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
381	2025-06-06	CirnetamorNet: An ultrasonic temperature measurement network for microwave hyperthermia based on deep learning 2025-Jun, SLAS technology IF:2.5Q3 DOI:10.1016/j.slast.2025.100297 PMID:40350037	研究论文	提出了一种基于深度学习的超声波温度测量网络CirnetamorNet，用于微波热疗中的非侵入性温度监测	通过多头注意力机制高效整合多特征数据，提高了非侵入性测温技术的准确性和可靠性	实验数据采集系统使用模拟人体组织特性的材料构建，可能与真实人体组织存在差异	实现微波热疗过程中准确的非侵入性温度预测	微波热疗中的温度监测	数字病理	癌症	超声波成像	RNN, 多头注意力机制	图像	NA
382	2025-06-06	Catalytic mechanism and engineering of aromatic prenyltransferase: A review 2025-Jun, International journal of biological macromolecules IF:7.7Q1 DOI:10.1016/j.ijbiomac.2025.144214 PMID:40379159	综述	本文系统总结了芳香族异戊二烯基转移酶的催化机制和工程化研究进展，并探讨了当前挑战和未来研究方向	提出了结合人工智能和深度学习的创新工程化方法，以开发高性能生物催化剂	当前面临的挑战包括催化活性不足、底物特异性狭窄以及多酶级联系统和固定化技术的限制	指导芳香族异戊二烯基转移酶在合成生物学和药物创新中的工程化与规模化应用	芳香族异戊二烯基转移酶及其催化机制	合成生物学	NA	蛋白质工程、人工智能、深度学习	NA	NA	NA
383	2025-06-06	ML-Driven Alzheimer's disease prediction: A deep ensemble modeling approach 2025-Jun, SLAS technology IF:2.5Q3 DOI:10.1016/j.slast.2025.100298 PMID:40389063	research paper	该研究提出了一种结合五种深度学习架构的集成学习框架，用于提高阿尔茨海默病诊断的准确性	使用五种深度学习架构（VGG16、VGG19、ResNet50、InceptionV3和EfficientNetB7）的集成学习框架，显著提高了诊断准确性	研究主要基于伊拉克专科诊所的数据，可能在其他地区或人群中的适用性有待验证	提高阿尔茨海默病的早期和准确检测	MRI脑扫描图像	digital pathology	geriatric disease	deep learning	ensemble model (VGG16, VGG19, ResNet50, InceptionV3, EfficientNetB7)	image	3,714 MRI脑扫描图像（834 NonDemented, 1,824 MildDemented, 1,056 VeryDemented）
384	2025-06-06	Prediction of pathological grade of oral squamous cell carcinoma and construction of prognostic model based on deep learning algorithm 2025-Jun-01, Discover oncology IF:2.8Q2 DOI:10.1007/s12672-025-02144-8 PMID:40450613	研究论文	本研究旨在基于全切片图像(WSIs)建立深度学习模型，用于预测口腔鳞状细胞癌(OSCC)的病理分级	使用CLAM算法构建的深度学习模型在训练集和外部验证集中表现出良好的预测效率和泛化能力，并结合转录组数据构建了OSCC的预后风险模型	外部验证集的AUC(0.71)低于训练集(0.86)，表明模型在外部数据上的性能有待提高	预测口腔鳞状细胞癌的病理分级并构建预后模型	口腔鳞状细胞癌(OSCC)患者	数字病理学	口腔鳞状细胞癌	深度学习算法	CLAM算法	全切片图像(WSIs)和转录组数据	257例OSCC患者的组织病理学图像(来自TCGA数据库)和165例OSCC病理切片(来自CPTAC数据库)
385	2025-06-06	Deep learning driven interpretable and informed decision making model for brain tumour prediction using explainable AI 2025-Jun-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-03358-0 PMID:40451921	研究论文	本研究提出了一种结合深度学习和可解释AI（XAI）的模型，用于准确且可解释的脑肿瘤预测	结合深度学习和XAI，提供模型预测的可解释性，帮助临床医生理解决策过程	模型可能仍存在某些复杂病例的预测困难，且依赖于大量影像和临床数据	开发一个可解释的脑肿瘤预测模型，以提高诊断准确性和临床信任度	脑肿瘤患者	数字病理学	脑肿瘤	MRI和CT扫描	深度学习模型	影像和临床数据	广泛的数据集（具体数量未提及）
