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
1641	2025-06-19	Deep Learning for Detecting and Subtyping Renal Cell Carcinoma on Contrast-Enhanced CT Scans Using 2D Neural Network with Feature Consistency Techniques 2025-Jul, The Indian journal of radiology & imaging DOI:10.1055/s-0044-1800804 PMID:40529970	研究论文	本研究探索了一种创新的深度学习方法，用于在CT扫描上检测和分型肾细胞癌（RCC），特别是透明细胞RCC（ccRCC）与非ccRCC	使用二维神经网络架构和特征一致性模块，提供了一种新颖、计算更简单且准确的RCC表征方法	研究为回顾性研究，样本量相对较小（196例患者）	开发一种高效的深度学习算法，用于肾细胞癌的检测和分型	196例经病理证实的RCC患者的基线CT扫描（143例ccRCC和53例非ccRCC）	计算机视觉	肾细胞癌	CT扫描	2D神经网络（FocalNet-DINO）	图像	196例患者的CT扫描
1642	2025-06-18	Malignancy risk stratification for pulmonary nodules: comparing a deep learning approach to multiparametric statistical models in different disease groups 2025-Jul, European radiology IF:4.7Q1 DOI:10.1007/s00330-024-11256-8 PMID:39747589	research paper	比较深度学习方法和多参数统计模型在不同疾病组中对肺结节恶性风险分层的性能	首次评估了深度学习模型LCP-CNN在多种风险特征和潜在肺部疾病患者中的性能，并与传统多参数统计模型进行了比较	研究为回顾性分析，样本量相对有限（297名患者，422个结节）	评估深度学习模型在肺结节恶性风险分层中的性能	肺结节患者（包括筛查、肺气肿和间质性肺病患者）	digital pathology	lung cancer	CT扫描	CNN	image	297名患者，422个肺结节（其中105个为恶性）
1643	2025-06-18	Deep learning for forensic age estimation using orthopantomograms in children, adolescents, and young adults 2025-Jul, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-11373-y PMID:39862249	research paper	该研究利用卷积神经网络（CNN）和大型多样化数据集改进法医年龄估计，特别关注儿童、青少年和年轻成人的牙齿生长特征	使用自定义CNN模型和大型多样化数据集显著提高了法医年龄估计的准确性和可靠性，预测精度可达1年以内	研究主要基于牙齿生长特征，可能不适用于所有年龄段或特殊情况	改进法医年龄估计方法，提高预测准确性和效率	儿童、青少年和年轻成人（1至25岁以下）	digital pathology	NA	orthopantomograms (OPGs)	CNN	image	21,814张OPGs（来自13,766名个体）
1644	2025-06-18	A novel approach for estimating postmortem intervals under varying temperature conditions using pathology images and artificial intelligence models 2025-Jul, International journal of legal medicine IF:2.2Q1 DOI:10.1007/s00414-025-03447-9 PMID:40019556	研究论文	提出了一种利用病理图像和人工智能模型在不同温度条件下估计死后间隔的新方法	首次引入基于病理组织图像和人工智能的预测模型，用于估计死后间隔，并在三种温度条件下进行验证	未提及样本来源的多样性或模型在其他环境条件下的泛化能力	提高法医调查中死后间隔估计的准确性和效率	病理组织图像	数字病理	NA	深度学习	ResNet50	图像	未明确提及具体样本数量
1645	2025-06-18	The impact of multi-modality fusion and deep learning on adult age estimation based on bone mineral density 2025-Jul, International journal of legal medicine IF:2.2Q1 DOI:10.1007/s00414-025-03432-2 PMID:40100354	研究论文	本研究通过多模态融合和深度学习技术，基于骨密度（BMD）提高了成人年龄估计的准确性	采用多模态融合策略结合深度学习，显著提升了基于BMD的成人年龄估计精度	研究主要基于中国人群数据，可能在其他种族群体中的泛化性有待验证	提升基于骨密度的成人年龄估计准确性	成人年龄估计	机器学习	老年疾病	CT扫描	深度学习	医学影像	4296例CT扫描（内部验证644例，外部尸体验证351例）
