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
2061	2025-04-13	The association between sports social capital and cognitive health: A longitudinal study of middle-aged and elderly adults in China 2025-Jun, SSM - population health DOI:10.1016/j.ssmph.2025.101778 PMID:40212736	研究论文	本研究探讨了中国中老年人体育社会资本与认知健康之间的关联	研究发现教育水平增强了体育社会资本对认知健康的益处，揭示了体育社会资本通过社交参与在维持认知功能中的独特作用，并表明其可作为吸烟等行为认知风险的缓冲	研究依赖于纵向数据，可能存在未测量的混杂因素	探索体育社会资本与认知健康的关系及其潜在干预价值	中国中老年人	公共卫生	老年疾病	深度学习	NA	纵向调查数据	中国健康与养老追踪调查(CHARLS)数据
2062	2025-04-13	Nature's best vs. bruised: A veggie edibility evaluation database 2025-Jun, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2025.111483 PMID:40213046	research paper	本文介绍了一个用于评估蔬菜新鲜度的自动化方法数据库	开发了一个专门用于蔬菜新鲜度评估的数据库，填补了现有数据集的不足	数据库的适用性依赖于训练和验证数据的质量，目前缺乏合适的数据集	评估蔬菜新鲜度以支持食品行业的自动化分类	蔬菜的外部形态、质地和颜色	computer vision	NA	deep learning	NA	image	NA
2063	2025-04-13	Uncertainty-Aware Deep Learning Characterization of Knee Radiographs for Large-Scale Registry Creation 2025-May, The Journal of arthroplasty IF:3.4Q1 DOI:10.1016/j.arth.2024.10.103 PMID:39477040	research paper	本文介绍了一个自动化膝关节X光图像处理流程，用于大规模注册表的创建，结合了多标签图像语义分类器、基于保形预测的不确定性量化和膝关节硬件物体检测模型	提出了一种结合不确定性量化的多标签分类器和物体检测模型，用于膝关节X光片的自动化分析，增强了模型在不确定情况下的透明度	研究仅针对膝关节X光片，未涉及其他关节或影像类型	开发自动化膝关节X光图像分析系统，用于大规模医学影像注册表创建	膝关节X光影像	digital pathology	geriatric disease	deep learning, conformal prediction	EfficientNet, object detection model	image	26,000张膝关节影像（其中11,841张有手术构造位置标注）
2064	2025-04-13	Detection of Ocular Surface Squamous Neoplasia Using Artificial Intelligence With Anterior Segment Optical Coherence Tomography 2025-May, American journal of ophthalmology IF:4.1Q1 DOI:10.1016/j.ajo.2025.02.019 PMID:39983942	research paper	开发并验证了一种深度学习模型，用于通过高分辨率前段光学相干断层扫描（AS-OCT）区分眼表鳞状上皮瘤（OSSN）与翼状胬肉和结膜黄斑	使用深度学习模型结合自编码器和Vision Transformer监督模型，提高了OSSN的诊断准确性	研究为单中心回顾性研究，样本量有限，需要进一步研究验证模型的泛化能力	开发一种基于AS-OCT的深度学习模型，用于准确区分OSSN与非OSSN病变	眼表鳞状上皮瘤（OSSN）、翼状胬肉和结膜黄斑患者	digital pathology	ocular surface squamous neoplasia	AS-OCT	masked autoencoder, Vision Transformer	image	105,859 AS-OCT images of 5746 eyes for training, 2022 AS-OCT images from 523 eyes (427 patients) for validation, 566 scans (62 eyes, 48 patients) for testing
2065	2025-04-13	Evaluating the dosimetric and positioning accuracy of a deep learning based synthetic-CT model for liver radiotherapy treatment planning 2025-Apr-11, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/adc818 PMID:40174606	research paper	评估基于深度学习的合成CT模型在肝脏放射治疗计划中的剂量和定位准确性	首次验证了合成CT模型在肝癌治疗中的剂量学和患者定位准确性，展示了仅使用MRI工作流程的可行性	样本量较小（11例患者），且模型目前仅适用于研究版本，尚未完全开发为临床解决方案	评估深度学习生成的合成CT在肝脏放射治疗中的剂量计算和患者定位准确性	肝癌患者的合成CT图像	digital pathology	liver cancer	CycleGAN算法	CycleGAN	image	11例患者
