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	2025-09-28	Accelerated Super-Resolution Reconstruction for Structured Illumination Microscopy Integrated with Low-Light Optimization 2025-Sep-03, Micromachines IF:3.0Q2 DOI:10.3390/mi16091020 PMID:41011910	研究论文	提出一种结合空间域计算和低光图像增强的结构光照明显微镜超分辨率重建新框架	首创π/2相移SIM的空间域计算范式，并开发自适应局部过曝校正策略与零样本学习算法结合的图像质量增强方法	NA	提升结构光照明显微镜的重建速度与图像质量	荧光微球和牛肺动脉内皮细胞标本	生物医学成像	NA	结构光照明显微术(SIM)、零样本学习	RUAS深度学习算法	显微图像	NA
202	2025-09-28	From deep learning discovery to clinical validation: a new composite marker predicts mortality in type 2 diabetes 2025-Sep-03, Cardiovascular diabetology. Endocrinology reports DOI:10.1186/s40842-025-00229-5 PMID:41013834	研究论文	本研究通过深度学习发现并临床验证了一种新型复合标志物ln[ALP×sCr]，用于预测2型糖尿病患者的全因和心血管疾病死亡率	首次将深度学习特征选择与传统流行病学模型结合，发现并验证了碱性磷酸酶和血清肌酐的复合指标对糖尿病死亡风险的预测价值	研究基于美国NHANES队列数据，结果的外推性需要其他人群验证	开发并验证能够预测2型糖尿病患者死亡风险的复合生物标志物	美国NHANES研究中82,091名成年糖尿病患者	医学人工智能	2型糖尿病	深度学习特征选择、限制性立方样条分析、Cox比例风险模型	深度学习模型	临床生化检测数据	82,091名美国成年人，其中4,839名T2DM患者位于最高四分位数组
203	2025-09-28	Machine and Deep Learning on Radiomic Features from Contrast-Enhanced Mammography and Dynamic Contrast-Enhanced Magnetic Resonance Imaging for Breast Cancer Characterization 2025-Sep-02, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12090952 PMID:41007196	研究论文	本研究评估机器学习和深度学习在对比增强乳腺X线摄影和动态对比增强磁共振成像的影像组学特征中对乳腺癌特征识别和分子分型预测的准确性	首次联合应用CEM和DCE-MRI的影像组学特征，并采用机器学习和深度学习模型进行乳腺癌多参数表征	样本量有限（153例患者），HER2状态预测的AUC值相对较低（0.669）	开发基于影像组学的非侵入性乳腺癌特征识别工具	153例乳腺良恶性病变患者（其中113例恶性病变）	医学影像分析	乳腺癌	影像组学特征提取、Elastic Net正则化、ROSE样本平衡方法	梯度提升机(GBM)、神经网络、LASSO	医学影像（CEM和DCE-MRI图像）	153例患者（113例恶性，32例G3分级，66例HER2阳性）
204	2025-09-28	Encoding of Demographic and Anatomical Information in Chest X-Ray-Based Severe Left Ventricular Hypertrophy Classifiers 2025-Sep-02, Biomedicines IF:3.9Q1 DOI:10.3390/biomedicines13092140 PMID:41007703	研究论文	开发直接从胸部X光片分类严重左心室肥厚的深度学习框架	无需解剖估计模型或人口统计学输入，通过互信息神经估计量化临床属性在模型内部的编码机制	NA	实现基于胸部X光片的严重左心室肥厚自动检测	严重左心室肥厚患者	计算机视觉	心血管疾病	深度学习	ResNet-18, Vision Transformer (ViT)	图像	来自CheXchoNet数据集的类别平衡子集
205	2025-09-28	Determination of Kennedy's classification in panoramic X-rays by automated tooth labeling 2025-Sep, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-025-03469-z PMID:40555836	研究论文	本研究开发了一种基于Mask R-CNN的全自动方法，用于在口腔全景X光片中确定肯尼迪分类	首次将深度学习实例分割技术应用于肯尼迪分类的自动化判定，并通过后处理步骤优化重复检测结果	最常见的错误源于形态相似牙齿的错误标记	实现部分缺牙颌肯尼迪分类的自动化判定	206名患者的209张口腔全景X光片	计算机视觉	牙科疾病	深度学习实例分割	Mask R-CNN	医学影像	209张全景X光片（来自206名患者）
