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
821	2025-07-18	Unsupervised learning reveals landscape of local structural motifs across protein classes 2025-Jul-01, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaf377 PMID:40569048	研究论文	利用无监督学习揭示跨蛋白质类别的局部结构基序景观	通过自监督深度学习对大规模蛋白质结构数据集进行分析，创建了一个包含1500万个局部结构微环境的“词典”，并展示了这些基序在蛋白质结构搜索和模型质量评估中的最先进性能	NA	表征局部结构和功能在蛋白质分析中的景观	蛋白质数据银行中的1500万个局部结构微环境	机器学习	NA	自监督深度学习	无监督学习	3D结构数据	超过1500万个局部环境
822	2025-07-18	A semi-automated workflow for cohort-wise preparation of radiotherapy data for dose-response modeling, including autosegmentation of organs at risk 2025-Jul, Journal of applied clinical medical physics IF:2.0Q3 DOI:10.1002/acm2.70152 PMID:40653785	研究论文	开发并测试了一种半自动化工作流程，用于从肿瘤信息系统(OIS)中准备放疗数据，包括自动分割风险器官(OARs)，以用于风险建模	提出了一种结合深度学习和基于图谱方法的半自动化工作流程，显著提高了风险器官分割的效率与准确性	工作流程在测试案例中的成功率为80%，仍有20%的案例需要人工干预	开发高效的方法来准备大规模研究队列的放疗数据，用于剂量-反应风险建模	放疗数据，特别是风险器官(OARs)的分割	数字病理	肺癌	深度学习(DL)和基于图谱的分割方法	深度学习模型	医学影像数据	106个患者案例用于开发，20个独立案例用于评估，50个独立案例用于最终测试
823	2025-07-18	Transfer learning for DL-based Synthetic CT after reconstruction algorithm upgrade in a proton therapy clinic 2025-Jul, Medical physics IF:3.2Q1 DOI:10.1002/mp.17937 PMID:40660869	研究论文	本研究评估了迁移学习策略在应对CBCT图像质量变化中的有效性，并评估了CBCT软件升级后sCT依赖性工作流程的可持续性	利用迁移学习策略重新训练现有的DL-based sCT模型，以应对CBCT图像质量变化，减少工作流程中断	研究仅基于69例头颈部癌症患者的数据，样本量相对较小	评估迁移学习策略在CBCT软件升级后对sCT模型性能的影响	头颈部癌症患者的CBCT-CT图像对	数字病理	头颈部癌症	深度学习	DCNN, cycleGAN	图像	69例头颈部癌症患者的CBCT-CT图像对（60例用于训练和验证，9例用于测试）
824	2025-07-18	Explainable AI for raising confidence in deep learning-based tumor tracking models 2025-Jul, Medical physics IF:3.2Q1 DOI:10.1002/mp.17940 PMID:40660895	research paper	本文研究了四种可解释AI方法在基于深度学习的无标记肺肿瘤跟踪模型中的可靠性和有效性	首次评估了四种XAI方法在肺肿瘤跟踪中的表现，并确定了GBP和DeepLIFT的可靠性	LRP在临床数据上表现不佳，需要进一步研究模型在临床实践中的可靠性	提高基于深度学习的肺肿瘤跟踪模型的可信度和解释性	肺肿瘤患者和体模	digital pathology	lung cancer	deep learning, XAI	CNN	image	6名临床患者和2个体模
825	2025-07-18	Enhanced Leaf Disease Segmentation Using U-Net Architecture for Precision Agriculture: A Deep Learning Approach 2025-Jul, Food science & nutrition IF:3.5Q2 DOI:10.1002/fsn3.70594 PMID:40661811	research paper	本研究提出了一种基于深度学习的图像分割方法，利用U-Net架构进行叶片病害识别	采用U-Net架构进行像素级叶片病害区域精确分割，结合图像预处理和数据增强提升模型性能	未提及模型在复杂田间环境下的实际应用效果	开发高精度的叶片病害识别系统以支持精准农业	叶片图像中的健康与病害区域	computer vision	植物病害	深度学习图像分割	U-Net	image	7056张带标注的叶片图像
