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	2025-06-03	Self-supervised network predicting neoadjuvant chemoradiotherapy response to locally advanced rectal cancer patients 2025-Jul, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2025.102552 PMID:40253816	研究论文	提出一种自监督学习框架EIA-Net，用于预测局部晚期直肠癌患者对新辅助放化疗的反应	开发了EIA-Net网络，通过级联3D卷积和坐标注意力增强特征提取能力，并提出面向实例的协作自监督学习（IOC-SSL）以利用未标记数据进行训练	研究为回顾性研究，可能受到数据选择和收集偏差的影响	提高局部晚期直肠癌患者对新辅助放化疗反应的预测准确性	局部晚期直肠癌（LARC）患者	数字病理	直肠癌	自监督学习	EIA-Net（基于CNN的3D卷积网络）	CT影像	1575个体积（包括1394个自监督数据集和195个监督数据集）
22	2025-06-03	Causal recurrent intervention for cross-modal cardiac image segmentation 2025-Jul, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2025.102549 PMID:40279865	research paper	提出了一种名为因果循环干预（CRI）的新方法，用于跨模态心脏图像分割，以减少对标注数据的依赖并解决跨域混淆问题	CRI方法通过建立结构因果模型，将不同高维变化整合到单一因果关系中，并从序列中区分稳定和动态因素，从而解决跨域混淆问题	方法在实验中使用1697个样本，样本量相对较小，可能影响模型的泛化能力	开发一种能够减少标注需求并提高跨模态心脏图像分割性能的方法	跨模态心脏图像	digital pathology	cardiovascular disease	NA	CRI（因果循环干预）	image	1697个跨模态心脏图像样本
23	2025-06-03	A diffusion-stimulated CT-US registration model with self-supervised learning and synthetic-to-real domain adaptation 2025-Jul, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2025.102562 PMID:40344746	研究论文	提出了一种基于扩散刺激的CT-US配准模型，结合自监督学习和合成到真实的域适应策略，用于腹部介入手术中的实时图像配准	利用超声的物理扩散特性从术前CT数据生成合成超声图像，并引入扩散模型进行合成到真实的域适应，以减少真实与合成超声图像之间的差异	实验验证仅基于双模态人体腹部模型，尚未在真实临床环境中进行广泛测试	解决腹部介入手术中2D超声与3D CT扫描的实时精确配准问题	腹部介入手术中的2D超声和3D CT图像	计算机视觉	NA	扩散模型，自监督学习，域适应	双流自监督回归神经网络	图像（超声和CT）	双模态人体腹部模型的US和CT扫描数据
24	2025-06-03	Establishment of an intelligent analysis system for clinical image features of melanonychia based on deep learning image segmentation 2025-Jul, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2025.102543 PMID:40367737	研究论文	本研究开发了一种基于深度学习的非侵入性智能分析系统，用于黑色素瘤的早期诊断和监测	利用智能手机图像和深度学习技术，开发了一个两阶段模型（YOLOv8和UNet），显著提高了黑色素瘤病变的检测和分割准确性	研究未提及模型在不同肤色或光照条件下的泛化能力	开发一种非侵入性、易于使用的智能分析系统，用于黑色素瘤的早期诊断和监测	黑色素瘤患者的指甲图像	计算机视觉	黑色素瘤	深度学习图像分割	YOLOv8和UNet	图像	未提及具体样本数量，但提到建立了全面的指甲图像数据集
25	2025-06-03	A deep learning framework for reconstructing Breast Amide Proton Transfer weighted imaging sequences from sparse frequency offsets to dense frequency offsets 2025-Jul, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2025.102563 PMID:40373577	研究论文	开发了一种基于深度学习的模型，用于从稀疏频率偏移重建密集频率偏移的乳腺酰胺质子转移加权成像序列，以减少扫描时间	利用时间序列卷积提取APT成像序列的短程和长程空间及频率特征，并集成加权层评估各频率偏移对重建过程的影响	研究仅基于特定频率偏移范围（n=29）和特定减少的扫描时间（25%），可能不适用于所有APT成像场景	减少酰胺质子转移加权成像的扫描时间，同时保持成像质量	乳腺酰胺质子转移加权成像序列	医学影像分析	乳腺癌	酰胺质子转移技术（APT）	seq2seq模型	医学影像数据	未明确提及具体样本数量，但涉及从21个频率偏移重建29个密集频率偏移的数据
