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
5241	2025-07-02	Efficient Cerebral Infarction Segmentation Using U-Net and U-Net3 + Models 2025-Jun-30, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01587-3 PMID:40588699	研究论文	本研究提出了一种使用U-Net和U-Net3+模型进行脑梗死分割的新方法	采用新型数据集和两种卷积神经网络架构（基础U-Net和高级U-Net3+）进行脑梗死区域的高精度分割	数据集规模有限，需通过数据增强技术进行平衡	提高脑梗死的早期诊断和干预效果	脑梗死患者的MRI扫描图像	数字病理学	心血管疾病	MRI扫描	U-Net和U-Net3+	图像	110名患者的MRI扫描，生成6732张平衡图像用于训练、验证和测试
5242	2025-07-02	Pediatric brain tumor classification using digital pathology and deep learning: Evaluation of SOTA methods on a multi-center Swedish cohort 2025-Jun-30, Brain pathology (Zurich, Switzerland) DOI:10.1111/bpa.70029 PMID:40589103	研究论文	本研究利用数字病理学和深度学习方法，评估了在瑞典多中心队列中应用最先进技术对儿童脑肿瘤进行分类的效果	采用弱监督多实例学习方法和预训练特征提取器，首次在瑞典多中心数据集上评估儿童脑肿瘤分类	模型在不同中心的泛化性能下降相似，未显著解决跨中心数据差异问题	评估计算病理学方法在儿童脑肿瘤分层分类中的性能	540名8.5±4.9岁的脑肿瘤患者的H&E全切片图像	数字病理学	脑肿瘤	弱监督多实例学习(MIL)	ABMIL, CLAM, ResNet50, UNI, CONCH	全切片图像(WSI)	540例来自瑞典六所大学医院的儿童脑肿瘤样本
5243	2025-07-02	Cognition-Eye-Brain Connection in Alzheimer's Disease Spectrum Revealed by Multimodal Imaging 2025-Jun-29, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.70003 PMID:40583127	研究论文	通过多模态成像技术探索阿尔茨海默病谱系中认知、眼睛和大脑之间的联系	揭示了认知功能、视网膜生物特征和大脑改变之间的关系，特别是在阿尔茨海默病谱系的不同阶段	样本量较小，尤其是AD组仅有7例	探索阿尔茨海默病谱系中认知功能、视网膜生物特征和大脑改变之间的关系	健康对照组（HC）、主观认知下降（SCD）、轻度认知障碍（MCI）和阿尔茨海默病（AD）患者	数字病理学	阿尔茨海默病	光学相干断层扫描血管成像（OCTA）、3D T1加权脑体积成像（BRAVO）、静息态功能MRI（fMRI）	深度学习模型FARGO	图像	健康对照组（n=16）、主观认知下降（n=35）、轻度认知障碍（n=18）、阿尔茨海默病（n=7）
5244	2025-07-02	Genetic Deconvolution of Embryonic and Maternal Cell-Free DNA in Spent Culture Medium of Human Preimplantation Embryo Through Deep Learning 2025-Jun-29, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202412660 PMID:40583136	研究论文	本文提出了一种名为DECENT的深度学习方法，用于重建胚胎拷贝数变异并减少胚胎培养液中母体DNA污染的影响	DECENT方法结合了卷积模块、长短时记忆和注意力机制，整合序列特征和甲基化模式以推断cfDNA读数的来源，提高了非侵入性胚胎植入前遗传学检测的准确性	NA	提高基于cfDNA的非侵入性胚胎植入前遗传学检测的诊断准确性和有效性	人类胚胎培养液中的胚胎和母体游离DNA	数字病理学	生殖医学	单细胞甲基化测序	CNN, LSTM, 注意力机制	DNA序列数据	包含不同污染水平的临床样本（包括一个母体读数超过80%的样本）
5245	2025-07-02	Automated Evaluation of Female Pelvic Organ Descent on Transperineal Ultrasound: Model Development and Validation 2025-Jun-28, International urogynecology journal IF:1.8Q3 DOI:10.1007/s00192-025-06211-0 PMID:40580222	研究论文	本研究开发并验证了一种多任务深度学习模型，用于自动化评估经会阴超声（TPUS）图像中的女性盆腔器官脱垂（POP）	首次提出使用多任务深度学习模型自动化评估POP，减少了诊断中的经验依赖性	研究样本仅来自2023年1月至6月的患者，可能缺乏长期数据验证	开发并验证一种自动化评估女性盆腔器官脱垂的深度学习模型	1340名女性患者的TPUS图像	数字病理学	盆腔器官脱垂	深度学习	ResNet34	图像	1340名女性患者的TPUS图像（1072用于训练，268用于验证）
