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
1	2025-07-31	Comparative evaluation of four reconstruction techniques for prostate T2-weighted MRI: Sensitivity encoding, compressed sensing, deep learning, and super-resolution 2025-Dec, European journal of radiology open IF:1.8Q3 DOI:10.1016/j.ejro.2025.100671 PMID:40735490	研究论文	比较评估四种前列腺T2加权MRI重建技术的图像质量和病灶显着性	首次比较了四种重建技术（SENSE、CS、DL和SR）在前列腺T2加权MRI中的应用效果，并发现SR重建在图像质量和病灶显着性方面表现最佳	样本量较小（49例患者），且病灶显着性分析仅基于18例病理确诊的前列腺癌患者	评估和比较四种重建技术在前列腺T2加权MRI中的图像质量和病灶显着性	49例疑似前列腺癌患者的多参数或双参数MRI数据	数字病理	前列腺癌	MRI重建技术（SENSE、CS、DL、SR）	深度学习模型（DL、SR）	MRI图像	49例患者（其中18例病理确诊前列腺癌）
2	2025-07-31	Bridging spatiotemporal wildfire prediction and decision modeling using transformer networks and fuzzy inference systems 2025-Dec, MethodsX IF:1.6Q2 DOI:10.1016/j.mex.2025.103498 PMID:40735517	research paper	该研究提出了一种结合Transformer网络和模糊推理系统的时空野火预测与决策模型	将符号模糊推理与基于深度注意力的架构相结合，实现了高准确性和可解释性	未提及模型在极端环境条件下的适用性	开发准确且可解释的野火预测系统以支持实时决策	野火预测与响应策略	machine learning	NA	Transformer, Fuzzy Rule-Based System (FRBS)	Transformer, FRBS	卫星数据（Sentinel、ERA5、SRTM）、气候数据	加拿大火灾蔓延数据集（Canadian Fire Spread Dataset）
3	2025-07-31	Effect of Deep Learning-Based Artificial Intelligence on Radiologists' Performance in Identifying Nigrosome 1 Abnormalities on Susceptibility Map-Weighted Imaging 2025-Aug, Korean journal of radiology IF:4.4Q1 DOI:10.3348/kjr.2025.0208 PMID:40736409	研究论文	评估基于深度学习的AI软件对不同经验水平的放射科医生在检测黑质1区异常方面的诊断性能影响	首次评估AI辅助诊断对放射科医生在黑质1区异常检测中的性能提升，特别是针对不同经验水平的医生	研究样本量较小（59名患者和80名健康参与者），且为回顾性研究	评估AI辅助诊断在帕金森病黑质1区异常检测中的应用效果	59名帕金森病患者和80名健康参与者的SMwI扫描图像	医学影像分析	帕金森病	3T MRI成像、YOLOX-based目标检测和SparseInst分割模型	YOLOX和SparseInst	医学影像	139份SMwI扫描（59名患者和80名健康参与者）
4	2025-07-31	Reconstructing Super-Resolution Raman Spectral Image Using a Generative Adversarial Network-Based Algorithm 2025-Jul-30, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.5c02934 PMID:40735851	研究论文	本研究提出了一种基于生成对抗网络（GANs）的算法，用于显著提高拉曼光谱成像的速度和空间分辨率	利用GANs算法显著提升拉曼光谱成像的速度和空间分辨率，并通过迁移学习验证其泛化能力	研究仅基于未标记细胞的186个高光谱拉曼数据集进行训练和评估，可能限制了模型的广泛适用性	提高拉曼光谱成像的速度和空间分辨率，为高通量和实时生化分析提供新途径	未标记细胞的拉曼光谱图像	计算机视觉	NA	拉曼光谱成像	GAN	图像	186个高光谱拉曼数据集
