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
481	2025-05-19	Beam's eye view to fluence maps 3D network for ultra fast VMAT radiotherapy planning 2025-May, Medical physics IF:3.2Q1 DOI:10.1002/mp.17673 PMID:39935217	研究论文	本文提出了一种深度学习方法来加速VMAT放疗计划中的通量图预测	通过3D网络直接从患者数据预测通量图，显著提高了VMAT放疗计划的速度	未提及在临床环境中的实际应用效果验证	加速VMAT治疗计划中的通量图生成过程	VMAT放疗计划中的通量图	医疗影像处理	癌症	深度学习	3D网络	3D剂量图	超过2000个VMAT计划
482	2025-05-19	Dose prediction via deep learning to enhance treatment planning of lung radiotherapy including simultaneous integrated boost techniques 2025-May, Medical physics IF:3.2Q1 DOI:10.1002/mp.17692 PMID:39967020	research paper	本研究探讨了使用深度学习预测包括同步整合增强（SIB）技术在内的容积调强弧形治疗（VMAT）剂量分布的可行性及其在改善肺癌患者治疗计划质量中的潜在益处	首次验证了深度学习在预测多种处方剂量（包括SIB技术）的3D剂量分布中的应用，并评估了其在改善治疗计划质量中的效果	研究样本量相对较小，且所有数据均来自单一机构，可能限制模型的泛化能力	验证深度学习在预测VMAT剂量分布（包括SIB技术）中的可行性及其对改善肺癌患者治疗计划质量的潜在益处	肺癌患者	digital pathology	lung cancer	volumetric modulated arc therapy (VMAT), simultaneous integrated boost (SIB)	3D U-Net	CT images, target and normal tissue contours, prescription doses	93 retrospective clinical VMAT plans (75 for training, 18 for testing) + 10 prospective patients
483	2025-05-19	Automated chick gender determination using optical coherence tomography and deep learning 2025-May, Poultry science IF:3.8Q1 DOI:10.1016/j.psj.2025.105033 PMID:40106909	研究论文	本研究提出了一种结合光学相干断层扫描（OCT）和深度学习的新方法，用于高分辨率、非侵入性的雏鸡性别鉴定	首次将OCT与深度学习结合用于自动化雏鸡性别鉴定，提供了一种可扩展、实时的替代方案	模型的准确率为79%，仍有提升空间	优化家禽生产中的雏鸡性别分类	雏鸡	计算机视觉	NA	光学相干断层扫描（OCT）	自定义卷积神经网络（CNN）	图像	未明确提及样本数量
484	2025-05-19	A novel skeletal muscle quantitative method and deep learning-based sarcopenia diagnosis for cervical cancer patients treated with radiotherapy 2025-May, Medical physics IF:3.2Q1 DOI:10.1002/mp.17791 PMID:40170435	研究论文	本文提出了一种基于深度学习的自动分割和肌肉减少症诊断方法，用于宫颈癌放疗患者的骨骼肌定量测量	使用第五腰椎（L5）替代第三腰椎（L3）进行骨骼肌指数（SMI）评估，并提出了一种端到端的解剖距离引导的双分支特征融合网络进行自动分割	研究样本仅限于宫颈癌放疗患者，且外部验证数据集规模较小	探索CBCT在评估骨骼肌指数（SMI）和肌肉减少症诊断中的实用性	宫颈癌放疗患者	数字病理	宫颈癌	CBCT, 深度学习	端到端的解剖距离引导的双分支特征融合网络	图像	248名宫颈癌放疗患者的CBCT图像
485	2025-05-19	Artificial intelligence in preclinical research: enhancing digital twins and organ-on-chip to reduce animal testing 2025-May, Drug discovery today IF:6.5Q1 DOI:10.1016/j.drudis.2025.104360 PMID:40252989	review	本文探讨了人工智能在临床前研究中的应用，特别是通过数字孪生和器官芯片技术减少动物实验	结合AI技术提升数字孪生和器官芯片的预测能力和可扩展性，为药物研发提供更精确的模拟	未提及具体的技术实施细节和实际应用案例	探索AI如何优化临床前药物研究，减少动物实验并提高药物研发效率	数字孪生（DTs）和器官芯片（OoC）平台	machine learning	NA	machine learning (ML), deep learning (DL)	NA	模拟数据	NA
