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
301	2025-06-13	Deep learning algorithms to assist in imaging diagnosis in individuals with disc herniation or spondylolisthesis: A scoping review 2025-Sep, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2025.105933 PMID:40252304	综述	本文对用于辅助诊断椎间盘突出或脊椎滑脱的深度学习算法进行了范围综述	总结了深度学习在椎间盘突出和脊椎滑脱影像诊断中的应用，并识别了最常用的模型和影像技术	数据集规模小、缺乏外部验证、研究结果在不同人群中推广存在挑战	回顾用于椎间盘突出和脊椎滑脱影像诊断的深度学习算法	椎间盘突出和脊椎滑脱的影像诊断	数字病理学	脊椎疾病	MRI, X-ray	CNN, ResNet	影像	18项符合条件的研究
302	2025-06-13	Deep Learning-Driven Exophthalmometry through Facial Photographs in Thyroid Eye Disease 2025 Sep-Oct, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2025.100791 PMID:40496215	research paper	开发并评估了一种基于深度学习的系统，用于通过面部照片测量甲状腺眼病（TED）患者的眼球突出	使用双流ResNet-18神经网络结合RGB图像和ZoeDepth算法生成的深度图进行眼球突出测量，提供了一种准确且易于获取的替代传统测量方法	系统检测显著眼球突出变化（≥2毫米）的准确率为74.6%，仍有提升空间	开发一种基于深度学习的辅助系统，用于甲状腺眼病患者的眼球突出测量	甲状腺眼病（TED）患者	digital pathology	thyroid eye disease	deep learning, ZoeDepth算法	dual-stream ResNet-18	facial images	1279名患者（1108名来自Severance Hospital，171名来自Seoul National University Bundang Hospital）
303	2025-06-13	Effect of Faricimab versus Aflibercept on Hyperreflective Foci in Patients with Diabetic Macular Edema from the YOSEMITE/RHINE Trials 2025 Sep-Oct, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2025.100798 PMID:40496217	研究论文	比较faricimab与aflibercept对糖尿病黄斑水肿患者高反射灶的影响	使用深度学习算法自动量化高反射灶，并比较两种药物在抑制疾病活动方面的效果	研究为事后分析，可能存在选择偏差	比较faricimab与aflibercept在治疗糖尿病黄斑水肿中的效果	糖尿病黄斑水肿患者	数字病理	糖尿病黄斑水肿	深度学习算法	NA	OCT体积扫描图像	1545名患者（faricimab Q8W组519人，faricimab T&E组524人，aflibercept组502人）
304	2025-06-13	A systematic review of AI as a digital twin for prostate cancer care 2025-Aug, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108804 PMID:40347618	系统综述	本文系统综述了AI作为数字孪生在前列腺癌护理中的应用	结合AI技术（如机器学习和深度学习）的数字孪生技术，用于提升前列腺癌的预测准确性、早期诊断和个体化治疗策略	当前方法在实时数据整合、AI模型可解释性及临床验证方面存在不足	探讨AI驱动的数字孪生技术在前列腺癌诊断和治疗中的应用及未来研究方向	前列腺癌患者	数字病理学	前列腺癌	机器学习（ML）、深度学习（DL）、大型语言模型（LLMs）、视觉语言模型（VLMs）	NA	多模态数据	NA
305	2025-06-13	Deep learning techniques for automated coronary artery segmentation and coronary artery disease detection: A systematic review of the last decade (2013-2024) 2025-Aug, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108858 PMID:40408829	系统综述	本文对过去十年（2013-2024）中用于冠状动脉自动分割（CAS）和冠状动脉疾病检测（CAD）的深度学习技术进行了系统性回顾	提供了关于深度学习在CAS和CAD检测中应用的最新系统性综述，并分析了模型、数据集和性能指标的最新趋势	公共数据集有限、性能指标存在变异性以及模型复杂性	回顾和总结过去十年中深度学习在冠状动脉自动分割和冠状动脉疾病检测中的应用	冠状动脉图像和冠状动脉疾病	医学影像分析	心血管疾病	深度学习	CNN, U-Net, 注意力机制, 图神经网络	医学影像（如CCTA、ECG）	97项高质量研究
