因素进一步提高了预测效果	研究为回顾性设计，样本量相对有限（290例患者），且仅来自两个医疗中心	预测鼻咽癌患者放疗后放射性皮炎的发生风险	接受放疗的鼻咽癌患者	数字病理学	鼻咽癌	剂量组学分析、深度学习	XGBoost、ResNet-34	放射剂量分布数据	290例鼻咽癌患者（167例训练集，72例内部验证集，51例外部验证集）
1864	2025-07-12	Screening of bioactive compounds and deep learning-driven quality control of Angong Niuhuang pills 2025-Jul-24, Journal of ethnopharmacology IF:4.8Q1 DOI:10.1016/j.jep.2025.120095 PMID:40490229	研究论文	本研究通过深度学习驱动的质量控制方法，筛选并验证了安宫牛黄丸中的关键活性化合物，并建立了全面的质量控制系统	结合LC-MS、网络药理学和深度学习模型（BiGRU-MAR）进行安宫牛黄丸的质量控制，提高了准确性和效率	研究未涉及安宫牛黄丸在临床治疗中的实际效果验证	探索深度学习驱动的质量控制方法，实现安宫牛黄丸大规模质量控制和产量监测	安宫牛黄丸及其关键活性化合物	数字病理学	中风	LC-MS, 网络药理学, NIR	BiGRU-MAR	化学分析数据	NA
1865	2025-07-12	ModelS4Apnea: leveraging structured state space models for efficient sleep apnea detection from ECG signals 2025-Jul-11, Physiological measurement IF:2.3Q3 DOI:10.1088/1361-6579/adebdd PMID:40609595	研究论文	提出了一种名为ModelS4Apnea的深度学习框架，用于从心电图（ECG）频谱图中高效检测睡眠呼吸暂停	结合结构化状态空间模型（S4）进行时序建模，相比现有方法具有更高的分类性能和更少的可训练参数，同时保持计算效率	未来工作可能探索多模态数据集成、实际部署和进一步优化以增强其临床适用性和可靠性	开发一种高效、准确的睡眠呼吸暂停自动检测方法	心电图（ECG）信号	数字病理学	睡眠呼吸暂停	深度学习	CNN, S4	ECG信号	Apnea-ECG数据集
1866	2025-07-12	Three-dimensional digital quantitative analysis of periodontal and peri-implant phenotype-A narrative review 2025-Jul-11, Periodontology 2000 IF:17.5Q1 DOI:10.1111/prd.12639 PMID:40641458	综述	本文综述了使用CBCT和口内扫描技术评估牙周和种植体周围组织的3D数字分析方法，比较了其与传统方法的优缺点	强调了人工智能在未来数字技术发展中的应用潜力，以及如何超越传统评估协议	当前3D数字临床数据的全部潜力尚未被充分挖掘	验证3D数字分析在牙周和种植体周围组织评估中的可靠性	牙周和种植体周围组织	数字病理学	牙周病	CBCT, 口内扫描, 光学表面扫描, 超声检查	NA	3D数字数据	NA
1867	2025-07-12	Current Applications and Limitations of Augmented Reality in Urological Surgery: A Practical Primer and 'State of the Field' 2025-Jul-11, Current urology reports IF:2.5Q2 DOI:10.1007/s11934-025-01283-3 PMID:40643724	综述	本文综述了增强现实（AR）在泌尿外科手术中的当前应用、技术基础、最新进展及局限性	探讨了人工智能和深度学习技术在解决软组织变形挑战中的应用，并指出了AR/MR在重建和男科等亚专科中的潜在应用	重建和男科等亚专科在研究中代表性不足，且当前研究存在样本量有限等问题	为泌尿外科医生提供AR技术的基础知识，并探讨该领域的最新进展和限制	泌尿外科手术中的AR/MR技术应用	数字病理	前列腺癌	AR/MR技术，人工智能，深度学习	NA	图像	NA
1868	2025-07-12	BaSbBS4: a record-high-performance birefringent crystal identified by a target-driven closed-loop strategy 2025-Jul-10, Chemical science IF:7.6Q1 DOI:10.1039/d5sc01983d PMID:40510313	研究论文	本文开发了一种目标驱动的闭环框架，用于高效发现潜在的双折射材料，并成功识别出一批性能优异的红外双折射晶体	提出了一种结合功能基团与晶体结构筛选、深度学习辅助高通量光学性质计算、针对性实验和机理研究的目标驱动闭环框架，实现了高效发现潜在双折射材料	未明确提及具体局限性	探索具有大双折射和宽带隙的红外双折射材料，以满足高功率光电应用的需求	红外双折射晶体，特别是含有平面[BS]和/或立体化学活性孤对电子（SCALP）基团（[SbS], [SnS]）的晶体	材料科学	NA	深度学习辅助高通量光学性质计算	NA	晶体结构数据、光学性质数据	识别出六种具有巨大双折射（Δ > 1.0）和三种同时具有大双折射（Δ > 0.5）和宽带隙（> 3.5 eV）的晶体
