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
201	2025-07-25	[AI-based applications in medical image computing] 2025-Aug, Bundesgesundheitsblatt, Gesundheitsforschung, Gesundheitsschutz DOI:10.1007/s00103-025-04093-7 PMID:40600998	综述	本文探讨了人工智能在医学图像计算中的应用及其对现代诊断和治疗的推动作用	详细介绍了深度学习在医学图像分析中的最新进展，包括分割、配准和图像合成等应用	未提及具体算法的性能比较或实际临床应用中可能遇到的具体挑战	探索人工智能在医学图像处理中的应用潜力	医学图像数据	医学图像计算	NA	深度学习	深度神经网络	医学图像（如CT、MRI、PET等）	NA
202	2025-07-25	AI-Assisted Post Contrast Brain MRI: Eighty Percent Reduction in Contrast Dose 2025-Aug, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.10.026 PMID:39592383	研究论文	本研究提出并评估了一种深度学习方法，用于从仅使用20%标准剂量的钆基对比剂的多参数MRI中预测全剂量对比增强T1加权图像	利用深度学习技术实现钆基对比剂剂量减少80%的同时保持诊断准确性	研究样本量相对较小(101例患者)，且未评估所有可能的脑部病变类型	开发减少钆基对比剂使用剂量同时保持MRI诊断准确性的方法	脑部MRI图像	医学影像分析	脑部疾病	深度学习	DL网络	MRI图像	101名患者的多中心前瞻性研究数据
203	2025-07-25	A multi-stage 3D convolutional neural network algorithm for CT-based lung segment parcellation 2025-Aug, Journal of applied clinical medical physics IF:2.0Q3 DOI:10.1002/acm2.70193 PMID:40698834	研究论文	本文提出了一种基于深度学习的CT图像肺段分割算法，用于评估肺通气和灌注的区域异质性	开发了一种多阶段3D卷积神经网络算法，能够直接从胸部CT图像进行端到端的肺段分割	COPD患者的肺段分割结果与健康对照组相比存在较大差异	验证和展示基于深度学习的CT肺段分割在临床混合气道疾病患者中的适用性	混合气道疾病患者和健康个体的胸部CT图像	数字病理	慢性阻塞性肺疾病(COPD)	3D卷积神经网络	CNN	CT图像	123张训练用胸部CT图像和40张验证用CT图像（20张来自训练集，20张前瞻性收集：10名健康人和10名COPD患者）
204	2025-07-25	Development and validation of a SOTA-based system for biliopancreatic segmentation and station recognition system in EUS 2025-Aug, Surgical endoscopy DOI:10.1007/s00464-025-11858-3 PMID:40551029	research paper	开发并验证了一种基于SOTA的EUS系统，用于胆胰分割和站点识别	结合多种SOTA深度学习算法，构建了EUS-AI系统，显著提高了胆胰疾病诊断的准确性和效率	研究仅基于特定数据集，未涉及更广泛的患者群体或不同医疗中心的验证	开发AI辅助的EUS系统，提高胆胰疾病的诊断准确性和效率	胆胰疾病患者的EUS图像	digital pathology	biliopancreatic disease	EUS	Mean Teacher, U-Net v2, ResNet-50, YOLOv8	image	45,737张EUS图像来自1,852名患者，其中2,881张用于内部测试，2,747张来自208名患者用于外部验证，340张用于人机竞赛测试
205	2025-07-25	Gradient-driven pixel connectivity convolutional neural networks classification based on U-Net lung nodule segmentation 2025-Aug, Medical engineering & physics IF:1.7Q3 DOI:10.1016/j.medengphy.2025.104376 PMID:40701761	研究论文	本研究提出了一种基于深度学习的诊断辅助系统，用于从CT图像中早期检测和分类肺结节	结合U-Net卷积神经网络进行语义分割，以及后续的特征提取和选择，再通过另一个卷积神经网络进行分类	未提及样本多样性或外部验证集的性能	提高肺结节的早期检测和分类准确性，以改善肺癌患者的治疗效果	肺结节	数字病理学	肺癌	深度学习	U-Net, CNN	图像	基于LUNA16数据集
