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
181	2025-08-10	Deep learning based localisation and classification of gamma photon interactions in thick nanocomposite and ceramic monolithic scintillators 2025-Aug-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-13339-y PMID:40764802	research paper	该研究评估了基于深度神经网络的方法，用于在厚纳米复合和陶瓷单片闪烁体中定位和分类伽马光子相互作用	使用InceptionNet和CNN网络在厚纳米复合和陶瓷闪烁体中首次实现了高精度的光子相互作用模式分类和首次相互作用点定位	研究假设探测器量子效率为50%，实际应用中可能需要调整参数以适应不同效率的探测器	提高正电子发射断层扫描(PET)中伽马光子首次相互作用点的定位精度	厚纳米复合和陶瓷单片闪烁体中的伽马光子相互作用	machine learning	NA	深度学习	InceptionNet, CNN	光子分布数据	多种纳米复合和陶瓷闪烁体材料
182	2025-08-10	Interpretable multi-scale deep learning to detect malignancy in cell blocks and cytological smears of pleural effusion and identify aggressive endometrial cancer 2025-Aug-05, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103742 PMID:40779831	研究论文	本研究提出了一种名为IMA-SSL的多尺度深度学习框架，用于通过细胞块和细胞学涂片检测胸水中的恶性肿瘤，并识别侵袭性子宫内膜癌	提出了结合自监督学习特征编码器的可解释多尺度注意力深度学习框架(IMA-SSL)，在胸水细胞块和细胞学涂片WSIs上实现恶性肿瘤检测，并在公开TCGA数据集上验证了对侵袭性子宫内膜癌的识别能力	研究样本量相对有限(194例细胞学涂片WSIs和188例细胞块WSIs)，且未说明模型在临床环境中的实际应用效果	开发一种深度学习方法来提高恶性胸水诊断的准确性，并识别侵袭性子宫内膜癌	胸水细胞块和细胞学涂片的WSIs图像数据，以及TCGA数据集中的子宫内膜癌数据	数字病理学	肺癌/乳腺癌（胸水来源），子宫内膜癌	深度学习	IMA-SSL（基于注意力机制的多尺度深度学习模型）	全切片图像(WSIs)	194例细胞学涂片WSIs和188例细胞块WSIs，外加TCGA公共数据集
183	2025-08-10	Recurrent inference machine for medical image registration 2025-Aug-05, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103748 PMID:40779833	研究论文	提出了一种名为RIIR的新型医学图像配准方法，通过元学习迭代求解配准问题，提高了配准精度和数据效率	RIIR方法通过元学习优化更新规则，结合隐式正则化和显式梯度输入，解决了传统深度学习方法在配准精度和数据效率上的不足	未明确提及具体局限性，但可能包括对特定医学图像类型的泛化能力或计算资源需求	提高医学图像配准的精度和数据效率	脑部MRI、肺部CT和定量心脏MRI数据	数字病理	NA	深度学习	RIIR（循环推断网络）	医学图像	未明确提及具体样本数量，但实验表明仅需5%的训练数据即可优于其他方法
184	2025-08-10	Prediction of breast cancer HER2 status changes based on ultrasound radiomics attention network 2025-Aug-05, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108987 PMID:40779894	研究论文	本文提出了一种结合放射组学技术和深度学习的超声放射组学注意力网络（URAN），用于预测乳腺癌HER2状态变化	提出了结合放射组学技术和深度学习的URAN模型，设计了HKFS网络和MAAE网络来选择和关注关键特征	未明确提及具体局限性	准确预测乳腺癌HER2状态变化以优化治疗方案	乳腺癌患者的超声图像	数字病理	乳腺癌	放射组学技术	URAN（超声放射组学注意力网络）	超声图像	来自医院的真实超声图像数据集和公开的BUS_UCLM数据集
185	2025-08-10	Automated vertebral bone quality score measurement on lumbar MRI using deep learning: Development and validation of an AI algorithm 2025-Aug-05, Clinical neurology and neurosurgery IF:1.8Q2 DOI:10.1016/j.clineuro.2025.109094 PMID:40780043	研究论文	本研究开发并验证了一种基于深度学习的AI算法，用于从常规腰椎MRI扫描中预测椎骨质量（VBQ）评分	首次使用YOLOv8模型自动化VBQ评分计算，提高了术前骨质量评估的效率和准确性	需要进一步的外部验证以确保算法的普适性和临床适用性	开发AI算法改进术前骨质量评估方法，识别手术风险高的患者	腰椎MRI扫描和椎骨质量评分	数字病理	脊柱疾病	MRI扫描	YOLOv8	医学影像	257例腰椎T1加权MRI扫描（SPIDER挑战数据集）和47例腰椎手术患者的手动标注数据
