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
41	2025-07-21	An elegant intellectual engine towards automation of blockchain smart contract vulnerability detection 2025-Jul-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-08870-x PMID:40681656	研究论文	本文提出了一种结合可解释人工智能（XAI）与深度学习（DL）的新方法，用于检测区块链智能合约中的漏洞	提出了一种混合引导分支定界长短期记忆（HBLSTM）方法，显著提高了智能合约漏洞检测的准确性和性能	未提及具体的数据集规模或实际部署中的性能表现	提升区块链智能合约的安全性，自动检测合约中的漏洞	区块链智能合约	区块链安全	NA	可解释人工智能（XAI）与深度学习（DL）	HBLSTM（混合引导分支定界长短期记忆）	智能合约代码	NA
42	2025-07-21	Deep learning-based ultrasound diagnostic model for follicular thyroid carcinoma 2025-Jul-18, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-11840-6 PMID:40681777	research paper	本研究开发了一种基于深度学习的超声诊断模型，用于术前区分甲状腺滤泡癌（FTC）与其他恶性肿瘤和良性肿瘤	提出了一种新的数据增强方法和混合损失函数，以解决数据集不平衡问题，并结合预训练的CNN和Transformer模型有效提取图像特征	研究为回顾性多中心研究，可能存在选择偏倚，且FTC样本数量相对较少（39例）	提高甲状腺滤泡癌（FTC）的术前超声诊断准确性	10,771名接受超声检查和术后病理的成年患者	digital pathology	thyroid cancer	ultrasound imaging	CNN and Transformer	image	10,771名患者（测试集1,078名，其中FTC 39例）
43	2025-07-21	Innovations in clinical PET image reconstruction: advances in Bayesian penalized likelihood algorithm and deep learning 2025-Jul-18, Annals of nuclear medicine IF:2.5Q2 DOI:10.1007/s12149-025-02088-7 PMID:40681770	综述	本文总结了贝叶斯惩罚似然算法和深度学习在PET图像重建中的技术原理及临床性能	探讨了将深度学习嵌入迭代重建的混合方法uAI HYPER DPR，并比较了不同技术在图像质量和定量准确性上的表现	未提及具体临床数据支持或不同技术间的直接比较结果	提高PET图像重建的质量和定量准确性	PET图像重建技术	数字病理学	NA	贝叶斯惩罚似然算法、深度学习	CNN	图像	NA
44	2025-07-21	Diagnostic interchangeability of deep-learning based Synth-STIR images generated from T1 and T2 weighted spine images 2025-Jul-18, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-11827-3 PMID:40681776	研究论文	评估深度学习生成的合成短时反转恢复（Synth-STIR）图像与标准STIR图像在图像质量和诊断可互换性方面的表现	使用深度学习从T1和T2加权脊柱图像生成Synth-STIR，显著减少扫描时间并提高图像质量	研究仅包括199名参与者，可能需要在更大样本中验证结果	评估Synth-STIR在脊柱MRI中的图像质量和诊断可互换性	脊柱MRI图像	数字病理	脊柱疾病	深度学习	NA	图像	199名参与者（106名男性，平均年龄46.8±16.9岁）
45	2025-07-21	Systematic review and meta-analysis of deep learning for MSI-H in colorectal cancer whole slide images 2025-Jul-18, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-025-01848-z PMID:40681867	meta-analysis	该荟萃分析评估了深度学习算法在结直肠癌全切片图像中检测微卫星不稳定性高的诊断性能	首次系统评估深度学习在MSI-H检测中的性能，并识别了异质性的主要来源	外部验证的特异性较低，表明存在过拟合问题，算法标准化有待提高	评估深度学习算法在结直肠癌WSI中检测MSI-H的诊断性能	结直肠癌全切片图像	digital pathology	colorectal cancer	deep learning	NA	whole slide images	33,383个样本