486	2025-05-19	The application of natural language processing technology in hospital network information management systems: Potential for improving diagnostic accuracy and efficiency 2025-Apr-18, SLAS technology IF:2.5Q3 DOI:10.1016/j.slast.2025.100287 PMID:40254184	研究论文	本文探讨了自然语言处理技术在医院网络信息管理系统中的应用，旨在提高诊断效率和准确性	提出了一种新颖的隐藏贝叶斯集成密集Bi-LSTM（HB-DBi-LSTM）策略，用于优化词袋模型	未提及具体的研究样本数量，且深度学习模型的计算需求较高	研究自然语言处理技术在医院网络信息管理系统中的应用，以提高诊断效率和准确性	电子健康记录中的扫描文档	自然语言处理	睡眠问题	NLP, OCR, 图像预处理	HB-DBi-LSTM	文本, 图像	NA
487	2025-05-19	Radiogenomic explainable AI with neural ordinary differential equation for identifying post-SRS brain metastasis radionecrosis 2025-Apr, Medical physics IF:3.2Q1 DOI:10.1002/mp.17635 PMID:39878595	研究论文	利用神经常微分方程(NODE)模型结合影像、基因组和临床参数，区分脑转移瘤放射后坏死与复发	提出基于HBNODE的新型可解释AI框架，首次实现影像-基因组-临床(I-G-C)特征空间的动态轨迹追踪与决策场重构	样本量较小(90个脑转移灶)，仅针对NSCLC患者，未验证跨癌种泛化性	开发可解释AI模型用于脑转移瘤SRS治疗后放射性坏死与肿瘤复发的无创鉴别	62名非小细胞肺癌患者的90个脑转移灶	数字病理	肺癌	T1+c MRI影像分析、基因组测序	HBNODE(二阶神经ODE)、DNN	多模态数据(影像+基因组+临床)	90个脑转移灶(来自62名NSCLC患者)
488	2025-05-19	Ultrasound-based deep learning to differentiate salivary gland tumors 2025-Mar-29, Oral surgery, oral medicine, oral pathology and oral radiology DOI:10.1016/j.oooo.2025.03.014 PMID:40379502	研究论文	本研究开发了一种基于超声成像的深度学习模型DeepSGT，用于准确区分良性和恶性唾液腺肿瘤	使用多种卷积神经网络处理超声图像，并通过Focal Loss微调ResNet50d模型以解决类别不平衡问题，显著提高了诊断性能	研究为回顾性研究，可能存在选择偏差，且样本量相对有限	开发一种基于超声成像的深度学习模型，用于准确区分良性和恶性唾液腺肿瘤	315名术前接受超声检查并经手术切除病理证实的唾液腺肿瘤患者	计算机视觉	唾液腺肿瘤	超声成像	CNN（包括Inception v3、ResNet101d、EfficientNet、DenseNet、Vision Transformer和ResNet50d）	图像	315名患者
489	2025-05-19	Deep Learning-Based Ion Channel Kinetics Analysis for Automated Patch Clamp Recording 2025-Mar, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202404166 PMID:39737527	研究论文	本研究提出了首个基于人工智能的框架，用于表征全细胞记录中的多种离子通道动力学	首次将人工智能技术应用于离子通道动力学分析，结合了异常检测和多类分类的深度学习模型	NA	提高电生理研究中离子通道动力学分析的效率和准确性	离子通道动力学	机器学习	阿尔茨海默病, 帕金森病	膜片钳技术	1D CNN, 双向LSTM, 注意力机制	电生理记录数据	124个测试数据集
490	2025-05-19	Multi-modal dataset creation for federated learning with DICOM-structured reports 2025-Mar, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-025-03327-y PMID:39899185	research paper	该研究开发了一个开放平台，用于多模态数据集成和交互式筛选，以简化跨多个站点创建一致多模态患者队列的过程	利用DICOM结构化报告标准化链接任意信息，并通过开发的平台实现多中心数据的一致性和筛选能力	研究仅在一个由八家德国大学医院组成的联盟内进行，可能限制了结果的普遍性	解决联邦学习在异构数据集上的挑战，特别是多模态学习范式中的数据表示和筛选问题	多模态医疗数据，包括影像、波形数据和注释等	digital pathology	cardiovascular disease	DICOM-structured reports, highdicom	NA	image, waveform data, annotations, metadata	来自八家德国大学医院的多模态数据集
