深度学习在生物医药领域的应用

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	算法框架	模型架构	性能指标	计算资源
4581	2025-12-21	A bibliometric analysis of the 100 most cited radiology papers on pancreatic diseases (1990-Present) 2025-Dec-19, Abdominal radiology (New York) DOI:10.1007/s00261-025-05335-7 PMID:41417080	综述	本文通过对1990年至今胰腺疾病领域被引次数最高的100篇放射学论文进行文献计量分析，绘制了该领域的知识演进图谱	首次系统性地对胰腺放射学领域的高被引文献进行文献计量分析，识别了关键贡献者、机构合作模式及从传统影像到人工智能的技术趋势演变	存在时间偏倚，早期研究（如1990年）因累积引用时间长而占优势，且分析仅限于Scopus数据库收录的核心放射学期刊	通过文献计量分析，揭示胰腺放射学研究领域的知识结构、演进趋势及影响因素	1990年至2025年间发表的胰腺疾病放射学领域被引次数最高的100篇学术论文	文献计量学	胰腺疾病	文献计量分析，网络分析	NA	文献元数据（如引用次数、作者、机构、关键词等）	100篇高被引论文（从初始检索的1000篇记录中筛选）	Bibliometrix R package, VOSviewer	NA	引用次数，引用速度（次/年），网络中心性	NA
4582	2025-12-21	Automatic segmentation-based radiomics and deep learning combined with clinical parameters for precise differentiation of lipid-poor adrenal adenomas and metastases 2025-Dec-19, Abdominal radiology (New York) DOI:10.1007/s00261-025-05345-5 PMID:41417084	研究论文	本研究探讨了基于自动分割的影像组学与深度学习结合临床参数在区分肾上腺乏脂腺瘤和转移瘤中的应用价值	结合自动分割的影像组学特征、深度学习特征及临床参数构建联合预测模型，显著提升诊断性能	NA	精确区分肾上腺乏脂腺瘤和转移瘤	肾上腺肿瘤患者	计算机视觉	肾上腺肿瘤	对比增强腹部CT成像	CNN, XGBoost	图像	535名患者（内部队列418名，外部测试集117名）	NA	ResNet50	AUC, 灵敏度, 特异性	NA
4583	2025-12-21	Deep learning-based simulated contrast-enhanced MRI for rectal cancer evaluation: a multicenter study 2025-Dec-19, Abdominal radiology (New York) DOI:10.1007/s00261-025-05311-1 PMID:41417085	研究论文	本研究评估了使用深度学习从直肠癌患者的非增强MRI序列生成模拟增强T1加权MRI扫描的可行性和准确性	首次在直肠癌的多中心研究中应用二维生成对抗网络模拟增强MRI，并评估其在肿瘤大小、增强区域和图像质量方面与真实扫描的可比性	模拟扫描在EMVI检测的AUC值略低于真实扫描，且研究仅基于三个学术机构的514名患者	评估深度学习生成的模拟增强MRI扫描在直肠癌诊断和治疗评估中的潜在应用价值	514名经病理证实的直肠癌患者	数字病理学	直肠癌	对比增强MRI	GAN	图像	514名患者	NA	二维生成对抗网络	结构相似性指数, Dice系数, ICC, AUC	NA
4584	2025-12-21	Cell-Level Free Cervical Lesion Detection in Cytology Images Via Weakly Supervised Self-Correction 2025-Dec-19, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3646371 PMID:41417998	研究论文	提出了一种名为SCIL的新型两阶段弱监督多示例学习框架，用于在细胞学图像中检测宫颈病变	提出了一个包含对比动态加权策略和基于不确定性的自校正策略的两阶段框架，以减轻噪声伪标签的影响并提高特征表示	未明确说明	在仅有切片级别监督的情况下，增强实例级别的宫颈病变检测	宫颈细胞学图像	数字病理学	宫颈癌	NA	多示例学习	图像	NA	NA	教师-学生架构	NA	NA
