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
5041	2025-10-06	AI-powered liquid biopsy for early detection of gastrointestinal cancers 2025-Sep-01, Clinica chimica acta; international journal of clinical chemistry DOI:10.1016/j.cca.2025.120484 PMID:40669686	综述	本文综述人工智能驱动的液体活检技术在胃肠道癌症早期检测中的最新进展与应用潜力	整合机器学习与深度学习技术提升液体活检对循环肿瘤DNA、外泌体RNA和肿瘤教育血小板的检测精度，实现多组学数据融合分析	存在数据标准化不足、算法偏差风险和监管验证缺失等关键挑战	探索人工智能技术如何增强液体活检在胃肠道癌症早期诊断中的临床效用	胃肠道癌症患者的循环生物标志物（ctDNA、外泌体RNA、肿瘤教育血小板）	机器学习	胃肠道癌症	液体活检，多组学整合分析，甲基化分析，片段组学	机器学习，深度学习	基因组数据，表观遗传数据，生物分子数据	NA	NA	NA	灵敏度，特异性	联邦学习框架
5042	2024-12-05	Multimodal Deep Learning-based Radiomics Approach for Predicting Surgical Outcomes in Patients With Cervical Ossification of the Posterior Longitudinal Ligament 2025-Aug-15, Spine IF:2.6Q1 DOI:10.1097/BRS.0000000000005227 PMID:39618126	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
5043	2025-10-06	Multimodal Deep Learning for Grading Carpal Tunnel Syndrome: A Multicenter Study in China 2025-Aug, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.02.043 PMID:40157849	研究论文	开发用于腕管综合征分级的多模态深度学习模型CTSGrader，整合临床信息和多模态超声特征	首次开发结合临床信息和多模态超声特征的联合深度学习模型用于CTS分级，并进行多中心验证和跨设备测试	回顾性研究设计，需要进一步前瞻性验证	通过深度学习模型改进腕管综合征的严重程度分级	腕管综合征患者	医学影像分析	腕管综合征	超声成像，电生理检查	深度学习模型	超声图像，临床数据	训练集680例，内部验证集173例，外部验证集174例，跨设备验证集224例	NA	CTSGrader	AUC，准确率	NA
5044	2025-10-06	Deep learning-based prediction of enhanced CT scans for lymph node metastasis in esophageal squamous cell carcinoma 2025-Aug, Japanese journal of radiology IF:2.9Q2 DOI:10.1007/s11604-025-01780-y PMID:40214915	研究论文	本研究开发了一种结合CNN和LSTM的深度学习模型LymphoReso-Net，用于基于增强CT图像预测食管鳞癌淋巴结转移	提出了新型深度学习框架LymphoReso-Net，结合CNN和LSTM网络处理医学影像数据，并集成GRAD-CAM增强模型可解释性	回顾性研究设计，样本量相对有限（441例患者）	优化食管鳞癌治疗策略，通过预测淋巴结转移改善患者预后	食管鳞癌患者	计算机视觉	食管癌	增强CT扫描	CNN, LSTM	医学影像	441例接受根治性食管切除术和区域淋巴结清扫术的ESCC患者	NA	LymphoReso-Net	准确率, 敏感度, 特异度, AUC-ROC	NA
5045	2025-10-06	Habitat Radiomics and Deep Learning Features Based on CT for Predicting Lymphovascular Invasion in T1-stage Lung Adenocarcinoma: A Multicenter Study 2025-Aug, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.04.005 PMID:40253221	研究论文	本研究基于CT影像开发栖息地放射组学模型，用于预测T1期肺腺癌患者的淋巴血管侵犯	首次将栖息地放射组学应用于T1期肺腺癌LVI预测，并通过多中心研究验证其优于传统放射组学和深度学习模型	回顾性研究设计，样本量相对有限（349例患者）	预测T1期肺腺癌患者的淋巴血管侵犯状态	T1期肺腺癌患者	医学影像分析	肺癌	CT成像，K-means聚类算法	放射组学模型，栖息地模型，深度学习模型	CT影像	349例T1期肺腺癌患者（来自三个医疗中心）	NA	NA	AUC，校准曲线，决策曲线分析	NA
