深度学习在生物医药领域的应用

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	算法框架	模型架构	性能指标	计算资源
8341	2025-09-12	Advanced digital image forensics: A hybrid framework for copy-move forgery detection in multimedia security 2025-Sep, Journal of forensic sciences IF:1.5Q2 DOI:10.1111/1556-4029.70076 PMID:40361265	研究论文	提出一种用于多媒体安全中复制-移动伪造检测的混合框架，结合频域滤波、关键点提取、深度学习模型和聚类技术	整合FFT频域滤波、SIFT与ORB关键点提取、MobilenetV2和VGG16特征提取以及注意力机制，提升检测准确性和鲁棒性	NA	开发高精度数字图像伪造检测方法，保障图像完整性验证	数字图像及其可能存在的复制-移动伪造区域	计算机视觉	NA	快速傅里叶变换(FFT)、SIFT、ORB、DBSCAN聚类、注意力机制	MobilenetV2, VGG16	图像	基于五个基准复制-移动伪造数据集进行广泛测试	NA	NA	NA	NA
8342	2025-09-12	Early diagnosis of mild cognitive impairment and Alzheimer's disease using multimodal feature-based deep learning models in a Chinese elderly population 2025-Sep, Asian journal of psychiatry IF:3.8Q1 DOI:10.1016/j.ajp.2025.104632 PMID:40743680	研究论文	本研究利用基于多模态特征（ERP和中医体质）的深度学习模型，在中国老年人群中实现轻度认知障碍和阿尔茨海默病的早期诊断	首次融合事件相关电位（ERP）和中医体质特征，并采用图卷积网络（GCN）进行跨被试分类，在认知障碍早期诊断中表现出色	样本量较小（共90名参与者），且仅针对中国老年人群，结果泛化性需进一步验证	评估基于融合ERP和中医特征的深度学习模型在认知障碍跨被试分类中的效能	中国老年人群（包括健康对照组、轻度认知障碍患者和阿尔茨海默病患者）	机器学习	老年疾病	ERP（事件相关电位）、中医体质问卷、深度学习	EEGNet、CNN-LSTM、GCN（图卷积网络）、多尺度特征重建GCN、多层感知机	脑电信号、问卷数据	90名参与者（30名健康对照、30名MCI患者、30名AD患者）	NA	NA	NA	NA
8343	2025-09-12	Spectral computed tomography thermometry for thermal ablation: applicability and needle artifact reduction 2025-Sep, 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.2025.105093 PMID:40850158	研究论文	评估光谱CT测温在微波消融中的适用性，并比较基于衰减与基于物理密度的测温方法，同时探索最优金属伪影减少技术	首次系统比较光谱CT中基于衰减和基于物理密度的测温方法，并测试多种MAR技术（包括O-MAR、深度学习MAR和光谱CT组合）对测温精度的影响	研究基于体外凝胶模型，未涉及人体组织；样本量较小（4个模型，23次扫描）	提高肝肿瘤热消融过程中温度监测的精确性和可靠性	肝肿瘤热消融过程中的温度分布	医学影像	肝肿瘤	光谱CT，微波消融，金属伪影减少（MAR）技术	NA	CT影像	4个嵌入温度传感器的凝胶模型，进行23次CT扫描	NA	NA	NA	NA
8344	2025-09-12	A weakly-supervised deep learning model for fast localisation and delineation of the skeleton, internal organs, and spinal canal on whole-body diffusion-weighted MRI (WB-DWI) 2025-Aug-28, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.109043 PMID:40929938	研究论文	提出一种弱监督深度学习模型，用于在全身扩散加权MRI上快速定位和勾画骨骼、内部器官及椎管	使用基于图谱方法生成的“软标签”训练3D残差U-Net，实现快速且可重复的概率图生成，速度比传统方法快12倍	模型在肋骨区域的骨骼勾画性能相对较低（Dice评分0.67），且仅在晚期前列腺癌和多发性骨髓瘤患者中验证	开发自动化算法以支持癌症成像生物标志物（ADC和TDV）的量化测量	晚期前列腺癌（APC）和多发性骨髓瘤（MM）患者的全身扩散加权MRI扫描	数字病理	前列腺癌	WB-DWI（全身扩散加权磁共振成像）	3D Residual U-Net	image	532例患者扫描用于训练和验证，45例患者用于测试	NA	NA	NA	NA
