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
201	2025-05-29	Eliminating the second CT scan of dual-tracer total-body PET/CT via deep learning-based image synthesis and registration 2025-Jun, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-025-07113-5 PMID:39932542	研究论文	本研究开发并验证了一种深度学习框架，旨在消除双示踪剂全身PET/CT成像中的第二次CT扫描	结合了注册生成对抗网络（RegGAN）和非刚性配准技术，首次实现了将第一次扫描的衰减校正CT（ACCT）图像转换为第二次扫描的伪ACCT图像	研究仅基于247名患者的回顾性数据，未进行前瞻性验证	开发一种减少双示踪剂全身PET/CT成像中CT辐射剂量的方法	接受双示踪剂全身PET/CT成像的患者	医学影像分析	NA	深度学习、PET/CT成像	RegGAN（注册生成对抗网络）	医学影像（CT和PET图像）	247名患者（167名接受[68Ga]Ga-DOTATATE/[18F]FDG，50名接受[68Ga]Ga-PSMA-11/[18F]FDG，30名接受[68Ga]Ga-FAPI-04/[18F]FDG）
202	2025-05-29	Skin Cancer Detection Using Deep Learning Approaches 2025-Jun, Cancer biotherapy & radiopharmaceuticals DOI:10.1089/cbr.2024.0161 PMID:40151158	review	该综述探讨了多种深度学习方法在皮肤病变识别和分类中的应用	评估了不同深度学习方法在皮肤癌检测中的表现，特别是CNN在视觉病变识别中的高准确性和GAN在训练增强中的潜力	现有数据集存在肤色多样性不足、计算需求高、病变表示不均等问题，可能影响模型的效率、包容性和泛化能力	通过深度学习方法提高皮肤癌的早期检测效率和准确性	皮肤病变图像	computer vision	skin cancer	deep learning	CNN, GAN, ANN, KNN	image	NA
203	2025-05-29	Deep learning-based intraoperative visual guidance model for ureter identification in laparoscopic sigmoidectomy 2025-Jun, Surgical endoscopy DOI:10.1007/s00464-025-11694-5 PMID:40263136	研究论文	本研究评估了一种基于深度学习的计算机视觉模型在腹腔镜乙状结肠切除术中实时识别左侧输尿管的性能	开发了基于语义分割算法的深度学习模型，用于腹腔镜手术中输尿管的实时识别，并实现了高精度的实时操作	样本量有限，手术方法缺乏多样性，手术过程不完整，且缺乏外部验证	评估深度学习模型在腹腔镜乙状结肠切除术中实时识别左侧输尿管的可行性	腹腔镜乙状结肠切除术中的左侧输尿管	计算机视觉	NA	语义分割算法	YOLO 8 和 YOLO 11	视频	86 例腹腔镜乙状结肠切除术录像，1237 张手动标注的图像
204	2025-05-29	A magnetic resonance imaging (MRI)-based deep learning radiomics model predicts recurrence-free survival in lung cancer patients after surgical resection of brain metastases 2025-Jun, Clinical radiology IF:2.1Q2 DOI:10.1016/j.crad.2025.106920 PMID:40300277	研究论文	开发并验证了一种基于MRI的深度学习放射组学模型（DLRM），用于预测肺癌患者脑转移（BrMs）手术切除后的无复发生存期（RFS）	整合了临床和形态学MRI预测因子、手工特征和深度学习特征，构建了一个新的DLRM模型，用于预测RFS	研究为回顾性设计，样本量相对较小（215例患者），且仅基于五个中心的数据	预测肺癌患者脑转移手术切除后的无复发生存期	肺癌患者（215例）	数字病理学	肺癌	MRI	深度学习放射组学模型（DLRM）	图像	215例肺癌患者（167例训练集，48例外部测试集）
205	2025-05-29	Deep learning for liver lesion segmentation and classification on staging CT scans of colorectal cancer patients: a multi-site technical validation study 2025-Jun, Clinical radiology IF:2.1Q2 DOI:10.1016/j.crad.2025.106914 PMID:40327945	research paper	该研究验证了一种基于深度学习的肝脏病灶检测和分类模型在结直肠癌患者分期CT扫描中的应用	该模型在肝脏病灶检测和分割方面表现出色，尤其是对于亚厘米级病灶，且作为结直肠癌分期筛查工具具有潜力	分类准确性中等，特异性较低	验证深度学习模型在结直肠癌患者分期CT扫描中肝脏病灶检测和分类的性能	结直肠癌患者的肝脏病灶	digital pathology	colorectal cancer	CT扫描	UNet	image	220例结直肠癌分期CT扫描（2014-2019年）
