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
4621	2025-12-21	Bias in deep learning-based image quality assessments of T2-weighted imaging in prostate MRI 2025-Aug-25, Abdominal radiology (New York) DOI:10.1007/s00261-025-05163-9 PMID:40853469	研究论文	本研究探讨了基于深度学习的T2加权图像质量评估在前列腺MRI中是否因临床显著前列腺癌的存在而产生偏差	首次揭示了深度学习图像质量评估模型在前列腺MRI中可能因癌症存在而引入偏差，挑战了其临床应用的可靠性	研究为回顾性设计，可能存在选择偏倚；仅基于三个中心的T2加权图像，未涵盖多模态MRI数据	评估深度学习图像质量评估在前列腺MRI中是否受临床显著前列腺癌影响而产生偏差	前列腺MRI的T2加权图像序列	数字病理学	前列腺癌	MRI, T2加权成像	深度学习分类模型	医学图像	开发集1,719个序列，测试集386个序列，外加11,723次未包含癌症记录的检查	NA	NA	二次加权kappa系数, 卡方检验, 置信区间, p值	NA
4622	2025-12-21	Multi-site, multi-vendor development and validation of a deep learning model for liver stiffness prediction using abdominal biparametric MRI 2025-Jul, European radiology IF:4.7Q1 DOI:10.1007/s00330-024-11312-3 PMID:39779515	研究论文	本研究开发并验证了一种基于深度学习的模型，利用腹部双参数MRI预测肝脏硬度，以评估慢性肝病患者的肝纤维化程度	开发了首个基于多中心、多厂商数据的深度学习模型DeepLiverNet2.0，利用常规临床非对比腹部T1加权和T2加权MRI数据预测MRE衍生的肝脏硬度，无需额外MRE检查	模型性能虽合理但仍有提升空间，未整合临床特征，未来需进一步优化以减少对MRE的依赖	开发并验证深度学习模型，利用常规临床双参数MRI数据预测肝脏硬度，作为肝纤维化的替代标志物	成人和儿童慢性肝病患者，来自四个机构的MRI检查数据	数字病理学	慢性肝病	MRI, MRE	深度学习模型	图像	4295名患者的4695次MRI检查，包括成人和儿童	NA	DeepLiverNet2.0	AUROC	NA
4623	2025-12-21	Balancing Model Complexity and Clinical Deployability in Deep Learning for Sociodemographic Information Extraction 2025 Jan-Dec, Journal of primary care & community health DOI:10.1177/21501319251404193 PMID:41403044	研究论文	本研究系统评估了六种卷积神经网络架构，包括集成传统分类器的混合模型，用于从电子病历文本中提取多个人口统计学特征，旨在平衡模型复杂性与临床部署性	通过比较不同复杂度的CNN架构，发现简单单层CNN在数据不平衡和文档模式多样条件下表现更优，为临床NLP管道提供了高效可解释的模型选择框架	研究仅基于4375名患者数据，且混合模型对稀疏或多样性特征提取效果有限，未涉及其他深度学习架构如Transformer的对比	评估模型复杂性和词汇多样性对从EMR文本中提取人口统计学信息分类性能的影响，以支持临床决策和健康公平研究	来自96家初级保健诊所的4375名患者的电子病历文本数据	自然语言处理	NA	文本分类	CNN	文本	4375名患者	NA	单层CNN, 混合CNN模型	F1分数, 精确率, 召回率, 精确率-召回率曲线下面积, 马修斯相关系数	NA
4624	2025-12-21	Estimating weaning duration from incremental dentine δ15N and δ13C using a sequence-based LSTM neural network: A deep learning framework for bioarchaeological applications 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0337619 PMID:41406149	研究论文	本研究开发了一种基于序列的LSTM神经网络模型，利用牙本质增量δ15N和δ13C数据来估计断奶持续时间	首次引入专门用于从序列同位素数据估计断奶持续时间的机器学习框架，利用δ15N和δ13C的序列模式，并整合时间特征和牙齿类型编码	模型仅在279个个体的数据集上训练，且概念验证仅使用20个个体进行比较	开发一种用于生物考古学应用的深度学习框架，以估计过去人群的断奶持续时间	来自三个牙齿类型（M1, dM1, dM2）的序列同位素数据	机器学习	NA	同位素分析（δ15N和δ13C）	LSTM	序列数据	279个个体（训练数据），20个个体（概念验证）	NA	LSTM	RMSE, MAE, R2	NA