8345	2025-05-08	Retraction: "Diagnostic Classification and Prognostic Prediction Using Common Genetic Variants in Autism Spectrum Disorder: Genotype-Based Deep Learning" 2025-05-06, JMIR medical informatics IF:3.1Q2 DOI:10.2196/76833 PMID:40331761	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
8346	2025-05-01	Predicting Mortality with Deep Learning: Are Metrics Alone Enough? 2025-05, Radiology. Artificial intelligence DOI:10.1148/ryai.250224 PMID:40304577	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
8347	2024-12-12	Integrating Deep Learning with Biology: A New Frontier in Triple-Negative Breast Cancer Treatment Prediction? 2025-01, Radiology. Artificial intelligence DOI:10.1148/ryai.240740 PMID:39660996	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
8348	2025-09-12	Characterization of CNS Network Changes in Two Rodent Models of Chronic Pain 2025, Biological & pharmaceutical bulletin IF:1.7Q3 DOI:10.1248/bpb.b25-00045 PMID:40930793	研究论文	本研究使用静息态功能磁共振成像技术，在两种慢性疼痛啮齿动物模型中表征中枢神经系统功能网络的变化	结合深度学习的监督机器学习方法预测慢性疼痛，并发现传统网络分析未捕捉到的连接模式信息	研究仅基于两种特定啮齿动物模型，结果外推至人类或其他疼痛模型需谨慎	探究慢性疼痛相关的中枢神经系统功能变化	Lewis大鼠和Sprague-Dawley大鼠	神经影像学	慢性疼痛	静息态功能磁共振成像（fMRI），独立成分分析（ICA），图论测量，基于种子的功能连接分析	监督机器学习结合深度学习	神经影像数据	实验1：CFA模型组16只，对照组14只；实验2：PSNL模型组25只，假手术组19只	NA	NA	NA	NA
8349	2025-10-06	Adaptive radiotherapy dose prediction on head and neck cancer patients with a 3D multi-headed U-Net deep learning architecture 2025-Dec-01, Machine Learning. Health DOI:10.1088/3049-477X/adfade PMID:40917990	研究论文	提出一种多头部U-Net深度学习架构，用于头颈癌患者自适应放疗剂量预测	首次将治疗前计划中的医生临床目标整合到剂量预测模型中，通过双头设计同时处理自适应会话数据和治疗前数据	样本量较小（仅43名患者），需要进一步验证在更大数据集上的泛化能力	提高头颈癌自适应放疗中剂量预测的准确性和效率	头颈癌患者	医学影像分析	头颈癌	深度学习	U-Net	CT图像、结构集、剂量分布	43名患者，包含治疗前计划、自适应治疗计划、结构集和CT图像	NA	多头部U-Net（MHU-Net）, 标准U-Net	最大剂量误差, 平均剂量误差	NA
8350	2025-10-06	Development and Validation of a Semiautomated Tool for Measuring Periorbital Distances 2025 Nov-Dec, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2025.100887 PMID:40917265	研究论文	开发并验证了一种用于测量眼周距离的半自动化工具OrbitJ，并与人工测量及两种AI工具进行比较	开发了基于FIJI(ImageJ)的半自动化眼周测量工具，结合线性插值和四次多项式拟合，提高了测量效率和可重复性	样本量较小(45例)，仅针对唇腭裂综合征患者，PeriOrbitAI工具在6张图像上分析失败	验证眼周测量工具的准确性和效率	45例唇腭裂综合征患者的正面照片	医学图像分析	唇腭裂综合征	图像分析，线性插值，多项式拟合	深度学习算法	图像	45张患者照片	FIJI(ImageJ)	NA	平均绝对误差，可靠性，偏差，Pearson相关系数，组内相关系数(ICC)	NA
