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	2025-08-09	Quantifying physiological variability and improving reproducibility in 4D-flow MRI cerebrovascular measurements with self-supervised deep learning 2025-Jul-25, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.30634 PMID:40711943	研究论文	评估自监督深度学习去噪在减少4D-Flow MRI测量变异性中的效果，并阐明生理变异对脑血管血流动力学的贡献	使用自监督深度学习去噪框架减少4D-Flow MRI测量中的技术噪声，提高定量重复性	去噪无法消除生理变异和后处理带来的变异性	提高4D-Flow MRI测量的可重复性，并区分技术噪声和生理变异的影响	10名参与者的4D-Flow MRI扫描数据	医学影像处理	神经退行性疾病	4D-Flow MRI	自监督深度学习	MRI图像	10名参与者
302	2025-08-09	BrainCNN: Automated brain tumor grading from magnetic resonance images using a convolutional neural network-based customized model 2025-Jul-23, SLAS technology IF:2.5Q3 DOI:10.1016/j.slast.2025.100334 PMID:40712914	研究论文	开发了一种基于卷积神经网络的自动化脑肿瘤分级系统，用于从磁共振图像中准确分级脑肿瘤	提出了一种结合预训练模型和定制CNN的方法，显著提高了脑肿瘤分级的准确性和计算效率	数据集仅来自单一医院，可能影响模型的泛化能力	开发自动化脑肿瘤分级系统以提高治疗效果和生存率	脑肿瘤患者的MRI扫描图像	数字病理学	脑肿瘤	MRI	CNN, MobileNet, Inception V3, ResNet-50	图像	293份MRI扫描
303	2025-08-09	Deep Learning-Guided Quantitative Analysis Establishes Optimized BRAF V600E Immunohistochemical Criteria for Colorectal Cancer: A Multiplatform Validation Study 2025-Jul-17, Laboratory investigation; a journal of technical methods and pathology DOI:10.1016/j.labinv.2025.104215 PMID:40683333	研究论文	本研究通过深度学习引导的定量分析，建立了针对结直肠癌BRAF V600E突变的优化免疫组化标准，并进行了多平台验证	首次为结直肠癌建立了基于定量分析的BRAF V600E免疫组化标准，并验证了其跨平台适用性	非典型染色模式的病例仍需分子确认	建立结直肠癌特异性BRAF V600E免疫组化标准	250例结直肠癌病例及其免疫组化和基因检测结果	数字病理学	结直肠癌	免疫组化(IHC)、qPCR、NGS	深度学习	图像、基因测序数据	250例结直肠癌病例
304	2025-08-09	Potential of artificial intelligence for radiation dose reduction in computed tomography -A scoping review 2025-Jul, Radiography (London, England : 1995) DOI:10.1016/j.radi.2025.102968 PMID:40339443	综述	本文综述了人工智能在计算机断层扫描中减少辐射剂量的潜力，重点关注患者定位、扫描范围确定和图像重建三个关键领域	强调了人工智能在克服低剂量CT设置相关限制方面的作用，特别是在减少手动错误导致的定位偏移和过度扫描方面	未提及具体研究方法的局限性，但指出需要进一步临床整合以优化CT扫描协议和辐射剂量	评估和总结人工智能在CT辐射剂量优化中的作用	计算机断层扫描（CT）中的患者定位、扫描范围确定和图像重建	医学影像	NA	深度学习图像重建算法	深度学习	医学影像数据	90篇符合选择标准的文章
305	2025-08-09	Forensic dental age estimation with deep learning: a modified xception model for panoramic X-Ray images 2025-Jun, Forensic science, medicine, and pathology DOI:10.1007/s12024-025-00962-4 PMID:39937388	研究论文	本研究开发了一种基于改进Xception深度学习模型的全景X射线图像法医年龄估计方法，重点区分12岁以下和12岁及以上的个体	提出了一种名为'Forensic Xception'的改进模型，并引入了一种新的多边形面积度量(PAM)来处理法医应用中常见的数据不平衡问题	研究仅针对5-15岁儿童，未来需要探索更多数据集并解决伦理和法律问题	开发更准确的法医年龄估计方法	1941名5-15岁儿科患者的全景X射线图像	计算机视觉	NA	深度学习	Xception, ResNet, ShuffleNet等多种CNN模型	X射线图像	1941名儿科患者
