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
641	2025-05-23	Multimodal MRI radiomics enhances epilepsy prediction in pediatric low-grade glioma patients 2025-May-22, Journal of neuro-oncology IF:3.2Q2 DOI:10.1007/s11060-025-05073-2 PMID:40402200	研究论文	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参数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影像	NA
642	2025-05-23	An X-ray bone age assessment method for hands and wrists of adolescents in Western China based on feature fusion deep learning models 2025-May-22, International journal of legal medicine IF:2.2Q1 DOI:10.1007/s00414-025-03497-z PMID:40402226	研究论文	本研究开发了一种基于特征融合深度学习模型的手腕X射线骨龄评估方法，用于中国西部青少年的骨骼成熟度评估	采用特征融合的深度学习模型（InceptionV3 + Bilinear + SE + Sex）进行骨龄分类，并在关键法律年龄边界（14.0、16.0和18.0岁）表现出高准确率	研究样本仅来自中国西部地区，可能限制了模型的泛化能力	开发一种自动化的骨龄评估方法，以辅助青少年刑事责任年龄的判定	中国西部11.00-23.99岁青少年的手腕X射线图像	计算机视觉	NA	深度学习	InceptionV3, InceptionV3 + SE + Sex, InceptionV3 + Bilinear, InceptionV3 + Bilinear + SE + Sex	X射线图像	688张手腕X射线图像
643	2025-05-23	High-resolution deep learning reconstruction to improve the accuracy of CT fractional flow reserve 2025-May-22, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-11707-w PMID:40402290	research paper	比较基于模型迭代重建（MBIR）和高分辨率深度学习重建（HR-DLR）图像的CT衍生的血流储备分数（CT-FFR）在检测功能显著性狭窄中的诊断性能	首次研究了HR-DLR对CT-FFR诊断性能的影响，并证明其优于MBIR	单中心回顾性研究，样本量较小（79例患者）	评估HR-DLR在提高CT-FFR诊断功能显著性狭窄准确性方面的效果	79例连续患者（平均年龄70±11岁，57名男性）的98条血管	医学影像分析	心血管疾病	CT血管造影，深度学习重建	深度学习模型（未具体说明）	医学影像（CT图像）	79例患者（98条血管）
644	2025-05-23	Influence of content-based image retrieval on the accuracy and inter-reader agreement of usual interstitial pneumonia CT pattern classification 2025-May-22, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-11689-9 PMID:40402291	research paper	研究基于内容的图像检索（CBIR）对不同经验水平的读者在普通间质性肺炎（UIP）CT模式分类中的准确性和读者间一致性的影响	使用深度学习算法检索相似的胸部CT图像，辅助UIP分类，提高了诊断准确性和读者间一致性	CBIR系统的影响因读者经验水平而异，对经验丰富的读者更有益	探讨CBIR在UIP CT模式分类中的应用效果	587名接受高分辨率胸部CT检查的纤维化间质性肺疾病患者	digital pathology	lung cancer	deep learning	NA	image	587名患者（100例作为查询案例）
645	2025-05-23	Artificial intelligence in neuro-oncology: methodological bases, practical applications and ethical and regulatory issues 2025-May-22, Clinical & translational oncology : official publication of the Federation of Spanish Oncology Societies and of the National Cancer Institute of Mexico IF:2.8Q2 DOI:10.1007/s12094-025-03948-4 PMID:40402414	review	本文综述了人工智能在神经肿瘤学中的方法学基础、实际应用及伦理与监管问题	探讨了解释性AI方法解决'黑箱'问题，以及机制模型整合生物学原理以提高肿瘤生长预测和治疗反应评估的精确性	面临数据偏见、伦理问题和监管合规等挑战	探索人工智能在神经肿瘤学中的应用及其面临的伦理与监管挑战	神经肿瘤学中的诊断、治疗规划和预后预测	digital pathology	brain tumors	advanced imaging techniques and genomic analysis	CNNs and deep learning	image and genomic data	NA
