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
6041	2025-03-21	Challenges and opportunities in quantum machine learning 2022-Sep, Nature computational science IF:12.0Q1 DOI:10.1038/s43588-022-00311-3 PMID:38177473	综述	本文探讨了量子机器学习在加速数据分析方面的潜力，特别是在量子数据领域，并回顾了当前的方法和应用	强调了量子机器学习与经典机器学习之间的差异，特别是量子神经网络和量子深度学习	量子机器学习模型的可训练性仍存在挑战	探讨量子机器学习在量子材料、生物化学和高能物理等领域的应用潜力	量子数据及其在多个科学领域的应用	量子机器学习	NA	NA	量子神经网络, 量子深度学习	量子数据	NA
6042	2025-03-21	Rapid Serial Immunoprofiling of the Tumor Immune Microenvironment by Fine Needle Sampling 2021-09-01, Clinical cancer research : an official journal of the American Association for Cancer Research IF:10.0Q1 DOI:10.1158/1078-0432.CCR-21-1252 PMID:34233961	研究论文	本文介绍了一种通过细针抽吸（FNA）进行肿瘤免疫微环境（TME）连续评估的创新技术FAST-FNA	首次展示了通过简单的FNA可以准确且连续地测量治疗期间复杂且快速变化的TME	NA	发现并整合预测和/或预后生物标志物到治疗算法中	肿瘤免疫微环境（TME）	数字病理学	癌症	FAST-FNA	深度学习辅助分析管道	单细胞数据	临床前样本和人类样本
6043	2025-03-21	Preoperative identification of microvascular invasion in hepatocellular carcinoma by XGBoost and deep learning 2021-Mar, Journal of cancer research and clinical oncology IF:2.7Q3 DOI:10.1007/s00432-020-03366-9 PMID:32852634	研究论文	本研究开发了基于CT图像的XGBoost和深度学习模型，用于术前预测肝细胞癌的微血管侵犯	结合了放射组学特征、放射学特征和临床变量，开发了XGBoost模型和3D-CNN模型，用于术前预测MVI状态	需要进一步验证这些机器学习模型的有效性	术前预测肝细胞癌的微血管侵犯状态	405名肝细胞癌患者	计算机视觉	肝细胞癌	CT图像分析	XGBoost, 3D-CNN	图像	405名患者
6044	2025-03-20	Deep learning for the prediction of acute kidney injury after coronary angiography and intervention in patients with chronic kidney disease: a model development and validation study 2025-Dec, Renal failure IF:3.0Q1 DOI:10.1080/0886022X.2025.2474206 PMID:40083057	研究论文	本研究开发并验证了用于预测慢性肾脏病（CKD）患者在接受冠状动脉造影和介入治疗后发生对比剂后急性肾损伤（PC-AKI）的深度学习模型	首次为CKD患者开发了基于深度神经网络的PC-AKI预测模型，并提供了可解释性工具和基于网页的风险分层工具	研究样本仅来自单一中心，可能限制了模型的泛化能力	开发并验证用于预测CKD患者在接受冠状动脉造影和介入治疗后发生PC-AKI的预测模型	慢性肾脏病（CKD）患者	机器学习	慢性肾脏病	随机森林算法、深度神经网络（DNN）	DNN	临床数据	989名CKD患者
6045	2025-03-20	Effect of adaptive statistical iterative reconstruction-V algorithm and deep learning image reconstruction algorithm on image quality and emphysema quantification in COPD patients under ultra-low-dose conditions 2025-Apr-01, The British journal of radiology DOI:10.1093/bjr/tqae251 PMID:39862404	研究论文	本研究探讨了在超低剂量扫描条件下，不同重建算法（ASIR-V和DLIR）对慢性阻塞性肺疾病（COPD）患者图像质量和肺气肿定量的影响	首次在超低剂量CT扫描条件下比较了ASIR-V和DLIR算法对COPD患者图像质量和肺气肿定量的影响，并发现DLIR-M在图像质量和肺气肿定量方面表现最佳	样本量相对较小（62名COPD患者），且仅使用了商业计算机辅助诊断（CAD）软件进行分析	探讨不同重建算法在超低剂量CT扫描条件下对COPD患者图像质量和肺气肿定量的影响	62名COPD患者	数字病理	慢性阻塞性肺疾病（COPD）	CT扫描、计算机辅助诊断（CAD）	ASIR-V、DLIR	CT图像	62名COPD患者
