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	2025-09-19	Response to letter regarding "A deep learning approach for gastroscopic manifestation recognition based on Kyoto Gastritis Score" 2025-Dec, Annals of medicine IF:4.9Q1 DOI:10.1080/07853890.2025.2561801 PMID:40964794	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
2	2025-09-23	E2-regulated transcriptome complexity revealed by long-read direct RNA sequencing: from isoform discovery to truncated proteins 2025-Dec, RNA biology IF:3.6Q2 DOI:10.1080/15476286.2025.2563860 PMID:40965441	研究论文	本研究利用纳米孔长读长直接RNA测序技术揭示了雌激素调控的转录组复杂性，发现了新型异构体及其产生的截短蛋白功能	首次结合长读长直接RNA测序、3‘末端测序和深度学习蛋白建模系统解析E2调控的转录组复杂性，发现内含子多聚腺苷酸化mRNA产生的功能性截短蛋白	NA	探索雌激素受体阳性乳腺癌中E2调控的转录组全景及其蛋白水平影响	ERα阳性乳腺癌细胞中的转录组和蛋白质	基因组学	乳腺癌	纳米孔长读长直接RNA测序、3‘末端测序、深度学习蛋白建模	深度学习	RNA测序数据	NA
3	2025-09-23	A Novel Deep Learning Radiomics Nomogram Integrating B-Mode Ultrasound and Contrast-Enhanced Ultrasound for Preoperative Prediction of Lymphovascular Invasion in Invasive Breast Cancer 2025-Nov, Ultrasound in medicine & biology DOI:10.1016/j.ultrasmedbio.2025.06.028 PMID:40764147	研究论文	开发一种整合B超和超声造影的深度学习影像组学列线图，用于术前预测浸润性乳腺癌淋巴血管侵犯	首次将B超和超声造影的深度学习特征与手工特征结合构建预测模型，并采用多中心数据验证	回顾性研究设计，样本来源仅限于三家医院	术前无创预测浸润性乳腺癌的淋巴血管侵犯状态	浸润性乳腺癌患者	医学影像分析	乳腺癌	深度学习影像组学	深度学习列线图	超声图像（B超和超声造影）	981例患者（834例来自医院I，147例来自医院II和III）
4	2025-09-23	A Learnable Physical Deep Learning Model for Sparse Limited View Photoacoustic Tomography 2025-Nov, Ultrasound in medicine & biology DOI:10.1016/j.ultrasmedbio.2025.07.014 PMID:40850901	研究论文	提出一种可学习的物理深度学习模型，用于稀疏有限视角光声断层成像的高质量重建	结合物理模型与深度学习，实现仅需16个探测器的极稀疏信号的高质量光声成像重建	NA	开发稀疏重建算法以降低光声成像系统对密集阵列探头的制造需求	光声断层成像信号与重建图像	医学影像处理	NA	光声断层成像	深度学习模型（具体架构未说明）	光声信号与医学影像	数值模拟与活体实验（具体样本数未说明）
5	2025-09-23	Breast Cancer Diagnosis Using a Dual-Modality Complementary Deep Learning Network With Integrated Attention Mechanism Fusion of B-Mode Ultrasound and Shear Wave Elastography 2025-Nov, Ultrasound in medicine & biology DOI:10.1016/j.ultrasmedbio.2025.08.007 PMID:40858483	研究论文	开发一种融合B超和剪切波弹性成像的双模态互补深度学习网络，用于提升乳腺肿瘤分类和腋窝淋巴结转移预测性能	提出结合注意力机制的双模态特征融合网络，首次将结构特征与刚度特征进行互补性融合	回顾性研究，样本量有限（218例患者），需多中心前瞻性验证	通过多模态深度学习提高乳腺肿瘤诊断和转移预测的准确性	乳腺肿瘤患者（含良性/恶性分类及腋窝淋巴结转移状态）	计算机视觉	乳腺癌	深度学习、注意力机制、多模态融合	DCFAN（双模态互补特征注意力网络）	医学图像（B超和弹性成像配对图像）	218名患者的387对B超和剪切波弹性成像图像
