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
1	2025-07-01	Multimodal MRI radiomics enhances epilepsy prediction in pediatric low-grade glioma patients 2025-Sep, Journal of neuro-oncology IF:3.2Q2 DOI:10.1007/s11060-025-05073-2 PMID:40402200	研究论文	本研究提出了一种基于机器学习和深度学习的创新框架，利用多模态MRI影像组学预测儿童低级别胶质瘤患者的肿瘤相关癫痫	整合肿瘤和瘤周特征的多模态MRI影像组学方法，以及使用SGD分类器实现高预测性能	需要更多标准化术前评估数据以提高模型的泛化能力	快速、无创地术前评估儿童低级别胶质瘤患者的肿瘤相关癫痫	儿童低级别胶质瘤患者	数字病理学	儿童低级别胶质瘤	多参数MRI扫描	SGD分类器	MRI图像	NA
2	2025-07-01	Accelerating 3D radial MPnRAGE using a self-supervised deep factor model 2025-Sep, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.30549 PMID:40457622	研究论文	开发了一种自监督且内存高效的深度学习图像重建方法，用于高分辨率和大量参数维度的4D非笛卡尔MRI	提出了一种深度因子模型（DFM），利用神经网络以反转时间为条件，使用高效的零填充重建作为输入估计，以自监督学习（SSL）方式从每次采集的k空间数据中学习模型参数	在没有专用高端GPU阵列的情况下，训练神经网络可能会变得计算密集	开发一种用于4D非笛卡尔MRI的高分辨率和大量参数维度的图像重建方法	3D多对比图像	医学影像	NA	MRI, 深度学习	DFM (深度因子模型)	k空间数据	幻影和体内实验
3	2025-07-01	Risk calculator for long-term survival prediction of spinal chordoma versus chondrosarcoma: a nationwide analysis 2025-Sep, Journal of neuro-oncology IF:3.2Q2 DOI:10.1007/s11060-025-05063-4 PMID:40295452	研究论文	本研究通过全国性数据库分析，比较了脊柱脊索瘤和软骨肉瘤的临床特征、治疗策略及长期预后，并开发了一个基于机器学习的个体化生存预测模型	开发了一个基于机器学习的个体化生存预测模型，并构建了公开可访问的网络计算器	需要外部验证以增强其普适性和临床实用性	比较脊柱脊索瘤和软骨肉瘤的临床特征、治疗策略及长期预后，开发个体化生存预测模型	脊柱脊索瘤和软骨肉瘤患者	数字病理	骨肿瘤	机器学习	DeepSurv, Gradient Boosting, CatBoost	临床数据	3175名患者（脊索瘤1204例，软骨肉瘤1971例）
4	2025-07-01	Insights from the eyes: a systematic review and meta-analysis of the intersection between eye-tracking and artificial intelligence in dementia 2025-Aug, Aging & mental health IF:2.8Q2 DOI:10.1080/13607863.2025.2464704 PMID:39950960	meta-analysis	本文通过系统综述和荟萃分析探讨了眼动追踪与人工智能在痴呆检测中的交叉应用	首次系统评估了眼动追踪与AI结合在痴呆检测中的性能表现	样本量有限且主要集中于阿尔茨海默病，缺乏标准化指南	评估眼动追踪与AI技术在痴呆检测中的应用效果	痴呆患者（主要为阿尔茨海默病）的眼动行为数据	digital pathology	geriatric disease	eye-tracking	machine learning/deep learning	眼动数据	9项研究（57-583名参与者）
5	2025-07-01	A Robust Residual Three-dimensional Convolutional Neural Networks Model for Prediction of Amyloid-β Positivity by Using FDG-PET 2025-Aug-01, Clinical nuclear medicine IF:9.6Q1 DOI:10.1097/RLU.0000000000005966 PMID:40524364	研究论文	本研究利用残差3D卷积神经网络（3DCNN）开发了一个稳健的模型，通过FDG-PET预测淀粉样蛋白β阳性	使用残差3DCNN模型从FDG-PET图像中学习复杂的三维空间模式，显著减少了对站点协调预处理的依赖	样本量相对较小（187名患者用于模型开发，99名患者用于评估），且在不同种族和站点协调水平下的性能差异未完全解决	开发一个深度学习模型，通过FDG-PET预测淀粉样蛋白β阳性，以辅助阿尔茨海默病的诊断	从认知正常到痴呆和其他认知障碍的患者	数字病理学	阿尔茨海默病	FDG-PET, T1加权MRI, 11C-Pittsburgh compound B (PiB) PET扫描	残差3DCNN	图像	187名患者用于模型开发，99名患者用于评估
