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	2025-06-23	Generative deep-learning-model based contrast enhancement for digital subtraction angiography using a text-conditioned image-to-image model 2025-Jun-20, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110598 PMID:40543272	研究论文	本研究探索了使用基于生成深度学习模型的对比度增强技术改善数字减影血管造影（DSA）图像质量	采用文本条件图像到图像模型（Stable Diffusion结合ControlNet和低秩适应）进行DSA图像对比度增强，减少幻觉并优化模型微调	信噪比（SNR）下降表明噪声增加，且需要进一步改进伪影抑制和临床验证	提升DSA图像对比度，特别是在慢性肾病（CKD）患者中减少碘对比剂用量的需求	数字减影血管造影（DSA）图像	数字病理	慢性肾病	Stable Diffusion, ControlNet, 低秩适应（Low-Rank Adaptation）	生成对抗网络（GAN）	图像	1207个DSA系列图像用于训练和测试
22	2025-06-23	Spindle Autoencoder-CNN hybrid model for cardiac arrhythmia classification 2025-Jun-20, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110593 PMID:40543278	研究论文	提出了一种结合改进的Spindle Autoencoder和CNN的深度学习框架，用于心电信号的自动心律失常分类	使用改进的Spindle Autoencoder（MSCAE）提取ECG信号的复杂特征，并结合CNN捕捉空间关系，相比传统方法性能更优	仅在MIT-BIH心律失常数据库上进行验证，未说明在其他数据集上的泛化能力	提高基于ECG的心律失常自动诊断效率	心电图（ECG）信号	数字病理学	心血管疾病	深度学习	Spindle Autoencoder-CNN混合模型	ECG信号	MIT-BIH心律失常数据库中的正常和异常心跳记录
23	2025-06-23	BioTransX: A novel bi-former based hybrid model with bi-level routing attention for brain tumor classification with explainable insights 2025-Jun-20, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110515 PMID:40543279	研究论文	本文提出了一种新型混合模型BioTransX，用于脑肿瘤分类，并提供了可解释的见解	结合了双形式编码器机制和动态稀疏注意力机制的Transformer，以及集成卷积网络，提高了分类准确率和可解释性	未提及具体的数据集偏差或模型在更广泛临床环境中的适用性	提高脑肿瘤分类的准确性和可解释性	脑肿瘤MRI图像	数字病理学	脑肿瘤	CLAHE, Grad-CAM, Gradient Attention Rollout	Transformer, CNN	MRI图像	Kaggle MRI数据集、BraTS和Figshare数据集
24	2025-06-23	Artificial intelligence-assisted detection of nasopharyngeal carcinoma on endoscopic images: a national, multicentre, model development and validation study 2025-Jun-20, The Lancet. Digital health DOI:10.1016/j.landig.2025.03.001 PMID:40544083	研究论文	开发并验证了一种基于深度学习的算法（STND系统），用于在内窥镜检查中区分鼻咽癌、良性增生和正常鼻咽组织	首次开发了基于Swin Transformer的鼻咽诊断系统，并在多中心研究中验证了其在提高鼻咽癌诊断准确性和效率方面的潜力	研究主要集中在中国高发地区，可能需要在其他人群中进行进一步验证	提高鼻咽癌的早期诊断准确性，减少漏诊和误诊	鼻咽癌、良性增生和正常鼻咽组织的内窥镜图像	数字病理	鼻咽癌	深度学习	Swin Transformer	图像	内部数据集包含27,362张内窥镜图像（来自15,521名个体），外部验证集包含1,885张前瞻性采集的图像（来自945名参与者）
25	2025-06-23	Optimized YOLOv8 for enhanced breast tumor segmentation in ultrasound imaging 2025-Jun-19, Discover oncology IF:2.8Q2 DOI:10.1007/s12672-025-02889-2 PMID:40536560	研究论文	本研究探讨了机器学习技术在乳腺超声图像分割中的应用，比较了在良性和恶性肿瘤类别上联合训练与单独训练模型的性能	将YOLOv8目标检测算法应用于图像分割任务，并展示了在单独类别上训练模型带来的性能提升	研究仅使用了780张超声图像，样本量相对较小	提高乳腺超声图像分割的准确性以辅助乳腺癌诊断	乳腺超声图像中的良性和恶性肿瘤	数字病理学	乳腺癌	深度学习	YOLOv8, UNet, DenseNet-121, VGG16, VGG19	图像	780张超声图像（分为良性和恶性类别）
