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
5821	2025-04-03	New Machine Learning Method for Medical Image and Microarray Data Analysis for Heart Disease Classification 2025-Apr-01, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01492-9 PMID:40169470	研究论文	提出一种结合深度神经网络和基因选择的新方法，用于心脏病分类和生物标志物发现	提出DeepGeneNet（DGN）框架，将基因选择和DNN分类统一，结合超参数优化和U-Net分割技术	未提及具体样本量或外部验证结果	提高心脏病分类的准确性和可解释性	微阵列基因表达数据	机器学习	心血管疾病	微阵列技术	DNN, U-Net	基因表达数据	NA
5822	2025-04-03	Quantitative molecular imaging using deep magnetic resonance fingerprinting 2025-Apr-01, Nature protocols IF:13.1Q1 DOI:10.1038/s41596-025-01152-w PMID:40169753	研究论文	介绍了一种基于深度学习的饱和转移磁共振指纹图谱（MRF）技术，用于蛋白质、代谢物和pH的无创体内成像	深度MRF技术提供了一个快速、定量的框架，用于提取具有生物学和临床意义的分子信息，解决了传统技术的技术复杂性、半定量对比加权性质以及长扫描时间的问题	流程完成时间从48分钟到57小时不等，对于复杂的多质子池体内成像耗时较长	开发一种定量分子MRI的完整协议，用于癌症监测、脑髓鞘成像和pH量化等应用	体外样本、动物和人类扫描	数字病理	癌症、神经退行性疾病、中风和心脏病	饱和转移磁共振指纹图谱（MRF）、化学交换饱和转移（CEST）和半固态磁化转移（MT）定量成像	深度学习模型	MRI图像	未明确提及具体样本数量，但涉及体外样本、动物和人类扫描
5823	2025-04-03	DiffMC-Gen: A Dual Denoising Diffusion Model for Multi-Conditional Molecular Generation 2025-Apr-01, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202417726 PMID:40170290	研究论文	本文提出了一种双去噪扩散模型DiffMC-Gen，用于多条件分子生成，以优化候选化合物的多种性质	DiffMC-Gen模型整合了离散和连续特征以增强对3D分子结构的感知能力，并采用多目标优化策略同时优化多个分子性质	未明确提及具体局限性	开发一种能够同时优化多种药物分子性质的深度学习方法	药物分子设计	机器学习	NA	去噪扩散模型	DiffMC-Gen	分子结构数据	针对三种目标蛋白（LRRK2、HPK1和GLP-1受体）生成的分子
5824	2025-04-03	Trade-off of different deep learning-based auto-segmentation approaches for treatment planning of pediatric craniospinal irradiation autocontouring of OARs for pediatric CSI 2025-Apr-01, Medical physics IF:3.2Q1 DOI:10.1002/mp.17782 PMID:40170415	research paper	本研究比较了三种自动分割方法在儿童颅脊髓照射治疗计划中的应用，包括商业软件、开箱即用方法和内部开发方法	比较了不同自动分割方法在儿童患者中的适用性，并提出了针对特定器官的内部开发方法	商业软件对儿童解剖结构的适应性不足，特别是食管和肾脏的分割效果较差	评估不同自动分割方法在儿童颅脊髓照射治疗计划中的性能	儿童颅脊髓照射治疗中的18个风险器官	digital pathology	pediatric disease	auto-segmentation	U-Net, attention U-Net, 2.5D U-Net, nnU-Net	CT scans	142名儿童患者的CT扫描（训练集115例，验证集27例），外加16例测试集
5825	2025-04-03	A novel algorithm for automated analysis of coronary CTA-derived FFR in identifying ischemia-specific CAD: A multicenter study 2025-Apr-01, Medical physics IF:3.2Q1 DOI:10.1002/mp.17803 PMID:40170439	research paper	本研究验证了一种基于深度学习和水平集算法的冠状动脉CTA衍生FFR新型分析模型在识别缺血特异性CAD中的能力	结合深度学习和水平集算法优化冠状动脉3D重建的新型CT FFR算法	研究为回顾性分析，样本量相对有限（198根血管/171例患者）	验证新型CT FFR模型在识别病灶特异性缺血性冠状动脉疾病中的效能	接受CTA和有创FFR检查的冠状动脉血管	digital pathology	cardiovascular disease	coronary computed tomography angiography (CTA), invasive fractional flow reserve (FFR)	deep learning, level set algorithm	medical imaging	198 vessels from 171 patients across 4 medical centers
