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	2025-09-25	Reliable interpretability of biology-inspired deep neural networks 2023-10-10, NPJ systems biology and applications IF:3.5Q1 DOI:10.1038/s41540-023-00310-8 PMID:37816807	研究论文	本研究评估并改进了生物启发式深度神经网络P-NET的可解释性方法，重点关注解释结果的稳健性和知识偏见控制	首次将可靠可解释性分析方法扩展到基于患者突变数据的生物启发式模型，提出了控制解释稳健性和偏见的新方法	研究仅针对P-NET模型进行验证，未涵盖所有类型的生物启发式深度学习模型	开发确保生物启发式深度学习模型可解释性稳健性和偏见感知的方法	生物启发式深度神经网络P-NET及其可解释性	机器学习	NA	深度学习	P-NET（生物启发式神经网络）	患者突变数据	NA
522	2025-09-25	Pervasive downstream RNA hairpins dynamically dictate start-codon selection 2023-09, Nature IF:50.5Q1 DOI:10.1038/s41586-023-06500-y PMID:37674078	研究论文	本研究通过整合拟南芥模式触发免疫期间的转录组水平翻译和结构分析，揭示下游RNA发夹结构动态调控起始密码子选择的分子机制	首次发现uAUG下游双链RNA结构（uAUG-ds）通过调控扫描前起始复合体来选择性地翻译上游起始密码子，并证明该机制在人类细胞中具有保守性	NA	探究在不同条件下选择性翻译起始的调控机制	拟南芥模式触发免疫过程中的mRNA翻译调控机制	分子生物学	植物免疫	转录组水平翻译分析、RNA结构分析、深度学习建模	深度学习模型	转录组数据、RNA结构数据	NA
523	2025-09-25	Scientific discovery in the age of artificial intelligence 2023-08, Nature IF:50.5Q1 DOI:10.1038/s41586-023-06221-2 PMID:37532811	综述	探讨人工智能在科学发现中的应用与前景	系统总结自监督学习和几何深度学习等AI技术如何推动跨学科科学发现	指出数据质量和管理问题仍是当前主要挑战	分析AI增强科学研究的潜力与路径	跨学科科学研究过程	机器学习	NA	自监督学习、几何深度学习、生成式AI	NA	多模态数据（图像、序列等）	NA
524	2025-09-25	Self-supervised semantic segmentation of retinal pigment epithelium cells in flatmount fluorescent microscopy images 2023-04-03, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btad191 PMID:37067486	研究论文	提出一种自监督语义分割方法用于视网膜色素上皮细胞的自动分割	开发了结合重建损失、成对表示损失和形态学损失的自监督学习框架，并提出新的图像增强算法AugCut	NA	解决视网膜色素上皮细胞分割中标注数据不足的问题	视网膜色素上皮细胞	数字病理	老年性疾病	荧光显微镜成像	编码器-解码器架构的语义分割网络	荧光显微镜图像	大量荧光显微镜图像数据集
525	2025-09-25	Non-Destructive Banana Ripeness Detection Using Shallow and Deep Learning: A Systematic Review 2023-Jan-09, Sensors (Basel, Switzerland) DOI:10.3390/s23020738 PMID:36679535	系统性综述	本文系统综述了基于浅层学习和深度学习的香蕉成熟度无损检测方法	首次系统比较不同机器学习方法在香蕉成熟度检测中的性能表现，明确CNN在大数据集中的优势及传统ANN/SVM在传感器数据中的适用性	现有研究存在数据集信息不足、数据可用性有限、过度依赖数据增强技术等问题	评估自动化香蕉成熟度检测技术的研究现状与发展趋势	香蕉果实（以香蕉指为主要研究对象）	计算机视觉	NA	机器学习、深度学习	CNN、ANN、SVM	图像	从1548篇研究中筛选35篇进行系统分析
526	2025-09-24	GShC-Net: Hybrid deep learning with DCTLAP feature extraction for brain tumor detection 2025-Dec, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2025.108577 PMID:40701121	研究论文	提出一种融合GoogleNet和Shepard卷积网络的混合深度学习模型GShC-Net，用于脑肿瘤的自动检测与分类	首次将GoogleNet与Shepard卷积神经网络进行融合，并采用DCTLAP等混合特征提取方法	NA	开发自动化脑肿瘤检测系统以提高诊断准确性	脑部医学图像中的肿瘤区域	计算机视觉	脑肿瘤	深度学习、特征提取（Haralick纹理特征、统计特征、DCTLAP）	混合CNN（GoogleNet-Shepard CNN）	医学图像	NA
