深度学习在生物医药领域的应用

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	算法框架	模型架构	性能指标	计算资源
2061	2025-12-01	Enhanced U-Net-Based Deep Learning Model for Automated Segmentation of Organoid Images 2025-Nov-07, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12111216 PMID:41301171	研究论文	提出一种增强型U-Net深度学习模型，用于自动分割器官类器官图像	引入感兴趣区域优化机制以改善器官类器官边界分割效果	仅验证于明场器官类器官图像，未涉及其他成像模式	开发自动化的器官类器官图像分割方法以支持高通量分析	体外培养的器官类器官	计算机视觉	NA	明场成像	CNN	图像	NA	NA	U-Net	准确率, Dice相似系数, Jaccard指数	NA
2062	2025-12-01	Artificial Intelligence (AI) in Pharmaceutical Formulation and Dosage Calculations 2025-Nov-07, Pharmaceutics IF:4.9Q1 DOI:10.3390/pharmaceutics17111440 PMID:41304779	综述	本文全面综述人工智能技术在药物制剂和剂量计算领域的应用现状与发展趋势	系统整合AI在药物特性预测、辅料优化、剂型设计及精准给药等方面的创新应用，并展望AI辅助3D打印和可穿戴技术集成等新兴趋势	存在数据质量、模型可解释性、监管认可和伦理考量等持续挑战	探讨人工智能技术如何革新传统药物制剂开发和剂量计算方法	药物制剂设计、剂量计算和个性化治疗	机器学习	NA	机器学习、深度学习、自然语言处理	NA	药物特性数据、药代动力学数据、患者数据	NA	NA	NA	准确性、效率	NA
2063	2025-12-01	One-Dimensional Convolutional Neural Network for Object Recognition Through Electromagnetic Backscattering in the Frequency Domain 2025-Nov-07, Sensors (Basel, Switzerland) DOI:10.3390/s25226809 PMID:41305018	研究论文	本文提出了一种基于频域电磁后向散射的一维卷积神经网络物体识别方法	首次将频域电磁后向散射信号与一维卷积神经网络结合用于物体识别，为视觉不可用或隐私敏感场景提供替代方案	实验在受控环境中进行，实际环境性能待验证；仅测试了两类物体识别	开发不依赖图像输入的物体识别替代方法	通过电磁后向散射信号识别的两类物体	机器学习	NA	电磁后向散射测量，毫米波频段信号分析	CNN	频域信号	NA	NA	1D-CNN	准确率	NA
2064	2025-12-01	Enhanced Deep Neural Network for Prostate Segmentation in Micro-Ultrasound Images 2025-Nov-07, Sensors (Basel, Switzerland) DOI:10.3390/s25226815 PMID:41305024	研究论文	提出一种用于微超声图像前列腺分割的增强型深度神经网络模型	采用双编码器架构集成CNN和Transformer编码器，并引入基于Mamba v2的解码器和超图神经网络来增强分割精度	微超声图像中前列腺与周围组织边界不清晰带来的分割挑战	实现微超声图像中前列腺的精确分割	前列腺微超声图像	医学图像分割	前列腺癌	微超声成像	CNN, Transformer, Mamba	医学图像	NA	NA	双编码器架构（CNN+Transformer），Mamba v2解码器，超图神经网络	Dice系数, HD95	NA
2065	2025-11-30	An Edge-Enabled Lightweight LSTM for the Temperature Prediction of Electrical Joints in Low-Voltage Distribution Cabinets 2025-Nov-07, Sensors (Basel, Switzerland) DOI:10.3390/s25226816 PMID:41305029	研究论文	提出一种基于边缘计算的轻量级LSTM模型，用于低压配电柜电气连接点的短期温度预测	开发了边缘部署的轻量级LSTM模型，在保持精度的同时显著降低推理延迟和内存成本	仅针对低压配电柜场景进行验证，未涉及其他电力设备	实现电气连接点的智能温度监测和预测性维护	低压配电柜中的电气连接点	机器学习	NA	深度学习	LSTM, GRU, ARIMA	多源传感器数据（电压、电流、功率、温度）	NA	NA	LSTM, GRU	RMSE, MAE, MAPE	树莓派边缘节点
