深度学习在生物医药领域的应用

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	算法框架	模型架构	性能指标	计算资源
6541	2025-10-06	AI-Assisted Post Contrast Brain MRI: Eighty Percent Reduction in Contrast Dose 2025-Aug, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.10.026 PMID:39592383	研究论文	本研究提出一种深度学习方法来预测仅使用20%标准剂量钆对比剂的多参数MRI生成全剂量对比增强T1w图像	首次使用深度学习从低剂量(20%)对比剂MRI合成全剂量对比增强图像，实现80%的对比剂剂量减少	研究样本量相对较小(101例患者)，且仅针对特定脑部疾病患者群体	在保证诊断准确性的前提下减少钆对比剂使用剂量	101例患有白质疾病、小血管疾病、肿瘤或肿块、术后改变和无增强病变的患者	医学影像分析	脑部疾病	多参数脑部MRI	深度学习网络	MRI图像	101例患者	NA	NA	SSIM, PSNR, Likert量表评分, 非劣效性检验	NA
6542	2025-10-06	A multi-stage 3D convolutional neural network algorithm for CT-based lung segment parcellation 2025-Aug, Journal of applied clinical medical physics IF:2.0Q3 DOI:10.1002/acm2.70193 PMID:40698834	研究论文	开发了一种基于3D卷积神经网络的CT图像肺段分割算法	提出多阶段3D CNN算法，通过气道中心线检测和三级支气管识别实现端到端肺段分割	COPD患者的分割结果与健康对照组相比存在更大不匹配	验证基于深度学习的CT肺段分割算法的临床适用性	混合气道疾病患者的胸部CT图像	计算机视觉	慢性阻塞性肺疾病	CT成像	CNN	3D医学图像	123例训练CT图像，20例内部验证，20例外部验证（10例健康人，10例COPD患者）	NA	3D卷积神经网络	Dice系数, 包含率	NA
6543	2025-10-06	Gradient-driven pixel connectivity convolutional neural networks classification based on U-Net lung nodule segmentation 2025-Aug, Medical engineering & physics IF:1.7Q3 DOI:10.1016/j.medengphy.2025.104376 PMID:40701761	研究论文	提出一种基于U-Net肺结节分割和梯度驱动像素连接卷积神经网络的肺结节分类诊断辅助系统	结合U-Net分割网络与梯度驱动像素连接CNN分类器，实现肺结节的多层次特征分析与分类	仅使用LUNA16数据集，未在其他数据集验证模型泛化能力	开发基于深度学习的肺结节早期检测与分类系统	CT图像中的肺结节	计算机视觉	肺癌	计算机断层扫描(CT)	CNN, U-Net	医学图像	LUNA16数据集	NA	U-Net	准确率, Dice相似系数	NA
6544	2025-10-06	An enhanced UHMWPE wear particle detection approach based on YOLOv9 2025-Aug, Medical engineering & physics IF:1.7Q3 DOI:10.1016/j.medengphy.2025.104377 PMID:40701762	研究论文	提出一种基于改进YOLOv9的UHMWPE磨损颗粒自动检测方法	集成可编程梯度信息(PGI)和广义高效层聚合网络(GELAN)提升小目标检测精度，采用定制化Focal Loss函数解决类别不平衡问题	NA	开发自动化UHMWPE磨损颗粒检测技术以替代传统人工检测	超高分子量聚乙烯(UHMWPE)磨损颗粒	计算机视觉	骨科疾病	场发射枪扫描电子显微镜(FEG-SEM)	YOLO	图像	NA	NA	YOLOv9, YOLOv5, YOLOv8, Faster R-CNN	平均精度均值(mAP)	NA