206	2025-09-28	Can AI find the cavities in caries prediction and diagnosis? 2025-Sep, Evidence-based dentistry DOI:10.1038/s41432-025-01181-0 PMID:40715738	评论	对人工智能在儿童早期龋齿检测和预测中应用的系统综述与荟萃分析进行评论	首次系统评估AI在儿童早期龋齿领域的应用效果，并进行了定量荟萃分析	仅纳入英文文献，部分全文不可获取的研究被排除	评估人工智能在儿童早期龋齿检测和预测中的准确性和应用潜力	儿童早期龋齿（ECC）	医学人工智能	龋齿	机器学习（ML）、深度学习（DL）、神经网络（NN）	AI算法	医学影像数据	包含21项研究（7项检测研究，14项预测研究）
207	2025-09-28	Electrocardiogram-Based Artificial Intelligence to Identify Coronary Artery Disease 2025-Sep, JACC. Advances DOI:10.1016/j.jacadv.2025.102041 PMID:40749517	研究论文	开发基于心电图的人工智能模型ECG2CAD用于检测冠状动脉疾病和预测不良事件风险	首次利用深度学习模型从常规心电图中识别冠状动脉疾病，并在多个独立队列中验证其预测能力	模型性能在UK Biobank队列的AUPRC指标较低（0.155），表明在低患病率人群中的精确度有待提升	通过人工智能技术改进冠状动脉疾病的早期识别和风险评估	来自三家医疗机构的患者心电图数据（MGH、BWH和UK Biobank）	机器学习	心血管疾病	深度学习	深度学习模型（具体架构未说明）	心电图信号数据	训练集：764,670份心电图（137,199人）；测试集：MGH（18,706人）、BWH（88,270人）、UK Biobank（42,147人）
208	2025-09-28	Multi-task deep learning for automatic image segmentation and treatment response assessment in metastatic ovarian cancer 2025-Sep, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-025-03484-0 PMID:40900399	研究论文	提出多任务深度学习方法，用于自动分割转移性卵巢癌图像并评估治疗反应	首次展示多任务深度学习在评估复杂多部位HGSOC患者主要病灶化疗诱导肿瘤变化中的可行性	NA	开发自动图像分割和治疗反应评估方法	转移性卵巢癌患者的CE-CT扫描图像	数字病理	卵巢癌	对比增强计算机断层扫描(CE-CT)	U-Net	医学影像	训练集：99名患者的198张CE-CT图像；验证集：49名患者的98张扫描
209	2025-09-28	Graph neural network and diffusion model for modeling RNA interatomic interactions 2025-Sep-01, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaf515 PMID:40971857	研究论文	本研究提出了一种结合图神经网络和去噪扩散概率模型的新方法，用于预测RNA的三维结构	首次将图神经网络和扩散模型应用于RNA原子间相互作用建模，采用五原子粗粒度表示方法	方法在已知RNA家族上表现良好，但对合成或新型RNA家族的预测性能可能下降	开发更准确的RNA结构预测工具，解决传统实验方法原子级分辨率不足的问题	RNA局部描述子（小RNA亚结构）	机器学习	NA	图神经网络、去噪扩散概率模型	GNN、Diffusion Model	结构数据	训练集包含rRNA和tRNA结构，测试集包含其他所有RNA家族的描述子
210	2025-09-28	Longitudinal methods for Alzheimer's cognitive status prediction with deep learning 2025-Sep, Alzheimer's & dementia : the journal of the Alzheimer's Association DOI:10.1002/alz.70488 PMID:40994414	研究论文	开发了一种基于深度学习的纵向方法，用于预测阿尔茨海默病认知状态在3-10年内的变化	提出了两种新的建模技术：分离标准化基线特征与基线偏差的方法，以及基于线性注意力的新型插补方法，将预测时间范围从传统的1-3年扩展到3-10年	预测最终发展为AD的3-10年aMCI仍然具有挑战性	开发新的机器学习技术来延长阿尔茨海默病认知状态的预测时间范围	遗忘型轻度认知障碍（aMCI）和阿尔茨海默病（AD）患者	机器学习	阿尔茨海默病	深度学习	基于线性注意力的深度学习模型	神经心理学数据和患者病史数据	使用国家阿尔茨海默病协调中心（NACC）数据库的纵向数据
