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
1761	2025-10-06	Meta-analysis of AI-based pulmonary embolism detection: How reliable are deep learning models? 2025-Jul, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110402 PMID:40412084	荟萃分析	通过荟萃分析评估基于深度学习的肺栓塞检测模型的诊断性能，并比较CNN与U-Net架构的差异	首次系统比较卷积神经网络与U-Net架构在肺栓塞检测中的诊断效能差异	研究间存在显著异质性（I²≈97%），需要标准化前瞻性验证	评估深度学习算法在肺栓塞检测中的汇总性能表现	肺栓塞患者的CT肺动脉造影图像	医学影像分析	肺栓塞	CT肺动脉造影	深度学习	医学影像	22,984名患者	NA	CNN, U-Net	AUROC, 敏感性, 特异性, 准确率, PPV, NPV	NA
1762	2025-10-06	Artificial intelligence in resuscitation: a scoping review 2025-Jul, Resuscitation plus IF:2.1Q2 DOI:10.1016/j.resplu.2025.100973 PMID:40486106	综述	本文通过范围综述方法系统梳理了人工智能在心脏骤停与复苏领域的应用现状和研究特征	首次系统性地对人工智能在复苏领域的应用进行范围综述，明确了当前研究空白和未来研究方向	纳入研究多为回顾性分析，外部验证缺乏，真实世界应用有限	绘制人工智能在心脏骤停和复苏领域应用的文献图谱，识别研究空白	人工智能在复苏领域的应用研究	医疗人工智能	心脏骤停	机器学习，深度学习，自然语言处理	NA	医疗数据	197项符合纳入标准的研究	NA	NA	AUROC	NA
1763	2025-06-12	Intermuscular adipose tissue and lean muscle mass assessed with MRI in people with chronic back pain in Germany: a retrospective observational study 2025-Jul, The Lancet regional health. Europe DOI:10.1016/j.lanepe.2025.101323 PMID:40487774	研究论文	本研究通过MRI评估了德国慢性背痛患者的肌肉间脂肪组织和瘦肌肉质量，并探讨了它们与慢性背痛的关联	首次在大规模人群中使用全身MRI数据量化肌肉间脂肪组织和瘦肌肉质量，并分析其与慢性背痛的关联	横断面研究设计无法确定因果关系	探讨肌肉组成与慢性背痛之间的关联	30,868名德国国家队列(NAKO)参与者	医学影像分析	慢性背痛	全身MRI扫描和深度学习模型	深度学习模型	MRI图像数据	30,868名参与者(其中27,518人纳入最终分析)	NA	NA	NA	NA
1764	2025-10-06	Intraindividual Comparison of Image Quality Between Low-Dose and Ultra-Low-Dose Abdominal CT With Deep Learning Reconstruction and Standard-Dose Abdominal CT Using Dual-Split Scan 2025-Jul-01, Investigative radiology IF:7.0Q1 DOI:10.1097/RLI.0000000000001151 PMID:39874436	研究论文	通过双源CT扫描在肝转移患者中比较低剂量/超低剂量CT（采用深度学习重建）与标准剂量CT（采用模型迭代重建）对局灶性肝病灶显示效果的非劣效性研究	首次在单个CT检查中采用双源分割扫描技术，实现同一患者不同剂量水平CT图像的个体内比较，并评估深度学习重建在低剂量CT中的临床应用价值	对肝转移的敏感性可能有所降低，需要在临床应用时保持谨慎	评估低剂量和超低剂量腹部CT结合深度学习重建在局灶性肝病灶显示方面是否不劣于标准剂量CT	疑似或已知肝转移的患者	医学影像	肝转移癌	双源CT扫描，深度学习重建，模型迭代重建	深度学习重建	CT影像	133名参与者（男性58名，平均BMI 23.0±3.4 kg/m²）	NA	NA	病灶显示清晰度评分，病灶检测率，敏感性，特异性，信噪比，对比噪声比	NA
1765	2025-10-06	Impact of Noisy Supervision in Foundation Model Learning 2025-Jul, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3552309 PMID:40117144	研究论文	本文首次全面分析预训练数据中噪声的本质并提出NMTune方法来缓解其对下游任务的负面影响	首次系统研究预训练数据噪声对基础模型泛化能力的影响，并提出适用于参数高效和黑盒调优的噪声缓解方法	实验主要基于合成噪声数据集，在真实噪声场景下的验证仍需进一步加强	研究预训练数据噪声对基础模型泛化能力的影响及其缓解方法	基础模型在预训练和下游任务中的表现	机器学习	NA	全监督预训练、图像-文本对比预训练	基础模型	图像、文本	ImageNet-1K、YFCC15M、CC12M数据集	NA	流行的视觉和语言模型架构	域内性能、域外性能	NA