26	2025-06-23	Deep learning detects retropharyngeal edema on MRI in patients with acute neck infections 2025-Jun-19, European radiology experimental IF:3.7Q1 DOI:10.1186/s41747-025-00599-6 PMID:40536731	研究论文	本研究开发了一种基于深度学习的算法，用于自动检测急性颈部感染患者的咽后水肿	提出了一种轻量级的卷积神经网络，仅需弱标注数据即可高效训练，并在患者层面和切片层面均实现了高准确率	研究仅基于479名患者的数据，样本量相对有限	开发自动检测咽后水肿的深度学习算法，以改善急性颈部感染患者的早期风险识别	急性颈部感染患者	数字病理学	急性颈部感染	MRI	CNN	图像	479名患者
27	2025-06-23	PMFF-Net: A deep learning-based image classification model for UIP, NSIP, and OP 2025-Jun-19, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110618 PMID:40543280	研究论文	本研究开发了一种基于深度学习的图像分类模型PMFF-Net，用于区分三种常见的间质性肺疾病（ILD）类型，以辅助医生诊断并提高诊断准确性	提出了并行多尺度特征融合网络（PMFF-Net）模型，能够快速准确地对UIP、NSIP和OP等ILD影像类型进行分类	样本量相对较小（仅130例患者和50例正常对照），且仅来自昆明地区的四家三甲医院，可能存在地域局限性	开发深度学习模型辅助间质性肺疾病的影像学诊断	高分辨率CT（HRCT）影像中的UIP、NSIP和OP类型	数字病理	间质性肺疾病	深度学习	PMFF-Net（并行多尺度特征融合网络）	医学影像	130例患者HRCT影像和50例正常对照
28	2025-06-23	Qualitative and quantitative analysis of functional cardiac MRI using a novel compressed SENSE sequence with artificial intelligence image reconstruction 2025-Jun-19, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2025.110448 PMID:40543831	研究论文	评估结合压缩感知(CS)与基于深度学习的算法(CS-AI)在心脏磁共振成像(MRI)中加速平衡稳态自由进动(bSSFP)序列的可行性	首次将压缩感知(CS)与基于卷积神经网络(CNN)的深度学习算法(CS-AI)结合，用于加速心脏MRI扫描并保持图像质量	研究仅涉及30名健康志愿者，未包括心脏病患者	探索AI图像重建技术在加速心脏MRI扫描中的应用效果	心脏MRI图像	医学影像分析	心血管疾病	压缩感知(CS)、深度学习算法(CS-AI)、平衡稳态自由进动(bSSFP)	CNN	MRI图像	30名健康志愿者
29	2025-06-23	Deep learning based colorectal cancer detection in medical images: A comprehensive analysis of datasets, methods, and future directions 2025-Jun-17, Clinical imaging IF:1.8Q3 DOI:10.1016/j.clinimag.2025.110542 PMID:40543496	综述	本文全面回顾了2019年至2025年间人工智能在结直肠癌医学影像检测中的应用现状与发展	系统分类和评估了包括ResNet、VGG和新兴的基于transformer的模型在内的多种CNN架构，并分析了可解释AI方法在医学诊断中的作用	数据集稀缺、计算限制和标准化挑战等技术限制	为医学影像分析和临床实践中实施基于AI的结直肠癌检测系统的研究人员提供全面参考	结直肠癌医学影像	数字病理	结直肠癌	NA	CNN, ResNet, VGG, transformer-based models	医学影像	110篇高质量出版物和9个公开可用的医学影像数据集
30	2025-06-23	Applying multimodal AI to physiological waveforms improves genetic prediction of cardiovascular traits 2025-Jun-17, American journal of human genetics IF:8.1Q1 DOI:10.1016/j.ajhg.2025.05.015 PMID:40543505	研究论文	本研究提出了一种多模态深度学习方法M-REGLE，用于从互补的电生理波形模态中联合学习低维嵌入表示，以改善心血管特征的遗传预测	提出M-REGLE方法，通过联合学习多模态生理波形的低维表示并进行GWAS，显著提高了心血管特征的遗传预测能力	仅验证了ECG和PPG两种模态数据，未扩展到其他生理信号模态	通过多模态AI方法改善心血管特征的遗传预测	电生理波形数据（ECG和PPG）	机器学习	心血管疾病	GWAS	卷积变分自编码器	波形数据	多个生物银行的数据集
31	2025-06-23	Three-dimensional multimodal imaging for predicting early recurrence of hepatocellular carcinoma after surgical resection 2025-Jun-16, Journal of advanced research IF:11.4Q1 DOI:10.1016/j.jare.2025.06.031 PMID:40533057	研究论文	本研究构建了一个多模态模型（MM-RDLM）来预测肝细胞癌（HCC）术后早期复发，并探索了相关的生物学机制	结合放射组学和深度学习模型，构建了预测性能优越的多模态模型，并通过基因集富集分析和多重免疫组化揭示了潜在的生物学机制	研究样本来自三个医疗中心，可能存在选择偏倚；模型的外部验证仍需更多数据支持	预测肝细胞癌术后早期复发并探索相关生物学机制	519例肝细胞癌患者	数字病理	肝细胞癌	放射组学分析、深度学习、基因集富集分析（GSEA）、多重免疫组化（mIHC）	多模态模型（MM-RDLM，整合放射组学和DL模型）	CT图像、基因表达数据、免疫组化数据	519例HCC患者（训练队列433例，验证队列86例）
