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
521	2025-07-17	Quantitative Analysis of Deltamethrin Residues in Water Using Surface-Enhanced Raman Spectroscopy 2025-Dec-15, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2025.126545 PMID:40614471	研究论文	本研究创新性地结合表面增强拉曼光谱(SERS)与增强深度神经网络，提出了一种高灵敏度且准确的水中溴氰菊酯残留定量分析方法	通过引入门控循环单元(GRU)和注意力机制，构建了CNN-GRU-Attention增强混合神经网络，显著提升了特征提取能力和非线性关系建模	NA	开发一种高灵敏度且准确的水中溴氰菊酯残留定量分析方法	水中的溴氰菊酯残留	机器学习和光谱分析	NA	表面增强拉曼光谱(SERS)	CNN-GRU-Attention混合神经网络	光谱数据	NA
522	2025-07-17	Performance of AI methods in PET-based imaging for outcome prediction in lymphoma: A systematic review and meta-analysis 2025-Sep, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.112204 PMID:40466216	meta-analysis	评估人工智能方法在基于PET成像的淋巴瘤预后预测中的表现	首次通过系统综述和荟萃分析评估AI方法在淋巴瘤预后预测中的表现，特别是深度学习的优越性	需要进一步的前瞻性研究以验证临床应用的可行性	评估AI方法在淋巴瘤预后预测中的性能	淋巴瘤患者	数字病理学	淋巴瘤	PET成像	深度学习(DL), 机器学习(ML), 放射组学	图像	75项研究，主要关注非霍奇金淋巴瘤(NHL, n=61)
523	2025-07-17	Learning discrete structures for cancer radiomics 2025-Sep, APL bioengineering IF:6.6Q1 DOI:10.1063/5.0260927 PMID:40655195	研究论文	本文提出了一种基于图像图的神经网络方法，用于癌症放射组学分析，通过共同学习图像图和优化特征来提高性能	开发了一种能够同时学习图像图和优化特征的Image-Graph based neural Network，解决了现有方法忽略图像间潜在关系的问题	未明确提及具体局限性	提高癌症放射组学分析的性能	癌症图像数据	数字病理	癌症	放射组学分析	Image-Graph based neural Network	图像	来自五家不同医院的四个真实数据集
524	2025-07-17	Enhanced reconstruction of atomic force microscopy cell images to super-resolution 2025-Aug, Journal of microscopy IF:1.5Q3 DOI:10.1111/jmi.13423 PMID:40341533	研究论文	本研究提出了一种基于深度学习的跨模块方法，用于超分辨率重建原子力显微镜（AFM）细胞图像，通过整合频率分割和自适应融合模块显著提升图像质量	提出了一种增强的空间融合结构和优化的反向投影机制，结合对抗性超分辨率网络，有效检测AFM细胞图像特有的弱信号和复杂纹理，并设计了基于交叉的频率分割模块以分离和增强与细胞结构相关的特征	未明确提及具体局限性，但可能受限于AFM图像采集的固有噪声或特定细胞类型的适用性	提升AFM细胞图像的分辨率和质量，以支持细胞生物学研究和生物医学应用	原子力显微镜（AFM）捕获的细胞图像	计算机视觉	NA	原子力显微镜（AFM）成像与深度学习	对抗性超分辨率网络（GAN）	图像（AFM细胞表面形貌图）	多种细胞的AFM图像（未明确数量）
525	2025-07-17	Learning-Based Classification of B- and T-Cell Lymphoma on Histopathological Images: A Multicenter Study 2025-Aug, European journal of haematology IF:2.3Q2 DOI:10.1111/ejh.14433 PMID:40360162	研究论文	本研究探讨了深度学习模型在B细胞和T细胞淋巴瘤组织病理学图像分类中的首次可行性应用	首次在组织病理学图像上应用深度学习模型进行B细胞和T细胞淋巴瘤分类，并集成了卷积块注意力模块(CBAMs)	研究样本量相对有限(1510个切片)，且仅针对H&E染色图像	开发AI驱动的淋巴瘤分类系统以提高诊断精度并减少对人工染色和判读的依赖	B细胞和T细胞淋巴瘤的组织病理学图像	数字病理学	淋巴瘤	H&E染色	CNN (Xception, NASNetL, ResNet50, EfficientNet) 与 CBAMs结合	图像	1510个H&E染色切片(750个B细胞，760个T细胞)