386	2025-06-06	Extracerebral Normalization of 18F-FDG PET Imaging Combined with Behavioral CRS-R Scores Predict Recovery from Disorders of Consciousness 2025-Jun, Neurocritical care IF:3.1Q2 DOI:10.1007/s12028-024-02142-8 PMID:39532777	研究论文	本研究开发了一种基于18F-FDG PET和行为CRS-R评分的预后模型，用于预测长期意识障碍患者的1年恢复情况	结合18F-FDG PET的脑外组织标准化和行为CRS-R评分，开发了多模态预后模型，提高了预测意识恢复的准确性	样本量较小（87例患者），且测试集结果显示差异无统计学意义（P=0.73）	开发预测长期意识障碍患者恢复情况的预后模型	87例新诊断为长期意识障碍的患者	数字病理	神经系统疾病	18F-FDG PET/CT扫描	DenseNet121	图像和表格数据	87例意识障碍患者（52例恢复意识，35例未恢复）
387	2025-06-06	Performance of AI methods in PET-based imaging for outcome prediction in lymphoma: A systematic review and meta-analysis 2025-Jun-01, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.112204 PMID:40466216	meta-analysis	本文通过系统综述和荟萃分析评估了人工智能方法在基于PET成像的淋巴瘤预后预测中的性能	首次系统评估了AI方法在淋巴瘤预后预测中的表现，并比较了不同AI方法的性能	研究主要基于回顾性数据，需要进一步前瞻性研究验证	评估AI方法在基于PET成像的淋巴瘤预后预测中的性能	淋巴瘤患者	digital pathology	lymphoma	PET-based imaging	deep learning, machine learning, radiomics	medical imaging	75项研究（主要关注非霍奇金淋巴瘤，n=61）
388	2025-06-06	Radiomics of PET Using Neural Networks for Prediction of Alzheimer's Disease Diagnosis 2025-Jun, Statistics in medicine IF:1.8Q1 DOI:10.1002/sim.70128 PMID:40468810	研究论文	本文提出使用图神经网络(GNN)和变压器编码器(TE)的深度学习方法，利用纵向PET图像和认知评分预测阿尔茨海默病(AD)的诊断及从认知未受损或轻度认知障碍到AD的转化	首次将GNN和TE应用于纵向PET图像序列分析，提高了AD诊断预测的准确性	未能充分考虑访视间时间变异性的影响	提高阿尔茨海默病的早期诊断准确性	阿尔茨海默病患者及认知未受损/轻度认知障碍人群	数字病理学	阿尔茨海默病	PET成像技术	GNN, TE, FFN, RNN	医学图像(PET)	ADNI研究收集的数据集
389	2025-06-06	Network Occlusion Sensitivity Analysis Identifies Regional Contributions to Brain Age Prediction 2025-Jun-01, Human brain mapping IF:3.5Q1 DOI:10.1002/hbm.70239 PMID:40470724	研究论文	该研究通过结合网络遮挡敏感性分析和精细人脑图谱，揭示了卷积神经网络在脑龄预测中不同脑区的贡献	开发了一种可解释的方案，结合网络遮挡敏感性分析和精细人脑图谱，揭示了模型学习的不变性，并识别了不同脑区在脑龄预测中的贡献	研究依赖于特定的数据集和模型架构，可能无法推广到其他数据集或模型	提高脑龄预测模型的可解释性，识别不同脑区对预测的贡献	人脑不同区域在脑龄预测中的贡献	计算机视觉	老年疾病	卷积神经网络（CNN）	CNN	图像	训练集3054人，测试集555人，年龄范围8-80岁
390	2025-06-06	Underwater 3D measurement based on improved YOLOv8n and laser scanning imaging device 2025-Jun-01, The Review of scientific instruments DOI:10.1063/5.0256098 PMID:40471019	研究论文	本文提出了一种名为YOLOv8-FWR的深度学习算法，结合激光扫描成像设备，有效提高了水下激光成像的效率和质量	引入了Focal_SPPF池化模块以减少背景噪声影响，提出了加权特征Concat模块以增强边缘小目标光条的检测，并通过结构重参数化技术优化了C2f模块，降低了模型参数数量同时提高了准确性	NA	提高水下激光成像的目标检测效率和准确性	水下激光扫描成像中的目标光条	计算机视觉	NA	激光扫描成像	YOLOv8-FWR	图像	通过模拟水下激光扫描成像过程构建的包含大量背景噪声的数据集，并在VOC2012和Underwater Detection Dataset (UDD)上进行了验证