2066	2025-12-01	Deep Learning Algorithm Prognosticating Retinal Tears and Detachments From Optical Coherence Tomography 2025-Nov-03, Translational vision science & technology IF:2.6Q2 DOI:10.1167/tvst.14.11.18 PMID:41247117	研究论文	开发基于深度学习的光学相干断层扫描图像分类器，用于预测未来视网膜撕裂/视网膜脱离风险	首次使用OCT图像预测未来RT/RD发生风险，并提供像素级临床重要性解释	研究样本量有限，仅包含特定患者群体	通过深度学习算法预测视网膜病变风险	光学相干断层扫描图像	计算机视觉	视网膜疾病	光学相干断层扫描	CNN	图像	776名患者（433名阴性，343名阳性），2054张图像	NA	Inception-v4	AUC, 平均精确度得分, 准确率	NA
2067	2025-12-01	Deep Learning for Pathology: YOLOv8 with EigenCAM for Reliable Colorectal Cancer Diagnostics 2025-Nov-03, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12111203 PMID:41301159	研究论文	提出结合YOLOv8架构和EigenCAM的深度学习框架，用于结直肠癌的多类别病变分类和可解释诊断	首次将YOLOv8架构与EigenCAM结合，在保持高精度的同时提供可视化模型解释，优于现有CNN和Transformer系统	仅使用单一医疗中心的5000张切片数据，需要更多外部验证	开发可靠且可解释的AI辅助结直肠癌诊断系统	结直肠癌组织病理切片	数字病理学	结直肠癌	苏木精-伊红染色	YOLOv8	图像	5000张苏木精-伊红染色切片，涵盖8种组织类型	NA	YOLOv8 Nano, YOLOv8 Small, YOLOv8 Medium, YOLOv8 Large, YOLOv8 XLarge	训练准确率, 测试准确率	NA
2068	2025-12-01	Marker-Less Lung Tumor Tracking from Real-Time Color X-Ray Fluoroscopic Images Using Cross-Patient Deep Learning Model 2025-Nov-02, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12111197 PMID:41301153	研究论文	提出一种基于跨患者深度学习模型的无标记肺部肿瘤追踪框架，通过图像增强和分割技术实现实时X射线荧光图像中的肿瘤跟踪	开发了无需患者特定重新训练的跨患者深度学习模型，创新性地使用退化模型生成模拟数据训练Restormer网络进行图像增强	需要进一步的大规模验证以确认广泛的临床适用性，目前仅基于7名患者的数据进行可行性研究	开发无标记肿瘤追踪方法以替代侵入性基准标记植入	肺癌患者的X射线荧光图像和数字重建放射图像	计算机视觉	肺癌	X射线荧光成像，数字重建放射图像	深度学习	医学图像	7名肺癌患者的100个不同治疗区域	NA	Restormer, DUCK-Net	3D欧几里得肿瘤中心追踪误差，方向误差(LR,SI,AP)，处理时间	NA
2069	2025-12-01	Radiological evaluation and clinical implications of deep learning- and MRI-based synthetic CT for the assessment of cervical spine injuries 2025-Nov, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-11644-8 PMID:40335658	研究论文	评估基于深度学习和MRI的合成CT在颈椎损伤诊断中的有效性	首次在颈椎损伤评估中验证MRI-based合成CT的诊断有效性，提供无辐射的骨组织可视化方案	样本量较小（37名患者），需更大规模研究验证	评估合成CT在颈椎损伤诊断中的准确性和临床价值	颈椎损伤患者	医学影像分析	颈椎损伤	MRI, CT, 深度学习	深度学习模型	医学影像（MRI和CT图像）	37名患者，44处颈椎骨折	NA	NA	敏感性, ICC, Fleiss' Kappa, 平均绝对误差, 平均绝对皮质表面距离	NA
2070	2025-12-01	Predicting treatment response to systemic therapy in advanced gallbladder cancer using multiphase enhanced CT images 2025-Nov, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-11645-7 PMID:40341972	研究论文	开发并验证基于多期增强CT图像的深度学习放射组学模型，用于预测晚期胆囊癌患者对系统性治疗的反应	首次结合深度学习放射组学特征与临床因素构建预测模型，并利用梯度加权类激活映射提高模型可解释性	研究样本量相对有限（399例），且仅基于四家医疗机构的数据	预测晚期胆囊癌患者对系统性治疗的治疗反应	晚期胆囊癌患者	数字病理	胆囊癌	多期增强CT成像	深度学习	医学影像	399例来自四家医疗机构的胆囊癌患者	NA	NA	AUC, 校准曲线, 临床效用曲线	NA
