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	2025-09-14	Generalized deep learning for histopathology image classification using supervised contrastive learning 2025-Sep, Journal of advanced research IF:11.4Q1 DOI:10.1016/j.jare.2024.11.013 PMID:39551131	研究论文	本研究提出了一种名为HistopathAI的混合网络，利用监督对比学习和深度特征融合技术，旨在提升组织病理学图像分类的准确性和效率	结合监督对比学习(SCL)和混合深度特征融合(HDFF)技术，在包括不平衡数据集在内的多种场景下显著提高分类精度	NA	开发一个能够提高组织病理学图像分类准确性的深度学习框架，以支持癌症诊断	组织病理学图像	数字病理学	癌症	监督对比学习(SCL)，混合深度特征融合(HDFF)	EfficientNetB3, ResNet50, 混合网络	图像	七个公开数据集和一个私有数据集，涵盖多个组织病理学领域
2	2025-09-14	Full dimensional dynamic 3D convolution and point cloud in pulmonary nodule detection 2025-Sep, Journal of advanced research IF:11.4Q1 DOI:10.1016/j.jare.2024.11.033 PMID:39617261	研究论文	提出一种名为ODR3DNet的新型深度学习模型，用于肺结节检测，结合全维度动态3D卷积和点云数据处理技术	引入全维度动态3D卷积模块(OD3D)和专门针对3D点云数据的机器学习检测算法，显著提升特征提取能力和模型适应性	NA	提高肺结节检测的准确性和早期诊断效果	肺结节	计算机视觉	肺癌	深度学习，3D点云处理	3D CNN，ODR3DNet	3D图像，点云数据	NA
3	2025-09-14	Update of imaging in the assessment of axial spondyloarthritis 2025-Sep, Best practice & research. Clinical rheumatology DOI:10.1016/j.berh.2025.102064 PMID:40229184	综述	本文回顾了过去5年中轴型脊柱关节炎影像评估技术的新进展，重点关注CT和MRI技术的创新应用	介绍了基于深度学习的合成CT技术以及国际共识推荐的4序列MRI方案，提升了炎症和结构损伤评估的精确度	NA	更新中轴型脊柱关节炎的影像学评估方法和技术进展	骶髂关节的炎症和结构损伤	医学影像分析	中轴型脊柱关节炎	增强CT、MRI、深度学习	深度学习算法	医学影像（X光、CT、MRI）	NA
4	2025-09-14	Diagnosis of Oral Cancer With Deep Learning. A Comparative Test Accuracy Systematic Review 2025-Aug, Oral diseases IF:2.9Q1 DOI:10.1111/odi.15330 PMID:40163741	系统综述	比较深度学习模型与人类专家及其他诊断方法在口腔癌临床检测中的诊断准确性	首次通过贝叶斯荟萃分析直接比较深度学习与人类专家在口腔癌诊断中的表现	纳入研究存在偏倚风险，证据等级较低	评估深度学习模型在口腔癌诊断中的准确性	口腔黏膜病变（癌变与非癌变）的摄影图像	数字病理	口腔癌	深度学习	深度学习模型	图像	8项研究（具体样本量未提供）
5	2025-09-14	Self-supervised learning for CT image denoising and reconstruction: a review 2024-Nov, Biomedical engineering letters IF:3.2Q2 DOI:10.1007/s13534-024-00424-w PMID:39465103	综述	本文回顾了自监督学习在CT图像去噪和重建中的应用方法	重点关注无需干净/噪声参考即可学习CT图像的自监督学习技术及其理论方法演进	NA	回顾自监督学习在CT图像去噪和重建领域的进展	CT图像	医学影像	NA	自监督学习	深度学习	图像	NA
6	2025-09-14	A deep learning-informed interpretation of why and when dose metrics outside the PTV can affect the risk of distant metastasis in SBRT NSCLC patients 2024-Sep-27, Radiation oncology (London, England) DOI:10.1186/s13014-024-02519-1 PMID:39334387	研究论文	本研究利用深度学习和可解释AI方法，探讨了非小细胞肺癌SBRT治疗中PTV外剂量指标与远处转移风险的关系	通过深度学习和可解释AI技术首次系统解析了先前研究中结论冲突的原因，并明确了特定患者亚组中PTV3cm剂量参数的预测价值	研究基于回顾性数据集，可能存在选择偏倚，且样本量有限（478例患者）	解析SBRT治疗中PTV外剂量与远处转移风险的关联性，解决先前研究的结论冲突	478例接受SBRT（IMRT或VMAT）治疗的非小细胞肺癌患者	数字病理	肺癌	深度学习方法，可解释AI技术，传统统计分析方法	深度学习模型	临床数据，剂量学特征，肿瘤特征数据	478例NSCLC患者