527	2025-09-24	A pre-training enhanced deep learning framework for robust sparse unmixing in chemical imaging 2025-Nov-08, Analytica chimica acta IF:5.7Q1 DOI:10.1016/j.aca.2025.344524 PMID:40983411	研究论文	提出了一种用于化学成像中稳健稀疏解混的预训练增强深度学习框架	利用光谱库生成的模拟光谱预训练深度学习模型，并通过线性/非线性解码器适应不同混合场景	NA	开发准确稳健的化学成像解混算法	颜料混合物、糖溶液和药物片剂三种化学数据集	化学成像分析	NA	高光谱成像、拉曼成像	深度学习模型	光谱数据	三个化学多样性数据集（具体样本量未明确说明）
528	2025-09-24	Leveraging Artificial Intelligence for Diabetic Retinopathy Screening and Management: History and Current Advances 2025-Nov, Seminars in ophthalmology IF:1.9Q2 DOI:10.1080/08820538.2024.2432902 PMID:39580713	综述	本文回顾了人工智能在糖尿病视网膜病变筛查与管理中的历史发展和当前进展	系统梳理了AI在DR筛查领域的关键算法发展历程，并重点介绍了获得美国FDA批准的三大自动化筛查算法	作为叙述性综述，缺乏对原始研究数据的定量分析和质量评估	评估人工智能在糖尿病视网膜病变筛查中的应用及现有自动化检测算法	糖尿病视网膜病变筛查算法及相关文献	数字病理	糖尿病视网膜病变	深度学习算法	深度学习算法（具体模型未明确说明）	视网膜图像（眼底摄影）	NA
529	2025-09-24	The potential role of machine learning and deep learning in differential diagnosis of Alzheimer's disease and FTD using imaging biomarkers: A review 2025-Oct, The neuroradiology journal DOI:10.1177/19714009251313511 PMID:39787363	综述	本文综述了机器学习和深度学习在利用影像生物标志物区分阿尔茨海默病与额颞叶痴呆鉴别诊断中的潜在作用	系统分析比较了机器学习与深度学习在AD和FTD鉴别诊断中的性能表现，并识别出SVM和ResNet分别为两类方法中最有效的模型	强调仍需结合临床检查和患者症状评估以确保诊断的全面准确性	探讨人工智能技术在神经退行性疾病鉴别诊断中的应用价值	阿尔茨海默病（AD）和额颞叶痴呆（FTD）患者	医学影像分析	神经退行性疾病	MRI、DTI、fMRI、PET、SPECT等影像技术	SVM、ResNet、CNN等机器学习与深度学习模型	医学影像数据	基于2012-2024年间发表的31篇相关文献的分析
530	2025-09-24	Evaluating the effect of noise reduction strategies in CT perfusion imaging for predicting infarct core with deep learning 2025-Oct, The neuroradiology journal DOI:10.1177/19714009251313517 PMID:39789894	研究论文	本研究评估深度学习模型在CT灌注成像中识别梗死核心的效能，重点分析不同降噪策略对模型性能的影响	首次系统比较多种降噪技术（PCA、小波、NLM）对深度学习模型在CTP图像中梗死核心预测性能的影响	样本量较小（60例患者），仅针对大血管闭塞型急性缺血性卒中患者	评估不同降噪策略对深度学习模型预测梗死核心准确性的影响	急性缺血性卒中患者的CT灌注扫描图像	医学影像分析	脑血管疾病	CT灌注成像、主成分分析、小波降噪、非局部均值降噪	U-Net、CNN	医学影像数据	60例接受机械取栓治疗的大血管闭塞型急性缺血性卒中患者
531	2025-09-24	Attention mechanism-based multi-parametric MRI ensemble model for predicting tumor budding grade in rectal cancer patients 2025-Oct, Abdominal radiology (New York) DOI:10.1007/s00261-025-04886-z PMID:40167646	研究论文	开发基于注意力机制的多参数MRI集成模型用于预测直肠癌患者肿瘤出芽分级	首次将CrossFormer架构与Transformer注意力机制相结合，构建多参数MRI特征集成模型来预测肿瘤出芽分级	回顾性研究设计，样本量相对有限，模型间AUC差异未达统计学显著性	开发深度学习模型预测直肠癌肿瘤出芽分级	458例经病理确诊的直肠癌患者	数字病理	直肠癌	多参数磁共振成像	CrossFormer, Transformer注意力机制	医学影像	458例患者（355例中心1，103例外部验证）
