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	2025-09-29	Automatic specific absorption rate (SAR) prediction for hyperthermia treatment planning using deep learning method 2025-Dec, International journal of hyperthermia : the official journal of European Society for Hyperthermic Oncology, North American Hyperthermia Group IF:3.0Q2 DOI:10.1080/02656736.2025.2554860 PMID:40922671	研究论文	开发基于深度学习的特定吸收率预测方法，用于脑癌热疗治疗规划	首次提出使用带有交叉注意力块的编码器-解码器神经网络，结合脑电特性、肿瘤坐标和天线相位设置来预测SAR分布	仅基于201个模拟数据进行训练和验证，样本量有限	开发快速准确的SAR预测方法以支持实时热疗治疗规划	人脑模型中的SAR分布	数字病理	脑癌	有限元建模、深度学习	编码器-解码器神经网络	模拟数据	201个模拟样本（训练181个，测试20个）
2	2025-09-29	FaithfulNet: An explainable deep learning framework for autism diagnosis using structural MRI 2025-Nov-01, Brain research IF:2.7Q3 DOI:10.1016/j.brainres.2025.149904 PMID:40882812	研究论文	开发了一个可解释的深度学习框架FaithfulNet，利用结构MRI数据诊断自闭症并识别影响学业表现的记忆脑区	提出了新颖的Faith_CAM可视化解释方法，结合梯度类激活图和SHAP梯度解释器，实现了对深度学习模型预测的忠实解释	使用公开数据集ABIDE-II，样本来源有限，未提及外部验证结果	开发可解释的AI框架用于自闭症诊断和脑功能区域识别	自闭症患者的脑结构MRI数据	医学影像分析	自闭症	深度学习，可解释人工智能(XAI)，梯度类激活图，SHAP梯度解释器	FaithfulNet（基于深度学习的分类模型）	结构MRI图像	ABIDE-II公共数据库中的sMRI数据
3	2025-09-29	Comparison of organ volumes and standardized uptake values in [18F]FDG-PET/CT images using MOOSE and TotalSegmentator to segment CT images 2025-Oct, Medical physics IF:3.2Q1 DOI:10.1002/mp.70025 PMID:40993940	研究论文	比较两种深度学习算法在[18F]FDG-PET/CT图像中分割33个解剖结构的体积和标准化摄取值差异	首次系统比较MOOSE和TotalSegmentator两种深度学习算法在PET/CT图像分割中的性能差异	仅针对转移性乳腺癌患者的基线扫描图像，样本类型单一	评估两种深度学习分割算法在器官体积和SUV值测量中的可互换性	315名转移性乳腺癌患者的[18F]FDG-PET/CT图像	医学影像分析	乳腺癌	[18F]FDG-PET/CT成像	深度学习	医学影像	315名女性患者
4	2025-09-29	Early Prediction and Risk Analysis Using Hybrid Deep Learning Techniques in Multimodal Biomedical Image 2025-Oct, Developmental neurobiology IF:2.7Q3 DOI:10.1002/dneu.23001 PMID:41015781	研究论文	提出一种融合多模态医学图像的混合深度学习框架，用于早期癌症预测和风险分析	结合高斯平滑预处理、ORB手工特征提取、InceptionV4深度学习特征提取以及稀疏逻辑回归和MS-GWNN分类器的混合方法，在多模态医学图像融合方面表现优异	未整合更多成像模态，缺乏实时临床应用验证，模型可解释性有待提升	开发能够处理多样化医学图像、提取有意义特征并提供准确分类的高效模型，用于早期癌症检测	多模态医学图像（如MRI和CT扫描）中的癌变区域	计算机视觉	癌症	高斯平滑、ORB特征提取、InceptionV4、稀疏逻辑回归、MS-GWNN分类器	混合深度学习框架	多模态医学图像	TCIA数据集（具体样本数量未明确说明）