186	2025-08-10	Adaptive-learning physics-assisted light-field microscopy enables day-long and millisecond-scale super-resolution imaging of 3D subcellular dynamics 2025-Aug-04, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-62471-w PMID:40759651	research paper	提出了一种自适应学习物理辅助光场显微镜（Alpha-LFM），用于长时间、高时空分辨率的3D亚细胞动态超分辨率成像	结合物理辅助深度学习框架和自适应调谐策略，实现了对多种亚细胞动态的光场重建，提供亚衍射极限空间分辨率（约120纳米）并保持高时间分辨率和低光毒性	NA	解决超分辨率显微镜在长期高时空分辨率3D成像中的光毒性和扫描速度限制问题	活细胞内的亚细胞动态	digital pathology	NA	光场显微镜、深度学习	深度学习框架	3D图像	NA
187	2025-08-10	Diagnostic systematic review and meta-analysis of machine learning in predicting biochemical recurrence of prostate cancer 2025-Aug-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-11445-5 PMID:40760134	meta-analysis	本文通过系统综述和荟萃分析评估机器学习模型在预测前列腺癌生化复发中的有效性	比较机器学习模型与传统预后方法在预测前列腺癌生化复发方面的性能，并发现深度学习与混合模型表现更优	未来研究需要通过大规模临床试验进一步优化和验证这些模型	评估机器学习模型在前列腺癌生化复发预测中的有效性	前列腺癌患者	machine learning	prostate cancer	机器学习	深度学习与混合模型	多模态数据（包括影像数据）	16项研究，共17,316名前列腺癌患者
188	2025-08-10	Sentiment analysis for deepfake X posts using novel transfer learning based word embedding and hybrid LGR approach 2025-Aug-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-10661-3 PMID:40754634	研究论文	提出一种基于迁移学习的词嵌入和混合LGR方法，用于深度伪造X帖子的情感分析	结合LSTM、GRU和RNN的混合深度学习方法和新型迁移学习特征提取方法，用于深度伪造内容的情感分析	未提及具体的数据集规模或多样性限制	开发一种有效的情感分析方法，以检测和防止深度伪造内容的传播	深度伪造的X帖子	自然语言处理	NA	迁移学习、词嵌入、TF-IDF、BOW	LSTM+GRU+RNN (LGR)	文本	NA
189	2025-08-10	Leveraging deep learning and structure-based drug repurposing for the discovery of potent Trk-A inhibitors targeting CIPA 2025-Aug, Bioorganic chemistry IF:4.5Q1 DOI:10.1016/j.bioorg.2025.108680 PMID:40517591	research paper	本研究利用深度学习和基于结构的药物重定位方法，发现针对CIPA的强效Trk-A抑制剂	结合深度学习和结构基础的药物重定位策略，筛选出新型、强效且无毒的Trk-A抑制剂	未提及实验验证或临床前研究的具体结果	发现针对CIPA的Trk-A抑制剂	Trk-A靶向化合物和FDA批准的药物库	machine learning	CIPA	深度学习、分子对接、分子模拟分析	ANN	生物活性数据	NA
190	2025-08-10	Leveraging FastViT based knowledge distillation with EfficientNet-B0 for diabetic retinopathy severity classification 2025-Aug, SLAS technology IF:2.5Q3 DOI:10.1016/j.slast.2025.100325 PMID:40588035	research paper	该研究提出了一种名为FastEffNet的新框架，利用基于transformer的知识蒸馏技术提升糖尿病视网膜病变严重程度分类的准确性，同时降低计算复杂度	结合FastViT-MA26作为教师模型和EfficientNet-B0作为学生模型，实现了在保持轻量级架构的同时逼近教师模型的性能	研究仅基于APTOS数据集，未在其他数据集上验证模型的泛化能力	开发高效准确的深度学习模型用于糖尿病视网膜病变的自动诊断	糖尿病视网膜病变的严重程度分类	computer vision	diabetic retinopathy	knowledge distillation	FastViT-MA26, EfficientNet-B0, HGNet, ResNet50, MobileNetV3, DeiT	image	3662张图像，分为五个严重程度类别