6	2025-09-23	Ovarian masses suggested for MRI examination: assessment of deep learning models based on non-contrast-enhanced MRI sequences for predicting malignancy 2025-Oct, Abdominal radiology (New York) DOI:10.1007/s00261-025-04891-2 PMID:40116887	研究论文	评估四种基于非增强MRI序列的深度学习模型在区分卵巢良恶性肿瘤方面的诊断效能	首次系统比较四种不同深度学习架构在非增强MRI上对卵巢肿瘤良恶性的鉴别性能，并分析模型参数效率	回顾性研究设计，样本量相对有限（526例），未包含对比增强MRI序列	开发基于非增强MRI的深度学习辅助诊断工具，降低卵巢肿瘤诊断成本	经病理证实的卵巢肿瘤患者（良恶性共526例）	数字病理	卵巢癌	非增强磁共振成像（T1WI/T2WI/DWI）	ConvNeXt/FBNet/GhostNet/ResNet50	医学影像	526例患者（367例训练集，159例验证集）
7	2025-09-23	Attention mechanism-based multi-parametric MRI ensemble model for predicting tumor budding grade in rectal cancer patients 2025-Oct, Abdominal radiology (New York) DOI:10.1007/s00261-025-04886-z PMID:40167646	研究论文	开发并验证基于注意力机制的多参数MRI集成模型，用于预测直肠癌患者的肿瘤出芽分级	首次将CrossFormer架构与Transformer注意力机制相结合，构建多参数MRI特征集成模型，有效捕捉不同成像序列间的空间交互作用	回顾性研究设计，样本量相对有限（458例），模型间AUC差异未达到统计学显著性	开发深度学习模型预测直肠癌肿瘤出芽分级	458例经病理确诊的直肠癌患者	数字病理	直肠癌	多参数磁共振成像（T2WI、DWI）	CrossFormer架构深度学习模型，基于Transformer的注意力机制集成模型	医学影像（MRI）	458例患者（355例来自中心1，103例来自另外两个中心）
8	2025-09-23	Deep learning-based segmentation of gallbladder cancer on abdominal computed tomography scans: a multicenter study 2025-Oct, Abdominal radiology (New York) DOI:10.1007/s00261-025-04887-y PMID:40167645	研究论文	基于深度学习的胆囊癌腹部CT扫描分割多中心研究	首次在多中心数据集上系统比较2D和3D分割模型对胆囊癌的自动分割性能，并验证了MedSAM基础模型的优越性	回顾性研究设计，样本量相对有限，未评估模型对治疗决策的临床影响	开发并验证用于胆囊癌CT图像自动分割的深度学习模型	经病理证实的初治胆囊癌患者的对比增强CT图像	计算机视觉	胆囊癌	CT扫描	SAM Adapter, MedSAM, 3D TransUNet, SAM-Med3D, 3D-nnU-Net	医学图像	训练验证集317例（中心1），内部测试集29例，外部测试集85例（三个中心）
9	2025-09-23	Optimizing bladder magnetic resonance imaging: accelerating scan time and improving image quality through deep learning 2025-Oct, Abdominal radiology (New York) DOI:10.1007/s00261-025-04895-y PMID:40167648	研究论文	本研究探讨深度学习在膀胱磁共振T2加权成像中加速扫描时间和提升图像质量的价值	首次将深度学习重建技术应用于膀胱磁共振T2加权成像，实现扫描时间减少近50%的同时提升图像质量	样本量较小（28例患者），需要更大规模研究验证	评估深度学习技术在膀胱磁共振成像中的临床应用价值	膀胱癌患者	医学影像分析	膀胱癌	磁共振成像（MRI）、深度学习重建	深度学习	医学影像	28例连续入组的膀胱癌患者
10	2025-09-23	Arterial phase CT radiomics for non-invasive prediction of Ki-67 proliferation index in pancreatic solid pseudopapillary neoplasms 2025-Oct, Abdominal radiology (New York) DOI:10.1007/s00261-025-04921-z PMID:40178588	研究论文	基于动脉期CT影像组学特征开发深度学习模型，用于胰腺实性假乳头状瘤Ki-67增殖指数的无创预测	首次结合CT影像组学特征与深度学习算法构建非侵入性预测模型，识别CTscore和形态学特征作为关键预测因子	回顾性研究设计，样本量有限（92例患者），需多中心前瞻性验证	术前无创预测胰腺实性假乳头状瘤的Ki-67增殖指数水平	经病理确诊的胰腺实性假乳头状瘤患者	数字病理	胰腺肿瘤	CT影像组学分析、深度学习	GBM、深度学习算法	医学影像（动脉期CT图像）	92例患者（训练集64例，验证集28例）