5	2025-09-29	E2E-TM: Dual-Way Feature Extraction and End-to-End Transformer Based Parkinson's Disease Diagnosis Using Integrated MR Imaging and Electroencephalogram Signals 2025-Oct, Developmental neurobiology IF:2.7Q3 DOI:10.1002/dneu.23002 PMID:41015780	研究论文	提出一种基于Transformer的端到端模型E2E-TM，通过整合MRI和EEG信号进行帕金森病诊断	首次将Transformer架构应用于多模态医学数据（MRI+EEG）的帕金森病诊断，提出双路径特征提取和并行注意力机制	未明确说明数据集的具体规模和多样性，可能影响模型在不同人群中的泛化能力	开发精确的帕金森病早期诊断方法	帕金森病患者	医学影像分析	帕金森病	双边滤波、小波分解、Super U-Net分割	Transformer、CNN、注意力机制	磁共振成像(MRI)、脑电图(EEG)	NA
6	2025-09-29	Deep Learning-Based Breath-Hold and Free-Breathing Cine MRI for Comprehensive Cardiac Evaluation 2025-Oct, Korean journal of radiology IF:4.4Q1 DOI:10.3348/kjr.2025.0440 PMID:41015857	研究论文	评估和比较基于深度学习的自由呼吸与屏气心脏电影MRI序列与传统序列在扫描时间、测量准确性和图像质量方面的表现	首次系统比较深度学习辅助的自由呼吸与屏气心脏电影MRI在心律失常和呼吸困难患者中的适用性	样本量相对有限（70例），未包含更广泛的心脏疾病类型	开发更高效、准确的心脏MRI检查方法，特别针对心律失常和呼吸困难患者	70名参与者，包括24名心律失常患者、17名呼吸困难患者和29名正常窦性心律患者	医学影像分析	心血管疾病	深度学习，心脏电影MRI	深度学习模型	医学影像	70名参与者（平均年龄49±17岁），使用3T MRI扫描仪采集数据
7	2025-09-29	Deep-Learning Aided Atomic-Scale Observation of Anisotropic Melting of the Charge Density Wave in TaS2 2025-Sep-27, Small (Weinheim an der Bergstrasse, Germany) DOI:10.1002/smll.202507496 PMID:41014519	研究论文	利用深度学习辅助的扫描透射电子显微镜技术观测TaS2中电荷密度波的各向异性熔化过程	首次结合人工智能增强的STEM技术和深度学习去噪方法，在原子尺度直接追踪CDW相变过程中的晶格重排和畴壁迁移	实验依赖于受控电子束辐照，可能对样品产生额外影响	研究电荷密度波相变的原子尺度动力学机制	1T-TaS2材料中的近公度CDW相	材料科学	NA	扫描透射电子显微镜、微分相位衬度成像、深度学习去噪	深度学习	原子尺度图像数据	NA
8	2025-09-29	Multimodal Machine Learning with 3D-Weighted-Matrix Encoding for High-Throughput Design of High-Performance Polyurethanes 2025-Sep-27, Macromolecular rapid communications IF:4.2Q2 DOI:10.1002/marc.202500471 PMID:41014522	研究论文	开发结合机器学习和多模态特征工程的高通量筛选框架，用于预测聚氨酯材料的力学性能	提出3D加权矩阵编码方法表示聚氨酯单体，特征区分度比传统分子描述符提高23%；采用早期融合架构整合结构特征和合成工艺参数	NA	加速高性能聚氨酯材料的开发	聚氨酯材料	机器学习	NA	多模态机器学习，高通量筛选	深度学习模型	化学结构表示，合成工艺参数	超过1.5亿个分子和工艺组合
9	2025-09-29	[Advances in the application of artificial intelligence for pulmonary function assessment based on chest imaging in thoracic surgery] 2025-Sep-27, Zhonghua wai ke za zhi [Chinese journal of surgery] DOI:10.3760/cma.j.cn112139-20250309-00116 PMID:41015474	综述	本文综述了人工智能在基于胸部影像的胸外科肺功能评估中的应用进展	利用深度学习算法从多模态胸部影像中提取特征，实现肺功能定量分析的新方法	数据标准化不足、模型可解释性有限、缺乏术后并发症预测模型	提升胸外科围术期肺功能评估的精准决策能力	胸外科患者	计算机视觉	肺癌	深度学习	深度学习模型	医学影像（X射线、CT、MRI）	NA
10	2025-09-29	Generation of multimodal realistic computational phantoms as a test-bed for validating deep learning-based cross-modality synthesis techniques 2025-Sep-27, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-025-03437-4 PMID:41015634	研究论文	提出利用计算体模生成逼真CT和MRI图像的新框架，为深度学习跨模态合成技术提供验证平台	首次使用生成的计算体模作为深度学习跨模态合成技术的验证数据	NA	验证基于深度学习的医学图像跨模态合成技术	计算体模生成的CT和MRI图像	计算机视觉	NA	CycleGAN（循环一致生成对抗网络）	GAN	医学图像（CT、MRI）	使用公共CT数据集进行外部验证
