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
1501	2025-10-06	Multifrequency Time-Dependent Deep Image Prior for Real-Time Free-Breathing Cardiac Imaging 2025-Sep, NMR in biomedicine IF:2.7Q1 DOI:10.1002/nbm.70114 PMID:40760871	研究论文	本研究提出了一种多频率时间依赖深度图像先验方法，用于实现自由呼吸条件下的实时心脏磁共振成像	引入了多频率流形参数化时间，无需假设运动周期性；采用零样本深度学习联合估计线圈灵敏度	与传统扫描相比，边缘锐度和图像对比度评分较低	开发无需屏息或心电图门控的高时间分辨率功能性心脏成像技术	健康受试者和心律失常患者	医学影像	心血管疾病	MRI, 2D自由呼吸非门控黄金角螺旋bSSFP序列	深度图像先验	动态MRI图像	健康受试者和患者（包括心律失常患者）	零样本深度学习	Time-DIP, Multifrequency Time-DIP	图像质量指标，左心室功能测量，时间分辨率，混叠伪影减少	NA
1502	2025-10-06	Understanding the Pathophysiology of Mental Diseases and Early Diagnosis Thanks to Electrophysiological Tools: Some Insights and Empirical Facts 2025-Sep, Clinical EEG and neuroscience IF:1.6Q3 DOI:10.1177/15500594241227485 PMID:38238934	研究论文	探讨神经生理学工具在精神疾病病理生理机制研究和早期诊断中的应用价值	聚焦三种高流行性精神疾病中神经生理学技术的新进展，结合机器学习方法提升诊断效能	未提及研究样本量的具体限制，主要基于现有文献证据进行论述	评估电生理工具在精神疾病诊断和治疗监测中的应用潜力	三种精神疾病：痴呆亚型、精神分裂症和成瘾障碍	医学神经科学	精神疾病	脑电图、失匹配负波、认知事件相关电位	深度学习	电生理信号	NA	NA	NA	NA	NA
1503	2025-10-06	Deep learning-based reconstruction improves the image quality of low-dose CT enterography in patients with inflammatory bowel disease 2025-Sep, Abdominal radiology (New York) DOI:10.1007/s00261-024-04590-4 PMID:39305292	研究论文	本研究探讨深度学习重建技术在炎症性肠病患者低剂量CT小肠造影中的应用价值	首次将深度学习重建技术应用于炎症性肠病患者的低剂量CT小肠造影，证明其能在降低54.1%辐射剂量的同时提升图像质量	样本量较小（36例低剂量组，40例标准剂量组），且为单中心研究	评估深度学习重建技术在降低CT小肠造影辐射剂量和改善图像质量方面的潜力	炎症性肠病患者	医学影像	炎症性肠病	CT小肠造影	深度学习重建	CT影像	76例患者（36例前瞻性低剂量组，40例回顾性标准剂量组）	Advanced Intelligence ClearIQ Engine (AiCE)	NA	图像噪声，信噪比，总体图像质量，主观图像噪声，诊断效能，AUC	NA
1504	2025-10-06	A deep learning-based psi CT network effectively predicts early recurrence after hepatectomy in HCC patients 2025-Sep, Abdominal radiology (New York) DOI:10.1007/s00261-025-04849-4 PMID:40009155	研究论文	本研究开发了一种基于深度学习的增强CT网络，用于预测肝细胞癌患者肝切除术后早期复发	首次将DenseNet与注意力机制结合，能够同时处理三期增强CT扫描并自动关注影响患者生存的关键区域	回顾性研究设计，样本量相对有限（302例），需要进一步前瞻性验证	开发可靠的深度学习模型预测肝细胞癌患者术后早期复发	接受部分肝切除术的肝细胞癌患者	计算机视觉	肝细胞癌	三期增强CT扫描	CNN	医学影像	302例来自五个中心的患者数据	NA	DenseNet	C-index, AUC, 校准曲线, 决策曲线分析	NA
1505	2025-10-06	DeepOptimalNet: optimized deep learning model for early diagnosis of pancreatic tumor classification in CT imaging 2025-Sep, Abdominal radiology (New York) DOI:10.1007/s00261-025-04860-9 PMID:40047871	研究论文	提出一种名为DeepOptimalNet的优化深度学习模型，用于CT影像中胰腺肿瘤的早期诊断分类	集成优化算法与深度学习技术，提出改进的Remora优化算法(MROA)用于组织分割，并采用深度迁移CNN与ResNet-50结合的多模态学习级联卷积神经网络	NA	解决胰腺CT图像分类中的挑战，实现胰腺肿瘤的早期准确诊断	胰腺CT影像	计算机视觉	胰腺癌	CT成像	CNN, 深度学习	医学影像	NA	NA	ResNet-50, 级联卷积神经网络	准确率, 敏感度, 特异性, F分数	NA