206	2025-07-25	An enhanced UHMWPE wear particle detection approach based on YOLOv9 2025-Aug, Medical engineering & physics IF:1.7Q3 DOI:10.1016/j.medengphy.2025.104377 PMID:40701762	研究论文	本研究提出了一种基于深度学习的增强YOLOv9模型，用于自动化检测超高分子量聚乙烯（UHMWPE）磨损颗粒，旨在解决传统手动检测方法的不足	采用改进的YOLOv9模型，结合可编程梯度信息（PGI）和广义高效层聚合网络（GELAN）提升小物体定位和检测精度，并集成自定义Focal Loss函数以解决类别不平衡问题	NA	开发一种高精度、可扩展且经济高效的自动化检测方法，用于UHMWPE磨损颗粒的检测，以改善骨科和脊柱植入物的监测和临床决策	超高分子量聚乙烯（UHMWPE）磨损颗粒	计算机视觉	骨科疾病	场发射枪扫描电子显微镜（FEG-SEM）成像	YOLOv9	图像	NA
207	2025-07-25	BanglaTaka: A dataset for classification of Bangladeshi banknotes 2025-Aug, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2025.111853 PMID:40703564	research paper	本文介绍了BanglaNotes数据集，用于孟加拉国纸币面额分类	提出了一个高质量且具有一致性的孟加拉国纸币数据集，支持金融自动化和深度学习分类算法的研究	数据集中仅包含孟加拉国的纸币，可能不适用于其他国家的纸币分类	推动纸币分类和识别领域的创新与研究	孟加拉国纸币	computer vision	NA	NA	NA	image	5073张孟加拉国纸币图像，涵盖9种面额（2、5、10、20、50、100、200、500和1000 BDT）
208	2025-07-25	Benford's Law in histology 2025-Aug, Journal of pathology informatics DOI:10.1016/j.jpi.2025.100458 PMID:40704058	研究论文	探讨Benford定律在数字病理学中的应用，用于分析正常与癌变肝细胞的差异	首次将Benford定律应用于数字病理学中的全切片图像分析，提供了一种快速分析大数据集的新方法	QuPath无法准确区分所有细胞质边界，导致部分尺寸测量类别无法使用	探索Benford定律在数字病理学中的应用潜力	正常肝细胞和肝癌细胞的数字病理切片	数字病理学	肝癌	定量组织形态计量学	NA	图像	20张切片（15张来自7名癌症患者，5张来自正常肝组织），共323,039个细胞
209	2025-07-25	Modelling the liver's regenerative capacity across different clinical conditions 2025-Aug, JHEP reports : innovation in hepatology IF:9.5Q1 DOI:10.1016/j.jhepr.2025.101465 PMID:40704068	研究论文	本研究通过系统生物学和机器学习方法，识别了不同临床条件下小鼠模型中肝脏再生的关键转录组、蛋白质组和血清生物标志物	开发了一种新颖的对比深度学习框架，结合三重损失函数，用于映射再生轨迹并识别与再生效率相关的基因	研究仅基于小鼠模型，结果在人类中的适用性需要进一步验证	识别不同临床条件下肝脏再生的关键分子标志物，评估再生能力	小鼠模型（包括年轻雄性、雌性、老年小鼠、2期纤维化、脂肪变性和他克莫司暴露模型）	机器学习	肝脏疾病	转录组测序、蛋白质组分析、SPLiT-seq	对比深度学习框架（triplet loss）	转录组数据、蛋白质组数据、血清生物标志物数据	6种小鼠模型，每种模型进行75%肝切除术
210	2025-07-25	The Power of Hellmann-Feynman Theorem: Kohn-Sham DFT Energy Derivatives with Respect to the Parameters of the Exchange-Correlation Functional at Linear Cost 2025-Jul-24, The journal of physical chemistry. A DOI:10.1021/acs.jpca.5c01771 PMID:40653651	研究论文	本文应用Hellmann-Feynman定理计算Kohn-Sham DFT能量对交换相关泛函参数的导数，显著提高了计算效率	利用Hellmann-Feynman定理实现了Kohn-Sham DFT能量对交换相关泛函参数导数的线性复杂度计算，相比自动微分方法显著加速	研究仅基于LDA和GGA泛函进行验证，未涉及更复杂的泛函形式	开发高效计算科学模型参数导数的方法，以加速机器学习中的梯度优化和深度学习集成	Kohn-Sham DFT能量对交换相关泛函参数的导数	机器学习	NA	Hellmann-Feynman定理	Kohn-Sham DFT	NA	一系列烷烃（n=4...64）使用双zeta基组