8351	2025-10-06	MRI-based diffusion weighted imaging and diffusion kurtosis imaging grading of clear cell renal cell carcinoma using a deep learning classifier 2025-Nov, Oncology letters IF:2.5Q3 DOI:10.3892/ol.2025.15246 PMID:40917726	研究论文	本研究开发了一种基于MRI扩散加权成像和扩散峰度成像的深度学习模型，用于术前预测透明细胞肾细胞癌的病理分级	首次结合DWI和DKI序列图像构建深度学习模型用于ccRCC病理分级预测，采用VGG-16作为主干网络架构	样本量相对较小（仅79例患者），需要更大规模的研究验证模型泛化能力	验证基于MRI的深度学习模型在术前预测透明细胞肾细胞癌病理分级的有效性	79例透明细胞肾细胞癌患者（40例低级别，39例高级别）	医学影像分析	肾细胞癌	MRI, 扩散加权成像(DWI), 扩散峰度成像(DKI)	深度学习	医学影像	79例ccRCC患者（40例低级别，39例高级别）	NA	VGG-16	准确率, 精确率, 召回率, F1分数	NA
8352	2025-10-06	Artificial Intelligence in Liver Pathology: Precision Histology for Accurate Diagnoses 2025 Nov-Dec, Journal of clinical and experimental hepatology IF:3.3Q2 DOI:10.1016/j.jceh.2025.103145 PMID:40927758	综述	本文综述了人工智能在肝脏病理学中的应用，重点探讨AI如何推动精准组织学诊断的发展	系统阐述AI在肝脏组织学中减少重复任务负担、预测多种结果、降低观察者间变异性的创新应用	未提供具体实验数据验证AI模型在肝脏病理中的实际性能表现	探讨人工智能技术在肝脏病理学和精准组织学诊断中的应用价值与挑战	肝脏组织病理学数据和诊断流程	数字病理学	肝脏疾病	全玻片成像, 数字病理学	机器学习, 深度学习	病理图像	NA	NA	NA	NA	NA
8353	2025-10-06	Preoperative prediction of malignant transformation in sinonasal inverted papilloma: a novel MRI-based deep learning approach 2025-Oct, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-11655-5 PMID:40355636	研究论文	开发基于MRI的深度学习模型用于术前区分鼻腔鼻窦内翻性乳头状瘤与其恶性转化	首次提出基于多中心大样本MRI数据的深度学习诊断模型，通过注意力机制整合多序列特征	研究样本量相对有限，需要进一步多中心验证	术前预测鼻腔鼻窦内翻性乳头状瘤的恶性转化	568例来自四个中心的鼻腔鼻窦内翻性乳头状瘤患者（421例）和恶性转化患者（147例）	医学影像分析	鼻腔鼻窦肿瘤	MRI成像	深度学习模型	医学影像（T1WI、T2WI、CE-T1WI）	568例患者（421例SIP，147例SIP-SCC）来自四个医疗中心	NA	基于注意力机制的组合模型	AUC, Brier分数, 校准曲线, 决策曲线分析	NA
8354	2025-10-06	Learning homeomorphic image registration via conformal-invariant hyperelastic regularisation 2025-Oct, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103712 PMID:40680568	研究论文	提出一种通过保形不变超弹性正则化实现同胚图像配准的新框架	引入基于非线性弹性设置中保形不变特性的新型正则化器，严格保证拓扑保持特性	NA	开发能够保证拓扑保持的形变医学图像配准方法	医学图像	医学图像分析	NA	深度学习图像配准	MLP	医学图像	NA	NA	坐标MLP	数值和视觉实验评估	NA
8355	2025-10-06	Developing a multivariable deep learning model to predict psychiatric illness in patients with epilepsy 2025-Oct, Epilepsy & behavior : E&B IF:2.3Q2 DOI:10.1016/j.yebeh.2025.110596 PMID:40700773	研究论文	开发基于神经网络的多变量深度学习模型预测癫痫患者精神疾病风险	首次结合临床和人口统计学数据，使用keras和neuralnet框架构建神经网络模型预测癫痫患者精神疾病共病	基于回顾性数据，需要前瞻性研究验证模型泛化能力	预测癫痫患者发生精神疾病的风险以实现早期干预	2,258名癫痫患者	机器学习	癫痫	神经网络分析	神经网络	临床数据和人口统计学数据	2,258名癫痫患者（2013-2023年回顾性数据）	keras, neuralnet	NA	准确率, 敏感度, 特异度, ROC-AUC	NA