1766	2025-06-11	Artificial intelligence for optimal in vitro fertilization morphokinetics 2025-Jul, European journal of obstetrics, gynecology, and reproductive biology DOI:10.1016/j.ejogrb.2025.114039 PMID:40398145	research paper	该研究开发了一个基于人工智能的模型，用于通过延时成像视频确定胚胎的形态动力学阶段	首次使用公开的体外受精数据集，结合CNN和EfficientNetB4深度学习模型，对胚胎形态动力学阶段进行分类	模型的整体准确率为0.71，灵敏度为0.59，仍有提升空间	开发人工智能模型以优化体外受精胚胎的形态动力学分析	人类胚胎的延时成像视频	digital pathology	infertility	time-lapse imaging (TLI)	CNN, EfficientNetB4	video	704个视频，来自716对不孕夫妇，共240万张图像	NA	NA	NA	NA
1767	2025-10-06	Myocardial Infarction Detection using Variational Mode Decomposition with Fuzzy Weight Particle Swarm Optimization and Depthwise Separable Convolutional Network 2025-Jul, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110329 PMID:40403641	研究论文	提出一种结合变分模态分解与模糊权重粒子群优化、深度可分离卷积网络的心肌梗死检测框架	首次将VMD-FWPSO噪声消除技术与DwSCN分类模型结合，优化信号分解并提升心电图分类精度	未提及模型在实时临床环境中的验证及计算效率分析	开发高精度心肌梗死自动检测方法	心电图信号中的正常与异常心跳	生物医学信号处理	心血管疾病	变分模态分解、粒子群优化、主成分分析	深度可分离卷积网络	心电图时序信号	PTB-ECG和MIT-BIH心律失常两个公开数据集	NA	Depthwise Separable Convolutional Network	准确率, 精确率, 召回率, F1分数, 特异性	NA
1768	2025-10-06	Automatic adult age estimation using bone mineral density of proximal femur via deep learning 2025-Jul, Forensic science international IF:2.2Q1 DOI:10.1016/j.forsciint.2025.112511 PMID:40440868	研究论文	本研究开发了一种基于深度学习的端到端流程，利用股骨近端CT扫描的骨密度数据实现自动成人年龄估计	首次将Segment Anything Model (SAM)应用于股骨分割，并构建了大规模真实世界CT数据集（5151个样本），通过集成学习进一步提升年龄估计精度	外部尸体验证集的误差相对较高（MAE 6.91年），表明模型在跨域泛化能力方面仍存在改进空间	开发自动化成人年龄估计方法，用于法医和人类学应用	成人股骨近端CT扫描数据	计算机视觉	NA	CT扫描	CNN	医学图像	5151个CT扫描（来自临床和尸体队列）	NA	Segment Anything Model (SAM), 多种CNN架构	Dice系数, mIoU, MAE	NA
1769	2025-10-06	Multiclass ensemble framework for enhanced prostate gland Segmentation: Integrating Self-ONN decoders with EfficientNet 2025-Jul, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110459 PMID:40449047	研究论文	提出一种用于前列腺腺体多类分割的集成框架，结合EfficientNet编码器和Self-ONN解码器	首次将Self-ONN解码器与EfficientNet编码器结合用于前列腺分割，并采用STAPLE方法集成最优模型	未明确说明模型的计算复杂度和实时性能	开发精确的前列腺腺体及其分区自动分割方法	前列腺腺体及其分区（外周区PZ、移行区TZ和整个腺体）	数字病理学	前列腺癌	MRI成像	CNN, ONN	医学图像	PI-CAI挑战数据集，采用5折交叉验证	NA	EfficientNetB4, Self-ONN	Dice系数	NA
1770	2025-10-06	Deep Learning Reveals Liver MRI Features Associated With PNPLA3 I148M in Steatotic Liver Disease 2025-Jul, Liver international : official journal of the International Association for the Study of the Liver IF:6.0Q1 DOI:10.1111/liv.70164 PMID:40478199	研究论文	本研究利用深度学习分析肝脏MRI图像，识别与PNPLA3 I148M基因变异相关的脂肪肝特征	首次通过深度学习模型从MRI图像中非侵入性检测PNPLA3 I148M纯合子变异，揭示了该变异与肝脏特定区域脂肪分布模式的关系	研究排除了杂合子个体，可能限制了模型的泛化能力；性能指标在非SLD患者中相对较低	开发基于MRI的深度学习模型来识别PNPLA3 I148M基因变异携带者	英国生物银行45,603名个体的MRI图像和基因数据	医学影像分析	脂肪肝病	MRI，水脂分离技术，基因分型	Vision Transformer, U-Net	MRI图像	45,603名个体，其中600张手动分割图像用于训练U-Net	NA	Vision Transformer, U-Net	AUROC	NA
