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
441	2025-05-11	nnU-Net-based high-resolution CT features quantification for interstitial lung diseases 2025-May-08, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-11649-3 PMID:40341974	研究论文	开发了一种基于nnU-Net的高分辨率CT异常量化工具CVILDES，用于间质性肺疾病的定量评估	基于nnU-Net网络结构开发了新的高分辨率CT异常量化工具CVILDES，其定量参数与专家视觉评估结果高度一致	研究样本量相对较小（83例ILD和20例其他弥漫性肺疾病），需要更大规模验证	开发一种可靠的间质性肺疾病高分辨率CT定量评估工具	间质性肺疾病患者的高分辨率CT影像	数字病理	间质性肺疾病	高分辨率CT扫描	nnU-Net	医学影像	83例ILD患者和20例其他弥漫性肺疾病患者的HRCT扫描数据，以及临床验证队列中的51例IPAF和14例IPF患者
442	2025-05-11	Impact of tracer uptake rate on quantification accuracy of myocardial blood flow in PET: A simulation study 2025-May-08, Medical physics IF:3.2Q1 DOI:10.1002/mp.17871 PMID:40344168	研究论文	通过模拟研究探讨PET中MBF估计的误差，并评估不同的参数估计方法，包括深度学习方法	使用基于transformer的深度学习模型预测参数图像，并与传统NLS方法进行比较	研究主要基于模拟数据，临床验证仅涉及两名患者	评估不同参数估计方法在PET心肌血流定量中的准确性	心肌血流（MBF）的定量测量	医学影像处理	心血管疾病	PET扫描，深度学习	transformer-based DL模型	模拟PET图像，临床CT图像	55例临床CT图像，220例模拟PET扫描（每种条件110例），2例患者数据
443	2025-05-11	A diffusion-stimulated CT-US registration model with self-supervised learning and synthetic-to-real domain adaptation 2025-May-08, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2025.102562 PMID:40344746	研究论文	提出一种基于扩散刺激的CT-US配准模型，结合自监督学习和合成到真实域适应技术，用于腹部介入手术中的实时图像配准	利用超声的物理扩散特性从术前CT数据生成合成超声图像，并引入扩散模型进行合成到真实域的适应，以及采用双流自监督回归神经网络进行姿态估计	实验验证仅限于双模态人体腹部模型，未涉及真实临床数据	解决腹部介入手术中2D超声与3D CT图像的精确实时配准问题	2D超声图像和3D CT图像	医学图像处理	腹部疾病	扩散模型、自监督学习、合成到真实域适应	双流自监督回归神经网络	图像	双模态人体腹部模型的US和CT扫描数据
444	2025-05-11	Advancements and implications of artificial intelligence for early detection, diagnosis and tailored treatment of cancer 2025-May-08, Seminars in oncology IF:3.0Q2 DOI:10.1016/j.seminoncol.2025.152349 PMID:40345002	review	本文综述了人工智能在癌症早期检测、诊断和个性化治疗中的进展和意义	利用AI技术整合多组学数据，揭示癌症生物学全貌，助力精准诊断和个性化治疗	AI不能替代医疗专业人员，临床决策仍需医生最终判断	探索人工智能在肿瘤学中的应用潜力	癌症患者	machine learning	cancer	genomics, transcriptomics, proteomics	deep learning	multi-omics data	NA
445	2025-05-11	Sustainable water allocation under climate change: Deep learning approaches to predict drinking water shortages 2025-May-08, Journal of environmental management IF:8.0Q1 DOI:10.1016/j.jenvman.2025.125600 PMID:40345087	研究论文	本研究采用深度学习方法预测德黑兰的饮用水短缺问题，以应对气候变化下的可持续水资源分配	结合RNN和LSTM模型与三种优化技术（FHO、WOA、HOA），开发了预测水库入流和地下水位波动的混合模拟模型	研究仅针对德黑兰地区，可能无法完全适用于其他地理或气候条件不同的城市	理解和缓解城市化、土地利用管理不善及气候变率对德黑兰水资源的影响	德黑兰的五个关键水库大坝和地下水含水层	机器学习	NA	混合模拟模型，结合RNN和LSTM	RNN, LSTM, FHO, WOA, HOA	气候模型数据、水资源数据	使用三种气候模型（MRI-ESM2、CNRM-CM6-1、BCC-CSM2）和三种排放路径（SSP1.26、SSP2.45、SSP5.85）进行2021-2050年的模拟