46	2025-07-21	A densely connected framework for cancer subtype classification 2025-Jul-18, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-025-06230-0 PMID:40681997	研究论文	提出了一种名为DEGCN的新型深度学习模型，用于整合多组学数据并进行癌症亚型分类	结合了三通道变分自编码器(VAE)和多层密集连接的图卷积网络(GCN)，用于多组学数据降维和癌症亚型分类	未提及模型在更大规模或更多种类癌症数据集上的表现	开发一种可靠的癌症亚型分类方法以支持个性化治疗策略	肾癌、乳腺癌和胃癌的亚型分类	数字病理学	肾癌、乳腺癌、胃癌	多组学数据整合	VAE+GCN	多组学数据	TCGA数据库中的肾癌、乳腺癌和胃癌数据集
47	2025-07-21	A new approach for microbe-disease association prediction: incorporating representation learning of latent relationships 2025-Jul-18, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-025-03093-6 PMID:40682015	研究论文	提出了一种名为RKGATMDA的深度学习框架，用于预测微生物与疾病之间的关联	结合图注意力网络和随机K近邻算法，挖掘潜在关系以增强表示学习，解决了现有数据不足的问题	依赖于现有微生物-疾病关联数据，数据稀缺可能影响模型的全面性	开发高效的计算模型以预测微生物与疾病之间的关联，辅助临床诊断和治疗	微生物与疾病的关联	机器学习	哮喘、结肠癌、结直肠癌	深度学习、图注意力网络、随机K近邻算法	RKGATMDA	微生物-疾病关联数据	NA
48	2025-07-21	Open-access ultrasonic diaphragm dataset and an automatic diaphragm measurement using deep learning network 2025-Jul-18, Respiratory research IF:4.7Q1 DOI:10.1186/s12931-025-03325-3 PMID:40682068	research paper	该研究构建了一个超声膈肌数据集，并开发了一种基于深度学习的自动膈肌测量系统	提出了Multi-ratio Dilated U-Net (MDRU-Net)分割网络，实现了高精度的自动膈肌测量	与临床医生的手动测量相比，膈肌增厚分数测量的平均误差为8.12%	开发一种自动膈肌测量系统，以提高临床膈肌功能评估的准确性和自动化程度	膈肌厚度和运动的超声图像和视频	digital pathology	NA	超声成像	U-Net, MDRU-Net	image, video	未明确说明样本数量
49	2025-07-21	AI-Driven segmentation and morphogeometric profiling of epicardial adipose tissue in type 2 diabetes 2025-Jul-18, Cardiovascular diabetology IF:8.5Q1 DOI:10.1186/s12933-025-02829-y PMID:40682091	研究论文	开发了一种基于AI的形状感知方法，用于自动分割和分析2型糖尿病患者心外膜脂肪组织的形态几何特征	提出了EAT-Seg多模态深度学习模型，结合符号距离图进行形状感知分割，并应用统计形状分析和PLS-DA捕捉组间潜在空间差异	样本量相对较小（90名参与者），且仅基于瑞典SCAPIS队列的子研究，可能限制结果的普遍性	开发AI方法以研究2型糖尿病患者心外膜脂肪组织的空间分布和结构变化	2型糖尿病患者和年龄、性别匹配的对照组的心外膜脂肪组织	数字病理学	2型糖尿病	心脏3D Dixon MRI	多模态深度学习模型（EAT-Seg）、Random Forest	医学影像	90名参与者（45名2型糖尿病患者和45名对照组）
50	2025-07-21	Diabetic retinopathy detection from fundus images: A wide survey from grading to segmentation of lesions 2025-Jul-18, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110715 PMID:40683101	综述	本文主要综述了从视网膜眼底图像诊断糖尿病视网膜病变（DR）的相关工作，包括DR的分级/分类和病变分割两大部分	全面回顾了从1986年至2025年的128篇研究论文，涵盖了传统方法和深度学习方法在DR诊断中的应用，并提供了知名DR数据集的详细信息	虽然综述全面，但可能未能涵盖所有最新研究进展，且未深入探讨某些特定方法的局限性	为研究者提供糖尿病视网膜病变诊断领域的全面概述和未来研究方向	糖尿病视网膜病变（DR）	数字病理学	糖尿病视网膜病变	眼底成像、多焦视网膜电图、光学相干断层扫描	CNN、LSTM、Vision Transformer、对比学习、联邦学习、XAI	图像	综述了128篇研究论文，涵盖多个知名DR数据集