5826	2025-04-03	Deep graph learning of multimodal brain networks defines treatment-predictive signatures in major depression 2025-Mar-31, Molecular psychiatry IF:9.6Q1 DOI:10.1038/s41380-025-02974-6 PMID:40164695	研究论文	本研究利用深度图学习方法分析多模态脑网络数据，以预测重度抑郁症患者对抗抑郁药物的治疗反应	开发了一个基于图神经网络的深度学习框架，整合了fMRI和EEG数据，揭示了与治疗反应相关的多模态脑网络特征	样本量相对有限（265名患者），且仅针对特定抗抑郁药物（舍曲林）进行了研究	预测重度抑郁症患者对抗抑郁药物的个体化治疗反应	265名重度抑郁症患者（130名接受舍曲林治疗，135名接受安慰剂）	数字病理学	抑郁症	fMRI, EEG, 图神经网络	GNN	神经影像数据	265名患者（来自EMBARC研究）
5827	2025-04-03	Integrating Deep Learning in Breast MRI: Technical Advances and Clinical Promise 2025-Mar-31, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.03.047 PMID:40169328	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
5828	2025-04-03	Deep Learning of Proteins with Local and Global Regions of Disorder 2025-Mar-29, ArXiv PMID:40034137	研究论文	提出了一种新的机器学习方法IDPForge，用于生成全原子水平的内在无序蛋白质（IDPs）和内在无序区域（IDRs）的结构集合	IDPForge利用transformer蛋白语言扩散模型，无需序列特异性训练或从粗粒度表示进行反向转换，即可生成与实验数据吻合良好的IDP/IDR构象集合	未明确提及样本量或具体实验验证的局限性	改进内在无序蛋白质和区域的结构预测方法	内在无序蛋白质（IDPs）和内在无序区域（IDRs）	机器学习	NA	transformer蛋白语言扩散模型	transformer	蛋白质序列和结构数据	NA
5829	2025-04-03	Towards Unified Deep Image Deraining: A Survey and A New Benchmark 2025-Mar-28, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3556133 PMID:40153286	综述	本文全面回顾了现有的图像去雨方法，并提供了一个统一的评估设置来评估它们的性能，同时构建了一个新的高质量基准HQ-RAIN	提出了一个统一的评估设置来公平比较不同的去雨方法，并构建了一个包含5,000对高分辨率合成图像的新基准HQ-RAIN	虽然提供了统一的评估设置和新基准，但可能未涵盖所有实际应用场景中的复杂情况	统一评估图像去雨方法的性能，并推动该领域的研究进展	图像去雨方法及其评估	计算机视觉	NA	深度学习	NA	图像	5,000对高分辨率合成图像
5830	2025-04-03	Simultaneous detection of citrus internal quality attributes using near-infrared spectroscopy and hyperspectral imaging with multi-task deep learning and instrumental transfer learning 2025-Mar-22, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2025.143996 PMID:40168872	研究论文	本研究利用高光谱成像（HSI）和近红外光谱（NIR）技术，结合多任务深度学习和仪器迁移学习，同时检测柑橘内部品质属性	开发了单任务和多任务卷积神经网络（CNN）模型，探索了从HSI到NIR的模型迁移可行性	研究仅针对两种柑橘品种（衢州椪柑和湘西长叶），模型在其他品种上的适用性未验证	同时测定柑橘水果的多种品质属性，并实现不同仪器间模型的成功迁移	衢州椪柑和湘西长叶两种柑橘的可溶性固形物含量（SSC）和pH值	计算机视觉	NA	高光谱成像（HSI）和近红外光谱（NIR）	CNN（卷积神经网络）	图像和光谱数据	两种柑橘品种（具体样本数量未提及）