2066	2025-04-13	Domain Shift Analysis in Chest Radiographs Classification in a Veterans Healthcare Administration Population 2025-Apr-11, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01494-7 PMID:40216674	研究论文	本研究评估了领域偏移对胸部X光分类准确性的影响，并分析了真实标签质量和人口统计学因素（如年龄组、性别和研究年份）的影响	揭示了在未见过的VA数据集中领域偏移最小，除了“扩大的心脏纵隔”标签，并强调了考虑领域偏移和人口统计学因素在胸部X光分类任务中的重要性	研究主要关注VA-CXR和MIMIC-CXR数据集，可能不适用于其他医疗数据集	评估领域偏移对胸部X光分类准确性的影响，并分析人口统计学因素的影响	退伍军人医疗管理系统的胸部X光数据集（VA-CXR）和MIMIC-CXR数据集	医学影像	NA	深度学习，NLP提取工具（CheXpert和CheXbert Labeler）	DenseNet121	胸部X光图像和放射学报告文本	VA-CXR和MIMIC-CXR数据集
2067	2025-04-13	GeOKG: Geometry-aware knowledge graph embedding for Gene Ontology and genes 2025-Apr-11, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaf160 PMID:40217132	research paper	提出了一种名为GeOKG的几何感知知识图谱嵌入方法，用于更好地表示基因本体（GO）和基因本体注释（GOA）的复杂层次结构	利用几何交互来更好地反映GO的复杂层次结构，克服了单一几何空间嵌入的不足	未提及具体局限性	提升基因本体和基因本体注释的表示学习，以增强下游生物任务（如蛋白质-蛋白质相互作用预测）的性能	基因本体（GO）和基因本体注释（GOA）	machine learning	NA	几何感知知识图谱嵌入	GeOKG	graph	未提及具体样本数量
2068	2025-04-13	Development and validation of multimodal deep learning algorithms for detecting pulmonary hypertension 2025-Apr-10, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-025-01593-3 PMID:40205021	research paper	开发并验证了一种多模态融合模型（MMF-PH），用于提高肺动脉高压（PH）的筛查准确性	提出了一种多模态融合模型，显著提高了肺动脉高压的检测准确性，并在不同患者群体和临床环境中表现出稳健性	未提及模型在更广泛人群中的适用性或潜在的临床实施障碍	提高肺动脉高压的筛查准确性	肺动脉高压患者	digital pathology	cardiovascular disease	multimodal deep learning	multimodal fusion model (MMF-PH)	medical imaging (TTE), clinical data	2451名接受右心导管检查的患者，477名前瞻性数据集患者，以及外部数据集
2069	2025-04-13	Leveraging deep learning for improving parameter extraction from perfusion MR images: A narrative review 2025-Apr-10, Physica medica : PM : an international journal devoted to the applications of physics to medicine and biology : official journal of the Italian Association of Biomedical Physics (AIFB) DOI:10.1016/j.ejmp.2025.104978 PMID:40215839	综述	本文回顾了深度学习在灌注磁共振成像（MRI）参数提取中的最新应用及其潜在临床价值	深度学习技术（如CNN、RNN和GAN）在提高灌注MRI参数提取的准确性和效率方面展现出显著优势，减少了噪声和主观性	综述性文章未涉及具体实验验证，且未详细讨论不同深度学习模型在特定灌注MRI技术中的性能差异	探讨深度学习在灌注MRI参数提取中的应用及其对临床诊断和治疗的潜在影响	灌注MRI技术（DCE、DSC、ASL、IVIM）及其参数提取	医学影像分析	NA	深度学习（DL）、卷积神经网络（CNN）、循环神经网络（RNN）、生成对抗网络（GAN）	CNN, RNN, GAN	灌注MRI图像（时空数据）	NA
