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	2025-05-17	Developing the Artificial Intelligence Method and System for "Multiple Diseases Holistic Differentiation" in Traditional Chinese Medicine and Its Interpretability to Clinical Decision 2025-Jun, Journal of evidence-based medicine DOI:10.1111/jebm.70016 PMID:40176367	研究论文	本研究开发了一种结合先验规则和深度学习的中医人工智能方法及系统，用于提升中医多病整体辨证的临床决策透明度和可解释性	提出了TCM-SEI-RD方法和TCM-MDHD系统，融合BERT与CNN模型捕捉特征相关序列，并通过分层模块预测多种中医证候	未明确提及具体样本量及外部验证结果	开发可解释性强的中医AI临床决策支持系统	中医多病整体辨证（MDHD）的证候要素	自然语言处理	中医多病种	深度学习	BERT-CNN混合模型	文本（专家知识数据集）	NA
522	2025-05-17	Advancing Intracranial Aneurysm Detection: A Comprehensive Systematic Review and Meta-analysis of Deep Learning Models Performance, Clinical Integration, and Future Directions 2025-Jun, Journal of clinical neuroscience : official journal of the Neurosurgical Society of Australasia IF:1.9Q4 DOI:10.1016/j.jocn.2025.111243 PMID:40306254	meta-analysis	本文通过系统综述和荟萃分析评估了深度学习模型在颅内动脉瘤检测中的性能及其对临床诊断的辅助作用	深度学习模型在颅内动脉瘤检测中表现优于传统临床评估，显著提高了诊断的敏感性和特异性	需要在更多样化的临床环境中进行进一步验证，并实现与标准工作流程的无缝集成	评估深度学习模型在颅内动脉瘤检测中的性能及其对临床诊断的影响	颅内动脉瘤	digital pathology	cardiovascular disease	CT angiography (CTA), digital subtraction angiography (DSA), time-of-flight MR angiography (TOF-MRA)	DL	image	NA
523	2025-05-17	A comprehensive image dataset for accurate diagnosis of betel leaf diseases using artificial intelligence in plant pathology 2025-Jun, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2025.111564 PMID:40371167	research paper	该研究旨在开发一个全面的槟榔叶病害图像数据集，以支持基于人工智能的植物病理学研究	首次提供了一个全面的槟榔叶病害图像数据集，填补了该领域的数据空白	数据集仅包含两种常见病害（叶腐病和叶斑病），可能无法覆盖所有槟榔叶病害类型	开发可靠的槟榔叶病害诊断工具，支持农业可持续发展	槟榔叶及其病害（叶腐病和叶斑病）	digital pathology	plant disease	image augmentation (flipping, brightness factor, contrast factor, rotation)	deep learning	image	初始采集2,037张图像，通过数据增强扩展到10,185张图像
524	2025-05-17	New approaches to lesion assessment in multiple sclerosis 2025-May-19, Current opinion in neurology IF:4.1Q2 DOI:10.1097/WCO.0000000000001378 PMID:40377692	review	总结人工智能驱动的病灶分割和新型神经影像技术在多发性硬化症(MS)病灶识别和表征方面的最新进展	深度学习技术革新了MS病灶评估和分割，提高了准确性、可重复性和效率，并能自动检测特定病灶亚型	NA	改善MS的诊断、监测和治疗反应评估	多发性硬化症(MS)病灶	digital pathology	multiple sclerosis	quantitative susceptibility mapping (QSM), χ-separation imaging, soma and neurite density imaging (SANDI), PET	deep learning	neuroimaging	NA
525	2025-05-17	Deep Learning-Based Classification of CRISPR Loci Using Repeat Sequences 2025-May-16, ACS synthetic biology IF:3.7Q1 DOI:10.1021/acssynbio.5c00174 PMID:40261207	research paper	提出了一种基于深度学习的CRISPR位点分类方法CRISPRclassify-CNN-Att，仅利用重复序列进行分类	使用CNN和自注意力机制从重复序列中提取特征，采用堆叠策略处理样本不平衡问题，并通过迁移学习提高小样本亚型的分类准确率	在样本量较少的亚型上分类性能可能受限	开发不依赖cas基因的CRISPR-Cas系统分类方法	CRISPR位点的重复序列	machine learning	NA	deep learning	CNN with self-attention	sequence data	多种亚型，特别是样本量较大的亚型
