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	2025-06-13	Histogram matching-enhanced adversarial learning for unsupervised domain adaptation in medical image segmentation 2025-Jun, Medical physics IF:3.2Q1 DOI:10.1002/mp.17757 PMID:40102198	research paper	提出了一种基于直方图匹配增强对抗学习的无监督领域自适应方法HMeAL-UDA，用于医学图像分割，并提供了模型预测的全面不确定性估计	结合直方图匹配策略减少跨模态图像风格偏差，利用对抗学习对齐多模态特征，并通过MC dropout量化模型预测置信度	未明确说明方法在更广泛医学影像任务中的泛化能力	开发简单有效的无监督领域自适应方法，解决医学图像分割中的跨模态领域偏移问题	医学图像（MRI和CT）中的肝脏和多器官分割	digital pathology	NA	adversarial learning, histogram matching, Monte Carlo dropout	deep neural networks	medical image (MRI, CT)	30 MRI scans (20公共+10内部), 30 CT scans (BTCV), 240 CT scans + 60 MRI scans (AMOS)
22	2025-06-13	Characteristics of left ventricular dysfunction in repaired tetralogy of Fallot: A multi-institutional deep learning analysis of regional strain and dyssynchrony 2025 Summer, Journal of cardiovascular magnetic resonance : official journal of the Society for Cardiovascular Magnetic Resonance IF:4.2Q1 DOI:10.1016/j.jocmr.2025.101886 PMID:40122390	研究论文	本研究利用深度学习合成应变（DLSS）技术，分析了修复性法洛四联症（rTOF）患者左心室功能障碍的特征	首次使用深度学习算法DLSS自动测量区域左心室应变和不同步性，识别出rTOF患者的四种独特左心室收缩模式	研究为回顾性设计，样本量相对有限（198例患者和21例健康对照）	表征rTOF患者的左心室功能障碍模式	修复性法洛四联症患者和健康对照	数字病理	心血管疾病	心血管磁共振成像（CMR），稳态自由进动（SSFP）MRI	深度学习算法（DLSS）	MRI图像	198例rTOF患者和21例健康对照
23	2025-06-13	DiffMC-Gen: A Dual Denoising Diffusion Model for Multi-Conditional Molecular Generation 2025-Jun, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202417726 PMID:40170290	research paper	本文提出了一种双去噪扩散模型DiffMC-Gen，用于多条件分子生成，以优化候选化合物的多种性质	DiffMC-Gen整合了离散和连续特征以增强对3D分子结构的感知能力，并采用多目标优化策略同时优化目标分子的多种性质	NA	精确高效地设计具有多样化理化性质的潜在药物分子	药物分子	machine learning	NA	denoising diffusion models	dual denoising diffusion model	molecular data	针对三种目标蛋白（LRRK2、HPK1和GLP-1受体）生成的分子
24	2025-06-13	Trade-off of different deep learning-based auto-segmentation approaches for treatment planning of pediatric craniospinal irradiation autocontouring of OARs for pediatric CSI 2025-Jun, Medical physics IF:3.2Q1 DOI:10.1002/mp.17782 PMID:40170415	研究论文	比较三种自动分割方法在儿童颅脊髓照射治疗计划中的效果	比较了商业、开箱即用和内部开发的三种自动分割方法在儿童患者中的应用，并探讨了不同方法的优缺点	商业软件LimbusAI在儿童食管和肾脏分割上表现不佳，nnU-Net在头部结构区分上存在困难	评估不同自动分割方法在儿童颅脊髓照射治疗计划中的适用性	儿童颅脊髓照射治疗中的风险器官（OARs）	数字病理学	儿童疾病	CT扫描	U-Net, attention U-Net, 2.5D U-Net, nnU-Net	图像	142名儿童患者的CT扫描（训练集115，验证集27），测试集16名
25	2025-06-13	Integrative Multi-Omics and Routine Blood Analysis Using Deep Learning: Cost-Effective Early Prediction of Chronic Disease Risks 2025-Jun, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202412775 PMID:40171841	研究论文	该研究通过整合多组学数据和常规血液分析，利用深度学习模型预测慢性疾病风险	开发了名为Omicsformer的深度学习模型，能够从常规血液样本中识别多种慢性疾病的潜在风险，并构建了一个简单的慢性非传染性疾病风险预测系统	研究样本主要来自高海拔地区的亚健康人群，可能限制结果的普适性	探索疾病发生的相互关联性，并通过大规模电子健康记录验证，开发慢性疾病早期预测方法	160名高海拔地区亚健康个体的多组学数据和大规模临床患者数据	机器学习	慢性非传染性疾病（包括癌症、心血管疾病和精神疾病）	多组学分析	Omicsformer（基于深度学习的模型）	多组学数据和常规血液检测结果	160名亚健康个体和20年大规模临床患者数据