5246	2025-07-02	Prognostic value of body composition out of PSMA-PET/CT in prostate cancer patients undergoing PSMA-therapy 2025-Jun-28, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-025-07416-7 PMID:40580320	研究论文	本研究开发了一种基于深度学习的全身CT分割方法，用于评估转移性去势抵抗性前列腺癌(mCRPC)患者在接受[177Lu]Lu-PSMA放射性配体治疗(RLT)前的身体组成	利用深度学习模型从标准PSMA-PET-CT中自动分割不同组织区域，超越传统的PSMA-PET评估，识别具有潜在预后价值的身体组成指标	研究为回顾性设计，样本量较小(n=86)，需要在更大的前瞻性数据集中验证潜在预后参数	评估mCRPC患者在接受RLT前的身体组成指标对治疗预后的影响	86名前列腺癌患者	数字病理学	前列腺癌	深度学习分割模型	深度学习	CT图像	86名前列腺癌患者的[68Ga]Ga-PSMA-PET-CT扫描数据
5247	2025-07-02	Research status, hotspots and perspectives of artificial intelligence applied to pain management: a bibliometric and visual analysis 2025-Jun-28, Updates in surgery IF:2.4Q2 DOI:10.1007/s13304-025-02296-w PMID:40580377	综述	本文通过文献计量和可视化分析，探讨了人工智能在疼痛管理领域的研究现状、热点和未来趋势	首次采用文献计量学方法系统分析人工智能在疼痛管理领域的应用，揭示了研究热点和未来发展方向	仅纳入英文文献，可能遗漏其他语言的重要研究成果	了解人工智能在疼痛管理领域的研究现状、热点和趋势	970篇关于人工智能应用于疼痛管理的科学论文	机器学习	疼痛管理	文献计量分析、可视化分析	机器学习、深度学习、人工神经网络	文献数据	970篇论文，涉及5679位作者、2030个学术机构和84个国家/地区
5248	2025-07-02	Identifying visible tissue in intraoperative ultrasound: a method and application 2025-Jun-28, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-025-03415-z PMID:40580392	研究论文	提出一种用于识别术中超声可见组织的迭代过滤和拓扑方法，并应用于检测声影和构建感知显著性置信图	提出了一种新的迭代过滤和拓扑方法来分析探头-组织接触，该方法在体内数据和医学模型数据上表现出优越的分类性能	未明确提及具体局限性，但可能包括算法对参数扰动、斑点噪声和数据分布变化的敏感性	开发一种方法来识别术中超声扫描中的可见组织，以支持临床培训和机器人超声自动化	术中超声扫描中的可见组织	医学影像分析	NA	迭代过滤和拓扑方法	NA	超声图像	包含体内数据和医学模型数据的数据集
5249	2025-07-02	Identification of novel biomarkers linked to M1 macrophage infiltration in the diagnosis of inflammatory bowel diseases 2025-Jun-28, International immunopharmacology IF:4.8Q1 DOI:10.1016/j.intimp.2025.115138 PMID:40582145	研究论文	本研究通过生物信息学和深度学习构建了炎症性肠病(IBD)的预测模型，并识别了与M1巨噬细胞浸润相关的潜在生物标志物	首次整合M1巨噬细胞相关基因与宏转录组特征开发IBD预测模型，并发现CXCL10作为新型生物标志物和治疗靶点	研究结果需要进一步临床验证，样本来源和数量未明确说明	改善炎症性肠病的诊断和管理效果	炎症性肠病患者和M1巨噬细胞	数字病理学	炎症性肠病	生物信息学分析、深度学习	神经网络	基因表达数据、宏转录组数据	NA
5250	2025-07-02	The British-Israeli Project for Algorithm-Based Management of Age-related Macular Degeneration: Deep Learning Integration for Real- World Data Management and Analysis 2025-Jun-28, Ophthalmologica. Journal international d'ophtalmologie. International journal of ophthalmology. Zeitschrift fur Augenheilkunde DOI:10.1159/000547161 PMID:40582342	研究论文	描述了一个结合临床和光学相干断层扫描(OCT)成像数据的综合数据集开发，通过深度学习算法对两个大型真实世界数据集中的新生血管性年龄相关性黄斑变性(nAMD)眼睛进行自动化、客观和全面的OCT扫描量化	应用深度学习算法对大规模真实世界nAMD患者的临床和OCT数据进行自动化分析，为个性化决策和优化治疗效果提供基础	研究为回顾性设计，两个中心的治疗标准和基线视力存在显著差异	开发并验证一个集成临床和OCT数据的自动化分析系统，以改善nAMD的管理和治疗效果	4,265名nAMD患者的5,207只眼睛	数字病理学	年龄相关性黄斑变性	OCT扫描	深度学习算法(NOATM)	临床数据和图像数据	5,207只眼睛(来自4,265名患者)，包含134,340次视力测量、79,457次OCT扫描和73,218次抗VEGF注射记录