5046	2025-10-06	Unsupervised deep clustering of high-resolution satellite imagery reveals phenotypes of urban development in Sub-Saharan Africa 2025-Aug-01, The Science of the total environment DOI:10.1016/j.scitotenv.2025.179739 PMID:40480170	研究论文	使用无监督深度学习和高分辨率卫星图像对撒哈拉以南非洲城市发展表型进行聚类分析	提出新颖的分层深度学习框架，首次在缺乏传统数据的地区实现近实时城市监测	研究仅限于撒哈拉以南非洲四个城市，可能不适用于其他地理特征的城市	开发无监督深度学习方法以表征多维城市环境特征	撒哈拉以南非洲城市（阿克拉、达喀尔、达累斯萨拉姆、基加利）的卫星图像	计算机视觉	NA	卫星遥感成像	深度学习聚类	高分辨率卫星图像	四个非洲城市的卫星图像数据集	NA	分层深度学习框架	聚类一致性、区域分布百分比	NA
5047	2025-10-06	Enhanced deep learning framework for real-time instrument detection and tracking in laparoscopic surgery using advanced augmentation and tracking techniques 2025-Aug, Surgical endoscopy DOI:10.1007/s00464-025-11932-w PMID:40588604	研究论文	开发了一个增强的深度学习框架，用于腹腔镜手术中实时器械检测与跟踪	集成YOLOv9n与先进跟踪算法ByteTrack和BoT-SORT，在快速运动和部分遮挡情况下仍能保持稳健跟踪性能	仅使用单一数据集(m2cai16-tool-locations)进行评估，未在更广泛临床场景中验证	提高微创手术中手术器械的实时检测与跟踪精度，优化手术工作流程	腹腔镜手术器械	计算机视觉	NA	深度学习，计算机视觉	CNN	图像	m2cai16-tool-locations检测数据集	NA	YOLOv9n, YOLOv8n, YOLOv5n, YOLOv11n, Faster R-CNN	平均精度(mAP50), 推理速度	NA
5048	2025-10-06	AI-Assisted Post Contrast Brain MRI: Eighty Percent Reduction in Contrast Dose 2025-Aug, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.10.026 PMID:39592383	研究论文	本研究提出一种深度学习方法来预测仅使用20%标准剂量钆对比剂的多参数MRI生成全剂量对比增强T1w图像	首次使用深度学习从低剂量(20%)对比剂MRI合成全剂量对比增强图像，实现80%的对比剂剂量减少	研究样本量相对较小(101例患者)，且仅针对特定脑部疾病患者群体	在保证诊断准确性的前提下减少钆对比剂使用剂量	101例患有白质疾病、小血管疾病、肿瘤或肿块、术后改变和无增强病变的患者	医学影像分析	脑部疾病	多参数脑部MRI	深度学习网络	MRI图像	101例患者	NA	NA	SSIM, PSNR, Likert量表评分, 非劣效性检验	NA
5049	2025-10-06	A multi-stage 3D convolutional neural network algorithm for CT-based lung segment parcellation 2025-Aug, Journal of applied clinical medical physics IF:2.0Q3 DOI:10.1002/acm2.70193 PMID:40698834	研究论文	开发了一种基于3D卷积神经网络的CT图像肺段分割算法	提出多阶段3D CNN算法，通过气道中心线检测和三级支气管识别实现端到端肺段分割	COPD患者的分割结果与健康对照组相比存在更大不匹配	验证基于深度学习的CT肺段分割算法的临床适用性	混合气道疾病患者的胸部CT图像	计算机视觉	慢性阻塞性肺疾病	CT成像	CNN	3D医学图像	123例训练CT图像，20例内部验证，20例外部验证（10例健康人，10例COPD患者）	NA	3D卷积神经网络	Dice系数, 包含率	NA
5050	2025-10-06	Gradient-driven pixel connectivity convolutional neural networks classification based on U-Net lung nodule segmentation 2025-Aug, Medical engineering & physics IF:1.7Q3 DOI:10.1016/j.medengphy.2025.104376 PMID:40701761	研究论文	提出一种基于U-Net肺结节分割和梯度驱动像素连接卷积神经网络的肺结节分类诊断辅助系统	结合U-Net分割网络与梯度驱动像素连接CNN分类器，实现肺结节的多层次特征分析与分类	仅使用LUNA16数据集，未在其他数据集验证模型泛化能力	开发基于深度学习的肺结节早期检测与分类系统	CT图像中的肺结节	计算机视觉	肺癌	计算机断层扫描(CT)	CNN, U-Net	医学图像	LUNA16数据集	NA	U-Net	准确率, Dice相似系数	NA