5831	2025-04-03	Machine-learning models for Alzheimer's disease diagnosis using neuroimaging data: survey, reproducibility, and generalizability evaluation 2025-Mar-21, Brain informatics DOI:10.1186/s40708-025-00252-3 PMID:40117001	研究论文	本文综述了利用神经影像数据进行阿尔茨海默病诊断的机器学习模型，并评估了这些模型的可重复性和泛化性	对现有机器学习模型在阿尔茨海默病诊断中的可重复性和泛化性进行了系统性评估	现有模型在不同数据队列中泛化能力下降	评估机器学习模型在阿尔茨海默病早期诊断中的应用潜力	阿尔茨海默病患者和轻度认知障碍患者	机器学习	阿尔茨海默病	sMRI, fMRI, PET	传统机器学习(ML)和深度学习(DL)	神经影像数据	NA
5832	2025-04-03	HIPPIE: A Multimodal Deep Learning Model for Electrophysiological Classification of Neurons 2025-Mar-15, bioRxiv : the preprint server for biology DOI:10.1101/2025.03.14.642461 PMID:40161713	research paper	介绍了一种名为HIPPIE的多模态深度学习模型，用于神经元的电生理分类	结合了自监督预训练和监督微调，使用条件卷积联合自编码器学习稳健的波形和放电动态表示	未提及具体局限性	解决细胞外电生理记录中神经元分类的计算挑战	小鼠记录和脑切片中的神经元	machine learning	NA	自监督学习, 监督学习	conditional convolutional joint autoencoders	电生理记录数据	小鼠记录和脑切片
5833	2025-04-03	Deep Learning Study of Alkaptonuria Spinal Disease Assesses Global and Regional Severity and Detects Occult Treatment Status 2025-Mar-12, medRxiv : the preprint server for health sciences DOI:10.1101/2025.03.11.25323762 PMID:40162283	研究论文	本研究利用深度学习技术分析罕见病碱尿症（AKU）的脊柱X光片，评估疾病严重程度并检测患者是否接受尼替西农治疗	首次将深度学习应用于罕见病碱尿症的脊柱影像分析，能够检测临床专家难以识别的治疗状态	真空椎间盘现象的预测一致性较低（41-90%）	评估深度学习在罕见疾病影像分析中的应用效果	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	X光影像	未明确说明样本数量，但包含颈椎和腰椎X光片
5834	2025-03-13	Publisher Correction: A hybrid explainable model based on advanced machine learning and deep learning models for classifying brain tumors using MRI images 2025-Mar-11, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-92325-w PMID:40069280	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
5835	2025-04-03	Comparative analysis of U-Mamba and no new U-Net for the detection and segmentation of esophageal cancer in contrast-enhanced computed tomography images 2025-Mar-03, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-24-1116 PMID:40160632	研究论文	本研究旨在开发和验证一种深度学习模型，用于在增强CT图像中自动检测和分割食管癌病变	比较了U-Mamba和nnU-Net两种深度学习网络在食管癌检测和分割中的性能，并展示了其在减少漏诊和提供一致病变标注方面的优势	研究为回顾性设计，可能受到选择偏倚的影响，且仅使用了来自三家医院的数据	开发自动检测和分割食管癌病变的深度学习模型	食管癌患者和健康食管的个体	数字病理	食管癌	对比增强CT成像	U-Mamba和nnU-Net	医学图像	871名患者（564名男性），中位年龄67岁