1506	2025-10-06	Automated detection of small hepatocellular carcinoma in cirrhotic livers: applying deep learning to Gd-EOB-DTPA-enhanced MRI 2025-Sep, Abdominal radiology (New York) DOI:10.1007/s00261-025-04853-8 PMID:40059243	研究论文	开发基于深度学习的自动化方法，利用Gd-EOB-DTPA增强MRI检测肝硬化患者中的小肝细胞癌	应用nnU-Net深度学习架构实现小肝细胞癌的自动检测，在肝硬化背景下具有挑战性的小目标分割任务中表现出色	回顾性研究设计，样本量相对有限（120例患者），需要进一步的外部验证	开发自动化深度学习方法来检测肝硬化患者中的小肝细胞癌	肝硬化患者，包括78例小肝细胞癌患者和42例非肝细胞癌肝硬化患者	医学影像分析	肝细胞癌	Gd-EOB-DTPA增强MRI	深度学习	医学影像	120例患者（78例sHCC，42例非HCC肝硬化）	NA	nnU-Net	Dice系数, ROC曲线, AUC, 准确率, 灵敏度, 特异性	NA
1507	2025-10-06	Progress in the application of machine learning in CT diagnosis of acute appendicitis 2025-Sep, Abdominal radiology (New York) DOI:10.1007/s00261-025-04864-5 PMID:40095017	综述	本文综述了机器学习在急性阑尾炎CT诊断中的应用进展与挑战	系统总结了机器学习在阑尾炎自动检测、鉴别诊断和严重程度分层方面的最新突破，包括深度学习模型AppendiXNet和3D CNN的优异表现	人工智能的'黑箱'特性、临床工作流程整合困难以及所需资源庞大	整合机器学习与CT技术以改进急性阑尾炎的诊断	急性阑尾炎患者及其CT影像数据	医学影像分析	急性阑尾炎	CT成像	CNN,深度学习模型	CT影像	NA	NA	3D CNN, AppendiXNet	AUC,准确率	NA
1508	2025-10-06	Diagnosis of moderate-to-severe hepatic steatosis using deep learning-based automated attenuation measurements on contrast-enhanced CT 2025-Sep, Abdominal radiology (New York) DOI:10.1007/s00261-025-04872-5 PMID:40095018	研究论文	本研究评估基于深度学习的自动衰减测量在对比增强CT上诊断中重度肝脂肪变性的效用	首次在大型肝脏供体队列中验证深度学习自动测量肝脾衰减值诊断中重度肝脂肪变性的性能，并与人工测量进行对比	回顾性研究设计，仅包含肝脏供体人群可能限制结果的普适性	评估深度学习自动测量CT肝脾衰减值诊断中重度肝脂肪变性的诊断性能	3,620名肝脏供体（2,393名男性，1,227名女性，平均年龄31.7±9.4岁）	医学影像分析	肝脂肪变性	对比增强CT（CECT）	深度学习	CT影像	3,620例，其中开发队列2,714例，测试队列906例	NA	NA	AUC, 敏感性, 特异性, Youden指数	NA
1509	2025-10-06	Incorporating Pre-Training Data Matters in Unsupervised Domain Adaptation 2025-Sep, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3572963 PMID:40408198	研究论文	本文从预训练视角研究无监督领域自适应，提出将预训练数据纳入领域适应的三领域框架TriDA	首次系统分析预训练对领域自适应的影响，提出将UDA重新定义为包含预训练数据域的三领域问题	未明确说明预训练数据选择策略的具体实现细节和计算效率的定量分析	研究预训练数据在无监督领域自适应中的作用和影响机制	无监督领域自适应方法中的预训练模型	机器学习	NA	深度学习预训练	深度神经网络	图像	多个基准数据集，具体数量未明确说明	NA	基于ImageNet预训练的骨干网络	目标域错误率，基准测试性能	NA
1510	2025-10-06	Deep Learning Can be Used to Classify the Disease Status of the Canine Middle Ear From Computed Tomographic Images 2025-Sep, Veterinary radiology & ultrasound : the official journal of the American College of Veterinary Radiology and the International Veterinary Radiology Association IF:1.3Q2 DOI:10.1111/vru.70065 PMID:40714864	研究论文	本研究开发了一种基于深度学习的方法，利用CT图像对犬类中耳疾病状态进行分类	首次将深度学习方法应用于兽医放射学领域，针对犬类中耳疾病开发诊断模型，并在小数据集上结合迁移学习和数据增强技术取得良好效果	数据集相对较小（仅535张CT图像），模型仅在犬类中耳疾病上进行验证	开发能够诊断犬类中耳疾病的深度学习模型	犬类中耳CT图像	计算机视觉	中耳疾病	CT扫描	CNN	医学图像	535张犬类CT图像	NA	ResNet	准确率	NA