11	2025-09-29	Gait-to-Contact (G2C): A Novel Deep Learning Framework to Predict Total Knee Replacement Wear from Gait Patterns 2025-Sep-27, Annals of biomedical engineering IF:3.0Q3 DOI:10.1007/s10439-025-03863-3 PMID:41015655	研究论文	提出一种基于深度学习的替代建模方法Gait-to-Contact(G2C)，用于从步态模式预测全膝关节置换磨损	首次将基于Transformer-CNN的编码器-解码器架构应用于膝关节置换磨损预测，相比传统有限元分析大幅降低计算成本	当前研究尚未应用于临床患者数据，未来需要验证在真实临床场景中的有效性	开发计算效率更高的方法来预测全膝关节置换部件的磨损情况	全膝关节置换部件的线性磨损分布	机器学习	骨科疾病	深度学习，有限元分析	Transformer-CNN编码器-解码器架构	时间序列数据	314个ISO14243-3(2014)标准变化的步态模式时间序列
12	2025-09-29	Physics-informed deep learning for plasmonic sensing of nanoscale protein dynamics in solution 2025-Sep-26, Science advances IF:11.7Q1 DOI:10.1126/sciadv.adw0783 PMID:41004578	研究论文	提出了一种结合合成复频率波与卷积神经网络的等离子体传感器，用于溶液中纳米级蛋白质二级结构的实时定量分析	将物理信息（合成复频率波）融入深度学习模型，显著提升蛋白质二级结构预测精度，解决了水溶液中蛋白质动态研究的数据稀缺问题	未明确说明模型在其他类型蛋白质或更复杂生理环境中的泛化能力	开发能够在水溶液中实时定量分析纳米级蛋白质二级结构及构象变化的新方法	溶液中尺寸小于10纳米的蛋白质及其二级结构	计算生物物理	NA	中红外等离子体传感、合成复频率波增强技术	物理信息卷积神经网络（Physics-informed CNN）	光谱数据	NA
13	2025-09-29	Scalable deep learning reconstruction for accelerated multidimensional nuclear magnetic resonance spectroscopy of proteins 2025-Sep-26, Science advances IF:11.7Q1 DOI:10.1126/sciadv.adw8122 PMID:41004582	研究论文	提出一种可扩展的深度学习重建方法，用于加速多维核磁共振波谱分析	首次将深度学习扩展到处理高维核磁共振波谱，能够处理不同加速因子并实现3D和4D NMR重建	需要复杂网络结构和更多数据，应用受到一定限制	开发可扩展的深度学习方法来加速多维核磁共振波谱采集	蛋白质的多维核磁共振波谱数据	机器学习	NA	核磁共振波谱技术、深度学习	神经网络	时间域信号、波谱数据	NA
14	2025-09-29	COVID-19 Pneumonia Diagnosis Using Medical Images: Deep Learning-Based Transfer Learning Approach 2025-Sep-26, JMIRx med DOI:10.2196/75015 PMID:41004646	研究论文	本研究通过深度迁移学习方法开发基于医学影像的COVID-19自动诊断系统	首次系统评估多种先进卷积神经网络在COVID-19肺炎诊断中的表现，并证明DenseNet121在突变环境下具有优越性能	未提及具体数据集规模和多样性，可能影响模型泛化能力	评估深度迁移学习在COVID-19医学影像诊断中的有效性和可扩展性	胸部X光和CT影像中的COVID-19肺炎特征	计算机视觉	COVID-19肺炎	深度迁移学习	CNN（包括VGG16、ResNet50、ConvNeXtTiny、MobileNet、NASNetMobile、DenseNet121）	医学影像（X光和CT图像）	NA
15	2025-09-29	Exploring learning transferability in deep segmentation of colorectal cancer liver metastases 2025-Sep-26, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.111076 PMID:41014675	研究论文	本研究探索深度学习模型在结直肠癌肝转移病灶分割中的知识迁移能力	首次系统研究肝转移病灶分割中的迁移学习问题，通过尺度特异性评估揭示领域特定预训练的优势	研究仅针对肝转移数据集，未涵盖其他类型肝脏病变的迁移表现	探索医学图像分割中知识和模型在不同数据集和临床场景间的迁移性	结直肠癌肝转移病灶	医学图像分割	结直肠癌肝转移	深度学习	Transformer	医学图像	NA
