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	2025-08-09	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)
22	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
23	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
24	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
25	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）
26	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
27	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
28	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)
29	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）
30	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
31	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）
32	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
33	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
34	2025-08-09	A comparison of 18 F-FDG PET-based radiomics and deep learning in predicting regional lymph node metastasis in patients with resectable lung adenocarcinoma: a cross-scanner and temporal validation study 2023-Dec-01, Nuclear medicine communications IF:1.3Q3 DOI:10.1097/MNM.0000000000001776 PMID:37728592	研究论文	比较基于18 F-FDG PET的放射组学和深度学习在预测可切除肺腺癌患者区域淋巴结转移中的表现	首次比较了手工放射组学和深度学习在不同代PET扫描仪上的表现，并验证了深度学习模型的跨扫描仪有效性	样本量较小，特别是数字PET队列仅有17例患者	预测可切除肺腺癌患者的病理区域淋巴结转移状态	148例接受根治性手术的肺腺癌患者	数字病理	肺腺癌	18 F-FDG PET成像	ResNet-50	医学影像	148例（131例模拟PET，17例数字PET）
35	2025-08-09	Automated Radiomic Analysis of Vestibular Schwannomas and Inner Ears Using Contrast-Enhanced T1-Weighted and T2-Weighted Magnetic Resonance Imaging Sequences and Artificial Intelligence 2023-09-01, Otology & neurotology : official publication of the American Otological Society, American Neurotology Society [and] European Academy of Otology and Neurotology IF:1.9Q2 DOI:10.1097/MAO.0000000000003959 PMID:37464458	研究论文	使用深度学习和MRI技术自动分析前庭神经鞘瘤和内耳结构	利用三维卷积神经网络模型在MRI图像上自动分割前庭神经鞘瘤和内耳结构，提高了分割的准确性和效率	研究依赖于特定MRI序列（对比增强T1加权和T2加权），可能不适用于其他成像技术	客观评估前庭神经鞘瘤及其与内耳的空间关系	490名成年前庭神经鞘瘤患者的高分辨率MRI扫描数据	数字病理	前庭神经鞘瘤	MRI（对比增强T1加权和T2加权序列）	三维卷积神经网络（3D-CNN）	图像	490名患者（390名训练集，100名测试集）和外部公开数据集100名患者
36	2025-08-09	Denoising Tc-99m DMSA images using Denoising Convolutional Neural Network with comparison to a Block Matching Filter 2023-08-01, Nuclear medicine communications IF:1.3Q3 DOI:10.1097/MNM.0000000000001712 PMID:37272279	研究论文	本研究探讨了预训练的DnCNN在去噪Tc-99m DMSA图像中的应用，并与BM3D滤波器进行了性能比较	首次将预训练的DnCNN应用于Tc-99m DMSA图像去噪，并证明其性能优于传统BM3D滤波器	研究仅使用了242张Tc-99m DMSA图像，样本量可能不足	评估预训练DnCNN在医学图像去噪中的适用性	Tc-99m DMSA图像	数字病理学	NA	图像去噪	DnCNN	医学图像	242张Tc-99m DMSA图像
37	2025-08-09	Population Specific Biomarkers of Human Aging: A Big Data Study Using South Korean, Canadian, and Eastern European Patient Populations 2018-10-08, The journals of gerontology. Series A, Biological sciences and medical sciences DOI:10.1093/gerona/gly005 PMID:29340580	研究论文	本研究利用深度学习技术，基于加拿大、韩国和东欧人群的血液样本数据，开发了一种血液学衰老时钟模型，提高了对个体人群衰老预测的准确性	开发了针对特定人群的血液学衰老时钟模型，相比通用模型具有更高的预测准确性，并探索了其与全因死亡率之间的关联	研究仅基于加拿大、韩国和东欧人群数据，可能无法完全代表其他种族或地区的人群	开发更准确、具有生理意义的衰老生物标志物，以评估抗衰老疗法	加拿大、韩国和东欧人群的血液样本数据	机器学习	老年疾病	深度学习	深度学习模型	血液样本数据	加拿大、韩国和东欧人群的大规模血液样本数据集，以及NHANES的美国人群公开样本数据
38	2025-08-08	Deep learning-based reconstruction improves the image quality of low-dose CT enterography in patients with inflammatory bowel disease 2025-Sep, Abdominal radiology (New York) DOI:10.1007/s00261-024-04590-4 PMID:39305292	研究论文	本研究探讨了深度学习重建（DLR）在低剂量CT肠造影（LDCTE）中降低辐射剂量并提高图像质量的潜力	首次将深度学习重建技术应用于低剂量CT肠造影，显著降低辐射剂量同时提升图像质量	样本量较小（36例LDCTE组和40例STDCTE组），且LDCTE组为前瞻性研究而STDCTE组为回顾性研究	评估深度学习重建技术在降低CT肠造影辐射剂量中的应用效果	炎症性肠病（IBD）患者	数字病理	炎症性肠病	CT肠造影（CTE）	深度学习重建（DLR）	医学影像	76例（36例LDCTE组和40例STDCTE组）
39	2025-08-08	Association of visceral fat obesity with structural change in abdominal organs: fully automated three-dimensional volumetric computed tomography measurement using deep learning 2025-Sep, Abdominal radiology (New York) DOI:10.1007/s00261-025-04834-x PMID:39937214	研究论文	本研究利用基于深度学习的全自动三维体积CT测量方法，探讨腹部器官结构变化与内脏脂肪肥胖（VFO）之间的关联	首次采用全自动三维体积CT测量结合深度学习算法，系统评估VFO患者腹部器官的体积和CT衰减值变化	研究样本仅包括610名患者，可能存在选择偏差	探索内脏脂肪肥胖与腹部器官结构变化的关系	610名患者（295名男性和315名女性，平均年龄68.4岁）	数字病理学	代谢相关疾病	三维体积CT测量	深度学习算法	CT图像	610名患者（295名男性，315名女性）
40	2025-08-08	The Dipeptidyl Peptidase-4 Inhibitor Saxagliptin as a Candidate Treatment for Disorders of Consciousness: A Deep Learning and Retrospective Clinical Analysis 2025-Aug, Neurocritical care IF:3.1Q2 DOI:10.1007/s12028-025-02217-0 PMID:39904872	research paper	该研究通过深度学习模型筛选FDA批准的药物，发现二肽基肽酶-4抑制剂沙格列汀可能作为意识障碍的新治疗药物，并通过回顾性临床分析验证其效果	首次利用深度学习模型基于药物三维分子结构预测其作为唤醒剂的疗效，并发现沙格列汀对急性和长期意识障碍患者的潜在治疗效果	研究为回顾性分析，需要进一步的前瞻性临床试验验证药物的有效性和安全性	探索现有FDA批准药物在意识障碍治疗中的新应用	4047名因创伤性、血管性或缺氧性脑损伤导致昏迷的患者	machine learning	disorders of consciousness	deep learning-based drug screening	deep learning	clinical data, molecular structure data	4047名昏迷患者