526	2025-05-17	RadField3D: a data generator and data format for deep learning in radiation-protection dosimetry for medical applications 2025-May-16, Journal of radiological protection : official journal of the Society for Radiological Protection IF:1.4Q3 DOI:10.1088/1361-6498/add53d PMID:40334671	research paper	介绍了一个基于Geant4的开源蒙特卡洛模拟应用RadField3D，用于生成三维辐射场数据集，并提出了一个快速、机器可解释的数据格式RadFiled3D，便于神经网络研究集成	开发了开源工具RadField3D和配套的数据格式，旨在利用深度学习研究替代辐射模拟方法	未提及具体的数据集规模或应用场景的局限性	研究替代辐射模拟方法，特别是利用深度学习技术	三维辐射场数据集	machine learning	NA	Monte-Carlo simulation, deep learning	NA	three-dimensional radiation field datasets	NA
527	2025-05-17	Patient-specific uncertainty calibration of deep learning-based autosegmentation networks for adaptive MRI-guided lung radiotherapy 2025-May-16, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/add640 PMID:40340988	research paper	该研究提出了一种针对自适应MRI引导的肺癌放射治疗中深度学习自动分割网络的患者特异性不确定性校准方法	提出了一种患者特异性训练后不确定性校准方法，显著提高了深度学习自动分割模型的不确定性校准精度	研究样本量相对较小（122例肺癌患者），且GTV分割性能在基线模型中表现较差	提高自适应放射治疗中深度学习自动分割模型的不确定性校准精度	肺癌患者和其器官风险区域（OARs）及大体肿瘤体积（GTVs）	digital pathology	lung cancer	Monte Carlo Dropout (MCD)	3D-U-Net	MRI图像	122例肺癌患者（80例训练集，19例验证集，23例测试集）
528	2025-05-17	Exploiting network optimization stability for enhanced PET image denoising using deep image prior 2025-May-16, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/add63f PMID:40341245	研究论文	提出一种利用网络优化稳定性增强PET图像去噪的方法，基于条件深度图像先验（DIP）	在条件DIP的优化过程中引入稳定性映射，通过多个中间输出来识别网络优化轨迹中的不稳定区域，从而提高去噪的可靠性和定量准确性	方法仅在脑部[F]FDG PET图像上进行了验证，未涉及其他类型PET数据或更广泛的临床应用场景	提高PET图像去噪的可靠性和定量准确性	PET图像	数字病理	NA	深度图像先验（DIP）	条件DIP	图像	8个高分辨率脑部PET数据集
529	2025-05-17	Construction of Sonosensitizer-Drug Co-Assembly Based on Deep Learning Method 2025-May-16, Small (Weinheim an der Bergstrasse, Germany) DOI:10.1002/smll.202502328 PMID:40376918	研究论文	本文介绍了一种基于深度学习的声敏剂-药物相互作用（SDI）模型，用于预测药物混合物的粒径	设计了多尺度交叉注意力机制来整合两种药物不同尺度子结构的特征表示，提高了预测准确性并允许分析分子结构对预测的影响	未明确说明模型在其他类型药物组合上的泛化能力	开发一种预测药物共组装粒径的深度学习方法	声敏剂和化疗药物的共组装纳米药物	机器学习	肝癌	深度学习	图神经网络	分子结构数据	NA
530	2025-05-17	ASOptimizer: optimizing chemical diversity of antisense oligonucleotides through deep learning 2025-May-16, Nucleic acids research IF:16.6Q1 DOI:10.1093/nar/gkaf392 PMID:40377084	research paper	介绍了一个基于深度学习的计算框架ASOptimizer，用于优化反义寡核苷酸（ASO）的序列和化学修饰	开发了一个用户友好的网络服务器，使研究人员无需深度学习专业知识即可轻松优化ASO序列和化学修饰	未提及具体性能指标或与其他方法的比较	优化反义寡核苷酸的化学多样性以提高基因治疗效果	反义寡核苷酸（ASO）	machine learning	NA	deep learning	NA	sequence data	NA