191	2025-08-10	Cryo-electron tomography: Challenges and computational strategies for particle picking 2025-Aug, Current opinion in structural biology IF:6.1Q1 DOI:10.1016/j.sbi.2025.103113 PMID:40639056	review	本文综述了基于深度学习的粒子挑选方法在冷冻电子断层扫描中的应用	全面评估了基于注释和无注释的粒子挑选方法，并比较了它们的优缺点	未提及具体方法的性能比较数据或实验验证结果	探讨冷冻电子断层扫描中粒子挑选的挑战及计算策略	冷冻电子断层扫描中的蛋白质定位	计算机视觉	NA	冷冻电子断层扫描(cryo-ET)和子断层图平均	深度学习	图像	NA
192	2025-08-10	Segmenting cryo-electron tomography data: Extracting models from cellular landscapes 2025-Aug, Current opinion in structural biology IF:6.1Q1 DOI:10.1016/j.sbi.2025.103114 PMID:40645092	综述	本文探讨了深度学习在冷冻电子断层扫描数据分割中的应用及其对生物学发现的推动作用	综述了深度学习技术如何提高冷冻电子断层扫描数据分割的自动化、准确性和可扩展性，重新定义了分割的最佳实践	NA	探讨冷冻电子断层扫描数据分割技术的发展及其在生物学研究中的应用	冷冻电子断层扫描数据中的亚细胞结构	数字病理学	NA	冷冻电子断层扫描	深度学习	图像	NA
193	2025-08-10	Deep-learning-based gene perturbation effect prediction does not yet outperform simple linear baselines 2025-Aug, Nature methods IF:36.1Q1 DOI:10.1038/s41592-025-02772-6 PMID:40759747	research paper	该研究比较了五种基础模型和两种其他深度学习模型与简单基线方法在预测单次或双次基因扰动后转录组变化方面的表现	研究发现深度学习基础模型在基因扰动效应预测上并未超越简单线性基线方法，强调了关键基准测试在方法开发和评估中的重要性	研究仅比较了有限数量的模型，可能未涵盖所有先进的深度学习方法	评估深度学习模型在基因扰动效应预测方面的性能	单细胞数据中的基因扰动效应	machine learning	NA	NA	foundation models, deep learning models	transcriptome data	NA
194	2025-08-10	MRI-based Ovarian Lesion Classification via a Foundation Segmentation Model and Multimodal Analysis: A Multicenter Study 2025-Aug, Radiology IF:12.1Q1 DOI:10.1148/radiol.243412 PMID:40762846	研究论文	本研究开发了一种基于MRI的卵巢病变分类方法，结合了Meta的分割模型和多模态分析，并在多中心数据上验证了其性能	创新点包括使用Meta的Segment Anything Model (SAM)进行自动分割，结合DenseNet-121深度学习模型进行多模态分析，并在多中心数据上验证了模型的泛化能力	研究的主要局限性在于外部验证数据集的样本量相对较小，可能影响模型的泛化性能评估	开发一种高效、可泛化的MRI卵巢病变分类方法	卵巢病变患者的多参数MRI数据	数字病理	卵巢病变	MRI, 深度学习	DenseNet-121	MRI图像和临床数据	主要数据集包括来自448名女性的534个病灶，外部数据集包括来自55名女性的58个病灶和来自29名女性的29个病灶
195	2025-08-10	Real-Time Prediction of Correct Yoga Asanas in Healthy Individuals With Artificial Intelligence Techniques: A Systematic Review for Nursing 2025-Aug, Nursing open IF:2.0Q2 DOI:10.1002/nop2.70278 PMID:40768382	系统综述	本文系统综述了利用人工智能技术实时预测瑜伽体式以提高健康个体生活质量的研究	整合深度学习和机器学习模型以提高实时瑜伽体式预测的准确性	仅纳入15项研究，样本量较小，可能存在选择偏倚	提高健康个体瑜伽练习的实时预测准确性	健康个体的瑜伽体式	机器学习	NA	深度学习和机器学习	DL和ML模型	NA	15项研究