2070	2025-04-13	Semi-supervised temporal attention network for lung 4D CT ventilation estimation 2025-Apr-10, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2025.102551 PMID:40215885	研究论文	提出了一种半监督时间注意力网络（STA），用于肺部4D CT通气估计，以提高估计准确性并充分利用4D CT图像的时间特性	结合半监督学习框架和时间注意力架构，利用未标记的4D CT图像生成伪标签，并有效捕捉4D CT图像序列中的时间关系	依赖于4D CT图像的质量，且伪标签的准确性可能影响模型性能	提高肺部4D CT通气估计的准确性，以支持功能性避免放射治疗计划的设计和治疗反应评估	肺部4D CT图像	数字病理学	肺癌	4D CT成像	半监督时间注意力网络（STA）	4D CT图像序列	三个公开可用的胸部4D CT数据集
2071	2025-04-13	Comprehensive evaluation of U-Net based transcranial magnetic stimulation electric field estimations 2025-Apr-09, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-95767-4 PMID:40204769	research paper	该研究开发了一个基于U-Net的深度学习框架，用于直接从解剖MRI和TMS线圈参数估计TMS诱导的电场，并与有限元方法（FEM）进行了全面比较	首次系统地评估了U-Net在大数据集和全头刺激条件下对TMS电场的估计性能，并展示了其在计算效率上的显著优势	深度学习方法的精度需要针对特定的TMS应用进行评估，目前尚未达到FEM的精确度	评估深度学习在TMS电场估计中的性能，以加速电场建模过程	TMS诱导的电场	machine learning	NA	deep learning, FEM	U-Net	MRI图像	100个MRI扫描（来自Human Connectome Project的多样化人口统计数据）
2072	2025-04-13	Tri-band vehicle and vessel dataset for artificial intelligence research 2025-Apr-09, Scientific data IF:5.8Q1 DOI:10.1038/s41597-025-04945-6 PMID:40204792	research paper	介绍了一个用于目标检测和多波段图像融合的三波段（可见光、短波红外、长波红外）车辆和船只数据集	该数据集是首个公开可用的三波段光学图像数据集，具有时间同步和视场一致性特征	仅60%的数据集进行了手动标注，可能影响模型的训练效果	为人工智能研究提供多波段车辆和船只数据集，支持目标检测和图像融合应用	车辆和船只	computer vision	NA	多波段图像融合	YOLOv8, SSD	image	数千张JPG和PNG格式的图像
2073	2025-04-13	A lightweight deep learning model for multi-plant biotic stress classification and detection for sustainable agriculture 2025-Apr-09, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-90487-1 PMID:40204810	研究论文	本文提出了一种轻量级深度学习模型AgarwoodNet，用于多植物生物胁迫分类和检测，以支持可持续农业	提出了一种轻量级深度学习模型AgarwoodNet，解决了现有重型模型在计算资源、内存限制、接口延迟、部署扩展性、训练时间、数据需求和灵活性方面的不足	NA	开发一种轻量级深度学习模型，用于精确分类和检测植物病害，以支持可持续农业	Agarwood植物和六种其他植物的叶片图像	计算机视觉	植物病害	深度学习	CNN	图像	APDD数据集包含5,472张Agarwood叶片图像（14个类别），TPPD数据集包含4,447张六种植物的叶片图像（15个类别）
2074	2025-04-13	Integration of graph neural networks and transcriptomics analysis identify key pathways and gene signature for immunotherapy response and prognosis of skin melanoma 2025-Apr-09, BMC cancer IF:3.4Q2 DOI:10.1186/s12885-025-13611-4 PMID:40205338	research paper	本研究利用图神经网络（GNNs）和转录组学分析，识别了皮肤黑色素瘤免疫治疗反应和预后的关键通路及基因特征	开发了基于GNNs的预测模型和名为responseScore的基因特征，用于精确预测免疫治疗反应和患者预后，并深入研究了PSMB6的生物学效应	未提及样本量的具体细节，且实验验证仅限于PSMB6基因	提高皮肤黑色素瘤免疫治疗反应和预后的预测精度	皮肤黑色素瘤患者及其基因表达数据	digital pathology	skin melanoma	transcriptomics analysis, multi-omics bioinformatics methods, ELISA	GNNs	gene expression data	NA
