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
2181	2025-07-19	Challenges for implementing generative artificial intelligence (GenAI) into clinical healthcare 2025-07, Internal medicine journal IF:1.8Q2 DOI:10.1111/imj.70035 PMID:40135733	review	本文探讨了生成式人工智能（GenAI）在医疗保健领域实施的潜力与挑战	综述了GenAI在医疗保健中的多功能能力及其潜在影响	未提及具体的技术实现细节或案例研究	探讨GenAI在临床医疗保健中的应用潜力与实施挑战	生成式人工智能（GenAI）技术及其在医疗保健中的应用	machine learning	NA	deep learning	GenAI	large and diverse datasets	NA
2182	2025-07-19	Deep Learning-Powered Whole Slide Image Analysis in Cancer Pathology 2025-Jul, Laboratory investigation; a journal of technical methods and pathology DOI:10.1016/j.labinv.2025.104186 PMID:40306572	综述	本文综述了深度学习在全幻灯片图像(WSI)分析中的应用及其在癌症病理学中的临床价值	整合深度学习模型与WSI技术，探索超出病理学家视觉感知的形态学特征，用于自动化临床诊断、组织病理学分级评估、临床结果预测及新型形态学生物标志物发现	讨论了将基于深度学习的数字病理学转化为临床实践所面临的机遇与挑战	推进深度学习驱动的WSI分析在癌症护理临床任务中的应用	全幻灯片图像(WSI)及癌症病理学	数字病理学	癌症	全幻灯片成像技术	CNN, GCN, Transformer	图像	NA
2183	2025-07-19	Comparison of an Attention-Based Multiple Instance Learning (MIL) With a Visual Transformer Model: Two Weakly Supervised Deep Learning (DL) Algorithms for the Detection of Histopathologic Lesions in the Rat Liver to Distinguish Normal From Abnormal 2025-Jul, Toxicologic pathology IF:1.4Q4 DOI:10.1177/01926233251339653 PMID:40444726	研究论文	比较基于注意力的多实例学习（MIL）与视觉Transformer模型在弱监督深度学习算法中检测大鼠肝脏组织病理学病变的效果	首次在弱监督框架下比较MIL和视觉Transformer模型在组织病理学病变检测中的表现，并展示了模型在肾脏WSIs上的迁移学习能力	研究仅基于大鼠肝脏和肾脏的WSIs，未涉及其他器官或物种	提高监管毒性研究中组织病理学评估的效率	大鼠肝脏和肾脏的WSIs	数字病理学	NA	弱监督深度学习	MIL, Transformer	WSIs	58项不同大鼠毒性研究的肝脏切片WSIs
2184	2025-07-19	Artificial Intelligence in Obstetric and Gynecological MR Imaging 2025-Jul-01, Magnetic resonance in medical sciences : MRMS : an official journal of Japan Society of Magnetic Resonance in Medicine IF:2.5Q2 DOI:10.2463/mrms.rev.2024-0077 PMID:39477505	综述	本文回顾了人工智能在产科和妇科MRI影像中的重大进展和应用	从基础算法技术到深度学习和高级放射组学的AI发展历程，以及AI在特定疾病诊断中的应用	未提及具体的技术实施细节和数据集的具体规模	探索AI在产科和妇科MRI影像中的应用及其未来发展方向	子宫平滑肌肉瘤、子宫内膜癌、宫颈癌、卵巢肿瘤和胎盘植入等妇科疾病	数字病理学	妇科疾病	MRI、深度学习、放射组学	NA	MRI影像	NA
2185	2025-07-19	Multimodal AI to forecast arrhythmic death in hypertrophic cardiomyopathy 2025-Jul, Nature cardiovascular research IF:9.4Q1 DOI:10.1038/s44161-025-00679-1 PMID:40603582	研究论文	本文提出了一种名为MAARS的多模态人工智能方法，用于预测肥厚型心肌病患者的致命性心律失常事件	MAARS利用基于transformer的神经网络分析多模态医疗数据，包括电子健康记录、超声心动图和放射学报告以及对比增强心脏磁共振图像，后者是该模型的独特特征	NA	提高肥厚型心肌病患者致命性心律失常事件的预测准确性	肥厚型心肌病患者	人工智能在医疗领域的应用	心血管疾病	深度学习	transformer-based神经网络	多模态医疗数据（电子健康记录、超声心动图、放射学报告、心脏磁共振图像）	内部和外部队列患者（具体数量未提及）