306	2025-08-09	Sex estimation with convolutional neural networks using the patella magnetic resonance image slices 2025-Jun, Forensic science, medicine, and pathology DOI:10.1007/s12024-025-00943-7 PMID:39969760	research paper	该研究利用卷积神经网络（CNN）对髌骨磁共振图像切片进行性别估计	首次采用多种深度学习架构（如EfficientNetB3、MobileNetV2、VGG16、ResNet50和DenseNet121）对髌骨MRI切片进行性别估计，无需传统形态测量方法	样本量相对较小（696名患者），且未对不同年龄段或种族群体进行分层分析	开发自动化的性别估计方法以替代传统耗时且依赖专家经验的形态测量分析	696名患者（293名男性和403名女性）的6710张髌骨磁共振矢状面图像切片	computer vision	NA	磁共振成像（MRI）	CNN（包括EfficientNetB3、MobileNetV2、VGG16、ResNet50和DenseNet121）	医学影像（MRI切片）	696名患者的6710张图像切片
307	2025-08-09	Mapping the regulatory effects of common and rare non-coding variants across cellular and developmental contexts in the brain and heart 2025-Feb-20, bioRxiv : the preprint server for biology DOI:10.1101/2025.02.18.638922 PMID:40027628	研究论文	利用深度学习模型预测非编码变异在脑和心脏不同细胞环境中的调控效应，并开发FLARE模型以优先考虑具有极端调控效应的突变	整合单细胞图谱、群体遗传学和深度学习模型预测变异效应，开发FLARE模型优先考虑极端调控效应的突变	研究主要关注脑和心脏的特定细胞环境，可能不适用于其他组织或疾病	理解非编码变异在人类疾病中的作用及其在不同细胞和发育环境中的调控效应	15百万个变异在132个成人和胎儿脑及心脏细胞环境中的效应	生物信息学	神经发育障碍	单细胞ATAC-seq, 深度学习	深度学习模型, FLARE	基因组数据	132个细胞环境，15百万个变异
308	2025-08-09	Chaotic gradient based optimization with fuzzy temporal optimized CNN for heart failure prediction 2025-01-31, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-88277-w PMID:39890898	研究论文	提出了一种结合一维混沌映射和梯度优化器的新型心衰预测模型，以提高早期和准确检测的能力	引入了混沌梯度优化器(CGBO)和模糊时间优化卷积神经网络(FTOCNN)分类器，结合模糊时间规则提高检测准确性	NA	提高心衰早期和准确检测的能力，减少检测时间	心衰患者	机器学习	心血管疾病	混沌梯度优化器(CGBO), 模糊时间优化卷积神经网络(FTOCNN)	CNN	电子健康记录(EHRs)	UCI心脏数据集和电子健康记录(EHRs)
309	2025-08-09	Universal conditional networks (UniCoN) for multi-age embryonic cartilage segmentation with Sparsely annotated data 2025-01-31, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-87797-9 PMID:39890924	研究论文	提出一种名为UniCoN的深度学习框架，用于多年龄段胚胎软骨的3D微CT图像分割，特别是在稀疏标注数据条件下	引入了两种新机制，分别基于离散年龄段和连续图像裁剪位置，以提高模型在不同年龄段和局部形状细节上的表现	虽然性能有所提升，但模型在未见数据上的泛化能力仍有改进空间	解决胚胎软骨在3D微CT图像中精确分割的挑战，特别是在多年龄段和稀疏标注数据条件下	胚胎小鼠的软骨组织	数字病理学	骨软骨发育不良	3D微CT成像	CNN、Transformer或混合模型	3D图像	多年龄段软骨分割数据集
310	2025-08-09	A deep learning based model for diabetic retinopathy grading 2025-01-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-87171-9 PMID:39885230	研究论文	开发了一种基于深度学习的模型RSG-Net，用于糖尿病视网膜病变的分级	提出了一种新的深度神经网络RSG-Net，用于自动化和高效地分级糖尿病视网膜病变的严重程度，减少了时间消耗并提高了分类准确性	未提及模型在其他数据集上的泛化能力	开发一个自动化系统，用于早期检测和准确分级糖尿病视网膜病变的严重程度	糖尿病视网膜病变患者	计算机视觉	糖尿病视网膜病变	深度学习	CNN	图像	Messidor-1数据集
