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
401	2025-07-05	Development of intelligent tools to predict neuroblastoma risk stratification and overall prognosis based on multiphase enhanced CT and clinical features 2025, Frontiers in neurology IF:2.7Q3 DOI:10.3389/fneur.2025.1573398 PMID:40612805	研究论文	开发基于多期增强CT和临床特征的深度学习模型，用于预测神经母细胞瘤的风险分层和预后	结合多期增强CT图像和临床特征，使用Swin Transformer模型和多种机器学习算法构建风险分层和预后评估模型	样本量较小（202例患者），且仅基于单一中心的数据	提高神经母细胞瘤风险分层和预后评估的准确性	神经母细胞瘤患者	数字病理学	神经母细胞瘤	多期增强CT	Swin Transformer, 随机生存森林（RSF）	图像, 临床数据	202例神经母细胞瘤患者
402	2025-07-05	Toward automated plantar pressure analysis: machine learning-based segmentation and key point detection across multicenter data 2025, Frontiers in bioengineering and biotechnology IF:4.3Q2 DOI:10.3389/fbioe.2025.1579072 PMID:40613004	research paper	本研究探索了基于机器学习的足底压力分析中的解剖区域分割和关键点检测方法	提出了一个整合多中心足底压力数据的新框架，用于分割和标志点检测，实现了跨不同硬件配置的标准化自动分析	对于边界模糊的跖骨区域1，模型的准确性较低，需要专家审查来提高关键案例的准确性	开发自动化、鲁棒的足底压力分析方法，以评估足部功能、诊断畸形和表征步态模式	足底压力样本	machine learning	NA	U-Net, deep learning regression models	U-Net, ensemble model	足底压力数据	758个足底压力样本，来自460名个体（197名女性，263名男性）
403	2025-07-05	Research trends in the application of artificial intelligence in nursing of chronic disease: a bibliometric and network visualization study 2025, Frontiers in digital health IF:3.2Q2 DOI:10.3389/fdgth.2025.1608266 PMID:40613079	研究论文	通过文献计量和网络可视化方法研究人工智能在慢性病护理中的应用现状、热点及未来趋势	首次系统性地利用文献计量学方法分析人工智能在慢性病护理领域的研究趋势，填补了该领域系统性综述和未来趋势预测的空白	仅基于Web of Science数据库的文献，可能未涵盖所有相关研究	探究人工智能在慢性病护理领域的应用现状、热点话题及未来前景	2001年至2023年间发表的2438篇关于人工智能与慢性病护理的文献	机器学习	慢性病	文献计量分析、网络可视化（CiteSpace和VOSviewer）	NA	文献数据	2438篇文献
404	2025-07-05	Neural decoding of Aristotle tactile illusion using deep learning-based fMRI classification 2025, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2025.1606801 PMID:40613086	研究论文	本研究利用基于深度学习的fMRI分类方法，解码亚里士多德触觉错觉的神经机制	首次将深度学习模型应用于fMRI数据分析，以识别与亚里士多德触觉错觉相关的脑区	刺激分类任务的准确率较低（约50%），未能区分三种触觉刺激类型	探索亚里士多德触觉错觉的神经机制	30名参与者的fMRI数据和触觉感知记录	神经科学与机器学习	NA	fMRI和深度学习	CNN（包括SFCN）	fMRI数据	30名参与者
405	2025-07-05	Predicting Affinity Through Homology (PATH): Interpretable Binding Affinity Prediction with Persistent Homology 2024-Oct-21, bioRxiv : the preprint server for biology DOI:10.1101/2023.11.16.567384 PMID:38014181	研究论文	提出了一种名为PATH的算法，用于预测蛋白质-配体结合亲和力，该算法结合了持久同调特征和可解释的机器学习模型	使用持久同调特征和可解释的回归树模型，提高了结合亲和力预测的准确性和可解释性，同时降低了计算复杂度	未明确提及具体局限性，但可能涉及对特定蛋白质-配体复合物的适用性	开发一种快速、可解释的蛋白质-配体结合亲和力预测算法	蛋白质-配体复合物	计算生物学	NA	持久同调	回归树	蛋白质-配体复合物的结构数据	未明确提及具体样本数量