11	2025-09-23	Deep learning assisted detection and segmentation of uterine fibroids using multi-orientation magnetic resonance imaging 2025-Oct, Abdominal radiology (New York) DOI:10.1007/s00261-025-04934-8 PMID:40188260	研究论文	开发基于多方位MRI的深度学习模型，用于子宫肌瘤的自动检测和分割	首次采用三维nnU-Net框架构建多方位（矢状面和轴向）T2加权MRI的自动分割模型，并对不同尺寸和FIGO分型的肌瘤进行亚组分析	NA	实现子宫肌瘤的自动化检测与分割	经诊断患有子宫肌瘤的患者	医学影像分析	子宫肌瘤	磁共振成像（MRI）	三维nnU-Net	医学影像（T2加权MRI）	内部数据集299例患者（训练集239例，内部测试集60例），外部验证集45例患者
12	2025-09-23	Multi-View Self-Supervised Learning Enhances Automatic Sleep Staging From EEG Signals 2025-Oct, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3561228 PMID:40232903	研究论文	提出一种基于多视图自监督学习的自动睡眠分期方法，通过脑电图信号实现高效睡眠阶段分类	设计多视图特征编码器（时域和频域），引入跨视图对比损失和动态加权算法，显著提升特征可迁移性和模型鲁棒性	未明确说明模型在不同人群或临床环境中的泛化能力限制	开发不依赖大量标注数据的自动睡眠分期框架，提升模型泛化能力	睡眠脑电图（EEG）信号	机器学习	睡眠障碍	自监督学习（SSL）、对比学习	多视图神经网络（含时序编码器和频谱编码器）	EEG信号（时域原始信号和时频特征）	三个公开数据集（SleepEDF-20、SleepEDF-78、MASS），具体样本量未明确说明
13	2025-09-23	Machine learning based radiomic models outperform clinical biomarkers in predicting outcomes after immunotherapy for hepatocellular carcinoma 2025-Oct, Journal of hepatology IF:26.8Q1 DOI:10.1016/j.jhep.2025.04.017 PMID:40246150	研究论文	本研究开发了基于放射组学和临床数据的机器学习模型，用于预测肝细胞癌患者免疫治疗后的生存结果	首次将深度学习自动分割与多种机器学习模型结合，开发了优于传统临床生物标志物的集成预测模型	回顾性研究设计，样本量相对有限（152例患者）	预测肝细胞癌患者接受阿特珠单抗联合贝伐珠单抗免疫治疗后的生存结果和治疗反应	152例接受A/B方案治疗的不可切除肝细胞癌患者	医学影像分析	肝细胞癌	深度学习自动分割、机器学习建模、K-means聚类	七种机器学习模型结合13种特征选择技术	CT影像数据和临床变量	152例患者来自两个国际医疗中心（伦敦帝国理工学院队列和巴黎公立医院联盟队列）
14	2025-09-23	Deep Learning-Augmented Sleep Spindle Detection for Acute Disorders of Consciousness: Integrating CNN and Decision Tree Validation 2025-Oct, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3562067 PMID:40279237	研究论文	提出一种结合CNN和决策树验证的深度学习增强算法，用于急性意识障碍患者的自动睡眠纺锤波检测	首次将CNN与决策树辅助验证相结合，利用小波变换原理提升ADOC患者低频纺锤波的检测精度	样本量有限（MASS SS2数据集n=19，自采ADOC数据集n=24），需要更大规模临床验证	开发高精度的自动睡眠纺锤波检测算法，探索纺锤波密度与ADOC患者预后的相关性	急性意识障碍（ADOC）患者的睡眠纺锤波	医疗人工智能	急性意识障碍	小波变换、Spearman相关系数分析	CNN（卷积神经网络）与决策树集成	睡眠脑电信号	MASS SS2数据集19例，自采ADOC患者数据集24例
15	2025-09-23	Preclinical Evaluation of an Interactive Image Search System of Oral Pathology 2025-Oct, Journal of dental research IF:5.7Q1 DOI:10.1177/00220345251329042 PMID:40320652	研究论文	评估基于深度学习的交互式图像检索系统Luigi-Oral在口腔肿瘤诊断中的临床实用性	首次在近临床环境中远程评估交互式CBIR系统对病理医生诊断准确性的影响	误诊可能源于查询输入不当、罕见形态类型检索性能差、缺乏详细临床信息或系统无法检索到准确类别	验证交互式图像检索系统在口腔肿瘤诊断中的辅助效果	口腔肿瘤病理图像	数字病理	口腔肿瘤	深度学习、基于内容的图像检索(CBIR)	深度学习模型	病理图像	603个病例的54,676张图像块，涵盖85种口腔肿瘤类型；28名病理医生参与评估