211	2025-07-25	Advancements and challenges in inverse lithography technology: a review of artificial intelligence-based approaches 2025-Jul-24, Light, science & applications DOI:10.1038/s41377-025-01923-w PMID:40701983	综述	本文综述了逆光刻技术（ILT）在计算光刻中的应用，特别关注了与人工智能（AI）技术的结合	强调了AI技术如CNN、DNN、GAN等在ILT中的应用及其对现有挑战的潜在解决方案	计算运行时间长和掩模写入复杂性等挑战	探讨逆光刻技术在半导体行业中的应用及AI技术的整合	逆光刻技术及其AI驱动的方法	计算光刻	NA	优化算法、AI技术	CNN、DNN、GAN、模型驱动的深度学习方法	NA	NA
212	2025-07-25	An automated hybrid deep learning framework for paddy leaf disease identification and classification 2025-Jul-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-08071-6 PMID:40701992	研究论文	提出了一种自动化的混合深度学习框架，用于水稻叶片病害的识别与分类	结合MobileNetV3模型和混合优化算法（GKSO与SA）进行特征选择，使用CatBoost进行分类，实现了高准确率	未提及模型在不同环境或光照条件下的泛化能力，数据集可能仅限于特定地区的水稻病害	提升水稻病害识别效率以支持精准农业管理	水稻叶片病害图像	计算机视觉	水稻病害	深度学习、迁移学习、优化算法	MobileNetV3, CatBoost	图像	Kaggle上的paddy doctor数据集（具体数量未说明）
213	2025-07-25	Artificial Neural Networks and Deep Learning in Solid Organ Transplantation 2025-Jul-24, Transplantation IF:5.3Q1 DOI:10.1097/TP.0000000000005500 PMID:40702591	review	本文综述了人工神经网络和深度学习在实体器官移植中的应用，并提供了相关术语解释和使用建议	概述了神经网络在移植领域的最新应用，特别是处理非表格数据（如图像和文本）的能力	模型结果的解释需要考虑上下文，存在一定的黑箱预测问题	探讨人工神经网络和深度学习在实体器官移植中的应用潜力	实体器官移植	machine learning	NA	deep learning	artificial neural networks	image, text	NA
214	2025-07-25	Malignancy classification of thyroid incidentalomas using 18F-fluorodeoxy-d-glucose PET/computed tomography-derived radiomics 2025-Jul-24, Nuclear medicine communications IF:1.3Q3 DOI:10.1097/MNM.0000000000002031 PMID:40702878	研究论文	本研究探讨了18F-FDG PET/CT衍生的放射组学特征在区分甲状腺偶发瘤良恶性中的作用	利用PET和CT图像的放射组学特征进行甲状腺偶发瘤的良恶性分类，并与传统的TIRADS分类进行比较	样本量较小（46例患者），未来需要更大样本和深度学习方法验证	研究非侵入性PET/CT放射组学特征在甲状腺偶发瘤良恶性鉴别中的价值	46例接受甲状腺超声和手术的PET/CT甲状腺偶发瘤患者	数字病理学	甲状腺癌	18F-FDG PET/CT成像	NA	医学影像（PET和CT图像）	46例患者（36例恶性，10例良性）
215	2025-07-25	Mycophenolate mofetil-induced colitis versus colonic graft-versus-host disease: a comparative histologic study with artificial intelligence model development 2025-Jul-24, Histopathology IF:3.9Q1 DOI:10.1111/his.15521 PMID:40703053	研究论文	本研究比较了MMF诱导的结肠炎和结肠GVHD的组织病理学特征，并开发了一种使用深度学习卷积神经网络（CNNs）的数字工具，用于半自动化量化嗜酸性粒细胞	开发了一种基于深度学习的数字工具，用于半自动化量化嗜酸性粒细胞，为MMF诱导的结肠炎和结肠GVHD的鉴别诊断提供辅助工具	MMF诱导的结肠炎在SCT患者中较为罕见，因此病理学家在诊断时需要较高的阈值	比较MMF诱导的结肠炎和结肠GVHD的组织病理学特征，并开发一种数字工具辅助诊断	MMF和GVHD结肠炎病例，以及接受移植并处于GVHD风险中的患者	数字病理学	结肠炎	深度学习卷积神经网络（CNNs）	CNN	组织病理学图像	95名患者（GVHD组37例，MMF组25例，GVHD vs. MMF组33例）