646	2025-05-23	Machine learning-based label-free macrophage phenotyping in immune-material interactions 2025-May-21, Journal of materials chemistry. B DOI:10.1039/d5tb00365b PMID:40289902	研究论文	本研究提出了一种基于机器学习的无标记巨噬细胞表型分析方法，结合AI驱动的图像分类和定量相位成像（QPI）技术，用于评估免疫材料相互作用	首次将AI驱动的图像分类与QPI技术结合，用于无标记巨噬细胞表型分析，克服了传统方法的局限性	QPI单独使用时无法完全区分巨噬细胞表型	优化植入式生物医学材料的免疫相容性	THP-1来源的巨噬细胞（M0、M1、M2a和M2c表型）及其对胶原涂层（I型、III型和IV型）的反应	数字病理学	NA	定量相位成像（QPI）	GoogLeNet, ShuffleNet, VGG-16, ResNet-18	图像	THP-1来源的巨噬细胞样本
647	2025-05-23	MRI-based diagnostic model for Alzheimer's disease using 3D-ResNet 2025-May-21, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/add73d PMID:40354785	研究论文	本研究提出了一种基于3D-ResNet架构的新型诊断模型，用于利用MRI数据对阿尔茨海默病（AD）、轻度认知障碍（MCI）和认知正常（CN）个体进行分类	模型结合了ResNet和3D卷积神经网络（3D-CNN）的优势，并在残差结构中引入了特殊的注意力机制（SAM）以增强特征表示	研究仅使用了ADNI数据集，样本量相对有限，可能影响模型的泛化能力	开发一种准确且可解释的AI诊断框架，用于阿尔茨海默病的早期检测和临床干预	阿尔茨海默病（AD）、轻度认知障碍（MCI）和认知正常（CN）个体	数字病理学	老年疾病	MRI	3D-ResNet	图像	800个脑部MRI扫描
648	2025-05-23	A Chemistry-Informed Generative Deep Learning Approach for Enhancing Voltammetric Neurochemical Sensing in Living Mouse Brain 2025-May-21, Journal of the American Chemical Society IF:14.4Q1 DOI:10.1021/jacs.5c05393 PMID:40358003	research paper	提出了一种基于化学信息的生成深度学习模型（CIGNN），用于增强活体小鼠脑中伏安法神经化学传感的定量准确性	开发了CIGNN模型，能够分离伏安电流中的法拉第和非法拉第成分，减少相互干扰并提高定量准确性	研究仅在小鼠模型中进行验证，尚未扩展到其他生物模型或临床环境	开发一种新方法来同时监测多种神经化学物质的动态变化，以研究神经功能和病理机制	活体小鼠脑中的神经化学物质（多巴胺、抗坏血酸和离子强度）	machine learning	神经炎症	伏安法神经化学传感	CIGNN（化学信息生成神经网络）	伏安电流数据	神经炎症模型小鼠和对照小鼠（具体数量未明确说明，但有浓度数据）
649	2025-05-23	Identifying Disinformation on the Extended Impacts of COVID-19: Methodological Investigation Using a Fuzzy Ranking Ensemble of Natural Language Processing Models 2025-May-21, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/73601 PMID:40397945	研究论文	本研究开发了一个结合预训练语言模型和模糊排序集成方法的深度学习框架，用于检测与COVID-19长期影响相关的虚假信息	采用模糊排序集成方法结合预训练语言模型，提出了一种新颖的预测方法，提高了检测准确性和可靠性	研究仅基于文本内容进行训练，可能忽略了其他可能影响检测准确性的因素	开发一个鲁棒且可推广的深度学习框架，用于检测与COVID-19长期影响相关的虚假信息	与COVID-19长期影响相关的虚假信息	自然语言处理	COVID-19	预训练语言模型（PLMs）、模糊排序集成方法	RoBERTa、DeBERTa、XLNet、HAN	文本	566个真实样本和2361个虚假样本
650	2025-05-23	Prediction of Spontaneous Breathing Trial Outcome in Critically Ill-Ventilated Patients Using Deep Learning: Development and Verification Study 2025-May-21, JMIR medical informatics IF:3.1Q2 DOI:10.2196/64592 PMID:40397953	研究论文	本研究开发了一种基于深度学习的模型，用于预测重症监护病房中机械通气患者的自主呼吸试验（SBT）结果	提出了一种新颖的混合CNN-MLP架构，通过交替CNN和MLP层进行特征学习和融合，提高了模型的灵活性和预测准确性	研究数据来自单一医疗中心，可能影响模型的泛化能力	开发人工智能预测模型，提高呼吸机脱机评估的准确性和效率	重症监护病房中机械通气的成年患者	数字病理学	呼吸系统疾病	深度学习	混合CNN-MLP	临床记录数据	3686名患者，6536份SBT前临床记录