1771	2025-06-10	Use of Artificial Intelligence and Machine Learning in Critical Care Ultrasound 2025-Jul, Critical care clinics IF:3.0Q2 DOI:10.1016/j.ccc.2025.02.008 PMID:40484623	research paper	本文探讨了人工智能（AI）在重症监护超声中的变革潜力	AI技术，特别是深度学习和卷积神经网络，现在辅助图像采集、解释和质量评估，简化工作流程并减少操作者变异性	需要可解释的AI系统以获得临床医生的信任并促进更广泛的采用	探索AI在重症监护超声中的应用及其潜力	重症监护超声	machine learning	NA	deep learning, convolutional neural networks	CNN	image	NA	NA	NA	NA	NA
1772	2025-10-06	Clinical microbiology and artificial intelligence: Different applications, challenges, and future prospects 2025-Jul, Journal of microbiological methods IF:1.7Q4 DOI:10.1016/j.mimet.2025.107125 PMID:40188989	综述	概述人工智能在临床微生物学中的最新应用、挑战与未来前景	系统整合了AI在微生物光谱分析、图像识别、基因组学及抗微生物药物研发等多领域的创新应用	存在伦理考量、数据偏见和训练误差等实施挑战	促进临床从业者了解机器学习算法的当前应用并推动其落地实施	临床微生物学数据与人工智能算法	机器学习	传染病	拉曼光谱、MALDI-TOF光谱、全基因组测序、定量构效关系模型	机器学习,深度学习	光谱数据、显微图像、基因组序列、蛋白质序列	NA	NA	NA	NA	NA
1773	2025-06-09	Pancreas segmentation in CT scans: A novel MOMUNet based workflow 2025-Jul, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110346 PMID:40398261	研究论文	提出了一种基于MOMUNet的新型工作流程，用于提高CT扫描中胰腺分割的准确性和计算效率	引入了外部轮廓裁剪(ECC)和尺寸比例(SR)技术，开发了超轻量级分割模型MOMUNet，显著提升了小腹部器官分割的准确性	未明确提及该方法在其他器官或更大规模数据集上的泛化能力	提高CT扫描中胰腺分割的准确性和计算效率	胰腺和结肠等小腹部器官	数字病理	胰腺癌	CT扫描	MOMUNet	医学影像	NIH-Pancreas数据集和MSD-Pancreas数据集	NA	NA	NA	NA
1774	2025-06-09	Estimation of time-to-total knee replacement surgery with multimodal modeling and artificial intelligence 2025-Jul, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110364 PMID:40435672	research paper	开发并评估了一种基于人工智能的模型，用于通过分析纵向膝关节数据和识别与加速膝关节骨关节炎进展相关的关键特征来预测全膝关节置换术的时间	结合深度学习特征与临床和图像评估特征进行生存分析，提高了预测全膝关节置换术时间的准确性	预测方法仍需进一步验证以增强其稳健性和准确性	预测全膝关节置换术的时间，以帮助医生个性化治疗策略并改善患者预后	547名在骨关节炎倡议中接受全膝关节置换术的受试者，以及来自多中心骨关节炎研究和内部医院数据的额外受试者	digital pathology	geriatric disease	deep learning, Lasso Cox feature selection, random survival forest model	DL, Lasso Cox, random survival forest	clinical variables, MR images, radiographs, quantitative and semi-quantitative assessments	547名受试者用于模型训练和测试，518名和164名受试者用于外部测试	NA	NA	NA	NA
1775	2025-06-09	Integrating multi-omics data with artificial intelligence to decipher the role of tumor-infiltrating lymphocytes in tumor immunotherapy 2025-Jul, Pathology, research and practice DOI:10.1016/j.prp.2025.156035 PMID:40435910	综述	本文综述了人工智能在评估肿瘤浸润淋巴细胞（TILs）中的应用进展，包括自动化定量、亚群识别及空间分布模式分析	整合多组学数据与人工智能技术，探索TILs在肿瘤免疫治疗中的作用，并探讨AI与其他新兴技术的结合	NA	阐明TILs在各种癌症中的预后价值及其对免疫治疗和新辅助治疗反应的预测能力	肿瘤浸润淋巴细胞（TILs）	数字病理学	肿瘤	单细胞测序、多重免疫荧光、空间转录组学	CNN	图像	NA	NA	NA	NA	NA