6046	2025-03-20	Rational design and synthesis of pyrazole derivatives as potential SARS-CoV-2 Mpro inhibitors: An integrated approach merging combinatorial chemistry, molecular docking, and deep learning 2025-Apr-01, Bioorganic & medicinal chemistry IF:3.3Q1 DOI:10.1016/j.bmc.2025.118095 PMID:39929031	研究论文	本研究结合组合化学、分子对接和深度学习，设计、评估并合成了新的吡唑衍生物作为潜在的SARS-CoV-2主要蛋白酶（Mpro）抑制剂	通过整合组合化学、分子对接和深度学习技术，加速了SARS-CoV-2主要蛋白酶抑制剂的发现，并提供了未来抗病毒药物开发的框架	NA	开发新型抗病毒疗法以应对SARS-CoV-2的全球影响	SARS-CoV-2主要蛋白酶（Mpro）	药物化学	COVID-19	组合化学、分子对接、深度学习	DeepPurpose	化学结构数据	超过60,000种吡唑基结构
6047	2025-03-20	X2-PEC: A Neural Network Model Based on Atomic Pair Energy Corrections 2025-Mar-30, Journal of computational chemistry IF:3.4Q2 DOI:10.1002/jcc.70081 PMID:40099806	研究论文	本文介绍了X2-PEC方法，这是一种基于原子对能量校正的神经网络模型，旨在提高低阶密度泛函理论（DFT）计算的准确性	X2-PEC模型通过使用重叠积分和核心哈密顿积分将物理和化学信息整合到特征向量中，以描述原子相互作用，从而提升低阶DFT计算的准确性	NA	提升低阶密度泛函理论（DFT）计算的准确性，使其达到高阶DFT计算的水平	分子性质预测，特别是异构体的原子化能量	机器学习	NA	人工神经网络（ANN）	X2-PEC	分子数据	QM9数据集，以及G2-HCNOF、PSH36、ALKANE28、BIGMOL20和HEDM45等数据集
6048	2025-03-20	Recent Progress on Heterojunction-Based Memristors and Artificial Synapses for Low-Power Neural Morphological Computing 2025-Mar-19, Small (Weinheim an der Bergstrasse, Germany) DOI:10.1002/smll.202412851 PMID:40103529	综述	本文综述了基于异质结的忆阻器和人工突触在低功耗神经形态计算领域的最新进展	通过优化异质结的材料组成、界面特性和器件结构，降低能耗并提高性能稳定性和耐久性，为低功耗神经形态计算系统提供支持	详细讨论了限制基于异质结的忆阻器和人工突触发展的瓶颈	探讨基于异质结的忆阻器和人工突触在低功耗神经形态计算中的应用	异质结忆阻器和人工突触	神经形态计算	NA	NA	NA	NA	NA
6049	2025-03-20	Poisson diffusion probabilistic model for low-dose SPECT sinogram denoising 2025-Mar-19, Medical physics IF:3.2Q1 DOI:10.1002/mp.17760 PMID:40103551	研究论文	本文提出了一种基于泊松噪声的扩散概率模型（PDPM），用于低剂量SPECT正弦图的去噪	PDPM将传统扩散模型中的高斯噪声替换为泊松噪声，并利用低剂量和正常剂量SPECT正弦图作为去噪过程的起点和终点	NA	开发有效的低剂量SPECT图像去噪方法	低剂量SPECT正弦图	医学图像处理	NA	扩散概率模型	PDPM	图像	模拟和临床SPECT数据集
6050	2025-03-20	FCM-NPOA: A hybrid Fuzzy C-means clustering with nomadic people optimizer for ovarian cancer detection 2025-Mar-19, Technology and health care : official journal of the European Society for Engineering and Medicine IF:1.4Q3 DOI:10.1177/09287329241302736 PMID:40105378	研究论文	本文提出了一种结合模糊C均值聚类和游牧者优化算法的混合模型（FCM-NPOA），用于卵巢癌的早期检测和分类	提出了一种新的混合进化深度学习模型，结合了遗传和病理成像数据，并开发了优化的模糊C均值聚类算法（FCM-NPOA-PM-UI）用于妇科腹部盆腔肿瘤的分类	研究样本量相对较小（349名患者），可能限制了模型的泛化能力	开发一种预测模型，用于卵巢癌的早期诊断和分类	349名卵巢癌患者的临床数据	机器学习	卵巢癌	机器学习、深度学习、特征选择、多模态融合	FCM-NPOA、Transformer、UNeT、随机森林、逻辑回归、SVM、决策树、CNN	临床数据、遗传数据、病理成像数据	349名患者