2075	2025-04-13	Preoperative assessment in lymph node metastasis of pancreatic ductal adenocarcinoma: a transformer model based on dual-energy CT 2025-Apr-09, World journal of surgical oncology IF:2.5Q1 DOI:10.1186/s12957-025-03774-6 PMID:40205450	研究论文	开发并测试了一种基于双能CT的transformer模型，用于预测胰腺导管腺癌患者的淋巴结转移	首次将transformer模型应用于双能CT数据，结合临床信息和深度学习特征，显著提高了淋巴结转移的预测性能	研究为回顾性设计，样本量相对较小(223例患者)	提高胰腺导管腺癌患者淋巴结转移的术前评估准确性	胰腺导管腺癌患者	数字病理	胰腺癌	双能CT(DECT)	transformer	医学影像	223例经手术切除且病理确诊的胰腺导管腺癌患者(训练集160例，测试集63例)
2076	2025-04-13	MDAL: Modality-difference-based active learning for multimodal medical image analysis via contrastive learning and pointwise mutual information 2025-Apr-09, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2025.102544 PMID:40215886	研究论文	提出了一种基于模态差异的多模态医学图像主动学习框架MDAL，以减少标注成本	通过对比学习和点互信息量化样本间模态差异，提出两种基于差异的采样策略MaxMD和DiverseMD，且无需初始标注数据	未提及具体局限性	最小化多模态医学图像分析的标注成本	多模态医学图像	数字病理	脑胶质瘤、脑膜瘤、卵巢癌	对比学习、点互信息	MDAL	多模态医学图像	公共脑胶质瘤和脑膜瘤分割数据集及内部卵巢癌分类数据集
2077	2025-04-13	Improved Efficacy of Triple-Negative Breast Cancer Immunotherapy via Hydrogel-Based Co-Delivery of CAR-T Cells and Mitophagy Agonist 2025-Apr, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202409835 PMID:39840546	研究论文	本研究通过水凝胶共递送CAR-T细胞和线粒体自噬激动剂BC1618，提高了三阴性乳腺癌免疫治疗的疗效	利用AI深度学习和细胞因子检测筛选出线粒体自噬激动剂BC1618，并通过工程化注射水凝胶实现CAR-T细胞与BC1618的共递送，创建了一个炎症和线粒体自噬增强的微环境	研究主要聚焦于三阴性乳腺癌，未涉及其他类型癌症的适用性	提高CAR-T细胞在实体瘤（特别是三阴性乳腺癌）中的治疗效果	三阴性乳腺癌（TNBC）	数字病理学	乳腺癌	单细胞测序、AI深度学习、细胞因子检测	深度学习	测序数据、细胞因子数据	NA
2078	2025-04-13	CT-based radiomics: A potential indicator of KRAS mutation in pulmonary adenocarcinoma 2025-Apr, Tumori DOI:10.1177/03008916251314659 PMID:39894961	研究论文	本研究验证了基于CT的放射组学特征在预测肺腺癌KRAS突变状态中的潜在作用	结合CT放射组学特征与临床特征，使用多种特征选择方法和深度学习分类器预测KRAS突变状态	样本中KRAS突变比例较低（10.4%），可能存在数据不平衡问题	验证CT放射组学特征在预测肺腺癌KRAS突变状态中的有效性	肺腺癌患者	数字病理学	肺癌	CT成像	Multilayer Perceptron	医学影像	815名肺腺癌患者
2079	2025-04-13	Deep Learning Analysis of Localized Interlayer Stacking Displacement and Dynamics in Bilayer Phosphorene 2025-Apr, Advanced materials (Deerfield Beach, Fla.) DOI:10.1002/adma.202416480 PMID:40026027	research paper	该论文介绍了一种基于深度学习的分析方法，用于原子分辨率TEM图像，以实现双层磷烯中层间堆叠位移的精确识别	提出了一种深度学习模型，能够精确识别双层磷烯中的层间堆叠位移，误差水平低至3.3%，并能够处理大规模显微镜数据集	NA	开发一种能够精确识别层间堆叠位移的分析方法，以控制层状晶体的物理性质	双层磷烯	machine learning	NA	TEM	deep learning	image	NA
2080	2025-04-13	Identification of heart failure subtypes using transformer-based deep learning modelling: a population-based study of 379,108 individuals 2025-Apr, EBioMedicine IF:9.7Q1 DOI:10.1016/j.ebiom.2025.105657 PMID:40112740	研究论文	本研究利用基于Transformer的深度学习方法分析电子健康记录，对心力衰竭患者进行精细分型	首次应用Transformer模型对心力衰竭患者进行分型，识别出七个独特的患者亚群，包括之前未被识别的COPD相关和甲状腺功能障碍相关高风险亚群	研究数据仅来自英国，可能限制了结果的普适性	探索深度学习在心力衰竭患者分型中的应用	379,108名心力衰竭患者	数字病理学	心血管疾病	Transformer-based deep learning	Transformer	电子健康记录(EHR)	379,108名患者