4585	2025-12-21	DSwinIR: Rethinking Window-Based Attention for Image Restoration 2025-Dec-19, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3646016 PMID:41418006	研究论文	本文提出了一种用于图像复原的新型注意力机制——可变形滑动窗口注意力（DSwin），以克服传统基于窗口的自注意力机制在特征交互和感受野方面的限制	提出了一种基于令牌中心、内容感知的可变形滑动窗口注意力机制，取代了传统的刚性非重叠窗口划分方案，实现了跨窗口的特征交互和自适应感受野	未在摘要中明确说明	改进图像复原任务的性能，通过更灵活的自适应注意力机制提升模型表现	图像复原任务	计算机视觉	NA	NA	Transformer	图像	NA	NA	DSwinIR（基于可变形滑动窗口注意力的Transformer架构）	峰值信噪比（dB）	NA
4586	2025-12-21	Artificial Intelligence Detection and Classification of Ventriculoperitoneal Shunt Valves Utilizing Fine-Tuning of a Detection Model 2025-Dec-19, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01794-y PMID:41419699	研究论文	本研究通过微调YOLOv8-large模型，开发了一种用于在X光片上检测和分类脑室腹腔分流阀的人工智能系统	与先前纯分类方法相比，该检测模型能明确定位每个阀门，适应多阀门患者，并为下游阀门设置判断模型奠定基础	模型对某些阀门类型的性能优于其他类型，表明存在分类性能差异	开发一种基于深度学习的自动检测与分类系统，以辅助识别脑室腹腔分流阀类型	包含11种阀门类型的2263张颅骨X光片	计算机视觉	脑积水	放射成像	CNN	图像	2263张颅骨X光片	NA	YOLOv8-large	精确度, 召回率, 平均精度均值(mAP50), mAP50-90, F1分数	NA
4587	2025-12-21	Transformer-based Deep Learning Models with Shape Guidance for Predicting Breast Cancer in Mammography Images 2025-Dec-19, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01773-3 PMID:41419700	研究论文	本研究评估了在Vision Transformer模型中应用基于形状的注意力引导策略，以提升乳腺X线摄影图像中乳腺癌的预测性能	探索了在Transformer编码器的不同层阶段（浅层和深层）应用乳腺掩码进行注意力引导的最佳策略，并比较了不同层组合的效果	研究仅使用了单一公开数据集（中国乳腺X线数据库），样本量相对有限，且未在更广泛的外部数据集上进行验证	评估基于形状的注意力引导策略在Transformer模型中的有效性，以提升乳腺癌诊断的准确性	乳腺X线摄影图像	计算机视觉	乳腺癌	NA	Vision Transformer (ViT), Swin Transformer V2, ResNet	图像	2,436张公开可用的乳腺X线摄影图像	NA	Vision Transformer (ViT), Swin Transformer V2, ResNet50	AUROC, 灵敏度, 特异性	NA
4588	2025-12-21	Accelerating Multiparametric Quantitative MRI Using Self-Supervised Scan-Specific Implicit Neural Representation With Model Reinforcement 2025-Dec-19, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.70227 PMID:41419989	研究论文	本文提出了一种自监督扫描特定的深度学习框架REFINE-MORE，用于加速多参数定量MRI的重建	结合隐式神经表示与模型强化模块，引入MR物理约束，并采用低秩适应策略提升计算效率	NA	开发用于加速多参数定量MRI重建的自监督扫描特定深度学习框架	多参数定量磁化转移成像，包括自由水自旋-晶格弛豫、组织大分子质子分数和磁化交换率的同步估计	医学影像处理	NA	定量MRI，磁化转移成像	深度学习，隐式神经表示	MRI图像	体模和活体脑数据	NA	隐式神经表示	归一化均方根误差，结构相似性指数	NA
4589	2025-12-21	Deep Learning-Based Denoising for High-Resolution Carotid Vessel Wall MRI Using Standard Neurovascular Coils 2025-Dec-19, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.70226 PMID:41420073	研究论文	开发了一种基于深度学习的去噪方法，用于提升使用标准头颈临床线圈采集的高分辨率颈动脉血管壁MRI图像质量	首次将深度学习去噪技术应用于标准神经血管线圈采集的颈动脉血管壁MRI，无需额外硬件即可达到专用颈部表面线圈的图像质量	研究样本量相对有限（55次扫描），且为多中心研究，可能存在设备差异	提升标准头颈线圈采集的颈动脉血管壁MRI图像质量，使其接近专用线圈水平	颈动脉血管壁MRI图像	医学影像处理	心血管疾病	MRI（包括2D T1/T2加权TSE、3D TOF-MRA、MPRAGE序列）	深度学习	医学影像（MRI图像）	55次扫描（来自多中心研究）	未明确说明	Residual UNet	PSNR, SSIM, SNR, CNR, 边缘锐度（ERD）, 放射科医生Likert评分	NA