526	2025-07-17	Large-scale deep learning for metastasis detection in pathology reports 2025-Aug, JAMIA open IF:2.5Q3 DOI:10.1093/jamiaopen/ooaf070 PMID:40655537	研究论文	本研究开发了一种深度学习模型，用于从病理报告中自动检测转移性癌症患者	开发了一个针对特定任务的深度学习模型，其在性能上优于通用的大型语言模型（LLM），并通过不确定性量化提高了召回率	研究仅基于来自4个SEER登记处的病理报告，可能无法覆盖所有癌症类型和人群	开发一种能够从非结构化病理报告中自动识别转移性癌症的算法	60,471份非结构化病理报告	数字病理	癌症	深度学习	深度神经网络	文本	60,471份病理报告
527	2025-07-17	Explainable CT-based deep learning model for predicting hematoma expansion including intraventricular hemorrhage growth 2025-Jul-18, iScience IF:4.6Q1 DOI:10.1016/j.isci.2025.112888 PMID:40655092	research paper	开发并验证了一种基于CT的深度学习模型HENet，用于预测血肿扩张（包括脑室内出血增长）	HENet模型在预测血肿扩张方面表现优于传统2D模型和医生预测，并通过Grad-CAM技术提供了模型决策的可视化解释	研究为回顾性多中心研究，可能存在选择偏倚	提高脑出血患者血肿扩张预测的准确性	718名脑出血患者的CT扫描和临床数据	digital pathology	cardiovascular disease	CT扫描	deep learning (HENet)	image (CT scans) 和 clinical data	718名脑出血患者
528	2025-07-17	ComptoNet: a Compton-map guided deep learning framework for multi-scatter estimation in multi-source stationary CT 2025-Jul-16, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/adebd7 PMID:40609598	研究论文	提出了一种名为ComptoNet的解耦深度学习框架，用于多源静态CT中的多散射估计	创新点在于引入了Compton-map表示大角度康普顿散射信号，并采用双网络架构进行散射估计和校正	实验数据基于蒙特卡洛模拟，未提及真实临床数据的验证	解决多源静态CT中缺乏抗散射网格导致的严重散射污染问题	多源静态CT系统	计算机视觉	NA	深度学习	条件编码器-解码器网络, 频率U-Net	CT图像	蒙特卡洛模拟数据（未提具体数量）
529	2025-07-17	MR-Transformer: A Vision Transformer-based Deep Learning Model for Total Knee Replacement Prediction Using MRI 2025-Jul-16, Radiology. Artificial intelligence DOI:10.1148/ryai.240373 PMID:40668131	research paper	开发了一种基于Transformer的深度学习模型MR-Transformer，用于通过MRI预测膝关节骨关节炎进展至全膝关节置换术(TKR)	利用ImageNet预训练和三维空间相关性，首次将Transformer架构应用于膝关节MRI的TKR预测	研究为回顾性设计，样本量相对有限，且仅使用了特定数据库的MRI序列	开发高性能深度学习模型预测膝关节骨关节炎进展至TKR	膝关节MRI图像	digital pathology	geriatric disease	MRI	Transformer	3D medical image	623例匹配病例对照(353例来自OAI数据库，270例来自MOST数据库)
530	2025-07-17	Single Inspiratory Chest CT-based Generative Deep Learning Models to Evaluate Functional Small Airway Disease 2025-Jul-16, Radiology. Artificial intelligence DOI:10.1148/ryai.240680 PMID:40668132	研究论文	开发了一种基于单次吸气胸部CT扫描的生成式深度学习模型，用于评估功能性小气道疾病	提出了一种新的生成式深度学习模型，仅需单次吸气CT扫描即可生成参数响应图并预测功能性小气道疾病，性能优于现有算法	研究为回顾性研究，模型性能在不同测试集中存在一定波动	开发基于深度学习的医学影像分析工具用于肺部疾病评估	功能性小气道疾病患者	数字病理学	肺部疾病	深度学习	生成式深度学习模型	CT影像	308名患者（中位年龄67岁）
