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
561	2025-05-31	Deep learning-based segmentation of ultra-low-dose CT images using an optimized nnU-Net model 2025-May, La Radiologia medica DOI:10.1007/s11547-025-01989-x PMID:40100539	研究论文	本研究开发了一种基于深度学习的管道，用于在超低剂量CT图像上进行器官分割	针对低剂量CT图像开发了专用的LD-nnU-Net模型，相较于传统FD-nnU-Net模型在低剂量图像上表现更优	研究仅使用了274个CT原始数据集，样本量可能不足以覆盖所有临床场景	开发适用于超低剂量CT图像的器官分割深度学习模型	低剂量CT图像中的22个器官	数字病理	NA	CT成像	nnU-Net	图像	274个CT原始数据集
562	2025-05-31	Development and validation of pan-cancer lesion segmentation AI-model for whole-body 18F-FDG PET/CT in diverse clinical cohorts 2025-May, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110052 PMID:40127518	研究论文	开发并验证了一种基于深度学习的全身18F-FDG PET/CT图像病灶分割AI模型，适用于多种临床队列	提出了一种不依赖病灶位置和部位的深度学习自动分割模型，并在多种未见过的临床队列中进行了验证	模型在测试集和PHEO队列中遗漏了小体积和低摄取病灶，且在OS和ST队列中假阳性和假阴性病灶的体积和摄取无显著差异	开发一种适用于全身18F-FDG PET/CT图像的自动病灶分割AI模型	全身18F-FDG PET/CT图像中的病灶	数字病理学	多种癌症（骨肉瘤、神经母细胞瘤、儿童实体瘤、成人嗜铬细胞瘤/副神经节瘤）	18F-FDG PET/CT成像	3D U-Net（特别是3D full resolution nnUNet）	3D医学影像	训练、验证和测试集共1014例全身FDG-PET/CT图像，外加3个未见过的临床队列（OS队列13例，ST队列14例，PHEO队列40例）
563	2025-05-31	IR-GPT: AI Foundation Models to Optimize Interventional Radiology 2025-May, Cardiovascular and interventional radiology IF:2.8Q2 DOI:10.1007/s00270-024-03945-0 PMID:40140092	研究论文	本文探讨了如何为介入放射学（IR）定制基础人工智能（AI）模型，提出了IR-GPT的设计理念	首次提出为介入放射学定制基础AI模型IR-GPT，旨在提供一个统一的AI平台	未具体说明模型实现细节及实际应用效果	优化介入放射学中的AI应用	介入放射学相关的AI基础模型	数字病理学	NA	深度学习	GPT	文本、医学图像	NA
564	2025-05-31	Unsupervised Test-Time Adaptation for Hepatic Steatosis Grading Using Ultrasound B-Mode Images 2025-05, IEEE transactions on ultrasonics, ferroelectrics, and frequency control DOI:10.1109/TUFFC.2025.3555180 PMID:40138246	研究论文	本文提出了一种无监督的测试时间自适应方法，用于超声B模式图像的肝脏脂肪变性分级	提出了一种测试时间批量归一化（TTN）技术，专门针对标签分布变化引起的域偏移，通过调整训练好的卷积神经网络模型中批量归一化层的选定特征来实现无监督自适应	方法仅在两个不同机构收集的腹部超声数据集上进行了评估，可能需要更多样化的数据集验证其泛化能力	解决肝脏脂肪变性分级中因临床环境差异导致的域偏移问题，提高模型在不同临床环境中的泛化能力	超声B模式图像中的肝脏脂肪变性分级	数字病理学	肝脏疾病	无监督域适应技术	CNN	图像	两个不同机构收集的腹部超声数据集
565	2025-05-31	DeepRNA-Twist: language-model-guided RNA torsion angle prediction with attention-inception network 2025-May-01, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf199 PMID:40315431	研究论文	提出了一种名为DeepRNA-Twist的新型深度学习框架，用于直接从序列预测RNA的扭转角和伪扭转角	结合了RNA语言模型嵌入和2A3IDC模块（注意力增强的Inception网络与扩张卷积和多头注意力机制），显著提高了预测准确性	未提及具体的数据集规模限制或计算资源需求	解决RNA结构预测中扭转角和伪扭转角准确预测的挑战	RNA分子的扭转角和伪扭转角	自然语言处理	NA	RNA语言模型嵌入，扩张卷积，多头注意力机制	Attention-inception network	RNA序列	在RNA-Puzzles、CASP-RNA和SPOT-RNA-1D等基准数据集上进行了评估