26	2025-06-03	Bi-VesTreeFormer: A bidirectional topology-aware transformer framework for coronary vFFR estimation 2025-Jul, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2025.102564 PMID:40373576	research paper	提出了一种名为Bi-VesTreeFormer的双向拓扑感知Transformer框架，用于冠状动脉虚拟FFR（vFFR）的无创估计	提出了一种新型双向拓扑感知Transformer网络（Bi-VesTreeFormer），能够全自动提取血管树的拓扑狭窄特征并捕捉分支间的全局依赖关系，同时引入了上下文vFFR解码器以建立相邻分支间FFR值的相关性	研究样本量相对较小，仅包含43名患者的FFR数据和15,000条模拟冠状动脉中心线数据	开发一种高效、无创的冠状动脉虚拟FFR估计方法，以克服传统FFR测量和现有计算方法的局限性	冠状动脉狭窄患者的FFR数据和模拟冠状动脉中心线数据	digital pathology	cardiovascular disease	computational fluid dynamics, deep learning	Transformer (Bi-VesTreeFormer)	medical imaging data, simulated data	43名患者的FFR数据和15,000条模拟冠状动脉中心线数据
27	2025-06-03	Fast cortical thickness estimation using deep learning-based anatomy segmentation and diffeomorphic registration 2025-Jul, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2025.102569 PMID:40378768	研究论文	提出了一种基于深度学习的解剖分割和微分同胚配准的快速皮层厚度估计框架	结合CNN分割模型和无监督学习配准网络，提出了一种新的基于不同时间点微分同胚的算法来计算厚度图	未提及具体的数据集规模限制或模型泛化能力的详细评估	提高从MRI图像中估计皮层厚度的准确性和效率，以支持神经科学研究和临床应用	磁共振图像（MRI）中的皮层厚度	计算机视觉	NA	深度学习，微分同胚配准	CNN，无监督学习配准网络	MRI图像	在两个不同的数据集上进行了系统评估
28	2025-06-03	CALIMAR-GAN: An unpaired mask-guided attention network for metal artifact reduction in CT scans 2025-Jul, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2025.102565 PMID:40378767	research paper	本文提出了一种名为CALIMAR-GAN的生成对抗网络模型，用于减少CT扫描中的金属伪影	CALIMAR-GAN采用引导注意力机制和线性插值算法，利用未配对的模拟和临床数据进行针对性伪影减少	大多数现有方法依赖配对的模拟数据，限制了在临床扫描上的定量评估	提高CT扫描的图像质量，减少金属伪影，以增强诊断准确性和治疗效果	CT扫描中的金属伪影	computer vision	NA	GAN	CALIMAR-GAN	image	NA
29	2025-06-03	Modeling enteric methane emission from dairy cows using deep learning approach 2025-Jul-01, The Science of the total environment DOI:10.1016/j.scitotenv.2025.179713 PMID:40414055	研究论文	本研究探讨了使用深度学习模型预测奶牛肠道发酵产生的甲烷排放	首次应用LSTM模型预测奶牛甲烷排放，并在不同数据可用性场景下测试模型性能	样本量较小（最多52头奶牛），且仅使用单一农场的特定时间段数据	开发能够准确预测奶牛甲烷排放的深度学习模型	奶牛的甲烷排放数据	机器学习	NA	深度学习	LSTM, CNN, CNN-LSTM混合模型	性能、饲喂、行为和天气数据	52头奶牛（2022年10月至2023年12月）
30	2025-06-03	Non-traditional socio-environmental and geospatial determinants of Alzheimer's disease-related dementia mortality 2025-Jul-01, The Science of the total environment DOI:10.1016/j.scitotenv.2025.179745 PMID:40424712	研究论文	本研究探讨了非传统环境和社会因素对阿尔茨海默病相关痴呆（ADRD）死亡率的影响	结合了空气污染、社会脆弱性和地理空间特征来研究ADRD死亡率，并使用了PRIM和SHAP等先进分析方法	研究为横断面设计，无法确定因果关系	确定非传统环境和社会因素与ADRD死亡率的关系	美国大陆县级ADRD死亡率数据	公共卫生	老年病	PRIM、SHAP、深度学习	NA	环境数据、社会脆弱性指数、街景图像	美国大陆县级数据