1511	2025-10-06	ICD code mapping model based on clinical text tree structure 2025-09, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103163 PMID:40446588	研究论文	提出一种基于树形结构和Transformer的ICD编码模型TRIC，用于电子病历的自动ICD编码	结合成分树模型提取临床记录结构特征，使用Tree-LSTM丰富特征表示，并利用bioBERT预训练模型提升关键编码匹配性能	NA	解决临床记录文本语义表示模糊和结构特征缺失的ICD自动编码问题	电子病历临床记录文本	自然语言处理	NA	深度学习	Transformer, LSTM	文本	MIMIC-III完整数据集和样本数据集	NA	Transformer, Tree-LSTM, bioBERT, 全连接神经网络	MiF, MaF, MiAUC, MaAUC, P@8	NA
1512	2025-10-06	Quantitative computed tomography imaging classification of cement dust-exposed patients-based Kolmogorov-Arnold networks 2025-09, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103166 PMID:40450965	研究论文	本研究使用Kolmogorov-Arnold网络对水泥粉尘暴露患者的定量CT影像进行二分类分析	首次将Kolmogorov-Arnold网络应用于定量CT影像分类，相比传统机器学习方法和深度学习模型表现更优	研究样本量相对有限，仅包含609名受试者	开发基于定量CT影像的呼吸系统疾病分类模型，用于职业健康评估	水泥粉尘暴露患者和健康对照者	医学影像分析	呼吸系统疾病	定量CT成像	Kolmogorov-Arnold网络	医学影像	609名受试者（311名水泥粉尘暴露者，298名健康对照）	NA	KAN（两层隐藏层，15和8个神经元）	准确率, 精确率, 召回率, F1分数, 特异性, Matthews相关系数	NA
1513	2025-10-06	ECG synthesis for cardiac arrhythmias: Integrating self-supervised learning and generative adversarial networks 2025-09, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103162 PMID:40460597	研究论文	提出一种结合自监督学习和生成对抗网络的心电图生成方法ECGAN，用于合成心律失常数据并提升分类性能	整合自监督学习与生成对抗网络的条件生成架构，能够控制心电图记录的概率分布	未明确说明模型在更广泛心律失常类型上的泛化能力	开发能够生成真实心电图信号的方法以解决标注数据不足和患者匿名化问题	心电图时间序列数据	机器学习	心血管疾病	心电图分析	GAN, 自监督学习	时间序列数据	MIT-BIH、BIDMC和PTB数据集	NA	ECGAN	分类准确率	NA
1514	2025-10-06	VAE-GANMDA: A microbe-drug association prediction model integrating variational autoencoders and generative adversarial networks 2025-09, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103198 PMID:40540756	研究论文	提出一种整合变分自编码器和生成对抗网络的微生物-药物关联预测模型VAE-GANMDA	融合VAE和GAN学习数据流形分布，集成CBAM注意力模块和高斯核函数增强特征提取能力，结合k-means++算法选择高质量负样本	NA	预测微生物与药物之间的关联关系	微生物和药物	机器学习	传染病	NA	VAE, GAN, MLP	关联数据	NA	NA	VAE-GANMDA, CBAM, MLP	AUROC, AUPRC	NA
1515	2025-10-06	Interactive prototype learning and self-learning for few-shot medical image segmentation 2025-09, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103183 PMID:40544698	研究论文	提出一种交互式原型学习和自学习网络来解决少样本医学图像分割中的类内不一致和类间相似性问题	通过深度编解码模块、交互式原型学习模块和查询特征引导的自学习模块协同工作，提升类内特征一致性和降低类间特征相似性	NA	解决少样本医学图像分割中类内不一致和类间相似性导致的边界模糊问题	医学图像分割任务中的支持样本和查询样本	计算机视觉	NA	医学图像分割	深度学习网络	医学图像	NA	NA	编码器-解码器架构	分割性能指标	NA