491	2025-05-19	An efficient leukemia prediction method using machine learning and deep learning with selected features 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0320669 PMID:40378164	research paper	该论文提出了一种利用机器学习和深度学习技术结合特征选择的白血病预测方法	使用特征选择和深度学习技术对白血病基因数据进行分类，其中LSTM模型达到了100%的分类准确率	研究样本量较小（仅64个样本），且仅使用了CuMiDa数据库中的GSE9476数据集	开发一种高效的白血病早期预测和分类方法	白血病基因数据（来自CuMiDa数据库的GSE9476数据集）	machine learning	leukemia	基因微阵列技术	Random Forest, Linear Regression, SVM, LSTM	gene expression data	64个样本（来自22283个基因中的5类白血病基因）
492	2025-05-19	LungVis 1.0: an automatic AI-powered 3D imaging ecosystem unveils spatial profiling of nanoparticle delivery and acinar migration of lung macrophages 2024-11-27, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-54267-1 PMID:39604430	研究论文	介绍了一个名为LungVis 1.0的AI驱动的3D成像生态系统，用于定量分析纳米颗粒在肺部支气管和肺泡区域的分布及其与肺巨噬细胞的相互作用	首次整合光片荧光显微镜和基于深度学习的图像分析流程，实现了纳米颗粒在肺部分布的定量和整体性分析，并揭示了肺组织驻留巨噬细胞的动态行为	研究仅限于小鼠肺部模型，未涉及人类或其他动物模型	探索肺部药物递送的动态过程，加深对肺巨噬细胞介导的肺部免疫的理解	纳米颗粒在肺部的分布和肺组织驻留巨噬细胞的行为	数字病理学	呼吸系统疾病	光片荧光显微镜，深度学习	深度学习模型（未指定具体类型）	3D图像	小鼠肺部模型
493	2025-05-19	Multi-scale Multi-site Renal Microvascular Structures Segmentation for Whole Slide Imaging in Renal Pathology 2024-Feb, Proceedings of SPIE--the International Society for Optical Engineering PMID:40375952	research paper	提出了一种名为Omni-Seg的新方法，用于从人类肾脏全切片图像中分割微血管结构	利用多站点、多尺度的训练数据，采用单一动态网络方法，能够处理部分标记的图像	方法依赖于多站点、多尺度的训练数据，可能对数据获取和处理提出更高要求	开发一种自动分割肾脏微血管结构的计算方法	人类肾脏全切片图像中的微血管结构（如小动脉、小静脉和毛细血管）	digital pathology	renal pathology	deep learning	dynamic network	image	来自HuBMAP和NEPTUNE两个数据集的图像，包括不同放大倍数（40×、20×、10×和5×）
494	2025-05-18	Breast tumor diagnosis via multimodal deep learning using ultrasound B-mode and Nakagami images 2025-Nov, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.12.S2.S22009 PMID:40375887	研究论文	本文提出并评估了一种结合超声B模式和Nakagami参数图像的多模态深度学习方法，用于乳腺肿瘤分类	通过整合B模式图像的亮度信息和Nakagami图像的散射特性，提高了诊断性能，相比单输入方法有显著改进	研究样本量相对有限，仅包含264名患者的831次超声采集	提升乳腺肿瘤分类的准确性和诊断效率	乳腺肿瘤的超声图像	数字病理	乳腺癌	超声成像	EfficientNetV2B0	图像	264名患者的831次超声采集
495	2025-05-18	Deep learning algorithm enables automated Cobb angle measurements with high accuracy 2025-Jul, Skeletal radiology IF:1.9Q3 DOI:10.1007/s00256-024-04853-7 PMID:39688663	研究论文	本研究评估了深度学习算法在全脊柱X光片上自动测量Cobb角的准确性	开发了一种深度学习算法，能够高精度自动测量脊柱侧弯患者的Cobb角	研究样本量相对较小（345例），且成人患者的测量误差高于儿童患者	评估深度学习算法在脊柱侧弯诊断中自动测量Cobb角的准确性	全脊柱X光片和脊柱侧弯患者	数字病理学	脊柱侧弯	深度学习	深度学习算法（未指定具体模型）	图像（全脊柱X光片）	345例患者（179例儿童，166例成人）