566	2025-05-31	Deep scSTAR: leveraging deep learning for the extraction and enhancement of phenotype-associated features from single-cell RNA sequencing and spatial transcriptomics data 2025-May-01, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf160 PMID:40315434	研究论文	介绍了一种基于深度学习的工具Deep scSTAR，用于增强单细胞RNA测序和空间转录组数据中与表型相关的特征	开发了Deep scSTAR工具，能够识别与疾病表型相关的细胞特征，并在多种癌症中验证其应用	未提及具体的技术限制或数据处理的挑战	提高从单细胞RNA测序和空间转录组数据中提取与表型相关特征的能力	单细胞RNA测序和空间转录组数据	生物信息学	非小细胞肺癌、肾细胞癌、肝细胞癌	单细胞RNA测序、空间转录组学	深度学习	基因表达数据	NA
567	2025-05-31	An overview of computational methods in single-cell transcriptomic cell type annotation 2025-May-01, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf207 PMID:40347979	综述	本文系统回顾了基于单细胞RNA测序数据的细胞类型注释计算方法	全面比较和分类了现有的细胞类型注释方法，并探讨了深度学习技术在解决数据不平衡和罕见细胞类型识别中的潜力	未提及具体方法的性能比较或实验验证结果	总结和比较单细胞转录组数据中的细胞类型注释方法	单细胞RNA测序数据	生物信息学	NA	单细胞RNA测序	监督学习、深度学习	基因表达数据	NA
568	2025-05-31	Predicting the structures of cyclic peptides containing unnatural amino acids by HighFold2 2025-May-01, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf202 PMID:40350698	research paper	本文介绍了一种名为HighFold2的新模型，用于预测含有非天然氨基酸的环肽的三维结构	HighFold2基于AlphaFold-Multimer框架，首次将预定义的刚性基团及其初始原子坐标从天然氨基酸扩展到非天然氨基酸，并引入额外的神经网络来表征肽的原子级特征，同时构建了基于不同环化约束的环肽相对位置编码矩阵	NA	准确预测含有非天然氨基酸的环肽的三维结构，以促进基于环肽的药物发现	含有非天然氨基酸的环肽及其与蛋白质的复合物	machine learning	NA	deep learning	HighFold2 (基于AlphaFold-Multimer框架)	3D结构数据	NA
569	2025-05-31	MMsurv: a multimodal multi-instance multi-cancer survival prediction model integrating pathological images, clinical information, and sequencing data 2025-May-01, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf209 PMID:40366860	research paper	该研究提出了一种名为MMSurv的多模态深度学习模型，用于整合病理图像、临床信息和测序数据以预测多种癌症患者的生存率	提出了一种基于紧凑双线性池化和Transformer的新型多模态融合方法，并采用双层多实例学习模型剔除与预后无关的图像块	模型仅在TCGA的六种癌症类型上进行了验证，未在其他独立数据集上测试	开发一个可解释的多模态深度学习模型以提高癌症患者生存率预测的准确性	癌症患者的病理图像、临床信息和测序数据	digital pathology	multi-cancer	deep learning, word embedding, cell segmentation	Transformer, multi-instance learning model	image, text, sequencing data	TCGA数据库中的六种癌症类型数据
570	2025-05-31	Deep Learning Study of Alkaptonuria Spinal Disease Assesses Global and Regional Severity and Detects Occult Treatment Status 2025-May, Journal of inherited metabolic disease IF:4.2Q2 DOI:10.1002/jimd.70042 PMID:40375095	研究论文	本研究探讨了深度学习在罕见病碱尿症（AKU）脊柱疾病中的应用，评估了脊柱整体和区域严重程度，并检测了隐匿的治疗状态	首次将深度学习应用于罕见病碱尿症的脊柱影像分析，能够准确评估脊柱严重程度并预测患者是否接受尼替西农治疗	真空盘现象预测一致性较低（41%-90%）	评估深度学习在罕见病医学影像分析中的表现	碱尿症患者的颈椎和腰椎X光片	数字病理	碱尿症	深度学习	DL模型	影像	颈椎和腰椎X光片（具体数量未提及）
