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	2025-06-16	Detection of ninhydrin-glyphosate in groundwater via the colour chart-assisted digital camera method 2025-Oct-15, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2025.126253 PMID:40273772	研究论文	本研究介绍了一种新颖的一次性多标准色卡应用，通过三种仪器（颜色可见分光光度计、数码单反相机和移动相机）分析地下水样品中的草甘膦含量	首次将一次性多标准色卡应用于三种不同仪器进行草甘膦检测，并探索了通过人眼模型颜色空间分析数据的方法	数码单反相机存在离子干扰导致浓度高估，而颜色可见分光光度计受磷酸盐和硝酸盐影响	开发一种实时监测地下水草甘膦含量的经济高效、用户友好的即时检测技术	地下水样品中的草甘膦	环境监测	NA	颜色可见分光光度计、数码相机分析	NA	图像、光谱数据	75 mL 地下水样品（浓度范围50-500 ng/mL）
2	2025-06-16	Automatic deep learning segmentation of mandibular periodontal bone topography on cone-beam computed tomography images 2025-Aug, Journal of dentistry IF:4.8Q1 DOI:10.1016/j.jdent.2025.105813 PMID:40373868	research paper	本研究评估了一种基于多阶段分割残差网络（SegResNet）的深度学习模型在自动分割III期和IV期牙周炎患者锥形束计算机断层扫描（CBCT）图像中的性能	提出了一种基于SegResNet的深度学习模型，用于自动分割牙周炎患者的CBCT图像，相比半自动方法减少了47倍的分割时间	模型在牙周区域颊侧的一致性较低，需提高其稳健性以增强整体可靠性和一致性	评估深度学习模型在牙周炎患者CBCT图像分割中的性能和准确性	III期和IV期牙周炎患者的CBCT图像	digital pathology	periodontitis	CBCT	SegResNet	image	70例CBCT扫描用于训练和验证，10例独立CBCT扫描用于测试
3	2025-06-16	Fully automated evaluation of condylar remodeling after orthognathic surgery in skeletal class II patients using deep learning and landmarks 2025-Aug, Journal of dentistry IF:4.8Q1 DOI:10.1016/j.jdent.2025.105819 PMID:40389149	研究论文	本研究开发了一种基于深度学习和解剖标志的全自动方法，用于评估骨骼II类患者正颌手术后的髁突重塑	结合解剖标志引导的分割与配准，实现了髁突重塑评估的全自动化流程，效率提升150倍	研究样本量未明确说明，且方法在极端重塑情况下的适用性有待验证	开发高效准确的正颌手术预后评估工具	骨骼II类正颌手术患者的髁突结构	数字病理	颞下颌关节紊乱	CT成像、ICP配准算法	V-Net	3D医学影像	NA
4	2025-06-16	Accuracy and time efficiency of deep learning-based three-dimensional crown segmentation on intraoral scanning: a systematic review and meta-analysis 2025-Aug, Journal of dentistry IF:4.8Q1 DOI:10.1016/j.jdent.2025.105842 PMID:40414275	系统综述与荟萃分析	本文通过系统综述和荟萃分析评估了基于深度学习的口腔内扫描三维牙冠分割的准确性和时间效率	首次通过荟萃分析量化了深度学习在口腔内扫描牙冠分割中的准确性和时间效率，并比较了不同牙齿类型的分割效果	纳入研究存在数据选择和指标测试的异质性，且目前算法尚不能精确分割牙龈边界	评估深度学习在口腔内扫描牙冠分割中的准确性和时间效率	口腔内扫描图像中的牙冠分割	数字病理	牙科疾病	深度学习图像分割	深度学习（未指定具体模型）	三维口腔内扫描图像	44项符合纳入标准的研究（来自1220篇初步检索文献）
5	2025-06-16	Artificial intelligence revolution in drug discovery: A paradigm shift in pharmaceutical innovation 2025-Jul-25, International journal of pharmaceutics IF:5.3Q1 DOI:10.1016/j.ijpharm.2025.125789 PMID:40451590	综述	本文探讨了人工智能在药物发现中的革命性作用及其对制药创新的影响	利用AI技术（如ML、DL和NLP）优化药物开发的多个阶段，包括靶点识别、先导化合物优化和新药设计	数据可及性有限、多样化数据集的整合、AI模型的可解释性以及伦理问题	探讨人工智能如何改变药物发现过程，提高效率并降低成本	药物发现过程中的各个阶段，如靶点识别、先导化合物优化和新药设计	人工智能在制药领域的应用	NA	机器学习（ML）、深度学习（DL）、自然语言处理（NLP）	AlphaFold、AtomNet	化学和生物数据	NA