532	2025-09-24	Deep learning-based segmentation of gallbladder cancer on abdominal computed tomography scans: a multicenter study 2025-Oct, Abdominal radiology (New York) DOI:10.1007/s00261-025-04887-y PMID:40167645	研究论文	基于深度学习开发并验证用于腹部CT扫描中胆囊癌自动分割的模型	首次在多中心研究中比较多种先进2D和3D分割模型对胆囊癌的自动分割性能，并发现基于提示的2D基础模型MedSAM表现最佳	回顾性研究设计，样本量相对有限（特别是内部测试集仅29例）	训练和验证用于胆囊癌病灶自动分割的深度学习模型	经病理证实的初治胆囊癌患者的对比增强CT图像	计算机视觉	胆囊癌	深度学习图像分割	SAM Adapter, MedSAM, 3D TransUNet, SAM-Med3D, 3D-nnU-Net	医学影像（CT扫描）	训练验证集317例（中心1），内部测试集29例（中心1），外部测试集85例（三个中心）
533	2025-09-24	Preoperative Assessment of Lymph Node Metastasis in Rectal Cancer Using Deep Learning: Investigating the Utility of Various MRI Sequences 2025-Oct, Annals of surgical oncology IF:3.4Q1 DOI:10.1245/s10434-025-17717-8 PMID:40553356	研究论文	本研究开发基于多参数MRI的深度学习模型用于直肠癌术前淋巴结转移评估	提出多参数多尺度EfficientNet模型，首次系统比较不同MRI序列组合对淋巴结转移评估的贡献	回顾性研究设计，外部测试集样本量较小（n=47）	开发直肠癌术前淋巴结转移的深度学习评估模型	直肠癌患者	数字病理	直肠癌	多参数磁共振成像	EfficientNet	医学影像	613例来自四个医疗中心的直肠癌患者
534	2025-09-24	A Geometric Deep Learning Model for Real-Time Prediction of Knee Joint Biomechanics Under Meniscal Extrusion 2025-Oct, Annals of biomedical engineering IF:3.0Q3 DOI:10.1007/s10439-025-03798-9 PMID:40663282	研究论文	提出一种几何深度学习模型用于实时预测半月板挤压下的膝关节生物力学响应	首次将几何深度学习应用于膝关节生物力学预测，显著缩短计算时间并实现实时评估	模型训练数据来源于有限元分析，未直接使用临床实测数据验证	开发快速准确的膝关节生物力学预测方法以替代传统有限元分析	膝关节软组织（重点关注半月板挤压效应）	生物力学	骨关节炎	几何深度学习（GDL）	几何深度学习模型	有限元分析数据	NA
535	2025-09-24	Deep learning-based quantitative assessment inflammatory response of hyperreflective foci in diabetic macular edema 2025-Oct, Photodiagnosis and photodynamic therapy IF:3.1Q2 DOI:10.1016/j.pdpdt.2025.104728 PMID:40680912	研究论文	本研究通过深度学习定量评估糖尿病黄斑水肿中高反射点的炎症反应特征	首次结合深度学习自动分割系统与炎症因子检测，系统分析高反射点数量/体积与眼内炎症因子的相关性	样本量有限（39只DME眼），未验证HRF分布与细胞因子的相关性	探究糖尿病黄斑水肿患者眼内炎症因子与OCT影像中高反射点的关联性	29名DME患者（39眼）和19名对照组（19眼）的房水样本及SD-OCT影像	数字病理	糖尿病黄斑水肿	ELISA检测、光谱域光学相干断层扫描（SD-OCT）	深度学习自动分割系统	医学影像（OCT）、生物分子数据（房水细胞因子）	58只眼（39只DME眼+19只对照组眼）