26	2025-06-13	Automatic flow planning for fetal cardiovascular magnetic resonance imaging 2025 Summer, Journal of cardiovascular magnetic resonance : official journal of the Society for Cardiovascular Magnetic Resonance IF:4.2Q1 DOI:10.1016/j.jocmr.2025.101888 PMID:40180124	研究论文	该论文提出了一种自动化实时规划二维相位对比血流成像（OWL）的方法，用于胎儿心血管磁共振成像	开发了两个深度学习网络，分别用于胎儿身体定位和心脏标志物检测，实现了实时自动规划相位对比序列	在7例前瞻性病例中仅成功实施了6例，且规划质量略低于手动规划	通过自动化实时规划技术扩大胎儿血流成像的应用范围	胎儿心血管磁共振成像	医学影像分析	胎儿心血管疾病	二维相位对比血流成像（2D phase-contrast flow imaging）	深度学习网络	磁共振图像	167和71个胎儿数据集用于训练，10个数据集用于回顾性评估，7个胎儿（36+3-39+3孕周）用于前瞻性评估
27	2025-06-13	An isodose-constrained automatic treatment planning strategy using a multicriteria predicted dose rating 2025-Jun, Medical physics IF:3.2Q1 DOI:10.1002/mp.17795 PMID:40181755	research paper	本研究提出了一种基于深度学习预测剂量分布和多标准评分的自动治疗计划生成方法，专注于鼻咽癌的剂量梯度重建	引入了专注于剂量梯度重建的自动治疗计划方法，并提出了结合多种评价标准的多标准评分策略	在临床验证中，有4个生成的IsoPlans未能满足临床要求	建立一种利用深度学习预测剂量分布信息的自动治疗计划生成方法	鼻咽癌患者的治疗计划	digital pathology	nasopharyngeal carcinoma	deep learning	U-Net, DoseNet, Transformer	medical imaging data	120例鼻咽癌病例（训练集90例，验证集10例，测试集20例）
28	2025-06-13	Open-source deep-learning models for segmentation of normal structures for prostatic and gynecological high-dose-rate brachytherapy: Comparison of architectures 2025-Jun, Journal of applied clinical medical physics IF:2.0Q3 DOI:10.1002/acm2.70089 PMID:40186596	research paper	该研究比较了两种UNet衍生架构（UNet++和nnU-Net）在前列腺和妇科高剂量率（HDR）近距离放射治疗计划中自动分割风险器官（OARs）的性能	研究实现了基于深度学习的分割模型，针对HDR近距离放射治疗中的CT图像进行优化，填补了商业或公开可用模型在此领域的不足	研究数据来源于单一机构，可能影响模型的泛化能力	评估和比较两种深度学习模型在前列腺和妇科HDR近距离放射治疗计划中自动分割风险器官的准确性和实用性	前列腺和妇科HDR近距离放射治疗患者的CT扫描图像	digital pathology	prostate cancer	CT扫描	UNet++, nnU-Net	image	1316份CT扫描（来自1105名患者）用于训练，100份CT扫描（来自62名患者）用于测试
29	2025-06-13	High precision ECG digitization using artificial intelligence 2025 May-Jun, Journal of electrocardiology IF:1.3Q3 DOI:10.1016/j.jelectrocard.2025.153900 PMID:40010101	研究论文	本文介绍了一种基于深度学习的高精度心电图数字化方法	提出了一种全自动的深度学习心电图数字化方法，能够在各种现实场景下保持高精度	在极端条件下(如严重模糊或图像严重退化)的失败率为6.62%	开发高精度的心电图数字化方法以提高心电图数据的可及性和实用性	心电图图像	数字病理学	心血管疾病	深度学习	深度学习模型(未具体说明)	图像	6000张心电图图像(来自PM-ECG-ID数据库)
30	2025-06-13	Model-Based Convolution Neural Network for 3D Near-Infrared Spectral Tomography 2025-May, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3529621 PMID:40031020	研究论文	本文提出了一种结合扩散方程模型和卷积神经网络（CNN）的重建算法（Model-CNN），用于解决近红外光谱断层扫描（NIRST）中的图像重建问题	Model-CNN算法通过CNN学习正则化先验，将解限制在理想的色团浓度图像空间，显著提高了图像重建的准确性和效率	Model-CNN算法未在患者数据上进行训练，而是使用了几何形状和光学源-探测器配置更简单的模拟体模数据进行训练	解决近红外光谱断层扫描（NIRST）中的图像重建问题	生物组织的功能信息	计算机视觉	NA	近红外光谱断层扫描（NIRST）	CNN	图像	数值模拟数据、物理体模数据和临床患者NIRST数据
