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
541	2025-06-12	Deep-learning-based Partial Volume Correction in 99mTc-TRODAT-1 SPECT for Parkinson's Disease: A Preliminary Study on Clinical Translation 2025-Jun-10, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3578526 PMID:40493467	研究论文	本文提出了一种基于深度学习的部分体积校正方法，用于改善帕金森病Tc-TRODAT-1 SPECT图像的清晰度和量化准确性	使用基于注意力的条件生成对抗网络(Att-cGAN)进行部分体积校正，无需解剖先验和分割	初步研究，临床数据量有限(100例回顾性数据)，且缺乏临床金标准验证	开发适用于帕金森病SPECT成像的深度学习部分体积校正方法	帕金森病患者的Tc-TRODAT-1 SPECT图像	医学影像分析	帕金森病	SPECT成像，蒙特卡洛模拟(SIMIND)，有序子集期望最大化算法	Att-cGAN, cGAN, U-Net	医学影像(SPECT)	454个数字脑模型(训练320，验证44，测试90) + 100例临床数据
542	2025-06-12	A Deep Learning Model for Identifying the Risk of Mesenteric Malperfusion in Acute Aortic Dissection Using Initial Diagnostic Data: Algorithm Development and Validation 2025-Jun-10, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/72649 PMID:40493909	研究论文	开发并验证了一种基于深度学习的模型，用于识别急性主动脉夹层患者中肠系膜灌注不良的高风险	首次整合多模态数据（实验室参数和CT血管造影图像）开发深度学习模型，用于早期识别急性主动脉夹层患者中肠系膜灌注不良的高风险	需要进一步的前瞻性验证以确认其临床实用性	开发一种能够早期识别急性主动脉夹层患者中肠系膜灌注不良高风险的深度学习模型	525名急性主动脉夹层患者	数字病理学	心血管疾病	CT血管造影	深度学习模型	图像和临床数据	525名患者（450名来自北京安贞医院，75名来自南京鼓楼医院）
543	2025-06-12	Automated Diffusion Analysis for Non-Invasive Prediction of IDH Genotype in WHO Grade 2-3 Gliomas 2025-Jun-10, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8776 PMID:40494626	研究论文	本文提出了一种基于T2加权成像的自动ADC提取流程，用于预测WHO 2-3级胶质瘤的IDH基因型	使用nnUNet深度学习算法自动分割胶质瘤体积，替代耗时且依赖操作者的手动分割，实现了与人工观察者统计等效的性能	在6%的病例中出现肿瘤远处脑区的过度分割，0.8%的胶质瘤成分被nnUNet遗漏	建立非侵入性预测胶质瘤IDH基因型的自动化方法	WHO 2-3级胶质瘤	数字病理	胶质瘤	MRI, ADC分析, 深度学习	nnUNet	医学影像	247例医院数据集（UCLH）和500例BraTS 2021数据
544	2025-06-12	Memory kernel minimization-based neural networks for discovering slow collective variables of biomolecular dynamics 2025-Jun-10, Nature computational science IF:12.0Q1 DOI:10.1038/s43588-025-00815-8 PMID:40495006	research paper	介绍了一种名为MEMnets的深度学习框架，用于准确识别生物分子动力学的慢集体变量	MEMnets通过最小化时间积分记忆核的上界来识别最优集体变量，采用并行编码器网络，克服了传统方法假设马尔可夫动力学的限制	在大型生物分子动态系统中，采样有限可能会影响MEMnets的性能	识别生物分子动力学的慢集体变量，以理解蛋白质构象变化的最慢时间尺度	FIP35 WW域的折叠和细菌RNA聚合酶的钳位开放	machine learning	NA	深度学习	神经网络	生物分子动态数据	NA
545	2025-06-12	Uncertainty estimation for trust attribution to speed-of-sound reconstruction with variational networks 2025-Jun-10, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-025-03402-4 PMID:40495100	research paper	该研究提出了一种基于不确定性估计的方法，用于选择超声采集中最可信的数据帧，以提高速度-声音（SoS）重建的准确性	首次将不确定性估计应用于超声数据帧的选择，以改进SoS重建和诊断决策	研究样本量较小，仅评估了21个病灶	提高速度-声音（SoS）图像重建的准确性，以支持乳腺癌的鉴别诊断	超声采集的数据帧和SoS重建图像	医学影像处理	乳腺癌	蒙特卡洛Dropout和贝叶斯变分推断	变分网络	超声图像	21个被分类为BI-RADS 4的病灶
