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	2025-06-29	Saturation transfer MR fingerprinting for magnetization transfer contrast and chemical exchange saturation transfer quantification 2025-Sep, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.30532 PMID:40228056	研究论文	本研究开发了一种基于深度学习的饱和转移MR指纹识别技术，用于快速准确地量化自由水、磁化转移对比、酰胺质子转移参数及B0场不均匀性	采用生物物理模型驱动的深度学习方法，结合Bloch-McConnell模拟器进行神经网络训练，实现了比传统方法更高的重建精度	研究仅在健康人脑中进行验证，未涉及病理状态下的应用	开发快速准确的饱和转移MR指纹识别技术，用于量化多种组织参数	健康人脑组织	医学影像分析	NA	饱和转移MR指纹识别(ST-MRF)	深度学习	MRI图像	数值体模和健康人脑数据(具体样本量未明确说明)
2	2025-06-29	Quantitative susceptibility mapping in magnetically inhomogeneous tissues 2025-Sep, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.30537 PMID:40312865	研究论文	本研究开发了一种名为DEEPOLE的深度学习方法，用于改进磁化率定量映射（QSM）的质量和准确性	DEEPOLE方法首次将宏观非偶极拉莫尔频移纳入QSM，显著提高了磁化率图的准确性和解剖一致性	研究主要基于合成数据和数字脑模型，虽然也使用了体内人脑数据，但样本量和多样性可能有限	提高磁化率定量映射在生物组织中的准确性和可靠性	人脑组织（特别是深部灰质和白质）	医学影像处理	神经退行性疾病	定量磁化率映射（QSM）	深度卷积神经网络（CNN）	磁共振成像数据	数字脑模型和体内人脑数据（具体数量未明确说明）
3	2025-06-29	Groupwise image registration with edge-based loss for low-SNR cardiac MRI 2025-Sep, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.30486 PMID:40353517	研究论文	本研究提出了一种基于深度学习的图像配准方法AiM-ED，用于处理低信噪比的心脏MRI图像	提出了一种新的深度学习方法AiM-ED，结合了联合处理多源图像和边缘检测的优势，提高了低信噪比条件下的图像配准质量	研究样本量较小，患者数据仅包含5-6个切片，可能影响结果的普适性	提高低信噪比条件下心脏MRI图像的配准和平均质量	自由呼吸单次心脏MRI图像	计算机视觉	心血管疾病	深度学习	AiM-ED	图像	健康受试者24个切片和患者5个切片，外加6个0.55T扫描仪的患者切片
4	2025-06-29	Accelerating 3D radial MPnRAGE using a self-supervised deep factor model 2025-Sep, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.30549 PMID:40457622	research paper	开发一种自监督且内存高效的深度学习图像重建方法，用于高分辨率和大量参数维度的4D非笛卡尔MRI	提出了一种深度因子模型(DFM)，利用神经网络以反转时间为条件，使用高效的零填充重建作为输入估计，通过单次学习(SSL)方式从每次采集的k空间数据中学习模型参数	在没有专用高端GPU阵列的情况下，训练神经网络可能会变得计算密集	开发一种适用于高分辨率和大量参数维度的4D非笛卡尔MRI的自监督深度学习图像重建方法	4D非笛卡尔MRI图像	machine learning	NA	MRI, deep learning	DFM (deep factor model)	MRI图像	幻影和体内实验
5	2025-06-29	Reirradiation for recurrent glioblastoma: the significance of the residual tumor volume 2025-Aug, Journal of neuro-oncology IF:3.2Q2 DOI:10.1007/s11060-025-05042-9 PMID:40310485	研究论文	本研究探讨了复发性胶质母细胞瘤再放疗的可行性及残留肿瘤体积对预后的影响	首次通过深度学习自动分割管道测量对比增强肿瘤体积，并结合临床和分子病理因素评估其对生存率的影响	样本量较小（71例患者），且为单中心回顾性研究	评估复发性胶质母细胞瘤再放疗的疗效及预后因素	71例复发性CNS WHO 4级IDHwt胶质母细胞瘤患者	数字病理学	胶质母细胞瘤	深度学习自动分割管道	NA	医学影像	71例患者