2186	2025-07-19	Dynamic frame-by-frame motion correction for 18F-flurpiridaz PET-MPI using convolution neural network 2025-Jul-01, medRxiv : the preprint server for health sciences DOI:10.1101/2025.06.27.25330436 PMID:40630596	research paper	提出了一种基于深度学习的自动运动校正框架，用于18F-flurpiridaz PET心肌灌注成像	使用3D ResNet架构实现自动帧间运动校正，减少人工干预和观察者间差异	研究仅基于32个临床站点的数据，可能需要更大规模验证	提高18F-flurpiridaz PET心肌血流定量分析的准确性和效率	18F-flurpiridaz PET心肌灌注成像数据	digital pathology	cardiovascular disease	PET成像	3D ResNet	3D医学影像	来自32个临床站点的多中心数据（NCT01347710临床试验）
2187	2025-07-19	Noise-aware system generative model (NASGM): positron emission tomography (PET) image simulation framework with observer validation studies 2025-Jul, Medical physics IF:3.2Q1 DOI:10.1002/mp.17962 PMID:40660861	研究论文	开发并验证了一种基于深度学习的PET图像模拟方法NASGM，用于生成不同采集时间的PET图像	提出了一种新型的噪声感知系统生成模型（NASGM），采用双域鉴别器和基于Transformer的频率鉴别器结构，能够更好地模拟不同采集时间的PET图像	未提及在超出训练范围的时间帧上的泛化能力	开发一种计算高效的PET图像模拟框架，用于生成大量不同采集时间的模拟PET图像数据集	PET图像	医学影像处理	NA	深度学习生成模型	条件生成对抗网络（cGAN）	医学影像（PET/CT）	使用公共PET/CT数据集作为输入活动和衰减图
2188	2025-07-19	Use of a deep learning neural network to generate bone suppressed images for markerless lung tumor tracking 2025-Jul, Medical physics IF:3.2Q1 DOI:10.1002/mp.17949 PMID:40660921	研究论文	本研究使用U-net神经网络生成骨抑制图像，用于无标记肺部肿瘤追踪	提出了一种使用U-net神经网络生成合成双能减影（sDES）图像的方法，无需额外硬件或软件	研究样本量有限，仅包括20名肺癌患者和一个运动体模	比较合成双能减影（sDES）图像与真实双能减影（DES）图像在图像质量和追踪结果上的差异	运动体模和20名肺癌患者的X射线图像	数字病理	肺癌	双能减影（DES）和U-net神经网络	U-net	X射线图像	20名肺癌患者和1个运动体模，共7193张图像对
2189	2025-07-19	An open-source deep learning framework for respiratory motion monitoring and volumetric imaging during radiation therapy 2025-Jul, Medical physics IF:3.2Q1 DOI:10.1002/mp.18015 PMID:40665474	研究论文	开发了一个名为Voxelmap的深度学习框架，用于实时图像引导放射治疗中的呼吸运动监测和体积成像	Voxelmap框架能够利用标准临床环境中已有的数据和资源实现3D呼吸运动估计和体积成像，且可适应其他成像模式如MRI-Linacs，与现有方法相比，它鼓励保持拓扑结构和可逆性的微分同胚映射	在某些网络架构下，目标质心误差较大，如网络B和C在基于X射线的肺癌患者数据中表现出较大的误差	开发一种经济实惠的实时图像引导放射治疗工具	呼吸运动监测和体积成像在放射治疗中的应用	数字病理	肺癌	深度学习	CNN	图像	使用XCAT和CoMBAT数字幻影以及SPARE Grand Challenge数据集提供合成和患者数据
2190	2025-07-19	Automated Detection of Gibbon Calls From Passive Acoustic Monitoring Data Using Convolutional Neural Networks in the "Torch for R" Ecosystem 2025-Jul, Ecology and evolution IF:2.3Q2 DOI:10.1002/ece3.71678 PMID:40666685	研究论文	本文提出了一种使用R环境中的'Torch for R'生态系统和卷积神经网络（CNNs）从被动声学监测数据中自动检测长臂猿叫声的方法	首次在R编程环境中实现了基于深度学习的声学信号自动检测方法，并比较了六种CNN架构在两种长臂猿叫声检测上的性能	不同架构的性能表现依赖于物种和测试数据集，没有统一的最高性能模型	开发一种可在R环境中运行的自动声学信号检测方法，用于生态监测	两种长臂猿的叫声（北部灰长臂猿和南部黄颊冠长臂猿的雌性叫声）	机器学习	NA	被动声学监测（PAM）	CNN	音频	来自马来西亚丹浓谷保护区和柬埔寨Keo Seima野生动物保护区的两个自主录音单元网格的数据