546	2025-06-12	MC-RED: A deep learning network for motion correction in 3D CEST imaging 2025-Jun-10, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.30609 PMID:40495308	research paper	本文提出了一种名为MC-RED的深度学习网络，用于3D CEST成像中的运动校正	MC-RED是一种基于残差编码-解码网络的运动校正方法，通过2D高斯分布结合静态参考图像，生成无运动参考帧以校正运动伪影	NA	开发并验证一种基于深度学习的运动校正方法，以提高3D CEST成像的图像质量	健康志愿者模拟数据和脑炎患者临床数据	medical imaging	encephalitis	CEST imaging	residual encoding-decoding network	3D image	健康志愿者和脑炎患者的模拟与临床数据
547	2025-06-12	Multilevel Discrete Wavelet Decomposition-Assisted Lightweight Multi-Order Gated Aggregation Network for Gas Concentration Retrieval in WMS 2025-Jun-10, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.5c01554 PMID:40495325	研究论文	本文提出了一种基于多级离散小波分解的轻量级多门控聚合网络（MDWD-LiteMogaNet），用于波长调制光谱（WMS）中的气体浓度检测	通过集成小波变换进行数据过滤和特征提取，MDWD-LiteMogaNet显著减少了数据量并提高了计算效率，同时多门控特征提取和融合机制确保了全面的特征表示	NA	开发一种高效的气体检测方法，适用于轻量级设备部署	气体浓度检测	机器学习	NA	波长调制光谱（WMS）	MDWD-LiteMogaNet	光谱数据	NA
548	2025-06-12	Advancing respiratory disease diagnosis: A deep learning and vision transformer-based approach with a novel X-ray dataset 2025-Jun-09, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110501 PMID:40494170	research paper	本文通过利用X射线图像和先进的机器学习技术（如深度学习和Vision Transformers），为呼吸系统疾病分类领域做出了重要贡献	引入了一个新颖、多样化的数据集，包含来自5263名患者的7867张X射线图像，涵盖49种不同的肺部疾病，以解决现有数据集多样性不足的问题	研究可能遗漏了2017年之前的基础工作，且AI的快速发展可能使早期方法的相关性降低	提高呼吸系统疾病诊断的准确性和及时性	呼吸系统疾病（如肺炎和COVID-19）的X射线图像	digital pathology	lung cancer	deep learning, Vision Transformers (ViT)	DL, ViT	image	7867张X射线图像来自5263名患者
549	2025-06-12	Differentiating Bacterial and Non-Bacterial Pneumonia on Chest CT Using Multi-Plane Features and Clinical Biomarkers 2025-Jun-09, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.05.047 PMID:40494699	研究论文	本研究开发了一种名为MPMT-Pneumo的多平面、多模态深度学习模型，用于区分细菌性肺炎和非细菌性肺炎	采用混合CNN-Transformer架构整合多平面CT视图和炎症生物标志物，解决了传统方法在区分细菌性和非细菌性肺炎上的局限性	研究样本仅来自两家医院，可能影响模型的泛化能力	提高细菌性肺炎与非细菌性肺炎的分类准确性，指导抗生素治疗	384例经微生物学确认的肺炎患者（239例细菌性肺炎，145例非细菌性肺炎）	数字病理	肺炎	CT成像	CNN-Transformer混合架构	图像（CT扫描）和临床生物标志物数据	384例患者（239例细菌性肺炎，145例非细菌性肺炎）
550	2025-06-12	Research on artificial intelligence, machine and deep learning in medicine: global characteristics, readiness, and equity 2025-Jun-08, Globalization and health IF:5.9Q1 DOI:10.1186/s12992-025-01128-1 PMID:40484942	研究论文	本文分析了人工智能在医学研究中的全球特征、准备情况和公平性	通过时间和地理模式分析，揭示了全球AImed研究的激励因素和障碍，并指出了经济较弱国家在AImed研究中的潜在优势	研究主要基于文献计量分析，可能未涵盖所有影响AImed发展的因素	评估全球人工智能在医学研究中的发展状况和公平性	全球范围内的人工智能医学研究	机器学习	NA	NA	NA	文献数据	多个国家的AImed研究出版物