446	2025-05-11	A deployment safety case for AI-assisted prostate cancer diagnosis 2025-May-08, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110237 PMID:40345136	research paper	本文探讨了AI辅助前列腺癌诊断系统的部署安全性问题，并提出了一个基于临床工作流程的安全案例	提出了一种基于临床工作流程的危险和风险分析方法，并构建了一个部署安全案例，用于持续监控已获批准的AI系统的安全性	研究基于特定项目(ARTICULATE PRO)的经验，可能不适用于所有AI医疗系统的部署场景	确保AI辅助前列腺癌诊断系统在临床部署中的安全性	Paige开发的前列腺癌诊断AI系统	digital pathology	prostate cancer	deep learning	DL	medical imaging data	NA
447	2025-05-11	EEG-based neurodegenerative disease diagnosis: comparative analysis of conventional methods and deep learning models 2025-May-07, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-00292-z PMID:40335527	研究论文	该研究通过比较传统方法和深度学习模型，基于EEG信号进行神经退行性疾病（如痴呆症）的诊断	研究展示了深度学习模型（特别是1D和2D CNNs）在识别与神经退行性疾病相关的细微EEG信号模式上优于传统方法	在Dataset 3中表现不佳，表明需要针对特定数据集进一步优化模型	探索和比较不同方法在痴呆症早期诊断中的应用效果	EEG信号	机器学习	神经退行性疾病	EEG信号处理	Random Forest, 1D CNN, 2D CNN	EEG信号	三个不同的基准数据集，包含认知正常、额颞叶痴呆、轻度认知障碍和阿尔茨海默病等类别
448	2025-05-11	A lightweight Deeplab V3+ network integrating deep transitive transfer learning and attention mechanism for burned area identification 2025-May-07, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-66060-7 PMID:40335537	研究论文	提出了一种基于Deeplab V3+的轻量级深度学习模型，结合注意力机制和深度传递迁移学习策略，用于从遥感图像中准确高效地识别烧伤区域	结合注意力机制和深度传递迁移学习策略，使用轻量级MobileNet V2网络集成CBAM作为骨干网络，替代传统耗时的Xception网络	样本量不足可能导致烧伤区域识别错误和边缘细节不连续	准确高效地从遥感图像中识别烧伤区域	遥感图像中的烧伤区域	计算机视觉	NA	深度传递迁移学习（DTTL）	Deeplab V3+, MobileNet V2, CBAM	遥感图像	WorldView-2和Sentinel-2数据集
449	2025-05-11	MSLU-100K: A Large Multi-Source Dataset for Land Use Analysis in Major Chinese Cities 2025-May-07, Scientific data IF:5.8Q1 DOI:10.1038/s41597-025-05047-z PMID:40335536	research paper	介绍了一个名为MSLU-100K的大型多源土地利用数据集，用于中国主要城市的土地利用分析	提出了一个结合人工标注和深度学习的多层次分类方法，确保数据质量，并提供了高质量样本以提升分类性能	未提及具体的数据收集和处理过程中可能存在的偏差或限制	构建高质量的土地利用数据集，以支持土地利用分类和识别研究	来自81个中国城市的超过100,000个不规则地块样本	地理信息系统	NA	深度学习	NA	遥感数据和POI数据	超过100,000个地块样本
450	2025-05-11	Enhancing efficient deep learning models with multimodal, multi-teacher insights for medical image segmentation 2025-May-07, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-91430-0 PMID:40335579	研究论文	提出了一种名为Teach-Former的新型知识蒸馏框架，用于高效的多模态医学图像分割	利用Transformer骨干网络和多教师模型的知识蒸馏，结合多模态输入（CT、PET、MRI）和中间注意力图，实现更精确的分割	未明确提及具体局限性，但可能涉及模型在更广泛数据集上的泛化能力	开发高效的深度学习模型，以降低医学图像分割的计算需求	多模态医学图像（CT、PET、MRI）	数字病理学	NA	知识蒸馏（KD）	Transformer	医学图像	两个多模态数据集（HECKTOR21和PI-CAI22）