306	2025-06-13	MSFusion: A multi-source hybrid feature fusion network for accurate grading of invasive breast cancer using H&E-stained histopathological images 2025-Aug, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103633 PMID:40441045	研究论文	提出了一种名为MSFusion的多源混合特征融合网络，用于利用H&E染色组织病理学图像准确分级浸润性乳腺癌	结合了基于Swin Transformer的多分支网络MSwinT提取的深度学习特征和传统手工特征，通过KDC融合块整合多源核的特征，提高了乳腺癌分级的准确性	NA	提高浸润性乳腺癌分级的准确性以优化治疗方案和生存率	浸润性乳腺癌的H&E染色组织病理学图像	数字病理学	乳腺癌	深度学习与传统手工特征融合	Swin Transformer-based multi-branch network (MSwinT), KDC fusion block	图像	三个数据集（两个私有临床数据集Qilu和QDUH&SHSU，一个公开数据集Databiox）
307	2025-06-13	Embryonic cranial cartilage defects in the Fgfr3Y367C /+ mouse model of achondroplasia 2025-Jul, Anatomical record (Hoboken, N.J. : 2007) DOI:10.1002/ar.25327 PMID:37747411	研究论文	本文研究了Fgfr3Y367C/+小鼠模型中胚胎颅软骨缺陷，以了解软骨发育不全的胚胎发育影响	首次使用深度学习自动分割模型分析Fgfr3突变对胚胎颅软骨和Meckel软骨的影响	研究仅针对小鼠模型，人类胚胎发育的直接影响仍需进一步验证	探究Fgfr3突变对胚胎颅软骨发育的影响	Fgfr3Y367C/+小鼠模型中的胚胎颅软骨和Meckel软骨	数字病理	软骨发育不全	microCT成像和深度学习3D分割	深度学习3D分割模型	3D图像	E14.5和E16.5胚胎期的小鼠样本
308	2025-06-13	ResNet-Transformer deep learning model-aided detection of dens evaginatus 2025-Jul, International journal of paediatric dentistry IF:2.3Q2 DOI:10.1111/ipd.13282 PMID:39545506	research paper	本研究开发了一个结合ResNet和Transformer的深度学习模型，用于辅助牙医早期检测牙齿形态发育异常——dens evaginatus	首次将ResNet和Transformer结合的深度学习模型应用于dens evaginatus的自动检测，并证明其性能优于牙医的诊断水平	研究样本仅来自3-16岁患者，模型在其他年龄段人群中的适用性有待验证	开发深度学习模型辅助牙医早期诊断dens evaginatus，以支持早期干预并降低严重后果风险	牙齿形态发育异常dens evaginatus	digital pathology	dental disease	deep learning	ResNet-Transformer	panoramic radiograph images	1410名3-16岁患者的全景X光片
309	2025-06-13	Automated quantification of brain PET in PET/CT using deep learning-based CT-to-MR translation: a feasibility study 2025-Jul, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-025-07132-2 PMID:39964542	research paper	该研究提出了一种基于深度学习的框架，用于将PET/CT中的CT图像转换为合成MR图像（MRSYN），并利用MRSYN进行自动化定量区域分析	提出了一种新的深度学习方法，通过CT到MR的转换实现无需MRI的PET图像定量分析	研究排除了楔前叶区域，且样本量有限（139名受试者）	解决PET/CT和MRI图像配对不足及配准困难的问题，实现无需MRI的PET定量分析	脑部PET/CT和T1加权MRI图像	digital pathology	NA	PET/CT, T1-weighted MRI	U-Net	image	139名接受脑部[18F]FBB PET/CT和T1加权MRI检查的受试者
310	2025-06-13	Prediction of adverse pathology in prostate cancer using a multimodal deep learning approach based on [18F]PSMA-1007 PET/CT and multiparametric MRI 2025-Jul, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-025-07134-0 PMID:39969539	research paper	本研究开发并评估了一种基于[18F]PSMA-1007 PET/CT和多参数MRI（mpMRI）的多模态深度学习模型，用于预测前列腺癌（PCa）患者的不良病理（AP）	提出了一种结合[18F]PSMA-1007 PET/CT和mpMRI的多模态深度学习模型（MPC），并进一步整合临床特征构建了集成模型（MPCC），在预测AP方面表现优于单一模态模型	研究为回顾性分析，可能存在选择偏倚，且样本量相对有限（341例）	提高前列腺癌患者不良病理（AP）的预测准确性，以辅助制定更有效的治疗策略	前列腺癌（PCa）患者	digital pathology	prostate cancer	[18F]PSMA-1007 PET/CT, multiparametric MRI (mpMRI)	CNN, transformer	image	341例接受根治性前列腺切除术（RP）并进行了mpMRI和PET/CT扫描的前列腺癌患者