2191	2025-07-19	Classification of Biscuit Quality With Deep Learning Algorithms 2025-Jul, Journal of food science IF:3.2Q2 DOI:10.1111/1750-3841.70379 PMID:40676924	研究论文	本研究旨在通过使用深度学习模型检测缺陷产品，减少饼干生产质量控制过程中的时间、成本和人为错误	采用深度学习模型（如EfficientNet、ResNet）进行饼干质量分类，并在工业食品生产中实现高效精确的质量控制	未提及数据集的具体规模或多样性，可能影响模型的泛化能力	减少饼干生产质量控制过程中的时间、成本和人为错误	饼干的质量分类（缺陷与无缺陷，以及多类别分类如过熟、纹理缺陷和不完整）	计算机视觉	NA	深度学习	EfficientNet, ResNet, XceptionNet, MobileNet	图像	两个数据集（一个用于二分类，一个用于多分类），具体样本数量未提及
2192	2025-07-19	AVN: A Deep Learning Approach for the Analysis of Birdsong 2025-Jun-22, bioRxiv : the preprint server for biology DOI:10.1101/2024.05.10.593561 PMID:39229184	研究论文	本文介绍了一种名为AVN的深度学习行为分析流程，用于斑胸草雀等鸣禽学习发声的分析	开发了无需额外训练数据即可跨多个动物群体高精度注释鸣声的深度学习流程，并生成可解释的特征集来描述鸣声的语法、时间和声学特性	NA	通过标准化表型和学习结果的映射，促进和加速对发声行为的研究，从而更好地将行为与潜在的神经过程联系起来	斑胸草雀的鸣声	深度学习	NA	深度学习	NA	音频数据	多个研究小组和实验中的斑胸草雀鸣声数据
2193	2025-07-19	Development and validation of a deep learning-based automatic classification algorithm for the medial temporal lobe atrophy score using a multimodality cascade transformer 2025-Jun-17, Clinical radiology IF:2.1Q2 DOI:10.1016/j.crad.2025.106993 PMID:40675115	research paper	开发并验证了一种基于深度学习的自动分类算法，用于认知障碍患者内侧颞叶萎缩（MTA）评分的分类	使用多模态级联Transformer开发深度学习模型，自动化MTA评分分类	模型性能在深度学习和机器学习方法之间相似，未显示出显著优势	开发并验证自动分类算法以评估认知障碍患者的MTA评分	认知障碍患者	digital pathology	geriatric disease	deep learning, machine learning	Transformer	image	训练数据集1694名患者，内部测试数据集297名患者，外部测试数据集400名患者
2194	2025-07-19	Regulatory risk loci link disrupted androgen response to pathophysiology of Polycystic Ovary Syndrome 2025-Jun-11, medRxiv : the preprint server for health sciences DOI:10.1101/2025.03.26.25324630 PMID:40196246	研究论文	本研究整合分子和表观基因组注释，利用深度学习框架预测多囊卵巢综合征（PCOS）风险变异的细胞类型特异性调控效应	使用深度学习模型预测PCOS风险变异的调控效应，揭示这些变异如何影响关键转录因子结合位点，从而调控促性腺激素信号、卵泡生成和类固醇生成	研究主要基于预测模型，需要进一步的实验验证来确认这些调控效应的生物学意义	解析PCOS的复杂遗传景观，揭示易感位点如何驱动分子机制	多囊卵巢综合征（PCOS）风险变异及其在脑和内分泌细胞类型中的调控效应	机器学习	多囊卵巢综合征	深度学习（DL）	深度学习模型	表观基因组数据	NA
2195	2025-07-19	Current State of Artificial Intelligence Model Development in Obstetrics 2025-Jun-05, Obstetrics and gynecology IF:5.7Q1 DOI:10.1097/AOG.0000000000005944 PMID:40472381	综述	本文回顾了最近关于人工智能在产科应用的相关文献，描述了AI在特定产科问题中的应用趋势，并评估了AI对产科护理的潜在影响	总结了AI在产科领域的最新应用趋势，并指出了未来可能影响产科护理的AI技术	大多数研究的人群与美国人口差异较大，其普遍适用性不确定，且很少有模型真正部署到产科实践中	评估人工智能在产科领域的应用现状及其对产科护理的潜在影响	产科领域的人工智能应用	数字病理学	产科疾病	机器学习, 深度学习, 神经网络	NA	NA	研究样本量从10到953,909不等