2071	2025-12-01	Leveraging deep learning-based kernel conversion for more precise airway quantification on CT 2025-Nov, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-11696-w PMID:40405045	研究论文	本研究评估了深度学习核转换技术对减少CT气道量化测量变异性的效果	首次系统评估不同重建核和深度学习核转换对自动化气道定量CT测量的影响	对非肺专用核和亚段水平气道的改善效果有限，样本量相对较小	评估不同CT重建核对气道定量测量变异性的影响及核转换技术的改善效果	96例接受非增强胸部CT扫描的患者	医学影像分析	呼吸系统疾病	CT扫描，深度学习核转换	深度学习	CT影像	96例患者，来自两个医疗中心	NA	NA	方差分析，配对t检验，一致性相关系数(CCC)	NA
2072	2025-12-01	Deep learning reconstruction combined with contrast-enhancement boost in dual-low dose CT pulmonary angiography: a two-center prospective trial 2025-Nov, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-11681-3 PMID:40411550	研究论文	本研究探讨深度学习重建结合对比度增强提升技术在双低剂量CT肺动脉成像中改善图像质量和诊断准确性的效果	首次将深度学习重建与对比度增强提升技术结合应用于双低剂量CT肺动脉成像，实现了在降低辐射和对比剂剂量同时提升图像质量	样本量相对有限（130例患者），仅在两中心开展研究	评估深度学习重建结合对比度增强提升技术在低辐射和低对比剂剂量下对CT肺动脉成像诊断质量的改善效果	疑似肺栓塞患者	医学影像分析	肺栓塞	CT肺动脉成像，深度学习重建，对比度增强提升	深度学习模型	CT医学影像	130例疑似肺栓塞患者	NA	NA	信噪比，对比噪声比，图像质量评分，AUC	NA
2073	2025-12-01	Optimizing MRI sequence classification performance: insights from domain shift analysis 2025-Nov, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-11671-5 PMID:40418319	研究论文	本研究通过评估预训练模型在成人到儿科MRI数据的领域偏移条件下的表现，优化MRI序列分类性能	首次系统评估CNN-Transformer混合架构(MedViT)在MRI序列分类中的领域偏移问题，并证明专家领域知识调整能显著提升模型性能	研究仅限于成人到儿科MRI数据的领域偏移，未涉及其他类型的领域偏移场景	解决多中心研究中MRI序列分类因成像协议变异导致的领域偏移问题	成人和儿科MRI数据	医学影像分析	NA	MRI成像	CNN, Transformer	医学影像	成人MRI数据集和儿科MRI数据集	NA	ResNet-18, MedViT	准确率, 置信区间	NA
2074	2025-12-01	CarsiDock-Cov: A deep learning-guided approach for automated covalent docking and screening 2025-Nov, Acta pharmaceutica Sinica. B DOI:10.1016/j.apsb.2025.07.043 PMID:41311379	研究论文	提出首个深度学习引导的共价对接方法CarsiDock-Cov，用于自动化共价配体对接和筛选	首个深度学习引导的共价对接方法，结合预训练距离矩阵预测模型和几何优化程序	NA	开发自动化共价对接工具以加速共价药物发现和设计	共价配体与蛋白质复合物	机器学习	NA	共价对接	深度学习	蛋白质-配体复合物结构数据	基于数百万对接复合物预训练	NA	NA	对接精度，筛选性能	NA
2075	2025-12-01	Transformer-based optical attenuation compensation and denoising in photoacoustic imaging 2025-Nov, Journal of biomedical optics IF:3.0Q2 DOI:10.1117/1.JBO.30.11.116004 PMID:41312519	研究论文	提出基于Transformer的生成模型解决线性阵列光声成像中的光学衰减补偿和去噪耦合问题	首次将视觉Transformer架构应用于光声成像的衰减补偿和去噪耦合问题，提出Trans U-Net模型	主要使用模拟数据和仿体数据进行训练，在真实临床数据上的泛化能力需进一步验证	开发深度学习方法来同时解决光声成像中的光学衰减补偿和噪声抑制问题	线性阵列光声成像系统获取的图像数据	医学影像处理	乳腺癌	光声成像	生成对抗网络, U-Net, Transformer	图像	模拟数据、实验仿体数据和小动物肿瘤图像	NA	Pix2Pix, Residual U-Net, Transformer U-Net	PSNR, SSIM, MSE	NA