51	2025-07-21	Enhanced Image Quality and Comparable Diagnostic Performance of Prostate Fast Bi-MRI with Deep Learning Reconstruction 2025-Jul-18, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.06.059 PMID:40683764	研究论文	评估使用深度学习重建（DLR）的前列腺双参数MRI（bi-MRI）的图像质量和诊断性能	通过深度学习重建技术显著提高了快速前列腺bi-MRI的图像质量，同时保持了PI-RADS分类准确性和ADC诊断性能	样本量较小（61例），且仅针对男性泌尿系统患者	评估DLR在前列腺bi-MRI中的应用效果	61例成年男性泌尿系统患者的前列腺MRI数据	数字病理学	前列腺癌	深度学习重建（DLR）、双参数MRI（bi-MRI）	深度学习	MRI图像	61例成年男性泌尿系统患者
52	2025-07-21	Deep learning models for deriving optimised measures of fat and muscle mass from MRI 2025-Jul-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-07867-w PMID:40676073	研究论文	本文评估了多种深度学习模型在从腹部MRI中量化脂肪和肌肉质量的准确性、精确度及追踪变化的能力	比较了15种基于CNN和4种基于transformer的深度学习模型架构在量化不同脂肪和肌肉组织方面的性能差异	不同组织的分割准确性和重复性存在差异，特别是psoas肌肉的分割在所有评估中表现较差	评估深度学习模型在从MRI图像中量化脂肪和肌肉质量的性能	腹部MRI图像中的皮下脂肪(SF)、腹内脂肪(VF)、外部肌肉(EM)和腰大肌(PM)	计算机视觉	肿瘤学	MRI	CNN, transformer	图像	未明确说明样本数量
53	2025-07-21	Toward automatic and reliable evaluation of human gastric motility using magnetically controlled capsule endoscope and deep learning 2025-Jul-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-10839-9 PMID:40676082	研究论文	本文开发了一种结合摄像头运动检测器(CMD)、深度学习模型、类激活映射(CAM)和周期性特征检测器的算法组合，用于通过检测胃蠕动存在并测量蠕动周期来评估人类胃动力	利用CAM提供的视觉解释提高检测结果的敏感性，并结合多种算法实现胃动力的自动可靠评估	NA	评估人类胃动力	人类胃蠕动	数字病理学	胃病	磁控胶囊内窥镜(MCCE)	深度学习模型	图像	超过100,000帧(具体为100,055帧)
54	2025-07-21	Task based evaluation of sparse view CT reconstruction techniques for intracranial hemorrhage diagnosis using an AI observer model 2025-Jul-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-11089-5 PMID:40676122	研究论文	本研究使用AI观察者模型评估稀疏视图CT重建技术在颅内出血诊断中的准确性	首次使用AI观察者模型对稀疏视图CT的三种重建技术（FBP、MBIR和DLR）进行任务导向的评估，为成本效益高的放射学研究提供替代方案	研究为概念验证性质，未进行大规模临床验证	评估稀疏视图CT重建技术在颅内出血诊断中的性能	颅内出血的CT图像	数字病理	颅内出血	稀疏视图CT重建技术（FBP、MBIR、DLR）	AI观察者模型	CT图像	公共脑CT数据集（具体数量未说明）
55	2025-07-21	Transformer-based structural connectivity networks for ADHD-related connectivity alterations 2025-Jul-17, Communications medicine IF:5.4Q1 DOI:10.1038/s43856-025-01015-1 PMID:40676171	研究论文	该研究利用基于Transformer的深度学习模型构建结构性连接网络，探索与注意力缺陷多动障碍(ADHD)相关的脑区连接改变	首次将Transformer模型应用于结构性脑连接网络分析，为ADHD提供客观影像学诊断方法	样本来自预处理数据集，可能引入偏差；模型准确率有待提高	探索基于MRI的结构性连接网络是否能够揭示ADHD相关改变	947名7-26岁个体(590名男性，356名女性，1名未指定)的脑MRI数据	数字病理学	神经发育障碍	MRI，深度学习	Transformer	医学影像	947例脑MRI数据(来自8个中心)