6051	2025-03-20	Harnessing Electronic Health Records and Artificial Intelligence for Enhanced Cardiovascular Risk Prediction: A Comprehensive Review 2025-Mar-18, Journal of the American Heart Association IF:5.0Q1 DOI:10.1161/JAHA.124.036946 PMID:40079336	综述	本文综述了利用电子健康记录（EHR）和人工智能（AI）在心血管疾病（CVD）风险预测和管理中的进展与挑战	整合EHR数据和AI技术，特别是深度学习，以提高CVD风险预测的准确性和管理效率	数据质量、跨医疗系统的标准化、地理变异性、AI模型的解释性不足以及需要针对不同人群进行验证和重新校准	探讨EHR和AI在CVD风险预测和管理中的应用及其潜力	心血管疾病（CVD）	机器学习	心血管疾病	AI, 深度学习	深度学习模型	电子健康记录（EHR）	NA
6052	2025-03-20	The impact of multi-modality fusion and deep learning on adult age estimation based on bone mineral density 2025-Mar-18, International journal of legal medicine IF:2.2Q1 DOI:10.1007/s00414-025-03432-2 PMID:40100354	研究论文	本研究旨在通过结合多模态融合策略和深度学习技术，基于骨密度（BMD）提高成人年龄估计的准确性	创新点在于将多模态融合策略与深度学习相结合，显著提高了基于骨密度的成人年龄估计的准确性	研究主要基于中国人群的CT扫描数据，可能在其他种族或地区的适用性有限	提高基于骨密度的成人年龄估计的准确性	4296例中国人群的CT扫描数据，涵盖腰椎、股骨和耻骨模态	机器学习	老年疾病	深度学习	深度学习模型	CT扫描图像	4296例CT扫描数据（内部验证队列644例，外部尸体验证队列351例）
6053	2025-03-20	Oculomics approaches using retinal imaging to predict mental health disorders: a systematic review and meta-analysis 2025-Mar-18, International ophthalmology IF:1.4Q3 DOI:10.1007/s10792-025-03500-x PMID:40100514	meta-analysis	本文通过系统回顾和荟萃分析评估了眼组学方法（包括深度学习、机器学习和逻辑回归模型）在使用视网膜成像检测主要精神障碍中的诊断性能	首次系统评估了眼组学方法在精神障碍诊断中的应用，并揭示了其高诊断准确性	所有研究均存在高偏倚风险，主要由于病例对照研究设计、缺乏外部验证和选择偏倚，部分模型存在过拟合问题	评估眼组学方法在使用视网膜成像检测精神障碍中的诊断性能	主要精神障碍（包括重度抑郁症、双相情感障碍、精神分裂症、强迫症和自闭症谱系障碍）	数字病理学	精神障碍	深度学习、机器学习、逻辑回归模型	NA	视网膜成像（包括彩色眼底摄影、光学相干断层扫描（OCT）和OCT血管成像）	11项研究中的13个诊断模型
6054	2025-03-20	Deep learning reconstruction for accelerated 3-D magnetic resonance cholangiopancreatography 2025-Mar-18, La Radiologia medica DOI:10.1007/s11547-025-01987-z PMID:40100541	研究论文	本研究比较了传统的三维磁共振胰胆管成像（MRCP）序列与深度学习加速的MRCP序列（MRCPDL）在采集时间和图像质量方面的差异	首次将深度学习技术应用于加速3-D MRCP序列，显著减少了采集时间并保持了图像质量	样本量较小（30名参与者），且仅在单一的三级中心进行	比较传统MRCP序列与深度学习加速MRCP序列的采集时间和图像质量	接受MRCP检查的连续患者	医学影像	NA	深度学习	NA	医学影像	30名参与者（16名男性，14名女性，平均年龄63±15岁）
6055	2025-03-20	Monitoring kidney microanatomy during ischemia-reperfusion using ANFIS optimized CNN 2025-Mar-18, International urology and nephrology IF:1.8Q3 DOI:10.1007/s11255-025-04449-7 PMID:40100537	研究论文	本文提出了一种基于自适应神经模糊推理系统优化的卷积神经网络（ANFIS-CNN）方法，用于监测肾脏疾病	提出了一种结合ANFIS和Resnet50的优化CNN方法，用于提高肾脏疾病的分类准确率	NA	提高肾脏疾病监测的分类准确率	肾脏微解剖结构	计算机视觉	肾脏疾病	光学相干断层扫描（OCT）	ANFIS-Resnet50 CNN	图像	NA