311	2025-06-13	Robust and generalizable artificial intelligence for multi-organ segmentation in ultra-low-dose total-body PET imaging: a multi-center and cross-tracer study 2025-Jul, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-025-07156-8 PMID:39969540	研究论文	本研究开发并验证了一种深度学习模型，用于在不同成像条件和示踪剂下进行多器官PET分割，以满足完全基于PET的定量分析的关键需求	提出了一种在超低剂量全身PET成像中具有高鲁棒性和泛化能力的人工智能模型，支持多种示踪剂和多中心数据	研究为回顾性研究，基于已收集的数据，可能无法完全反映前瞻性临床应用的实际情况	开发并验证一种深度学习模型，用于在不同成像条件和示踪剂下进行多器官PET分割	798名来自多个中心的患者，使用不同示踪剂进行PET成像	数字病理	NA	深度学习	3D深度学习模型	PET图像	798名患者
312	2025-06-13	Data-efficient generalization of AI transformers for noise reduction in ultra-fast lung PET scans 2025-Jul, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-025-07165-7 PMID:40009163	研究论文	本研究提出了一种基于深度学习的Mask-ViT方法，用于减少超快速肺部PET扫描中的噪声	提出了一种名为Mask-ViT的鲁棒且数据高效的深度学习方法，能够在有限训练数据上进行微调后直接应用于新扫描仪的未见测试数据	研究仅在五个扫描仪的两个数据集上进行，样本量相对有限	减少超快速20秒屏气（U2BH）PET图像中的噪声，提高诊断质量	U2BH PET图像	数字病理	肺癌	PET/CT成像	Mask-ViT, U-Net, C-Gan	图像	1272个回顾性收集的全时PET数据和46个前瞻性收集的U2BH及对应全时PET/CT图像
313	2025-06-13	Deep learning-based weed detection for precision herbicide application in turf 2025-Jul, Pest management science IF:3.8Q1 DOI:10.1002/ps.8728 PMID:40022516	research paper	本研究评估了使用深度卷积神经网络（DCNNs）进行基于除草剂敏感性的杂草检测的可行性，以实现精准除草剂喷洒	结合除草剂敏感性杂草映射与优化路径规划算法，实现智能喷洒机的精准除草剂应用	未提及具体样本量或实验环境限制	评估深度学习方法在精准除草剂喷洒中的应用效果	草坪中的杂草	computer vision	NA	deep learning	DenseNet, GoogLeNet, ResNet	image	NA
314	2025-06-13	Deep learning-based auto-contouring of organs/structures-at-risk for pediatric upper abdominal radiotherapy 2025-Jul, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2025.110914 PMID:40328363	research paper	本研究开发了一种基于CT的多器官分割模型，用于描绘儿童上腹部肿瘤放疗中的风险器官，并评估其在多个数据集中的鲁棒性	开发了一种结合内部和公共数据集训练的模型，提高了在多个数据集上的鲁棒性，并进行了临床可接受性评估	在0-2岁年龄组中表现最差，胃-肠和胰腺的DSC值低于0.90	开发并评估一种用于儿童上腹部肿瘤放疗中风险器官自动分割的深度学习模型	儿童上腹部肿瘤患者（肾肿瘤和神经母细胞瘤）的术后CT图像	digital pathology	pediatric upper abdominal tumors	CT扫描	深度学习模型	CT图像	内部数据集189例，公共数据集189例
315	2025-06-13	A systematic review and meta-analysis of the utility of quantitative, imaging-based approaches to predict radiation-induced toxicity in lung cancer patients 2025-Jul, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2025.110935 PMID:40360049	meta-analysis	本文通过系统综述和荟萃分析评估了放射组学、剂量组学和机器学习在预测肺癌患者胸部放疗毒性中的表现	首次对放射组学、剂量组学和机器学习在预测放疗毒性方面的性能进行了系统综述和荟萃分析，并比较了不同模型的表现	研究主要集中在放射性肺炎预测，对其他器官毒性的预测研究较少	评估定量成像方法在预测肺癌患者放疗毒性中的效用	23,373名肺癌患者	digital pathology	lung cancer	radiomics, dosiomics, machine learning	classical and deep learning models	imaging data	104项研究，涉及23,373名患者