211	2025-09-28	Real-time sludge moisture monitoring via jet imaging and deep learning 2025-Sep, Environmental science and ecotechnology IF:14.0Q1 DOI:10.1016/j.ese.2025.100614 PMID:40994737	研究论文	通过喷射成像和深度学习实现污泥含水率的实时监测	利用高速成像捕捉污泥射流特性，结合深度学习算法在20秒内实现含水率精准预测	实验室规模系统，需验证在实际工业环境中的适用性	开发实时污泥含水率监测技术以优化污泥处理工艺	废水处理厂产生的废弃活性污泥	计算机视觉	NA	高速成像、深度学习	CNN（VGG-16、AlexNet、LeNet）	图像	79-94%含水率范围内采集的11,000多张射流图像
212	2025-09-28	Fast-RF-Shimming: Accelerate RF shimming in 7T MRI using deep learning 2025-Sep, Meta-radiology DOI:10.1016/j.metrad.2025.100166 PMID:40995422	研究论文	提出一种基于深度学习的快速RF匀场方法Fast-RF-Shimming，用于加速7T MRI中的射频匀场过程	采用残差网络直接映射B1场到匀场输出，结合置信度参数的损失函数设计，并引入可选的后处理步骤非均匀场检测器	未明确提及具体的数据需求限制和网络复杂性限制	解决7T MRI中射频场不均匀性问题，提高匀场处理速度	7T超高频磁共振成像系统	医学影像分析	NA	深度学习，磁共振成像	ResNet	MRI图像数据，B1场数据	NA
213	2025-09-28	Can the success of digital super-resolution networks be transferred to passive all-optical systems? 2025-Sep, Nanophotonics (Berlin, Germany) DOI:10.1515/nanoph-2025-0294 PMID:40995527	研究论文	探讨数字超分辨率网络的成功经验是否能迁移至被动全光学衍射神经网络系统	首次系统分析相位非线性全光学系统在超分辨率任务中的物理限制与设计约束	存在重建保真度与光路能量保存的权衡问题，且有效处理的输入强度动态范围有限	验证被动全光学系统实现空间超分辨率的可行性	全光学衍射神经网络（AODNNs）	计算光学	NA	光学衍射神经网络	AODNNs（全光学衍射神经网络）	光学信号	NA
214	2025-09-28	Deep learning-based 3D classification of head and neck cancer PET/MRI: Radiologist comparison and Grad-CAM interpretability 2025-Sep, Clinical physiology and functional imaging IF:1.3Q4 DOI:10.1111/cpf.70030 PMID:40996364	研究论文	开发并评估基于3D卷积神经网络的PET/MRI头颈癌自动分类系统，并与放射科医生诊断进行比较	首次将3D CNN应用于头颈癌PET/MRI多模态图像分类，并利用Grad-CAM技术增强模型可解释性	PET/MRI和MRI模型性能较差，特异性需要提升以减少假阳性，样本量有限	开发头颈癌PET/MRI图像的自动分类系统并评估其临床辅助诊断潜力	头颈癌患者的PET/MRI医学影像数据	医学影像分析	头颈癌	18F-FDG PET/MRI成像技术	3D CNN（三维卷积神经网络）	三维医学影像（PET/MRI图像）	训练集202例患者（101例阳性，101例阴性），测试集20例患者（10例阳性，10例阴性）
215	2025-09-28	Artificial intelligence applications in refractive error management: A systematic review and meta-analysis 2025-Sep, PLOS digital health DOI:10.1371/journal.pdig.0000904 PMID:40997051	系统综述与荟萃分析	本文通过系统综述和荟萃分析评估人工智能在屈光不正管理中的应用效果	首次对AI在屈光不正全流程管理（诊断、检测、预测、进展和治疗）中的应用进行系统性总结和定量分析	仅纳入英文文献，纳入研究数量有限（45篇系统综述，19篇荟萃分析），治疗研究性能波动较大	评估人工智能技术在屈光不正管理中的有效性和应用现状	屈光不正患者及相关临床数据	医疗人工智能	屈光不正	深度学习、机器学习	DL、ML	临床研究数据	45项研究纳入系统综述，19项研究纳入荟萃分析