6	2025-07-01	Rapid wall shear stress prediction for aortic aneurysms using deep learning: a fast alternative to CFD 2025-Jul, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-025-03311-3 PMID:39961912	研究论文	本研究提出了一种基于深度学习的快速预测主动脉瘤壁面剪应力的方法，作为计算流体动力学（CFD）的快速替代方案	提出了一种名为MultiViewUNet的深度学习代理模型，采用领域转换技术将复杂的主动脉几何形状转换为适用于先进神经网络的表示形式	未明确说明在真实临床环境中的验证情况	开发快速准确的主动脉瘤壁面剪应力预测方法以辅助临床决策	腹主动脉瘤（AAA）	数字病理	心血管疾病	深度学习	MultiViewUNet	几何形状数据	真实和合成的AAA几何形状数据集
7	2025-07-01	Robust and generalizable artificial intelligence for multi-organ segmentation in ultra-low-dose total-body PET imaging: a multi-center and cross-tracer study 2025-Jul, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-025-07156-8 PMID:39969540	研究论文	本研究开发并验证了一种深度学习模型，用于在不同成像条件和示踪剂下进行多器官PET分割，以满足完全基于PET的定量分析的关键需求	提出了一种能够在超低剂量全身PET成像中实现多器官分割的深度学习模型，具有跨中心和跨示踪剂的鲁棒性和泛化性	研究为回顾性研究，基于已收集的数据，可能无法完全反映前瞻性临床应用的实际情况	开发一种能够在不同成像条件和示踪剂下进行多器官PET分割的深度学习模型	798名来自多个中心的患者，使用不同示踪剂的PET图像	数字病理学	NA	3D深度学习	深度学习模型	PET图像	798名患者
8	2025-07-01	Dual-type deep learning-based image reconstruction for advanced denoising and super-resolution processing in head and neck T2-weighted imaging 2025-Jul, Japanese journal of radiology IF:2.9Q2 DOI:10.1007/s11604-025-01756-y PMID:40038217	研究论文	评估基于双类型深度学习的图像重建在头颈部脂肪抑制T2加权成像中的去噪和超分辨率处理效果	采用双类型深度学习进行图像重建，实现了有效的去噪和超分辨率处理，同时缩短了扫描时间	研究样本量较小（43例患者），且未详细说明深度学习模型的具体架构和训练细节	比较传统方法和基于深度学习的图像重建在头颈部脂肪抑制T2加权成像中的效果	头颈部脂肪抑制T2加权成像的图像质量	计算机视觉	头颈部病变	深度学习图像重建	DL（深度学习）	医学图像	43例患者
9	2025-07-01	Super-resolution deep learning reconstruction for improved quality of myocardial CT late enhancement 2025-Jul, Japanese journal of radiology IF:2.9Q2 DOI:10.1007/s11604-025-01760-2 PMID:40072715	research paper	本研究探讨了超分辨率深度学习图像重建（SR-DLR）在心肌CT晚期增强（CT-LE）图像质量提升中的应用	首次将超分辨率深度学习图像重建技术应用于心肌CT晚期增强图像，显著降低了图像噪声并提高了图像质量	研究样本量较小（仅30例患者），且为回顾性研究	评估SR-DLR技术在心肌CT晚期增强图像质量改善方面的效果	心肌CT晚期增强图像	digital pathology	cardiovascular disease	超分辨率深度学习图像重建（SR-DLR）	深度学习模型（未明确具体类型）	医学影像（CT图像）	30例接受心肌CT晚期增强检查的患者
10	2025-07-01	Magnetic resonance image generation using enhanced TransUNet in temporomandibular disorder patients 2025-Jul-01, Dento maxillo facial radiology DOI:10.1093/dmfr/twaf017 PMID:40104864	research paper	本研究开发了一种基于Transformer的深度学习模型，用于从质子密度加权图像生成T2加权图像，以减少颞下颌关节紊乱病患者的MRI扫描时间	提出了一种结合TransUNet架构和生成对抗网络的模型，并集成了椎间盘分割解码器以提高图像质量	研究仅针对颞下颌关节紊乱病患者，样本量相对有限（178名患者）	开发深度学习模型以减少MRI扫描时间并保持高图像质量	颞下颌关节紊乱病患者的MRI图像	digital pathology	temporomandibular disorder	MRI	TransUNet, GAN	image	7226张图像来自178名患者