826	2025-07-18	Deep Learning-Based Body Composition Analysis for Outcome Prediction in Relapsed/Refractory Diffuse Large B-Cell Lymphoma: Insights From the LOTIS-2 Trial 2025-Jul, JCO clinical cancer informatics IF:3.3Q2 DOI:10.1200/CCI-25-00051 PMID:40669032	研究论文	本研究探讨了基于深度学习的身体成分分析在复发/难治性弥漫性大B细胞淋巴瘤患者临床结果预测中的作用	提出了一种基于深度学习的身体成分分析方法，用于预测复发/难治性弥漫性大B细胞淋巴瘤患者的治疗反应和生存结果	研究样本量相对较小（140例患者），且仅针对特定治疗方案（loncastuximab tesirine）的患者	探索身体成分作为独立影像学生物标志物在复发/难治性弥漫性大B细胞淋巴瘤患者临床结果预测中的价值	复发/难治性弥漫性大B细胞淋巴瘤患者	数字病理学	弥漫性大B细胞淋巴瘤	深度学习	深度学习分割模型	CT影像	140例复发/难治性弥漫性大B细胞淋巴瘤患者的PET/CT扫描数据
827	2025-07-18	Corrigendum to "External Validation of a Novel Landmark-Based Deep Learning Automated Tibial Slope Measurement Algorithm Applied on Short Radiographs Obtained in Patients With ACL Injuries" 2025-Jul, Orthopaedic journal of sports medicine IF:2.4Q2 DOI:10.1177/23259671251357595 PMID:40672049	correction	本文是对先前发表的关于基于地标的深度学习自动胫骨斜率测量算法的外部验证研究的更正	NA	NA	更正先前发表的论文中的错误	NA	digital pathology	NA	NA	deep learning	image	NA
828	2025-07-17	Explainable CT-based deep learning model for predicting hematoma expansion including intraventricular hemorrhage growth 2025-Jul-18, iScience IF:4.6Q1 DOI:10.1016/j.isci.2025.112888 PMID:40655092	research paper	开发并验证了一种基于CT的深度学习模型HENet，用于预测血肿扩张（包括脑室内出血增长）	HENet模型在预测血肿扩张方面表现优于传统2D模型和医生预测，并通过Grad-CAM技术提供了模型决策的可视化解释	研究为回顾性多中心研究，可能存在选择偏倚	提高脑出血患者血肿扩张预测的准确性	718名脑出血患者的CT扫描和临床数据	digital pathology	cardiovascular disease	CT扫描	deep learning (HENet)	image (CT scans) 和 clinical data	718名脑出血患者
829	2025-07-17	ComptoNet: a Compton-map guided deep learning framework for multi-scatter estimation in multi-source stationary CT 2025-Jul-16, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/adebd7 PMID:40609598	研究论文	提出了一种名为ComptoNet的解耦深度学习框架，用于多源静态CT中的多散射估计	创新点在于引入了Compton-map表示大角度康普顿散射信号，并采用双网络架构进行散射估计和校正	实验数据基于蒙特卡洛模拟，未提及真实临床数据的验证	解决多源静态CT中缺乏抗散射网格导致的严重散射污染问题	多源静态CT系统	计算机视觉	NA	深度学习	条件编码器-解码器网络, 频率U-Net	CT图像	蒙特卡洛模拟数据（未提具体数量）
830	2025-07-17	Deep learning for appendicitis: development of a three-dimensional localization model on CT 2025-Jul-16, Japanese journal of radiology IF:2.9Q2 DOI:10.1007/s11604-025-01834-1 PMID:40668351	研究论文	开发并评估了一种用于在腹部CT上检测阑尾炎的深度学习模型	使用三维定位模型在CT上检测阑尾炎，并评估了模型在不同临床因素下的表现	研究为单中心回顾性研究，样本量有限，且未考虑年龄小于20岁、穿孔、阑尾不清晰和阑尾肿瘤等病例	开发一种深度学习模型，用于在CT上检测阑尾炎	阑尾炎患者的腹部CT图像	数字病理	阑尾炎	CT成像	Faster R-CNN	图像	567例阑尾炎患者的CT图像（训练集517例，验证集50例），测试集包括100例阑尾炎CT和100例对照CT