496	2025-05-18	LMCBert: An Automatic Academic Paper Rating Model Based on Large Language Models and Contrastive Learning 2025-Jun, IEEE transactions on cybernetics IF:9.4Q1 DOI:10.1109/TCYB.2025.3550203 PMID:40168236	研究论文	本文提出了一种基于大型语言模型和对比学习的自动学术论文评分模型LMCBert，旨在提高论文接受预测的准确性	结合大型语言模型提取论文核心语义内容，并利用动量对比学习优化Bert训练，增强语义表示的区分度	未提及模型在跨学科或不同学术领域的泛化能力	开发高效的自动学术论文评分方法，减少人工评审的资源和偏见	学术论文	自然语言处理	NA	大型语言模型(LLMs)、动量对比学习(MoCo)	LMCBert（基于Bert的改进模型）	文本	未明确提及具体样本量，但使用了公开数据集
497	2025-05-18	GRU4ACE: Enhancing ACE inhibitory peptide prediction by integrating gated recurrent unit with multi-source feature embeddings 2025-Jun, Protein science : a publication of the Protein Society IF:4.5Q1 DOI:10.1002/pro.70026 PMID:40371738	研究论文	本研究提出了一种名为GRU4ACE的创新深度学习框架，通过整合门控循环单元(GRU)和多源特征嵌入，提高了血管紧张素转换酶(ACE)抑制肽的预测准确性	GRU4ACE框架首次整合了多源特征编码方法（包括序列信息、图形信息、语义信息和上下文信息）和GRU模型，显著提升了ACE抑制肽的预测性能	NA	提高ACE抑制肽的预测准确性，为新型降压药物的开发提供指导	ACE抑制肽	自然语言处理	心血管疾病	自然语言处理(NLP)嵌入、预训练蛋白质语言模型(PLM)嵌入	GRU	蛋白质序列数据	NA
498	2025-05-18	Deep-Diffeomorphic Networks for Conditional Brain Templates 2025-Jun-01, Human brain mapping IF:3.5Q1 DOI:10.1002/hbm.70229 PMID:40372124	research paper	本文提出了一种基于深度学习的条件性脑模板生成方法，利用微分同胚框架来创建几何方法，以捕捉年龄依赖的解剖学差异	使用微分同胚（拓扑保持）框架创建纯几何方法，能够生成具有高空间保真度和一致拓扑结构的条件性脑模板	尽管方法在捕捉年龄依赖的解剖学差异方面有一定效果，但仍需进一步改进以更准确地跟踪所有脑结构的变化	开发一种能够生成条件性脑模板的深度学习方法，以改进神经影像分析中的配准精度和脑发育与退化过程的捕捉	认知正常的参与者（来自阿尔茨海默病神经影像倡议ADNI的数据集）	神经影像分析	阿尔茨海默病	深度学习	deep-diffeomorphic networks	脑部扫描图像	来自ADNI的认知正常参与者数据集
499	2025-05-18	DeepMBEnzy: An AI-Driven Database of Mycotoxin Biotransformation Enzymes 2025-May-16, Journal of agricultural and food chemistry IF:5.7Q1 DOI:10.1021/acs.jafc.5c02477 PMID:40378051	研究论文	开发了一个名为DeepMBEnzy的AI驱动数据库，用于预测和存储霉菌毒素生物转化酶	使用深度学习模型EPP-MB预测霉菌毒素生物转化酶，并构建了一个包含4000多种霉菌毒素预测酶的公开数据库	模型的验证准确率为79%，仍有提升空间	促进霉菌毒素解毒研究和应用	霉菌毒素及其生物转化酶	机器学习	NA	深度学习	预训练模型微调	蛋白质数据	4000多种霉菌毒素
500	2025-05-18	Multiplexing and Sensing with Fluorescence Lifetime Imaging Microscopy Empowered by Phasor U-Net 2025-May-16, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.5c02028 PMID:40378347	研究论文	本文介绍了一种名为Phasor U-Net的深度学习方法，用于快速准确的荧光寿命成像显微镜(FLIM)成像	Phasor U-Net通过两个轻量级U-Net子网络进行去噪和解卷积，减少了噪声并校准了由仪器响应函数引起的数据，从而促进了下游的相位分析	该方法仅在计算机生成的数据集上进行训练，可能缺乏真实实验数据的多样性	提高荧光寿命成像显微镜(FLIM)的成像速度和准确性	小鼠小肠样本和量子点	计算机视觉	NA	荧光寿命成像显微镜(FLIM)	U-Net	图像	计算机生成的数据集和小鼠小肠样本