5251	2025-07-02	Machine Learning Based Multi-Class Classification and Grading of Squamous Cell Carcinoma in Optical Microscopy 2025-Jun-27, Microscopy research and technique IF:2.0Q3 DOI:10.1002/jemt.70016 PMID:40579786	研究论文	本研究利用机器学习和深度学习模型对鳞状细胞癌（SCC）的组织病理学图像进行高效分析	结合机器学习进行特征分析和可解释的深度学习模型，实现了更高准确性和效率的SCC分级	未提及模型在更大规模或多样化数据集上的泛化能力	开发自动化的鳞状细胞癌分级方法以减少对人工病理的依赖	鳞状细胞癌的组织病理学图像	数字病理	鳞状细胞癌	离散小波变换、灰度共生矩阵和直方图特征提取	支持向量机、朴素贝叶斯、决策树、KNN、神经网络、CNN	图像	未明确提及样本数量
5252	2025-07-02	Design and Optimization of an automatic deep learning-based cerebral reperfusion scoring (TICI) using thrombus localization 2025-Jun-26, Journal of neuroradiology = Journal de neuroradiologie DOI:10.1016/j.neurad.2025.101366 PMID:40581292	研究论文	本文设计和优化了一种基于深度学习的自动脑灌注评分（TICI）系统，利用血栓定位技术	开发了一种基于CNN的人工智能模型，用于自动分类TICI评分，并探索了血栓定位对模型性能的影响	三分类模型（TICI 0,1或2a vs 2b vs 2c或3）的性能不足，自动血栓检测模块未能提升模型表现	创建并优化基于AI的DSA TICI评分分类模型，以减少评估变异性	接受机械取栓术患者的数字减影血管造影（DSA）数据	数字病理学	脑血管疾病	数字减影血管造影（DSA）	CNN	医学影像	422名患者，2492个血栓标注，1609个DSA序列
5253	2025-07-02	Fog-Enabled Modular Deep Learning Platform for Textual Data Mining in Healthcare for Pathology Detection in Burkina Faso 2025-Jun-26, Studies in health technology and informatics DOI:10.3233/SHTI250696 PMID:40588904	研究论文	本文提出了一种基于深度学习的医疗诊断支持平台架构，适用于布基纳法索的病理检测	结合诊断和治疗指南与通过OCR从手写处方和电子健康记录中提取的文本数据构建模型，并比较了雾计算和云计算两种架构	研究基于模拟验证，未涉及实际临床应用的详细测试	开发适用于布基纳法索医疗系统的深度学习诊断支持平台	手写处方和电子健康记录中的文本数据	自然语言处理	NA	OCR, 深度学习	NA	文本	NA
5254	2025-07-02	Smart Wearable Analytics for Cycling: AI-Based Physical Exertion Prediction 2025-Jun-26, Studies in health technology and informatics DOI:10.3233/SHTI250714 PMID:40588921	research paper	评估深度学习在骑行运动中体力消耗预测的应用，特别是基于LSTM与多头注意力机制的模型	采用LSTM结合多头注意力机制的模型进行体力消耗预测，并通过MRMR和UFR方法进行特征选择	样本量较小，仅27名健康参与者，且未涉及不同健康状况的人群	预测骑行运动中的体力消耗水平	27名健康骑行者的生理数据	machine learning	NA	LSTM, Multi-Head Attention, MRMR, UFR	LSTM with Multi-Head Attention	生理数据（心率、血氧饱和度、踏频、HRV特征）	27名健康参与者
5255	2025-07-02	Reduction of Membrane-derived Noise Using Beam-tilt Measurement and Deep Learning in Observation using Environmental Cell 2025-Jun-24, Microscopy (Oxford, England) DOI:10.1093/jmicro/dfaf031 PMID:40581827	研究论文	提出了一种利用电子束倾斜测量和深度学习去除环境细胞电子显微镜中膜衍生噪声的方法	首次将Noise2Noise深度学习方法应用于环境细胞电子显微镜图像处理，有效去除膜噪声并保留样本信息	未明确说明方法在不同类型样本或极端条件下的适用性	提高环境细胞电子显微镜图像质量以实现高信噪比测量	环境细胞中的催化剂和纳米材料	计算机视觉	NA	电子显微镜成像	Noise2Noise（深度学习）	电子显微镜图像序列	未明确说明具体样本数量