6	2025-06-29	Patient-Specific Deep Learning Tracking Framework for Real-Time 2D Target Localization in Magnetic Resonance Imaging-Guided Radiation Therapy 2025-Jul-15, International journal of radiation oncology, biology, physics DOI:10.1016/j.ijrobp.2024.10.021 PMID:39461599	research paper	提出了一种基于患者特异性训练的深度学习模型框架，用于磁共振成像引导的放射治疗中的实时2D目标定位	结合了图像配准变换器和自动分割CNN两种深度学习模型，采用患者特异性训练策略，显著提高了目标定位的准确性	研究仅针对胸部、腹部和骨盆的目标，未涵盖其他部位	开发高精度的实时目标定位方法，以提升MRI引导放射治疗的效果	接受0.35 T MRI-linac治疗的219名患者的1,400,000多帧cine MRI图像，以及另外35名患者的7500帧手动标记图像	digital pathology	NA	cine MRI	image registration transformer, auto-segmentation CNN	image	1,400,000多帧cine MRI图像（219名患者） + 7500帧标记图像（35名患者）
7	2025-06-29	Fully Automated Online Adaptive Radiation Therapy Decision-Making for Cervical Cancer Using Artificial Intelligence 2025-Jul-15, International journal of radiation oncology, biology, physics DOI:10.1016/j.ijrobp.2025.04.012 PMID:40252932	研究论文	本研究探讨了使用人工智能在宫颈癌在线自适应放射治疗（oART）中决策的可行性	提出了基于机器学习和深度学习的模型，用于识别可能从自适应重新规划中受益的治疗部分，为临床医生提供决策支持工具	研究样本量较小，仅包括24名患者，且独立评估数据集仅包含3名患者的数据	探索人工智能在宫颈癌在线自适应放射治疗决策中的应用	宫颈癌患者	数字病理	宫颈癌	fan-beam computed tomography (FBCT), 机器学习, 深度学习	支持向量机(SVM), Siamese网络	图像, 剂量数据	24名患者，671次治疗部分
8	2025-06-29	Evaluating a large language model's accuracy in chest X-ray interpretation for acute thoracic conditions 2025-Jul, The American journal of emergency medicine DOI:10.1016/j.ajem.2025.03.060 PMID:40174466	研究论文	评估大型语言模型在急诊胸部X光片解读中对急性胸部疾病的诊断准确性	首次评估ChatGPT在急诊放射学中解读胸部X光片的潜力，特别是在多种急性胸部疾病诊断中的应用	模型对某些较细微的疾病（如肺不张和肺气肿）的诊断准确性较低	探索大型语言模型在急诊胸部X光片解读中的可行性和准确性	急诊胸部X光片中的急性胸部疾病	自然语言处理	胸部疾病	大型语言模型（ChatGPT 4.0）	LLM	图像	1400张来自NIH Chest X-ray数据集的图像，涵盖7种病理类别
9	2025-06-29	Integrating AI/ML and multi-omics approaches to investigate the role of TNFRSF10A/TRAILR1 and its potential targets in pancreatic cancer 2025-Jul, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110432 PMID:40424767	研究论文	本研究整合AI/ML和多组学方法，探讨TNFRSF10A/TRAILR1在胰腺癌中的作用及其潜在靶点	结合深度学习驱动的QSAR建模、单细胞空间转录组学和ceRNA网络分析，首次提出TNFRSF10A作为胰腺癌治疗靶点，并通过虚拟筛选发现潜在药物	研究主要基于计算模型预测，需进一步实验验证	探索胰腺癌的新型治疗靶点和药物	胰腺导管腺癌(PDAC)及其微环境	数字病理	胰腺癌	单细胞空间转录组学、蛋白质组学、ceRNA网络分析、QSAR建模、分子动力学模拟	SELFormer(基于Transformer的深度学习模型)	基因组数据、转录组数据、蛋白质组数据、化学结构数据	未明确说明具体样本数量
10	2025-06-29	Spatiotemporal calcium signaling patterns underlying opposing effects of histamine and TAS2R agonists in airway smooth muscle 2025-Jul-01, American journal of physiology. Lung cellular and molecular physiology DOI:10.1152/ajplung.00058.2025 PMID:40434402	研究论文	本研究通过单细胞显微镜和基于深度学习的图像分割技术，探究了组胺和苦味受体激动剂在气道平滑肌细胞中引发的钙信号时空动态差异，并整合这些发现到一个全面的离子通道动力学模型中	揭示了苦味受体激动剂通过独特的钙信号时空模式促进气道平滑肌松弛的新机制，与传统的组胺诱导收缩机制形成鲜明对比	研究主要基于体外细胞实验，尚未在完整组织或动物模型中进行验证	探究不同G蛋白偶联受体激动剂在气道平滑肌细胞中引发的钙信号时空动态差异及其功能后果	气道平滑肌细胞	细胞信号传导	哮喘	单细胞显微镜成像、深度学习分割	离子通道动力学模型	显微图像数据	NA