5	2025-07-31	DGMM: A Deep Learning-Genetic Algorithm Framework for Efficient Lead Optimization in Drug Discovery 2025-Jul-30, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c01017 PMID:40736165	研究论文	本文提出了一种名为DGMM的新型计算框架，结合深度学习和遗传算法，用于药物发现中的高效分子优化	DGMM框架通过变分自编码器（VAE）和增强的表示学习策略，结合遗传算法，实现了在保持分子结构多样性的同时优化生物活性和药物性质	未明确提及具体局限性	解决药物发现中先导化合物优化的挑战，平衡结构多样性与核心分子特征的保留	药物分子，特别是针对CHK1、CDK2和HDAC8等靶点的化合物	机器学习	NA	深度学习、遗传算法、蒙特卡洛搜索、马尔可夫过程	VAE（变分自编码器）	分子结构数据	三个不同靶点（CHK1、CDK2和HDAC8）的回顾性验证及前瞻性ROCK2抑制剂发现
6	2025-07-31	Deep learning neural network of adenocarcinoma detection in effusion cytology 2025-Jul-30, American journal of clinical pathology IF:2.3Q2 DOI:10.1093/ajcp/aqaf067 PMID:40736208	研究论文	本研究开发了一种基于深度学习的模型，用于在积液细胞学图像中检测恶性细胞，特别是腺癌细胞	使用YOLOv8目标检测算法构建深度学习模型，在积液细胞学图像中高效检测腺癌细胞	在创建目标检测模型时，细胞注释仍存在一些问题	开发自动化系统以提高积液细胞学中恶性细胞检测的准确性	积液细胞学图像中的腺癌细胞	数字病理学	腺癌	深度学习	YOLOv8	图像	275例腺癌病例（含12182张图像和29245个标签）和188例非恶性病例（含1980张图像）
7	2025-07-31	Automatic Couinaud segmentation using AI and pictorial representation landmarking 2025-Jul-30, Abdominal radiology (New York) DOI:10.1007/s00261-025-05123-3 PMID:40736570	研究论文	提出了一种结合深度学习和辅助标志点识别的框架，用于自动划分Couinaud肝段，提高肝手术规划的精确性	整合深度学习分割与辅助标志点识别，创建个性化图示模型，无需重新训练即可纳入新数据	仅评估了225例非增强T1加权MRI数据，未涵盖所有影像模态	提高Couinaud肝段划分的准确性和临床工作流程效率	肝脏Couinaud分段	数字病理	肝脏疾病	深度学习	CNN	MRI图像	225例非增强T1加权MRI数据（来自4项不同研究）
8	2025-07-31	An optimized multi-scale dilated attention layer for keratoconus disease classification 2025-Jul-30, International ophthalmology IF:1.4Q3 DOI:10.1007/s10792-025-03688-y PMID:40736610	研究论文	本文提出了一种优化的多尺度扩张注意力层（MSDAL）用于圆锥角膜疾病分类的深度学习模型	引入了优化的多尺度扩张注意力层（MSDAL）并结合北极海鹦优化（APO）算法，提高了模型的分类性能和计算效率	数据集规模有限且缺乏多模态输入	自动化圆锥角膜（KCN）检测	圆锥角膜疾病分类	计算机视觉	圆锥角膜	深度学习	Optimized MSDALNet	图像	超过1,100张标记的角膜地形图图像
9	2025-07-31	HybridKla: a hybrid deep learning framework for lactylation site prediction 2025-Jul-02, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf375 PMID:40736746	research paper	本文介绍了一种名为HybridKla的混合深度学习框架，用于预测赖氨酸乳酰化位点	结合了八种互补的特征编码策略和深度学习技术，显著提高了预测性能，AUC值提升了28.90%	研究依赖于从文献中收集的数据集，可能存在数据偏差	开发一种更准确的赖氨酸乳酰化位点预测工具	赖氨酸乳酰化位点	machine learning	NA	深度学习	混合深度学习框架	蛋白质序列数据	7297个蛋白质中的23984个Kla位点
