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
2641	2025-07-22	Empowering Data Sharing in Neuroscience: A Deep Learning Deidentification Method for Pediatric Brain MRIs 2025-May-02, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8581 PMID:39532533	研究论文	开发了一种基于深度学习的自动去标识化工具，用于儿科脑部MRI图像，以促进神经科学数据共享	针对儿科病例和多种MRI序列定制化开发的去标识化工具，填补了现有工具在儿科病例和多样化图像类型上的不足	模型在去除耳朵区域的性能较低（准确率73%）	解决儿科神经影像数据共享中的隐私问题，促进神经科学研究	儿科脑部MRI图像	数字病理	脑肿瘤	MRI（T1W、T1W对比增强、T2W、T2W-FLAIR）	nnU-Net	图像	208名脑肿瘤患者和36名临床对照患者，共976张图像
2642	2025-07-22	Perfusion estimation from dynamic non-contrast computed tomography using self-supervised learning and a physics-inspired U-net transformer architecture 2025-May, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-025-03323-2 PMID:39832070	研究论文	本研究提出了一种基于自监督学习和物理启发的U-net transformer架构的新方法，用于从非对比动态计算机断层扫描中预测肺灌注成像	结合了U-Net Transformer架构和自监督学习策略，首次实现了从非对比CT预测灌注成像的高精度	研究样本量相对较小（44名患者），且需要进一步验证其临床适用性	开发一种更快速、更准确的肺功能成像方法，以克服当前核医学成像的局限性	肺灌注成像	数字病理学	肺病	4DCT成像，SPECT/CT灌注扫描	U-Net Transformer	CT图像	523张IE-CT图像用于自监督训练，44名患者数据用于监督训练
2643	2025-07-22	On-patient medical record and mRNA therapeutics using intradermal microneedles 2025-May, Nature materials IF:37.2Q1 DOI:10.1038/s41563-024-02115-4 PMID:39994390	研究论文	介绍了一种不可见的皮肤内微针技术，用于在患者皮肤上准确存储医疗信息，并结合mRNA治疗	开发了一种结合mRNA治疗和近红外荧光微粒的微针设计，用于在患者皮肤上存储医疗记录，并通过深度学习图像处理进行信息编码和解码	研究仅在猪模型中进行长期验证，尚未在人类中进行临床试验	开发一种可靠的医疗记录保存技术，以改善全球医疗记录不可靠或不可用的情况	患者皮肤和mRNA疫苗	数字病理学	SARS-CoV-2	mRNA治疗和近红外荧光微粒技术	深度学习	图像	猪模型
2644	2025-07-22	Artificial Intelligence for the Detection of Patient-Ventilator Asynchrony 2025-05, Respiratory care IF:2.4Q2 DOI:10.1089/respcare.12540 PMID:40178919	综述	本文综述了人工智能在检测患者-呼吸机异步（PVA）中的应用现状	展示了AI模型在PVA检测中的高准确性和潜力，涵盖多种人群和异步类型	需要进一步在不同临床环境和患者群体中进行模型验证	评估AI在PVA检测和量化中的应用	患者-呼吸机异步（PVA）	机器学习	呼吸系统疾病	机器学习和深度学习技术	多种ML和深度学习模型	呼吸数据	13项研究，332名参与者，分析超过580万次呼吸
2645	2025-07-22	Using deep learning for estimation of time-since-injury in pediatric accidental fractures 2025-May, Pediatric radiology IF:2.1Q2 DOI:10.1007/s00247-025-06223-4 PMID:40258953	研究论文	本研究利用深度学习模型评估儿童意外长骨骨折的受伤时间	首次将深度学习应用于儿童骨折受伤时间的精确估计，提高了传统方法的准确性	研究数据仅来自单一儿童医院，样本多样性可能受限	改进儿童骨折受伤时间的影像学评估方法	6岁以下儿童的长骨意外骨折	数字病理学	儿科骨折	深度学习	CNN	影像	来自399名患者的2,328张X光片