1646	2025-06-18	Multitask Deep Learning for Automated Detection of Endoleak at Digital Subtraction Angiography during Endovascular Aneurysm Repair 2025-07, Radiology. Artificial intelligence DOI:10.1148/ryai.240392 PMID:40266029	research paper	开发并评估一种新型多任务深度学习框架，用于在真实世界的腹主动脉瘤血管内修复术（EVAR）过程中自动检测和定位主动脉数字减影血管造影（DSA）中的内漏	提出了一种基于多任务学习的卷积神经网络，用于内漏的自动检测和定位，性能优于人类专家	研究为回顾性设计，样本量相对较小（220例患者）	开发自动化工具以提高EVAR手术中内漏检测的准确性和效率	接受EVAR手术患者的主动脉DSA图像	digital pathology	cardiovascular disease	digital subtraction angiography	CNN	image	220例患者（中位年龄74岁，181名男性）
1647	2025-06-18	Automated classification of oral potentially malignant disorders and oral squamous cell carcinoma using a convolutional neural network framework: a cross-sectional study 2025-Jul, Lancet regional health. Americas DOI:10.1016/j.lana.2025.101138 PMID:40519355	研究论文	本研究旨在开发和评估用于自动分类口腔潜在恶性病变（OPMD）和口腔鳞状细胞癌（OSCC）临床图像的AI模型，并探索使用Grad-CAM进行可解释性分析	采用深度学习方法和Grad-CAM技术，实现了对OPMD和OSCC临床图像的自动分类，并探索了模型的可解释性	研究仅进行了内部测试，未进行外部验证	开发AI模型以辅助口腔潜在恶性病变和口腔鳞状细胞癌的诊断	口腔潜在恶性病变（OPMD）和口腔鳞状细胞癌（OSCC）的临床图像	计算机视觉	口腔癌	深度学习	CNN（包括ConvNeXt和MobileNet）	图像	778张临床图像
1648	2025-06-18	Deep learning can predict global earthquake-triggered landslides 2025-Jul, National science review IF:16.3Q1 DOI:10.1093/nsr/nwaf179 PMID:40520459	research paper	该研究开发了一个深度学习模型，用于预测全球范围内地震引发的滑坡概率	首次构建了包含过去50年38次最灾难性地震引发的约40万个滑坡的全球数据库，并开发了无需依赖当地先验知识的深度学习模型	模型虽然具有较高的空间准确性（约82%），但仍可能存在特定地区或地震类型下的预测偏差	提高地震触发滑坡的预测速度和准确性，以支持灾害快速响应和事前规划	全球范围内的地震触发滑坡	machine learning	NA	深度学习	深度学习模型	滑坡数据库	约40万个滑坡数据，涉及38次重大地震
1649	2025-06-17	A systematic review and meta-analysis of the utility of quantitative, imaging-based approaches to predict radiation-induced toxicity in lung cancer patients 2025-Jul, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2025.110935 PMID:40360049	meta-analysis	本文通过系统综述和荟萃分析评估了放射组学、剂量组学和机器学习在预测胸部放疗毒性方面的性能	首次对放射组学、剂量组学和机器学习在预测胸部放疗毒性方面的性能进行了系统综述和荟萃分析，并比较了不同模型的性能	研究主要集中在放射性肺炎的预测，对其他毒性反应的预测研究较少	评估放射组学、剂量组学和机器学习在预测胸部放疗毒性方面的性能	接受胸部放疗的肺癌患者	digital pathology	lung cancer	radiomics, dosiomics, machine learning	classical and deep learning models	imaging data	104项研究，包括23,373名患者
1650	2025-06-17	Integration of metabolomics and machine learning for precise management and prevention of cardiometabolic risk in Asians 2025-Jul, Clinical nutrition (Edinburgh, Scotland) DOI:10.1016/j.clnu.2025.05.011 PMID:40414052	研究论文	本文探讨了代谢组学与机器学习在亚洲人群心血管代谢风险精确管理与预防中的应用	结合代谢组学与机器学习技术，揭示隐藏的代谢模式和通路，为亚洲人群提供个性化干预措施	代谢组学结果在不同种族群体间的解释存在困难，研究设计有限，分析平台和数据处理方法存在不一致性	开发针对亚洲人群的心血管代谢疾病（CMDs）的精准干预和预防措施	亚洲人群的心血管代谢风险	机器学习	心血管疾病	代谢组学	深度学习、网络分析	代谢组数据	NA