8356	2025-10-06	A multimodal automated deep learning-based model for predicting biochemical recurrence of prostate cancer following prostatectomy from baseline MRI, Presurgical clinical covariates 2025-Oct, Clinical imaging IF:1.8Q3 DOI:10.1016/j.clinimag.2025.110579 PMID:40803139	研究论文	开发基于多模态深度学习的AI算法，利用MRI和临床数据预测前列腺癌根治术后生化复发	首次将自动化多模态深度学习模型应用于前列腺癌术后生化复发预测，在中等风险患者中表现优于传统CAPRA-S评分标准	研究样本量有限（n=311），回顾性研究设计可能引入选择偏倚	预测前列腺癌患者根治性前列腺切除术后生化复发风险	前列腺癌患者	数字病理学	前列腺癌	MRI成像，临床数据分析	深度学习	医学影像，临床数据	311名前列腺癌患者	NA	多模态深度学习模型	AUROC，敏感性，log-rank检验	NA
8357	2025-10-06	Explainable deep learning framework for brain tumor detection: Integrating LIME, Grad-CAM, and SHAP for enhanced accuracy 2025-Oct, Medical engineering & physics IF:1.7Q3 DOI:10.1016/j.medengphy.2025.104405 PMID:40925692	研究论文	提出一种集成LIME、Grad-CAM和SHAP的可解释深度学习框架，用于脑肿瘤检测并提升模型性能	首次将三种可解释AI技术(LIME、Grad-CAM、SHAP)集成到两阶段训练框架中，通过解释结果增强数据集	仅在两个公开数据集(BRATS2019和BR35H)上验证，需要更多临床数据验证泛化能力	提升深度学习模型在脑肿瘤检测中的可解释性和训练性能	脑肿瘤医学影像数据	计算机视觉	脑肿瘤	深度学习，可解释人工智能(XAI)	CNN	医学影像	BRATS2019数据集和BR35H数据集	NA	卷积神经网络	准确率，灵敏度，特异性，精确率，ROC-AUC	NA
8358	2025-10-06	TPC-GCN: Deep learning for pulse pattern classification in traditional Chinese medicine 2025-Oct, Medical engineering & physics IF:1.7Q3 DOI:10.1016/j.medengphy.2025.104401 PMID:40925696	研究论文	提出一种用于中医脉象分类的深度学习方法TPC-GCN，通过增强SMOTE数据增强和多域特征提取提升分类性能	提出增强SMOTE方法进行数据增强，构建多配置图数据结构，设计多通道轻量图卷积网络，通过并行分支提取多层次信息并采用注意力加权融合	NA	提高中医脉象分类准确性，推进中医客观化诊断	中医脉象信号	机器学习	NA	脉象信号分析	GCN	脉象信号数据	NA	NA	多通道轻量图卷积网络	准确率,F1分数,召回率,精确率	NA
8359	2025-10-06	Research on error classification in gamma analysis on the basis of dosimetric feature engineering and deep learning 2025-Sep-10, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ae0131 PMID:40889516	研究论文	本研究结合剂量学特征工程和深度学习技术，开发了一种具有误差分类能力的伽马通过率预测方法	通过剂量学特征工程将静态射野划分为五个不同区域，并集成GAN模型实现伽马通过率预测与误差分类的联合分析	样本量相对较小（26个临床病例），部分区域分类性能有待提升（AUC值0.50-0.69）	改进放射治疗中的伽马分析误差分类能力，提升临床质量保证水平	放射治疗计划中的静态射野剂量分布	医学影像分析	肿瘤放射治疗	剂量测量技术，伽马分析	GAN	剂量分布数据	26个临床病例（6个用于训练，20个用于测试），包含1,515个VMAT静态射野和415个步进式射野	NA	GAN	AUC, 伽马通过率, 统计显著性检验	NA
8360	2025-10-06	A robust deep learning-driven framework for detecting Parkinson's disease using EEG 2025-Sep-10, Computer methods in biomechanics and biomedical engineering IF:1.7Q3 DOI:10.1080/10255842.2025.2556310 PMID:40927820	研究论文	提出一种基于深度学习的框架，利用EEG信号检测帕金森病	结合通道注意力模块、小波散射变换和GAN数据增强的CNN-Transformer混合模型	NA	开发帕金森病的准确早期诊断方法	帕金森病患者和健康对照受试者的EEG信号	机器学习	帕金森病	EEG信号处理	CNN, Transformer, GAN	EEG信号，时频图图像	NA	NA	CNN-Transformer混合架构	准确率	NA