31	2025-06-03	Deep Guess acceleration for explainable image reconstruction in sparse-view CT 2025-Jul, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2025.102530 PMID:40154011	研究论文	本文提出了一种名为Deep Guess加速方案的新技术，用于在稀疏视图CT中加速正则化MBIR并提高重建精度	结合深度学习工具初始化近端算法的起始猜测，以在非凸模型中快速计算可解释的解图像	未提及具体临床验证或大规模样本测试	减少医学成像中的X射线剂量辐射并提高稀疏视图CT的重建质量	稀疏视图CT图像	计算机视觉	NA	深度学习	神经网络	图像	真实和合成的CT图像（具体数量未提及）
32	2025-06-03	Deep learning-based image classification and quantification models for tablet sticking 2025-Jun-10, International journal of pharmaceutics IF:5.3Q1 DOI:10.1016/j.ijpharm.2025.125690 PMID:40339626	研究论文	本研究提出了一种基于深度学习的图像分类和量化模型，用于检测和量化制药片剂生产中的粘附问题	结合CNN和GLCM特征的集成模型，能够检测和量化片剂粘附，克服了传统视觉检查的局限性	研究仅针对10批片剂进行了验证，样本量相对较小	提高制药片剂生产的效率和质量控制	制药片剂生产中的粘附问题	计算机视觉	NA	CNN, GLCM, SVM	AlexNet, VGG 16, ResNet 50, GoogLeNet	图像	10批片剂
33	2025-06-03	Enhancing YOLOv8n with Mamba-like linear attention for defect detection and coating thickness analysis of irregular film tablet 2025-Jun-10, International journal of pharmaceutics IF:5.3Q1 DOI:10.1016/j.ijpharm.2025.125704 PMID:40354903	研究论文	本研究提出了一种集成深度学习和机器视觉的实时系统，用于不规则形状薄膜包衣片的缺陷检测和包衣厚度测量	提出了一种增强型YOLOv8n架构，结合了Mamba-Like Linear Attention (MLLA)机制，显著提高了模型对细微缺陷的检测精度	NA	开发一种实时系统，用于不规则形状薄膜包衣片的缺陷检测和包衣厚度测量，以提高药品生产的质量和效率	不规则形状薄膜包衣片	计算机视觉	NA	机器视觉、深度学习、亚像素图像处理技术	YOLOv8n、MLLA	图像	八种包衣片
34	2025-06-03	Near-term prediction of sustained ventricular arrhythmias applying artificial intelligence to single-lead ambulatory electrocardiogram 2025-Jun-02, European heart journal IF:37.6Q1 DOI:10.1093/eurheartj/ehaf073 PMID:40157386	研究论文	利用人工智能对单导联动态心电图进行短期预测，以识别即将发生持续性室性心动过速的患者	提出了一种基于深度学习的模型，能够利用单导联动态心电图准确预测短期内的室性心律失常风险，并揭示了早期去极化模式作为潜在预测因素	研究为回顾性设计，且室性心律失常的发生率较低（0.5%）	开发一种能够短期预测致命性室性心律失常的人工智能模型，以预防心脏骤停/猝死	来自六个国家的247,254份14天动态心电图记录	机器学习	心血管疾病	深度学习	深度学习模型	心电图数据	247,254份动态心电图记录（开发集183,177份，内部验证集43,580份，外部验证集20,497份）
35	2025-06-03	Hyaluronan network remodeling by ZEB1 and ITIH2 enhances the motility and invasiveness of cancer cells 2025-Jun-02, The Journal of clinical investigation IF:13.3Q1 DOI:10.1172/JCI180570 PMID:40178908	研究论文	研究透明质酸（HA）网络中ZEB1和ITIH2的作用及其对肺癌细胞迁移和侵袭能力的影响	揭示了ZEB1通过调控ITIH2、HAS2和CD44重塑肿瘤微环境中的HA网络，并提出针对该网络的抑制策略	研究主要基于体外实验和小鼠模型，尚未在人体中进行验证	探究HA网络在肺癌细胞迁移和侵袭中的作用机制	肺癌细胞和癌症相关成纤维细胞	肿瘤生物学	肺癌	深度学习药物-靶点相互作用算法	NA	NA	NA
