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	2025-07-17	Shared subspace learning via partial Tucker decomposition for hyperspectral image classification 2025-Dec-15, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2025.126584 PMID:40580669	research paper	提出了一种基于张量的分类框架SSTC，用于高光谱图像分类，通过学习共享的空间和光谱子空间来保持数据的多维结构	采用部分Tucker分解学习共享子空间，有效降维的同时保留维度间关键关系，提供可解释的特征提取	未提及具体样本量限制或计算资源需求	开发高效且可解释的高光谱图像分类方法	高光谱图像数据	computer vision	NA	partial Tucker decomposition	tensor-based classification framework (SSTC)	hyperspectral image	未明确提及具体样本量，但涉及李子皮下淤伤检测和芒果成熟度分类两个任务
2	2025-07-17	Quantitative Analysis of Deltamethrin Residues in Water Using Surface-Enhanced Raman Spectroscopy 2025-Dec-15, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2025.126545 PMID:40614471	研究论文	本研究创新性地结合表面增强拉曼光谱(SERS)与增强深度神经网络，提出了一种高灵敏度且准确的水中溴氰菊酯残留定量分析方法	通过引入门控循环单元(GRU)和注意力机制，构建了CNN-GRU-Attention增强混合神经网络，显著提升了特征提取能力和非线性关系建模	NA	开发一种高灵敏度且准确的水中溴氰菊酯残留定量分析方法	水中的溴氰菊酯残留	机器学习和光谱分析	NA	表面增强拉曼光谱(SERS)	CNN-GRU-Attention混合神经网络	光谱数据	NA
3	2025-07-17	A deep learning model for accurate segmentation of the Drosophila melanogaster brain from Micro-CT imaging 2025-Sep, Developmental biology IF:2.5Q2 DOI:10.1016/j.ydbio.2025.05.027 PMID:40447251	research paper	该论文提出了一种深度学习模型，用于从Micro-CT成像中准确分割果蝇大脑	该研究展示了仅需1-3张果蝇大脑Micro-CT图像即可训练出准确的3D深度学习模型，并能够适应不同的组织对比染色、扫描仪型号和基因型	需要依赖预训练的神经网络，且训练数据量有限	开发一种能够高效准确分割果蝇大脑Micro-CT图像的深度学习模型	成年果蝇（Drosophila melanogaster）大脑	computer vision	NA	Micro-CT成像	3D deep learning model	3D图像	1-3张Micro-CT图像
4	2025-07-17	Performance of AI methods in PET-based imaging for outcome prediction in lymphoma: A systematic review and meta-analysis 2025-Sep, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.112204 PMID:40466216	meta-analysis	评估人工智能方法在基于PET成像的淋巴瘤预后预测中的表现	首次通过系统综述和荟萃分析评估AI方法在淋巴瘤预后预测中的表现，特别是深度学习的优越性	需要进一步的前瞻性研究以验证临床应用的可行性	评估AI方法在淋巴瘤预后预测中的性能	淋巴瘤患者	数字病理学	淋巴瘤	PET成像	深度学习(DL), 机器学习(ML), 放射组学	图像	75项研究，主要关注非霍奇金淋巴瘤(NHL, n=61)
5	2025-07-17	Learning discrete structures for cancer radiomics 2025-Sep, APL bioengineering IF:6.6Q1 DOI:10.1063/5.0260927 PMID:40655195	研究论文	本文提出了一种基于图像图的神经网络方法，用于癌症放射组学分析，通过共同学习图像图和优化特征来提高性能	开发了一种能够同时学习图像图和优化特征的Image-Graph based neural Network，解决了现有方法忽略图像间潜在关系的问题	未明确提及具体局限性	提高癌症放射组学分析的性能	癌症图像数据	数字病理	癌症	放射组学分析	Image-Graph based neural Network	图像	来自五家不同医院的四个真实数据集
