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
13941	2025-10-07	Synthetic temporal bone CT generation from UTE-MRI using a cycleGAN-based deep learning model: advancing beyond CT-MR imaging fusion 2025-Jan, European radiology IF:4.7Q1 DOI:10.1007/s00330-024-10967-2 PMID:39026063	研究论文	开发基于CycleGAN的深度学习模型，从超短回波时间MRI生成合成颞骨CT图像	首次使用CycleGAN模型从UTE-MRI生成颞骨合成CT图像，超越传统的CT-MR图像融合技术	五个主要解剖结构的生成成功率较低（24%-83%），样本量相对有限	解决MRI在定位颞骨解剖标志物方面的固有局限性	接受颞骨MRI和CT检查的患者	医学影像分析	颞骨相关疾病	超短回波时间磁共振成像，点状编码时间减少径向采集	CycleGAN	医学影像	102名患者（训练集54人，验证集48人）	NA	CycleGAN	乳突气房像素计数，解剖标志物生成成功率	NA
13942	2025-10-07	Deep learning-based 3D quantitative total tumor burden predicts early recurrence of BCLC A and B HCC after resection 2025-Jan, European radiology IF:4.7Q1 DOI:10.1007/s00330-024-10941-y PMID:39028376	研究论文	本研究开发基于深度学习的3D定量总肿瘤负荷自动分割方法，用于预测BCLC A和B期肝细胞癌术后早期复发	首次将深度学习自动分割获得的定量总肿瘤负荷作为预测指标，并基于此提出BCLC分期系统的改良亚分类	单中心回顾性研究，样本量有限，需要多中心前瞻性验证	评估深度学习辅助的MRI三维定量肿瘤负荷预测肝细胞癌术后早期复发的潜力	接受切除术的BCLC A和B期肝细胞癌患者	数字病理	肝细胞癌	MRI增强扫描，深度学习自动分割	深度学习	MRI图像	592例患者（BCLC A期525例，BCLC B期67例）	NA	NA	风险比，p值，2年早期复发率	NA
13943	2025-10-07	The value of deep learning-based X-ray techniques in detecting and classifying K-L grades of knee osteoarthritis: a systematic review and meta-analysis 2025-Jan, European radiology IF:4.7Q1 DOI:10.1007/s00330-024-10928-9 PMID:38997539	系统评价与荟萃分析	评估基于深度学习的X射线技术在检测和分类膝骨关节炎K-L分级中的价值	首次对深度学习在膝骨关节炎K-L分级中的诊断敏感性进行系统性荟萃分析	纳入研究数量有限（19项），早期KOA（K-L1-2）的敏感性仍需提升，需要更多可靠数据支持临床实践	评估基于深度学习的X射线技术在膝骨关节炎K-L分级中的诊断性能	膝骨关节炎患者的X射线图像	计算机视觉	膝骨关节炎	X射线成像	深度学习	X射线图像	62,158张图像（K-L0: 22,388, K-L1: 13,415, K-L2: 15,597, K-L3: 7,768, K-L4: 2,990）	NA	NA	敏感性	NA
13944	2025-10-07	Deep learning in pulmonary nodule detection and segmentation: a systematic review 2025-Jan, European radiology IF:4.7Q1 DOI:10.1007/s00330-024-10907-0 PMID:38985185	系统综述	系统评估深度学习技术在肺结节检测和分割中的应用现状	首次采用系统综述方法全面比较肺结节检测和分割的深度学习方法，填补现有文献的方法学空白和偏倚	仅纳入9项符合标准的研究，样本量有限	比较肺结节检测和分割的深度学习方法	肺结节检测和分割相关研究	计算机视觉	肺癌	计算机断层扫描	CNN	医学影像	基于公共数据集（LIDC-IDRI和LUNA16等）的9项研究	NA	NA	敏感度,Dice系数	NA
13945	2025-10-07	Integrated brain tumor segmentation and MGMT promoter methylation status classification from multimodal MRI data using deep learning 2025 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076251332018 PMID:40190333	研究论文	本研究提出了一种基于多模态MRI数据的深度学习流程，同时实现脑肿瘤分割和MGMT启动子甲基化状态分类	开发了一个两阶段深度学习流程，将肿瘤分割与分子标志物分类相结合，提供了一种非侵入性的MGMT状态评估方法	仍处于研究阶段，需要未来研究和临床验证来探索其在真实临床环境中的适用性	开发非侵入性方法评估胶质母细胞瘤患者的MGMT启动子甲基化状态，辅助治疗规划	胶质母细胞瘤患者的多模态MRI数据	数字病理	脑肿瘤	磁共振成像	CNN	医学影像	BraTS2021脑肿瘤分割数据集和MGMT启动子状态分类数据集	NA	3D ResU-Net, 3D ResNet10	Dice系数, ROC-AUC	NA