391	2025-06-06	A Study on Predicting the Efficacy of Posterior Lumbar Interbody Fusion Surgery Using a Deep Learning Radiomics Model 2025-May-30, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.05.026 PMID:40450398	research paper	本研究开发了一个结合临床数据、放射组学和深度学习的模型，用于预测后路腰椎间融合手术(PLIF)的疗效	提出了一个结合临床特征、放射组学特征和深度学习特征的联合模型，该模型在预测PLIF手术效果方面表现出最佳性能	研究为回顾性分析，可能存在选择偏倚；样本量相对有限	预测后路腰椎间融合手术(PLIF)的术后疗效	461例因退行性腰椎疾病接受PLIF手术的患者	digital pathology	degenerative lumbar diseases	deep learning radiomics	logistic regression, random forest, deep learning model	MRI图像(矢状位T2加权图像)	461例患者(训练集368例，测试集93例)
392	2025-06-06	Integrative strategies in drug discovery: Harnessing genomics, deep learning, and computer-aided drug design 2025-May-30, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2025.108530 PMID:40466334	综述	本文探讨了基因组学、深度学习和计算机辅助药物设计在药物发现中的整合策略及其对现代药物研发的变革性影响	整合高通量测序技术、深度学习算法和计算机辅助药物设计，提高药物靶点预测准确性并加速候选药物识别	未具体说明所采用深度学习模型在特定疾病领域的性能局限	促进多组学数据与人工智能技术在药物研发中的协同应用	基因组数据、药物-靶点相互作用关系	计算机辅助药物设计	NA	高通量测序技术（基因组学/转录组学/蛋白质组学/代谢组学）	深度学习	基因组数据	NA
393	2025-06-06	Near-zero photon bioimaging by fusing deep learning and ultralow-light microscopy 2025-May-27, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2412261122 PMID:40388622	研究论文	本文介绍了一种结合深度学习和超低光显微镜的近零光子生物成像方法，能够在极低光照条件下高保真地重建生物图像	提出了一种在kHz速率和比标准显微镜低10,000倍辐照度下操作的近零光子生物成像方法，结合了精心设计的显微镜和AI技术	NA	通过减少样本辐照度来增强光学显微镜的可靠性和可重复性	多细胞和亚细胞特征的结构	生物成像	NA	超低光显微镜和深度学习	AI（未指定具体模型）	图像	NA
394	2025-06-06	Federated prediction for scalable and privacy-preserved knowledge-based planning in radiotherapy 2025-May-20, ArXiv PMID:40470470	research paper	该研究开发了一个名为FedKBP+的联邦学习平台，旨在解决放射治疗计划中数据稀缺和异构性问题，同时保护患者数据隐私	提出了FedKBP+平台，支持集中式和完全去中心化的联邦学习策略，并通过Peer-to-Peer通信直接交换模型权重	未提及具体的临床实施障碍或平台在更大规模数据集上的性能表现	开发一个高效、一致且隐私保护的放射治疗计划预测平台	放射治疗计划中的预测任务	machine learning	NA	federated learning, Google Remote Procedure Call (gRPC)	scale-attention network (SA-Net)	NA	NA
395	2025-06-06	A Full-Spectrum Generative Lead Discovery (FSGLD) Pipeline via DRUG-GAN: A Multiscale Method for Drug-like/Target-specific Compound Library Generation 2025-May-12, Research square DOI:10.21203/rs.3.rs-6516504/v1 PMID:40470212	research paper	介绍了一种名为FSGLD的深度学习驱动流程，用于高效识别药物先导化合物	FSGLD结合了生成模型与分子对接、分子动力学模拟等多种技术，显著优于传统的计算机辅助药物设计方法	未明确提及具体局限性	开发一种高效识别药物先导化合物的方法	药物先导化合物，特别是针对CB2受体的化合物	machine learning	NA	分子对接、分子动力学模拟、MM-PBSA、热力学积分(TI)	GAN	分子数据	未明确提及样本数量