6	2025-07-17	Enhanced accuracy and stability in automated intra-pancreatic fat deposition monitoring of type 2 diabetes mellitus using Dixon MRI and deep learning 2025-Aug, Abdominal radiology (New York) DOI:10.1007/s00261-025-04804-3 PMID:39841227	研究论文	开发了一种基于Dixon MRI和深度学习的自动化方法，用于准确评估2型糖尿病患者的胰腺内脂肪沉积	结合深度语义分割特征放射组学(DSFR)和传统放射组学特征，构建了深度学习放射组学(DLR)模型，显著提高了胰腺内脂肪沉积监测的准确性和稳定性	由于前驱糖尿病患者数量有限，未对区分前驱糖尿病和非糖尿病进行测试	开发准确自动化的胰腺内脂肪沉积评估方法，用于2型糖尿病风险预测	534名接受上腹部MRI检查的患者	数字病理学	2型糖尿病	多回波Dixon MRI, 双回波Dixon MRI	nnU-Net, 支持向量机, 深度学习放射组学(DLR)模型	MRI图像	来自两个中心的534名患者
7	2025-07-17	The future of Alzheimer's disease risk prediction: a systematic review 2025-Aug, Neurological sciences : official journal of the Italian Neurological Society and of the Italian Society of Clinical Neurophysiology IF:2.7Q3 DOI:10.1007/s10072-025-08167-x PMID:40220257	系统综述	本文系统综述了机器学习在阿尔茨海默病风险预测中的应用，包括MRI、遗传学、放射组学和医疗数据的使用	整合了传统和AI模型，全面分析神经影像和非神经影像特征在阿尔茨海默病预测中的应用	仅纳入了2000年至2024年的120项研究，可能未涵盖所有相关研究	探讨AI在阿尔茨海默病风险预测中的潜力，以改进早期诊断和个性化干预策略	阿尔茨海默病的风险预测模型	机器学习	阿尔茨海默病	MRI、遗传学、放射组学	深度学习(DL)、机器学习(ML)	神经影像数据、非神经影像数据	120项研究
8	2025-07-17	Enhanced reconstruction of atomic force microscopy cell images to super-resolution 2025-Aug, Journal of microscopy IF:1.5Q3 DOI:10.1111/jmi.13423 PMID:40341533	研究论文	本研究提出了一种基于深度学习的跨模块方法，用于超分辨率重建原子力显微镜（AFM）细胞图像，通过整合频率分割和自适应融合模块显著提升图像质量	提出了一种增强的空间融合结构和优化的反向投影机制，结合对抗性超分辨率网络，有效检测AFM细胞图像特有的弱信号和复杂纹理，并设计了基于交叉的频率分割模块以分离和增强与细胞结构相关的特征	未明确提及具体局限性，但可能受限于AFM图像采集的固有噪声或特定细胞类型的适用性	提升AFM细胞图像的分辨率和质量，以支持细胞生物学研究和生物医学应用	原子力显微镜（AFM）捕获的细胞图像	计算机视觉	NA	原子力显微镜（AFM）成像与深度学习	对抗性超分辨率网络（GAN）	图像（AFM细胞表面形貌图）	多种细胞的AFM图像（未明确数量）
9	2025-07-17	Development of a deep learning method for phase retrieval image enhancement in phase contrast microcomputed tomography 2025-Aug, Journal of microscopy IF:1.5Q3 DOI:10.1111/jmi.13419 PMID:40357880	研究论文	开发了一种基于深度学习的相位检索图像增强方法，用于相位对比显微计算机断层扫描	提出了一种名为EVEPR的深度学习方法，通过整合去噪EEC和PR图像的互补空间特征，显著提升了图像质量	未提及该方法在更广泛样本或不同成像条件下的适用性	解决传统PBI-µCT图像处理中的过平滑和噪声敏感性问题	低密度材料（如水凝胶构建物）的显微计算机断层扫描图像	计算机视觉	NA	相位对比显微计算机断层扫描（PBI-µCT）	CNN	图像	体外和离体的低密度水凝胶构建物PBI-µCT图像
10	2025-07-17	Learning-Based Classification of B- and T-Cell Lymphoma on Histopathological Images: A Multicenter Study 2025-Aug, European journal of haematology IF:2.3Q2 DOI:10.1111/ejh.14433 PMID:40360162	研究论文	本研究探讨了深度学习模型在B细胞和T细胞淋巴瘤组织病理学图像分类中的首次可行性应用	首次在组织病理学图像上应用深度学习模型进行B细胞和T细胞淋巴瘤分类，并集成了卷积块注意力模块(CBAMs)	研究样本量相对有限(1510个切片)，且仅针对H&E染色图像	开发AI驱动的淋巴瘤分类系统以提高诊断精度并减少对人工染色和判读的依赖	B细胞和T细胞淋巴瘤的组织病理学图像	数字病理学	淋巴瘤	H&E染色	CNN (Xception, NASNetL, ResNet50, EfficientNet) 与 CBAMs结合	图像	1510个H&E染色切片(750个B细胞，760个T细胞)
