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
1901	2025-05-24	Deep learning for rapid analysis of cell divisions in vivo during epithelial morphogenesis and repair 2024-Sep-23, eLife IF:6.4Q1 DOI:10.7554/eLife.87949 PMID:39312468	research paper	该研究开发了一种深度学习流程，用于自动识别和分析上皮组织中细胞分裂的动态特征	利用深度学习自动检测和量化细胞分裂的时空同步性和方向性，为组织生长和修复研究提供了新工具	研究仅针对果蝇蛹翼上皮组织，可能不适用于其他组织类型	研究细胞分裂在上皮组织形态发生和修复过程中的动态特征	果蝇蛹翼上皮组织中的细胞分裂事件	digital pathology	NA	time-lapse microscopy	deep learning pipeline	video	果蝇蛹翼上皮组织的时间序列影像数据
1902	2025-05-24	An Exaggeration? Reality?: Can ChatGPT Be Used in Neonatal Nursing? 2024 Apr-Jun 01, The Journal of perinatal & neonatal nursing IF:1.5Q2 DOI:10.1097/JPN.0000000000000826 PMID:38758263	research paper	本文探讨了ChatGPT在新生儿护理中的应用潜力及其挑战	探讨了ChatGPT在新生儿护理中的创新应用，如疼痛评估、喂养过程和患者状态判定	需要严格验证数据的准确性，并对缺乏科学依据的结果保持怀疑态度	评估ChatGPT在新生儿护理中的应用效果和安全性	新生儿护理中的AI应用，特别是ChatGPT	natural language processing	NA	自然语言处理	ChatGPT	text	NA
1903	2025-05-24	Differentiating molecular etiologies of Angelman syndrome through facial phenotyping using deep learning 2020-09, American journal of medical genetics. Part A DOI:10.1002/ajmg.a.61720 PMID:32524756	研究论文	本研究利用深度学习技术DeepGestalt通过面部表型分析区分Angelman综合征的分子病因	首次应用DeepGestalt系统分析Angelman综合征不同分子亚型之间的面部表型差异	样本年龄跨度较大(10个月至32岁)，可能影响表型分析的准确性	探索面部识别系统在区分Angelman综合征分子亚型中的应用价值	261名Angelman综合征患者	数字病理学	Angelman综合征	深度学习面部分析	DeepGestalt	图像	261名患者(年龄10个月至32岁)
1904	2025-05-23	ConnectomeAE: Multimodal brain connectome-based dual-branch autoencoder and its application in the diagnosis of brain diseases 2025-Jul, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108801 PMID:40294455	研究论文	提出一种基于多模态脑连接组的双分支自编码器ConnectomeAE，用于整合多模态脑连接组信息和区域放射组学特征，以增强脑疾病的诊断	通过双分支自编码器分别学习节点特征和连接特征，整合多模态脑连接组信息和区域放射组学特征，提高了脑疾病诊断的适应性和准确性	未提及具体的数据集规模限制或模型在其他脑疾病上的泛化能力	探索多模态脑网络之间的依赖关系，整合节点特征以增强脑疾病诊断	自闭症谱系障碍和阿尔茨海默病	数字病理学	脑疾病	结构磁共振成像（MRI）和功能磁共振成像（fMRI）	双分支自编码器（ConnectomeAE）	图像	两个公开数据集，具体样本量未提及
1905	2025-05-23	A Minimal Annotation Pipeline for Deep Learning Segmentation of Skeletal Muscles 2025-Jul, NMR in biomedicine IF:2.7Q1 DOI:10.1002/nbm.70066 PMID:40390325	研究论文	本研究探讨了一种简单有效的迭代方法，用于构建高质量自动分割模型，同时最小化手动标注工作	提出了一种最小化标注工作的迭代方法，用于训练高质量的nnU-Net分割模型	训练集规模较小（n=30），且五级评分量表上的评分者间一致性仅为一般到中等	开发高效的自动分割方法，将骨骼肌MRI生物标志物转化为临床应用	健康志愿者和患有各种神经肌肉疾病的患者（包括肌营养不良、炎症性、神经源性和未标记的NMDs）	数字病理	神经肌肉疾病	定量MRI	nnU-Net	MRI图像	训练集70例（健康与病理大腿），独立测试集20例