206	2025-05-29	Evaluating anti-VEGF responses in diabetic macular edema: A systematic review with AI-powered treatment insights 2025-Jun-01, Indian journal of ophthalmology IF:2.1Q2 DOI:10.4103/IJO.IJO_1810_24 PMID:40434455	综述	本文探讨了深度学习和机器学习算法在评估糖尿病黄斑水肿患者对抗VEGF治疗反应中的应用	利用AI技术区分对抗VEGF治疗有反应和无反应的患者，并评估多种机器学习算法的效果	研究基于2016至2023年间发表的50篇相关论文，可能存在发表偏倚	评估AI算法在分析糖尿病黄斑水肿患者对抗VEGF治疗反应中的有效性	糖尿病黄斑水肿患者	数字病理学	糖尿病黄斑水肿	深度学习, 机器学习	LDA, ResNet-50, CNN with attention, QDA, RF, SVM	医学图像, 临床数据	50篇相关论文
207	2025-05-28	Discovery of Active Ingredient of Yinchenhao Decoction Targeting TLR4 for Hepatic Inflammatory Diseases Based on Deep Learning Approach 2025-Jun, Interdisciplinary sciences, computational life sciences DOI:10.1007/s12539-024-00670-7 PMID:39560852	research paper	本研究利用深度学习框架AIGO-DTI预测茵陈蒿汤主要成分对TLR4的靶向概率，并验证了异莨菪亭通过TLR4影响树突状细胞成熟的潜在治疗作用	提出AIGO-DTI深度学习框架，在预测YCHD成分与TLR4相互作用方面优于其他机器学习模型，并发现异莨菪亭的治疗潜力	研究主要基于计算预测和体外实验，需要进一步的体内实验验证	探索茵陈蒿汤中针对TLR4的有效成分及其治疗肝病的机制	茵陈蒿汤的主要成分及其与TLR4的相互作用	machine learning	hepatitis	deep learning	AIGO-DTI, RF, SVM, KNN, XGBoost, GCN, GAT	chemical compounds data	NA
208	2025-05-28	A Multi-View Feature-Based Interpretable Deep Learning Framework for Drug-Drug Interaction Prediction 2025-Jun, Interdisciplinary sciences, computational life sciences DOI:10.1007/s12539-025-00687-6 PMID:39899225	research paper	提出了一种基于多视图特征的可解释深度学习框架MI-DDI，用于预测药物-药物相互作用	首次结合原子视图和子结构视图特征，并设计了一个可解释的交互模块，提高了预测的准确性和可解释性	仅验证了BIOSNAP和DrugBank数据集，在其他数据集上的泛化能力尚未验证	提高药物-药物相互作用预测的准确性和可解释性	药物分子	machine learning	NA	Message Passing Neural Network (MPNN), transformer encoders	MPNN, transformer	molecular graphs, drug SMILES	BIOSNAP数据集和DrugBank数据集
209	2025-05-28	Cutting Skill Assessment by Motion Analysis Using Deep Learning and Spatial Marker Tracking 2025-06, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3529500 PMID:40030929	研究论文	本文提出了一种通过手术刀运动分析评估开放手术中切割技能的方法	设计了3D多面ArUco代码立方体，并使用YOLOv8模型识别手术刀类型和选择其尖端位置，提出了五个评估指标来量化外科医生的切割技能	实验样本量较小，仅涉及20名专家和新手外科医生	评估开放手术中外科医生的切割技能	外科医生的切割技能	计算机视觉	NA	运动分析、YOLOv8模型	YOLOv8	图像、3D坐标数据	20名专家和新手外科医生
210	2025-05-28	Advancing Acoustic Droplet Vaporization for Tissue Characterization Using Quantitative Ultrasound and Transfer Learning 2025-06, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3527141 PMID:40031047	研究论文	本研究探讨了声学液滴汽化（ADV）在生物医学超声中的应用，通过定量超声和迁移学习技术对纤维蛋白基组织模拟水凝胶中的相变纳米液滴的声学和成像特性进行了研究	结合迁移学习和卷积神经网络（AlexNet）开发了两个专门用于区分纤维蛋白水凝胶的模型，为生物医学诊断提供了新的潜在方法	研究仅限于纤维蛋白基组织模拟水凝胶，未涉及真实生物组织的复杂性	探索声学液滴汽化技术在组织表征中的应用，并提高其诊断潜力	纤维蛋白基组织模拟水凝胶中的相变纳米液滴	生物医学超声	NA	被动空化检测、B型超声、对比增强超声	CNN（AlexNet）	超声图像	NA