196	2025-08-10	DeepQR: single-molecule QR codes for optical gene-expression analysis 2025-Aug, Nanophotonics (Berlin, Germany) DOI:10.1515/nanoph-2024-0236 PMID:40771425	research paper	DeepQR结合紧凑光谱成像与深度学习，实现仅用3个光谱检测窗口进行4色采集，用于单分子光学基因表达分析	通过紧凑光谱成像与深度学习结合，实现仅用3个光谱检测窗口进行4色采集，显著提高了单分子成像的多路复用能力	NA	开发一种新型单分子光学基因表达分析方法，提高多路复用能力和采集效率	单分子荧光标记的RNA靶标	光学成像	NA	紧凑光谱成像与深度学习	深度学习	光学图像	临床样本（具体数量未提及）
197	2025-08-10	Adaptive normalizing flows for solving Fokker-Planck equation 2025-Aug-01, Chaos (Woodbury, N.Y.) DOI:10.1063/5.0273776 PMID:40779784	research paper	提出了一种自适应归一化流框架（ANFFP）来解决Fokker-Planck方程，该框架在保持概率解释性的同时提高了小样本条件下的适用性	结合归一化流的生成模型特性，解决了传统高斯混合模型和深度学习求解器在解释性和样本需求上的不足	计算复杂度需要进一步详细讨论，且在高维情况下的实际应用仍需验证	解决Fokker-Planck方程，特别是在高维和小样本条件下的应用	扩散过程的概率响应，通过随机微分方程（SDEs）驱动	machine learning	NA	normalizing flows	ANFFP	numerical data	涉及一维、二维和四维SDEs的数值示例
198	2025-08-10	Spatial-temporal cascaded network for dynamic [11C]acetate cardiac PET parametric images generation based on one-tissue compartment model 2025-Aug, Medical physics IF:3.2Q1 DOI:10.1002/mp.18016 PMID:40781790	研究论文	本研究提出了一种基于深度学习的空间-时间级联网络（STCN），用于生成基于单组织室模型（1TCM）的[11C]乙酸盐心脏PET参数图像，旨在缩短动态PET数据的采集时间	提出了一种结合卷积模块和Transformer模块的空间-时间级联网络（STCN），并整合了动力学模型的时间损失函数，以优化参数图像的生成质量	在K1参数图像的生成上，STCN的PSNR略低于Pix2pix模型，表明在某些参数上仍有改进空间	探索减少心脏[11C]乙酸盐PET参数分析所需时间的可行性	动态[11C]乙酸盐心脏PET/CT成像数据	数字病理学	心血管疾病	PET/CT成像，深度学习	空间-时间级联网络（STCN），U-Net, Pix2pix, CycleGAN	动态PET图像数据	57名受试者（训练集40名，测试集17名）
199	2025-08-10	Robust real-time segmentation of bio-morphological features in human cherenkov imaging during radiotherapy via deep learning 2025-Aug, Medical physics IF:3.2Q1 DOI:10.1002/mp.18002 PMID:40781822	研究论文	本研究提出了一种基于深度学习的实时分割方法，用于在放射治疗期间通过切伦科夫成像对人体生物形态特征进行分割	首次将深度学习框架应用于切伦科夫成像中的生物形态特征分割，实现了视频帧率的处理速度	使用的切伦科夫数据集规模较小（1483张图像），可能影响模型的泛化能力	开发实时分割方法以验证放射治疗中的定位和运动管理	19名乳腺癌患者的切伦科夫成像数据	数字病理	乳腺癌	深度学习	ResNet	图像	19名患者（179张测试图像）
200	2025-08-10	Hybrid phantom for lung CT: Design and validation 2025-Aug, Medical physics IF:3.2Q1 DOI:10.1002/mp.17990 PMID:40781832	研究论文	本文介绍并验证了一种用于肺部CT的混合体模设计，该体模结合了基于任务的图像质量评估和拟人化评估两种设置	创新点在于将基于任务的设置(Mercury)与基于患者的设置(Freddie)结合在一个独特的体模中，增强了在临床场景中应用可检测性指数优化CT协议的潜力	在特定光束能量下，用于体模构建的三种材料(TangoBlack+、VeroClear和HIPS)的标称和观察到的HU值一致性超出15%	优化肺部CT成像协议，特别是针对肺癌筛查的低剂量CT(LDCT)	肺部CT混合体模	数字病理	肺癌	CT成像、深度学习重建算法	NA	CT图像	5名胸部放射科医生和8名非放射科医生的观察(读者研究)