11	2025-06-29	Epicardial adipose tissue, myocardial remodelling and adverse outcomes in asymptomatic aortic stenosis: a post hoc analysis of a randomised controlled trial 2025-Jun-26, Heart (British Cardiac Society) DOI:10.1136/heartjnl-2024-324925 PMID:40050004	研究论文	本研究通过事后分析探讨了无症状主动脉瓣狭窄患者中心外膜脂肪组织与疾病严重程度、进展、心肌重构及死亡率的关系	首次使用全自动深度学习软件量化心外膜脂肪组织，并探讨其与主动脉瓣狭窄患者心肌健康及预后的关联	样本量较小（124例患者），且为事后分析，可能存在选择偏倚	研究心外膜脂肪组织在主动脉瓣狭窄中的作用及其与患者预后的关系	124例无症状轻度至重度主动脉瓣狭窄患者	心血管疾病	主动脉瓣狭窄	CT血管造影，全自动深度学习软件	深度学习	医学影像（CT），生物标志物（血浆心肌肌钙蛋白浓度）	124例无症状主动脉瓣狭窄患者
12	2025-06-29	Systems and synthetic biology for plant natural product pathway elucidation 2025-Jun-24, Cell reports IF:7.5Q1 DOI:10.1016/j.celrep.2025.115715 PMID:40382775	综述	本文总结了系统和合成生物学在植物代谢途径表征和工程中的应用进展	讨论了多种策略，包括共表达分析、基因簇鉴定、代谢物分析、深度学习方法、全基因组关联研究和蛋白质复合物鉴定，并通过案例研究展示了这些方法在解析复杂途径和提高重要天然产物产量中的应用	未具体提及研究的局限性	探索植物天然产物途径的解析和工程化	植物代谢途径和天然产物	合成生物学	NA	共表达分析、基因簇鉴定、代谢物分析、深度学习方法、全基因组关联研究、蛋白质复合物鉴定	深度学习	基因组数据、代谢物数据	NA
13	2025-06-29	Deep learning-quantified body composition from positron emission tomography/computed tomography and cardiovascular outcomes: a multicentre study 2025-Jun-23, European heart journal IF:37.6Q1 DOI:10.1093/eurheartj/ehaf131 PMID:40159388	研究论文	该研究结合深度学习和图像处理技术，从PET/CT扫描中自动量化身体组织成分，并评估其与死亡或心肌梗死的关联	首次利用深度学习从标准心脏PET/CT中快速自动获取体积身体组织成分，为医生提供关于肌肉减少症和心脏代谢健康的详细定量评估	研究仅基于三个中心的患者数据，可能无法完全代表所有人群	评估通过PET/CT扫描自动量化的身体组织成分与心血管结局的关联	10,085名接受PET心肌灌注成像的患者	数字病理学	心血管疾病	PET/CT心肌灌注成像	深度学习	医学影像	10,085名患者（中位年龄68岁，57%为男性）
14	2025-06-29	Deep learning dosiomics in grade 4 radiation-induced lymphopenia prediction in radiotherapy for esophageal cancer: a multi-center study 2025-Jun-21, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2025.110995 PMID:40550423	research paper	本研究探讨了使用深度学习和剂量组学特征，结合剂量体积直方图参数和临床因素预测食管癌放疗患者4级放射性淋巴细胞减少症的可行性和准确性	结合剂量组学、深度学习剂量组学特征、剂量体积直方图参数和临床因素构建组合模型，显著提高了预测4级放射性淋巴细胞减少症的准确性	研究为回顾性研究，可能存在选择偏倚，且样本量相对有限	预测食管癌放疗患者4级放射性淋巴细胞减少症的发生	545名接受放疗的食管癌患者	digital pathology	esophageal cancer	deep learning, dosiomics, dose-volume histogram (DVH) analysis	deep learning dosiomics (DLD) model, combination model	radiation dose distributions, clinical data	545名患者，分为训练集、内部验证集、外部测试集1和外部测试集2
15	2025-06-29	Qualitative and quantitative analysis of functional cardiac MRI using a novel compressed SENSE sequence with artificial intelligence image reconstruction 2025-Jun-19, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2025.110448 PMID:40543831	研究论文	评估结合压缩感知(CS)与基于深度学习的算法(CS-AI)在心脏磁共振成像(MRI)中加速平衡稳态自由进动(bSSFP)序列的可行性	首次将压缩感知(CS)与基于卷积神经网络(CNN)的深度学习算法(CS-AI)结合，用于加速心脏MRI并保持图像质量和功能分析准确性	研究仅涉及30名健康志愿者，未在患者群体中验证	探索加速心脏MRI扫描同时保持图像质量和功能分析准确性的新方法	心脏磁共振成像	医学影像分析	心血管疾病	压缩感知(CS)、深度学习算法(CS-AI)、平衡稳态自由进动(bSSFP)	CNN	MRI图像	30名健康志愿者