13946	2025-10-07	Exploring the potential of deep learning models integrating transformer and LSTM in predicting blood glucose levels for T1D patients 2025 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076251328980 PMID:40190336	研究论文	本研究开发了一种结合Transformer和LSTM的混合深度学习模型，用于预测1型糖尿病患者的血糖水平	首次将Transformer编码器与双向LSTM网络相结合，通过多阶段特征提取和位置编码技术，同时捕捉血糖数据的长期依赖关系和短期模式	模型在临床数据上的预测误差随预测时间延长而增加，且未明确说明训练数据的具体样本规模	提高血糖预测精度并延长预测时间范围，支持实时糖尿病管理	1型糖尿病患者的血糖数据	机器学习	糖尿病	连续血糖监测	Transformer, LSTM	时间序列数据	NA	NA	Transformer Encoder, Bidirectional LSTM	均方根误差, 平均绝对误差, Clark网格分析	NA
13947	2025-10-07	Real-Time Snoring Detection Using Deep Learning: A Home-Based Smartphone Approach for Sleep Monitoring 2025, Nature and science of sleep IF:3.0Q2 DOI:10.2147/NSS.S514631 PMID:40190583	研究论文	本研究开发了一种基于Vision Transformer深度学习模型的实时打鼾检测方法，使用智能手机录制的家庭环境音频进行睡眠监测	首次将Vision Transformer模型应用于家庭环境智能手机录音的实时打鼾检测，结合家庭和医院多场景数据验证	样本量相对有限（214名参与者），依赖智能手机录音质量，标注需要两名训练有素的标注者一致同意	开发实时打鼾检测方法以监测睡眠相关疾病	参与者的睡眠呼吸声音	机器学习	睡眠障碍	智能手机音频录制，多导睡眠监测（PSG）	Vision Transformer	音频	214名参与者，85,600个30秒时段	NA	Vision Transformer	灵敏度，特异性，相关系数	NA
13948	2025-10-07	Application of Artificial Intelligence and its Subsets in Various Stages of Knee Arthroplasty from Pre-op to Post-op: An Overview 2025, Journal of orthopaedics and sports medicine DOI:10.26502/josm.511500185 PMID:40190766	综述	概述人工智能及其子集在膝关节置换术从术前到术后各阶段的应用	系统性地将人工智能在膝关节置换术中的应用按术前、术中、术后阶段进行分类，并聚焦于患者教育、手术辅助和结果评估三大方向	NA	探讨人工智能如何提升膝关节置换术的诊断准确性、手术效率和患者预后	膝关节置换术患者和手术流程	机器学习	骨关节炎	NA	机器学习,深度学习	NA	NA	NA	NA	NA	NA
13949	2025-10-07	Integration of multimodal imaging data with machine learning for improved diagnosis and prognosis in neuroimaging 2025, Frontiers in human neuroscience IF:2.4Q2 DOI:10.3389/fnhum.2025.1552178 PMID:40191032	研究论文	提出一种结合CNN、GRU和动态跨模态注意力模块的混合深度学习方法来整合多模态神经影像数据	开发了动态跨模态注意力模块，能更有效地融合空间和时间脑数据，克服现有多模态融合技术的局限性	仅使用HCP数据集进行评估，尚未在其他临床数据上验证	提高脑部疾病诊断和预后的准确性	脑部疾病患者（如阿尔茨海默病）的神经影像数据	神经影像分析	阿尔茨海默病	结构MRI, 功能MRI	CNN, GRU, 注意力机制	图像, 时间序列数据	人类连接组计划(HCP)数据集，包含行为数据、fMRI和sMRI	NA	CNN, GRU, 动态跨模态注意力模块	准确率, 召回率, 精确率, F1分数	NA
13950	2025-10-07	P253 Next-generation phenotyping facilitates the identification of structural brain malformations in rare disorders through computational brain MRI analysis 2025, Genetics in medicine open DOI:10.1016/j.gimo.2025.103424 PMID:40191138	研究论文	本研究开发了一种基于深度学习的下一代表型分析(NGP)方法，通过计算脑MRI分析识别罕见疾病中的结构性脑畸形	将下一代表型分析从面部图像扩展到脑MRI数据，创建了临床脑表型空间(CBPS)用于表型相似性分析和疾病预测	初步分析仅聚焦于两种特定疾病，数据集规模相对有限	开发诊断支持工具，识别罕见疾病中的结构性脑畸形并整合到变异优先排序流程中	罕见神经发育疾病患者，特别是Dandy-Walker畸形和Ogden综合征患者	数字病理	神经发育疾病	脑MRI成像，下一代表型分析(NGP)	CNN	脑MRI图像	413张脑MRI图像(来自56种不同疾病)，外加1,279张公共数据集MRI图像	PyTorch	ResNet-50	留一法交叉验证，t-SNE聚类可视化	NA