4590	2025-12-21	phyddle: Software for Exploring Phylogenetic Models with Deep Learning 2025-Dec-18, Systematic biology IF:6.1Q1 DOI:10.1093/sysbio/syaf036 PMID:40366771	研究论文	介绍用于通过深度学习进行系统发育建模的软件phyddle	开发了一个基于流水线的软件，利用无似然深度学习方法来处理缺乏可处理似然函数的系统发育模型	NA	开发一个软件工具，使研究人员能够使用深度学习方法来拟合系统发育模型，特别是那些缺乏可处理似然函数的模型	系统发育树和相关的进化模型	机器学习	NA	深度学习	深度学习模型	系统发育树数据	NA	NA	NA	准确性, 覆盖率测试	NA
4591	2025-12-21	AI-powered pathobiology transformers predict prognosis and targeted therapy benefits in patients with colorectal cancer ovarian metastases: a multicohort study 2025-Dec-18, International journal of surgery (London, England) DOI:10.1097/JS9.0000000000004397 PMID:41417976	研究论文	本研究开发了一种基于Transformer的可解释迁移学习模型，通过整合数字病理学和RNA数据，预测结直肠癌卵巢转移患者的预后、靶向治疗获益及分子突变	首次将Transformer架构与迁移学习结合，整合多模态数据（数字病理和RNA）来预测结直肠癌卵巢转移的预后和靶向治疗反应，并增强了模型的生物学可解释性	研究为回顾性和前瞻性多队列设计，可能存在选择偏倚；模型在部分外部测试队列中的AUC较低（0.64），表明泛化能力有待进一步验证	开发精准医学工具，以个体化预测结直肠癌卵巢转移患者的术后预后、靶向治疗获益和分子突变	结直肠癌卵巢转移患者	数字病理学	结直肠癌	数字病理学, RNA测序	Transformer	图像, 文本	多队列患者样本（具体数量未在摘要中提供）	NA	Transformer	AUC, 准确率, 敏感性, 特异性, 阳性预测值, 阴性预测值, 风险比	NA
4592	2025-12-21	Ablation versus sublobar resection for stage IA non-small cell lung cancer: a multicenter retrospective cohort study using a deep learning model in the ablation group 2025-Dec-18, International journal of surgery (London, England) DOI:10.1097/JS9.0000000000004580 PMID:41418024	研究论文	本研究通过多中心回顾性队列分析，比较了图像引导热消融与亚肺叶切除术在IA期非小细胞肺癌患者中的长期疗效，并开发了基于深度学习的模型来预测消融后的无病生存期	首次使用深度学习模型（Vision Transformer）基于治疗前CT图像预测IA期非小细胞肺癌患者接受图像引导热消融后的生存结局，并比较了消融与亚肺叶切除术的长期疗效	研究为回顾性设计，可能存在选择偏倚；深度学习模型的外部验证队列规模未明确说明	比较图像引导热消融与亚肺叶切除术在IA期非小细胞肺癌患者中的长期疗效，并开发预测模型以识别适合消融治疗的患者	IA期非小细胞肺癌患者	数字病理学	肺癌	图像引导热消融，亚肺叶切除术，计算机断层扫描	深度学习模型	图像	2145名患者（2012年至2023年接受图像引导热消融或亚肺叶切除术）	NA	Vision Transformer, Multimodal XGBoost	曲线下面积, 风险比, 置信区间, P值	NA