32	2025-06-23	Classification of glioma grade and Ki-67 level prediction in MRI data: A SHAP-driven interpretation 2025-Jun-16, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2025.102578 PMID:40543244	研究论文	本研究利用AI驱动的MRI数据分析，通过可解释人工智能（XAI）和SHAP方法，探索Ki-67生物标志物与深度学习特征之间的关联，实现对胶质瘤分级和Ki-67水平的精确分类与预测	结合SHAP驱动的可解释AI方法，揭示了深度学习特征与Ki-67生物标志物之间的强关联，为胶质瘤侵袭性提供了新见解	样本量相对较小（101例患者），且仅使用T2W-FLAIR序列MRI数据	开发AI驱动的MRI分析方法，提升胶质瘤临床管理决策	胶质瘤患者（101例）的MRI影像和Ki-67生物标志物数据	数字病理	胶质瘤	T2W-FLAIR MRI序列成像	ResNet50（特征提取）和XGBoost（分类）	MRI影像数据	101例胶质瘤患者的MRI影像
33	2025-06-23	Recent advances in sMRI and artificial intelligence for presurgical planning in focal cortical dysplasia: A systematic review 2025-Jun-13, Journal of neuroradiology = Journal de neuroradiologie DOI:10.1016/j.neurad.2025.101359 PMID:40517890	系统性综述	本文综述了结构磁共振成像（sMRI）和人工智能（AI）在局灶性皮质发育不良（FCD）术前规划中的最新进展	AI，尤其是深度学习方法，显著提高了FCD的检测敏感性和特异性，甚至在某些情况下超越了人类放射科医生的表现	模型性能受FCD类型和训练数据集的影响，需要进一步的临床验证和算法优化	提高FCD的检测准确性以改善药物难治性癫痫患者的术前规划和治疗效果	局灶性皮质发育不良（FCD）患者	数字病理学	癫痫	结构磁共振成像（sMRI）、机器学习和深度学习	深度学习模型	MRI图像	27篇符合纳入标准的全文文章，涉及88篇全文文章
34	2025-06-23	Comparing point counts, passive acoustic monitoring, citizen science and machine learning for bird species monitoring in the Mount Kenya ecosystem 2025-Jun-12, Philosophical transactions of the Royal Society of London. Series B, Biological sciences DOI:10.1098/rstb.2024.0057 PMID:40501133	research paper	比较了点计数、被动声学监测、公民科学和机器学习在肯尼亚山生态系统鸟类物种监测中的应用	提出了一个新的数据集，包含超过20小时的肯尼亚山生态系统录音，并由专家鸟类学家标注，同时研究了使用大型深度学习模型处理这些录音的方法	即使使用了多种方法，调查仍然遗漏了已知存在于肯尼亚山生态系统中的稀有物种，表明多种方法的联合使用仍不够全面	比较不同鸟类监测方法的效果，为生态系统管理者提供可操作的见解	肯尼亚山生态系统中的鸟类物种	machine learning	NA	被动声学监测、深度学习	大型深度学习模型	音频	超过20小时的录音
35	2025-06-23	Enhancing biliary tract cancer diagnosis using AI-driven 3D optical diffraction tomography 2025-Jun-06, Methods (San Diego, Calif.) DOI:10.1016/j.ymeth.2025.06.003 PMID:40484187	研究论文	本研究利用AI驱动的3D光学衍射断层扫描技术，基于脂滴特征自动分类胆道癌细胞	结合3D光学衍射断层扫描和卷积神经网络，首次利用脂滴特征自动分类胆道癌细胞	研究仅使用了特定细胞系，未涉及临床样本	开发一种基于脂滴特征的胆道癌自动诊断系统	胆道癌细胞系（SNU1196、SNU308、SNU478）和正常胆管细胞系（H69）	数字病理	胆道癌	3D光学衍射断层扫描（ODT）	CNN（EfficientNet-b3）	3D折射率断层图像	4种细胞系（3种癌细胞系和1种正常细胞系）