2646	2025-07-22	Deep learning-assisted analysis of single-particle tracking for automated correlation between diffusion and function 2025-May, Nature methods IF:36.1Q1 DOI:10.1038/s41592-025-02665-8 PMID:40341204	research paper	介绍了一种名为DeepSPT的深度学习框架，用于快速高效地分析细胞内物体扩散的二维或三维时间行为	开发了DeepSPT框架，能够自动从分子和细胞器的扩散中提取功能信息，显著提高了分析效率	未提及具体的技术限制或数据局限性	研究细胞内物体扩散与功能之间的自动关联	分子和细胞器在亚细胞环境中的扩散行为	machine learning	NA	deep learning	DeepSPT	temporal behavior data	未提及具体样本数量
2647	2025-07-22	Ordinal Sleep Depth: A Data-Driven Continuous Measurement of Sleep Depth 2025-Apr-25, Journal of sleep research IF:3.4Q2 DOI:10.1111/jsr.70074 PMID:40276961	研究论文	开发了一种数据驱动的连续睡眠深度测量方法——有序睡眠深度(OSD)，并评估其与觉醒概率的关联及其与年龄、性别、睡眠呼吸障碍(SDB)和认知障碍的关系	使用深度学习框架开发了连续测量睡眠深度的方法，相比传统离散睡眠分期更能捕捉睡眠深度的连续性	NA	开发连续睡眠深度测量方法并验证其临床相关性	18,116名患者的21,787份多导睡眠图记录	机器学习	睡眠呼吸障碍, 认知障碍	多导睡眠图	CNN	EEG信号	21,787份多导睡眠图记录(来自18,116名患者)
2648	2025-07-22	Dissection of tumoral niches using spatial transcriptomics and deep learning 2025-Apr-18, iScience IF:4.6Q1 DOI:10.1016/j.isci.2025.112214 PMID:40230519	研究论文	本研究介绍了一种名为TG-ME的创新计算框架，结合了transformer和图变分自编码器（GraphVAE）模型，用于利用空间转录组学数据和形态学图像解析肿瘤微环境	TG-ME框架整合了transformer和GraphVAE模型，能够有效识别和表征肿瘤微环境中的特定区域，为肿瘤微环境的空间组织提供了新的见解	研究可能受限于数据集的大小和多样性，以及模型在更广泛癌症类型中的泛化能力	解析肿瘤微环境的空间组织，揭示与疾病预后和治疗效果相关的微环境特征	肿瘤微环境中的特定区域（niches）	数字病理学	肺癌（NSCLC）	空间转录组学	transformer, GraphVAE	空间转录组学数据, 形态学图像	基准数据集和高分辨率NSCLC数据集
2649	2025-07-22	Enhanced cell tracking using a GAN-based super-resolution video-to-video time-lapse microscopy generative model 2025-Apr-18, iScience IF:4.6Q1 DOI:10.1016/j.isci.2025.112225 PMID:40230526	研究论文	本文提出了一种基于GAN的超分辨率视频到视频延时显微镜生成模型tGAN，用于增强细胞追踪的性能	引入了tGAN，一种基于GAN的延时显微镜生成器，能够生成高质量和多样性的合成注释延时显微镜数据，提升细胞追踪模型的性能	需要进一步验证tGAN在不同类型细胞和实验条件下的泛化能力	提升细胞追踪的准确性和减少对人工注释的依赖	细胞动态行为	数字病理学	NA	GAN	GAN	视频	NA
2650	2025-07-22	A deep learning strategy to identify cell types across species from high-density extracellular recordings 2025-Apr-17, Cell IF:45.5Q1 DOI:10.1016/j.cell.2025.01.041 PMID:40023155	研究论文	本文开发了一种深度学习策略，用于从高密度细胞外记录中识别跨物种的细胞类型	结合光遗传学和药理学，生成经过筛选的电生理特性真实库，并训练半监督深度学习分类器，预测细胞类型的准确率超过95%	研究主要集中在小脑作为测试平台，可能在其他脑区的适用性有待验证	揭示具有不同功能、分子和解剖特性的神经元在行为中的计算作用	小脑中的浦肯野细胞、分子层中间神经元、高尔基细胞和苔藓纤维	机器学习	NA	光遗传学、药理学、高密度细胞外记录	半监督深度学习分类器	电生理记录数据	NA