4593	2025-12-21	Large Separable Kernel Attention-Driven Multidimensional Feature Cross-Level Fusion Classification Network of Knee Cartilage Injury: Algorithm Development and Validation 2025-Dec-17, JMIR medical informatics IF:3.1Q2 DOI:10.2196/79748 PMID:41406414	研究论文	本文提出了一种基于大可分离核注意力驱动的多维特征跨级融合分类网络，用于膝关节软骨损伤的高精度分级诊断	首次提出结合大可分离核注意力模块与YOLOv8网络，通过跨级融合模块整合浅层高分辨率特征与深层语义特征，并利用深度可分离和逐点卷积优化多尺度特征，显著提升软骨损伤的分级表征能力	未明确说明模型在外部数据集上的泛化性能或计算效率的具体限制	提高膝关节软骨损伤的分类准确性，改进现有网络结构，并展示其临床应用价值	膝关节软骨损伤	计算机视觉	膝关节软骨损伤	磁共振成像	CNN	图像	首个基于医院的多维磁共振成像真实数据集（具体样本数未提供）	NA	YOLOv8	准确率, Kappa统计量, F-measure, 灵敏度, 特异度	NA
4594	2025-12-21	Systems pharmacology approaches decipher the anti-cancer efficacy of ethnopharmacological agents in hepatocellular carcinoma 2025-Dec-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-27744-w PMID:41408124	研究论文	本研究建立了一个整合转录组学、蛋白质组学和深度学习的高通量多组学平台，用于筛选187种药用植物，以发现具有抗肝细胞癌潜力的中药候选物	开发了一个结合多组学数据和深度学习（自编码器和多核学习）的系统药理学平台，用于高通量筛选中药，并揭示了候选中药通过调控枢纽基因和关键通路发挥抗肝癌作用的机制	研究主要基于体外细胞实验，缺乏体内动物模型或临床验证，且筛选的植物种类有限，可能未涵盖所有潜在有效中药	发现和验证具有抗肝细胞癌潜力的中药候选物，并阐明其作用机制	187种药用植物及其在肝细胞癌细胞中的效应	机器学习	肝细胞癌	转录组学, 蛋白质组学, 深度学习	自编码器, 多核学习	多组学数据（转录组和蛋白质组）	187种药用植物	NA	自编码器, 多核学习	NA	NA
4595	2025-12-21	Noise-Resilient Bioacoustics Feature Extraction Methods and Their Implications on Audio Classification Performance: Systematic Review 2025-Dec-16, JMIR biomedical engineering DOI:10.2196/80089 PMID:41401437	系统综述	本文系统评估了生物声学分类中抗噪声特征提取与去噪技术的最新进展，重点关注方法趋势、模型类型、跨领域可迁移性及实际部署证据	首次系统综述了生物声学分类中的抗噪声技术，并分析了临床与生态应用间的跨领域可迁移性	实际部署研究有限，数据集异质性大，报告不一致，且多依赖合成噪声	评估抗噪声特征提取与去噪技术对生物声学分类性能的影响	生物声学音频数据，涵盖新生儿哭声和生态声学	机器学习	NA	音频特征提取与去噪技术	深度学习, 混合方法	音频	132项研究	NA	NA	NA	NA
4596	2025-12-21	Interpretable multi-model deep learning framework for automated four-class diagnosis of ocular toxoplasmosis using fundus imaging 2025-Dec-11, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-29768-8 PMID:41381695	研究论文	本文提出了一种可解释的多模型深度学习框架，用于使用眼底图像对眼弓形虫病进行四分类自动诊断	首次提出了一个用于眼弓形虫病四分类（活动性、非活动性、混合性、健康）的综合性、可解释的多模型深度学习框架，集成了多种先进架构，并通过SHAP和EigenCAM确保模型透明度和临床一致性	未明确提及研究的具体局限性	开发一个准确、透明且可泛化的AI框架，用于从眼底图像中自动诊断眼弓形虫病的四种不同状态	眼弓形虫病患者的视网膜眼底图像	计算机视觉	眼弓形虫病	眼底成像	CNN, Vision Transformer, YOLO, 集成模型	图像	NA	NA	CNN, Vision Transformer, YOLOv8, YOLOv11, 集成模型	准确率, Matthews相关系数	GPU, CPU