13951	2025-10-07	A semi-supervised weighted SPCA- and convolution KAN-based model for drug response prediction 2025, Frontiers in genetics IF:2.8Q2 DOI:10.3389/fgene.2025.1532651 PMID:40191608	研究论文	提出一种基于半监督加权SPCA和卷积KAN的药物反应预测模型NMDP	结合可解释的半监督加权SPCA模块、多组学数据融合框架以及一维卷积与Kolmogorov-Arnold网络的集成方法	NA	基于多组学基因信息预测细胞系对特征药物的反应	细胞系和多组学基因数据	机器学习	癌症	多组学数据分析	KAN, 卷积神经网络	基因多组学数据	NA	NA	Kolmogorov-Arnold networks, 一维卷积	灵敏度, 特异性	NA
13952	2025-10-07	Isfahan Artificial Intelligence Event 2023: Lesion Segmentation and Localization in Magnetic Resonance Images of Patients with Multiple Sclerosis 2025, Journal of medical signals and sensors DOI:10.4103/jmss.jmss_55_24 PMID:40191684	研究论文	介绍2023年伊斯法罕人工智能活动中多发性硬化症患者磁共振图像病灶分割与定位挑战赛	组织多团队参与的多发性硬化症病灶分割竞赛，比较不同深度学习方法的性能	仅简要描述数据集和参赛方法，缺乏详细的性能比较和定量分析	开发准确分割和定位多发性硬化症患者MR图像中病灶的方法	多发性硬化症患者的磁共振图像	计算机视觉	多发性硬化症	磁共振成像	深度学习	医学图像	NA	NA	U-net	NA	NA
13953	2025-10-07	An imaging and genetic-based deep learning network for Alzheimer's disease diagnosis 2025, Frontiers in aging neuroscience IF:4.1Q2 DOI:10.3389/fnagi.2025.1532470 PMID:40191788	研究论文	提出一种基于MRI和SNP数据的多模态深度学习网络，用于阿尔茨海默病诊断和轻度认知障碍进展预测	首次结合CNN提取全脑结构特征和Transformer网络提取遗传特征，并采用基于交叉Transformer的网络进行综合特征融合	研究数据仅来自ADNI数据库的1,541名受试者，样本规模有限	开发多模态深度学习模型以提高阿尔茨海默病的诊断和预测准确性	阿尔茨海默病患者和轻度认知障碍患者	医学影像分析	阿尔茨海默病	磁共振成像, 单核苷酸多态性分析	CNN, Transformer	图像, 基因数据	1,541名来自ADNI数据库的受试者	NA	卷积神经网络, Transformer, 交叉Transformer	NA	NA
13954	2025-04-07	Deep learning model for detecting cystoid fluid collections on optical coherence tomography in X-linked retinoschisis patients 2025-Apr-04, Acta ophthalmologica IF:3.0Q1 DOI:10.1111/aos.17495 PMID:40186400	research paper	本文验证了一种深度学习框架，用于在X连锁视网膜劈裂症患者的SD-OCT图像中检测和量化囊样液体聚集	开发了一种基于no-new-U-Net的深度学习模型，用于自动分割和量化X连锁视网膜劈裂症患者的囊样液体聚集	深度学习模型存在系统性高估的问题，需要未来进一步优化	验证深度学习模型在X连锁视网膜劈裂症患者SD-OCT图像中检测和量化囊样液体聚集的有效性	X连锁视网膜劈裂症患者的SD-OCT图像	digital pathology	X-linked retinoschisis	spectral-domain optical coherence tomography (SD-OCT)	no-new-U-Net	image	112 OCT volumes (70训练, 42内部测试), 37 SD-OCT scans (20患者)	NA	NA	NA	NA
13955	2025-10-07	Dynamic integration of feature- and template-based methods improves the prediction of conformational B cell epitopes 2025-Apr-03, Structure (London, England : 1993) DOI:10.1016/j.str.2025.01.018 PMID:39938510	研究论文	开发了一种动态集成算法DynaBCE，通过整合特征基和模板基方法改进构象B细胞表位预测	首次将特征基策略与模板基策略动态集成，提出动态加权方法最大化不同样本中各模块的优势	NA	提高构象B细胞表位的预测准确性	构象B细胞表位	机器学习	NA	蛋白质语言模型，几何图神经网络，transformer算法	Boosting算法，几何图神经网络，transformer	蛋白质结构数据	NA	NA	几何图神经网络，transformer	NA	NA