651	2025-05-23	Prediction of B/T Subtype and ETV6-RUNX1 Translocation in Pediatric Acute Lymphoblastic Leukemia by Deep Learning Analysis of Giemsa-Stained Whole Slide Images of Bone Marrow Aspirates 2025-May-21, Pediatric blood & cancer IF:2.4Q1 DOI:10.1002/pbc.31797 PMID:40399768	研究论文	开发了一种深度学习流程，用于分析吉姆萨染色的骨髓穿刺涂片，以预测儿童急性淋巴细胞白血病的B/T亚型和ETV6-RUNX1易位	首次使用深度学习分析吉姆萨染色涂片来预测B/T亚型和ETV6-RUNX1易位，为资源匮乏地区提供了替代诊断方案	外部验证队列的AUC值相对较低（B/T亚型分类0.72，ETV6-RUNX1预测0.69），模型性能有待进一步提高	开发一种基于深度学习的诊断工具，用于儿童急性淋巴细胞白血病的亚型分类和基因易位检测	儿童急性淋巴细胞白血病患者的骨髓穿刺涂片	数字病理学	急性淋巴细胞白血病	吉姆萨染色	CNN	图像	未明确说明样本数量，但包含交叉验证和外部验证队列
652	2025-05-23	A simulated annealing-based Bayesian network structure optimization framework for late morbidity prediction with a large prospective dataset 2025-May-21, Medical physics IF:3.2Q1 DOI:10.1002/mp.17881 PMID:40400111	research paper	提出了一种基于模拟退火的贝叶斯网络结构优化框架，用于预测宫颈癌患者的晚期发病率	开发了一种结合信息理论度量、预测性能度量和复杂度度量的模拟退火优化方法，用于生成逻辑清晰且可解释的贝叶斯网络	研究仅针对宫颈癌患者的晚期发病率预测，可能不适用于其他疾病或场景	开发一个可定制的优化框架，用于自动生成逻辑清晰且可解释的贝叶斯网络，以预测宫颈癌患者的晚期发病率	宫颈癌患者的晚期中度至重度膀胱炎（CTCAEv.3）预测	machine learning	cervical cancer	simulated annealing	Bayesian network	clinical dataset	1153名宫颈癌患者（EMBRACE I数据集）
653	2025-05-23	A novel dose calculation system implemented in image domain 2025-May-21, Medical physics IF:3.2Q1 DOI:10.1002/mp.17903 PMID:40400114	研究论文	本文提出了一种名为DeepBEVdose的新型图像域剂量计算系统，用于从计算机断层扫描图像和辐射场注量图中自动计算剂量分布	引入了新颖的射束视角计算方案，替代了传统无法去除的射线追踪过程，并采用了通用的二维卷积神经网络进行精确剂量计算	仅在鼻咽和肺部两种肿瘤部位进行了验证，尚未在其他肿瘤类型中测试	开发一种准确高效的剂量计算算法，以支持和加速放射治疗计划优化过程	放射治疗中的剂量分布计算	医学影像分析	癌症	深度学习	CNN	医学影像	来自多个机构的数据集，包含鼻咽和肺部两种肿瘤部位
654	2025-05-23	Decoding cancer prognosis with deep learning: the ASD-cancer framework for tumor microenvironment analysis 2025-May-20, mSystems IF:5.0Q1 DOI:10.1128/msystems.01455-24 PMID:40237527	评论	本文探讨了ASD-cancer框架在肿瘤微环境分析中的方法创新和可扩展性	提出了基于自动编码器的半监督学习框架ASD-cancer，用于改进多组学数据分析，并通过迁移学习实现对新数据集的扩展处理	未提及具体局限性，但建议未来方向包括整合更多数据层和开发通过持续学习的自适应AI模型	提高癌症预后分析的准确性和可扩展性	肿瘤微环境	数字病理学	癌症	多组学数据分析	自动编码器	多组学数据	基于The Cancer Genome Atlas数据
655	2025-05-23	MMRNet: Ensemble deep learning models for predicting mismatch repair deficiency in endometrial cancer from histopathological images 2025-May-20, Cell reports. Medicine DOI:10.1016/j.xcrm.2025.102099 PMID:40306276	研究论文	介绍MMRNet，一种深度卷积神经网络，用于从H&E染色的全切片图像预测子宫内膜癌中的错配修复缺陷	提出了一种新的深度卷积神经网络MMRNet，用于预测子宫内膜癌中的错配修复缺陷，并通过人机融合方法显著提高了诊断准确性	内部交叉验证的敏感性较低（0.628），可能需要进一步优化以提高检测的敏感性	开发一种经济且易于使用的工具，用于确定子宫内膜癌患者的MMR状态	子宫内膜癌患者的全切片图像	数字病理学	子宫内膜癌	深度卷积神经网络	CNN	图像	内部交叉验证数据集和三个外部验证数据集