5051	2025-10-06	An enhanced UHMWPE wear particle detection approach based on YOLOv9 2025-Aug, Medical engineering & physics IF:1.7Q3 DOI:10.1016/j.medengphy.2025.104377 PMID:40701762	研究论文	提出一种基于改进YOLOv9的UHMWPE磨损颗粒自动检测方法	集成可编程梯度信息(PGI)和广义高效层聚合网络(GELAN)提升小目标检测精度，采用定制化Focal Loss函数解决类别不平衡问题	NA	开发自动化UHMWPE磨损颗粒检测技术以替代传统人工检测	超高分子量聚乙烯(UHMWPE)磨损颗粒	计算机视觉	骨科疾病	场发射枪扫描电子显微镜(FEG-SEM)	YOLO	图像	NA	NA	YOLOv9, YOLOv5, YOLOv8, Faster R-CNN	平均精度均值(mAP)	NA
5052	2025-10-06	The Power of Hellmann-Feynman Theorem: Kohn-Sham DFT Energy Derivatives with Respect to the Parameters of the Exchange-Correlation Functional at Linear Cost 2025-Jul-24, The journal of physical chemistry. A DOI:10.1021/acs.jpca.5c01771 PMID:40653651	研究论文	本研究应用Hellmann-Feynman定理计算Kohn-Sham DFT能量对交换关联泛函参数的导数，实现了线性计算复杂度	首次将Hellmann-Feynman定理应用于Kohn-Sham DFT能量参数导数计算，相比传统自动微分方法显著提升计算效率	研究基于原型程序实现，仅验证了LDA和GGA泛函在正构烷烃体系的表现	开发高效计算科学模型参数导数的方法，支持机器学习和深度学习应用	Kohn-Sham密度泛函理论中的交换关联泛函参数	计算化学	NA	密度泛函理论计算	Kohn-Sham DFT	量子化学计算数据	正构烷烃系列（n=4至64个碳原子）	PySCF, PyTorch	LDA泛函, GGA泛函	计算复杂度, 计算速度	NA
5053	2025-10-06	Artificial Neural Networks and Deep Learning in Solid Organ Transplantation 2025-Jul-24, Transplantation IF:5.3Q1 DOI:10.1097/TP.0000000000005500 PMID:40702591	综述	本文概述了人工神经网络和深度学习在实体器官移植领域的应用、术语解释及使用建议	系统梳理神经网络在移植领域的发展历程，特别关注处理非表格数据（如图像和文本）的最新应用	模型存在黑箱预测问题且结果解释需结合具体语境	为移植领域研究者提供神经网络模型的入门指南和应用前景分析	实体器官移植相关医疗数据与临床应用	机器学习	器官移植	NA	人工神经网络, 深度学习	图像, 文本, 非表格数据	NA	NA	NA	NA	NA
5054	2025-10-06	Malignancy classification of thyroid incidentalomas using 18F-fluorodeoxy-d-glucose PET/computed tomography-derived radiomics 2025-Jul-24, Nuclear medicine communications IF:1.3Q3 DOI:10.1097/MNM.0000000000002031 PMID:40702878	研究论文	本研究探讨了基于18F-FDG PET/CT影像组学特征在甲状腺偶发瘤良恶性鉴别诊断中的应用价值	首次将PET和CT影像的run length nonuniformity组学特征联合应用于甲状腺偶发瘤的良恶性分类，其诊断性能与传统的TIRADS分类相当	样本量较小（仅46例患者），需要更大规模的研究验证	开发非侵入性的甲状腺偶发瘤良恶性分类方法	甲状腺偶发瘤患者	医学影像分析	甲状腺癌	18F-FDG PET/CT影像组学	统计分析模型	医学影像（PET和CT图像）	46例患者（36例恶性，10例良性）	NA	NA	AUC（曲线下面积）	NA
5055	2025-10-06	Deep Learning to Differentiate Parkinsonian Syndromes Using Multimodal Magnetic Resonance Imaging: A Proof-of-Concept Study 2025-Jul-24, Movement disorders : official journal of the Movement Disorder Society IF:7.4Q1 DOI:10.1002/mds.30300 PMID:40704399	研究论文	使用基于3D卷积神经网络的多模态MRI数据区分多系统萎缩和帕金森病的可行性研究	首次将多模态MRI数据（灰质密度图和平均扩散率图）与3D CNN结合用于帕金森综合征的鉴别诊断，并提供了模型可解释性分析	样本量相对较小（156名患者），数据来自三个法国参考中心，可能存在选择偏倚	开发基于深度学习的自动诊断工具，用于区分多系统萎缩及其亚型与帕金森病	多系统萎缩患者（92例，包括MSA-P、MSA-C和MSA-PC亚型）和帕金森病患者（64例）	医学影像分析	帕金森综合征	多模态磁共振成像，包括T1加权序列和扩散张量成像	CNN	医学影像	156名患者（92名MSA，64名PD）	NA	3D CNN	准确率	NA