36	2025-06-03	Multi-Organ metabolic profiling with [18F]F-FDG PET/CT predicts pathological response to neoadjuvant immunochemotherapy in resectable NSCLC 2025-Jun-02, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-025-07350-8 PMID:40451983	research paper	开发并验证一种结合多器官PET代谢指标的新型列线图，用于预测可切除非小细胞肺癌患者接受新辅助免疫化疗后的主要病理反应	首次报道的多器官代谢列线图，通过量化系统性宿主-肿瘤代谢相互作用，优于传统的以肿瘤为中心的方法	回顾性研究设计，样本量相对较小（115例患者）	预测可切除非小细胞肺癌患者接受新辅助免疫化疗后的主要病理反应	可切除非小细胞肺癌（rNSCLC）患者	数字病理	肺癌	[18F]F-FDG PET/CT	深度学习自动分割，LASSO回归，随机森林优化	PET代谢参数（SUVmean, SUVmax, SUVpeak, MTV, TLG）	115例可切除非小细胞肺癌患者
37	2025-06-03	Improving AlphaFold2- and AlphaFold3-Based Protein Complex Structure Prediction With MULTICOM4 in CASP16 2025-Jun-02, Proteins IF:3.2Q2 DOI:10.1002/prot.26850 PMID:40452318	research paper	本文介绍了MULTICOM4系统，该系统通过整合AlphaFold2、AlphaFold3及内部技术，提升了蛋白质复合物结构预测的准确性	整合了基于transformer的AlphaFold2、基于扩散模型的AlphaFold3以及内部技术，包括蛋白质复合物化学计量预测、多样化的多序列比对生成、模型异常处理及基于深度学习的蛋白质模型质量评估	未明确提及具体限制	提升蛋白质复合物结构预测的准确性	多链蛋白质复合物（多聚体）	生物信息学	NA	多序列比对（MSA）、深度学习	AlphaFold2、AlphaFold3	蛋白质序列与结构数据	在CASP16评估中进行了盲测，具体样本数量未提及
38	2025-06-03	Refinement of an Artificial Intelligence Algorithm for Enhanced Burn Wound Depth Assessment Using Multispectral Imaging: An Expanded Proof of Concept Study 2025-Jun-02, Journal of burn care & research : official publication of the American Burn Association IF:1.5Q3 DOI:10.1093/jbcr/iraf057 PMID:40452490	研究论文	本研究通过多光谱成像技术和卷积神经网络算法，开发了一种用于烧伤伤口深度评估的深度学习模型	利用多光谱成像技术捕捉可见光谱外的波长信息，结合多种CNN架构开发深度学习算法，显著提高了烧伤评估的准确性	研究样本量相对有限（124名受试者），且算法在伤后1-2天的准确率较低	开发并优化用于烧伤伤口深度评估的人工智能算法	烧伤患者的伤口评估	计算机视觉	烧伤	多光谱成像(MSI)	CNN	图像	124名受试者（100名成人，24名儿童），收集1037张MSI图像和161份活检样本
39	2025-06-03	Artificial intelligence for early gastric cancer boundary recognition in NBI and nF-NBI endoscopic images 2025-Jun-02, Scandinavian journal of gastroenterology IF:1.6Q3 DOI:10.1080/00365521.2025.2509818 PMID:40452611	研究论文	本研究开发了基于深度学习的模型，用于在窄带成像（NBI）和近焦NBI（NF-NBI）图像中识别早期胃癌（EGC）的边界	开发了六种深度学习模型（Model1-Model6），用于EGC边界检测，并在NBI和NF-NBI图像上达到了与资深内镜医师相当的诊断性能	NA	开发深度学习模型以精确识别早期胃癌的边界，辅助内镜黏膜下剥离术	早期胃癌（EGC）患者的NBI和NF-NBI图像	计算机视觉	胃癌	窄带成像（NBI）和近焦NBI（NF-NBI）	CNN	图像	1215张NBI图像和1646张NF-NBI图像
40	2025-06-03	Pairwise Attention: Leveraging Mass Differences to Enhance De Novo Sequencing of Mass Spectra 2025-Jun-02, Journal of proteome research IF:3.8Q1 DOI:10.1021/acs.jproteome.5c00063 PMID:40454436	研究论文	本研究提出了一种改进的transformer编码器，通过引入基于成对质量差异的学习偏置（Pairwise Attention, PA），提升了质谱数据的从头测序性能	提出Pairwise Attention机制，将质谱手动解释的启发式方法融入transformer架构，显著提升肽段序列预测精度	方法仅在九物种基准数据集上验证，未说明在其他物种或更复杂样本上的泛化能力	提高基于质谱的蛋白质组学中肽段从头测序的准确性	MS2质谱数据	生物信息学	NA	质谱技术（MS2）	改进的transformer编码器（含Pairwise Attention机制）	质谱数据	九物种基准数据集（具体数量未说明）