16	2025-09-29	Does brain connectivity hold the key to safer roads? EEG-based fatigue detection in young drivers using interpretable deep learning 2025-Sep-26, Accident; analysis and prevention DOI:10.1016/j.aap.2025.108251 PMID:41014829	研究论文	本研究通过EEG脑连接分析和可解释深度学习模型检测年轻驾驶员的疲劳状态	结合多头自注意力机制与长短期记忆网络(MHSA-xLSTM)，并采用SHAP方法增强模型可解释性	样本量相对较小(32名年轻驾驶员)，需在更大群体中验证	开发准确可解释的年轻驾驶员疲劳检测方法	年轻驾驶员的脑电信号和疲劳状态	脑机接口	疲劳相关驾驶风险	脑电图(EEG)、脑功能网络分析、SHAP可解释性分析	MHSA-xLSTM(多头自注意力与LSTM结合)	EEG信号	32名年轻驾驶员，包含真实道路和实验室模拟环境数据
17	2025-09-29	[Research and prospects of deep learning in the field of temporomandibular disorders] 2025-Sep-26, Zhonghua kou qiang yi xue za zhi = Zhonghua kouqiang yixue zazhi = Chinese journal of stomatology DOI:10.3760/cma.j.cn112144-20250507-00171 PMID:41015467	综述	回顾深度学习在颞下颌关节紊乱病诊疗中的应用现状，探讨面临的挑战并展望未来发展	首次系统总结深度学习技术在颞下颌关节紊乱病诊疗领域的应用前景与挑战	NA	探讨人工智能技术在颞下颌关节紊乱病诊疗中的应用	颞下颌关节紊乱病的诊断与治疗	医学人工智能	颞下颌关节紊乱病	深度学习	NA	NA	NA
18	2025-09-29	Hybrid Fusion Model for Effective Distinguishing Benign and Malignant Parotid Gland Tumors in Gray-Scale Ultrasonography 2025-Sep-26, Ultrasound in medicine & biology DOI:10.1016/j.ultrasmedbio.2025.06.014 PMID:41015751	研究论文	开发了一种混合融合模型DLRN，用于辅助超声医师区分腮腺良恶性肿瘤	首次将放射组学特征与迁移学习相结合构建混合融合模型，并通过决策融合和临床特征整合提升诊断性能	回顾性研究，样本量相对有限（328例患者）	提高腮腺良恶性肿瘤的超声诊断准确性	经病理证实的腮腺肿瘤患者	医学影像分析	腮腺肿瘤	放射组学分析、迁移学习	混合融合模型（放射组学模型+深度迁移学习模型+临床特征整合）	灰度超声图像	328例来自两个中心的患者
19	2025-09-29	An open deep learning-based framework and model for tooth instance segmentation in dental CBCT 2025-Sep-25, Clinical oral investigations IF:3.1Q1 DOI:10.1007/s00784-025-06578-w PMID:40996470	研究论文	开发了一个基于深度学习的牙齿实例分割框架OralSeg，用于牙科CBCT图像分析	构建了密集标注的牙科CBCT数据集，结合Swin Transformer和空间Mamba模块进行多尺度残差特征融合	NA	解决当前牙科CBCT分割工具精度不足、可及性差和解剖覆盖不全面的问题	牙科CBCT图像中的35个关键口腔解剖结构	计算机视觉	牙科疾病	深度学习	UNetR结合Swin Transformer和空间Mamba模块	CBCT医学图像	NA
20	2025-09-29	Segmentation-model-based framework to detect aortic dissection on non-contrast CT images: a retrospective study 2025-Sep-25, Insights into imaging IF:4.1Q1 DOI:10.1186/s13244-025-02098-z PMID:40996604	研究论文	开发基于分割模型的深度学习框架，用于在非增强CT图像上自动检测主动脉夹层并可视化其形态特征	首次在非增强CT图像上使用分割模型检测主动脉夹层，并利用假腔体积作为诊断指标	回顾性研究设计，样本仅来自两家医院	开发自动检测主动脉夹层的深度学习框架	接受主动脉CTA检查的患者	数字病理	心血管疾病	CT扫描	分割模型	医学图像	701例患者（中心1：545例，中心2：156例）