211	2025-05-28	Marker Data Enhancement for Markerless Motion Capture 2025-06, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3530848 PMID:40031222	研究论文	本文提出了一种更准确和泛化能力更强的标记增强器，用于将稀疏视频关键点转换为密集解剖标记，以提高无标记运动捕捉的准确性	创建了一个更大、更多样化的训练数据集，并开发了一个更准确、泛化能力更强的标记增强器	在训练数据中未包含的运动上表现不佳	提高无标记运动捕捉的准确性和泛化能力	人类运动捕捉数据	计算机视觉	NA	深度学习	标记增强器	视频	1176名受试者的标记运动捕捉数据和1433小时的合成视频关键点与解剖标记数据
212	2025-05-28	Predicting Synergistic Drug Combinations Based on Fusion of Cell and Drug Molecular Structures 2025-Jun, Interdisciplinary sciences, computational life sciences DOI:10.1007/s12539-025-00695-6 PMID:40088336	研究论文	提出了一种名为DconnC的新方法，通过融合细胞和药物分子结构来预测协同药物组合	DconnC利用细胞特征作为节点建立药物分子结构间的连接，并通过自增强对比学习和Bi-RNN、LSTM模型优化特征，提高了预测准确性	NA	开发可靠有效的计算方法来预测协同药物组合	药物组合	机器学习	癌症	深度学习	Bi-RNN, LSTM	分子结构数据	NA
213	2025-05-28	CR-deal: Explainable Neural Network for circRNA-RBP Binding Site Recognition and Interpretation 2025-Jun, Interdisciplinary sciences, computational life sciences DOI:10.1007/s12539-025-00694-7 PMID:40146403	research paper	本文提出了一种名为CR-deal的可解释神经网络模型，用于识别和解释circRNA与RNA结合蛋白（RBP）的结合位点	CR-deal利用图注意力网络将序列和结构特征统一到同一视图中，更有效地利用结构特征提高预测准确性，并通过集成梯度特征解释推断结合位点的功能结构区域	现有方法在准确性和可解释性方面仍有改进空间	预测circRNA与RBP的结合位点并解释其功能结构区域	circRNA和RNA结合蛋白（RBP）	natural language processing	NA	cross-linking immunoprecipitation sequencing technology	graph attention network	genome-wide circRNA data	37个circRNA数据集和7个lncRNA数据集
214	2025-05-28	Diagnostic accuracy of machine learning algorithms in electrocardiogram-based sleep apnea detection: A systematic review and meta-analysis 2025-Jun, Sleep medicine reviews IF:11.2Q1 DOI:10.1016/j.smrv.2025.102097 PMID:40349509	meta-analysis	该研究通过系统综述和荟萃分析评估了机器学习和深度学习算法在基于单导联心电图检测睡眠呼吸暂停中的诊断准确性	首次对机器学习和深度学习算法在睡眠呼吸暂停检测中的诊断准确性进行了全面的荟萃分析	算法效果存在差异且存在方法学偏倚	评估机器学习和深度学习算法在睡眠呼吸暂停检测中的诊断准确性	单导联心电图数据	machine learning	sleep apnea	machine learning, deep learning	ML/DL	ECG信号	84项研究
215	2025-05-28	NRGCNMDA: Microbe-Drug Association Prediction Based on Residual Graph Convolutional Networks and Conditional Random Fields 2025-Jun, Interdisciplinary sciences, computational life sciences DOI:10.1007/s12539-024-00678-z PMID:39775537	research paper	提出了一种基于残差图卷积网络和条件随机场的微生物-药物关联预测计算模型NRGCNMDA	结合了残差图卷积网络和条件随机场来学习高阶相似性特征，并确保微生物和药物具有相似的特征嵌入	NA	预测微生物与药物之间的关联，以加速新药发现过程	微生物和药物	machine learning	NA	Node2vec, 图卷积网络(GCN), 条件随机场(CRF)	REGCN (残差图卷积网络), CRF	网络数据	NA