1906	2025-05-23	Integrating artificial intelligence into orthopedics: Opportunities, challenges, and future directions 2025-Jul, Journal of hand and microsurgery IF:0.3Q4 DOI:10.1016/j.jham.2025.100257 PMID:40395968	综述	本文综述了人工智能在骨科中的应用、挑战及未来发展方向	全面评估了AI在骨科中的多种应用及其对患者护理的影响，同时指出了当前的技术挑战和未来研究方向	数据标准化和临床验证仍是主要挑战，且研究仅限于已发表的英文同行评审文章	评估人工智能在骨科中的应用及其对临床实践的影响	骨科领域的AI技术及其临床应用	医疗人工智能	骨科疾病	机器学习和深度学习	NA	文献数据	NA
1907	2025-05-23	Accelerating CEST MRI With Deep Learning-Based Frequency Selection and Parameter Estimation 2025-Jul, NMR in biomedicine IF:2.7Q1 DOI:10.1002/nbm.70068 PMID:40396230	研究论文	提出了一种基于深度学习的频率选择和参数估计框架，以加速化学交换饱和转移（CEST）MRI扫描	整合了频率选择和参数估计的深度学习框架，利用通道剪枝技术识别最具信息量的频率偏移，同时保持参数图质量	未来研究需要扩展到患者群体，并解决B不均匀性和病变组织中异常信号变化等挑战	加速CEST MRI扫描时间，同时保持参数图质量	六名健康志愿者的CEST MRI数据	医学影像分析	NA	CEST MRI, 深度学习, 通道剪枝	深度学习网络	MRI图像	六名健康志愿者
1908	2025-05-23	Artificial intelligence (AI) in point-of-care testing 2025-Jun-15, Clinica chimica acta; international journal of clinical chemistry DOI:10.1016/j.cca.2025.120341 PMID:40324611	research paper	本文探讨了人工智能（AI）在即时检测（POCT）中的应用及其对现代医疗的变革性影响	AI技术（包括机器学习、深度学习和自然语言处理）显著提升了POCT的准确性和效率，例如卷积神经网络将疟疾检测的灵敏度提高到95%，预测分析在资源有限的环境中减少了20%的设备停机时间	数据隐私风险、算法不透明性以及低收入和中等收入国家的基础设施差距	探讨AI在POCT中的应用，以解决诊断准确性、工作流程效率和公平获取医疗资源等关键挑战	即时检测（POCT）技术及其在医疗诊断中的应用	machine learning	malaria, cardiovascular disease	machine learning, deep learning, natural language processing, predictive analytics	CNN	image, real-time data	NA
1909	2025-05-23	Automated Whole-Brain Focal Cortical Dysplasia Detection Using MR Fingerprinting With Deep Learning 2025-Jun-10, Neurology IF:7.7Q1 DOI:10.1212/WNL.0000000000213691 PMID:40378378	research paper	本研究开发了一种基于磁共振指纹（MRF）和深度学习（DL）的全脑局灶性皮质发育不良（FCD）检测框架	首次将MRF与深度学习结合用于全脑FCD检测，提供了一种快速可靠的定量成像技术	样本量较小（40名FCD患者和67名健康对照），且未提及模型在其他数据集上的泛化能力	开发一种自动化的全脑FCD检测方法，以提高临床MRI对FCD的检测能力	药物难治性局灶性癫痫患者和健康对照者	digital pathology	epilepsy	MRF, deep learning	no-new U-Net	MRI图像	40名FCD患者（平均年龄28.1岁，47.5%女性）和67名健康对照者
1910	2025-04-24	Corrigendum to: Pollen analysis using multispectral imaging flow cytometry and deep learning 2025-Jun, The New phytologist DOI:10.1111/nph.70163 PMID:40263692	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1911	2025-05-23	Diagnosis of carpal tunnel syndrome using deep learning with comparative guidance 2025-Jun, Clinical neurophysiology : official journal of the International Federation of Clinical Neurophysiology IF:3.7Q2 DOI:10.1016/j.clinph.2025.03.038 PMID:40300239	研究论文	本研究开发了一种基于深度学习的模型，用于通过比较分类方法对腕管综合征（CTS）进行稳健诊断	提出了基于余弦相似度的比较引导方法，使模型能够自动识别超声图像中异常回声纹理差异	样本量相对较小（152名参与者），且仅使用超声图像数据	开发一种能够自动识别CTS重要特征的深度学习模型	腕管综合征患者和健康个体的超声图像	数字病理学	腕管综合征	超声成像	深度学习模型（具体架构未提及）	超声图像	152名参与者（包括不同严重程度的CTS患者和健康个体）
