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
21	2025-07-19	Deep learning assisted non-invasive lymph node burden evaluation and CDK4/6i administration in luminal breast cancer 2025-Jul-18, iScience IF:4.6Q1 DOI:10.1016/j.isci.2025.112849 PMID:40678544	research paper	该研究开发了一种多模态深度学习模型（LNPN），用于无创评估luminal型乳腺癌患者的淋巴结负荷，以优化CDK4/6抑制剂治疗决策	首次结合临床病理参数和超声特征构建多模态模型，实现淋巴结负荷的无创精准分层	研究样本量有限（411例），且为回顾性多中心数据	开发非侵入性工具评估淋巴结转移负荷，指导CDK4/6抑制剂治疗决策	luminal型乳腺癌患者	digital pathology	breast cancer	深度学习	多模态神经网络	临床参数+超声图像	411例多中心患者队列
22	2025-07-19	Commentary on "Portable Ultrasound Bladder Volume Measurement Over Entire Volume Range Using a Deep Learning Artificial Intelligence Model in a Selected Cohort: A Proof of Principle Study" 2025-Jul-18, Neurourology and urodynamics IF:1.8Q3 DOI:10.1002/nau.70102 PMID:40678844	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
23	2025-07-19	Deep Learning-Based Multimodal Fusion Approach for Predicting Acute Dermal Toxicity 2025-Jul-18, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c01128 PMID:40679078	研究论文	本研究提出了一种基于深度学习的多模态融合方法TriModalToxNet，用于预测急性皮肤毒性	提出了一种新颖的TriModalToxNet架构，融合了三种不同的分子表示（2D分子图像、SMILES嵌入和分子指纹），以提高预测准确性	研究依赖于实验大鼠和兔子的数据，可能无法完全代表人类反应	开发一种可靠且准确的模型，用于预测急性皮肤毒性，支持动物测试中的3R原则（替代、减少和优化）	3845种来自实验大鼠和兔子急性皮肤毒性研究的化合物	机器学习	NA	深度学习	CNN（2D和1D）和全连接神经网络	分子图像、SMILES嵌入、分子指纹	3845种化合物
24	2025-07-19	Clinical Translation of Integrated PET-MRI for Neurodegenerative Disease 2025-Jul-18, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.70046 PMID:40679171	综述	本文综述了集成PET-MRI在神经退行性疾病临床实践和研究中的最新技术进展及其应用	介绍了MRI为基础的衰减校正和运动校正技术，以及深度学习在PET和MRI数据分析中的应用	证据等级为5，技术效能为阶段3，表明仍需更多临床验证	探讨集成PET-MRI在神经退行性疾病诊断和研究中的应用及其技术进展	阿尔茨海默病及其他痴呆症患者	数字病理学	神经退行性疾病	PET-MRI, 深度学习	NA	图像	NA
25	2025-07-19	Artificial intelligence-enabled electrocardiography and echocardiography to track preclinical progression of transthyretin amyloid cardiomyopathy 2025-Jul-18, European heart journal IF:37.6Q1 DOI:10.1093/eurheartj/ehaf450 PMID:40679604	研究论文	本研究利用人工智能技术分析心电图和超声心动图数据，追踪转甲状腺素蛋白淀粉样心肌病（ATTR-CM）的临床前进展	首次将深度学习模型应用于心电图和超声心动图数据，用于ATTR-CM的临床前监测和风险分层	研究为回顾性分析，需要前瞻性研究验证	开发可扩展的ATTR-CM临床前监测策略	转甲状腺素蛋白淀粉样心肌病（ATTR-CM）患者	数字病理学	心血管疾病	深度学习	深度学习模型	图像（心电图和超声心动图视频）	内部队列984人（YNHHS），外部队列806人（HMH），共分析7352次超声心动图和32205次心电图