571	2025-05-31	Deep learning on electrocardiogram waveforms to stratify risk of obstructive stable coronary artery disease 2025-May, European heart journal. Digital health DOI:10.1093/ehjdh/ztaf020 PMID:40395417	research paper	本研究开发并验证了一种利用心电图波形和临床特征的深度学习算法，用于预测疑似慢性冠状动脉疾病患者的阻塞性冠状动脉疾病风险	结合心电图波形和临床特征的多模态深度学习模型，相比传统基于风险因素的模型，显著提高了阻塞性冠状动脉疾病的预测准确性	需要在外部队列中进行前瞻性研究以验证该深度学习模型在临床实践中的诊断效果和患者预后改善情况	提高阻塞性冠状动脉疾病（oCAD）在慢性冠状动脉疾病（CCD）患者中的预测准确性	接受侵入性血管造影评估慢性冠状动脉疾病的患者	machine learning	cardiovascular disease	深度学习	DL-ECG, DL-Clinical, DL-MM	ECG波形和临床特征	四年期间在四级医疗中心接受评估的患者队列
572	2025-05-31	Grading of Foveal Hypoplasia Using Deep Learning on Retinal Fundus Images 2025-May-01, Translational vision science & technology IF:2.6Q2 DOI:10.1167/tvst.14.5.18 PMID:40402544	research paper	本研究开发并评估了一种基于深度学习的模型，用于使用视网膜眼底图像对中心凹发育不全进行分级	该研究首次使用深度学习模型对中心凹发育不全进行六级分类，并在准确性和效率上优于资深和初级临床医生的评估	研究为回顾性研究，样本量相对有限（303名患者），且数据来源于单一时间段（2001年至2021年）	开发并评估一种深度学习模型，用于中心凹发育不全的分级诊断	中心凹发育不全患者	digital pathology	眼科疾病	深度学习	EfficientNet_b1	image	605张视网膜眼底图像（来自303名患者，其中男性55.1%，女性44.9%）
573	2025-05-31	UCS: A Unified Approach to Cell Segmentation for Subcellular Spatial Transcriptomics 2025-05, Small methods IF:10.7Q1 DOI:10.1002/smtd.202400975 PMID:39763408	研究论文	提出了一种针对亚细胞空间转录组学数据的统一细胞分割方法UCS	UCS方法通过整合核染色和转录数据，利用深度学习技术，提高了细胞分割的准确性，并适用于多种SST平台	未提及具体的数据集规模或验证范围	开发一种统一的细胞分割方法，以更准确地将转录本分配到单个细胞，支持亚细胞水平的基因表达分析	亚细胞空间转录组学(SST)数据	数字病理学	NA	深度学习	NA	图像和转录数据	NA
574	2025-05-31	Deep learning analysis of hematoxylin and eosin-stained benign breast biopsies to predict future invasive breast cancer 2025-Apr-30, JNCI cancer spectrum IF:3.4Q2 DOI:10.1093/jncics/pkaf037 PMID:40193520	研究论文	本研究利用深度学习分析良性乳腺活检的H&E染色全切片图像，预测未来是否会发展为浸润性乳腺癌	首次采用定制VGG-16和AutoML机器学习模型结合多模态网络（整合全切片图像和临床病理特征）进行乳腺癌风险预测，显著提高了预测性能	研究样本量相对有限（946名女性），且未来需要进一步探索良性乳腺疾病进展为浸润性乳腺癌的机制	开发基于深度学习的乳腺癌风险评估方法	良性乳腺疾病患者的H&E染色全切片图像和临床病理特征	数字病理	乳腺癌	全切片图像分析	VGG-16, AutoML, 多模态网络	图像, 临床数据	946名女性（训练集：331例病例+331例对照；测试集：142例病例+142例对照）
575	2025-05-31	Formation permeability estimation using mud loss data by deep learning 2025-Apr-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-94617-7 PMID:40307334	研究论文	本研究提出了一种利用泥浆流失数据和深度学习技术估算地层渗透率的新方法	首次将泥浆流失数据与深度学习技术结合用于地层渗透率估算，并引入了DJINN模型提高预测精度	研究基于模拟数据，需要在实际钻井环境中进一步验证	开发一种准确估算地层渗透率的新方法	油气储层的地层渗透率	机器学习	NA	深度学习	1D-CNN, DJINN	数值数据（泥浆流失率、储层参数等）	模拟生成的泥浆流失率数据集