551	2025-06-12	[Advances in thyroid cytopathology in China over the last ten years: retrospect and prospect] 2025-Jun-08, Zhonghua bing li xue za zhi = Chinese journal of pathology DOI:10.3760/cma.j.cn112151-20241203-00813 PMID:40494760	review	回顾过去十年中国在甲状腺细胞病理学领域的标准化诊疗体系建设和技术创新方面的重大突破	建立了手工涂片与液基细胞学结合的标准化流程，结合HE染色和细胞块技术显著提高诊断准确性，分子病理检测系统实现跨越式发展，从单基因BRAF检测发展到覆盖BRAF、TERT和RAS基因的多基因检测	NA	回顾和展望中国甲状腺细胞病理学领域的发展	甲状腺肿瘤细胞学	数字病理	甲状腺癌	下一代测序（NGS）、免疫细胞化学染色、分子病理检测	深度学习模型	细胞学图像	NA
552	2025-06-12	Water chemical oxygen demand prediction based on a one-dimensional multi-scale feature fusion convolutional neural network and ultraviolet-visible spectroscopy 2025-Jun-04, RSC advances IF:3.9Q2 DOI:10.1039/d5ra00933b PMID:40491797	研究论文	本文提出了一种基于一维多尺度特征融合卷积神经网络（1D-CNN）和紫外-可见光谱的水化学需氧量（COD）预测方法	该方法通过融合同一通道内三个并行子卷积和池化层提取的特征，提高了COD检测的准确性，相比传统方法和深度学习模型（如PLSR、SVM、ANN和1D-CNN）表现出更优的性能	NA	开发一种高效、快速且无需化学试剂的COD检测方法，以支持实时水质监测	水中的化学需氧量（COD）	机器学习	NA	紫外-可见光谱	1D-CNN	光谱数据	NA
553	2025-06-12	A systematic review: Brain age gap as a promising early diagnostic biomarker for Alzheimer's disease 2025-Jun-03, Journal of the neurological sciences IF:3.6Q2 DOI:10.1016/j.jns.2025.123563 PMID:40494037	系统综述	本文综述了脑年龄差距（BAG）作为阿尔茨海默病早期诊断生物标志物的研究现状	利用深度学习技术预测脑年龄，并通过脑年龄差距（BAG）作为阿尔茨海默病的早期诊断生物标志物	包括站点效应、偏差校正、数据不足、硬件要求、模型准确性和临床适用性等关键挑战	探讨脑年龄差距（BAG）作为阿尔茨海默病早期诊断生物标志物的潜力	阿尔茨海默病患者和健康老年人的脑结构变化	数字病理学	阿尔茨海默病	深度学习	深度学习模型	神经影像数据	NA
554	2025-06-12	AI-enabled CT-guided end-to-end quantification of total cardiac activity in 18FDG cardiac PET/CT for detection of cardiac sarcoidosis 2025-Jun, Journal of nuclear cardiology : official publication of the American Society of Nuclear Cardiology IF:3.0Q2 DOI:10.1016/j.nuclcard.2025.102195 PMID:40127777	research paper	提出了一种基于深度学习的全自动流程，用于通过CT衰减图分割心脏腔室来量化[18F]FDG PET活动，以检测心脏结节病	开发了一种全自动的深度学习分割方法，用于从CT衰减扫描中分割心脏腔室，并自动将CT定义的解剖区域应用于[18F]FDG PET图像，以量化目标与背景比(TBR)、炎症体积(VOI)和心脏代谢活动(CMA)	样本量较小（69例患者），且心脏结节病的阳性率为42%，可能影响模型的泛化能力	开发并评估一种全自动的量化方法，用于检测心脏结节病	接受[18F]FDG PET/CT检查的疑似心脏结节病患者	digital pathology	cardiac sarcoidosis	PET/CT, deep learning	DL (deep learning)	image	69例患者
555	2025-06-12	OrgaMeas: A pipeline that integrates all the processes of organelle image analysis 2025-06, Biochimica et biophysica acta. Molecular cell research DOI:10.1016/j.bbamcr.2025.119964 PMID:40268058	研究论文	介绍了一个名为OrgaMeas的高通量图像分析流程，用于精确测量细胞器的形态和动态	整合了两个基于深度学习的工具OrgaSegNet和DIC2Cells，实现了细胞器的精确分割和单个细胞水平的ROI自动设置，降低了成本并减少了编码需求	未提及具体的性能比较或与其他方法的对比结果	开发一个低成本、易用的图像分析流程，用于研究细胞器的形态和动态	细胞器的形态和动态	数字病理	NA	深度学习	CNN	图像	NA