6056	2025-03-20	Total brain dose estimation in single-isocenter-multiple-targets (SIMT) radiosurgery via a novel deep neural network with spherical convolutions 2025-Mar-18, Medical physics IF:3.2Q1 DOI:10.1002/mp.17748 PMID:40100547	研究论文	本研究开发了一种基于球形卷积的深度学习模型，用于预测单等中心多目标（SIMT）立体定向放射外科（SRS）治疗计划中正常脑组织的剂量	提出了一种新颖的球形卷积神经网络（SCNN）模型，通过将3D体积数据投影到球形几何上进行剂量预测	研究仅基于106个SIMT病例，样本量相对较小，可能影响模型的泛化能力	开发一种深度学习模型，用于预测SIMT SRS治疗计划中正常脑组织的剂量，以提高治疗计划质量的一致性	单等中心多目标（SIMT）立体定向放射外科（SRS）治疗计划中的正常脑组织	数字病理学	脑部疾病	深度学习	球形卷积神经网络（SCNN）	3D体积数据	106个SIMT病例
6057	2025-03-20	Deep learning-based segmentation of ultra-low-dose CT images using an optimized nnU-Net model 2025-Mar-18, La Radiologia medica DOI:10.1007/s11547-025-01989-x PMID:40100539	研究论文	本研究旨在开发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	开发了专门用于噪声CT图像的LD-nnU-Net模型，相较于传统的高质量图像训练的模型，在超低剂量CT图像上表现出色	研究主要依赖于模拟的低剂量CT图像，实际低剂量CT图像的外部数据集验证较少	开发一种深度学习模型，用于在超低剂量CT图像上进行器官分割	274个CT原始数据集，包括全剂量和模拟低剂量CT图像	计算机视觉	NA	深度学习	nnU-Net	CT图像	274个CT原始数据集
6058	2025-03-20	Privacy-Preserving Data Augmentation for Digital Pathology Using Improved DCGAN 2025-Mar-18, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3551720 PMID:40100674	研究论文	本文提出了一种基于改进的深度卷积生成对抗网络（DCGAN）的数据增强方法，用于数字病理学中的全切片图像（WSI）分析	利用自监督预训练的CTransPath模型提取多样且具有代表性的WSI特征，引入最小二乘对抗损失和频域损失以提高像素级精度和结构保真度，并通过残差块和跳跃连接增加网络深度、缓解梯度消失并提高训练稳定性	实验仅在PatchCamelyon数据集上进行，未验证在其他数据集上的泛化能力	解决数字病理学中WSI数据集因隐私法规限制而可用性不足的问题，提升深度学习模型的性能和泛化能力	全切片图像（WSI）	数字病理学	肿瘤学	DCGAN	改进的DCGAN	图像	PatchCamelyon数据集
6059	2025-03-20	Multimodal feature-guided diffusion model for low-count PET image denoising 2025-Mar-18, Medical physics IF:3.2Q1 DOI:10.1002/mp.17764 PMID:40102174	研究论文	本文提出了一种新的多模态特征引导扩散模型（MFG-Diff），用于低计数PET图像去噪，并充分利用MRI信息	MFG-Diff模型通过引入新的退化操作符模拟PET成像的物理退化过程，并使用跨模态引导恢复网络和多模态特征融合模块，充分挖掘LPET和MR图像的模态特定特征	未明确提到具体局限性	研究目的是开发一种能够从低计数PET图像生成高质量标准计数PET图像的方法，以减少辐射暴露	低计数PET图像和MRI图像	计算机视觉	NA	扩散模型	MFG-Diff	图像	未明确提到样本数量
6060	2025-03-20	Histogram matching-enhanced adversarial learning for unsupervised domain adaptation in medical image segmentation 2025-Mar-18, Medical physics IF:3.2Q1 DOI:10.1002/mp.17757 PMID:40102198	研究论文	本文提出了一种基于直方图匹配增强的对抗学习方法（HMeAL-UDA），用于医学图像分割中的无监督域适应，并提供了模型预测的全面不确定性估计	提出了一种新的对抗学习方法，结合直方图匹配策略来减少模型复杂性并提高跨模态特征对齐的效果，同时通过蒙特卡洛dropout量化模型预测的不确定性	方法主要关注分割精度，虽然提供了不确定性估计，但未深入探讨其在临床决策中的具体应用	开发一种简单有效的无监督域适应方法，用于医学图像分割，并提供模型预测的不确定性估计	跨模态医学图像分割	医学图像分割	NA	对抗学习、直方图匹配、蒙特卡洛dropout	对抗学习模型	医学图像（MRI和CT）	30 MRI扫描（20来自CHAOS数据集，10来自内部数据集）和30 CT扫描（来自BTCV数据集），以及240 CT扫描和60 MRI扫描（来自AMOS数据集）