831	2025-07-17	Distinguishing symptomatic and asymptomatic trigeminal nerves through radiomics and deep learning: A microstructural study in idiopathic TN patients and asymptomatic control group 2025-Jul-16, Neuroradiology IF:2.4Q2 DOI:10.1007/s00234-025-03691-1 PMID:40668403	research paper	该研究利用人工智能分析三叉神经的微观结构，以区分特发性三叉神经痛患者和无症状对照组的症状性和无症状性神经	结合放射组学和深度学习技术，首次在特发性三叉神经痛患者和无症状对照组之间区分症状性和无症状性神经	需要进一步研究以全面阐明可能导致特发性三叉神经痛的血管和非血管病因的影响	区分特发性三叉神经痛患者和无症状对照组的症状性和无症状性神经	特发性三叉神经痛患者和无症状对照组的三叉神经	digital pathology	trigeminal neuralgia	MRI	DenseASPP-201, MobileASPPV2, SDEL, SVM, KNN	image	78例症状性三叉神经和182例无症状性三叉神经（91例1级NVC和91例0级NVC）
832	2025-07-17	Integrated machine learning and deep learning-based virtual screening framework identifies novel natural GSK-3β inhibitors for Alzheimer's disease 2025-Jul-16, Journal of computer-aided molecular design IF:3.0Q2 DOI:10.1007/s10822-025-00637-w PMID:40668407	研究论文	本文提出了一种结合机器学习和深度学习的虚拟筛选框架，用于识别阿尔茨海默病的潜在天然GSK-3β抑制剂	结合可解释的随机森林模型和深度学习分子对接平台KarmaDock，提高了筛选的准确性和可解释性	目前的研究结果仅为计算模拟，需要未来的实验验证	识别阿尔茨海默病的潜在天然GSK-3β抑制剂	天然产物中的GSK-3β抑制剂	机器学习	阿尔茨海默病	虚拟筛选、分子对接、药效团建模、分子动力学模拟	随机森林 (RF)、深度学习	分子数据	25,000种天然化合物
833	2025-07-17	Artificial Intelligence Enhances Diagnostic Accuracy of Contrast Enemas in Hirschsprung Disease Compared to Clinical Experts 2025-Jul-15, European journal of pediatric surgery : official journal of Austrian Association of Pediatric Surgery ... [et al] = Zeitschrift fur Kinderchirurgie IF:1.5Q3 DOI:10.1055/a-2646-2052 PMID:40592491	研究论文	本研究评估了深度学习神经网络在对比灌肠检查中对先天性巨结肠症的诊断准确性，并与儿科外科医生和放射科医生的诊断表现进行了比较	首次将深度学习神经网络应用于对比灌肠图像分析，并结合临床数据提升诊断性能	研究为回顾性设计，样本量相对有限（测试集仅218张图像）	评估人工智能在先天性巨结肠症影像学诊断中的应用价值	15岁以下疑似先天性巨结肠症患者的对比灌肠图像	数字病理	先天性巨结肠症	深度学习	DNN	医学影像	1,471张对比灌肠图像（其中218张用于测试）
834	2025-07-17	3D isotropic high-resolution fetal brain MRI reconstruction from motion corrupted thick data based on physical-informed unsupervised learning 2025-Jul-15, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3586049 PMID:40663667	研究论文	提出了一种基于物理信息无监督学习的3D各向同性高分辨率胎儿脑MRI重建方法，用于从运动损坏的厚数据中重建高质量图像	提出了一种无监督迭代联合SVR和SRR的深度学习框架，无需大规模外部3D高分辨率训练数据集	未提及具体临床数据集的样本量限制或模型泛化能力的详细评估	提升胎儿脑MRI的运动校正和超分辨率重建技术，以支持精确的临床诊断和胎儿脑发育研究	胎儿脑MRI图像	医学影像处理	胎儿脑发育	深度学习、卷积神经网络、深度图像先验框架	CNN	MRI图像	模拟数据和临床数据（具体数量未提及）
835	2025-07-17	Efficient Visual Transformer by Learnable Token Merging 2025-Jul-15, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3588186 PMID:40663671	研究论文	本文提出了一种新颖且紧凑的Transformer块——LTM-Transformer，通过可学习的令牌合并方案提升视觉Transformer的效率	提出LTM-Transformer，通过可学习的令牌合并方案减少FLOPs和推理时间，同时保持或提高预测精度	NA	提升视觉Transformer的计算效率和预测精度	视觉Transformer模型	计算机视觉	NA	NA	Transformer, LTM-Transformer	图像	NA