16	2025-09-23	Enhanced risk stratification for stage II colorectal cancer using deep learning-based CT classifier and pathological markers to optimize adjuvant therapy decision 2025-Oct, Annals of oncology : official journal of the European Society for Medical Oncology IF:56.7Q1 DOI:10.1016/j.annonc.2025.05.537 PMID:40480552	研究论文	开发结合深度学习CT分类器和病理标志物的智能风险整合系统，用于优化II期结直肠癌辅助治疗决策	首次将Swin Transformer深度学习模型与病理标志物结合，创建四层风险分层系统，显著提升风险预测精度	研究基于回顾性多中心数据，需要前瞻性临床试验验证	提高II期结直肠癌患者风险分层准确性，优化辅助化疗决策	II期结直肠癌患者	数字病理	结直肠癌	深度学习、计算机断层扫描成像分析	Swin Transformer	CT图像、病理标志物数据	2992例II期结直肠癌患者来自12个中心
17	2025-09-23	Artificial Intelligence for Alzheimer's disease diagnosis through T1-weighted MRI: A systematic review 2025-Oct, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.111028 PMID:40902465	系统综述	本文系统评估了基于T1加权MRI数据使用人工智能技术对阿尔茨海默病多个阶段进行分类的研究现状	首次系统综述专注于使用AI技术基于T1加权MRI对AD连续谱中多个阶段进行分类的研究，并比较了不同方法的性能	研究方法存在异质性，存在过拟合风险，且过度依赖ADNI数据库导致数据集多样性不足	评估人工智能在阿尔茨海默病多阶段诊断中的应用效果	阿尔茨海默病患者及其不同疾病阶段的神经影像数据	医学影像分析	阿尔茨海默病	T1加权磁共振成像	CNN、非卷积神经网络、传统机器学习	医学影像	基于ADNI数据库的多中心研究数据
18	2025-09-23	A Guided Refinement Network Model With Joint Denoising and Segmentation for Low-Dose Coronary CTA Subtle Structure Enhancement 2025-Oct, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3561338 PMID:40293900	研究论文	提出一种基于联合学习的引导优化网络模型，用于低剂量冠状动脉CTA图像的降噪和细微结构增强	首次将冠状动脉分割集成到降噪过程中，通过双向引导机制实现降噪与分割的协同优化	NA	提升低剂量冠状动脉CTA图像的成像质量，辅助冠状动脉疾病诊断	低剂量冠状动脉CTA图像	医学影像处理	心血管疾病	深度学习	引导优化网络	医学影像	NA
19	2025-09-23	Smarter stomata: emergent technologies unlocking yield potential in a changing climate 2025-Oct, AoB PLANTS IF:2.6Q2 DOI:10.1093/aobpla/plaf048 PMID:40979128	综述	本文探讨了气孔性状在培育气候韧性作物中的潜力及新兴技术如何推动其育种应用	系统整合深度学习、CRISPR、多组学等前沿技术构建气孔性状育种新范式	未明确具体作物物种或实验验证数据	开发基于气孔性状调控的作物抗逆育种策略	植物气孔生理与解剖性状	农业生物技术	NA	深度学习、CRISPR、多组学分析、遥感技术	人工智能驱动模型	生理表型数据、图像数据	NA
20	2025-09-23	The Role of Artificial Intelligence in Advancing Theranostics Dosimetry for Cancer Therapy: a Review 2025-Oct, Nuclear medicine and molecular imaging IF:1.3Q3 DOI:10.1007/s13139-025-00939-9 PMID:40979137	综述	探讨人工智能在癌症诊疗一体化放射药物剂量学中的应用价值	系统评述深度学习模型（U-Net、生成对抗网络、混合Transformer）在剂量学中的创新应用	面临诊疗配对剂量估算精度不足、影像数据匮乏、核素衰变链建模等挑战	评估AI提升放射药物治疗剂量学精度与效率的潜力	放射药物剂量学相关文献与方法	医学人工智能	癌症	深度学习	U-Net、GAN、Transformer	医学影像	文献综述（未明确样本量）