1869	2025-07-11	Intelligent quality assessment of ultrasound images for fetal nuchal translucency measurement during the first trimester of pregnancy based on deep learning models 2025-Jul-10, BMC pregnancy and childbirth IF:2.8Q1 DOI:10.1186/s12884-025-07863-y PMID:40634883	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1870	2025-07-12	An Efficient FoG-M3 Method for Self-Adaptive Labeling and Predicting Freezing of Gait 2025-Jul-10, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3587734 PMID:40638345	研究论文	提出了一种名为FoG-M3的深度学习方法，用于预测帕金森病患者的步态冻结现象	采用非固定长度的Pre-FoG标记方法，结合Mixup、MoCo和MU-Net模块，解决了数据不平衡和特征表示不足的问题	未提及方法在其他疾病或更大规模数据集上的泛化能力	提高帕金森病患者步态冻结现象的预测准确性和效率	帕金森病患者的步态数据	机器学习	帕金森病	深度学习	U-Net, Mamba模块, ResNet	步态数据	Daphnet和BHXC两个数据集
1871	2025-07-12	BSN with Explicit Noise-Aware Constraint for Self-Supervised Low-Dose CT Denoising 2025-Jul-10, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3587639 PMID:40638344	research paper	本文提出了一种名为NA-BSN的自监督深度学习方法，用于低剂量CT图像去噪，减少了传统方法对配对训练数据的依赖	引入了显式噪声感知约束机制，解决了现有自监督方法在处理空间相关噪声时的局限性	未明确提及具体局限性，但可能包括对不同噪声类型的适应性或计算效率	开发一种不依赖配对训练数据的自监督低剂量CT图像去噪方法	低剂量CT图像	digital pathology	NA	self-supervised deep learning	Blind Spot Network (BSN)	CT images	多种临床数据集（未明确数量）
1872	2025-07-12	A Study of Data Augmentation for Learning-Driven Scientific Visualization 2025-Jul-10, IEEE transactions on visualization and computer graphics IF:4.7Q1 DOI:10.1109/TVCG.2025.3587685 PMID:40638349	研究论文	本文全面研究了九种数据增强技术在科学可视化任务中的有效性，包括空间超分辨率和环境光遮蔽预测	首次系统比较了多种数据增强技术在科学可视化中的效果，并分析了数据量、单域多样性和跨域多样性对模型性能的影响	研究仅针对科学可视化领域的特定任务，结论可能不适用于其他领域	探索数据增强技术在科学可视化深度学习中的效果和应用	科学可视化数据集和深度学习模型	科学可视化	NA	噪声注入、插值、缩放、翻转、旋转、变分自编码器、生成对抗网络、扩散模型和隐式神经表示	深度学习模型（未指定具体类型）	科学可视化数据	多个具有不同特性的科学数据集（未明确数量）
1873	2025-07-12	DeepBindi: An End-to-End Fear Detection System Optimized for Extreme-Edge Deployment 2025-Jul-10, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3587961 PMID:40638343	研究论文	本文介绍了一种专为极端边缘部署设计的端到端恐惧检测系统DeepBindi	结合高级特征工程技术和优化的轻量级1D-CNN模型架构，整合了手工特征和深度学习卷积技术的优势	现有方法未能满足极端边缘设计需求，难以在现实条件下的可穿戴系统中部署	开发适用于极端边缘环境的恐惧识别系统	基于生理信号的恐惧识别	机器学习	NA	1D-CNN	CNN	生理信号	WEMAC数据集
1874	2025-07-12	Scalable emulation of protein equilibrium ensembles with generative deep learning 2025-Jul-10, Science (New York, N.Y.) DOI:10.1126/science.adv9817 PMID:40638710	研究论文	介绍了一种名为BioEmu的深度学习系统，用于模拟蛋白质平衡集合	BioEmu通过生成数千个统计独立的结构，每小时在单个GPU上运行，整合了超过200毫秒的分子动力学模拟、静态结构和实验蛋白质稳定性数据，使用新颖的训练算法	NA	预测功能相关的蛋白质结构变化	蛋白质平衡集合	机器学习	NA	分子动力学模拟(MD), 深度学习	深度学习系统	蛋白质结构数据	整合了超过200毫秒的分子动力学模拟数据