531	2025-05-17	Automated CT segmentation for lower extremity tissues in lymphedema evaluation using deep learning 2025-May-16, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-11673-3 PMID:40377677	研究论文	开发并验证了一种基于深度学习的自动分割工具，用于下肢CT扫描中的组织成分分析	使用Unet++架构和EfficientNet-B7编码器的深度学习模型，实现了高精度的组织分割和淋巴水肿评估	样本量相对较小（内部和外部验证集各10例），且仅针对妇科癌症患者的下肢淋巴水肿	开发一种自动化的深度学习分割工具，用于淋巴水肿的临床评估	下肢CT扫描中的脂肪、肌肉和液-纤维化组织成分	数字病理学	淋巴水肿	CT扫描	Unet++ with EfficientNet-B7 encoder	CT图像	118例妇科癌症患者用于算法训练，内部和外部验证集各10例
532	2025-05-17	Impact of sarcopenia and obesity on mortality in older adults with SARS-CoV-2 infection: automated deep learning body composition analysis in the NAPKON-SUEP cohort 2025-May-16, Infection IF:5.4Q1 DOI:10.1007/s15010-025-02555-3 PMID:40377852	research paper	研究探讨肥胖和肌肉减少症对老年SARS-CoV-2感染患者死亡率的影响，采用深度学习模型自动分析胸部CT扫描的身体成分	创新地应用预训练深度学习模型自动分析常规胸部CT扫描的身体成分，为临床实践提供标准化评估新方法	样本量较小（157例），且仅针对60岁以上严重COVID-19肺炎患者，结果可能不适用于其他人群	评估肥胖和肌肉减少症对严重呼吸道感染老年患者死亡率的相对影响	60岁以上确诊严重COVID-19肺炎的住院患者	digital pathology	geriatric disease	CT扫描	pre-trained deep learning model	image	157例住院患者（平均年龄70±8岁，41%女性）
533	2025-05-17	A deep learning-based approach to automated rib fracture detection and CWIS classification 2025-May-16, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-025-03390-5 PMID:40377883	研究论文	开发了一种基于深度学习的自动化方法，用于检测CT扫描中的肋骨骨折并根据CWIS分类标准进行分类	首次提出结合肋骨骨折检测与CWIS分类的自动化方法，并采用nnU-Net进行肋骨编号标注	训练集中某些罕见类别的样本不足，影响分类性能	开发自动化肋骨骨折检测和分类方法以辅助临床诊断	创伤性肋骨骨折患者	数字病理	创伤性损伤	CT扫描	nnU-Net	医学影像	198例CT扫描（170例训练/内部验证，28例外部验证）
534	2025-05-17	Analytical and experimental solutions for Fourier transform infrared microspectroscopy measurements of microparticles: A case study on Quercus pollen 2025-May-15, Analytica chimica acta IF:5.7Q1 DOI:10.1016/j.aca.2025.343879 PMID:40187871	研究论文	本文通过比较12种不同的分析和实验方法，研究了傅里叶变换红外显微光谱（FTIR）在微粒子（以四种栎属植物花粉为例）测量中的应用	首次比较了12种不同的分析和实验方法在FTIR微粒子测量中的应用，并展示了在花粉分类和化学表征中的效果	研究仅针对栎属植物花粉，未涵盖其他类型的微粒子	比较不同的预处理方法在FTIR微粒子测量中的优缺点及适用场景	四种栎属植物花粉	光谱分析	NA	FTIR显微光谱	DCNN（深度卷积神经网络）	光谱数据	四种栎属植物花粉
535	2025-05-17	Measuring the severity of knee osteoarthritis with an aberration-free fast line scanning Raman imaging system 2025-May-15, Analytica chimica acta IF:5.7Q1 DOI:10.1016/j.aca.2025.343900 PMID:40187878	研究论文	本文介绍了一种结合自研拉曼成像系统和深度学习去噪加速算法，用于快速诊断和分级膝骨关节炎的方法	开发了一种无像差快速线扫描拉曼成像系统，结合深度学习算法显著提高了成像速度和信噪比，实现了膝骨关节炎的快速无标记检测和精确分级	实验样本仅限于膝骨关节炎患者的胫骨平台，未涉及其他关节或更大规模的临床验证	实现膝骨关节炎的快速诊断和精确分级	膝骨关节炎患者的胫骨平台组织	数字病理	骨关节炎	拉曼成像，深度学习	深度学习去噪算法	光谱数据	膝骨关节炎患者的胫骨平台组织样本（具体数量未提及）