1651	2025-05-27	Deep Learning Auto-Segmentation of Organs at Risk in a Real-World Head and Neck Cancer Proton Beam Radiotherapy Planning 2025-Jul, Clinical oncology (Royal College of Radiologists (Great Britain)) DOI:10.1016/j.clon.2025.103849 PMID:40414067	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1652	2025-06-17	A Deep Learning Model Based on High-Frequency Ultrasound Images for Classification of Different Stages of Liver Fibrosis 2025-Jul, Liver international : official journal of the International Association for the Study of the Liver IF:6.0Q1 DOI:10.1111/liv.70148 PMID:40515461	研究论文	开发基于高频超声图像的深度学习模型，用于分类慢性乙型肝炎患者肝纤维化的不同阶段	使用高频超声图像训练深度学习模型，在肝纤维化分类中表现优于低频超声模型及其他非侵入性方法	回顾性多中心研究，可能存在选择偏倚	开发并评估基于高频超声图像的深度学习模型在肝纤维化分类中的诊断价值	慢性乙型肝炎患者	数字病理	肝纤维化	高频超声成像	CNN	图像	多中心研究，涉及六家医院2014年1月至2024年8月的患者数据
1653	2025-06-16	Artificial intelligence revolution in drug discovery: A paradigm shift in pharmaceutical innovation 2025-Jul-25, International journal of pharmaceutics IF:5.3Q1 DOI:10.1016/j.ijpharm.2025.125789 PMID:40451590	综述	本文探讨了人工智能在药物发现中的革命性作用及其对制药创新的影响	利用AI技术（如ML、DL和NLP）优化药物开发的多个阶段，包括靶点识别、先导化合物优化和新药设计	数据可及性有限、多样化数据集的整合、AI模型的可解释性以及伦理问题	探讨人工智能如何改变药物发现过程，提高效率并降低成本	药物发现过程中的各个阶段，如靶点识别、先导化合物优化和新药设计	人工智能在制药领域的应用	NA	机器学习（ML）、深度学习（DL）、自然语言处理（NLP）	AlphaFold、AtomNet	化学和生物数据	NA
1654	2025-06-16	Deep learning model for low-dose CT late iodine enhancement imaging and extracellular volume quantification 2025-Jul, European radiology IF:4.7Q1 DOI:10.1007/s00330-024-11288-0 PMID:39704803	研究论文	开发并验证了用于降噪晚期碘增强（LIE）图像并实现准确细胞外体积（ECV）量化的深度学习模型	提出了两种深度学习模型（RDN和cGAN）用于降噪LIE图像，并显著提高了图像质量和ECV量化准确性	研究为回顾性设计，样本量相对有限（423例患者）	开发能够降噪LIE图像并准确量化ECV的深度学习模型	胸部不适患者的心肌灌注CT+血管造影CT+LIE图像	医学影像分析	心血管疾病	CT成像	RDN（残差密集网络）和cGAN（条件生成对抗网络）	医学影像	423例患者（182例训练集，48例调参集，92例内部验证集，101例外部验证集）
1655	2025-06-16	Generalizability, robustness, and correction bias of segmentations of thoracic organs at risk in CT images 2025-Jul, European radiology IF:4.7Q1 DOI:10.1007/s00330-024-11321-2 PMID:39738559	research paper	评估和比较两种先进的深度学习方法在CT图像中分割四个胸部风险器官（食管、气管、心脏和主动脉）的性能	比较多器官分割方法和多个单器官模型融合方法，评估其对抗扰动的鲁棒性和外部数据集的泛化能力，并探讨专家校正引入的潜在偏差	专家校正可能引入偏差，需要手动标注的测试集来评估方法性能	提高放射治疗计划中胸部风险器官分割的效率和准确性	胸部风险器官（食管、气管、心脏和主动脉）	digital pathology	NA	CT成像	nnU-Net	image	NA