26	2025-07-19	Investigating brain tumor classification using MRI: a scientometric analysis of selected articles from 2015 to 2024 2025-Jul-18, Neuroradiology IF:2.4Q2 DOI:10.1007/s00234-025-03685-z PMID:40679613	研究论文	本文通过科学计量学方法研究了2015年至2024年间基于MRI的脑肿瘤分类研究	首次对2015年至2024年间基于MRI的脑肿瘤分类研究进行全面的科学计量分析	仅分析了Scopus数据库中的348篇同行评审文章，可能存在数据覆盖不全的问题	调查基于MRI的脑肿瘤分类研究现状和发展趋势	348篇同行评审文章	数字病理学	脑肿瘤	MRI	深度学习	图像	348篇论文
27	2025-07-19	Deep learning reconstruction for improving image quality of pediatric abdomen MRI using a 3D T1 fast spoiled gradient echo acquisition 2025-Jul-18, Pediatric radiology IF:2.1Q2 DOI:10.1007/s00247-025-06313-3 PMID:40679617	research paper	该研究比较了传统重建方法和基于深度学习算法的原型重建方法在儿科腹部MRI图像质量上的差异	首次在儿科患者中应用深度学习重建方法改进腹部MRI图像质量	研究样本量较小（38例患者），且为回顾性研究	评估深度学习重建方法在儿科腹部MRI中的应用效果	儿科患者（年龄<18岁）的腹部MRI图像	医学影像分析	儿科疾病	3D T1快速扰相梯度回波采集（SPGR）	深度学习（AIR™ Recon DL）	MRI图像	38例儿科患者（23名男性，平均年龄8.6±5.7岁）
28	2025-07-19	Deep learning-based automatic detection of pancreatic ductal adenocarcinoma ≤ 2 cm with high-resolution computed tomography: impact of the combination of tumor mass detection and indirect indicator evaluation 2025-Jul-18, Japanese journal of radiology IF:2.9Q2 DOI:10.1007/s11604-025-01836-z PMID:40679757	research paper	本研究评估了三维卷积神经网络在自动检测小型胰腺导管腺癌（PDAC）中的诊断性能，结合了自动肿瘤质量检测和间接指标评估	结合肿瘤质量检测和间接指标（D/P比值）评估，提高了小型PDAC的检测准确性	研究样本量较小，且仅使用了高分辨率CT扫描数据	提高小型胰腺导管腺癌（PDAC）的自动检测准确性	181名PDAC患者和104名正常对照的高分辨率CT扫描数据	digital pathology	pancreatic cancer	high-resolution contrast-enhanced computed tomography (CT)	3D CNN	image	181名PDAC患者和104名正常对照
29	2025-07-19	Deep learning reconstruction enhances image quality in contrast-enhanced CT venography for deep vein thrombosis 2025-Jul-18, Emergency radiology IF:1.7Q3 DOI:10.1007/s10140-025-02366-x PMID:40679754	research paper	本研究评估并比较了深度学习重建（DLR）、混合迭代重建（Hybrid IR）和滤波反投影（FBP）在深静脉血栓（DVT）对比增强CT静脉造影中的诊断性能和图像质量	首次在DVT的CT静脉造影中应用DLR，并证明其在提高图像质量和解剖清晰度方面的优越性	样本量较小（51例患者），且为回顾性研究	评估和比较不同图像重建方法在DVT诊断中的效果	51例接受下肢CT静脉造影的患者（20例有DVT病变，31例无DVT病变）	digital pathology	cardiovascular disease	contrast-enhanced CT venography	deep learning reconstruction (DLR)	image	51例患者（20例DVT患者和31例非DVT患者）
30	2025-07-19	AI Prognostication in Nonsmall Cell Lung Cancer: A Systematic Review 2025-Jul-18, American journal of clinical oncology DOI:10.1097/COC.0000000000001238 PMID:40679809	系统综述	本文对人工智能（AI）算法在非小细胞肺癌（NSCLC）预后预测中的应用进行了系统性文献综述	比较了不同类型AI（如机器学习和深度学习）在NSCLC预后预测中的表现，并展示了深度学习相对于传统预后技术（如TNM分期）的优越性	需要进一步通过设计良好的临床试验进行彻底验证，才能完全应用于临床实践	评估AI在NSCLC预后预测中的应用效果	非小细胞肺癌（NSCLC）患者	数字病理学	肺癌	机器学习（ML）、深度学习（DL）	NA	组织学数据、遗传数据、CT、PET、MR影像	初始数据库3880项结果，筛选后纳入309项研究