216	2025-05-27	PEDRA-EFB0: colorectal cancer prognostication using deep learning with patch embeddings and dual residual attention 2025-Jun, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-025-03292-3 PMID:39833600	research paper	该论文提出了一种名为PEDRA-EFB0的深度学习架构，用于结直肠癌CT扫描的特征提取和生存预测	整合了补丁嵌入和双残差注意力机制，增强了特征提取能力，并提出了一种结合自动编码器和熵技术的特征选择算法	未提及具体的数据集规模或多样性限制	提高结直肠癌CT扫描的特征提取和生存预测的准确性	结直肠癌患者的CT扫描数据	digital pathology	colorectal cancer	deep learning	CNN with patch embeddings and dual residual attention	CT scans	NA
217	2025-05-27	Automatic skeletal maturity grading from pelvis radiographs by deep learning for adolescent idiopathic scoliosis 2025-Jun, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-025-03283-4 PMID:39838221	research paper	该研究提出了一种基于深度学习的多任务学习方法，用于从骨盆X光片中自动评估青少年特发性脊柱侧凸（AIS）患者的骨骼成熟度（Risser阶段）	采用改进的Swin Transformer模型，并结合空间和通道重建卷积Swin块，提高了Risser阶段评估的准确性	未提及模型在其他数据集上的泛化能力	解决Risser阶段手动评估中观察者内和观察者间的不准确性问题	青少年特发性脊柱侧凸（AIS）患者的骨盆X光片	digital pathology	adolescent idiopathic scoliosis	deep learning	改进的Swin Transformer	image	NA
218	2025-05-27	CTCNet: a fine-grained classification network for fluorescence images of circulating tumor cells 2025-Jun, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-025-03297-y PMID:39841310	研究论文	本文提出了一种名为CTCNet的细粒度分类网络，用于循环肿瘤细胞（CTCs）荧光图像的分类	开发了CTCDet数据集和CTCNet混合架构，结合CNN和Transformer，通过Parallel Token mixer和DLKAttention模块提升分类性能	未提及具体的数据集规模限制或模型计算复杂度	提升循环肿瘤细胞（CTCs）的分类准确性以促进癌症诊断和治疗	循环肿瘤细胞（CTCs）的荧光图像	数字病理学	癌症	深度学习	CNN和Transformer混合架构	图像	未明确提及具体样本数量，但使用了大规模CTCDet数据集
219	2025-05-27	Adaptive ensemble loss and multi-scale attention in breast ultrasound segmentation with UMA-Net 2025-Jun, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-025-03301-5 PMID:39847155	研究论文	本文提出了一种名为UMA-Net的改进UNet架构，用于乳腺超声图像分割，通过集成残差连接、注意力机制和空洞卷积瓶颈，有效捕获多尺度上下文信息	UMA-Net结合了自适应集成损失函数，动态平衡训练过程中不同损失组件的贡献，解决了传统损失函数导致的优化不平衡问题	NA	提高乳腺超声图像中病灶分割的准确性和泛化能力	乳腺超声图像	计算机视觉	乳腺癌	深度学习	UMA-Net（基于UNet架构）	图像	五个不同的乳腺超声数据集（BUET、BUSI、Mendeley、OMI和UDIAT）
220	2025-05-27	Unrolled deep learning for breast cancer detection using limited-view photoacoustic tomography data 2025-Jun, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-025-03302-4 PMID:39856397	研究论文	本文提出了一种基于展开深度学习的有限视角光声断层扫描数据乳腺癌检测方法	结合了分裂Bregman全变分(SBTV)和松弛基追踪交替方向乘子法(rBP-ADMM)算法的新型展开深度学习网络，并整合了U-Net去噪器，实现了最先进的重建质量和显著的计算效率提升	研究主要针对有限视角场景，未涉及其他可能影响成像质量的因素	提高有限视角光声断层扫描在乳腺癌检测中的图像重建质量和计算效率	乳腺癌检测	数字病理学	乳腺癌	光声断层扫描(PAT)	U-SBTV网络, U-Net	图像	NA