406	2025-07-05	CT-derived pectoralis composition and incident pneumonia hospitalization using fully automated deep-learning algorithm: multi-ethnic study of atherosclerosis 2024-Jun, European radiology IF:4.7Q1 DOI:10.1007/s00330-023-10372-1 PMID:37951855	研究论文	本研究利用全自动深度学习算法从常规胸部CT中提取胸肌组成指标，并探讨这些指标与肺炎住院事件之间的纵向关联	首次使用全自动深度学习算法(Mask R-CNN)从常规胸部CT中提取胸肌组成指标，并发现其在COPD患者中的肺炎预测价值	研究结果仅适用于COPD患者群体，未在更广泛人群中验证	探讨胸肌组成指标与肺炎住院事件之间的关联	2595名参与者的胸部CT扫描数据	数字病理学	慢性阻塞性肺疾病(COPD)	深度学习算法	Mask R-CNN (基于Faster R-CNN架构)	CT图像	2595名参与者(51%女性，中位年龄68岁)，其中507名COPD患者
407	2025-07-05	Artificial intelligence unravels interpretable malignancy grades of prostate cancer on histology images 2024-Mar-06, Npj imaging.. DOI:10.1038/s44303-023-00005-z PMID:40604230	研究论文	本文开发了一种基于人工智能的前列腺癌恶性程度分级系统，通过多机构国际数据集验证其优于现有的Gleason分级系统	提出了一种新的前列腺癌分级系统，利用AI技术开发出四个风险组别，独立且优于现有的五个等级组别，并能反映生化复发患者去势抵抗性前列腺癌的风险	研究依赖于根治性前列腺切除术患者的数据，可能不适用于其他治疗方式的患者	开发并验证一种基于AI的前列腺癌恶性程度分级系统，提高风险分层的准确性	2647名接受根治性前列腺切除术并有≥10年随访数据的前列腺癌患者	数字病理学	前列腺癌	深度学习	NA	组织学图像	2647名前列腺癌患者的多机构国际数据集
408	2025-07-05	Osteoarthritis year in review 2022: imaging 2023-08, Osteoarthritis and cartilage IF:7.2Q1 DOI:10.1016/j.joca.2023.03.005 PMID:36924919	综述	本文总结了2021年4月1日至2022年3月31日期间发表的关于骨关节炎（OA）影像学研究的原创研究	强调了人工智能在OA影像学中的应用，包括预测模型的开发和骨小梁纹理分析	仅考虑了英文出版物和人体体内研究	总结和评估骨关节炎影像学领域的最新研究进展	人类骨关节炎患者的影像学数据	数字病理学	骨关节炎	放射学、超声/US、计算机断层扫描/CT、DXA、磁共振成像/MRI、人工智能/AI、深度学习	深度学习	影像数据	NA
409	2025-07-05	Refinement of AlphaFold2 Models against Experimental Cryo-EM Density Maps at 4-6Å Resolution 2022-Dec, Proceedings. IEEE International Conference on Bioinformatics and Biomedicine DOI:10.1109/bibm55620.2022.9995676 PMID:40612328	研究论文	本文探讨了深度学习蛋白质结构预测方法AlphaFold2在解析4-6Å分辨率冷冻电镜图谱中的应用	研究了AlphaFold2模型在低分辨率冷冻电镜图谱中的精炼效果，并分析了其依赖性和局限性	精炼效果显著依赖于AlphaFold2预测质量、冷冻电镜数据质量以及模型与密度图的对齐质量	评估AlphaFold2在低分辨率冷冻电镜图谱中的模型精炼效果	蛋白质结构预测模型与冷冻电镜密度图	结构生物学	NA	冷冻电镜(cryo-EM)	AlphaFold2	冷冻电镜密度图	10个案例(包含9个长链和1个小链)
410	2025-07-04	Deep learning with ensemble-based hybrid AI model for bipolar and unipolar depression detection using demographic and behavioral based on time-series data 2025-Dec, Dialogues in clinical neuroscience DOI:10.1080/19585969.2025.2524337 PMID:40588165	research paper	该研究提出了一种基于深度学习和集成学习的混合AI模型，用于通过人口统计和行为时间序列数据检测双相和单相抑郁症	结合了结构化人口统计特征和合成活动图时间序列数据，使用XGBoost集成和深度CNN进行建模，并通过SHAP和Grad-CAM增强模型可解释性	尚未经过临床验证	开发自动化的抑郁症检测方法	双相和单相抑郁症患者	machine learning	mental health	XGBoost, CNN, SHAP, Grad-CAM	hybrid AI model (XGBoost + CNN)	time-series data, demographic data	NA
411	2025-07-04	Analysis of intra- and inter-observer variability in 4D liver ultrasound landmark labeling 2025-Sep, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.12.5.051807 PMID:40600072	研究论文	本研究通过评估肝脏4D超声成像中专家标记地标的观察者内和观察者间变异性，探讨了专家标记数据的可靠性	首次量化了4D超声肝脏地标标记的观察者内和观察者间变异性，并确定了超声伪影是标记不准确的主要来源	研究仅基于8个4D肝脏超声序列和8位专家观察者的数据，样本量有限	评估4D超声成像中专家标记地标的可靠性，以改进自主治疗引导系统的目标跟踪算法	肝脏4D超声成像中的地标标记	医学影像分析	肝脏疾病	4D超声成像	NA	4D超声图像序列	8个4D肝脏超声序列，由8位专家观察者各标记8个地标3次
412	2025-07-04	DunHuangStitch: Unsupervised Deep Image Stitching of Dunhuang Murals 2025-Aug, IEEE transactions on visualization and computer graphics IF:4.7Q1 DOI:10.1109/TVCG.2024.3398289 PMID:38717890	研究论文	本文提出了一种基于深度学习的敦煌壁画图像拼接方法，旨在解决传统方法在低纹理壁画拼接中的局限性	首次将深度学习应用于敦煌壁画拼接，设计了渐进回归图像对齐网络和特征差分重建软编码接缝拼接网络，并引入了软编码接缝质量评估方法	未明确提及具体局限性，但暗示传统方法在特征点检测精度和低纹理壁画拼接方面存在不足	为敦煌壁画的数字化存储和保存提供技术支持	敦煌壁画	计算机视觉	NA	深度学习	渐进回归图像对齐网络、特征差分重建软编码接缝拼接网络	图像	构建了两个壁画拼接数据集（未明确样本数量）
413	2025-07-04	Deep Learning Reconstruction Combined With Conventional Acceleration Improves Image Quality of 3 T Brain MRI and Does Not Impact Quantitative Diffusion Metrics 2025-Aug-01, Investigative radiology IF:7.0Q1 DOI:10.1097/RLI.0000000000001158 PMID:39919383	研究论文	本研究评估了深度学习重建与传统加速技术在3T脑MRI中的结合应用，及其对图像质量和定量扩散指标的影响	结合深度学习重建（DRB）与传统加速技术，显著提高了ssEPI DWI序列的图像质量并缩短了采集时间	在部分切片中观察到DRB重建序列产生更多伪影，且随着加速程度和DRB应用的增加，ADC值的差异增大	评估深度学习重建与传统加速技术结合对3T脑MRI图像质量和定量扩散指标的影响	24名患者的脑MRI数据	数字病理	NA	单次激发平面回波成像（ssEPI）扩散加权成像（DWI）	深度学习（Deep Resolve Boost, DRB）	MRI图像	24名患者
414	2025-07-04	Deep Learning-Based Signal Amplification of T1-Weighted Single-Dose Images Improves Metastasis Detection in Brain MRI 2025-Aug-01, Investigative radiology IF:7.0Q1 DOI:10.1097/RLI.0000000000001166 PMID:39961132	research paper	本研究探讨了基于深度学习的信号放大技术在单剂量T1加权脑MRI图像中的应用，以提高转移瘤的检测率	使用深度学习技术从单剂量T1加权图像生成人工双剂量图像，避免了实际使用双剂量造影剂的风险	研究样本量较小（30名参与者），且人工双剂量图像可能增加假阳性发现	提高脑转移瘤的检测准确性，同时减少造影剂使用	脑转移瘤患者	digital pathology	brain metastasis	MRI	deep learning	image	30名参与者（平均年龄58.5±11.8岁，23名女性）
415	2025-07-04	Moving Beyond CT Body Composition Analysis: Using Style Transfer for Bringing CT-Based Fully-Automated Body Composition Analysis to T2-Weighted MRI Sequences 2025-Aug-01, Investigative radiology IF:7.0Q1 DOI:10.1097/RLI.0000000000001162 PMID:39961134	研究论文	本研究提出了一种利用深度学习技术从T2加权MRI序列中自动进行身体成分分析的方法	通过CycleGAN将CT分割映射到合成的MR图像上，并利用nnU-Net V2模型进行3D和2D分割，实现了从CT到MRI的身体成分分析方法的迁移	研究中仅使用了30对合成数据对进行初步训练，样本量相对较小	开发一种自动化方法，用于从T2加权MRI序列中提取身体成分参数	120名患者的T2加权MRI序列（46%为女性，中位年龄56岁）	数字病理学	NA	CycleGAN, nnU-Net V2	CNN（具体为nnU-Net V2的3D和2D版本）	医学影像（T2加权MRI序列）	120名患者的MRI数据
416	2025-07-04	Learning-Based Classification of B- and T-Cell Lymphoma on Histopathological Images: A Multicenter Study 2025-Aug, European journal of haematology IF:2.3Q2 DOI:10.1111/ejh.14433 PMID:40360162	研究论文	本研究首次探讨了使用深度学习模型在组织病理学图像上对B细胞和T细胞淋巴瘤进行分类的可行性	首次在组织病理学图像上应用深度学习模型进行B细胞和T细胞淋巴瘤分类，并整合了卷积块注意力模块(CBAMs)提升模型性能	研究仅基于H&E染色切片，未考虑其他免疫组化染色结果	提高淋巴瘤分类的诊断精度并减少对人工染色和解释的依赖	B细胞和T细胞淋巴瘤	数字病理学	淋巴瘤	深度学习	CNN (Xception, NASNetL, ResNet50, EfficientNet)	图像	1510张H&E染色切片(750例B细胞淋巴瘤，760例T细胞淋巴瘤)
417	2025-07-04	New approaches to lesion assessment in multiple sclerosis 2025-Aug-01, Current opinion in neurology IF:4.1Q2 DOI:10.1097/WCO.0000000000001378 PMID:40377692	review	总结人工智能驱动的病变分割和新型神经影像技术在多发性硬化症（MS）病变识别与表征中的最新进展	人工智能尤其是深度学习方法革新了MS病变评估和分割，提高了准确性、可重复性和效率，同时新型神经影像技术如QSM、χ-separation成像和SANDI提供了对病变病理的更深入理解	NA	总结人工智能和新型神经影像技术在MS病变评估中的应用及其对临床和研究的潜在影响	多发性硬化症（MS）病变	数字病理	多发性硬化症	人工智能驱动的病变分割、定量磁化率成像（QSM）、χ-separation成像、SANDI、PET	深度学习	神经影像数据	NA
418	2025-07-04	Brain age prediction from MRI scans in neurodegenerative diseases 2025-Aug-01, Current opinion in neurology IF:4.1Q2 DOI:10.1097/WCO.0000000000001383 PMID:40396549	review	本文综述了利用MRI扫描进行大脑年龄估计作为大脑健康生物标志物的应用	探讨了大脑年龄估计在神经退行性疾病早期诊断、疾病监测和个性化医疗中的应用	实施标准化、人口统计学偏差和可解释性等挑战仍然存在	探索大脑年龄估计作为神经退行性疾病的早期检测工具	阿尔茨海默病、轻度认知障碍（MCI）和帕金森病患者	数字病理学	神经退行性疾病	MRI扫描	深度学习	图像	NA
419	2025-07-04	A Robust Residual Three-dimensional Convolutional Neural Networks Model for Prediction of Amyloid-β Positivity by Using FDG-PET 2025-Aug-01, Clinical nuclear medicine IF:9.6Q1 DOI:10.1097/RLU.0000000000005966 PMID:40524364	研究论文	本研究利用残差3D卷积神经网络（3DCNN）开发了一个稳健的模型，通过FDG-PET预测淀粉样蛋白β阳性	利用残差3DCNN模型从FDG-PET图像中学习复杂的3D空间模式，显著减少了对站点协调预处理的依赖	样本量相对较小（187名患者用于模型开发，99名患者用于评估），且在不同种族和站点协调水平的数据集上表现存在差异	开发一个能够通过FDG-PET预测淀粉样蛋白β阳性的深度学习模型，以辅助阿尔茨海默病的诊断	从认知正常到痴呆及其他认知障碍的患者	数字病理学	阿尔茨海默病	FDG-PET, T1-weighted MRI, 11 C-Pittsburgh compound B (PiB) PET扫描	残差3DCNN	图像	187名患者用于模型开发，99名患者用于评估
420	2025-07-04	Grapes leaf disease dataset for precision agriculture 2025-Aug, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2025.111716 PMID:40599426	research paper	该论文提供了一个包含2,726张高质量葡萄叶病害图像的大型数据集，用于精准农业中的病害检测	提供了高质量、精确标注的葡萄叶病害图像数据集，并通过ResNet-18算法验证了数据集的适用性	数据集仅来自印度纳西克的葡萄农场，可能无法涵盖所有地理和气候条件下的病害情况	旨在通过AI模型提升葡萄病害的自动化检测、分类和预测能力	葡萄叶病害图像	computer vision	葡萄病害	图像采集与标注	ResNet-18	image	2,726张葡萄叶病害图像