531	2025-07-17	Deep learning for appendicitis: development of a three-dimensional localization model on CT 2025-Jul-16, Japanese journal of radiology IF:2.9Q2 DOI:10.1007/s11604-025-01834-1 PMID:40668351	研究论文	开发并评估了一种用于在腹部CT上检测阑尾炎的深度学习模型	使用三维定位模型在CT上检测阑尾炎，并评估了模型在不同临床因素下的表现	研究为单中心回顾性研究，样本量有限，且未考虑年龄小于20岁、穿孔、阑尾不清晰和阑尾肿瘤等病例	开发一种深度学习模型，用于在CT上检测阑尾炎	阑尾炎患者的腹部CT图像	数字病理	阑尾炎	CT成像	Faster R-CNN	图像	567例阑尾炎患者的CT图像（训练集517例，验证集50例），测试集包括100例阑尾炎CT和100例对照CT
532	2025-07-17	Distinguishing symptomatic and asymptomatic trigeminal nerves through radiomics and deep learning: A microstructural study in idiopathic TN patients and asymptomatic control group 2025-Jul-16, Neuroradiology IF:2.4Q2 DOI:10.1007/s00234-025-03691-1 PMID:40668403	research paper	该研究利用人工智能分析三叉神经的微观结构，以区分特发性三叉神经痛患者和无症状对照组的症状性和无症状性神经	结合放射组学和深度学习技术，首次在特发性三叉神经痛患者和无症状对照组之间区分症状性和无症状性神经	需要进一步研究以全面阐明可能导致特发性三叉神经痛的血管和非血管病因的影响	区分特发性三叉神经痛患者和无症状对照组的症状性和无症状性神经	特发性三叉神经痛患者和无症状对照组的三叉神经	digital pathology	trigeminal neuralgia	MRI	DenseASPP-201, MobileASPPV2, SDEL, SVM, KNN	image	78例症状性三叉神经和182例无症状性三叉神经（91例1级NVC和91例0级NVC）
533	2025-07-17	Integrated machine learning and deep learning-based virtual screening framework identifies novel natural GSK-3β inhibitors for Alzheimer's disease 2025-Jul-16, Journal of computer-aided molecular design IF:3.0Q2 DOI:10.1007/s10822-025-00637-w PMID:40668407	研究论文	本文提出了一种结合机器学习和深度学习的虚拟筛选框架，用于识别阿尔茨海默病的潜在天然GSK-3β抑制剂	结合可解释的随机森林模型和深度学习分子对接平台KarmaDock，提高了筛选的准确性和可解释性	目前的研究结果仅为计算模拟，需要未来的实验验证	识别阿尔茨海默病的潜在天然GSK-3β抑制剂	天然产物中的GSK-3β抑制剂	机器学习	阿尔茨海默病	虚拟筛选、分子对接、药效团建模、分子动力学模拟	随机森林 (RF)、深度学习	分子数据	25,000种天然化合物
534	2025-07-17	Specific Contribution of the Cerebellar Inferior Posterior Lobe to Motor Learning in Degenerative Cerebellar Ataxia 2025-Jul-16, Cerebellum (London, England) DOI:10.1007/s12311-025-01887-y PMID:40668493	研究论文	本研究利用深度学习算法CerebNet分析小脑亚区体积与运动学习能力的关系，揭示了小脑后下叶在退行性小脑共济失调患者运动学习中的独特作用	首次发现小脑后下叶体积与运动学习能力存在特异性关联，为小脑功能分区提供了新证据	样本量较小(37例患者和18例健康对照)，且结果可能受退行性小脑共济失调亚型影响	探究小脑不同亚区体积与运动学习能力和共济失调严重程度的关系	退行性小脑共济失调患者和健康对照者	数字病理学	退行性小脑共济失调	深度学习算法CerebNet	CNN	医学影像数据	37例患者和18例健康对照
535	2025-07-17	Validation of syncope short-term outcomes prediction by machine learning models in an Italian emergency department cohort 2025-Jul-16, Internal and emergency medicine IF:3.2Q1 DOI:10.1007/s11739-025-04034-x PMID:40668516	研究论文	本研究旨在通过机器学习模型验证和比较晕厥患者短期不良结局的预测能力	首次在意大利急诊科队列中验证了梯度提升（GB）和逻辑回归（LR）模型，并与新型深度学习模型（TabPFN）和大语言模型（TabLLM）进行了性能比较	研究样本量较小（257例患者），且外部验证队列的事件发生率较高，可能影响模型的预测能力	验证和比较不同机器学习模型在预测晕厥患者短期不良结局方面的性能	2015年至2017年在意大利六家医院急诊科就诊的非低风险晕厥患者	机器学习	心血管疾病	机器学习算法（梯度提升、逻辑回归、深度学习、大语言模型）	GB, LR, TabPFN, TabLLM	临床数据	257例患者