5056	2025-10-06	Deep Learning Based Evaluation of Skeletal Maturation: A Comparative Analysis of Five Hand-Wrist Methods 2025-Jul-24, Orthodontics & craniofacial research IF:2.4Q2 DOI:10.1111/ocr.70008 PMID:40704688	研究论文	本研究使用深度学习算法比较五种不同手腕骨成熟度评估方法在骨骼年龄估计中的诊断可靠性	首次使用YOLOv8x深度学习模型系统比较五种手腕骨成熟度评估方法，并识别出在青春期生长高峰期的特定阶段分类性能较低	研究为回顾性分析，样本仅来自8-16岁正畸患者，可能限制结果的普适性	评估深度学习算法在骨骼年龄估计中的有效性	6572份8-16岁正畸患者的手腕X光片	计算机视觉	骨骼发育异常	手腕X光成像	YOLOv8x	X光图像	6572份手腕X光片	NA	YOLOv8x-cls	准确率,精确率,召回率,F1分数,AUC	NA
5057	2025-10-06	MSA-Net: a multi-scale and adversarial learning network for segmenting bone metastases in low-resolution SPECT imaging 2025-Jul-24, EJNMMI physics IF:3.0Q2 DOI:10.1186/s40658-025-00785-w PMID:40705118	研究论文	提出一种结合多尺度特征提取和对抗学习的深度学习网络MSA-Net，用于低分辨率SPECT影像中骨转移瘤的分割	首次将条件对抗学习与多尺度特征提取生成器相结合，采用级联扩张卷积、多尺度模块和深度监督机制	研究仅基于286个临床标注的SPECT闪烁扫描图像，样本量相对有限	提高低分辨率SPECT影像中骨转移瘤的分割准确性	肺癌骨转移瘤	医学影像分析	肺癌	SPECT成像	生成对抗网络	医学影像	286个临床标注的SPECT闪烁扫描图像	NA	MSA-Net	Dice相似系数, 精确率, 召回率	NA
5058	2025-10-06	Guided multi-objective generative AI to enhance structure-based drug design 2025-Jul-23, Chemical science IF:7.6Q1 DOI:10.1039/d5sc01778e PMID:40463429	研究论文	介绍IDOLpro——一种结合扩散模型与多目标优化的生成式AI，用于基于结构的药物设计	首次将扩散模型与多目标优化相结合，通过可微分评分函数引导探索未知化学空间，同时优化多个理化性质	NA	开发能够同时优化多个理化性质的生成式AI模型，用于基于结构的药物设计	药物分子配体	机器学习	NA	生成式AI，结构基于药物设计	扩散模型	化学结构数据	两个基准测试集	NA	扩散模型	结合亲和力，合成可及性评分	NA
5059	2025-10-06	Development and validation of an improved volumetric breast density estimation model using the ResNet technique 2025-Jul-23, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/adecac PMID:40623423	研究论文	本研究开发并验证了基于ResNet技术的改进型乳腺体积密度估计模型	首次将ResNet深度学习模型应用于乳腺体积密度估计，相比传统多元回归模型和机器学习方法取得更优性能	研究基于相同数据集进行，需要进一步的外部验证	提高从存档X线乳腺摄影图像中准确测量乳腺体积密度的能力	乳腺X线摄影图像和患者数据	计算机视觉	乳腺癌	X线乳腺摄影	Random Forest, XG-Boost, ResNet	医学图像	NA	NA	ResNet	确定系数, 相关系数, 均方根误差, 平均绝对误差, 均方根百分比误差, 平均绝对百分比误差	NA
5060	2025-10-06	Development of a deep learning model for T1N0 gastric cancer diagnosis using 2.5D radiomic data in preoperative CT images 2025-Jul-23, NPJ precision oncology IF:6.8Q1 DOI:10.1038/s41698-025-01055-9 PMID:40696140	研究论文	开发基于2.5D影像组学数据和多示例学习的深度学习模型，用于术前CT图像中T1N0期胃癌的准确诊断	首次将2.5D影像组学数据与多示例学习相结合应用于胃癌诊断，相比传统影像组学模型和临床模型具有显著优越的预测性能	研究数据仅来自中国两家医疗中心，时间跨度为2006-2019年，可能存在选择偏倚	开发深度学习模型准确区分无淋巴结转移的早期胃癌	3164名接受根治性手术的胃癌患者	医学影像分析	胃癌	CT影像分析	深度学习	CT图像	3164名胃癌患者	NA	ResNet101, XGBoost	预测性能	NA