311	2025-08-09	Hierarchical image classification using transfer learning to improve deep learning model performance for amazon parrots 2025-01-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-88103-3 PMID:39885290	研究论文	本研究利用迁移学习构建分层分类模型，以提高亚马逊鹦鹉物种分类的深度学习模型性能	通过基于诊断形态特征构建分层分类模型，显著提高了模型在检测和分类亚马逊鹦鹉方面的性能，特别是在形态相似物种间的分类准确性	研究主要针对亚马逊鹦鹉，可能不适用于其他野生动物物种的分类	提高野生动物物种分类的深度学习模型性能，以支持野生种群监测和全球贸易管理	亚马逊鹦鹉	计算机视觉	NA	迁移学习	深度学习模型	图像	NA
312	2025-08-09	Deep learning-based aberration compensation improves contrast and resolution in fluorescence microscopy 2025-01-02, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-55267-x PMID:39747824	研究论文	本文提出了一种基于深度学习的像差补偿策略，用于提高荧光显微镜图像的对比度和分辨率	通过引入合成像差并训练神经网络来逆转这些像差的影响，该方法在不减慢图像采集速度、不增加额外剂量或不引入更多光学元件的情况下提高了图像质量	NA	改善厚样本荧光显微镜成像质量	荧光显微镜图像	计算机视觉	NA	深度学习	神经网络	图像	多种数据集（包括共聚焦、光片、多光子和超分辨率显微镜捕获的数据）
313	2025-08-09	Exploring transition states of protein conformational changes via out-of-distribution detection in the hyperspherical latent space 2025-01-02, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-55228-4 PMID:39753544	研究论文	本文提出了一种名为TS-DAR的深度学习框架，用于识别蛋白质构象变化中的过渡态	TS-DAR框架首次将过渡态结构视为分布外数据，利用超球面潜在空间中的正则化嵌入，实现了从分子动力学模拟中同时检测多个自由能极小值之间的所有过渡态	方法在更复杂的蛋白质系统中的应用效果尚未验证	开发一种能够准确识别蛋白质构象变化中过渡态的新方法	蛋白质构象变化的过渡态	机器学习	NA	分子动力学模拟(MD)，深度学习	神经网络	分子构象数据	2D势能模型、丙氨酸二肽和DNA马达蛋白在DNA上的转位过程
314	2025-08-09	A pathology-attention multi-instance learning framework for multimodal classification of colorectal lesions 2025, Frontiers in pharmacology IF:4.4Q1 DOI:10.3389/fphar.2025.1592950 PMID:40548052	research paper	提出了一种名为PAT-MIL的多模态弱监督学习框架，用于结直肠病变的多模态分类	结合动态注意力机制与专家定义的文本原型，通过病理知识驱动的文本原型构建、逐步调整类别中心的细化策略以及基于梯度反馈的动态损失平衡方法，优化视觉聚类和语义对齐	未提及具体样本量及外部验证数据集的详细情况	提高结直肠病变的病理诊断准确性，特别是在数字病理学中的多模态分类任务	结直肠病变的WSI（全切片图像）	digital pathology	colorectal cancer	weakly supervised learning, dynamic attention mechanisms	PAT-MIL (Pathology-Attention-MIL)	image, text	NA
315	2025-08-09	Deep learning-based binary classification of beta-amyloid plaques using 18 F florapronol PET 2024-Dec-01, Nuclear medicine communications IF:1.3Q3 DOI:10.1097/MNM.0000000000001904 PMID:39350612	研究论文	本研究旨在利用深度学习模型对阿尔茨海默病疑似患者的脑部PET图像中的淀粉样斑块沉积进行分类	使用卷积神经网络(CNN)对脑部PET图像进行淀粉样斑块沉积的二元分类，验证了该模型的高可靠性	研究为回顾性研究，样本量相对较小(175例患者)	提高阿尔茨海默病临床诊断的准确性	疑似轻度认知障碍或痴呆的患者	数字病理学	阿尔茨海默病	18 F florapronol PET/CT成像	CNN	图像	175例患者(77男，98女)