1912	2025-05-23	Recent trends in diabetes mellitus diagnosis: an in-depth review of artificial intelligence-based techniques 2025-Jun, Diabetes research and clinical practice IF:6.1Q1 DOI:10.1016/j.diabres.2025.112221 PMID:40328407	综述	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的应用	探讨了AI驱动诊断工具的最新突破方法及其在临床实践中的实际应用	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AI技术在临床实践中的整合	糖尿病	机器学习	糖尿病	机器学习和深度学习	NA	NA	NA
1913	2025-05-23	Parkinson's disease detection using inceptionV3: A Deep learning approach 2025-Jun, MethodsX IF:1.6Q2 DOI:10.1016/j.mex.2025.103333 PMID:40395929	研究论文	本研究使用深度学习算法对帕金森病患者绘制的螺旋图像进行分类，作为一种低成本诊断技术	利用四种CNN架构（DenseNet121、InceptionV3、VGG16和LeNet）进行螺旋图像分类，并通过迁移学习提高模型性能	未来研究可结合螺旋图像与其他生物标志物或更广泛的运动测量数据进行更全面的疾病评估	开发一种非侵入性、高效且自动化的帕金森病早期检测方法	帕金森病患者和健康个体绘制的螺旋图像	计算机视觉	帕金森病	深度学习	CNN（包括DenseNet121、InceptionV3、VGG16和LeNet）	图像	NA
1914	2025-05-23	Deep learning-based technique for investigating the behavior of MEMS systems with multiwalled carbon nanotubes and electrically actuated microbeams 2025-Jun, MethodsX IF:1.6Q2 DOI:10.1016/j.mex.2025.103337 PMID:40395931	研究论文	本文提出了一种基于深度学习的模型，用于研究带有碳纳米管和电驱动微梁的MEMS系统的行为	开发了一种新颖的基于DNN的模型来解决MEMS中的非线性系统，特别是针对带有MWCNTs的振荡器	由于系统的刚度、参数敏感性和非线性，预测这些系统的行为具有挑战性	研究MEMS振荡器的非线性振动特性，特别是与纳米管和电驱动微梁相关的特性	双端固定的电驱动微梁和多壁碳纳米管（MWCNTs）	机器学习	NA	深度神经网络（DNN）	DNN	数值模拟数据	NA
1915	2025-05-23	Molecular insights fast-tracked: AI in biosynthetic pathway research 2025-May-22, Natural product reports IF:10.2Q1 DOI:10.1039/d4np00003j PMID:40130306	综述	本文探讨了人工智能在生物合成途径研究中的潜力，以加速分子洞察并应对相关挑战	综述了AI技术在生物合成途径研究中的应用，包括机器学习、深度学习、自然语言处理等多种技术，并讨论了AI在途径发现、设计和优化中的具体应用	指出了当前AI在生物合成途径研究中的局限性，并强调了AI与实验方法协同的重要性	探讨AI如何加速生物合成途径研究，以开发具有药理学、农业和生物技术应用的生物活性天然产物	生物合成途径研究	机器学习	NA	机器学习(ML)、深度学习(DL)、自然语言处理、网络分析、数据挖掘	NA	组学数据	NA
1916	2025-05-23	On factors that influence deep learning-based dose prediction of head and neck tumors 2025-May-22, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/adcfeb PMID:40267938	研究论文	本研究探讨了影响基于深度学习的头颈部肿瘤剂量预测模型的关键因素	系统分析了输入和剂量网格分辨率、输入类型、损失函数、模型架构和噪声对模型性能的影响，并提出了优化建议	仅使用了两个数据集（一个公共数据集和一个内部临床数据集），可能限制了结果的普适性	评估深度学习模型在头颈部癌症放射治疗剂量预测中的准确性、鲁棒性和计算效率	头颈部肿瘤的放射治疗剂量预测	数字病理	头颈部癌症	深度学习	SwinUNETR	CT图像和剂量网格数据	两个数据集（OpenKBP公共数据集和内部临床数据集）