216	2025-09-28	Streamlining the annotation process by radiologists of volumetric medical images with few-shot learning 2025-Sep, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-025-03457-3 PMID:40563071	研究论文	提出一种结合少样本学习和全监督模型优势的医学图像标注方法，显著降低放射科医生对小结构（如病灶）的标注工作量	通过优化支持集的扫描切片块和优先选择需要最少修正的标注扫描，首次将少样本学习模型（UniverSeg）与全监督模型（nnU-Net）协同用于医学图像标注流程	方法在小型病灶上的性能提升可能仍受限于少样本学习对小目标的固有挑战	开发高效降低放射科医生对医学图像中微小结构标注成本的自动化方法	CT和MRI扫描中的肝脏、肺部及脑部病灶	医学图像分析	多器官病灶（肝脏/肺部/脑部病变）	少样本学习、全监督学习	UniverSeg（少样本学习）、nnU-Net（全监督学习）	三维医学图像（CT/MRI扫描）	375例扫描数据，包含5933个病灶
217	2025-09-28	Exploratory analysis and framework for tissue classification based on vibroacoustic signals from needle-tissue interaction 2025-Sep, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-025-03491-1 PMID:40794229	研究论文	探索基于针-组织相互作用产生的振动声信号进行组织分类的初步分析与框架	提出利用针穿透组织产生的振动声信号结合深度学习技术进行针尖定位的新方法	仅使用动物组织模型进行初步实验，尚未进行人体验证	开发新型针引导技术以改善手术针的定位精度	手术针与生物组织的相互作用	机器学习	NA	深度学习信号处理	NeedleNet, ResNet-34	振动声信号	基于动物组织凝胶模型的实验数据
218	2025-09-28	Artificial Intelligence-Based Model Exploiting Hematoxylin and Eosin Images to Predict Rare Gene Mutations in Patients With Lung Adenocarcinoma 2025-Sep, JCO clinical cancer informatics IF:3.3Q2 DOI:10.1200/CCI-25-00093 PMID:41004706	研究论文	开发基于HE切片的深度学习模型预测肺腺癌罕见基因突变	首次利用HE图像通过深度学习预测多种罕见基因突变，并在转移性癌症数据集上验证模型泛化能力	样本量有限（共213例），部分基因在转移数据集预测性能有待提升	解决分子检测耗时问题，实现肺腺癌基因突变的快速预测	肺腺癌患者HE组织切片图像	数字病理	肺癌	深度学习	ResNeXt101	病理图像	213例患者（144例本地医院+69例TCGA公开数据）
219	2025-09-28	Structure-Preserving Histopathological Stain Normalization via Attention-Guided Residual Learning 2025-Sep-01, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12090950 PMID:41007195	研究论文	提出一种通过注意力引导残差学习实现结构保持的组织病理学染色归一化新方法	集成增强残差学习与多尺度注意力机制，通过基础重建和残差精化组件分解转换过程，采用注意力引导跳跃连接和渐进式课程学习	仅在MITOS-ATYPIA-14数据集上进行验证，需要进一步多中心验证	解决组织病理学图像染色变异对自动化诊断系统的影响	H&E染色的乳腺癌组织病理图像	数字病理学	乳腺癌	深度学习框架	注意力引导残差学习网络	组织病理学图像	1420对来自两台扫描仪的配对H&E染色乳腺癌图像
220	2025-09-28	Interpretable Disorder Signatures: Probing Neural Latent Spaces for Schizophrenia, Alzheimer's, and Autism Stratification 2025-Sep-01, Brain sciences IF:2.7Q3 DOI:10.3390/brainsci15090954 PMID:41008314	研究论文	开发可解释深度学习框架，通过时间反转预训练识别神经精神疾病的生物标志物	首次将自监督时间反转预训练应用于多疾病神经影像分类，并实现生物可解释的特征提取	仅验证于五个临床数据集，需要更大样本量验证泛化能力	建立可解释的深度学习模型用于神经精神疾病分层诊断	精神分裂症、阿尔茨海默病和自闭症谱系障碍患者	医学影像分析	神经精神疾病	fMRI功能网络分析	分层LSTM	功能磁共振成像数据	Human Connectome Project数据集预训练，五个临床数据集验证（FBIRN、BSNIP、ADNI、OASIS、ABIDE）