1776	2025-06-09	A medical information extraction model with contrastive tuning and tagging layer training 2025-Jul, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110465 PMID:40446547	research paper	提出了一种新的医学信息提取模型，通过对比调优和标记层训练来减少对标注数据的依赖	提出了一种语义引导的表示训练模型，通过对比损失机制在同一语义空间中训练医学文本和医学信息类别的表示	未明确提及具体局限性	改进医学信息提取任务，减少对大量标注数据的依赖	临床文本中的结构化信息	natural language processing	NA	对比损失机制	语义引导的表示训练模型	text	CCKS2019和CMeEE数据集	NA	NA	NA	NA
1777	2025-06-09	An attention-based approach for Koopman modeling and predictive control of nonlinear systems 2025-Jul, ISA transactions IF:6.3Q1 DOI:10.1016/j.isatra.2025.04.011 PMID:40295151	research paper	开发了一种基于注意力的深度学习方法，用于构建Koopman特征函数，以解决非线性系统建模的挑战	引入了注意力机制和可逆神经网络架构，以更精确地近似非线性系统与其线性化对应物之间的拓扑共轭关系	NA	提高非线性系统的建模精度和预测控制能力	非线性系统的建模与控制	machine learning	NA	deep learning, attention mechanism, invertible neural networks	CNN (conditional affine coupling layers)	numerical data	numerical examples and a physical experiment	NA	NA	NA	NA
1778	2025-06-09	Visualizing what's missing: Using deep learning and Bow-Tie diagrams to identify and visualize missing leading indicators in industrial construction 2025-Jul, Journal of safety research IF:3.9Q2 DOI:10.1016/j.jsr.2025.02.007 PMID:40483046	研究论文	本研究利用深度学习和Bow-Tie图来识别和可视化工业建筑中缺失的安全领先指标	结合NLP、文本挖掘和深度学习技术（如SBERT）分析建筑项目中的事故和检查报告，识别未被安全领先指标捕捉到的危险	研究仅基于2015年至2018年加拿大一个建筑项目的数据，可能无法完全推广到其他地区或行业	识别安全领先指标在检查中未捕捉到的危险，以提升安全管理系统的有效性	建筑行业的安全事故和检查报告	自然语言处理	NA	NLP, 文本挖掘, SBERT, N-gram模型, 共现网络	SBERT	文本	633起事故和9,681份检查描述	NA	NA	NA	NA
1779	2025-06-07	Motion-Compensated Multishot Pancreatic Diffusion-Weighted Imaging With Deep Learning-Based Denoising 2025-Jul-01, Investigative radiology IF:7.0Q1 DOI:10.1097/RLI.0000000000001148 PMID:39823511	研究论文	本文提出了一种结合运动补偿扩散编码梯度(MCGs)和深度学习去噪的多重扩散加权成像(msDWI)方法，用于改善胰腺DWI的图像质量和定量准确性	创新点在于结合了CODE生成的MCGs和深度学习去噪技术，以减少运动伪影并最小化回波时间损失	样本量较小(22例患者)，且研究仅在一家机构进行	提高胰腺扩散加权成像(DWI)的图像质量和定量准确性	胰腺	医学影像	胰腺疾病	多重扩散加权成像(msDWI)、运动补偿扩散编码梯度(MCGs)、深度学习去噪	深度学习	MRI图像	22例患者	NA	NA	NA	NA
1780	2025-06-07	Learning to Explore Sample Relationships 2025-Jul, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3549300 PMID:40063428	research paper	本文提出了一种名为BatchFormerV1和BatchFormerV2的模块，用于增强深度神经网络在学习样本关系方面的能力	提出了BatchFormer模块，使深度神经网络能够以可学习的方式探索样本关系，并进一步扩展到像素/补丁级别的密集表示	探索实例级关系对密集预测的影响有限，且训练和测试阶段存在不一致性	解决深度学习在数据稀缺情况下的样本关系探索问题	深度神经网络中的样本关系	computer vision	NA	deep learning	BatchFormerV1, BatchFormerV2	image	超过十个流行数据集	NA	NA	NA	NA