656	2025-05-23	Streaks on martian slopes are dry 2025-May-19, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-59395-w PMID:40389425	research paper	该研究利用深度学习技术创建了首个包含50万个火星斜坡条纹的全球目录，并分析了这些条纹的形成机制及其对火星尘埃循环的影响	首次使用深度学习创建全球性的火星斜坡条纹目录，并挑战了湿条纹形成模型，支持干条纹形成机制	研究主要基于遥感数据，缺乏实地验证	探究火星斜坡条纹的形成机制及其对火星尘埃循环的影响	火星斜坡条纹	行星科学	NA	深度学习	NA	遥感图像	50万个火星斜坡条纹
657	2025-05-23	Enhancing hand-drawn diagram recognition through the integration of machine learning and deep learning techniques 2025-May-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-01823-4 PMID:40389485	研究论文	本文提出了一种结合机器学习和深度学习技术的方法，以提高手绘图的识别性能	整合多种机器学习方法的最佳特性，并引入深度学习技术以处理复杂和可变的手绘图数据	实验仅限于特定类型的手绘图数据集（如流程图、有限自动机和业务过程模型），可能无法涵盖所有手绘图类型	提高手绘图的自动识别和理解能力	手绘图（如流程图、有限自动机、业务过程模型）	计算机视觉	NA	Fossum Soergel k-means聚类、形态学Canny Bessel径向基轮廓形状因子、Fisher核k最近邻、sing-scurve模糊规则生成、wide context faster regional卷积神经网络	CNN	图像	基准数据集中的手绘图样本
658	2025-05-23	Harnessing optimization with deep learning approach on intelligent transportation system for anomaly detection in pedestrian walkways 2025-May-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-99940-7 PMID:40389534	研究论文	该研究提出了一种结合深度学习和优化技术的智能交通系统方法，用于行人通道的异常检测	提出了HODLAITS-ADPW方法，结合了改进的YOLOv7目标检测器、变色龙群算法和注意力金字塔卷积神经网络，用于行人异常检测	NA	提升城市环境中行人通道的安全性和效率	行人通道中的异常行为和活动	计算机视觉	NA	计算机视觉和深度学习	改进的YOLOv7、注意力金字塔CNN	图像	行人数据集（具体数量未提及）
659	2025-05-23	Enhancing feature learning of hyperspectral imaging using shallow autoencoder by adding parallel paths encoding 2025-May-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-01758-w PMID:40389536	research paper	本文提出了一种双路径自编码器（D-Path-AE）模型，用于增强高光谱成像（HSI）的非线性特征学习，并通过并行编码路径和降采样策略减少对多数类特征的偏倚	提出D-Path-AE模型，通过并行编码路径增强非线性特征学习，并采用降采样策略减少数据集不平衡带来的偏倚	模型性能依赖于数据集的平衡性，且未探讨在更大规模或更复杂数据集上的泛化能力	提高高光谱成像数据的特征提取效率和分类准确性	高光谱成像数据	computer vision	NA	HSI, PCA, ICA	Autoencoder (AE), Dual-Path AE (D-Path-AE), Decision Tree, SVM, KNN	image	Pavia Center, Salinas, Kennedy Space Center数据集
660	2025-05-23	Efficient black-box attack with surrogate models and multiple universal adversarial perturbations 2025-May-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-87529-z PMID:40389546	研究论文	本文提出了一种名为SMPack的分阶段黑盒对抗样本生成算法，通过结合多重通用对抗扰动（MUAPs）和代理模型，有效克服黑盒限制并提高对抗样本生成效率	提出SMPack算法，整合MUAPs、代理模型和遗传算法（GA）优化，显著提高黑盒攻击的成功率和查询效率	实验仅在MNIST、SVHN、CIFAR-10和ImageNet四个公开数据集上进行，可能在其他数据集上的泛化能力未验证	研究黑盒设置下对抗样本生成的有效性和效率	深度学习模型	机器学习	NA	遗传算法（GA）	深度学习模型	图像	每个数据集500个随机正确分类的样本