1917	2025-05-23	Quantum-Chemical Simulation of Multiresonance Thermally Activated Delayed Fluorescence Materials Based on B,N-Heteroarenes Using Graph Neural Networks 2025-May-22, The journal of physical chemistry. A DOI:10.1021/acs.jpca.5c01243 PMID:40338523	研究论文	本研究开发了一种基于B,N-杂芳烃的多共振热激活延迟荧光（MR-TADF）材料的简单分子设计方法，并利用图神经网络加速了MR-TADF发射体的搜索	提出了一种基于π扩展DABNA核心的简单分子设计方法，并开发了基于深度学习的加速搜索工具，用于预测MR-TADF发射体的能量值	NA	开发高效、窄带发射的MR-TADF材料，用于下一代电致发光器件	基于B,N-杂芳烃的MR-TADF材料	机器学习	NA	密度泛函理论，深度学习	图神经网络	化学分子数据	18种不同的环状系统修饰的化合物
1918	2025-05-23	Evaluating machine- and deep learning approaches for artifact detection in infant EEG: classifier performance, certainty, and training size effects 2025-May-22, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/add740 PMID:40354792	research paper	评估机器学习和深度学习在婴儿EEG伪迹检测中的性能、确定性及训练数据量影响	直接处理未经特征提取的婴儿EEG复杂噪声信号，比较RF、SVM和DL模型性能，并探讨分类器确定性与数据覆盖率的权衡	研究仅基于单一数据集（BRISE项目），且未探索其他潜在有效的特征提取方法或模型架构	开发自动化方法以减少婴儿EEG伪迹检测的主观性和工作量	294名婴儿（平均年龄8.34个月）的EEG数据，共66,851个时段	machine learning	NA	EEG信号处理	Random Forest (RF), Support Vector Machine (SVM), deep learning (DL)	EEG信号	294名婴儿的66,851个EEG时段（45%标记为伪迹）
1919	2025-05-23	Whole-body CT-to-PET synthesis using a customized transformer-enhanced GAN 2025-May-22, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/add8dd PMID:40367973	research paper	提出了一种基于深度学习的全身CT到PET图像合成方法，使用定制的transformer增强GAN模型	提出了一个结合残差块和全连接transformer残差块的CPGAN模型，能够同时捕捉局部特征和全局上下文信息，并设计了包含结构一致性的定制损失函数以提高合成PET图像的质量	CT图像本身无法直接反映代谢组织的生物信息	开发一种能够从CT图像合成高质量PET图像的深度学习方法，以减少对实际PET-CT扫描的依赖	全身CT和PET图像	digital pathology	tumors	深度学习	transformer-enhanced GAN (CPGAN)	3D和2D医学图像	102对3D CT和PET扫描，切片为27,240对2D图像（训练21,855对，验证2,810对，测试2,575对）
1920	2025-05-23	Recognizing artery segments on carotid ultrasonography using embedding concatenation of deep image and vision-language models 2025-May-22, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/add8db PMID:40367970	研究论文	本研究提出了一种自动分类模型，用于识别颈动脉超声图像中的不同动脉段，以提高颈动脉检查的量化准确性	结合了预训练的DenseNet201、视觉变换器和回声对比语言-图像预训练模型的嵌入特征，使用支持向量机分类器进行解剖结构识别	样本量相对较小（288名患者），且仅使用了B型超声图像	提高颈动脉超声检查的准确性和一致性	颈总动脉（CCA）、颈动脉球部、颈内动脉（ICA）和颈外动脉（ECA）	计算机视觉	心血管疾病	深度学习	DenseNet201, 视觉变换器, 支持向量机	图像	288名患者的2943张B型超声图像（CCA: 1563; 球部: 611; ICA: 476; ECA: 293）