7	2025-09-14	Virtual Screening and Molecular Docking: Discovering Novel METTL3 Inhibitors 2024-Sep-12, ACS medicinal chemistry letters IF:3.5Q2 DOI:10.1021/acsmedchemlett.4c00216 PMID:39291017	研究论文	本研究通过结合基于结构的虚拟筛选与几何深度学习算法，发现新型METTL3抑制剂	提出了一种混合高通量虚拟筛选协议，结合结构基础方法与基于几何深度学习的DeepDock算法，从自建数据库中识别出独特的METTL3骨架抑制剂	NA	发现新型METTL3抑制剂以用于癌症治疗	METTL3蛋白及其抑制剂	计算生物学	癌症	虚拟筛选、分子对接、分子动力学模拟	DeepDock（几何深度学习）	分子结构数据	自建内部数据库中的化合物
8	2025-09-14	Development and Validation of a Deep Learning Model for Prediction of Adult Physiological Deterioration 2024-Sep-01, Critical care explorations DOI:10.1097/CCE.0000000000001151 PMID:39258951	研究论文	开发并验证了一种基于深度学习的成人患者生理恶化预测模型DETERIO，用于提前预警临床干预	采用状态价值估计方法处理动态恶化过程，并基于共识标准AIDE构建复合评分，优于现有商业恶化评分系统	需要进一步研究评估模型的泛化能力和实际临床影响	预测成人患者生理恶化，以支持更早的临床干预	成人住院患者和急诊患者	医疗健康	成人疾病	深度学习	深度神经网络	临床患者数据	推导队列330,729名患者（71,735住院 + 258,994急诊），验证队列65,898名患者（13,750住院 + 52,148急诊）
9	2025-09-14	Machine learning driven index of tumor multinucleation correlates with survival and suppressed anti-tumor immunity in head and neck squamous cell carcinoma patients 2023-08, Oral oncology IF:4.0Q2 DOI:10.1016/j.oraloncology.2023.106459 PMID:37307602	研究论文	本研究开发了一种基于机器学习的肿瘤多核化指数（MuNI），用于评估头颈部鳞状细胞癌患者的生存预后和肿瘤免疫微环境特征	首次利用深度学习模型从H&E图像中量化肿瘤细胞多核化程度，并发现其与生存预后和免疫抑制微环境的相关性	需要进一步机制研究阐明多核化与肿瘤免疫之间的生物学联系	通过机器学习识别肿瘤细胞多核化特征，探索其与头颈部鳞癌患者预后的关联	头颈部鳞状细胞癌（HNSCC）患者	数字病理学	头颈部鳞状细胞癌	深度学习，基因集富集分析（GSEA）	深度学习模型	H&E染色病理图像	机构队列训练集（DTr）和TCGA HNSCC验证集（DV）
10	2025-09-14	Cerebrovascular super-resolution 4D Flow MRI - Sequential combination of resolution enhancement by deep learning and physics-informed image processing to non-invasively quantify intracranial velocity, flow, and relative pressure 2023-08, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2023.102831 PMID:37244143	研究论文	提出一种结合深度学习与物理信息图像处理的超分辨率4D Flow MRI方法，用于无创量化颅内血流动力学参数	首次将深度残差网络与物理信息图像处理顺序结合，实现颅内血管的超分辨率血流成像和功能相对压力精准量化	方法目前主要在患者特异性硅基队列和志愿者队列中验证，尚未在大型临床队列中广泛应用	开发定量颅内超分辨率4D Flow MRI方法，提升脑血管血流动力学的无创评估精度	颅内血管系统，特别是Willis环区域的流速、流量和相对压力	医学影像分析	脑血管疾病	4D Flow MRI，深度学习超分辨率，物理信息图像处理	深度残差网络	MRI影像数据	患者特异性硅基队列和体内志愿者队列（具体数量未明确说明）