1875	2025-07-12	MRI sequence focused on pancreatic morphology evaluation: three-shot turbo spin-echo with deep learning-based reconstruction 2025-Jul-10, Acta radiologica (Stockholm, Sweden : 1987) DOI:10.1177/02841851251355844 PMID:40641210	research paper	本研究比较了一种新型T2加权高对比度薄层成像序列（3S-TSE-DLR）与三种传统序列在胰腺成像中的质量	提出了一种结合深度学习重建的三次激发涡轮自旋回波序列（3S-TSE-DLR），提高了胰腺成像的空间分辨率和图像清晰度	研究仅涉及50名健康志愿者，未包括胰腺癌患者	比较新型MRI序列与传统序列在胰腺成像中的质量	50名健康志愿者的胰腺图像	医学影像	胰腺癌	MRI（磁共振成像）	深度学习	医学影像	50名健康志愿者
1876	2025-07-12	Integrative multimodal ultrasound and radiomics for early prediction of neoadjuvant therapy response in breast cancer: a clinical study 2025-Jul-09, BMC cancer IF:3.4Q2 DOI:10.1186/s12885-025-14556-4 PMID:40629283	研究论文	本研究通过整合多模态超声和放射组学数据，开发了一个早期预测乳腺癌新辅助治疗反应的模型	整合了多模态超声（B型、剪切波弹性成像和对比增强超声）和放射组学数据，结合临床病理数据，构建了一个早期预测模型	研究为回顾性设计，样本量相对有限（239例患者）	早期预测乳腺癌新辅助治疗反应	乳腺癌患者	数字病理	乳腺癌	多模态超声（B型、剪切波弹性成像、对比增强超声）和放射组学	U-Net, LASSO, 逐步逻辑回归	超声图像和临床数据	239例乳腺癌患者（训练集167例，验证集72例）
1877	2025-07-12	ColoViT: a synergistic integration of EfficientNet and vision transformers for advanced colon cancer detection 2025-Jul-09, Journal of cancer research and clinical oncology IF:2.7Q3 DOI:10.1007/s00432-025-06199-6 PMID:40632312	研究论文	该研究提出了一种名为ColoViT的混合诊断框架，结合了EfficientNet和Vision Transformers的优势，用于结肠癌的早期检测	ColoViT通过协同整合EfficientNet和Vision Transformers，实现了对结肠镜图像的精确和全面分析，显著提高了癌前病变和早期结肠癌的检测能力	NA	提高结肠癌的早期检测和患者预后	结肠镜图像	计算机视觉	结肠癌	深度学习	EfficientNet和Vision Transformers	图像	NA
1878	2025-07-12	Evolving Blood Pressure Estimation: From Feature Analysis to Image-Based Deep Learning Models 2025-Jul-09, Journal of medical systems IF:3.5Q2 DOI:10.1007/s10916-025-02228-6 PMID:40632332	research paper	该论文提出了一种仅需单一体位PPG信号的创新框架，利用人工智能和计算机视觉技术进行血压估计	仅需单一体位的PPG信号，结合ResNet-50和多头交叉注意力机制，提高了血压估计的准确性和实用性	未提及具体样本量或数据集的多样性限制	改进无袖带血压估计方法，减少对多信号源的依赖	PPG信号及其一阶和二阶导数图像	computer vision	cardiovascular disease	PPG信号分析	ResNet-50, MHCA	image	三个不同的数据集（未提及具体样本量）
1879	2025-07-10	Correction: Image-based evaluation of single-cell mechanics using deep learning 2025-Jul-09, Cell regeneration (London, England) DOI:10.1186/s13619-025-00251-z PMID:40632365	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1880	2025-07-12	A hybrid deep learning model EfficientNet with GRU for breast cancer detection from histopathology images 2025-Jul-09, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-00930-6 PMID:40634313	研究论文	本研究提出了一种结合EfficientNetV2和GRU的混合深度学习模型，用于从组织病理学图像中准确分类乳腺癌	通过集成EfficientNetV2进行多尺度特征提取和带有注意力机制的GRU来建模序列依赖关系，提高了乳腺癌分类的准确性和可解释性	模型在高分辨率组织图像中提取复杂模式的能力仍有提升空间	开发高性能深度学习框架，提高乳腺癌在组织病理学图像中的分类准确性	乳腺癌组织病理学图像	数字病理学	乳腺癌	深度学习	EfficientNetV2与GRU结合的混合模型	图像	使用BreakHis和Camelyon17数据集在200倍放大倍数下的图像