56	2025-07-21	Integrative habitat analysis and multi-instance deep learning for predictive model of PD-1/PD-L1 immunotherapy efficacy in NSCLC patients: a dual-center retrospective study 2025-Jul-17, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-01828-5 PMID:40676504	研究论文	该研究通过整合栖息地放射组学和多实例深度学习，预测非小细胞肺癌患者对PD-1/PD-L1免疫治疗的持久临床获益	结合栖息地放射组学和多实例深度学习构建预测模型，并比较其与PD-L1表达状态的预测性能	研究为回顾性双中心研究，样本量有限，外部验证队列规模较小	预测非小细胞肺癌患者对PD-1/PD-L1免疫治疗的持久临床获益	590名接受PD-1/PD-L1抑制剂免疫治疗的非小细胞肺癌患者	数字病理	肺癌	栖息地放射组学分析、多实例深度学习	DenseNet121、Extra-Trees分类器	影像数据	590名患者（训练队列375名，内部验证队列161名，外部测试队列54名）
57	2025-07-21	The application of super-resolution ultrasound radiomics models in predicting the failure of conservative treatment for ectopic pregnancy 2025-Jul-17, Reproductive biology and endocrinology : RB&E IF:4.2Q1 DOI:10.1186/s12958-025-01437-5 PMID:40676578	研究论文	本研究开发并验证了一种结合超分辨率超声影像组学特征与临床生物标志物的预测模型，用于改善异位妊娠保守治疗失败的早期风险分层	首次将深度学习生成的超分辨率超声影像组学特征与血清β-hCG结合，构建多模态预测模型	回顾性研究设计可能引入选择偏倚，且样本量相对有限	开发预测异位妊娠保守治疗失败的精准工具	接受保守治疗的异位妊娠患者	数字病理	异位妊娠	超分辨率超声成像、GAN、LASSO回归	随机森林、GAN	超声图像、临床生化数据	228例训练集患者（169例成功，59例失败）+40例独立验证集
58	2025-07-21	Reflections on dynamic prediction of Alzheimer's disease: advancements in modeling longitudinal outcomes and time-to-event data 2025-Jul-17, BMC medical research methodology IF:3.9Q1 DOI:10.1186/s12874-025-02618-x PMID:40676602	综述	本文全面调查了阿尔茨海默病动态预测的方法，包括传统统计方法和深度学习技术	动态预测模型能够实时预测个体患者的预后，超越了传统仅基于基线预测模型的限制	未来工作需考虑多种数据类型、复杂的纵向数据、缺失数据、假设违反、生存结果和模型的可解释性	提供阿尔茨海默病动态预测方法的全面调查	阿尔茨海默病的动态预测方法	机器学习	阿尔茨海默病	传统统计方法和深度学习技术	两阶段模型、联合模型、地标模型和深度学习	纵向数据和生存数据	18项研究
59	2025-07-21	Deep Learning-Guided Quantitative Analysis Establishes Optimized BRAF V600E Immunohistochemical Criteria for Colorectal Cancer: A Multi-Platform Validation Study 2025-Jul-17, Laboratory investigation; a journal of technical methods and pathology DOI:10.1016/j.labinv.2025.104215 PMID:40683333	研究论文	本研究通过深度学习引导的定量分析，建立了针对结直肠癌的优化BRAF V600E免疫组化标准，并进行了多平台验证	首次为结直肠癌建立了特定的BRAF V600E免疫组化标准，并采用深度学习进行定量分析，显著提高了检测的准确性和标准化	研究中存在部分异常染色模式需要分子确认，可能增加临床应用的复杂性	建立结直肠癌特异的BRAF V600E免疫组化标准，以提高检测准确性和临床指导价值	250例结直肠癌病例及其免疫组化和基因检测结果	数字病理学	结直肠癌	免疫组化(IHC)、qPCR、NGS、深度学习	深度学习	图像、基因检测数据	250例结直肠癌病例
60	2025-07-21	A Review of Metadata and Deep Learning Strategies for Skin Lesion Classification 2025-Jul-17, The Journal of investigative dermatology IF:5.7Q1 DOI:10.1016/j.jid.2025.06.1593 PMID:40683340	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA