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
2401	2025-05-09	[18F]FDG administered activity reduction capabilities of a 32-cm axial field-of-view solid-state digital bismuth germanium oxide PET/CT system while maintaining EARL compliance 2025-Mar, 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.2025.104935 PMID:39956005	研究论文	评估数字BGO 32厘米轴向视场PET系统在符合当前和更新的EANM Research Ltd氟-18认证规范（EARL1和EARL2）的情况下，降低[18F]FDG给药活性和/或扫描时间的能力	使用数字BGO PET系统结合深度学习图像增强技术（PDL），显著降低[18F]FDG给药活性，同时保持EARL1和EARL2合规性	研究仅基于幻影测量，未涉及实际患者数据	评估PET系统在降低放射性药物活性和扫描时间方面的性能	数字BGO 32厘米轴向视场PET系统（Omni Legend 32 cm）	医学影像	NA	PET/CT成像，深度学习图像增强（PDL）	NA	医学影像数据	使用校准QC和NEMA IEC幻影进行测量，图像质量QC扫描每小时重复一次，共7小时
2402	2025-05-09	Adaptable graph neural networks design to support generalizability for clinical event prediction 2025-Mar, Journal of biomedical informatics IF:4.0Q2 DOI:10.1016/j.jbi.2025.104794 PMID:39956347	研究论文	本文提出了一种可适应性的图卷积神经网络设计，用于提高临床事件预测模型的泛化能力	利用图卷积神经网络的独特属性，使模型在训练后能够适应不同机构的数据，无需重新训练	外部验证数据集中存在缺失/不完整数据可能影响模型性能	解决临床事件预测模型在不同医疗机构间泛化能力不足的问题	电子健康记录中的患者人口统计数据和账单代码等多模态数据	机器学习	NA	图卷积神经网络(GCNN)	GCNN	多模态数据(包括人口统计数据和账单代码)	未明确说明具体样本数量
2403	2025-05-09	MARBLE: interpretable representations of neural population dynamics using geometric deep learning 2025-Mar, Nature methods IF:36.1Q1 DOI:10.1038/s41592-024-02582-2 PMID:39962310	research paper	介绍了一种名为MARBLE的表示学习方法，用于分解神经流形上的动态为局部流场，并通过无监督几何深度学习将其映射到共同的潜在空间	MARBLE方法能够发现低维潜在表示，这些表示在高维神经动态中参数化增益调制、决策制定和内部状态变化，且在不同神经网络和动物间具有一致性	方法需要进一步验证在更广泛的实验条件和神经记录中的适用性	开发一种能够推断可解释且一致的潜在表示的方法，以理解神经群体动态	模拟非线性动力系统、循环神经网络以及来自灵长类和啮齿类动物的实验性单神经元记录	machine learning	NA	geometric deep learning	MARBLE	neural recordings	实验数据来自灵长类和啮齿类动物的单神经元记录
2404	2025-05-09	Deep learning opportunistic screening for osteoporosis and osteopenia using radiographs of the foot or ankle - A pilot study 2025-Mar, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.111980 PMID:39946811	研究论文	本研究旨在开发一种深度学习模型，通过足部或踝关节的X光片筛查骨质疏松或骨质减少	开发了一种新颖的深度学习模型，利用定制的架构从足部和踝关节的X光片中提取深度特征，用于骨质疏松或骨质减少的筛查	研究为回顾性横断面研究，样本中白种人占比较高（96.7%），可能影响模型的泛化能力	创建一种深度学习模型，用于通过足部或踝关节的X光片筛查骨质疏松或骨质减少	50岁及以上接受足部或踝关节X光检查及DXA检查的患者	数字病理学	骨质疏松	X光成像	深度学习定制架构	图像	907名患者（3109张X光片），其中白种人占96.7%，黑人占1.8%，亚洲人占0.4%
2405	2025-05-09	Triboelectric Sensors Based on Glycerol/PVA Hydrogel and Deep Learning Algorithms for Neck Movement Monitoring 2025-Feb-26, ACS applied materials & interfaces IF:8.3Q1 DOI:10.1021/acsami.4c20821 PMID:39950449	研究论文	介绍了一种基于甘油/PVA水凝胶和深度学习算法的摩擦电传感器，用于颈部运动监测	提出了一种新型、灵活且可拉伸的摩擦电纳米发电机（TENG），结合CNN和BiLSTM算法，实现了97.14%的识别准确率	未提及样本量或实验参与者的具体数量	开发一种用于预防颈椎病的颈部运动监测系统	颈部运动	传感器技术	颈椎病	摩擦电纳米发电机（TENG）	CNN和BiLSTM	传感器数据	NA
2406	2025-05-09	RAE-Net: a multi-modal neural network based on feature fusion and evidential deep learning algorithm in predicting breast cancer subtypes on DCE-MRI 2025-Feb-25, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/adb494 PMID:39933196	研究论文	本研究介绍了一种基于多模态特征融合和证据深度学习算法的新型神经网络模型RAE-Net，用于提高动态对比增强磁共振成像（DCE-MRI）对乳腺癌分子亚型的预测准确性	RAE-Net结合了多模态特征融合和证据深度学习算法，不仅提高了预测准确性，还引入了不确定性估计以增强分类的可靠性	研究样本量相对较小（344例患者），且仅使用了DCE-MRI数据	提高乳腺癌分子亚型的预测准确性，以支持个性化治疗	乳腺癌患者的DCE-MRI数据	数字病理学	乳腺癌	动态对比增强磁共振成像（DCE-MRI）	RAE-Net（基于ResNet-50、多头注意力融合和多层感知机机制）	图像	344例经组织学确认的乳腺癌患者（训练集200例，验证集60例，测试集62例）
2407	2025-05-09	Application of Surface-Enhanced Raman Spectroscopy in Head and Neck Cancer Diagnosis 2025-Feb-25, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.4c02796 PMID:39951652	review	本文综述了表面增强拉曼光谱（SERS）在头颈癌诊断和治疗中的应用现状及前景	展示了SERS在液体活检、单分子检测、肿瘤微环境表征以及与人工智能结合方面的创新应用	未提及具体的技术实施难点或临床转化障碍	探讨SERS技术在头颈癌精准诊疗领域的应用潜力	头颈癌的分子生物学诊断、组织水平识别和治疗监测	数字病理学	头颈癌	表面增强拉曼光谱（SERS）	机器学习与深度学习算法	光谱数据	NA
2408	2025-05-09	Automated hallucination detection for synthetic CT images used in MR-only radiotherapy workflows 2025-Feb-25, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/adb5eb PMID:39946843	研究论文	开发了一种用于检测AI生成的合成CT图像中骨幻觉的工具，以提高MR-only放射治疗工作流程的准确性和安全性	提出了一种基于深度学习自动分割模型的骨幻觉筛查工具，用于识别AI生成的合成CT图像中的错误区域	模型的平均特异性在不同距离参数下有所变化，且测试数据集较小（仅10例）	提高MR-only放射治疗工作流程中AI生成的合成CT图像的准确性和安全性	AI生成的盆腔合成CT图像	数字病理	NA	深度学习自动分割	3D SegResNet	MR图像和CT图像	86对Dixon MR图像集和对应的规划CT图像变形轮廓用于训练，10例独立测试数据集
2409	2025-05-09	Stacked CNN-based multichannel attention networks for Alzheimer disease detection 2025-Feb-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-85703-x PMID:39962097	research paper	该研究提出了一种基于堆叠CNN和多通道注意力网络的轻量级模型SCCAN，用于MRI图像中的阿尔茨海默病检测	提出了一种结合堆叠CNN和通道注意力模块的新型模型SCCAN，通过多层次特征提取和通道维度上的特征选择，有效减少噪声并提升特征权重效果	模型在较小数据集上训练，可能在大规模数据集上的泛化能力有待验证	开发一种高效的阿尔茨海默病自动识别系统	阿尔茨海默病患者的MRI图像	digital pathology	geriatric disease	MRI	CNN, Channel Attention Network	image	ADNI1 Complete 1Yr 1.5T, Kaggle和OASIS-1数据集
2410	2025-05-09	Dense convolution-based attention network for Alzheimer's disease classification 2025-Feb-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-85802-9 PMID:39962113	研究论文	提出了一种名为DenseAttentionNetwork (DANet)的轻量级模型，用于在3D MRI图像中检测阿尔茨海默病	结合密集连接和线性注意力机制，以较少的参数实现高效预测，并克服标准自注意力的一些限制	未提及具体的局限性	开发一个高效且参数较少的模型，用于阿尔茨海默病的分类	3D MRI图像	数字病理学	阿尔茨海默病	3D MRI成像	CNN与线性注意力机制结合的DANet	3D图像	多机构数据集，具体数量未提及
2411	2025-05-09	Multimodal surface-based transformer model for early diagnosis of Alzheimer's disease 2025-Feb-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-90115-y PMID:39962212	研究论文	提出了一种基于多模态表面特征的Transformer模型，用于阿尔茨海默病的早期诊断	首次利用多模态、轻量级的皮层表面特征（来自MRI和PET扫描）替代计算密集型的3D体积特征，并采用中间融合方法和交叉注意力机制高效整合不同模态的特征	研究仅基于ADNI系列数据集，未在其他独立数据集上验证	开发一种计算效率更高的阿尔茨海默病早期诊断方法	阿尔茨海默病患者	数字病理学	阿尔茨海默病	MRI, PET扫描	Transformer	图像	ADNI系列数据集（具体数量未提及）
2412	2025-05-09	A unified framework harnessing multi-scale feature ensemble and attention mechanism for gastric polyp and protrusion identification in gastroscope imaging 2025-Feb-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-90034-y PMID:39962226	研究论文	本研究提出了一种名为MultiAttentiveScopeNet的深度学习模型，用于提高胃镜图像中胃息肉和隆起物的识别准确率	结合多层特征集成和注意力机制，提高胃镜图像分析的准确性和可解释性	NA	解决胃息肉和隆起物在胃镜图像中的诊断挑战	胃镜图像	计算机视觉	胃部疾病	深度学习	CNN	图像	大型多类胃镜图像数据集
2413	2025-05-09	A hybrid optimization-enhanced 1D-ResCNN framework for epileptic spike detection in scalp EEG signals 2025-Feb-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-90164-3 PMID:39962290	research paper	提出了一种结合1D残差卷积神经网络(1D-ResCNN)和混合优化策略的深度学习架构，用于头皮脑电信号中的癫痫尖峰检测	结合LAMB和AdamW算法的混合优化策略，提高了模型效率和收敛速度，同时从时域和频域脑电数据中提取特征	NA	开发一种高效、准确的癫痫尖峰实时检测方法	头皮脑电信号中的癫痫尖峰	digital pathology	epilepsy	1D-ResCNN, LAMB, AdamW	1D-ResCNN	EEG signals	CHB-MIT数据集(12名患者的24通道脑电记录)和Siena数据集(14名成人患者的脑电数据)
2414	2025-05-09	Research on the development of an intelligent prediction model for blood pressure variability during hemodialysis 2025-Feb-17, BMC nephrology IF:2.2Q2 DOI:10.1186/s12882-025-03959-x PMID:39962403	research paper	开发一种智能预测模型，用于预测血液透析期间血压变异性	利用机器学习和深度学习模型预测血液透析期间的血压波动，并通过SHAP方法识别关键特征，开发临床应用程序	研究数据仅来自两家医院，可能缺乏广泛代表性	预测血液透析期间的血压波动（IDH和IDHTN），以减少并发症	血液透析患者	machine learning	cardiovascular disease	machine learning, SHAP	XGBoost, CatBoost, RF	clinical data	67,524次血液透析会话（47,053次用于模型训练和测试，20,471次用于外部验证）
2415	2025-05-09	Predicting visual field global and local parameters from OCT measurements using explainable machine learning 2025-Feb-16, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-89557-1 PMID:39956834	研究论文	该研究开发了五种回归模型，用于从光学相干断层扫描（OCT）数据预测视野（VF）测量，并通过SHAP分析提高模型的可解释性，同时开发了一个名为OCT to VF Predictor的临床软件工具	引入了点态归一化和步长概念，在点态敏感性预测中获得了2.51 dB的平均绝对误差，灰度预测模型的平均结构相似性指数达到77%，并通过SHAP分析为青光眼诊断提供了关键特征见解	研究样本量相对有限（268只青光眼和226只正常眼），且未提及模型在其他疾病或更大样本中的泛化能力	通过机器学习和可解释AI工具预测青光眼患者的视野参数，辅助眼科医生进行诊断	青光眼患者和正常人的眼睛（共494只眼，包括早期、中期和晚期青光眼）	机器学习	青光眼	光学相干断层扫描（OCT）	回归模型	医学影像数据	268只青光眼（86早期、72中期、110晚期）和226只正常眼
2416	2025-05-09	RNA-protein interaction prediction using network-guided deep learning 2025-Feb-16, Communications biology IF:5.2Q1 DOI:10.1038/s42003-025-07694-9 PMID:39956833	research paper	介绍了一种名为ZHMolGraph的网络引导深度学习方法，用于预测RNA-蛋白质相互作用	整合了图神经网络和无监督大型语言模型，显著提高了对未知RNA和蛋白质相互作用的预测准确性	RNA数量有限且灵活性高，可能限制了深度学习模型的有效性	提高RNA-蛋白质相互作用的计算预测准确性	RNA和蛋白质的相互作用	machine learning	NA	graph neural network, unsupervised large language models	ZHMolGraph	RNA-protein interaction data	两个基准数据集，包括未知RNA和蛋白质的数据集
2417	2025-05-09	Advanced prognostic modeling with deep learning: assessing long-term outcomes in liver transplant recipients from deceased and living donors 2025-Feb-16, Journal of translational medicine IF:6.1Q1 DOI:10.1186/s12967-025-06183-1 PMID:39956905	研究论文	本研究利用深度学习开发了一种先进的预后模型，用于评估肝移植后的长期结果，特别关注区分死亡和活体供体移植	使用Deeplearning4j多层感知器分类器进行长期生存分析，并验证了其在肝移植后生存预测中的实用性	研究仅基于UNOS数据库的数据，可能无法涵盖所有相关变量	开发一个先进的预后模型来预测肝移植后的长期结果	肝移植受者，包括死亡和活体供体移植的受者	机器学习	肝病	深度学习	Deeplearning4j Multilayer Perceptron (MLP)	临床、人口统计和移植相关变量	353,589条记录（1998年至2023年）
2418	2025-05-09	Development and validation of MRI-derived deep learning score for non-invasive prediction of PD-L1 expression and prognostic stratification in head and neck squamous cell carcinoma 2025-Feb-16, Cancer imaging : the official publication of the International Cancer Imaging Society IF:3.5Q1 DOI:10.1186/s40644-025-00837-5 PMID:39956910	研究论文	开发并验证了一种基于MRI的深度学习评分（DLS），用于无创预测头颈部鳞状细胞癌（HNSCC）患者的PD-L1表达状态及其对免疫检查点抑制剂（ICI）治疗的预后分层效果	利用ResNet-101卷积神经网络和基于transformer的注意力机制模型，融合多序列MRI特征，首次实现了对HNSCC患者PD-L1表达的无创预测和预后分层	研究样本来自两个机构，可能存在选择偏倚；模型性能在外部验证队列中有所下降	开发非侵入性预测HNSCC患者PD-L1表达的方法，并评估其对免疫治疗预后的预测价值	头颈部鳞状细胞癌（HNSCC）患者	数字病理	头颈部鳞状细胞癌	MRI（T1WI、T2WI和对比增强T1WI）	ResNet-101 CNN与transformer融合模型	医学影像	来自两个机构的610名HNSCC患者（四个队列）
2419	2025-05-09	Deep learning for detecting and early predicting chronic obstructive pulmonary disease from spirogram time series 2025-Feb-15, NPJ systems biology and applications IF:3.5Q1 DOI:10.1038/s41540-025-00489-y PMID:39955293	研究论文	提出了一种名为DeepSpiro的深度学习新方法，用于从肺活量时间序列中检测和早期预测慢性阻塞性肺疾病(COPD)	开发了DeepSpiro，一个包含四个关键组件的深度学习框架，能够基于细微数据模式预测未来COPD风险，预测时间跨度可达1-5年或更长	NA	早期预测慢性阻塞性肺疾病(COPD)的未来风险	肺活量时间序列数据	机器学习	慢性阻塞性肺疾病	深度学习	DeepSpiro(包含SpiroSmoother, SpiroEncoder, SpiroExplainer, SpiroPredictor)	时间序列数据(Volume-Flow曲线)	UK Biobank数据集
2420	2025-05-09	Deep learning-based organ-wise dosimetry of 64Cu-DOTA-rituximab through only one scanning 2025-Feb-15, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-88498-z PMID:39955298	研究论文	本研究利用深度学习从早期扫描图像生成延迟的Cu-dotatate (DOTA)-rituximab PET图像，以减少估算放射性药物吸收剂量的不便和成本	使用生成对抗网络(GAN)的配对图像到图像转换(I2I)模型，从早期PET图像生成延迟图像，并应用器官特异性剂量测定	对于与身体清除相关的器官，剂量预测相对不准确	减轻放射性免疫结合物剂量测定的负担	六名恶性肿瘤患者的PET图像	数字病理学	恶性肿瘤	PET成像	GAN	图像	六名患者