4597	2025-12-21	Artificial Intelligence-Enabled Imaging for Predicting Preoperative Extraprostatic Extension in Prostate Cancer: Systematic Review and Meta-Analysis 2025-Dec-09, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/80981 PMID:41364797	meta-analysis	本文通过系统综述和荟萃分析，比较了基于人工智能的影像技术与放射科医生在预测前列腺癌术前前列腺外侵犯方面的诊断性能	首次通过荟萃分析系统比较了基于多参数磁共振成像和前列腺特异性膜抗原正电子发射断层扫描的人工智能模型与放射科医生在预测前列腺癌前列腺外侵犯方面的诊断效能	研究设计多为回顾性，存在较高的异质性，可能引入偏倚并影响结果的普适性	比较人工智能影像技术与放射科医生在术前预测前列腺癌前列腺外侵犯的诊断性能	前列腺癌患者	digital pathology	prostate cancer	multiparametric magnetic resonance imaging, prostate-specific membrane antigen positron emission tomography	machine learning, deep learning	image	NA	NA	NA	sensitivity, specificity, area under the curve	NA
4598	2025-12-21	Model-Free Learning of Probability Flows: Elucidating the Nonequilibrium Dynamics of Flocking 2025-Dec-05, Physical review letters IF:8.1Q1 DOI:10.1103/1zqs-nbt7 PMID:41418186	研究论文	本文提出了一种新颖的深度学习方法来估计概率流，以研究活性系统中的非平衡动力学，特别是鸟群模型中的熵产生率	开发了一种直接从随机系统轨迹估计概率流的深度学习新方法，并推导了概率流与惯性系统熵产生率之间的新物理联系	未明确说明方法在高维相空间中的计算复杂度或泛化能力限制	理解活性系统中的非平衡动力学，特别是熵产生率在鸟群行为中的作用	活性系统，特别是鸟群模型的非平衡动力学	机器学习	NA	深度学习	NA	随机系统轨迹数据	NA	NA	NA	NA	NA
4599	2025-12-21	Computational Pathology for Accurate Prediction of Breast Cancer Recurrence: Development and Validation of a Deep Learning-Based Tool 2025-Dec, Modern pathology : an official journal of the United States and Canadian Academy of Pathology, Inc IF:7.1Q1 DOI:10.1016/j.modpat.2025.100847 PMID:40680854	研究论文	本研究开发并验证了一种基于深度学习的计算病理学工具Deep-BCR-Auto，用于从常规H&E染色全切片图像中预测乳腺癌复发风险	提出了一种新的深度学习模型，能够从常规病理切片图像中预测乳腺癌复发风险，相比现有弱监督模型性能显著提升，并展示了良好的泛化能力	研究未明确提及模型在更广泛人群或不同病理实验室环境下的验证情况，也未详细讨论模型的可解释性	开发一种成本效益高、可广泛获取的乳腺癌复发风险预测工具，以优化患者治疗计划	乳腺癌患者，特别是激素受体阳性且人表皮生长因子受体阴性患者	计算病理学	乳腺癌	全切片图像分析	深度学习模型	图像	两个独立队列：癌症基因组图谱计划乳腺癌数据集和俄亥俄州立大学内部数据集	NA	NA	AUC, 准确率, 特异性, 敏感性	NA
4600	2025-12-21	Deep Learning Predicts Survival Across Squamous Tumor Entities From Routine Pathology: Insights From Head and Neck, Esophagus, Lung, and Cervical Cancer 2025-Dec, Modern pathology : an official journal of the United States and Canadian Academy of Pathology, Inc IF:7.1Q1 DOI:10.1016/j.modpat.2025.100845 PMID:40680853	研究论文	本研究开发了一种基于深度学习的模型，利用头颈鳞状细胞癌的H&E染色切片预测患者总生存期，并在多种鳞状肿瘤实体中验证了其泛化能力	通过跨多种鳞状肿瘤实体（头颈、食管、肺和宫颈癌）验证模型，展示了预测风险评分在头颈鳞状细胞癌之外捕获生存相关信息的泛化能力	模型在食管癌队列中的验证结果不显著，且不同队列中与风险评分相关的临床因素存在差异，限制了单一模型的普适性解释	开发并验证基于计算病理学的深度学习模型，用于从常规病理切片中预测鳞状肿瘤患者的生存期	头颈鳞状细胞癌、食管鳞状细胞癌、肺鳞状细胞癌和宫颈鳞状细胞癌患者的H&E染色病理切片	数字病理	头颈癌, 食管癌, 肺癌, 宫颈癌	H&E染色, 福尔马林固定石蜡包埋样本处理	深度学习模型	图像	多个鳞状肿瘤实体队列（具体数量未在摘要中明确说明）	NA	NA	风险比, 95%置信区间, P值	NA