556	2025-06-12	InclusiViz : Visual Analytics of Human Mobility Data for Understanding and Mitigating Urban Segregation 2025-Jun, IEEE transactions on visualization and computer graphics IF:4.7Q1 DOI:10.1109/TVCG.2025.3567117 PMID:40327496	research paper	介绍了一个名为InclusiViz的可视化分析系统，用于多层次分析城市隔离现象，并促进数据驱动的干预措施	提出了一个结合深度学习和可解释AI的视觉分析系统，用于分析城市隔离模式，并评估城市规划干预措施	未明确提及研究的局限性	理解和缓解城市隔离现象	人类移动数据和城市隔离模式	visual analytics	NA	deep learning, explainable AI	deep learning model	human mobility data	未明确提及样本量
557	2025-06-12	Classifying fungi biodiversity using hybrid transformer models 2025-Jun-01, Journal of microbiological methods IF:1.7Q4 DOI:10.1016/j.mimet.2025.107155 PMID:40460919	research paper	该研究提出了一种混合深度学习技术，结合Vision Transformer和Swin Transformer模型以及迁移学习框架，用于真菌多类分类	创新点在于结合了Vision Transformer和Swin Transformer模型，并采用迁移学习框架，提高了真菌分类的准确性和泛化能力	研究中使用了公开数据集，可能无法涵盖所有真菌物种的多样性，且样本量有限	研究目的是通过深度学习技术提高真菌分类的准确性，以促进真菌生物多样性的管理和理解	研究对象为五种真菌物种的9115张图像	computer vision	NA	深度学习、迁移学习	Vision Transformer、Swin Transformer、MobileNetV2、DenseNet121、EfficientNetB0	image	9115张图像
558	2025-06-12	A comprehensive image dataset of plum leaf and fruit for disease classification 2025-Jun, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2025.111625 PMID:40486236	research paper	该研究创建了一个全面的李树叶和果实图像数据集，用于疾病分类和果实质量评估	开发了一个全面的李树叶和果实图像数据集，填补了农业研究与计算机视觉之间的空白，支持自动化疾病检测和果实质量评估	数据收集时间较短（2024年12月至2025年2月），可能无法涵盖所有季节的疾病变化	通过机器学习技术推进农业研究，实现有效的疾病管理系统	李树的叶子和果实	computer vision	植物疾病	图像采集与增强	deep learning	image	3,554张原始图像，相同数量的处理图像和18,000张增强图像，共分为六个类别
559	2025-06-12	Predictive modeling for metastasis in oncology: current methods and future directions 2025-Jun, Annals of medicine and surgery (2012) DOI:10.1097/MS9.0000000000003279 PMID:40486555	综述	本文综述了肿瘤学中转移预测模型的当前方法及未来发展方向	整合了机器学习、基因组学和影像学技术，探索了多组学数据和人工智能在个性化转移预测中的应用	面临数据异质性、模型可解释性不足以及需要更大规模高质量数据集进行验证等挑战	提高转移预测的准确性，为临床提供早期检测和个性化治疗策略的见解	肿瘤转移预测模型	机器学习	肿瘤学	基因组分析、液体活检、放射组学	逻辑回归、决策树、支持向量机、神经网络	临床、病理和分子数据	NA
560	2025-06-12	Bridging surgical oncology and personalized medicine: the role of artificial intelligence and machine learning in thoracic surgery 2025-Jun, Annals of medicine and surgery (2012) DOI:10.1097/MS9.0000000000003302 PMID:40486596	综述	本文探讨了人工智能和机器学习在胸外科手术和肿瘤学中的应用及其对个性化医疗的潜在影响	整合AI和ML技术以优化肺癌的早期检测、治疗精准度和手术决策，推动个性化癌症护理	临床实践中广泛应用AI面临数据标准化、伦理问题和需要稳健验证等挑战	探索AI和ML如何通过改善早期检测、提高手术精准度和实现个性化护理来优化胸外科肿瘤学	肺癌患者	数字病理学	肺癌	基因组分析、低剂量CT扫描	深度学习算法、预测模型	医学影像、临床数据	NA