11	2025-07-17	Portable Ultrasound Bladder Volume Measurement Over Entire Volume Range Using a Deep Learning Artificial Intelligence Model in a Selected Cohort: A Proof of Principle Study 2025-Aug, Neurourology and urodynamics IF:1.8Q3 DOI:10.1002/nau.70057 PMID:40384598	研究论文	本研究探讨了使用深度学习人工智能模型（AI-BV）在便携式超声膀胱扫描仪（PUBS）上测量膀胱体积的准确性是否优于传统方法（C-BV）	研究首次在特定队列中验证了深度学习AI模型在膀胱体积测量上的准确性优于传统方法	研究仅在内部验证队列中进行，未进行外部验证，且样本量有限	比较深度学习AI模型与传统方法在膀胱体积测量上的准确性	250名因下尿路症状接受充盈性膀胱测压的患者（213名男性，37名女性）	数字病理学	下尿路症状	便携式超声膀胱扫描（PUBS）	深度学习AI模型	超声图像	250名患者（213男，37女），1912张膀胱图像
12	2025-07-17	Large-scale deep learning for metastasis detection in pathology reports 2025-Aug, JAMIA open IF:2.5Q3 DOI:10.1093/jamiaopen/ooaf070 PMID:40655537	研究论文	本研究开发了一种深度学习模型，用于从病理报告中自动检测转移性癌症患者	开发了一个针对特定任务的深度学习模型，其在性能上优于通用的大型语言模型（LLM），并通过不确定性量化提高了召回率	研究仅基于来自4个SEER登记处的病理报告，可能无法覆盖所有癌症类型和人群	开发一种能够从非结构化病理报告中自动识别转移性癌症的算法	60,471份非结构化病理报告	数字病理	癌症	深度学习	深度神经网络	文本	60,471份病理报告
13	2025-07-17	Brain Age Prediction: Deep Models Need a Hand to Generalize 2025-Aug-01, Human brain mapping IF:3.5Q1 DOI:10.1002/hbm.70254 PMID:40667664	研究论文	本研究通过改进预处理、数据增强和模型正则化技术，显著提升了基于T1加权MRI的脑年龄预测模型的泛化能力和准确性	提出综合预处理、数据增强和模型正则化方法，将泛化MAE降低高达47%，并首次实现扫描-重扫描误差降低13%	研究仍受限于医学影像训练数据量不足的问题	提高深度学习模型在脑年龄预测中的泛化能力，推动其临床应用	T1加权MRI脑部影像数据	医学影像分析	阿尔茨海默病	T1加权MRI	SFCN-reg（基于VGG-16架构）	医学影像	UK Biobank数据集、ADNI数据集和AIBL数据集
14	2025-07-17	Explainable CT-based deep learning model for predicting hematoma expansion including intraventricular hemorrhage growth 2025-Jul-18, iScience IF:4.6Q1 DOI:10.1016/j.isci.2025.112888 PMID:40655092	research paper	开发并验证了一种基于CT的深度学习模型HENet，用于预测血肿扩张（包括脑室内出血增长）	HENet模型在预测血肿扩张方面表现优于传统2D模型和医生预测，并通过Grad-CAM技术提供了模型决策的可视化解释	研究为回顾性多中心研究，可能存在选择偏倚	提高脑出血患者血肿扩张预测的准确性	718名脑出血患者的CT扫描和临床数据	digital pathology	cardiovascular disease	CT扫描	deep learning (HENet)	image (CT scans) 和 clinical data	718名脑出血患者
15	2025-07-17	ComptoNet: a Compton-map guided deep learning framework for multi-scatter estimation in multi-source stationary CT 2025-Jul-16, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/adebd7 PMID:40609598	研究论文	提出了一种名为ComptoNet的解耦深度学习框架，用于多源静态CT中的多散射估计	创新点在于引入了Compton-map表示大角度康普顿散射信号，并采用双网络架构进行散射估计和校正	实验数据基于蒙特卡洛模拟，未提及真实临床数据的验证	解决多源静态CT中缺乏抗散射网格导致的严重散射污染问题	多源静态CT系统	计算机视觉	NA	深度学习	条件编码器-解码器网络, 频率U-Net	CT图像	蒙特卡洛模拟数据（未提具体数量）