4625	2025-12-21	Automated Classification Radiograph of Periodontal Bone Loss Using Deep Learning 2025, Biomedical engineering and computational biology IF:2.3Q3 DOI:10.1177/11795972251405305 PMID:41409255	研究论文	本研究评估并比较了InceptionV3、InceptionV4和ResNet-50三种深度学习架构在牙科全景片（OPG）上对牙周骨丧失进行分类的性能	首次系统比较了InceptionV3、InceptionV4和ResNet-50在牙周骨丧失OPG图像分类任务中的表现，并确定了ResNet-50的优越性	数据集规模有限，未来可通过扩大数据集、探索更先进的数据增强和超参数调优来提升模型鲁棒性	评估和比较不同深度学习架构在牙周骨丧失OPG图像分类中的准确性和可靠性	牙科全景片（OPG）图像，用于表征不同等级的牙周骨丧失特征	计算机视觉	牙周病	牙科放射影像学（OPG）	CNN	图像	未明确说明具体样本数量，但提及使用了OPG图像数据集	MATLAB	InceptionV3, InceptionV4, ResNet-50	准确率, 精确率, 召回率, F1分数	配备GeForce RTX 4060 GPU的Dell计算机
4626	2025-12-21	Deep learning model based on DCE-MRI: fusion of 3D features of tumor, peritumoral vessels and metastatic lymph nodes for prediction of pathological complete response to neoadjuvant therapy in breast cancer 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1664631 PMID:41409238	研究论文	本研究开发了一种基于深度学习的放射组学模型，融合了肿瘤、瘤周血管和转移淋巴结的3D DCE-MRI特征，用于预测乳腺癌新辅助治疗的病理完全缓解	首次融合了肿瘤、瘤周血管和转移淋巴结的三维影像特征，并整合临床特征构建了临床联合深度学习放射组学模型，显著提升了预测性能	研究为回顾性设计，样本量相对较小（200例），且数据来自单一医疗中心，可能影响模型的泛化能力	预测乳腺癌患者接受新辅助治疗后的病理完全缓解	乳腺癌患者	数字病理学	乳腺癌	动态对比增强磁共振成像	深度学习	医学影像	200例乳腺癌病例（训练集100例，测试集100例）	NA	3D UNet	AUC, 准确率, 精确率, 召回率, F1分数	NA
4627	2025-12-21	Artificial Intelligence for Organelle Segmentation in Live-Cell Imaging 2025, Research (Washington, D.C.) DOI:10.34133/research.1035 PMID:41409345	综述	本文综述了活细胞成像中细胞器分割算法的最新进展，从传统阈值方法到深度学习技术	强调了标签高效策略、合成数据和物理引导建模，以减少对人工标注和大规模标注数据集的依赖	NA	推动定量细胞生物学，加速疾病研究并促进治疗发现	活细胞成像中的细胞器	计算机视觉	NA	活细胞成像	深度学习	图像	NA	NA	NA	NA	NA
4628	2025-12-21	Comparison of image quality in carotid dual-energy computed tomography angiography at 55 keV virtual monoenergetic imaging using deep learning and adaptive iterative reconstruction algorithm 2025, Journal of clinical imaging science IF:1.1Q3 DOI:10.25259/JCIS_109_2025 PMID:41409389	研究论文	本研究比较了在颈动脉双能CT血管成像中，使用深度学习图像重建算法与传统迭代重建算法在55 keV虚拟单能成像下的图像质量	首次在颈动脉双能CT血管成像的55 keV虚拟单能成像中，系统比较了深度学习图像重建算法（DLIR）与传统自适应统计迭代重建算法（ASIR-V）对图像质量的提升效果，并特别关注了在高体重指数患者中的表现	样本量较小（48例患者），且为单中心前瞻性研究，可能影响结果的普遍性	评估深度学习图像重建算法在颈动脉双能CT血管成像中提升图像质量的效果	接受颈动脉双能CT血管成像检查的患者	医学影像	心血管疾病	双能CT血管成像，虚拟单能成像	深度学习图像重建算法	CT图像	48例患者	NA	NA	背景噪声，信噪比，对比噪声比	NA