31	2025-06-13	CMV2U-Net: A U-shaped network with edge-weighted features for detecting and localizing image splicing 2025-May, Journal of forensic sciences IF:1.5Q2 DOI:10.1111/1556-4029.70033 PMID:40177991	research paper	提出了一种名为CMV2U-Net的边缘加权U型网络，用于检测和定位图像拼接	设计了能够同时处理两路输入图像的特征提取模块，并采用分层融合方法防止浅层特征数据丢失，同时引入通道注意力机制追踪多级操作轨迹	未明确提及具体局限性	改进深度学习在图像拼接检测中的特征融合和特征提取能力	图像拼接伪造检测与定位	computer vision	NA	deep learning	U-Net (CMV2U-Net)	image	多个公共数据集（未明确数量）
32	2025-06-13	ERAS and the challenge of the new technologies 2025-May, Minerva anestesiologica IF:2.9Q2 DOI:10.23736/S0375-9393.25.18746-4 PMID:40214219	research paper	探讨人工智能和新技术在加速康复外科（ERAS）协议中的应用及其潜力	提出将AI和新技术整合到ERAS协议中，以解决实施挑战并改善患者护理	需要外部验证和数据安全等挑战	探索AI和新技术如何优化ERAS协议，改善围手术期医疗	ERAS协议和围手术期医疗	machine learning	NA	machine learning, deep learning	NA	clinical data	NA
33	2025-06-13	Vision transformer-based multimodal fusion network for classification of tumor malignancy on breast ultrasound: A retrospective multicenter study 2025-Apr, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2025.105793 PMID:39862564	research paper	本研究提出了一种基于视觉Transformer的多模态融合网络，用于乳腺癌超声图像中肿瘤良恶性的分类	首次同时整合了影像组学特征、深度学习特征和临床参数，构建了多模态特征融合模型	研究为回顾性研究，可能存在选择偏倚	开发一种能够预测乳腺肿瘤良恶性的多模态融合模型	乳腺肿瘤超声图像和临床数据	digital pathology	breast cancer	multimodal feature fusion	Vision Transformer	image, clinical data	1065名患者的临床特征和3315个图像数据集，其中603名患者数据用于模型训练
34	2025-06-13	Machine learning for the rElapse risk eValuation in acute biliary pancreatitis: The deep learning MINERVA study protocol 2025-03-03, World journal of emergency surgery : WJES IF:6.0Q1 DOI:10.1186/s13017-025-00594-7 PMID:40033414	研究论文	该研究旨在开发和验证一种机器学习模型，用于预测轻度急性胆源性胰腺炎（MABP）患者复发急性胰腺炎（RAP）的风险	利用卷积神经网络（CNN）进行特征提取和风险预测，结合kPCA空间变量转换和2D图像生成技术	研究排除了非胆源性病因、重症胰腺炎及无法提供知情同意的患者，可能影响模型的广泛适用性	开发预测MABP患者RAP风险的机器学习工具以辅助临床决策	符合修订版亚特兰大标准的MABP成年患者（未接受早期胆囊切除术）	机器学习	胰腺炎	卷积神经网络（CNN）、核主成分分析（kPCA）	CNN	临床和人口统计学数据	来自意大利多家医院的回顾性（MANCTRA-1研究）和前瞻性数据
35	2025-06-13	Macrophage memory emerges from coordinated transcription factor and chromatin dynamics 2025-Feb-19, Cell systems IF:9.0Q1 DOI:10.1016/j.cels.2025.101171 PMID:39938520	research paper	该研究探讨了巨噬细胞如何通过转录因子和染色质动态协调来保留对过去炎症信号的记忆	揭示了巨噬细胞通过NF-κB网络和染色质可及性景观的重编程来保留记忆的机制，并利用深度学习展示了转录因子和染色质动态如何协调对新炎症信号的精细响应	研究主要关注巨噬细胞在脓毒症等动态炎症条件下的记忆机制，可能不适用于其他免疫细胞或炎症条件	研究免疫细胞如何编码和解码动态信号，以及个体细胞是否保留对炎症分子过去暴露的记忆	巨噬细胞	免疫学	脓毒症	活细胞分析、ATAC测序、转录组分析、深度学习	深度学习	测序数据、转录组数据	NA