216	2025-07-25	Deep Learning to Differentiate Parkinsonian Syndromes Using Multimodal Magnetic Resonance Imaging: A Proof-of-Concept Study 2025-Jul-24, Movement disorders : official journal of the Movement Disorder Society IF:7.4Q1 DOI:10.1002/mds.30300 PMID:40704399	研究论文	本研究利用深度学习和多模态磁共振成像（MRI）数据，开发了一种基于三维卷积神经网络（3D CNN）的方法，用于区分多系统萎缩（MSA）和帕金森病（PD）	首次将多模态MRI数据（灰质密度图和平均扩散率图）与3D CNN结合，用于区分MSA和PD，并通过激活图分析提供了模型的可解释性	样本量相对较小（92例MSA患者和64例PD患者），且为回顾性研究	开发一种基于MRI的自动诊断工具，用于区分帕金森综合征	多系统萎缩（MSA）患者和帕金森病（PD）患者	数字病理学	帕金森综合征	磁共振成像（MRI），包括T1加权序列和扩散张量成像	3D CNN	图像	156例患者（92例MSA，64例PD）
217	2025-07-25	Deep Learning Based Evaluation of Skeletal Maturation: A Comparative Analysis of Five Hand-Wrist Methods 2025-Jul-24, Orthodontics & craniofacial research IF:2.4Q2 DOI:10.1111/ocr.70008 PMID:40704688	研究论文	本研究通过比较五种不同的手腕骨骼成熟度评估方法，评估了深度学习算法在骨骼年龄估计中的有效性	使用YOLOv8x深度学习模型对五种手腕骨骼成熟度分类方法进行比较分析，并展示了在不同骨骼成熟阶段的分类性能	在青春期生长高峰阶段（S-H2和MP3-Cap阶段）的分类性能略低	评估深度学习算法在骨骼年龄估计中的诊断可靠性	6572名8-16岁正畸患者的手腕X光片	计算机视觉	NA	YOLOv8x深度学习模型	YOLOv8x-cls	图像	6572张手腕X光片
218	2025-07-25	MSA-Net: a multi-scale and adversarial learning network for segmenting bone metastases in low-resolution SPECT imaging 2025-Jul-24, EJNMMI physics IF:3.0Q2 DOI:10.1186/s40658-025-00785-w PMID:40705118	research paper	提出了一种基于深度学习的多尺度和对抗学习网络MSA-Net，用于在低分辨率SPECT成像中分割骨转移病灶	结合条件对抗学习和多尺度特征提取生成器，采用级联扩张卷积、多尺度模块和深度监督，提高了多尺度病灶检测的准确性，尤其是对小而聚集的病灶	未提及具体的数据集多样性或模型在其他类型癌症中的泛化能力	提高低分辨率SPECT成像中骨转移病灶的分割准确性，以支持肺癌的临床决策	骨转移病灶	digital pathology	lung cancer	SPECT imaging	MSA-Net (multi-scale and adversarial learning network)	image	286 clinically annotated SPECT scintigrams
219	2025-07-25	Guided multi-objective generative AI to enhance structure-based drug design 2025-Jul-23, Chemical science IF:7.6Q1 DOI:10.1039/d5sc01778e PMID:40463429	研究论文	本文介绍了一种名为IDOLpro的新型生成化学AI，结合扩散模型与多目标优化，用于基于结构的药物设计	IDOLpro首次结合扩散模型与多目标优化，能够生成满足多种目标理化性质的新型配体，且在结合亲和力和合成可及性上优于现有方法	未明确提及具体局限性	开发一种能够生成满足多种目标理化性质的新型配体的生成化学AI，以加速药物发现过程	药物分子配体	药物发现	NA	扩散模型、多目标优化	扩散模型	化学结构数据	两个基准测试集
220	2025-07-25	Molecular Machine Learning Approach to Enantioselective C-H Bond Activation Reactions: From Generative AI to Experimental Validation 2025-Jul-23, Chemical science IF:7.6Q1 DOI:10.1039/d5sc01098e PMID:40556724	研究论文	本文提出了一种结合分子机器学习和深度生成模型的方法，用于预测和验证对映选择性C-H键活化反应	利用预训练的化学语言模型和迁移学习方法，开发了能够预测新反应并生成新型配体的深度学习模型	研究基于相对较小的反应数据集（220个实验样本），且强调了领域专家在关键决策中的重要性	开发机器学习算法以预测和指导新的化学反应，特别是对映选择性β-C(sp)-H活化反应	对映选择性C-H键活化反应及其配体设计	机器学习	NA	迁移学习, 化学语言模型	CLM（化学语言模型）, EnP（集成预测模型）	化学反应数据	220个实验报告的反应样本，以及预训练的100万个未标记分子