4629	2025-12-21	Non-destructive detection of microplastics stress in rice seedling: an interpretable deep learning approach using excitation emission matrix fluorescence spectra of root exudates 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1653451 PMID:41409486	研究论文	本研究提出了一种基于根分泌物激发发射矩阵荧光光谱与深度学习的非破坏性方法，用于早期检测水稻幼苗中的微塑料胁迫	首次结合激发发射矩阵荧光光谱与增强视觉Transformer模型，开发了一种非破坏性、可解释的微塑料胁迫早期检测框架	研究仅针对三种特定微塑料（PET、PS、PVC）和两种浓度（10 mg/L、100 mg/L），未涵盖更广泛的微塑料类型和环境浓度	开发一种非破坏性方法，用于早期检测水稻幼苗中的微塑料胁迫，以应对全球粮食安全威胁	暴露于聚乙烯对苯二甲酸酯、聚苯乙烯和聚氯乙烯微塑料的水稻幼苗	机器学习	NA	激发发射矩阵荧光光谱	Transformer	光谱数据	水稻幼苗在不同微塑料类型（PET、PS、PVC）和浓度（0、10、100 mg/L）下的培养样本	NA	增强视觉Transformer	分类准确率	NA
4630	2025-12-21	PRISM: Past-Regularized Iterative Self-Distillation With Momentum for Polyp Segmentation 2025 Jan-Dec, Healthcare technology letters IF:2.8Q3 DOI:10.1049/htl2.70050 PMID:41409574	研究论文	提出一种基于动量的自蒸馏方法PRISM，用于提升结肠息肉分割性能，无需增加推理成本	提出动量驱动的自蒸馏框架，通过指数移动平均构建时域平滑的教师模型，提供稳定且自适应的监督信号	未明确说明模型在极端形态或低对比度息肉上的表现，也未讨论跨模态数据的适用性	开发一种计算高效且泛化能力强的息肉分割方法	结肠镜检查图像中的息肉区域	计算机视觉	结直肠癌	医学图像分割	深度学习	医学图像	来自五个医疗中心的结肠镜数据集，并在独立未见数据集上验证	未明确说明	未明确说明	Dice系数, IoU	未明确说明
4631	2025-12-21	The role of bioinformatics algorithms in modern biopharmaceutical design: Progress, challenges, and future perspectives 2025, BioImpacts : BI IF:2.2Q3 DOI:10.34172/bi.33072 PMID:41409583	综述	本文综述了人工智能驱动的生物信息学算法在现代生物制药设计中的作用、进展、挑战及未来展望	强调了生成式与混合框架（如结合AI与物理信息神经网络PINNs）在蛋白质工程中的可解释性建模，并讨论了AlphaFold 3、OpenFold等最新进展	面临新型治疗模式数据有限、算法可解释性不足及计算可扩展性等挑战	探讨生物信息学算法在加速生物制药设计与开发中的应用与前景	生物制药设计中的蛋白质结构、功能、免疫原性预测及多组学整合	机器学习	NA	人工智能、机器学习、深度学习、多组学整合、图网络算法	物理信息神经网络	多组学数据、蛋白质结构数据	NA	NA	AlphaFold 3, OpenFold, NeuralPlexer	NA	NA
4632	2025-12-21	SEResUTer: a deep learning approach for accurate ECG signal delineation and atrial fibrillation detection 2023-12-15, Physiological measurement IF:2.3Q3 DOI:10.1088/1361-6579/ad02da PMID:37827168	研究论文	本研究提出了一种名为SEResUTer的深度学习模型，用于心电信号波形精确描绘和心房颤动检测	在U-Net架构基础上，结合ResNet模块和Transformer编码器替代传统卷积块，并提出新的掩码策略处理不完整的专家标注	NA	实现心电信号波形精确描绘和心房颤动自动检测	心电信号波形（P波、QRS波、T波）和心房颤动	数字病理	心血管疾病	心电信号分析	深度学习模型	心电信号数据	QT数据库（QTDB）、卢巴切夫斯基大学心电图数据库（LUDB）、中国生理信号挑战赛2021（CPSC2021）和2018（CPSC2018）数据集	NA	U-Net, ResNet, Transformer	F1分数, 灵敏度（SE）, 阳性预测率	NA