536	2025-09-24	Efficacy and prognostic factors of anti-VEGF treatment for neovascular age-related macular degeneration: An OCTA imaging-based deep learning analysis 2025-Oct, Photodiagnosis and photodynamic therapy IF:3.1Q2 DOI:10.1016/j.pdpdt.2025.104701 PMID:40683364	研究论文	基于OCTA影像的深度学习分析抗VEGF治疗新生血管性年龄相关性黄斑变性的疗效及预后因素	首次采用改进的LUNet深度学习模型分析OCTA图像中的视网膜血管特征（FAZ、VD、VDI、Vdisp），发现MNV血管分散度与治疗反应呈正相关	回顾性单中心研究，样本量有限（165例患者），缺乏外部验证	探索抗VEGF治疗反应的影像学生物标志物和影响因素	渗出性年龄相关性黄斑变性患者	数字病理	年龄相关性黄斑变性	OCTA（光学相干断层扫描血管成像）	改进的LUNet深度学习模型	医学影像（OCTA图像）	165例渗出性AMD患者
537	2025-09-24	Deep self-cleansing for medical image segmentation with noisy labels 2025-Oct, Medical physics IF:3.2Q1 DOI:10.1002/mp.70007 PMID:40983942	研究论文	提出一种用于医学图像分割的深度自清洁框架，能够有效处理带噪声标签的训练数据	首次将高斯混合模型标签过滤模块与标签清洁模块结合，实现噪声标签的自动识别和清洁	仅在肝脏肿瘤和心脏诊断数据集上验证，需要更多医学影像模态的验证	开发能够减轻噪声标签影响的鲁棒医学图像分割框架	肝脏肿瘤CT扫描和心脏MRI扫描图像	医学图像分析	肝脏肿瘤、心脏疾病	深度学习分割框架	GMM、深度学习分割网络	医学影像（CT、MRI）	431个样本（231个CT扫描+200个MRI扫描）
538	2025-09-24	A deep learning framework for accurate mammographic mass classification using local context attention module 2025-Oct, Medical physics IF:3.2Q1 DOI:10.1002/mp.18119 PMID:40985504	研究论文	提出一种结合局部上下文注意力模块的深度学习框架，用于提高乳腺X线摄影中肿块分类的准确性	引入局部上下文注意力模块(LCAM)，通过通道和空间两个维度自适应优化特征，提升对乳腺肿块恶性相关特征的识别能力	NA	提高乳腺X线摄影对乳腺癌BI-RADS分级的准确性和一致性	乳腺X线摄影图像中的肿块区域	计算机视觉	乳腺癌	乳腺X线摄影	CNN（卷积神经网络）	医学图像	3020名患者，涵盖四个BI-RADS类别
539	2025-09-24	Enhancing auto-contouring with large language model in high-dose rate brachytherapy for cervical cancers 2025-Oct, Medical physics IF:3.2Q1 DOI:10.1002/mp.70034 PMID:40985602	研究论文	本研究提出了一种结合大语言模型生成任务特定提示的深度学习自动分割框架，用于提升宫颈癌高剂量率近距离放疗中的靶区勾画精度	首次将大语言模型生成的领域知识提示与Swin Transformer分割网络结合，通过指南驱动的智能提示提升自动分割性能	样本量较小（32例患者），乙状结肠分割精度较低，提示引导对HR-CTV勾画无明显改善	提高宫颈癌高剂量率近距离放疗中靶区和危及器官自动分割的准确性和一致性	宫颈癌患者的HR-CTV靶区及膀胱、直肠、乙状结肠等危及器官	数字病理	宫颈癌	深度学习，大语言模型（Chat-GPT），Swin Transformer	Swin Transformer编码器+全卷积网络解码器	CT图像	32例宫颈癌患者的124幅计划CT图像
540	2025-09-24	Transforming [177Lu]Lu-PSMA-617 treatment planning: Machine learning-based radiodosiomics and swin UNETR using pretherapy PSMA positron emission tomography/computed tomography (PET/CT) 2025-Oct, Medical physics IF:3.2Q1 DOI:10.1002/mp.70030 PMID:40985608	研究论文	本研究开发了基于机器学习的放射剂量组学模型和Swin UNETR深度学习架构，用于通过治疗前PSMA PET/CT预测转移性病灶的吸收剂量和剂量率分布图	首次将临床生物标志物、放射组学特征和剂量组学特征整合到机器学习模型中，并采用自监督预训练的Swin UNETR架构预测剂量率分布图	样本量较小（20例用于ML模型，30例用于DL模型），且为回顾性研究	优化[177Lu]Lu-PSMA-617放射性配体治疗在转移性去势抵抗性前列腺癌患者中的个性化治疗前剂量规划	转移性去势抵抗性前列腺癌患者	医学影像分析	前列腺癌	PSMA PET/CT成像、蒙特卡罗模拟、机器学习特征选择	集成树回归器、Swin UNETR变换器	PET/CT医学影像数据	20例患者用于机器学习模型，30例患者用于深度学习模型