836	2025-07-17	Robust Polyp Detection and Diagnosis through Compositional Prompt-Guided Diffusion Models 2025-Jul-15, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3589456 PMID:40663685	research paper	该论文提出了一种渐进式频谱扩散模型（PSDM），通过组合提示生成临床准确的合成图像，以增强结直肠息肉检测、分类和分割的泛化能力	提出PSDM模型，利用组合提示（包括分割掩码、边界框和结肠镜检查报告）生成合成图像，显著提升了模型在分布外数据上的表现	模型依赖于多中心数据集（如PolypGen），其收集成本高且耗时	提高结直肠息肉检测、分类和分割的泛化能力，特别是在分布外数据场景下	结直肠息肉	digital pathology	colorectal cancer	diffusion models	PSDM	image	PolypGen数据集
837	2025-07-17	Motion artifacts and image quality in stroke MRI: associated factors and impact on AI and human diagnostic accuracy 2025-Jul-15, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-11807-7 PMID:40664863	研究论文	评估疑似中风患者MRI中运动伪影的普遍性及其相关因素，并确定其对AI和放射科医生诊断准确性的影响	首次在疑似中风患者中系统评估运动伪影的普遍性及其对AI和人类诊断准确性的影响	研究为回顾性单中心设计，样本量相对有限	评估MRI运动伪影在卒中诊断中的影响	疑似中风患者的脑部MRI扫描	数字病理学	中风	MRI	深度学习工具	医学影像	775名疑似中风患者
838	2025-07-17	Deep Learning for Osteoporosis Diagnosis Using Magnetic Resonance Images of Lumbar Vertebrae 2025-Jul-15, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01547-x PMID:40665016	研究论文	本研究利用腰椎的T1、STIR和T2 MRI序列以及骨密度（BMD）测量，通过深度学习技术进行骨质疏松症的诊断	提出了一种定制的卷积神经网络模型，在骨质疏松症分类上表现优于现有的深度学习模型，如GoogleNet、EfficientNet-B3等，并且发现T2加权MRI序列在诊断中最为有效	样本量相对较小，仅包含50名个体的1350张MRI图像	开发一种基于深度学习的骨质疏松症诊断方法，减少电离辐射的使用	腰椎的MRI图像和BMD测量数据	数字病理学	骨质疏松症	MRI成像	CNN	图像	50名个体的1350张MRI图像
839	2025-07-17	Combined Study of Behavior and Spike Discharges Associated with Negative Emotions in Mice 2025-Jul-15, Neuroscience bulletin IF:5.9Q1 DOI:10.1007/s12264-025-01455-8 PMID:40665179	研究论文	本研究通过结合开放场行为测试和电生理记录，探索慢性压力诱导的负面情绪机制	提出了一种名为NeuroSync的新方法，结合行为测试和电生理记录，同步分析神经放电模式与行为反应	研究仅针对小鼠，结果可能不完全适用于人类	探索慢性压力诱导的负面情绪的神经机制	小鼠的中央杏仁核和下丘脑室旁核	神经科学	精神障碍	电生理记录、机器视觉技术、信号处理算法	深度学习和机器学习	视频和电生理数据	NA
840	2025-07-17	18F-FDG PET-based liver segmentation using deep-learning 2025-Jul-15, Physical and engineering sciences in medicine IF:2.4Q2 DOI:10.1007/s13246-025-01595-1 PMID:40665198	研究论文	本研究开发了一种基于深度学习的18F-FDG PET图像肝脏分割方法	首次提出仅使用18F-FDG PET图像进行肝脏分割的深度学习方法，避免了传统CT或MRI图像的对齐问题和伪影	研究样本量相对较小（120例患者），且未在其他类型PET图像上验证方法通用性	开发不依赖CT/MRI的纯PET图像肝脏分割方法	120例接受18F-FDG PET检查的患者	数字病理	NA	18F-FDG PET成像	3D U-Net (nnUNet框架)	PET图像	120例患者（100例训练集，20例测试集）