2651	2025-07-22	Accurate and rapid determination of metabolic flux by deep learning of isotope patterns 2025-Apr-15, bioRxiv : the preprint server for biology DOI:10.1101/2023.11.06.565907 PMID:37986781	研究论文	本文介绍了一种名为ML-Flux的机器学习框架，用于快速准确地测定代谢通量	创新性地开发了ML-Flux框架，能够解读复杂的同位素标记模式，并比现有方法更准确、更快速地计算代谢通量	研究仅涉及26种关键C-葡萄糖、H-葡萄糖和C-谷氨酰胺示踪剂，可能不涵盖所有代谢情况	旨在通过机器学习方法改进代谢通量的定量分析	中心碳代谢中的同位素标记模式	机器学习	NA	同位素示踪实验	神经网络	同位素标记模式数据	26种关键C-葡萄糖、H-葡萄糖和C-谷氨酰胺示踪剂
2652	2025-07-22	DCATNet: polyp segmentation with deformable convolution and contextual-aware attention network 2025-Apr-14, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-01661-w PMID:40229681	研究论文	提出了一种名为DCATNet的新型深度学习架构，专门用于息肉分割	结合了ResNetV2-50编码器和Transformer，集成了几何注意力模块(GAM)、上下文注意力门(CAG)和多尺度特征提取(MSFE)块	未提及具体局限性	解决医学图像中息肉分割的挑战	医学图像中的息肉	计算机视觉	息肉相关疾病	深度学习	U-shaped网络结合ResNetV2-50和Transformer	医学图像	五个公共数据集（包括Kvasir-SEG和CVC-ClinicDB）
2653	2025-07-22	Deciphering epistatic genetic regulation of cardiac hypertrophy 2025-Apr-11, medRxiv : the preprint server for health sciences DOI:10.1101/2023.11.06.23297858 PMID:37987017	研究论文	该研究开发了一种名为低信号符号迭代随机森林的方法，用于揭示心脏肥大的复杂遗传结构，并通过深度学习从29,661份英国生物银行心脏MRI中获取左心室质量估计	使用低信号符号迭代随机森林方法发现全基因组关联研究中被认为不显著的位点，并通过功能基因组学和转录组网络分析验证这些基因在心脏肥大中的非加性调控作用	研究依赖于英国生物银行的样本，可能无法完全代表其他人群的遗传多样性	揭示心脏肥大的复杂遗传调控机制，特别是非加性遗传互作（上位性）的作用	人类心脏组织、诱导多能干细胞衍生的心肌细胞	遗传学	心血管疾病	低信号符号迭代随机森林、深度学习、RNA沉默、微流控单细胞形态分析	随机森林、深度学习模型	心脏MRI图像、基因组数据、转录组数据	29,661份英国生物银行心脏MRI，313个人类心脏样本
2654	2025-07-22	Continuous sleep depth index annotation with deep learning yields novel digital biomarkers for sleep health 2025-Apr-11, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-025-01607-0 PMID:40216900	研究论文	提出一种深度学习方法，利用现有离散睡眠分期标签标注连续睡眠深度指数（SDI），揭示了更详细的睡眠结构	使用深度学习从传统离散睡眠分期中提取连续睡眠深度指数，发现新的数字生物标志物	研究基于现有数据集，可能无法涵盖所有睡眠异常情况	开发更精细的睡眠评估方法，发现与健康相关的睡眠数字生物标志物	来自四个大型队列的10,000多份多导睡眠图记录	机器学习	睡眠障碍	深度学习	深度学习模型（未指定具体类型）	多导睡眠图数据	超过10,000份记录
2655	2025-07-22	Transitions in dynamical regime and neural mode underlie perceptual decision-making 2025-Apr-07, bioRxiv : the preprint server for biology DOI:10.1101/2023.10.15.562427 PMID:37904994	研究论文	研究通过无监督深度学习方法，发现大鼠前额叶皮层和纹状体中与决策相关的神经动力学	揭示了感知决策过程中神经动力学和神经模式的快速协调转变，提出了决策承诺时刻的新概念	研究仅基于大鼠模型，人类决策过程可能存在差异	探索感知决策的神经机制	大鼠前额叶皮层和纹状体的神经元活动	神经科学	NA	无监督深度学习方法	NA	神经电生理数据	数百个神经元的同时记录
2656	2025-07-22	Decomposing the effect of normal aging and Alzheimer's disease in brain morphological changes via learned aging templates 2025-Apr-07, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-96234-w PMID:40189702	研究论文	本文提出两种评分（AS和ADS）来独立测量正常衰老和阿尔茨海默病（AD）对脑萎缩的影响	使用深度学习模型生成不同年龄的成像模板，并基于深度学习的微分同胚配准技术分解脑萎缩的两种成分	研究仅基于OASIS-3数据集，样本量有限，且未涵盖其他神经退行性疾病	区分正常衰老和AD病理对脑形态变化的独立影响	认知正常（CN）个体和不同临床严重程度的AD患者	数字病理学	阿尔茨海默病	T1加权MRI扫描	生成式深度学习模型	MRI图像	1014例（326例CN，688例AD）