31	2025-07-19	M4CEA: A Knowledge-guided Foundation Model for Childhood Epilepsy Analysis 2025-Jul-17, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3590463 PMID:40674185	研究论文	本文提出了一种知识引导的基础模型M4CEA，用于儿童癫痫分析的多任务处理	使用知识引导的掩码策略和时间编码器的时间嵌入，有效捕捉儿童EEG信号的多域表示	模型在特定任务上的性能可能依赖于预训练数据的质量和多样性	构建一个具有强泛化能力的基础模型，用于儿童癫痫的多任务分析	儿童癫痫患者的EEG信号	医疗分析	儿童癫痫	EEG信号分析	基础模型（Foundation Model）	EEG信号	超过1,000小时的儿童EEG记录
32	2025-07-19	BDEC: Brain Deep Embedded Clustering Model for Resting State fMRI Group-Level Parcellation of the Human Cerebral Cortex 2025-Jul-17, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3590258 PMID:40674200	研究论文	开发了一种基于深度学习的静息态功能磁共振成像(rs-fMRI)的群体水平大脑分区方法BDEC	BDEC模型采用设计损失函数以最大化类间分离和增强类内相似性，促进功能一致大脑区域的形成	NA	开发一种鲁棒的群体水平大脑分区方法	人类大脑皮层	数字病理学	NA	rs-fMRI	BDEC (Brain Deep Embedded Clustering)	功能磁共振成像数据	NA
33	2025-07-19	Automatic selection of optimal TI for flow-independent dark-blood delayed-enhancement MRI 2025-Jul-17, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.30632 PMID:40674608	研究论文	提出并评估一种自动预测流独立暗血延迟增强（FIDDLE）采集最佳反转时间（TI）的方法	利用深度学习网络分割心肌和血池，并通过对数拟合确定T1恢复曲线，自动预测最佳TI	仅在3T和1.5T扫描仪上进行了评估，样本量有限	优化流独立暗血延迟增强（FIDDLE）采集的最佳反转时间（TI）预测	267名患者的TI-scout图像	医学影像	心血管疾病	MRI，深度学习	深度学习网络	图像	267名患者，64名临床受试者评估
34	2025-07-19	Deep Learning-Based Precision Cropping of Eye Regions in Strabismus Photographs: Algorithm Development and Validation Study for Workflow Optimization 2025-Jul-17, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/74402 PMID:40674714	研究论文	本研究开发了一种基于深度学习的预处理算法，用于自动裁剪斜视照片中的眼部区域，以提高临床工作流程和AI数据预处理的准确性和效率	提出了一种基于旋转边界框检测框架的预处理算法，能够自动校正头部倾斜，显著提高了图像质量和处理效率	研究主要针对斜视患者，可能不适用于其他眼部疾病	优化眼部区域裁剪的准确性和标准化，以支持AI模型开发和临床应用	斜视患者的眼部照片	计算机视觉	斜视	深度学习	faster R-CNN, 视觉变换器	图像	5832张图像，来自648名住院和门诊患者，以及500张来自IMDB-WIKI的外部数据集
35	2025-07-19	Deep learning models for deriving optimised measures of fat and muscle mass from MRI 2025-Jul-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-07867-w PMID:40676073	研究论文	评估多种深度学习模型从腹部MRI中量化脂肪和肌肉质量的准确性、精确度及变化追踪能力	比较了15种基于CNN和4种基于transformer的深度学习模型在量化脂肪和肌肉质量方面的性能，并分析了不同模型在不同组织上的表现差异	PM（腰大肌）的描绘准确性和重复性在所有评估中均较差，且某些情况下性能与性别相关	优化从MRI中提取脂肪和肌肉质量的测量方法，以作为肿瘤学中健康和疾病的潜在生物标志物	皮下脂肪（SF）、腹腔内脂肪（VF）、外部肌肉（EM）和腰大肌（PM）	数字病理学	肿瘤学	MRI	CNN, transformer	图像	NA