451	2025-05-11	Enhanced classification of tinnitus patients using EEG microstates and deep learning techniques 2025-May-07, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-01129-5 PMID:40335585	研究论文	该研究通过创新的微状态分析技术和前沿的机器学习方法，利用EEG信号深入理解和分类耳鸣	结合微状态分析和深度学习技术，提出了一种新的特征到图像的转换方法，并使用预训练模型进行验证	样本量较小（两个数据集共73名参与者），可能影响结果的泛化能力	加深对耳鸣的理解并提高其分类准确性	耳鸣患者和健康对照者的EEG信号	机器学习	耳鸣	EEG微状态分析、Daubechies 4小波分解	SVM、决策树、随机森林、深度神经网络（DNN）、VGG16、ResNet50、Xception	EEG信号	73名参与者（36名来自主要数据集，37名来自公共数据集）
452	2025-05-11	Biopsy image-based deep learning for predicting pathologic response to neoadjuvant chemotherapy in patients with NSCLC 2025-May-07, NPJ precision oncology IF:6.8Q1 DOI:10.1038/s41698-025-00927-4 PMID:40335632	研究论文	利用活检图像和深度学习预测非小细胞肺癌患者对新辅助化疗的病理反应	提出了一种弱监督深度学习模型DeepDrRVT，结合自监督特征提取和基于注意力的深度多实例学习，用于改善新辅助化疗决策	未提及具体样本量的限制或模型在其他数据集上的泛化能力	提高非小细胞肺癌患者对新辅助化疗反应的预测准确性	非小细胞肺癌患者的活检图像	数字病理学	肺癌	深度学习	DeepDrRVT（结合自监督特征提取和注意力机制的深度多实例学习模型）	图像	训练、内部验证和外部验证队列（具体数量未提及）
453	2025-05-11	A deep learning model combining circulating tumor cells and radiological features in the multi-classification of mediastinal lesions in comparison with thoracic surgeons: a large-scale retrospective study 2025-May-07, BMC medicine IF:7.0Q1 DOI:10.1186/s12916-025-04104-z PMID:40335930	研究论文	本研究开发并验证了一种结合循环肿瘤细胞(CTCs)和CT图像的多模态融合网络(DMFN)，用于纵隔病变的多分类诊断	首次将循环肿瘤细胞(CTCs)与CT图像结合，开发了多模态融合网络(DMFN)用于纵隔病变诊断	回顾性研究设计可能引入选择偏倚	开发结合CT图像和CTCs的深度学习模型以提高纵隔病变诊断准确性	1074名纵隔病变患者	数字病理	纵隔病变	CT成像和循环肿瘤细胞检测	多模态融合网络(DMFN)和单模态CNN	CT图像和CTCs数据	1074名患者(1500张增强CT图像和1074份CTCs结果)
454	2025-05-11	Sculpting molecules in text-3D space: a flexible substructure aware framework for text-oriented molecular optimization 2025-May-07, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-025-06072-w PMID:40335938	研究论文	提出了一种名为3DToMolo的创新框架，用于多模态引导的分子优化任务，结合文本描述和图结构特征，以符合专家指定的对称结构和纹理约束	3DToMolo框架能够无缝协调文本描述和图结构特征，无需先验知识即可发现潜在新分子，并在三个引导优化设置中表现出优于现有方法的性能	未明确提及具体局限性	解决分子设计中结合多模态先验知识的逆设计问题	分子药物或材料的设计	机器学习	NA	扩散框架	3DToMolo	文本和图结构数据	NA
455	2025-05-11	Hybrid method for automatic initialization and segmentation of ventricular on large-scale cardiovascular magnetic resonance images 2025-May-07, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-01683-4 PMID:40335966	research paper	提出了一种结合深度学习和3D-ASM限制的全自动、鲁棒的心血管磁共振图像分割方法	结合了CNN和Transformer的混合网络（CTr-HNs）以及EFG模块，实现了全自动的大规模心脏MRI分割	未提及方法在极端病例或异常心脏形态下的表现	开发自动化的心脏MRI分割算法以应对大规模心血管疾病研究需求	心脏磁共振图像中的心室结构（左心室、左心室心肌、右心室）	digital pathology	cardiovascular disease	MRI, 3D-ASM (3D Active Shape Model)	CNN+Transformer混合网络（CTr-HNs）	3D医学影像	UK BioBank和Cardiac Atlas Project数据库中的大规模心脏MRI数据