396	2025-06-06	Automatic Quantification of Serial PET/CT Images for Pediatric Hodgkin Lymphoma Using a Longitudinally Aware Segmentation Network 2025-May, Radiology. Artificial intelligence DOI:10.1148/ryai.240229 PMID:39969278	research paper	开发了一种纵向感知分割网络（LAS-Net），用于量化儿童霍奇金淋巴瘤患者的连续PET/CT图像	LAS-Net引入了纵向交叉注意力机制，使得PET1的相关特征可以用于PET2的分析	外部测试队列的性能略有下降	开发一种能够量化儿童霍奇金淋巴瘤患者连续PET/CT图像的自动分割网络	儿童霍奇金淋巴瘤患者的连续PET/CT图像	digital pathology	Hodgkin lymphoma	PET/CT	CNN	image	297名儿童患者（内部数据集200名，外部测试数据集97名）
397	2025-06-06	Automatic Segmentation and Molecular Subtype Classification of Breast Cancer Using an MRI-based Deep Learning Framework 2025-May, Radiology. Imaging cancer DOI:10.1148/rycan.240184 PMID:40249269	research paper	开发了一个基于MRI的深度学习框架，用于乳腺癌病灶分割和分子亚型自动分类	提出了一个结合3D ResU-Net和Ensemble ResNet的深度学习框架，实现了乳腺癌病灶的高精度分割和分子亚型的自动分类	研究为回顾性多中心研究，可能存在选择偏倚	开发一个基于MRI的深度学习框架，用于乳腺癌病灶分割和分子亚型分类	乳腺癌患者	digital pathology	breast cancer	contrast-enhanced MRI	3D ResU-Net, Ensemble ResNet	MRI图像	687名女性患者（平均年龄48.70岁±8.97）
398	2025-05-03	Deep Learning Radiopathomics for Predicting Tumor Vasculature and Prognosis in Hepatocellular Carcinoma 2025-May, Radiology. Imaging cancer DOI:10.1148/rycan.250141 PMID:40314587	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
399	2025-06-06	Anatomy-derived 3D Aortic Hemodynamics Using Fluid Physics-informed Deep Learning 2025-May, Radiology IF:12.1Q1 DOI:10.1148/radiol.240714 PMID:40326877	research paper	研究使用流体物理信息深度学习方法（FPI-CycleGAN）从解剖输入中量化主动脉血流动力学，作为4D流MRI的替代方案	提出了一种生成式人工智能方法（FPI-CycleGAN），能够直接从解剖输入中预测主动脉血流动力学，显著减少计算时间	研究依赖于回顾性数据，且需要进一步验证在更广泛人群中的适用性	评估FPI-CycleGAN在量化主动脉血流动力学中的可行性和准确性	主动脉血流动力学	digital pathology	cardiovascular disease	4D flow MRI, FPI-CycleGAN	CycleGAN	3D segmentation, MRI	1765名患者（其中1242名BAV患者和523名TAV患者）
400	2025-06-06	Development and validation of a novel chronic pancreatitis pathological grade based on artificial intelligence 2025-May, Pancreatology : official journal of the International Association of Pancreatology (IAP) ... [et al.] IF:2.8Q2 DOI:10.1016/j.pan.2025.04.011 PMID:40335378	研究论文	本研究开发并验证了一种基于深度学习的慢性胰腺炎病理分级系统（Histopathology-derived CPpG），并通过放射组学评分（DLRS）预测疾病严重程度	首次提出基于人工智能的慢性胰腺炎病理分级系统，并开发了非侵入性的DLRS用于动态监测疾病严重程度	研究为回顾性设计，且病理确认的CP样本量相对较小（181例）	开发慢性胰腺炎的客观病理分级系统并验证其临床价值	慢性胰腺炎和复发性急性胰腺炎患者	数字病理	慢性胰腺炎	深度学习，放射组学	DeeplabV3+	全切片图像，CT扫描	2054例患者（含181例病理确诊CP）