11	2025-09-13	Enhancing 5-Day Particulate Matter (PM10) Forecasts in Morocco Using U-Net: A Deep Learning Approach 2026-Jan, Atmospheric research IF:4.5Q1 DOI:10.1016/j.atmosres.2025.108439 PMID:40933727	研究论文	使用U-Net深度学习模型提升摩洛哥未来5天颗粒物(PM10)预测精度	中东和北非地区首次应用U-Net进行颗粒物预测，并改进架构以不同分辨率输出预测结果	模型误差显示需要定期用更新数据重新训练以保持预测可靠性	提高颗粒物预测精度以支持健康风险预防和公共健康保护	摩洛哥地区的颗粒物(PM10)浓度	机器学习	NA	深度学习	U-Net	大气监测数据	基于哥白尼大气监测服务(CAMS)的再分析数据和预报数据
12	2025-09-13	Deep learning-based detection of depression by fusing auditory, visual and textual clues 2025-Dec-15, Journal of affective disorders IF:4.9Q1 DOI:10.1016/j.jad.2025.119860 PMID:40675260	研究论文	提出一种基于多模态融合的深度学习模型，用于通过音频、视频和文本线索自动检测抑郁症状	整合视觉、听觉和文本多模态信息，并采用多头交叉注意力网络进行特征融合，在聊天机器人访谈场景中验证模型性能	未进行纵向随访研究，对重度抑郁的适用性需进一步验证	开发自动化抑郁检测人工智能模型	抑郁患者和健康对照者	自然语言处理	精神疾病	多模态特征融合、GPT-2.0	多头交叉注意力网络	音频、视频、文本	内部验证集：152名抑郁患者和118名健康对照；外部验证集：55名抑郁患者和45名健康对照
13	2025-09-13	A generalizable diffusion framework for 3D low-dose and few-view cardiac SPECT imaging 2025-Dec, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103729 PMID:40752375	研究论文	提出一种可泛化的扩散框架DiffSPECT-3D，用于改善3D低剂量和少视角心脏SPECT成像质量	无需网络重新训练或微调即可适应不同采集设置，采用一致性策略和2.5D条件策略解决3D扩散模型的内存/计算问题	NA	提升低剂量和少视角心脏SPECT成像质量并保持临床性能	心脏SPECT图像	医学影像处理	心血管疾病	SPECT成像，扩散模型	扩散模型	3D医学图像	1,325例临床Tc替曲膦负荷/静息研究，来自795名患者
14	2025-09-10	Letter to the editor regarding 'a deep learning approach for gastroscopic manifestation recognition based on Kyoto Gastritis Score' 2025-Dec, Annals of medicine IF:4.9Q1 DOI:10.1080/07853890.2025.2552928 PMID:40922498	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
15	2025-09-13	Predictive modeling and cohort data analytics for student success and retention 2025-Dec, Evaluation and program planning IF:1.5Q2 DOI:10.1016/j.evalprogplan.2025.102689 PMID:40897068	研究论文	基于23,000多名大一新生的数据，分析学术表现和人口统计差异，并开发预测模型以提升学生成功率和保留率	利用深度学习模型预测大二学分积累和GPA，实现主动风险识别并为差异化支持提供依据	研究仅基于单一美国公立大学数据，可能缺乏普适性	通过数据分析和预测建模提升学生学术表现和保留率	23,000多名首次入学的大一新生	机器学习	NA	深度学习	深度学习模型	结构化数据（学术和人口统计数据）	23,000多名大一新生