536	2025-05-17	Rapid and sensitive detection of pharmaceutical pollutants in aquaculture by aluminum foil substrate based SERS method combined with deep learning algorithm 2025-May-15, Analytica chimica acta IF:5.7Q1 DOI:10.1016/j.aca.2025.343920 PMID:40187885	research paper	本研究开发了一种基于铝箔的SERS检测基底，并结合多层感知器（MLP）深度学习模型，用于快速识别水产养殖废水中的抗生素成分	结合铝箔基底SERS检测与MLP深度学习模型，实现了高灵敏度检测和复杂污染物的准确识别	未提及在实际复杂水体环境中的大规模应用验证	开发一种快速、高灵敏度的水产养殖中药物污染物检测方法	水产养殖废水中的抗生素和消毒剂残留	环境监测	NA	表面增强拉曼光谱（SERS）	多层感知器（MLP）	光谱数据	6种目标化合物（氟罗沙星、左氧氟沙星、培氟沙星、磺胺嘧啶、亚甲蓝和孔雀石绿）
537	2025-05-17	2.5D Multi-view Averaging Diffusion Model for 3D Medical Image Translation: Application to Low-count PET Reconstruction with CT-less Attenuation Correction 2025-May-15, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3570342 PMID:40372846	研究论文	本文提出了一种新型的2.5D多视角平均扩散模型（MADM），用于3D医学图像转换，特别应用于低计数PET重建与无CT衰减校正	开发了MADM模型，通过轴向、冠状和矢状视图的独立扩散模型及其输出平均，解决了传统扩散模型在3D应用中的高计算成本和内存负担问题	未明确提及具体局限性，但可能涉及计算资源需求或模型泛化能力	开发3D医学图像转换方法，将非衰减校正低剂量PET转换为衰减校正标准剂量PET	低剂量PET图像（NAC-LDPET）和标准剂量PET图像（AC-SDPET）	数字病理	NA	扩散模型	MADM（2.5D多视角平均扩散模型）	3D医学图像	人类患者研究（具体数量未提及）
538	2025-05-17	A Deep Learning-Enabled Workflow to Estimate Real-World Progression-Free Survival in Patients With Metastatic Breast Cancer: Study Using Deidentified Electronic Health Records 2025-May-15, JMIR cancer IF:3.3Q2 DOI:10.2196/64697 PMID:40372953	研究论文	本研究开发并验证了一种基于深度学习的半自动化工作流程，用于利用去标识化的电子健康记录数据估计转移性乳腺癌患者的真实世界无进展生存期（rwPFS）	配置了一个预训练的通用医疗NLP框架，将自由文本临床记录和放射学报告转化为结构化进展事件，用于研究转移性乳腺癌队列的rwPFS	需要在更多样化的外部数据集和其他癌症类型上进一步验证以确保广泛的适用性和普适性	开发一种快速可靠的方法来确定接受联合治疗的转移性乳腺癌患者的真实世界无进展生存期	转移性乳腺癌患者	自然语言处理	乳腺癌	NLP	深度学习	文本	316名激素受体阳性、HER-2阴性的转移性乳腺癌患者
539	2025-05-17	Deep Learning-Based Chronic Obstructive Pulmonary Disease Exacerbation Prediction Using Flow-Volume and Volume-Time Curve Imaging: Retrospective Cohort Study 2025-May-15, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/69785 PMID:40373296	研究论文	本研究利用深度学习和临床数据结合肺功能测试图像，预测慢性阻塞性肺疾病（COPD）的急性加重事件	通过结合临床数据和肺功能测试图像（流量-容积环和时间-容积曲线），使用AI技术提高了COPD急性加重事件的预测准确性	研究为回顾性队列研究，可能存在选择偏倚	提高COPD急性加重事件的预测准确性	COPD患者	数字病理学	慢性阻塞性肺疾病	深度学习	AI-PFT-Clin模型	图像和临床数据	10,492例COPD病例（开发队列6,870例，外部验证队列3,622例）
540	2025-05-17	Modifying the U-Net's Encoder-Decoder Architecture for Segmentation of Tumors in Breast Ultrasound Images 2025-May-15, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01537-z PMID:40374986	research paper	该论文提出了一种基于U-Net和编码器-解码器架构的神经网络，用于提高乳腺超声图像分割的准确性和有效性	通过结合U-Net与其他深度神经网络（Res-Net和MultiResUNet）并引入新的方法和块（Co-Block），尽可能保留低层次和高层次特征	未提及具体局限性	提高乳腺超声图像分割的准确性和有效性	乳腺超声图像	digital pathology	breast cancer	NA	U-Net, Res-Net, MultiResUNet	image	780张图像（分为正常、良性和恶性三类）