6	2025-06-16	Deep learning model for low-dose CT late iodine enhancement imaging and extracellular volume quantification 2025-Jul, European radiology IF:4.7Q1 DOI:10.1007/s00330-024-11288-0 PMID:39704803	研究论文	开发并验证了用于降噪晚期碘增强（LIE）图像并实现准确细胞外体积（ECV）量化的深度学习模型	提出了两种深度学习模型（RDN和cGAN）用于降噪LIE图像，并显著提高了图像质量和ECV量化准确性	研究为回顾性设计，样本量相对有限（423例患者）	开发能够降噪LIE图像并准确量化ECV的深度学习模型	胸部不适患者的心肌灌注CT+血管造影CT+LIE图像	医学影像分析	心血管疾病	CT成像	RDN（残差密集网络）和cGAN（条件生成对抗网络）	医学影像	423例患者（182例训练集，48例调参集，92例内部验证集，101例外部验证集）
7	2025-06-16	Generalizability, robustness, and correction bias of segmentations of thoracic organs at risk in CT images 2025-Jul, European radiology IF:4.7Q1 DOI:10.1007/s00330-024-11321-2 PMID:39738559	research paper	评估和比较两种先进的深度学习方法在CT图像中分割四个胸部风险器官（食管、气管、心脏和主动脉）的性能	比较多器官分割方法和多个单器官模型融合方法，评估其对抗扰动的鲁棒性和外部数据集的泛化能力，并探讨专家校正引入的潜在偏差	专家校正可能引入偏差，需要手动标注的测试集来评估方法性能	提高放射治疗计划中胸部风险器官分割的效率和准确性	胸部风险器官（食管、气管、心脏和主动脉）	digital pathology	NA	CT成像	nnU-Net	image	NA
8	2025-06-16	Malignancy risk stratification for pulmonary nodules: comparing a deep learning approach to multiparametric statistical models in different disease groups 2025-Jul, European radiology IF:4.7Q1 DOI:10.1007/s00330-024-11256-8 PMID:39747589	research paper	比较深度学习方法和多参数统计模型在不同疾病组中对肺结节恶性风险分层的性能	首次在多种风险特征和潜在肺部疾病的队列中评估了LCP-CNN的性能，并展示了其相对于传统方法的优越性	研究为回顾性分析，样本量相对较小（297名患者，422个结节）	评估深度学习模型在肺结节恶性风险分类中的性能	肺结节患者（包括筛查、肺气肿和间质性肺病患者）	digital pathology	lung cancer	CT扫描	CNN	image	297名患者，422个肺结节（其中105个为恶性）
9	2025-06-16	Deep learning-based image domain reconstruction enhances image quality and pulmonary nodule detection in ultralow-dose CT with adaptive statistical iterative reconstruction-V 2025-Jul, European radiology IF:4.7Q1 DOI:10.1007/s00330-024-11317-y PMID:39792163	research paper	该研究评估了基于深度学习的图像域重建在超低剂量CT（ULDCT）中的应用，以提升图像质量和肺结节检测能力	首次在超低剂量CT中应用深度学习图像重建（DLIR）技术，显著提升了图像质量和结节检测率	研究仅针对肺结节检测，未涉及其他肺部病变的检测效果	评估深度学习图像重建技术在超低剂量CT中的性能	210名接受肺癌筛查的患者	digital pathology	lung cancer	deep learning image reconstruction (DLIR), adaptive statistical iterative reconstruction-V (ASiR-V)	deep learning	image	210名患者的463个肺结节
10	2025-06-16	Deep learning for forensic age estimation using orthopantomograms in children, adolescents, and young adults 2025-Jul, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-11373-y PMID:39862249	research paper	该研究利用卷积神经网络（CNN）和大型多样化数据集改进儿童、青少年和年轻成人的法医年龄估计	使用自定义CNN和大规模多样化数据集，显著提高了法医年龄估计的准确性和可靠性	研究样本主要集中在1至25岁的人群，可能不适用于其他年龄段	改进法医年龄估计的准确性和效率	儿童、青少年和年轻成人的口腔全景片（OPGs）	digital pathology	NA	卷积神经网络（CNN）	CNN	image	21,814张OPGs来自13,766名1至25岁以下的个体