10	2025-07-31	Classification of Multi-Parametric Body MRI Series Using Deep Learning 2025-Jun-18, ArXiv PMID:40735097	研究论文	本文提出了一种基于深度学习的分类模型，用于分类8种不同的身体多参数磁共振成像（mpMRI）系列类型，以提高放射科医生阅读检查的效率	使用多种深度学习分类器（ResNet、EfficientNet和DenseNet）对mpMRI数据进行分类，并比较它们的性能，最终确定表现最佳的DenseNet-121模型	模型在外部数据集（DLDS和CPTAC-UCEC）上的准确率相对内部数据集有所下降，表明可能存在泛化性问题	开发一个高效的深度学习模型，用于准确分类多参数磁共振成像（mpMRI）的不同系列类型	多参数磁共振成像（mpMRI）数据	计算机视觉	NA	mpMRI	ResNet, EfficientNet, DenseNet	图像	超过729项研究数据
11	2025-07-31	SNRAware: Improved Deep Learning MRI Denoising with SNR Unit Training and G-factor Map Augmentation 2025-Mar-23, ArXiv PMID:40735077	研究论文	开发并评估一种新的深度学习MRI去噪方法，利用重建过程中的定量噪声分布信息来提高去噪性能和泛化能力	提出了一种名为SNRAware的训练方案，利用MRI重建过程的知识，通过模拟大量高质量且多样化的合成数据集，并向模型提供噪声分布的定量信息，以提高去噪性能	研究为回顾性研究，可能受到数据选择和采集条件的限制	提高MRI图像的去噪性能和模型在不同成像序列、对比度、解剖结构和场强下的泛化能力	心脏回顾性门控电影复杂序列、心脏实时电影、首次通过心脏灌注、神经和脊柱MRI图像	医学影像处理	心血管疾病	深度学习	Transformer和CNN	MRI图像	2,885,236张图像来自96,605个心脏回顾性门控电影复杂序列，测试数据集包含3000个样本
12	2025-07-31	Multiplicative Learning 2025-Mar-13, ArXiv PMID:40735079	research paper	本文介绍了一种名为期望反射（ER）的新型学习算法，用于高效训练人工神经网络	ER算法基于观察输出与预测输出的比率进行乘性权重更新，无需特定损失函数或学习率超参数，且能在单次迭代中实现最优权重更新	NA	探索一种比传统反向传播更高效的神经网络训练方法	人工神经网络	machine learning	NA	NA	artificial neural networks	image	NA
13	2025-07-31	Deep learning-based multi-omics model to predict nasopharyngeal necrosis of re-irradiation for recurrent nasopharyngeal carcinoma 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1607218 PMID:40735035	研究论文	利用深度学习技术结合多序列MRI放射组学和剂量组学预测复发性鼻咽癌再放疗后鼻咽坏死的风险	首次将多序列MRI放射组学和剂量组学特征结合深度学习模型用于预测复发性鼻咽癌再放疗后的鼻咽坏死风险	样本量较小（117例患者），且仅基于单中心数据	预测复发性鼻咽癌患者再放疗后鼻咽坏死的风险，以改善临床决策	复发性鼻咽癌患者	数字病理	鼻咽癌	多序列MRI（T1、T1C、T2序列）和放疗剂量分布	3D CNN	医学影像	117例患者（97例训练集，20例测试集）
14	2025-07-31	Evaluating the impact of common clinical confounders on performance of deep-learning-based sepsis risk assessment 2025, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2025.1452471 PMID:40735113	研究论文	本研究开发了一个基于深度学习的预测模型，用于早期识别急诊科中可能发展为败血症的患者	探讨了两种不同的败血症定义（Sepsis-3和Adult Sepsis Event）对深度学习系统性能的影响，并评估了结合这两种定义的共识方法的有效性	研究基于回顾性数据，败血症定义的局限性可能影响模型性能，特别是在存在混淆并发症的患者中特异性下降	开发并评估一个深度学习模型，用于早期识别急诊科中可能发展为败血症的患者	急诊科患者，特别是那些有混淆并发症（如慢性肾病、肝病和凝血障碍）和经账单代码确认感染的患者	机器学习	败血症	深度学习	深度学习模型	临床数据（包括常规血液检测结果、生命体征、年龄和性别）	未明确提及具体样本量，但使用了患者入院后24小时内的数据
15	2025-07-31	Fungi-Kcr: a language model for predicting lysine crotonylation in pathogenic fungal proteins 2025, Frontiers in cellular and infection microbiology IF:4.6Q1 DOI:10.3389/fcimb.2025.1615443 PMID:40735338	研究论文	开发了一个名为Fungi-Kcr的深度学习模型，用于预测致病真菌蛋白质中的赖氨酸巴豆酰化位点	结合了CNN、GRU和词嵌入技术，有效捕捉序列的局部和长程依赖性，优于传统机器学习模型	依赖于计算预测，仍需实验验证	大规模识别Kcr位点，以深入理解真菌发病机制和潜在治疗靶点	致病真菌蛋白质	生物信息学	真菌感染	深度学习	CNN, GRU	蛋白质序列	NA