316	2025-06-13	Adaptive debiasing learning for drug repositioning 2025-Jul, Journal of biomedical informatics IF:4.0Q2 DOI:10.1016/j.jbi.2025.104843 PMID:40389101	research paper	本文提出了一种名为DRDM的深度学习框架，用于药物重定位任务，通过动态调整关联权重和双视角对比学习来减少数据偏差并增强模型的鲁棒性	提出了一个具有去偏机制的深度学习框架DRDM，能够动态调整关联权重以增强长尾实体的表示，并采用双视角对比学习提供丰富的监督信号	研究仅分析了三种常用的药物重定位数据集，可能无法涵盖所有潜在的数据偏差情况	旨在通过减少数据偏差来提升药物重定位任务的性能，为药物发现提供新见解	药物重定位任务中的数据集及其节点极化特性	machine learning	NA	graph neural network, dual-view contrastive learning	DRDM	graph data	三个常用的药物重定位数据集
317	2025-06-13	Real-time integrated modeling of soft tissue deformation and stress based on deep learning 2025-Jun-12, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/adde0d PMID:40436029	research paper	开发了一种基于深度学习的实时多物理场建模框架，用于软组织的变形和应力分布模拟	提出了一种平衡多物理场特征尺度的方法，解决了现有模型在建模多个物理场时因数据分布差异导致的偏向性问题	未提及模型在更复杂或动态手术环境中的适用性	解决手术模拟器中应力渲染缺失的问题，提升手术模拟器的真实感	软组织的变形和应力分布	machine learning	NA	深度学习	神经网络	三维模型数据	悬臂梁、肝脏、脾脏和肾脏的三维模型
318	2025-06-13	Discovery of CYP1A1 Inhibitors for Host-Directed Therapy against Sepsis 2025-Jun-12, Journal of medicinal chemistry IF:6.8Q1 DOI:10.1021/acs.jmedchem.5c00493 PMID:40442943	研究论文	该研究通过深度学习和虚拟筛选发现新型CYP1A1小分子抑制剂，用于治疗细菌性败血症	首次将CYP1A1作为宿主导向治疗(HDT)靶点，并开发出能显著降低MRSA等细菌负荷的小分子抑制剂	研究仅针对MRSA等特定细菌，未验证对其他耐药菌株的效果	开发针对耐药性细菌败血症的新型宿主导向治疗药物	细胞色素P4501A1(CYP1A1)及其小分子抑制剂	药物发现	败血症	深度学习、虚拟筛选、生物评价	NA	化学化合物数据	NA
319	2025-06-13	Accurate Prediction of the Diffusion Coefficients of Organic Compounds in Water by Multimodal Learning 2025-Jun-12, The journal of physical chemistry. A DOI:10.1021/acs.jpca.5c01881 PMID:40457760	research paper	开发了一种多模态深度学习模型，用于预测有机化合物在水中的扩散系数	结合分子图像、分子描述符和温度的多模态深度学习模型，比传统经验方程更准确	未提及模型在新合成化学物质上的泛化能力	快速准确预测有机化合物在水中的扩散系数	有机化合物在水中的扩散系数	machine learning	NA	深度学习	multimodal deep learning model	分子图像、分子描述符、温度数据	未提及具体样本数量
320	2025-06-13	Interpretable Multimodal Deep Ensemble Framework Dissecting Bloodbrain Barrier Permeability with Molecular Features 2025-Jun-12, The journal of physical chemistry letters IF:4.8Q1 DOI:10.1021/acs.jpclett.5c01077 PMID:40462529	research paper	提出一种多模态机器学习框架，整合分子指纹和图像特征以改善血脑屏障通透性预测	结合多种分子指纹和图像特征，使用堆叠集成模型和Transformer编码器、CNN及多头注意力融合机制，提升预测稳定性和可解释性	未提及具体样本量，可能影响模型泛化能力的验证	开发可解释的机器学习模型以揭示血脑屏障通透性的物理化学原理	血脑屏障通透性预测	machine learning	NA	Principal Component Analysis (PCA), Shapley Additive Explanations (SHAP)	stacking ensemble model, Transformer encoder, CNN, Multi-Head Attention	molecular fingerprints (Morgan, MACCS, RDK), image features	NA