11	2025-07-01	Machine learning in neuroimaging and computational pathophysiology of Parkinson's disease: A comprehensive review and meta-analysis 2025-Jul, Asian journal of psychiatry IF:3.8Q1 DOI:10.1016/j.ajp.2025.104537 PMID:40424835	综述与荟萃分析	本文全面回顾并荟萃分析了机器学习和深度学习在帕金森病神经影像学和计算病理生理学中的应用	提出了Meta-Park模型用于帕金森病诊断，训练、测试和验证准确率分别达到97.67%、95%和94.04%	需要更广泛和多样化的数据集以及改进模型的可及性	通过机器学习和深度学习技术改进帕金森病的诊断和治疗	帕金森病患者	机器学习	帕金森病	MRI、语音和手写数据集分析	Meta-Park模型	MRI图像、语音和手写数据	NA
12	2025-07-01	Phase seeding may provide a gateway to structure solution by deep learning 2025-Jul-01, Acta crystallographica. Section A, Foundations and advances DOI:10.1107/S2053273325004814 PMID:40492410	研究论文	本文提出了一种将人工智能与传统晶体学方法相结合的相位种子方法，用于改进结构解析	通过将连续相位问题转化为分类任务，减少AI训练的计算负担，并展示了传统晶体学方法在获得少量近似相位值（相位种子）后的显著提升	方法尚未在实际AI模型中实现，且主要针对大型复杂非中心对称晶体	探索人工智能与传统晶体学方法结合的新策略，以改进晶体结构解析	大型复杂非中心对称晶体	机器学习	NA	相位种子方法	NA	晶体学数据	NA
13	2025-07-01	Hybrid strategy of coronary atherosclerosis characterization with T1-weighted MRI and CT angiography to non-invasively predict periprocedural myocardial injury 2025-Jun-30, European heart journal. Cardiovascular Imaging DOI:10.1093/ehjci/jeaf116 PMID:40241659	research paper	本研究探讨了结合T1加权MRI和CT血管造影的混合策略，以无创预测冠状动脉介入治疗后的围手术期心肌损伤	首次提出结合MRI和CCTA的混合策略，显著提高了PMI的预测准确性	样本量相对较小（120名患者，132个病灶），且为前瞻性多中心研究，可能存在选择偏倚	探索结合MRI和CCTA的混合策略在预测围手术期心肌损伤中的效果	计划进行选择性PCI的冠状动脉粥样硬化患者	digital pathology	cardiovascular disease	T1-weighted MRI, CT angiography, deep learning	deep learning	medical imaging	120名患者，132个病灶
14	2025-07-01	AI-supported versus manual microscopy of Kato-Katz smears for diagnosis of soil-transmitted helminth infections in a primary healthcare setting 2025-Jun-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-07309-7 PMID:40579399	研究论文	比较AI支持与手动显微镜在初级医疗环境中诊断土壤传播蠕虫感染的效果	使用便携式全玻片扫描仪和深度学习AI技术，在初级医疗环境中进行诊断，提高了对低强度感染的检测灵敏度	研究仅基于704份适合分析的样本，可能无法代表所有情况	提高土壤传播蠕虫感染的诊断效率和准确性	学校儿童的粪便样本	数字病理学	土壤传播蠕虫感染	深度学习AI，全玻片扫描	深度学习	图像	965份粪便样本，其中704份适合分析
15	2025-07-01	A two-step automatic identification of contrast phases for abdominal CT images based on residual networks 2025-Jun-27, Insights into imaging IF:4.1Q1 DOI:10.1186/s13244-025-01995-7 PMID:40579615	研究论文	基于残差网络的两步法自动识别腹部CT图像的对比阶段	提出了一种基于ResNet的两步法模型，用于自动准确识别腹部CT图像的对比阶段，显著优于传统的一步法策略	研究依赖于回顾性收集的数据集，可能无法涵盖所有临床场景	开发一种深度学习模型，用于自动准确识别腹部CT图像的对比阶段	腹部对比增强CT扫描图像	计算机视觉	NA	深度学习	ResNet	图像	内部数据集1175例，外部测试数据集215例