576	2025-05-31	ARAN: Age-Restricted Anonymized Dataset of Children Images and Body Measurements 2025-Apr-30, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging11050142 PMID:40422998	research paper	本文介绍了ARAN数据集，这是首个符合欧洲通用数据保护条例的儿童图像与身体测量标记数据集，用于开发预测模型	首个符合伦理委员会批准的儿童图像与身体测量标记数据集，支持多视角图像，数据规模远超同类数据集	数据集仅包含16至98个月的儿童，可能无法覆盖所有年龄段	开发从单张图像精确估计儿童身体测量和体重的模型，用于儿科生长监测和营养不良早期检测	512名16至98个月的儿童，每人4个不同视角的图像，共2048张图像	computer vision	malnutrition	deep learning	DenseNet121	image	512名儿童（2048张图像）
577	2025-05-31	Medical Image Segmentation: A Comprehensive Review of Deep Learning-Based Methods 2025-Apr-30, Tomography (Ann Arbor, Mich.) DOI:10.3390/tomography11050052 PMID:40423254	review	本文全面回顾了基于深度学习的医学图像分割方法	对当前医学图像分割领域的代表性方法进行了分类、回顾和总结，并预测了未来研究方向	未提及具体方法的局限性	分析医学图像分割领域的研究现状和发展趋势	医学图像分割方法	computer vision	NA	deep learning	CNN	image	NA
578	2025-05-31	SwinTCS: A Swin Transformer Approach to Compressive Sensing with Non-Local Denoising 2025-Apr-29, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging11050139 PMID:40422996	研究论文	提出了一种基于Swin Transformer的新型深度学习框架SwinTCS，用于压缩感知图像重建，结合了非局部均值去噪模块以提高重建质量	利用Swin Transformer架构整合分层特征表示策略增强全局上下文建模，同时引入辅助CNN捕捉局部特征，并加入非局部均值去噪模块抑制噪声	NA	解决传统压缩感知重建方法在边界伪影和鲁棒性方面的挑战，提高多媒体应用中的图像重建质量	压缩感知图像重建	计算机视觉	NA	压缩感知(CS)	Swin Transformer, CNN	图像	多个公共基准数据集
579	2025-05-31	Automatic smart brain tumor classification and prediction system using deep learning 2025-Apr-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-95803-3 PMID:40295548	研究论文	提出了一种基于深度学习的智能脑肿瘤分类和预测系统	结合定制CNN模型和预训练模型（Inception-v4和EfficientNet-B4），用于脑肿瘤的早期检测和分类，系统具有高准确性和适应性	未提及模型在临床环境中的实际应用效果及泛化能力	开发智能监测系统以实现脑肿瘤的早期检测、分类和预测	脑肿瘤MRI图像	数字病理	脑肿瘤	深度学习	CNN, Inception-v4, EfficientNet-B4	图像	1000张脑肿瘤图像
580	2025-05-31	Automatic Controversy Detection Based on Heterogeneous Signed Attributed Network and Deep Dual-Layer Self-Supervised Community Analysis 2025-Apr-27, Entropy (Basel, Switzerland) DOI:10.3390/e27050473 PMID:40422428	研究论文	本研究提出了一种基于异构签名属性网络和深度双层自监督社区分析的计算方法，用于社交媒体平台上的争议检测	该方法整合了社交媒体中的多维异构信息，并引入了一种新的争议度量标准，考虑了社区区分、介数中心性和用户表示三个维度	NA	开发一种更稳定和准确的社交媒体争议检测方法	社交媒体平台上的争议内容	自然语言处理	NA	文本挖掘和深度学习	深度双层自监督算法	文本	微博数据集，包括#微博(3792)、#评论(45,741)、#转发(36,126)和#用户(61,327)