4633	2025-12-21	Photoplethysmography-based cuffless blood pressure estimation: an image encoding and fusion approach 2023-12-15, Physiological measurement IF:2.3Q3 DOI:10.1088/1361-6579/ad0426 PMID:38099538	研究论文	本文提出了一种基于图像编码与融合（BP-IEF）的无袖带血压估计方法，通过将光电容积脉搏波（PPG）转换为二维图像编码，利用深度学习模型进行血压预测	首次从二维图像角度对PPG信号进行编码，并设计了一个端到端的图像编码与融合框架，突破了传统一维PPG方法的局限	方法仅在UCI数据库上进行了评估，未在更广泛或临床环境中验证，且未详细讨论模型对不同人群的泛化能力	开发一种基于PPG的无袖带血压估计方法，以提升移动医疗中的血压监测技术	光电容积脉搏波（PPG）信号	机器学习	心血管疾病	光电容积脉搏波（PPG）技术	CNN, 全连接网络	图像编码（由PPG信号转换而来）	UCI数据库中的样本（具体数量未在摘要中说明）	NA	混合架构（编码器部分基于三种知名神经网络，解码器包含卷积层和全连接层）	均方根误差, 平均绝对误差	NA
4634	2025-12-21	Physiological sensor data cleaning with autoencoders 2023-12-15, Physiological measurement IF:2.3Q3 DOI:10.1088/1361-6579/ad10c7 PMID:38029439	研究论文	提出一种基于深度学习的生理传感器数据清洗框架，利用扩张卷积和自编码器提升信号质量	首次将扩张卷积与自编码器结合用于生理信号清洗，通过半监督学习利用大量未标注数据，并增强模型可解释性	模型调优仍有改进空间，未具体说明数据采集设备和环境条件	开发高精度生理传感器数据清洗方法，支持远程患者监测和临床试验决策	光电容积脉搏波等生理传感器信号	机器学习	NA	传感器信号采集	自编码器, CNN	时序信号数据	NA	NA	扩张卷积网络	准确率, 假阳性率, 假阴性率	NA
4635	2025-12-21	Deep learning based uncertainty prediction of deformable image registration for contour propagation and dose accumulation in online adaptive radiotherapy 2023-12-13, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad0282 PMID:37820691	研究论文	本文开发了基于深度学习的可变形图像配准不确定性预测方法，以促进其在在线自适应放疗中的临床应用	首次提出深度学习方法来预测可变形图像配准过程的不确定性，并能够将不确定性传播到临床可用的指标中	方法在肺癌患者数据上进行了验证，但未在其他癌症类型或更大样本量中进行广泛测试	开发可变形图像配准的不确定性预测方法，以支持在线自适应放疗中的轮廓传播和剂量累积	肺癌患者的医学图像数据，包括可变形向量场和手动标注的解剖标志点	数字病理	肺癌	可变形图像配准	神经网络	医学图像	5名肺癌患者的数据，以及DIRLAB数据集中的手动标注标志点	NA	监督和无监督神经网络	轮廓不确定性小于3%，剂量体积直方图	NA
4636	2025-12-21	Learnable PM diffusion coefficients and reformative coordinate attention network for low dose CT denoising 2023-12-11, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/aced33 PMID:37536336	研究论文	本文提出了一种基于编码器-解码器结构的低剂量CT去噪网络，结合可学习的PM扩散系数和坐标注意力机制，以平衡噪声抑制与边缘结构保留	提出了一种新颖的边缘特征提取方法，将Perona-Malik模型的各向异性图像处理思想融入神经网络，并设计了多尺度改进坐标注意力模块，增强了网络的可解释性和临床应用价值	未明确提及具体的数据集规模或计算资源限制，可能在实际应用中存在泛化性挑战	解决低剂量CT图像去噪任务中噪声抑制与边缘结构保留之间的平衡问题	低剂量CT图像	计算机视觉	NA	深度学习	CNN	图像	NA	NA	编码器-解码器结构	定量和定性评估	NA