1516	2025-10-06	Predicting drug-drug interactions: A deep learning approach with GCN-based collaborative filtering 2025-09, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103185 PMID:40544699	研究论文	提出一种基于图卷积网络和协同过滤的AI推荐模型，用于预测药物相互作用	通过分析药物相互作用网络的连通性而非化学结构来预测DDI，无需对未定义相互作用进行负采样，能预测所有未知药物对的潜在相互作用	仅利用DDI报告数据，未考虑药物化学结构等其他因素	开发准确预测药物相互作用的计算方法	药物相互作用	机器学习	NA	图卷积网络，协同过滤	GCN	药物相互作用网络数据	4,072种药物和1,391,790个药物对	NA	图卷积网络	5折交叉验证，外部数据验证	NA
1517	2025-10-06	A prior knowledge-supervised fusion network predicts survival after radiotherapy in patients with advanced gastric cancer 2025-09, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103184 PMID:40587926	研究论文	提出一种基于先验知识监督的融合网络，用于预测晚期胃癌患者放疗后的总生存期	提出新型采样策略和多域特征融合模块，将医生先验知识融入CT图像分析，实现多模态信息的自适应融合	NA	预测晚期胃癌患者放疗后的总生存期，辅助临床诊疗决策	晚期胃癌患者	计算机视觉	胃癌	CT成像	深度学习融合网络	医学图像（CT）、多模态临床数据	NA	NA	先验知识监督融合网络（PKSFnet）、多域特征融合模块（MdFF）	AUC, 特异性, 敏感度, 精确度, C-index, HR	NA
1518	2025-10-06	Your turn: At home turning angle estimation for Parkinson's disease severity assessment 2025-09, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103194 PMID:40577945	研究论文	提出一种基于深度学习的自动化方法，通过视频提取3D骨架并计算髋膝关节旋转来量化帕金森病患者的居家转身角度	首个探索使用单目摄像头数据在居家环境中量化帕金森患者转身行为的研究，解决了传统临床评估无法捕捉日常症状变化的局限性	由于自由生活环境难以获取精确地面真实数据，角度量化基于专家手动标注并离散化为45°分箱	通过连续被动监测转身角度，将步态特征作为帕金森疾病进展的敏感指标	帕金森病患者和健康对照志愿者	计算机视觉	帕金森病	3D骨架提取，人类姿态估计	CNN, Transformer	视频	24名受试者（12名帕金森患者和12名健康对照）的1386个转身视频片段	NA	Fastpose, Strided Transformer	准确率, 平均绝对误差, 加权精确率	NA
1519	2025-10-06	Artificial intelligence in muscle-invasive bladder cancer: opportunities, challenges, and clinical impact 2025-Sep-01, Current opinion in urology IF:2.1Q2 DOI:10.1097/MOU.0000000000001309 PMID:40765429	综述	本文全面回顾了人工智能在肌层浸润性膀胱癌诊疗中的应用现状与未来潜力	系统阐述了AI在MIBC全流程管理中的创新应用，包括诊断分期、治疗规划和疗效评估	存在方法学局限、数据集异质性、工作流整合障碍和监管不确定性等挑战	探讨人工智能在肌层浸润性膀胱癌临床管理中的机遇与挑战	肌层浸润性膀胱癌患者	数字病理	膀胱癌	深度学习, 机器学习, 影像组学	深度学习模型	影像数据, 临床数据	NA	NA	NA	准确率	NA
1520	2025-10-06	TabNet and TabTransformer: Novel Deep Learning Models for Chemical Toxicity Prediction in Comparison With Machine Learning 2025-09, Journal of applied toxicology : JAT IF:2.7Q3 DOI:10.1002/jat.4803 PMID:40309751	研究论文	本研究评估了TabNet和TabTransformer两种深度学习模型与传统机器学习方法在12个毒理学终点上预测化学毒性的性能	首次系统比较TabNet和TabTransformer深度学习架构与传统机器学习方法在化学毒性预测中的表现，并利用SHAP分析增强模型可解释性	研究仅限于12个毒理学终点和801个分子描述符，未探索更多毒性终点或分子表征方法	评估深度学习模型在化学毒性预测中的性能，并与传统机器学习方法进行对比	化学化合物的毒性预测	机器学习	NA	分子描述符分析	TabNet, TabTransformer, XGBoost, CatBoost, SVM, 投票分类器	结构化数据	12,228个训练样本和3,057个测试样本	NA	TabNet, TabTransformer	准确率, F1分数, AUC-ROC, AUPR, Matthews相关系数	NA