36	2025-06-13	Deep learning and radiomics for gastric cancer serosal invasion: automated segmentation and multi-machine learning from two centers 2025-Feb-03, Journal of cancer research and clinical oncology IF:2.7Q3 DOI:10.1007/s00432-025-06117-w PMID:39900688	research paper	本研究开发了一种基于深度学习的自动化脾脏CT图像分割方法，并结合影像组学和深度学习特征构建了胃癌浆膜侵犯预测模型	使用U-Mamba深度学习模型实现全自动脾脏分割，结合多中心数据和多种机器学习方法构建预测模型	研究仅纳入311例患者数据，样本量相对有限	开发自动化脾脏CT分割方法并构建胃癌浆膜侵犯预测模型	311例经病理确诊的胃癌患者	digital pathology	gastric cancer	CT影像分析	U-Mamba, 多种机器学习方法	CT图像	311例来自两个医疗中心的胃癌患者
37	2025-06-13	Targeted Microperimetry Grids for Focal Lesions in Intermediate AMD: PINNACLE Study Report 7 2025-Feb-03, Investigative ophthalmology & visual science IF:5.0Q1 DOI:10.1167/iovs.66.2.6 PMID:39903180	research paper	本研究评估了基于光学相干断层扫描（OCT）的靶向微视野检查网格在评估中期年龄相关性黄斑变性（iAMD）中局灶性病变的可行性和实用性	使用深度学习算法检测OCT图像中的局灶性病变，并指导5点微视野检查靶向病变位置，改进了对局灶性视网膜变化如何影响视觉功能的理解	标准网格的插值可能在病变中心区域出现错误，尤其是在EZ/IZ损失伴高透过性和视网膜下液体的区域	评估靶向微视野检查网格在iAMD患者局灶性病变评估中的可行性和实用性	395名55至90岁的中期年龄相关性黄斑变性患者	digital pathology	geriatric disease	OCT, microperimetry, deep learning	deep learning algorithms	image	93只眼睛（来自83名患者），评估了605个5点靶向网格和标准网格，涉及235个局灶性病变
38	2025-06-13	Tumor aware recurrent inter-patient deformable image registration of computed tomography scans with lung cancer 2025-Feb, Medical physics IF:3.2Q1 DOI:10.1002/mp.17536 PMID:39589333	研究论文	开发了一种名为TRACER的深度学习方法，用于肺癌患者的计算机断层扫描图像间的变形图像配准	提出了肿瘤感知的循环配准方法TRACER，通过结合肿瘤分割和3D图像对作为输入通道，实现了在保持肿瘤的同时避免不现实变形的配准	研究主要针对肺癌患者的CT图像，可能不适用于其他类型的癌症或影像模态	开发适用于基于体素分析的拓扑保持性患者间变形图像配准方法	肺癌患者的计算机断层扫描图像	数字病理	肺癌	3D卷积长短时记忆网络(3D-CLSTM)	TRACER	3D图像	204对3D CT图像用于训练，评估使用了三个数据集（Dataset I: 308对，Dataset II: 765对，Dataset III: 42名患者）
39	2025-06-13	Minimal sourced and lightweight federated transfer learning models for skin cancer detection 2025-01-21, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-82402-x PMID:39837883	research paper	该论文提出了一种使用最小资源和轻量级联邦迁移学习模型高精度分类皮肤癌类型的技术	采用最小资源预训练深度学习模型（如EfficientNetV2S、EfficientNetB3、ResNet50和NasNetMobile）进行迁移学习，并应用于联邦学习生态系统，分析相同和非相同分布数据集的影响	未提及具体的数据集来源和样本多样性，可能影响模型的泛化能力	开发高精度的皮肤癌分类技术，减少资源消耗	皮肤癌病变图像	computer vision	skin cancer	federated transfer learning	EfficientNetV2S, EfficientNetB3, ResNet50, NasNetMobile	image	NA
40	2025-06-13	Predicting branch retinal vein occlusion development using multimodal deep learning and pre-onset fundus hemisection images 2025-01-21, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-85777-7 PMID:39837962	research paper	使用多模态深度学习和发病前眼底半切图像预测分支视网膜静脉阻塞的发展	开发了一种基于深度学习的多模态模型，结合眼底图像和血管分割结果，提高了分支视网膜静脉阻塞的预测准确性	样本量较小，需要更大规模的多中心数据集来提高临床实用性和预测准确性	预测分支视网膜静脉阻塞的发生	分支视网膜静脉阻塞患者的眼底图像	digital pathology	branch retinal vein occlusion	deep learning	U-net	image	27只BRVO受影响的眼睛与81只未受影响的眼底半切图像（27只对侧和54只同侧）