36	2025-06-23	An improved model for prediction of de novo designed proteins with diverse geometries 2025-Jun-06, bioRxiv : the preprint server for biology DOI:10.1101/2025.06.02.657515 PMID:40502157	research paper	该论文提出了一种改进的深度学习模型，用于预测具有多样几何形状的从头设计蛋白质	通过基于物理的设计方法生成了一个包含5,996个稳定、几何形状多样的从头设计蛋白质的数据集，并提出了一个经过微调的Alphafold2版本，能够捕捉几何多样性	当前的深度学习方法未能完全捕捉从头设计蛋白质的特定构象偏好所涉及的物理原理	改进深度学习模型以更好地预测和设计具有自然多样性的蛋白质几何形状	从头设计的蛋白质	machine learning	NA	deep learning, physics-based design methods	Alphafold2	protein structure data	5,996个从头设计的蛋白质
37	2025-06-23	Clinical outcome and deep learning imaging characteristics of patients treated by radio-chemotherapy for a "molecular" glioblastoma 2025-Jun-04, The oncologist DOI:10.1093/oncolo/oyaf127 PMID:40542584	研究论文	本研究评估了分子胶质母细胞瘤（molGB）对标准治疗的反应，并探讨了深度学习和机器学习在MRI上区分无对比增强的molGB与低级别胶质瘤（LGG）的能力	首次比较了分子胶质母细胞瘤（molGB）与经典胶质母细胞瘤（histGB）的生存结果，并利用AI模型在MRI上区分无对比增强的molGB与LGG	研究为回顾性设计，样本量较小（132例患者），可能影响结果的普遍性	评估molGB对标准治疗的反应及AI在区分molGB与LGG中的诊断效用	132例接受放疗和替莫唑胺治疗的胶质母细胞瘤患者	数字病理学	胶质母细胞瘤	MRI FLAIR高信号分割	深度学习	图像	132例患者
38	2025-06-23	Trends and global productivity in artificial intelligence research in clinical neurology and neuroimaging: a bibliometric analysis from 1980 to 2024 2025-Jun-04, Cerebral cortex (New York, N.Y. : 1991) DOI:10.1093/cercor/bhaf148 PMID:40543094	研究论文	本文通过文献计量学方法分析了1980年至2024年间临床神经学和神经影像学中人工智能研究的趋势和全球生产力	揭示了人工智能在临床神经学和神经影像学领域的快速增长趋势，并预测了未来的持续增长	未观察到与人类发展指数的显著关系	分析人工智能在临床神经学和神经影像学领域的研究趋势和全球生产力	5020篇关于人工智能在临床神经学和神经影像学领域的出版物	机器学习	神经系统疾病	文献计量分析	回归模型	文本	5020篇出版物
39	2025-06-23	Colorectal Liver Metastasis Pathomics Model: Integrating Single-Cell and Spatial Transcriptome Analysis With Pathomics for Predicting Liver Metastasis in Colorectal Cancer 2025-Jun-03, Modern pathology : an official journal of the United States and Canadian Academy of Pathology, Inc IF:7.1Q1 DOI:10.1016/j.modpat.2025.100805 PMID:40473111	research paper	该研究通过整合单细胞RNA测序和空间转录组分析，识别了一种触发肝转移的恶性细胞类型（LMTMCs），并开发了一个基于深度学习的结直肠肝转移病理组学模型，用于预测结直肠癌患者的肝转移风险	识别了新的肝转移触发恶性细胞类型（LMTMCs），并通过多组学细胞通讯分析揭示了成纤维细胞与LMTMCs之间的相互作用机制，开发了无需人工标注的弱监督深度学习模型	模型在外部验证集中的性能存在差异（AUC分别为0.89和0.72），可能需要进一步优化和验证	提高结直肠癌肝转移风险的识别和预测能力	结直肠癌患者及其肝转移风险	digital pathology	colorectal cancer	single-cell RNA sequencing, spatial transcriptome analysis, bulk RNA-sequencing	ResNet18	RNA-seq数据、全切片图像	内部测试集来自The Cancer Genome Atlas-CRC组织学图像，外部验证集来自西南医科大学附属医院和西南医科大学附属中医医院的队列
40	2025-06-23	Identifying Retinal Features Using a Self-Configuring CNN for Clinical Intervention 2025-Jun-02, Investigative ophthalmology & visual science IF:5.0Q1 DOI:10.1167/iovs.66.6.55 PMID:40525921	research paper	该研究通过引入OCTAVE数据集和自配置nnU-Net框架，展示了在视网膜疾病诊断中深度学习的应用潜力	提出了一个包含高质量像素级注释的3D OCT数据集OCTAVE，并利用自配置nnU-Net框架实现了跨数据集的高性能分割	数据集的规模可能仍然有限，且依赖于人工标注的质量	解决视网膜疾病诊断中缺乏标注OCT数据集的问题，推动AI诊断工具的发展	视网膜的解剖和病理结构	digital pathology	视网膜疾病	OCT成像	nnU-Net	3D OCT图像	198个OCT体积（3762个B扫描）用于训练，221个OCT体积（4109个B扫描）用于外部验证