2196	2025-07-19	Deep learning model for differentiating thyroid eye disease and orbital myositis on computed tomography (CT) imaging 2025-Jun-03, Orbit (Amsterdam, Netherlands) DOI:10.1080/01676830.2025.2510587 PMID:40459922	research paper	开发一种深度学习模型，利用眼眶CT成像准确区分甲状腺眼病和眼眶肌炎	使用深度学习模型通过单一冠状位眼眶CT图像高精度区分甲状腺眼病和眼眶肌炎，并识别除眼外肌增大外的其他显著特征	单中心回顾性研究，样本量相对较小	开发一种能够准确区分甲状腺眼病和眼眶肌炎的深度学习模型	甲状腺眼病和眼眶肌炎患者及正常对照	digital pathology	thyroid eye disease, orbital myositis	orbital computed tomography (CT) imaging	Visual Geometry Group-16 network	image	1628张图像来自192名患者（110名甲状腺眼病，51名眼眶肌炎，31名对照）
2197	2025-07-19	An innovative ensemble approach of deep learning models with soft computing techniques for GIS-based drought-zonation mapping in Rarh Region, West Bengal 2025-Jun, Environmental science and pollution research international DOI:10.1007/s11356-025-36634-7 PMID:40560313	research paper	本研究提出了一种创新的深度学习集成方法，结合软计算技术，用于基于GIS的西孟加拉邦Rarh地区干旱分区制图	采用Hybrid Deep Learning Ensemble模型进行干旱分区制图，相比传统MLP NN和DenseNet神经网络具有更高精度	研究仅针对西孟加拉邦Rarh地区，可能无法直接推广到其他地理区域	开发高精度的干旱分区制图方法，以支持干旱风险管理和可持续发展战略	西孟加拉邦Rarh地区的Birbhum和Purba Bardhhaman地区	machine learning	NA	GIS, 深度学习集成方法	MLP NN, DenseNet, Hybrid Deep Learning Ensemble	地理空间数据, 气象数据, 农业数据, 水文数据, 社会经济数据	27个干旱评估因子，覆盖Birbhum和Purba Bardhhaman地区
2198	2025-07-19	Physics-informed neural networks for optimal vaccination plan in SIR epidemic models 2025-May-20, Mathematical biosciences and engineering : MBE DOI:10.3934/mbe.2025059 PMID:40676987	研究论文	本研究探讨了在具有恒定感染和恢复率的SIR模型中实现最短根除时间的最优疫苗接种计划	提出了一种基于物理信息神经网络的网格自由框架来近似解决HJB方程，并通过动态规划原理高效获得最优疫苗接种控制	研究假设感染和恢复率为恒定值，可能限制了模型在更复杂流行病场景中的应用	解决流行病建模中的最优控制问题及其对应的HJB方程	SIR流行病模型中的最优疫苗接种计划	机器学习	NA	物理信息神经网络(PINN)	神经网络	数值数据	NA
2199	2025-07-19	Accuracy of deep learning-based upper airway segmentation 2025-03, Journal of stomatology, oral and maxillofacial surgery DOI:10.1016/j.jormas.2024.102048 PMID:39244033	研究论文	本研究评估了基于深度学习的自动模型和半自动方法在上气道分割中的准确性，并与金标准手动方法进行了比较	使用MONAI Label框架训练自动分割模型，并与开源程序ITK-SNAP的半自动分割方法进行比较，验证了两种方法在临床中的可接受性	研究仅针对CBCT图像，未涉及其他影像模态	评估自动和半自动上气道分割方法的准确性，以辅助正畸治疗中的诊断和规划	上气道的体积和形态	数字病理	NA	CBCT	深度学习	图像	NA
2200	2025-07-19	Invited commentary: deep learning-methods to amplify epidemiologic data collection and analyses 2025-Feb-05, American journal of epidemiology IF:5.0Q1 DOI:10.1093/aje/kwae215 PMID:39013794	comments	本文是一篇受邀评论，探讨了深度学习在流行病学数据收集和分析中的应用及其潜力	强调了深度学习为流行病学研究带来的新机遇，包括扩大研究的地理范围、增加研究对象数量以及处理大规模或高维数据	指出深度学习工具对流行病学家而言不如传统回归方法那样直接和普及，需要与深度学习专家进行跨学科合作	探讨深度学习如何扩展和增强流行病学研究的数据收集和分析能力	流行病学研究中的数据收集和分析方法	machine learning	NA	深度学习	neural networks, attention algorithms	text, audio, images, video	NA