4637	2025-12-21	Volumetric feature points integration with bio-structure-informed guidance for deformable multi-modal CT image registration 2023-12-08, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad03d2 PMID:37844603	研究论文	本文提出了一种基于体积特征点集成与生物结构引导的可变形多模态CT图像配准方法	通过结合体素特征点和生物结构特征点共同指导训练过程，提高了配准精度，相比其他深度学习方法精度提升了6%	未明确说明方法在处理其他模态或低对比度器官时的泛化能力	解决医学图像配准中的挑战，特别是在图像引导放射治疗（IGRT）中的CT-CBCT配准问题	配对的CT-CBCT数据集	医学图像处理	NA	深度学习	NA	CT图像, CBCT图像	NA	NA	NA	精度	NA
4638	2025-12-21	MB-DECTNet: a model-based unrolling network for accurate 3D dual-energy CT reconstruction from clinically acquired helical scans 2023-12-08, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad00fb PMID:37802071	研究论文	本研究提出了一种基于模型展开的深度学习网络MB-DECTNet，用于从临床螺旋扫描中实现精确的三维双能CT重建，显著加速了传统统计迭代重建过程	将双能CT统计迭代重建整合到端到端可训练的深度学习模型展开网络中，在保持模型算法无偏估计特性的同时，学习迭代算法的捷径，实现计算加速	未明确说明模型在不同扫描参数或患者群体中的泛化能力，以及临床验证的广泛性	加速三维双能CT统计迭代重建，同时保持亚百分比或接近亚百分比的精度，使其更符合临床时间要求	临床获取的螺旋扫描双能CT数据	医学影像重建	NA	双能CT成像	深度学习模型展开网络	三维CT图像数据	NA	NA	MB-DECTNet（包含多个堆叠的更新块，每个块有数据一致性层和空间混合层）	偏差，平均绝对误差	NA
4639	2025-12-21	Deep learning-based multi-stage postoperative type-b aortic dissection segmentation using global-local fusion learning 2023-11-29, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/acfec7 PMID:37774717	研究论文	本文提出了一种基于深度学习的多阶段分割框架，用于术后B型主动脉夹层的分割，通过全局-局部融合学习机制提升分割精度	设计了全局-局部融合学习机制，通过补偿裁剪图像缺失的上下文特征，改善了血栓和分支血管的分割效果	未明确提及具体局限性，但可能受限于数据集规模和多样性	构建一个深度学习分割框架，用于术后B型主动脉夹层的快速准确分割，以支持患者特异性三维形态学和血流动力学分析	术后B型主动脉夹层患者的CT图像，包括真腔、假腔、血栓和分支血管	数字病理学	心血管疾病	CT成像	深度学习	医学图像	133名患者的306张随访图像	NA	NA	Dice相似系数	NA
4640	2025-12-21	Radiation-induced acoustic signal denoising using a supervised deep learning framework for imaging and therapy monitoring 2023-11-29, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad0283 PMID:37820684	研究论文	本文提出了一种基于监督深度学习的通用深度初始卷积神经网络（GDI-CNN），用于去噪辐射诱导声学信号，以显著减少平均所需的帧数，从而降低成像剂量并提高实时治疗监测的频率	开发了一种通用的深度初始卷积神经网络（GDI-CNN），该网络在每个初始块中采用多扩张卷积，能够编码和解码具有不同时间特征的信号，从而泛化处理不同辐射源产生的声学信号去噪	未明确提及具体局限性，但可能包括对训练数据质量和多样性的依赖，以及在实际临床环境中的泛化能力验证	提高辐射诱导声学成像的信号质量，减少所需平均帧数，以降低辐射剂量并增强实时治疗监测的实用性	辐射诱导声学信号，包括X射线诱导声学、质子声学和电声学信号	医学影像处理	NA	辐射诱导声学成像	CNN	声学信号	使用实验数据进行评估，具体样本数量未明确说明	NA	GDI-CNN（通用深度初始卷积神经网络）	均方误差, 峰值信噪比, 结构相似性	NA