11	2025-06-16	Deep learning-based time-of-flight (ToF) enhancement of non-ToF PET scans for different radiotracers 2025-Jul, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-025-07119-z PMID:39964543	research paper	本文评估了一种基于深度学习的飞行时间（DLToF）模型，用于提升非飞行时间PET图像的质量，针对不同示踪剂	开发了三种不同强度的DLToF模型（低、中、高），适用于多种示踪剂，并在多个国际站点进行验证	研究仅基于GE Discovery MI（DMI）飞行时间扫描仪的数据，可能不适用于其他设备	提升非飞行时间PET图像的质量，使其接近飞行时间PET图像的水平	PET图像，特别是使用不同示踪剂的非飞行时间PET图像	digital pathology	NA	深度学习，3D残差U-NET模型	3D residual U-NET	image	309个训练数据集和33个验证数据集，测试集包含60个DMI数据集（4种示踪剂，每种15次检查）
12	2025-06-16	Artificial intelligence-powered coronary artery disease diagnosis from SPECT myocardial perfusion imaging: a comprehensive deep learning study 2025-Jul, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-025-07145-x PMID:39976703	研究论文	本研究利用深度学习方法开发了基于SPECT心肌灌注成像的冠状动脉疾病诊断模型	采用了13种不同的深度学习模型和4种输入类型，结合数据增强和半监督学习策略，显著提升了CAD诊断性能	模型仅在LAD区域表现出良好性能，对其他冠状动脉区域的适用性有限	开发基于深度学习的冠状动脉疾病自动诊断系统	940名接受SPECT-MPI检查的患者（其中281名有ICA数据）	数字病理	心血管疾病	SPECT-MPI, 侵入性冠状动脉造影(ICA)	DenseNet201, ResNet152V2, InceptionResNetV2等13种深度学习模型	医学影像（SPECT-MPI极坐标图）	940例患者（281例有ICA数据）
13	2025-06-16	Multi-site, multi-vendor development and validation of a deep learning model for liver stiffness prediction using abdominal biparametric MRI 2025-Jul, European radiology IF:4.7Q1 DOI:10.1007/s00330-024-11312-3 PMID:39779515	研究论文	开发并验证了一种基于深度学习的模型，用于通过常规临床非对比腹部T1加权和T2加权MRI数据预测肝脏硬度	首次在多机构、多厂商的数据集上开发和验证了用于肝脏硬度分类的深度学习模型，且模型性能在不同验证实验中表现一致	模型性能仍有提升空间，且未整合临床特征	开发并验证深度学习模型以预测MRE衍生的肝脏硬度，减少对MRE的需求	成人和儿童慢性肝病患者	数字病理学	慢性肝病	MRI（T1加权和T2加权）	深度学习模型（DeepLiverNet2.0）	图像（MRI数据）	4295名患者的4695次MRI检查
14	2025-06-16	Unraveling the neural dynamics of mathematical interference in english reading: A novel approach with deep learning and fNIRS data 2025-Jul, Brain research bulletin IF:3.5Q2 DOI:10.1016/j.brainresbull.2025.111398 PMID:40409600	研究论文	本研究通过结合fNIRS、深度学习和数据挖掘技术，探讨了英语学习中的数学认知干扰机制	提出了一种名为AC-LSTM的新型深度学习模型，结合了Transformer和LSTM架构，用于识别英语学习过程中的数学认知残留	NA	探究英语学习与数学认知之间的神经机制	英语学习过程中的数学认知干扰	教育神经科学	NA	fNIRS, 深度学习, 数据挖掘	AC-LSTM (结合Transformer和LSTM架构)	fNIRS数据	NA
15	2025-06-16	Intergenerational inequity from hydrological drought in a warming world 2025-Jul, Journal of environmental management IF:8.0Q1 DOI:10.1016/j.jenvman.2025.125988 PMID:40449421	research paper	该研究量化了全球变暖背景下不同世代面临的水文干旱风险，揭示了气候变化导致的代际不平等问题	首次构建了干旱模拟的级联模型链，量化了2020年和1960年出生人群的终身干旱暴露差异	研究基于SSP5-85情景和5个GCM输出，结果可能受限于气候模型的不确定性	评估全球变暖对不同世代水文干旱暴露的影响	全球4091个流域的水文干旱演变	气候变化	NA	混合陆地模型、深度学习和多模型集成	深度学习模型	气候模型输出和水文数据	4091个流域