2076	2025-12-01	Relation knowledge distillation 3D-ResNet-based deep learning for breast cancer molecular subtypes prediction on ultrasound videos: a multicenter study 2025-Nov, British journal of cancer IF:6.4Q1 DOI:10.1038/s41416-025-03146-7 PMID:40858830	研究论文	开发并验证基于关系知识蒸馏的三维残差网络模型，利用超声视频预测乳腺癌分子亚型	首次将关系知识蒸馏技术应用于三维残差网络，通过超声视频实现乳腺癌分子亚型的四分类预测	回顾性研究设计，样本量相对有限，需要进一步前瞻性验证	开发非侵入性乳腺癌分子亚型预测工具，辅助临床个性化管理	乳腺癌患者及其超声视频数据	计算机视觉	乳腺癌	超声成像	3D-CNN	视频, 图像	882例乳腺癌患者（2375个超声视频和9499张图像），外加86例外部队列患者	NA	3D-ResNet, 2D-ResNet	AUC, 敏感度, 特异度, 准确率, 平衡准确率, 精确率, 召回率, F1分数	NA
2077	2025-12-01	Beyond the Sleep Lab: A Narrative Review of Wearable Sleep Monitoring 2025-Oct-31, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12111191 PMID:41301147	综述	本文系统回顾了可穿戴睡眠监测技术的发展历程、技术里程碑和临床应用	追踪了从早期模拟方法到当前多传感器和AI驱动系统的技术演进，探讨了边缘计算和深度学习在自动睡眠分期中的应用	作为综述文章，主要基于现有文献分析，缺乏原始实验数据验证	回顾可穿戴睡眠监测技术的演变过程和发展前景	可穿戴睡眠监测设备和技术	数字健康	睡眠障碍	多传感器融合、生理生化传感、边缘计算	深度学习	运动数据、生理信号、生化指标	NA	NA	NA	与PSG对比验证	边缘计算设备
2078	2025-12-01	Pattern Recognition Algorithms in Pharmacogenomics and Drug Repurposing-Case Study: Ribavirin and Lopinavir 2025-Oct-31, Pharmaceuticals (Basel, Switzerland) DOI:10.3390/ph18111649 PMID:41304894	综述	本文系统综述了模式识别算法在药物基因组学和计算药物重定位中的应用，并以利巴韦林和洛匹那韦为案例进行深入分析	将多种模式识别技术整合应用于药物基因组学和COVID-19药物重定位研究，并通过具体案例展示实际应用价值	数据稀缺性、模型可解释性不足以及计算预测与实验验证之间的转化差距	探讨模式识别算法在药物基因组学和药物重定位中的应用方法与效果	抗病毒药物（利巴韦林和洛匹那韦）及其在COVID-19治疗中的重定位潜力	机器学习	COVID-19	全基因组关联研究（GWAS）、生物标志物发现、多组学数据整合	支持向量机, 深度学习	基因组数据, 药物反应数据	NA	NA	NA	NA	NA
2079	2025-12-01	Deep Q-Learning for Gastrointestinal Disease Detection and Classification 2025-Oct-30, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12111184 PMID:41301139	研究论文	提出基于深度Q学习和注意力U-Net的胃肠道疾病检测与分类方法	将强化学习中的Q学习与CNN结合实现分类稳定性，并采用注意力机制增强U-Net分割性能	未明确说明模型在更大规模或多样化数据集上的泛化能力	胃肠道疾病的早期检测与分类	胃溃疡图像	计算机视觉	胃肠道疾病	深度学习	CNN, U-Net, Q-learning	医学图像	Kvasir、Nerthus、CVC-ClinicDB和私有POF数据集	NA	自定义CNN（7层结构）, 注意力U-Net	准确率	NA
2080	2025-12-01	Stimulus-Evoked Brain Signals for Parkinson's Detection: A Comprehensive Benchmark Performance Analysis on Cross-Stimulation and Channel-Wise Experiments 2025-Oct-30, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12111185 PMID:41301141	研究论文	本研究通过交叉刺激评估框架和通道分析，探索脑电信号在帕金森病检测中的性能表现	引入交叉刺激评估框架分析帕金森病检测算法的鲁棒性，并进行通道分析识别最具区分度的大脑区域	研究样本量相对有限（60名受试者），仅使用视觉诱发电位刺激模式	开发可靠的帕金森病自动检测方法，提高基于脑电信号的诊断泛化能力	帕金森病患者和健康对照者的脑电信号	生物医学信号处理	帕金森病	脑电图（EEG），静息态视觉诱发电位（RSVEP），稳态视觉诱发电位（SSVEP）	CRC, LSTM	脑电信号	60名受试者的203,520个脑电样本	NA	LSTM	准确率, 标准差	NA