5256	2025-07-02	Deep learning for osteoporosis screening in dental practice: a systematic review 2025-Jun-20, Dento maxillo facial radiology DOI:10.1093/dmfr/twaf052 PMID:40580938	系统综述	本文通过系统综述评估深度学习工具在牙科影像中用于骨质疏松筛查的性能，并探讨这些模型是否已在牙科实践中应用	首次系统综述了深度学习在牙科骨质疏松筛查中的应用，并指出尽管技术有所进展，但临床适用性仍有限	缺乏外部验证和临床整合，限制了其实际应用	评估深度学习工具在骨质疏松筛查中的性能及其在牙科实践中的应用情况	使用牙科影像（如全景X光片和计算机断层扫描）进行骨质疏松筛查的深度学习模型	数字病理	骨质疏松	深度学习（DL），双能X线吸收测定法（DXA）	CNN（如VGG16、GoogleNet、ResNet、AlexNet、EfficientNet）	牙科影像（如全景X光片和计算机断层扫描）	13项研究符合纳入标准
5257	2025-07-02	Integrating GWAS and Transcriptomic Data Using PrediXcan and Multimodal Deep Learning Reveals Genetic Basis and Drug Repositioning Opportunities for Alzheimer's Disease 2025-Jun-10, medRxiv : the preprint server for health sciences DOI:10.1101/2025.01.02.25319880 PMID:40585083	研究论文	本研究整合多组学数据与先进人工智能方法，揭示阿尔茨海默病表型调控的分子基础，并探索基于个体遗传背景的个性化药物重定位策略	结合PrediXcan方法和多模态深度学习模型AD-MIF，显著提升AD相关表型预测的AUC值10-20%，并发现新的药物重定位机会	研究样本量相对有限（553个背外侧前额叶皮层样本），且仅在SAMP8 AD模型小鼠中验证了部分药物效果	阐明阿尔茨海默病的复杂分子机制并探索个性化治疗策略	阿尔茨海默病相关的基因、分子通路和候选药物	机器学习	阿尔茨海默病	GWAS、转录组数据分析、多模态深度学习	AD-MIF（多模态信息融合模型）、autoencoder、graph autoencoder	基因型数据、基因表达数据	553个背外侧前额叶皮层样本（来自ROSMAP数据库）
5258	2025-07-02	Deep Learning-Based Segmentation of Gravity-Loaded Human Spine 2025-Jun-10, Journal of visualized experiments : JoVE DOI:10.3791/67781 PMID:40587489	研究论文	本研究提出了一种基于深度学习的协议，用于在重力加载条件下分割人类脊柱图像，以更准确地评估脊柱对齐情况	使用带有3D卷积层和残差连接的U-Net CNN进行脊柱分割，并能够导出3D模型用于3D打印	未提及模型在多样化人群中的泛化能力或与其他成像技术的比较	开发一种可靠且适应性强的工具，用于在重力加载条件下准确分割脊柱和其他解剖结构	重力加载条件下的人类脊柱图像	数字病理学	脊柱侧弯和退行性椎间盘疾病	负重锥形束计算机断层扫描(CBCT)	U-Net CNN	3D图像	未提及具体样本数量
5259	2025-07-02	Integrating Social Determinants of Health and Established Risk Factors to Predict Cardiovascular Disease Risk Among Healthy Older Adults 2025-Jun, Journal of the American Geriatrics Society IF:4.3Q1 DOI:10.1111/jgs.19440 PMID:40099367	研究论文	本研究整合社会健康决定因素（SDoH）与传统风险因素，利用机器学习和深度学习模型预测健康老年人的心血管疾病（CVD）风险	首次将SDoH与传统CVD风险因素结合，利用先进的ML和DL模型进行风险预测，并发现SDoH对女性预测效果更显著	研究对象仅限于70岁及以上无CVD、痴呆和独立性受限身体残疾的老年人，可能限制结果的普适性	提高心血管疾病风险预测的准确性	12,896名70岁及以上初始无CVD、痴呆和独立性受限身体残疾的老年人（5,884名男性和7,012名女性）	机器学习	心血管疾病	机器学习和深度学习	Random Survival Forest (RSF), Deepsurv, Neural Multi-Task Logistic Regression (NMTLR)	纵向研究数据	12,896人（5,884名男性和7,012名女性）
5260	2025-07-02	Longitudinal brain age in first-episode mania youth treated with lithium or quetiapine 2025-Jun, European neuropsychopharmacology : the journal of the European College of Neuropsychopharmacology IF:6.1Q1 DOI:10.1016/j.euroneuro.2025.03.013 PMID:40222151	研究论文	研究锂和喹硫平在双相情感障碍和分裂情感性障碍早期阶段的神经保护作用	使用深度学习模型预测脑龄，探讨锂和喹硫平对首次躁狂发作（FEM）患者脑结构的影响	样本量较小，随访时间较短，未能观察到治疗组间的显著差异	评估锂和喹硫平对首次躁狂发作（FEM）患者的神经保护效果	首次躁狂发作（FEM）的年轻患者（15-25岁）	数字病理学	双相情感障碍和分裂情感性障碍	T1加权扫描和深度学习模型	深度学习模型	MRI图像	FEM患者39人（锂治疗21人，喹硫平治疗18人），健康对照组29人，训练数据集53,542人