36	2025-07-19	Toward automatic and reliable evaluation of human gastric motility using magnetically controlled capsule endoscope and deep learning 2025-Jul-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-10839-9 PMID:40676082	研究论文	本文开发了一套结合摄像头运动检测器(CMD)、深度学习模型、类激活映射(CAM)和周期性特征检测器的算法，用于通过检测胃蠕动存在和测量胃蠕动周期来评估人类胃动力	提出了一种结合多种算法的自动评估胃动力方法，并利用CAM提供的视觉解释提高检测结果的敏感性	未提及具体局限性	开发自动可靠的胃动力评估方法	人类胃动力	数字病理学	胃部疾病	磁控胶囊内窥镜(MCCE)和深度学习	深度学习模型(具体类型未明确说明)	视频帧	超过100,000帧(具体为100,055帧)的磁控胶囊内窥镜数据集
37	2025-07-19	Task based evaluation of sparse view CT reconstruction techniques for intracranial hemorrhage diagnosis using an AI observer model 2025-Jul-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-11089-5 PMID:40676122	研究论文	本研究利用AI观察者模型评估稀疏视图CT重建技术在颅内出血诊断中的准确性	首次使用AI观察者模型对稀疏视图CT的三种重建技术（FBP、MBIR和DLR）进行基于任务的诊断准确性评估	研究为概念验证性质，未进行大规模临床验证	评估不同稀疏视图CT重建技术在颅内出血诊断中的性能	颅内出血的CT影像诊断	数字病理	颅内出血	稀疏视图CT、深度学习重建(DLR)	AI观察者模型	CT影像	公共脑CT数据集（具体数量未说明）
38	2025-07-19	Transformer-based structural connectivity networks for ADHD-related connectivity alterations 2025-Jul-17, Communications medicine IF:5.4Q1 DOI:10.1038/s43856-025-01015-1 PMID:40676171	研究论文	本研究利用基于Transformer的深度学习方法构建结构连接网络，探索ADHD患者与健康对照组之间的大脑结构连接差异	首次将Transformer模型应用于ADHD相关的结构连接网络分析，并揭示了多个脑区连接模式的显著差异	样本量虽然较大但性别比例不平衡(男性偏多)，且来自预处理数据集可能引入偏差	开发基于MRI的客观诊断方法，研究ADHD相关的大脑结构连接改变	947名7-26岁个体(ADHD患者与健康对照)的大脑MRI数据	医学影像分析	神经发育障碍/ADHD	MRI扫描，Transformer深度学习	Transformer	医学影像数据	947人(来自8个中心，590男356女1未指定)
39	2025-07-19	Predicting Sleep and Sleep Stage in Children Using Actigraphy and Heartrate via a Long Short-Term Memory Deep Learning Algorithm: A Performance Evaluation 2025-Jul-17, Journal of sleep research IF:3.4Q2 DOI:10.1111/jsr.70149 PMID:40676371	研究论文	本研究评估了使用LSTM深度学习算法结合活动记录仪和心率数据预测儿童睡眠及睡眠阶段的效果，并与多导睡眠图（PSG）进行了对比	首次将LSTM算法应用于儿童睡眠监测，结合活动记录仪和心率数据，显著提高了睡眠阶段预测的准确性	研究样本仅限于5-12岁儿童，且参与者因疑似睡眠障碍被转诊，可能影响结果的普遍性	评估LSTM算法在儿童睡眠监测中的性能	238名5-12岁儿童（52.8%男性，50%黑人，31.9%白人）	机器学习	睡眠障碍	活动记录仪、心率监测、多导睡眠图	LSTM、逻辑回归、随机森林	时间序列数据（活动记录仪和心率数据）	238名儿童
40	2025-07-19	Monitoring systemic ventriculoarterial coupling after cardiac surgery using continuous transoesophageal echocardiography and deep learning 2025-Jul-17, Journal of clinical monitoring and computing IF:2.0Q2 DOI:10.1007/s10877-025-01328-5 PMID:40676456	研究论文	开发了一种结合经食管超声心动图和深度学习的工具autoMAPSE，用于心脏手术后连续监测心室动脉耦合和心脏生物标志物变化	首次将深度学习与经食管超声心动图结合，开发出能够连续监测心室动脉耦合的新工具autoMAPSE	研究样本量较小（50名患者），且仅观察了术后2小时内的数据	评估autoMAPSE工具在监测心脏手术后心室动脉耦合和心脏生物标志物变化方面的有效性	50名心脏手术患者	数字病理	心血管疾病	经食管超声心动图	深度学习	医学影像	50名心脏手术患者，监测120分钟