16	2025-07-31	Cell type prediction with neighborhood-enhanced cellular embedding using deep learning on hematoxylin and eosin-stained images 2025, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2025.07.026 PMID:40735431	研究论文	本研究旨在利用深度学习方法，通过苏木精和伊红染色图像预测结肠癌和乳腺癌样本中浸润肿瘤微环境的细胞类型	采用邻域增强细胞嵌入矩阵和转导半监督学习方法，提高了细胞类型预测的准确性	研究仅针对结肠癌和乳腺癌样本，可能不适用于其他癌症类型	预测肿瘤微环境中浸润的细胞类型	结肠癌和乳腺癌样本中的细胞	数字病理学	结肠癌, 乳腺癌	Stardist细胞分割, K-最近邻方法, 转导半监督学习	Base-4, Base-4+, Base-7	图像	两个数据集（结肠癌和乳腺癌样本）
17	2025-07-31	An explainable and efficient deep learning framework for EEG-based diagnosis of Alzheimer's disease and frontotemporal dementia 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1590201 PMID:40735445	研究论文	本文提出了一种可解释且高效的深度学习框架，用于基于脑电图（EEG）诊断阿尔茨海默病和额颞叶痴呆	结合了时间卷积网络和长短时记忆网络，提高了分类效率，并利用SHAP技术增强了模型的可解释性	未提及模型在更大规模或多样化数据集上的泛化能力	早期准确诊断阿尔茨海默病和额颞叶痴呆	阿尔茨海默病（AD）、额颞叶痴呆（FTD）患者及健康对照组的EEG数据	机器学习	阿尔茨海默病, 额颞叶痴呆	相对带功率（RBP）分析, 功率谱密度（PSD）计算, SHAP	时间卷积网络（TCN）, 长短时记忆网络（LSTM）	EEG数据	NA
18	2025-07-31	Recent advances in deep learning for lymphoma segmentation: Clinical applications and challenges 2025 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076251362508 PMID:40735544	综述	本文综述了深度学习在淋巴瘤分割研究中的进展，并与传统方法进行了比较分析	深入探讨了深度学习在淋巴瘤分割中的潜力与挑战，特别是在临床实践中的应用	未提及具体的实验数据或模型性能的量化结果	促进深度学习在淋巴瘤诊断和治疗监测中的广泛应用	淋巴瘤的分割研究	数字病理学	淋巴瘤	PET/CT, CT, 磁共振成像	深度学习模型	医学影像	NA
19	2025-07-31	The pipelines of deep learning-based plant image processing 2025, Quantitative plant biology DOI:10.1017/qpb.2025.10018 PMID:40735612	综述	本文总结了基于深度学习的植物图像处理的最新计算工具和方法	强调了数据获取和预处理的重要性，并讨论了高分辨率成像、无人机摄影以及图像增强技术	未提及具体的实验验证或实际应用案例	推动植物科学研究和技术应用	植物图像	计算机视觉	NA	高分辨率成像、无人机摄影、图像增强	深度学习	图像	NA
20	2025-07-31	LRU-Net: lightweight and multiscale feature extraction for localization of ACL tears region in MRI images 2025, Frontiers in physiology IF:3.2Q2 DOI:10.3389/fphys.2025.1611267 PMID:40735674	研究论文	本文提出了一种轻量级残差U-Net（LRU-Net），用于MRI图像中前交叉韧带（ACL）撕裂区域的分割	LRU-Net集成了先进的注意力机制，强调梯度并利用ACL的解剖位置，提高了边界敏感性，同时采用动态特征提取模块进行自适应多尺度特征提取	未明确提及具体局限性	开发准确且高效的ACL撕裂诊断工具	MRI图像中的前交叉韧带（ACL）撕裂区域	计算机视觉	运动损伤	深度学习	U-Net变体（LRU-Net）	MRI图像	NA