536	2025-07-17	Evaluating Artificial Intelligence-Assisted Prostate Biparametric MRI Interpretation: An International Multireader Study 2025-Jul-16, AJR. American journal of roentgenology DOI:10.2214/AJR.24.32399 PMID:40668633	研究论文	评估人工智能辅助前列腺双参数MRI解读的国际多读者研究	研究首次评估了深度学习AI模型在前列腺双参数MRI解读中对临床显著前列腺癌检测率和读者间一致性的影响	AI辅助略微降低了病灶水平的敏感性，需要进一步优化以提高敏感性而不损害特异性	评估AI辅助对前列腺双参数MRI解读中临床显著前列腺癌检测率和读者间一致性的影响	前列腺双参数MRI扫描	数字病理	前列腺癌	深度学习	深度学习AI模型	MRI图像	180名患者（120例病例组，60例对照组）
537	2025-07-17	Artificial Intelligence Enhances Diagnostic Accuracy of Contrast Enemas in Hirschsprung Disease Compared to Clinical Experts 2025-Jul-15, European journal of pediatric surgery : official journal of Austrian Association of Pediatric Surgery ... [et al] = Zeitschrift fur Kinderchirurgie IF:1.5Q3 DOI:10.1055/a-2646-2052 PMID:40592491	研究论文	本研究评估了深度学习神经网络在对比灌肠检查中对先天性巨结肠症的诊断准确性，并与儿科外科医生和放射科医生的诊断表现进行了比较	首次将深度学习神经网络应用于对比灌肠图像分析，并结合临床数据提升诊断性能	研究为回顾性设计，样本量相对有限（测试集仅218张图像）	评估人工智能在先天性巨结肠症影像学诊断中的应用价值	15岁以下疑似先天性巨结肠症患者的对比灌肠图像	数字病理	先天性巨结肠症	深度学习	DNN	医学影像	1,471张对比灌肠图像（其中218张用于测试）
538	2025-07-17	Multimodal Detection of Agitation in People With Dementia in Clinical Settings: Observational Pilot Study 2025-Jul-15, JMIR aging IF:5.0Q1 DOI:10.2196/68156 PMID:40663489	研究论文	本研究提出了一种新型多模态系统，用于预测严重痴呆患者的激动和攻击行为（AA）发作，结合了可穿戴传感器数据和隐私保护视频分析技术	首次整合可穿戴设备数据与匿名化视频分析，实现AA事件的实时预测，且预测时间提前至少6分钟	样本量较小（仅10名参与者），需进一步扩大验证	开发客观、自动化的痴呆患者行为症状监测系统	严重痴呆患者（伴激动/攻击行为）	数字病理学	老年性疾病	多模态数据融合（可穿戴生物标志物+视频行为分析）	Extra Trees/多层感知机(MLP)/门控循环单元(GRU)/LSTM	生理信号数据（手腕带）+视频数据	10名受试者（安大略海岸心理健康研究所）
539	2025-07-17	3D isotropic high-resolution fetal brain MRI reconstruction from motion corrupted thick data based on physical-informed unsupervised learning 2025-Jul-15, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3586049 PMID:40663667	研究论文	提出了一种基于物理信息无监督学习的3D各向同性高分辨率胎儿脑MRI重建方法，用于从运动损坏的厚数据中重建高质量图像	提出了一种无监督迭代联合SVR和SRR的深度学习框架，无需大规模外部3D高分辨率训练数据集	未提及具体临床数据集的样本量限制或模型泛化能力的详细评估	提升胎儿脑MRI的运动校正和超分辨率重建技术，以支持精确的临床诊断和胎儿脑发育研究	胎儿脑MRI图像	医学影像处理	胎儿脑发育	深度学习、卷积神经网络、深度图像先验框架	CNN	MRI图像	模拟数据和临床数据（具体数量未提及）
540	2025-07-17	Efficient Visual Transformer by Learnable Token Merging 2025-Jul-15, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3588186 PMID:40663671	研究论文	本文提出了一种新颖且紧凑的Transformer块——LTM-Transformer，通过可学习的令牌合并方案提升视觉Transformer的效率	提出LTM-Transformer，通过可学习的令牌合并方案减少FLOPs和推理时间，同时保持或提高预测精度	NA	提升视觉Transformer的计算效率和预测精度	视觉Transformer模型	计算机视觉	NA	NA	Transformer, LTM-Transformer	图像	NA