16	2025-06-16	Formation mechanism analysis and the prediction for compound flood arising from rainstorm and tide using explainable artificial intelligence 2025-Jul, Journal of environmental management IF:8.0Q1 DOI:10.1016/j.jenvman.2025.125858 PMID:40450943	research paper	该研究提出了一种可解释人工智能框架，用于分析暴雨和潮汐引发的复合洪水形成机制并进行预测	结合LSTM网络和多头注意力机制作为城市洪水模拟的替代模型，并利用SHAP方法解释模型决策过程，揭示复合洪水场景中的关键驱动因素及其相互作用	模型性能略低于基于物理的模型	提高洪水模拟的准确性和透明度，分析复合洪水的形成机制	沿海城市暴雨和潮汐引发的复合洪水	machine learning	NA	XAI, SHAP	LSTM, MHA	NA	NA
17	2025-06-16	Approaches for Measuring and Predicting Fouling During Thermal Processing of Dairy Solutions 2025-Jul, Comprehensive reviews in food science and food safety IF:12.0Q1 DOI:10.1111/1541-4337.70209 PMID:40511546	综述	本文综述了乳制品热处理过程中污垢测量和预测的当前方法，强调了科学原理、技术成熟度和工业适用性	与现有主要关注污垢量化的综述不同，本文突出了向预测驱动方法的转变，以控制和最小化污垢	讨论了各种测量和预测方法在灵敏度、可扩展性和工业稳健性方面的局限性	改善乳制品热处理过程中的污垢管理，优化清洁计划，提高工艺效率	乳制品热处理过程中的污垢	食品工程	NA	声学、光谱学和电化学传感器、深度学习、计算流体动力学和量纲分析技术	深度学习	过程数据	NA
18	2025-06-16	Leveraging deep learning to discover interpretable cellular spatial biomarkers for prognostic predictions based on hepatocellular carcinoma histology 2025-Jul, The journal of pathology. Clinical research DOI:10.1002/2056-4538.70033 PMID:40511597	研究论文	利用深度学习发现可解释的细胞空间生物标志物，基于肝细胞癌组织学进行预后预测	开发了一种计算流程，通过深度学习细胞分割和识别，系统性量化肝细胞癌病理图像中肿瘤细胞、基质细胞和淋巴细胞的空间分布特征，并发现了六个与患者总生存率显著相关的细胞空间特征	研究仅基于两个独立队列的数据，可能需要更多样本来验证这些生物标志物的普适性	发现并量化肝细胞癌肿瘤微环境中细胞空间组织的生物标志物，用于预后预测	肝细胞癌患者的病理图像	数字病理学	肝细胞癌	深度学习细胞分割和识别	深度学习	图像	两个独立队列：The Cancer Genome Atlas Program队列和北京医院队列
19	2025-06-16	Characterization of hepatocellular carcinoma with CT with deep learning reconstruction compared with iterative reconstruction and 3-Tesla MRI 2025-Jul, European radiology IF:4.7Q1 DOI:10.1007/s00330-024-11314-1 PMID:39775897	research paper	本研究比较了深度学习重建（DLR）和自适应统计迭代重建（ASIR）在肝细胞癌（HCC）可疑病变特征及其LI-RADS分类方面与MRI的对比，以及放射科医生的信心水平	首次比较了DLR和ASIR在HCC可疑病变特征和LI-RADS分类方面与MRI的一致性，并评估了放射科医生的诊断信心	单中心研究，样本量相对较小（89例患者）	评估DLR和ASIR在HCC诊断中的表现，并与MRI进行对比	肝细胞癌（HCC）可疑病变	digital pathology	liver cancer	CT, MRI, deep learning reconstruction, iterative reconstruction	deep learning	image	89例患者（52例HCC组，37例非HCC组）
20	2025-06-16	Novel fusion-based time-frequency analysis for early prediction of sudden cardiac death from electrocardiogram signals 2025-Jul, Medical engineering & physics IF:1.7Q3 DOI:10.1016/j.medengphy.2025.104370 PMID:40514105	研究论文	提出了一种基于融合的时频深度学习框架，用于通过分类相关心脏状况来早期预测心源性猝死	采用新颖的融合技术结合时频表示，增强了心电图信号的判别能力，实现了高精度的早期预测	未提及模型在不同人群或噪声环境下的鲁棒性验证	开发一种能够早期预测心源性猝死的方法	心电图信号	机器学习	心血管疾病	时频分析（spectrograms和scalograms）	深度学习模型	心电图信号	未提及具体样本数量