16	2025-06-29	Sentiment Analysis Using a Large Language Model-Based Approach to Detect Opioids Mixed With Other Substances Via Social Media: Method Development and Validation 2025-Jun-19, JMIR infodemiology IF:3.5Q1 DOI:10.2196/70525 PMID:40536906	研究论文	本研究利用大型语言模型GPT-3.5 Turbo分析社交媒体上的评论，以检测混合其他物质的阿片类药物使用情况及其相关风险	采用GPT-3.5 Turbo等先进模型分析YouTube评论中的情感，以预测阿片类药物过量风险，相比传统机器学习模型性能提升3.26%	数据来源仅限于YouTube评论，可能无法全面代表所有阿片类药物使用者的体验	通过分析社交媒体数据，提高对阿片类药物使用及其风险的监测能力，以改善医疗响应和干预策略	YouTube上关于混合其他物质的阿片类药物使用的自报告评论	自然语言处理	阿片类药物滥用	情感分析	GPT-3.5 Turbo, 深度学习模型, 变压器模型	文本	2020年12月至2024年3月期间的YouTube评论
17	2025-06-29	Evaluation of Spectral Imaging for Early Esophageal Cancer Detection 2025-Jun-19, Cancers IF:4.5Q1 DOI:10.3390/cancers17122049 PMID:40563697	研究论文	本研究评估了一种名为SAVE的高光谱成像转换方法在增强食管癌检测方面的效果，并与传统的白光成像(WLI)进行了比较	使用SAVE高光谱成像转换方法显著提高了食管癌病变的检测性能，尤其是在鳞状细胞癌(SCC)和异型增生的检测上	研究仅针对特定的深度学习模型进行了评估，未涉及更广泛的模型或临床实际应用场景	评估高光谱成像在早期食管癌检测中的效果	食管癌(包括正常组织、异型增生和鳞状细胞癌)的 endoscopic 图像	数字病理	食管癌	高光谱成像	YOLOv9, YOLOv10, YOLO-NAS, RT-DETR, Roboflow 3.0	图像	标记的内窥镜图像数据集(包含正常、异型增生和SCC类别)
18	2025-06-29	A Hybrid Deep Learning Framework for Accurate Cell Segmentation in Whole Slide Images Using YOLOv11, StarDist, and SAM2 2025-Jun-19, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12060674 PMID:40564490	研究论文	提出了一种混合深度学习框架，结合YOLOv11、StarDist和SAM2，用于全切片图像中细胞的精确分割	整合了三种互补方法，通过YOLOv11定位感兴趣区域，StarDist高精度建模细胞和核边界，SAM2进行分割，显著提升了分割性能	未提及框架在更大规模数据集上的泛化能力或计算资源需求	开发一种鲁棒且精确的细胞分割方法，以推进自动化的组织病理学图像分析	全切片图像中的细胞结构	数字病理学	NA	深度学习	YOLOv11, StarDist, SAM2	图像	256 × 256图像块，带有高分辨率细胞级标注
19	2025-06-29	An Innovative Artificial Intelligence Classification Model for Non-Ischemic Cardiomyopathy Utilizing Cardiac Biomechanics Derived from Magnetic Resonance Imaging 2025-Jun-19, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12060670 PMID:40564486	research paper	提出一种基于CNN-LSTM和MLP的双路径混合深度学习框架，用于通过心脏磁共振成像（CMR）和心室内压力梯度（IVPGs）数据增强非缺血性心肌病（NICM）亚型分类	结合解剖特征和生物力学标记，显著提升NICM亚型分类，捕捉传统形态学模型忽略的细微生物力学功能障碍	需要多中心数据集进行训练和验证，可能受限于数据获取的难度	提升非缺血性心肌病（NICM）的早期检测和亚型分类	非缺血性心肌病（NICM）患者	digital pathology	cardiovascular disease	cardiac magnetic resonance (CMR), intraventricular pressure gradients (IVPGs)	CNN-LSTM, MLP	image, time-series data	1196名患者（训练集），137名患者（外部验证集）
20	2025-06-29	A Deep Learning and Explainable AI-Based Approach for the Classification of Discomycetes Species 2025-Jun-18, Biology DOI:10.3390/biology14060719 PMID:40563969	研究论文	本研究提出了一种基于深度学习和可解释人工智能（XAI）技术的Discomycetes物种分类新方法	结合深度学习和XAI技术，提高了分类准确性和模型可解释性，为生物分类学提供了新工具	未来需要使用更大的数据集和更先进的AI模型来进一步提升性能	开发高精度、可靠的生物分类系统，支持生物多样性保护和真菌物种准确鉴定	Discomycetes真菌物种	计算机视觉	NA	深度学习、可解释人工智能（XAI）	EfficientNet-B0, MobileNetV3-L, ShuffleNet, EfficientNet-B4	图像	NA