1656	2025-06-16	Deep learning-based image domain reconstruction enhances image quality and pulmonary nodule detection in ultralow-dose CT with adaptive statistical iterative reconstruction-V 2025-Jul, European radiology IF:4.7Q1 DOI:10.1007/s00330-024-11317-y PMID:39792163	research paper	该研究评估了基于深度学习的图像域重建在超低剂量CT（ULDCT）中的应用，以提升图像质量和肺结节检测能力	首次在超低剂量CT中应用深度学习图像重建（DLIR）技术，显著提升了图像质量和结节检测率	研究仅针对肺结节检测，未涉及其他肺部病变的检测效果	评估深度学习图像重建技术在超低剂量CT中的性能	210名接受肺癌筛查的患者	digital pathology	lung cancer	deep learning image reconstruction (DLIR), adaptive statistical iterative reconstruction-V (ASiR-V)	deep learning	image	210名患者的463个肺结节
1657	2025-06-16	Deep learning-based time-of-flight (ToF) enhancement of non-ToF PET scans for different radiotracers 2025-Jul, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-025-07119-z PMID:39964543	research paper	本文评估了一种基于深度学习的飞行时间（DLToF）模型，用于提升非飞行时间PET图像的质量，针对不同示踪剂	开发了三种不同强度的DLToF模型（低、中、高），适用于多种示踪剂，并在多个国际站点进行验证	研究仅基于GE Discovery MI（DMI）飞行时间扫描仪的数据，可能不适用于其他设备	提升非飞行时间PET图像的质量，使其接近飞行时间PET图像的水平	PET图像，特别是使用不同示踪剂的非飞行时间PET图像	digital pathology	NA	深度学习，3D残差U-NET模型	3D residual U-NET	image	309个训练数据集和33个验证数据集，测试集包含60个DMI数据集（4种示踪剂，每种15次检查）
1658	2025-06-16	Artificial intelligence-powered coronary artery disease diagnosis from SPECT myocardial perfusion imaging: a comprehensive deep learning study 2025-Jul, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-025-07145-x PMID:39976703	研究论文	本研究利用深度学习方法开发了基于SPECT心肌灌注成像的冠状动脉疾病诊断模型	采用了13种不同的深度学习模型和4种输入类型，结合数据增强和半监督学习策略，显著提升了CAD诊断性能	模型仅在LAD区域表现出良好性能，对其他冠状动脉区域的适用性有限	开发基于深度学习的冠状动脉疾病自动诊断系统	940名接受SPECT-MPI检查的患者（其中281名有ICA数据）	数字病理	心血管疾病	SPECT-MPI, 侵入性冠状动脉造影(ICA)	DenseNet201, ResNet152V2, InceptionResNetV2等13种深度学习模型	医学影像（SPECT-MPI极坐标图）	940例患者（281例有ICA数据）
1659	2025-06-16	Unraveling the neural dynamics of mathematical interference in english reading: A novel approach with deep learning and fNIRS data 2025-Jul, Brain research bulletin IF:3.5Q2 DOI:10.1016/j.brainresbull.2025.111398 PMID:40409600	研究论文	本研究通过结合fNIRS、深度学习和数据挖掘技术，探讨了英语学习中的数学认知干扰机制	提出了一种名为AC-LSTM的新型深度学习模型，结合了Transformer和LSTM架构，用于识别英语学习过程中的数学认知残留	NA	探究英语学习与数学认知之间的神经机制	英语学习过程中的数学认知干扰	教育神经科学	NA	fNIRS, 深度学习, 数据挖掘	AC-LSTM (结合Transformer和LSTM架构)	fNIRS数据	NA
1660	2025-06-16	Intergenerational inequity from hydrological drought in a warming world 2025-Jul, Journal of environmental management IF:8.0Q1 DOI:10.1016/j.jenvman.2025.125988 PMID:40449421	research paper	该研究量化了全球变暖背景下不同世代面临的水文干旱风险，揭示了气候变化导致的代际不平等问题	首次构建了干旱模拟的级联模型链，量化了2020年和1960年出生人群的终身干旱暴露差异	研究基于SSP5-85情景和5个GCM输出，结果可能受限于气候模型的不确定性	评估全球变暖对不同世代水文干旱暴露的影响	全球4091个流域的水文干旱演变	气候变化	NA	混合陆地模型、深度学习和多模型集成	深度学习模型	气候模型输出和水文数据	4091个流域