456	2025-05-11	Deep learning approaches for classification tasks in medical X-ray, MRI, and ultrasound images: a scoping review 2025-May-07, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-01701-5 PMID:40335965	综述	本文探讨了深度学习在医学X射线、MRI和超声图像分类任务中的应用	总结了深度学习模型在多种疾病分类中的准确率及模型架构，并提出了未来研究方向	当前方法存在局限性，未来需要进一步改进	探索深度学习在医学图像分类中的应用	X射线、MRI和超声图像	数字病理	多种疾病	深度学习	CNN, LSTM, GAN等	图像	NA
457	2025-05-11	MRI-Based Multimodal AI Model Enables Prediction of Recurrence Risk and Adjuvant Therapy in Breast Cancer 2025-May-07, Pharmacological research IF:9.1Q1 DOI:10.1016/j.phrs.2025.107765 PMID:40345352	研究论文	本研究开发了一种基于多模态MRI和AI的3D深度学习模型（3D-MMR模型），用于预测非转移性乳腺癌患者的复发风险和辅助治疗效果	结合多模态MRI数据和AI技术，开发了3D-MMR模型，能够准确预测乳腺癌患者的复发风险，并通过RNA-seq分析探讨了肿瘤区域热点与肿瘤微环境的关系	研究依赖于回顾性数据，可能需要前瞻性研究进一步验证模型的泛化能力	提高乳腺癌患者的预后评估和治疗决策准确性	非转移性乳腺癌患者	数字病理学	乳腺癌	MRI（T1+C和T2WI）、RNA-seq	3D-UNet、DenseNet121	MRI图像、临床数据、RNA-seq数据	1,199名非转移性乳腺癌患者，来自中国四个机构的多中心数据
458	2025-05-11	A new age in structural S-layer biology - Experimental and in silico milestones 2025-May-07, The Journal of biological chemistry IF:4.0Q2 DOI:10.1016/j.jbc.2025.110205 PMID:40345586	综述	本文总结了过去五年在S层蛋白结构研究中的主要成就，并探讨了计算方法在S层蛋白结构建模中的突破	首次探讨了计算方法在S层蛋白结构建模中的应用及其未来潜力	NA	总结S层蛋白结构研究的最新进展并展望计算方法的应用前景	细菌和古菌中的S层蛋白	结构生物学	NA	高分辨率成像、深度学习结构预测	深度学习	蛋白质结构数据	多种细菌和古菌物种
459	2025-05-11	Deep learning-based pRb subtyping of pulmonary large cell neuroendocrine carcinoma on small hematoxylin and eosin-stained specimens 2025-May-07, Laboratory investigation; a journal of technical methods and pathology DOI:10.1016/j.labinv.2025.104192 PMID:40345665	研究论文	本研究探讨了深度学习在基于小组织样本的H&E染色切片上预测肺大细胞神经内分泌癌pRb亚型的潜力	开发了一种定制的卷积神经网络，用于预测小LCNEC组织样本中的pRb表达，显著优于基于H&E的亚型分类	样本量相对较小，仅包含143个切除标本和21例患者的活检样本	探索深度学习在肺大细胞神经内分泌癌分子亚型分型中的应用	肺大细胞神经内分泌癌（LCNEC）的小组织样本	数字病理学	肺癌	深度学习，免疫组织化学	CNN	图像	143个切除标本和21例患者的活检样本
460	2025-05-11	FaceAge, a deep learning system to estimate biological age from face photographs to improve prognostication: a model development and validation study 2025-May-07, The Lancet. Digital health DOI:10.1016/j.landig.2025.03.002 PMID:40345937	研究论文	开发并验证了一个名为FaceAge的深度学习系统，通过面部照片估计生物年龄以改善癌症患者的预后预测	利用深度学习从面部照片中估计生物年龄，并将其应用于癌症患者的预后预测，提供了一种客观且标准化的方法	需要更大规模的队列验证，以确认其在癌症患者中的有效性，并探索是否适用于其他疾病患者	开发并验证一个深度学习系统，用于从面部照片估计生物年龄，以改善癌症患者的预后预测	健康个体和癌症患者	计算机视觉	癌症	深度学习	深度学习模型	图像	训练集包含58,851名健康个体，验证集包括6,196名癌症患者和535名非癌症参考个体