16	2025-09-13	Pred5AOP: an efficient screening of food-derived antioxidant peptides based on deep learning, molecular docking, and experimental validation 2025-Nov-30, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2025.145769 PMID:40774187	研究论文	本研究开发了一种基于深度学习的抗氧化肽筛选方法Pred5AOP，并通过实验验证其有效性	结合深度学习、分子对接和实验验证，提出了一种高效筛选食物源性抗氧化肽的新策略	NA	从食物蛋白质中高效识别具有抗氧化活性的肽段	29种膳食蛋白质经计算机水解产生的76,343条肽段	机器学习	NA	深度学习、分子对接、分子动力学模拟、量子化学分析	MLP（多层感知机）	肽序列数据	76,343条肽段，从中筛选出6条代表性肽段进行实验验证
17	2025-09-13	CSCE: Cross Supervising and Confidence Enhancement pseudo-labels for semi-supervised subcortical brain structure segmentation 2025-Nov, Journal of neuroscience methods IF:2.7Q3 DOI:10.1016/j.jneumeth.2025.110522 PMID:40653056	研究论文	提出一种基于伪标签交叉监督和置信度增强的半监督皮层下脑结构分割框架CSCE	采用双师生模型（U-Net和TransUNet）进行相互伪标签监督，并设计信息熵和辅助检测任务来提升伪标签可靠性	NA	开发半监督学习方法以解决脑部MR图像中皮层下结构标注数据稀缺的问题	脑部MR图像中的皮层下结构	医学图像分割	脑部疾病	半监督学习，伪标签生成	U-Net, TransUNet	脑部MR图像	两个公共基准脑MRI数据集
18	2025-09-13	Multi-class mental Task Classification based Brain-Computer Interface using Improved Remora depthwise convolutional adaptive neuro-fuzzy inference network model 2025-Nov, Journal of neuroscience methods IF:2.7Q3 DOI:10.1016/j.jneumeth.2025.110536 PMID:40681115	研究论文	提出一种基于改进Remora深度卷积自适应神经模糊推理网络模型的脑机接口多类心理任务分类方法	结合有限线性Haar小波滤波、混合动态中心二值模式与多阈值三元模式特征提取，以及改进Remora优化的深度卷积自适应神经模糊推理网络	NA	开发高精度、鲁棒且计算高效的脑机接口心理任务分类系统	脑电图信号与多类心理任务（基线、计数、乘法、字母组合、旋转）	脑机接口	NA	EEG信号处理、深度学习	IRDCANFIN（改进Remora深度卷积自适应神经模糊推理网络）	脑电图信号	BCI实验室数据集和EEG精神疾病数据集
19	2025-09-13	Hybrid two-stage CNN for detection and staging of periodontitis on panoramic radiographs 2025 Nov-Dec, Journal of oral biology and craniofacial research DOI:10.1016/j.jobcr.2025.08.019 PMID:40927498	研究论文	本研究开发了一种混合两阶段CNN模型，用于在全景X光片上检测和分期牙周炎	结合Mask R-CNN与DenseNet169的混合两阶段架构，实现牙周炎的自动检测与分期	需要进一步开发以提高临床适用性和准确性	评估混合CNN模型在全景X光片上检测和分期牙周炎的性能	牙周炎患者	计算机视觉	牙周病	深度学习	Mask R-CNN, DenseNet169	X光图像	600张全景X光片（训练集70%，验证集10%，测试集20%），外加100张外部测试X光片
20	2025-09-13	SST-DUNet: Smart Swin Transformer and Dense UNet for automated preclinical fMRI skull stripping 2025-Nov, Journal of neuroscience methods IF:2.7Q3 DOI:10.1016/j.jneumeth.2025.110545 PMID:40789440	研究论文	提出一种结合Smart Swin Transformer和Dense UNet的自动化方法SST-DUNet，用于预处理大鼠fMRI数据的颅骨剥离	采用Smart Shifted Window Multi-Head Self-Attention模块替代Swin Transformer中的掩码模块，增强通道特征学习和脑结构依赖关系捕捉，并应用Focal与Dice结合的损失函数处理类别不平衡	NA	开发自动化颅骨剥离方法以替代手动处理，提升 preclinical fMRI 数据分析效率	大鼠fMRI图像	计算机视觉	NA	fMRI	SST-DUNet (基于Swin Transformer和Dense UNet)	图像	三个内部数据集的大鼠fMRI图像