13956	2025-10-07	FakET: Simulating cryo-electron tomograms with neural style transfer 2025-Apr-03, Structure (London, England : 1993) DOI:10.1016/j.str.2025.01.020 PMID:39947174	研究论文	提出基于神经风格转移的FakET方法，用于模拟冷冻电子断层扫描图像生成	使用神经风格转移技术模拟冷冻透射电子显微镜的前向算子，显著提升数据生成速度并降低内存需求	NA	解决冷冻电子显微镜中粒子定位和分类任务训练数据不足的问题	冷冻电子显微镜图像数据	计算机视觉	NA	冷冻电子显微镜，神经风格转移	神经网络	图像	NA	NA	神经风格转移	数据生成速度，内存使用效率，定位和分类性能	GPU加速，并行处理
13957	2025-04-07	An interpretable deep learning model for the accurate prediction of mean fragmentation size in blasting operations 2025-Apr-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-96005-7 PMID:40181054	研究论文	本研究提出了一种NRBO-CNN-LSSVM模型，用于预测爆破作业中的平均破碎尺寸，结合了CNN、LSSVM和NRBO技术	整合了CNN、LSSVM和NRBO技术，提高了预测准确性和适用性，并开发了交互式GUI以增强实用性	样本量较小（105个样本），可能影响模型的泛化能力	提高爆破作业中平均破碎尺寸的预测准确性	爆破作业中的平均破碎尺寸	机器学习	NA	CNN, LSSVM, NRBO, SVM, SVR	NRBO-CNN-LSSVM, CNN-LSSVM, CNN, LSSVM, SVM, SVR	数值数据	105个样本（来自先前研究和现场采集）	NA	NA	NA	NA
13958	2025-04-07	Efficient fault diagnosis in rolling bearings lightweight hybrid model 2025-Apr-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-96285-z PMID:40181056	研究论文	提出了一种用于滚动轴承故障诊断的轻量级混合模型TSL-Transformer，结合了Transformer和LSTM模块以提高特征提取效率和诊断准确性	对传统Transformer模型进行轻量级改进，引入多头注意力机制和前馈神经网络，并并行加入LSTM模块以增强时序特征捕获能力	仅在CWRU数据集上进行了验证，未提及其他数据集或实际工业场景的测试结果	解决传统深度学习方法处理长时间序列数据时特征提取和模型训练效率低下的问题	滚动轴承的振动信号	机器学习	NA	多头注意力机制，LSTM	TSL-Transformer（Transformer与LSTM混合模型）	时间序列数据（振动信号）	CWRU数据集（具体样本量未说明）	NA	NA	NA	NA
13959	2025-10-07	Encoding matching criteria for cross-domain deformable image registration 2025-Apr, Medical physics IF:3.2Q1 DOI:10.1002/mp.17565 PMID:39688347	研究论文	提出一种面向跨域可变形图像配准的编码器方法，通过建模图像特征和结构特征的匹配准则来提升配准精度和适应性	设计了通用特征编码器(Encoder-G)和结构特征编码器(Encoder-S)，并通过一次性学习更新Encoder-S实现跨域适应	NA	解决跨域可变形图像配准问题，提升深度学习配准方法的泛化能力	医学MRI图像	计算机视觉	多疾病类别	深度学习	编码器网络	医学图像	脑部图像(训练/测试: 870/90对)，腹部图像(训练/测试: 1406/90对)，心脏图像(训练/测试: 64770/870对)	NA	Encoder-G, Encoder-S	Dice相似系数(DSC), 平均对称表面距离(ASSD)	NA
13960	2025-10-07	Improved deep learning-based IVIM parameter estimation via the use of more "realistic" simulated brain data 2025-Apr, Medical physics IF:3.2Q1 DOI:10.1002/mp.17583 PMID:39704604	研究论文	提出一种基于合成数据的监督学习方法SDD-IVIM，用于提高IVIM参数估计的精度和噪声鲁棒性	开发了基于模型的合成人脑IVIM数据生成方法，通过结合复杂参数分布和人脑纹理模拟真实脑组织结构	方法依赖于合成数据训练，未使用真实世界数据进行神经网络训练	提高IVIM参数估计的精度和噪声鲁棒性	人脑IVIM成像，特别是胶质瘤患者	医学影像分析	脑胶质瘤	IVIM双指数模型，多b值扩散加权成像	U-Net	合成脑IVIM数据，扩散加权图像	数值体模实验和20名胶质瘤患者	NA	U-Net	平均绝对误差，平均偏差，结构相似性，变异系数，对比噪声比	NA