16	2025-07-17	Computer vision techniques for high-speed atomic force microscopy of DNA molecules 2025-Jul-16, Nanotechnology IF:2.9Q2 DOI:10.1088/1361-6528/ade888 PMID:40570888	研究论文	本文探讨了深度学习技术在高速原子力显微镜（HSAFM）图像分析中的应用，以提高DNA分子的检测和分类效率	使用全卷积网络（FCN）和YOLOv8架构优化HSAFM图像的质量评估和目标检测，显著提高了诊断速度和准确性	研究仅针对特定疾病（如三核苷酸重复扩增疾病和脆性X综合征）的DNA样本，可能不适用于其他类型的DNA分析	提高HSAFM图像分析的自动化水平，以加速基于基因组学的疾病诊断	DNA分子，特别是来自三核苷酸重复扩增疾病和脆性X综合征患者的样本	计算机视觉	遗传性疾病	高速原子力显微镜（HSAFM）	FCN, YOLOv8	图像	20000张包含DNA分子的图像，其中248个标记分子（33个真实目标）
17	2025-07-17	Automated multi-model framework for malaria detection using deep learning and feature fusion 2025-Jul-16, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-04784-w PMID:40664727	研究论文	提出了一种基于深度学习和特征融合的多模型框架，用于自动化疟疾检测	结合了ResNet 50、VGG16和DenseNet-201进行特征提取，采用特征融合和降维技术，以及支持向量机和LSTM网络的混合分类方案，通过多数投票机制提升预测鲁棒性	未提及在真实临床环境中的验证情况	开发一种自动化诊断框架以提高疟疾检测的准确性和效率	疟疾的显微镜薄血涂片图像	计算机视觉	疟疾	深度学习，机器学习	ResNet 50, VGG16, DenseNet-201, SVM, LSTM	图像	27,558张显微镜薄血涂片图像
18	2025-07-17	A non-anatomical graph structure for boundary detection in continuous sign language 2025-Jul-16, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-11598-3 PMID:40664813	研究论文	提出一种基于深度学习的非解剖图结构方法，用于连续手语视频中的边界检测	结合GCN和Transformer模型，提出非解剖图结构以更好地表示手部关节运动和关系	仅在两数据集上验证，未提及其他潜在限制	改进连续手语视频中孤立手语边界检测的性能	连续手语视频中的孤立手语	计算机视觉	NA	深度学习	GCN, Transformer	视频	两数据集（未明确样本数量）
19	2025-07-17	MR-Transformer: A Vision Transformer-based Deep Learning Model for Total Knee Replacement Prediction Using MRI 2025-Jul-16, Radiology. Artificial intelligence DOI:10.1148/ryai.240373 PMID:40668131	research paper	开发了一种基于Transformer的深度学习模型MR-Transformer，用于通过MRI预测膝关节骨关节炎进展至全膝关节置换术(TKR)	利用ImageNet预训练和三维空间相关性，首次将Transformer架构应用于膝关节MRI的TKR预测	研究为回顾性设计，样本量相对有限，且仅使用了特定数据库的MRI序列	开发高性能深度学习模型预测膝关节骨关节炎进展至TKR	膝关节MRI图像	digital pathology	geriatric disease	MRI	Transformer	3D medical image	623例匹配病例对照(353例来自OAI数据库，270例来自MOST数据库)
20	2025-07-17	Single Inspiratory Chest CT-based Generative Deep Learning Models to Evaluate Functional Small Airway Disease 2025-Jul-16, Radiology. Artificial intelligence DOI:10.1148/ryai.240680 PMID:40668132	研究论文	开发了一种基于单次吸气胸部CT扫描的生成式深度学习模型，用于评估功能性小气道疾病	提出了一种新的生成式深度学习模型，仅需单次吸气CT扫描即可生成参数响应图并预测功能性小气道疾病，性能优于现有算法	研究为回顾性研究，模型性能在不同测试集中存在一定波动	开发基于深度学习的医学影像分析工具用于肺部疾病评估	功能性小气道疾病患者	数字病理学	肺部疾病	深度学习	生成式深度学习模型	CT影像	308名患者（中位年龄67岁）