316	2025-08-09	Deep learning-based aberration compensation improves contrast and resolution in fluorescence microscopy 2024-Jul-15, bioRxiv : the preprint server for biology DOI:10.1101/2023.10.15.562439 PMID:37986950	research paper	提出一种基于深度学习的像差补偿策略，用于提高荧光显微镜图像的对比度和分辨率	通过引入合成像差并训练神经网络来逆转这些像差的影响，无需减慢图像采集速度、增加剂量或引入更多光学元件	NA	提高荧光显微镜在厚样本成像中的图像质量	荧光显微镜图像	computer vision	NA	深度学习	神经网络	image	多种数据集（共聚焦、光片、多光子和超分辨率显微镜捕获）
317	2025-08-09	Union is strength: the combination of radiomics features and 3D-deep learning in a sole model increases diagnostic accuracy in demented patients: a whole brain 18FDG PET-CT analysis 2024-Jul-01, Nuclear medicine communications IF:1.3Q3 DOI:10.1097/MNM.0000000000001853 PMID:38632972	研究论文	本文比较了放射组学特征、3D深度学习卷积神经网络（CNN）及其融合模型在痴呆患者和正常对照者全脑18F-FDG PET图像评估中的应用	首次将放射组学特征与3D-CNN融合应用于全脑18FDG PET研究，提高了痴呆患者的诊断准确性	样本量相对较小（85例痴呆患者和125例健康对照），且仅使用了18F-FDG PET一种成像方式	评估不同模型在痴呆诊断中的性能差异	痴呆患者和健康对照者的全脑18F-FDG PET图像	数字病理学	老年痴呆症	18F-FDG PET-CT成像	3D-CNN与放射组学融合模型	医学影像	85例痴呆患者和125例健康对照者
318	2025-08-09	Machine learning diagnosis of active Juvenile Idiopathic Arthritis on blood pool [ 99M Tc] Tc-MDP scintigraphy images 2024-May-01, Nuclear medicine communications IF:1.3Q3 DOI:10.1097/MNM.0000000000001822 PMID:38312058	研究论文	本研究利用深度学习技术，通过分析血液池图像，对青少年特发性关节炎（JIA）进行诊断	采用自设计的多输入CNN模型及预训练模型（VGG16、ResNet50和Xception）进行JIA诊断，自设计模型表现最佳	样本量较小（326名儿童和青少年），且仅针对JIA的诊断	探索深度学习在核医学中诊断青少年特发性关节炎的应用	326名健康及已知JIA的儿童和青少年（年龄1-16岁）	数字病理学	青少年特发性关节炎	深度学习	CNN、VGG16、ResNet50、Xception	图像	1304张血液池图像（来自326名儿童和青少年）
319	2025-08-09	Greater accuracy of radiomics compared to deep learning to discriminate normal subjects from patients with dementia: a whole brain 18FDG PET analysis 2024-Apr-01, Nuclear medicine communications IF:1.3Q3 DOI:10.1097/MNM.0000000000001810 PMID:38189449	研究论文	比较放射组学和深度学习在区分痴呆患者与正常受试者方面的准确性	研究发现放射组学特征在标准化PET全脑图像中比CNN更准确地区分痴呆患者与正常受试者	样本量相对较小（85名痴呆患者和125名健康对照）	比较放射组学和深度学习在痴呆诊断中的准确性	85名痴呆患者和125名健康对照	数字病理学	老年疾病	18F-FDG脑PET成像	Neural Network, CNN	图像	85名痴呆患者和125名健康对照
320	2025-08-09	Early prediction of distant metastasis in patients with uterine cervical cancer treated with definitive chemoradiotherapy by deep learning using pretreatment [ 18 F]fluorodeoxyglucose positron emission tomography/computed tomography 2024-Mar-01, Nuclear medicine communications IF:1.3Q3 DOI:10.1097/MNM.0000000000001799 PMID:38165173	研究论文	开发了一种基于深度学习的模型，利用治疗前的[18F]FDG-PET/CT图像数据预测局部晚期子宫颈癌患者的远处转移	采用新型三维图像增强技术和深度学习模型，首次在治疗前预测子宫颈癌患者的远处转移	需要外部验证以确定模型的预测性能	早期预测局部晚期子宫颈癌患者在确定性放化疗后的远处转移	局部晚期子宫颈癌患者	数字病理学	子宫颈癌	[18F]FDG-PET/CT成像	深度学习模型	医学影像	186名患者用于训练，25名患者用于验证