16	2025-07-01	Advancing atomic electron tomography with neural networks 2025-Jun-19, Applied microscopy DOI:10.1186/s42649-025-00113-7 PMID:40533670	综述	本文综述了神经网络在原子电子断层扫描（AET）中的应用进展	整合深度学习特别是卷积神经网络（CNN）到AET工作流程中，以提高重建保真度	重建伪影由几何限制和电子剂量约束引起，可能阻碍可靠的原子结构确定	提高三维原子结构的准确测定，以理解和控制纳米材料的特性	纳米材料的三维原子结构	计算机视觉	NA	原子电子断层扫描（AET）	CNN	图像	NA
17	2025-07-01	Enhanced AlexNet with Gabor and Local Binary Pattern Features for Improved Facial Emotion Recognition 2025-Jun-19, Sensors (Basel, Switzerland) DOI:10.3390/s25123832 PMID:40573719	研究论文	本文提出了一种结合Gabor和局部二值模式特征的增强AlexNet模型，用于提高面部情绪识别的准确性和适应性	通过整合Gabor和LBP特征提取技术到改进的AlexNet架构中，显著提升了面部情绪识别的性能	研究未提及模型在极端光照或遮挡条件下的表现	提高面部情绪识别的准确性和适应性，特别是在硬件资源有限的环境中	面部情绪识别	计算机视觉	NA	Gabor和局部二值模式(LBP)特征提取	改进的AlexNet	图像	使用了FER2013和RAF-DB两个基准数据集进行验证
18	2025-07-01	Dental caries detection in children using intraoral scans and deep learning 2025-Jun-15, Journal of dentistry IF:4.8Q1 DOI:10.1016/j.jdent.2025.105906 PMID:40527440	研究论文	本研究旨在利用深度学习和儿童口腔内扫描数据自动检测龋齿，并评估模型预测与牙科医生评估在3D模型上的一致性	首次使用Attention U-Net模型对儿童口腔内扫描数据进行龋齿检测，并比较模型与牙科医生在不同龋齿程度下的一致性	模型对于早期和中等程度龋损的检测性能有限，需要进一步改进模型准确性和泛化能力	开发基于AI的儿童龋齿自动检测方法	儿童口腔内扫描数据	数字病理	龋齿	深度学习	Attention U-Net	3D扫描数据	第一队列332颗龋齿牙齿（训练192，验证63，测试77），第二独立队列119颗龋齿牙齿用于外部验证
19	2025-07-01	The diagnostic value of artificial intelligence in oral squamous cell carcinoma: A systematic review and meta-analysis 2025-Jun-13, Journal of stomatology, oral and maxillofacial surgery DOI:10.1016/j.jormas.2025.102429 PMID:40518015	meta-analysis	通过系统综述和荟萃分析评估人工智能在口腔鳞状细胞癌诊断中的性能	首次通过系统综述和荟萃分析全面评估AI在OSCC诊断中的表现，并比较深度学习和传统机器学习方法的性能差异	研究间存在显著异质性（I² > 97%），需要标准化方法和外部验证	评估人工智能在口腔鳞状细胞癌诊断中的准确性和临床应用价值	口腔鳞状细胞癌（OSCC）的诊断	数字病理	口腔鳞状细胞癌	AI诊断系统	深度学习和传统机器学习	医学影像和病理数据	24项研究共18,574份样本
20	2025-07-01	A Deep Learning Approach to Measure Visual Function in Zebrafish 2025-Jun-09, Biology DOI:10.3390/biology14060663 PMID:40563916	研究论文	本文提出了一种基于深度学习的方法，用于测量斑马鱼的视觉功能，特别是在低对比度或无色素疾病模型中的应用	使用ResNet-50在DeepLabCut框架中构建深度学习管道，实现对斑马鱼眼动的稳健量化，不受对比度或色素变化的限制	研究仅针对5天大的斑马鱼幼虫在控制条件下进行，尚未在其他发育阶段或更复杂的行为测试中验证	开发一种更灵活、准确的视觉行为分析方法，以支持人类神经和眼部疾病研究及药物毒性测试	野生型和白化突变斑马鱼幼虫	计算机视觉	眼部疾病	DeepLabCut框架，ResNet-50模型	CNN	视频	野生型和白化突变斑马鱼幼虫（具体数量未明确说明）