5836	2025-04-03	Ultrasound-based deep learning radiomics for multi-stage assisted diagnosis in reducing unnecessary biopsies of BI-RADS 4A lesions 2025-Mar-03, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-24-580 PMID:40160614	研究论文	本研究开发了基于超声图像的深度学习放射组学模型，用于改善BI-RADS 4A病变的诊断一致性并减少不必要的活检	提出了两种深度学习放射组学模型（DLR_LH和DLR_BM），用于乳腺病变风险重新分层和识别低恶性概率的BI-RADS 4A病变，以减少不必要的活检	研究为回顾性设计，可能受到选择偏倚的影响	提高乳腺超声成像诊断的准确性，减少不必要的活检	746名乳腺病变患者	数字病理	乳腺癌	深度学习放射组学	DLR（深度学习放射组学模型）	超声图像和临床变量	746名患者
5837	2025-04-03	Multitask Swin Transformer for classification and characterization of pulmonary nodules in CT images 2025-Mar-03, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-24-1619 PMID:40160630	research paper	提出了一种多任务Swin Transformer（MTST）模型，用于CT图像中肺结节的分类和特征分析	结合多任务学习框架，同时输出良恶性分类、多级分类和结节特征分析，提高了模型的性能和可解释性	模型性能依赖于数据质量和数量，且在实际临床环境中的泛化能力有待进一步验证	开发一种计算机辅助诊断（CAD）系统，用于肺结节的早期诊断和特征分析	CT图像中的肺结节	digital pathology	lung cancer	U-Net GAN用于图像增强	Swin Transformer, CNN	CT图像	训练集/验证集/测试集分别为9,600/2,400/1,600个结节
5838	2025-04-03	Deep learning for identifying cervical ossification of the posterior longitudinal ligament: a systematic review and meta-analysis 2025-Mar-03, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-24-1485 PMID:40160638	系统综述与荟萃分析	本文通过系统综述和荟萃分析评估深度学习模型在诊断和预测颈椎后纵韧带骨化症中的性能	首次系统评估深度学习模型在颈椎后纵韧带骨化症诊断中的表现，并与传统方法进行比较	研究方法存在差异，深度学习技术本身存在挑战	评估深度学习模型在颈椎后纵韧带骨化症诊断和预测中的准确性和可靠性	颈椎后纵韧带骨化症患者	数字病理学	颈椎病	深度学习	DLM	医学影像	7项研究共3,373名患者，荟萃分析包含1,016名患者
5839	2025-04-03	Advanced deep learning for multi-class colorectal cancer histopathology: integrating transfer learning and ensemble methods 2025-Mar-03, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-24-1641 PMID:40160652	research paper	本研究开发了一种基于深度卷积神经网络（CNNs）的集成模型，用于结直肠癌组织病理学图像的多分类	结合迁移学习和集成方法优化深度学习模型在结直肠癌组织病理学图像分类中的性能	研究仅在一个公开数据集（EBHI）上进行了测试，未在其他数据集上验证模型的泛化能力	优化深度学习模型在结直肠癌组织病理学图像分类中的性能，以提高早期检测率和诊断准确性	结直肠癌组织病理学图像	digital pathology	colorectal cancer	deep learning, transfer learning, ensemble methods	CNN, ensemble model	image	EBHI数据集（具体样本数量未提及）
5840	2025-04-03	An automatic deep learning-based bone mineral density measurement method using X-ray images of children 2025-Mar-03, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-24-283 PMID:40160646	研究论文	提出了一种基于深度学习的自动骨密度测量方法，利用儿童X射线图像进行骨密度评估	通过单次X射线图像结合等效阶梯体模，实现骨龄或损伤评估的同时测量前臂骨密度，且采用深度学习方法消除软组织对骨密度测量的影响	方法仅在500张临床X射线图像上验证，样本量相对有限	开发一种适用于临床环境的自动骨密度测量方法，以替代或补充DXA技术	儿童的手部和前臂X射线图像	数字病理	骨质疏松症	X射线成像	深度学习	图像	500张临床X射线图像