2657	2025-07-22	Combination of deep learning reconstruction and quantification for dynamic contrast-enhanced (DCE) MRI 2025-Apr, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2024.110310 PMID:39710009	研究论文	本研究提出了一种结合深度学习和量化的端到端管道，用于快速和定量的动态对比增强（DCE）MRI	开发了名为DCE-Movienet的新型深度重建网络，结合先前开发的DCE-Qnet深度量化网络，显著提高了DCE-MRI的重建速度和量化鲁棒性	仅在健康志愿者和一名宫颈癌患者上进行了验证，样本量较小	提高DCE-MRI在临床环境中的性能和采用率	动态对比增强（DCE）MRI数据	数字病理学	宫颈癌	动态对比增强（DCE）MRI	DCE-Movienet, DCE-Qnet	4D MRI数据	健康志愿者和一名宫颈癌患者
2658	2025-07-22	Radiogenomic explainable AI with neural ordinary differential equation for identifying post-SRS brain metastasis radionecrosis 2025-Apr, Medical physics IF:3.2Q1 DOI:10.1002/mp.17635 PMID:39878595	研究论文	本文提出了一种基于神经常微分方程（NODE）的新型模型，用于区分脑转移瘤（BM）放射手术后放射性坏死与肿瘤复发，通过整合影像、基因组和临床数据提高AI的可解释性	利用重球神经常微分方程（HBNODE）模型，首次实现了在影像-基因组-临床（I-G-C）空间中追踪样本轨迹，并通过决策场梯度向量动态分析各特征类别的贡献	研究样本量较小（90个BM病灶，62名NSCLC患者），且未在更广泛的患者群体中进行验证	开发可解释的AI模型以非侵入性方式区分脑转移瘤放射治疗后的放射性坏死与肿瘤复发	非小细胞肺癌（NSCLC）患者脑转移瘤的放射治疗后病灶	数字病理	肺癌	MRI影像分析、基因组特征分析	HBNODE（基于二阶ODE的神经网络）	多模态数据（影像+基因组+临床）	62名NSCLC患者的90个脑转移病灶
2659	2025-07-22	Analysis of AI foundation model features decodes the histopathologic landscape of HPV-positive head and neck squamous cell carcinomas 2025-Apr, Oral oncology IF:4.0Q2 DOI:10.1016/j.oraloncology.2025.107207 PMID:40043423	研究论文	利用AI基础模型分析HPV阳性头颈部鳞状细胞癌的组织病理学特征	使用基于自监督学习的基础模型UNI和预训练的生成对抗网络HistoXGAN，首次系统地描述了HPV阳性头颈部鳞状细胞癌的组织病理学特征，并实现了高准确率的HPV状态预测	研究依赖于合成图像的解释，可能不完全反映真实组织学特征	解析HPV阳性头颈部鳞状细胞癌的组织病理学特征并开发可解释的检测方法	头颈部鳞状细胞癌患者	数字病理学	头颈部鳞状细胞癌	自监督学习(SSL)，生成对抗网络(GAN)	UNI(SSL基础模型)，HistoXGAN(GAN)	H&E染色病理图像	981名HNSCC患者的病理图像
2660	2025-07-22	Foundation Model for Predicting Prognosis and Adjuvant Therapy Benefit From Digital Pathology in GI Cancers 2025-Apr-01, Journal of clinical oncology : official journal of the American Society of Clinical Oncology IF:42.1Q1 DOI:10.1200/JCO-24-01501 PMID:40168636	研究论文	本文介绍了一种基于数字病理学的AI基础模型，用于预测胃肠道癌症的预后和辅助治疗效益	开发了一个基于自监督学习的AI基础模型，能够从标准H&E染色病理切片中预测预后，并在多个国际队列中验证了其预测生存结果的能力	需要前瞻性验证以确认模型的临床应用价值	提高胃肠道癌症的诊断和治疗效果	胃肠道癌症患者	数字病理学	胃肠道癌症	自监督学习	深度学习模型	图像	104,876张全切片图像中的1.3亿个补丁，包括1,619名胃和食管癌患者和2,594名结直肠癌患者