6545	2025-10-06	The Power of Hellmann-Feynman Theorem: Kohn-Sham DFT Energy Derivatives with Respect to the Parameters of the Exchange-Correlation Functional at Linear Cost 2025-Jul-24, The journal of physical chemistry. A DOI:10.1021/acs.jpca.5c01771 PMID:40653651	研究论文	本研究应用Hellmann-Feynman定理计算Kohn-Sham DFT能量对交换关联泛函参数的导数，实现了线性计算复杂度	首次将Hellmann-Feynman定理应用于Kohn-Sham DFT能量参数导数计算，相比传统自动微分方法显著提升计算效率	研究基于原型程序实现，仅验证了LDA和GGA泛函在正构烷烃体系的表现	开发高效计算科学模型参数导数的方法，支持机器学习和深度学习应用	Kohn-Sham密度泛函理论中的交换关联泛函参数	计算化学	NA	密度泛函理论计算	Kohn-Sham DFT	量子化学计算数据	正构烷烃系列（n=4至64个碳原子）	PySCF, PyTorch	LDA泛函, GGA泛函	计算复杂度, 计算速度	NA
6546	2025-10-06	Artificial Neural Networks and Deep Learning in Solid Organ Transplantation 2025-Jul-24, Transplantation IF:5.3Q1 DOI:10.1097/TP.0000000000005500 PMID:40702591	综述	本文概述了人工神经网络和深度学习在实体器官移植领域的应用、术语解释及使用建议	系统梳理神经网络在移植领域的发展历程，特别关注处理非表格数据（如图像和文本）的最新应用	模型存在黑箱预测问题且结果解释需结合具体语境	为移植领域研究者提供神经网络模型的入门指南和应用前景分析	实体器官移植相关医疗数据与临床应用	机器学习	器官移植	NA	人工神经网络, 深度学习	图像, 文本, 非表格数据	NA	NA	NA	NA	NA
6547	2025-10-06	Malignancy classification of thyroid incidentalomas using 18F-fluorodeoxy-d-glucose PET/computed tomography-derived radiomics 2025-Jul-24, Nuclear medicine communications IF:1.3Q3 DOI:10.1097/MNM.0000000000002031 PMID:40702878	研究论文	本研究探讨了基于18F-FDG PET/CT影像组学特征在甲状腺偶发瘤良恶性鉴别诊断中的应用价值	首次将PET和CT影像的run length nonuniformity组学特征联合应用于甲状腺偶发瘤的良恶性分类，其诊断性能与传统的TIRADS分类相当	样本量较小（仅46例患者），需要更大规模的研究验证	开发非侵入性的甲状腺偶发瘤良恶性分类方法	甲状腺偶发瘤患者	医学影像分析	甲状腺癌	18F-FDG PET/CT影像组学	统计分析模型	医学影像（PET和CT图像）	46例患者（36例恶性，10例良性）	NA	NA	AUC（曲线下面积）	NA
6548	2025-10-06	MSA-Net: a multi-scale and adversarial learning network for segmenting bone metastases in low-resolution SPECT imaging 2025-Jul-24, EJNMMI physics IF:3.0Q2 DOI:10.1186/s40658-025-00785-w PMID:40705118	研究论文	提出一种结合多尺度特征提取和对抗学习的深度学习网络MSA-Net，用于低分辨率SPECT影像中骨转移瘤的分割	首次将条件对抗学习与多尺度特征提取生成器相结合，采用级联扩张卷积、多尺度模块和深度监督机制	研究仅基于286个临床标注的SPECT闪烁扫描图像，样本量相对有限	提高低分辨率SPECT影像中骨转移瘤的分割准确性	肺癌骨转移瘤	医学影像分析	肺癌	SPECT成像	生成对抗网络	医学影像	286个临床标注的SPECT闪烁扫描图像	NA	MSA-Net	Dice相似系数, 精确率, 召回率	NA
6549	2025-10-06	Guided multi-objective generative AI to enhance structure-based drug design 2025-Jul-23, Chemical science IF:7.6Q1 DOI:10.1039/d5sc01778e PMID:40463429	研究论文	介绍IDOLpro——一种结合扩散模型与多目标优化的生成式AI，用于基于结构的药物设计	首次将扩散模型与多目标优化相结合，通过可微分评分函数引导探索未知化学空间，同时优化多个理化性质	NA	开发能够同时优化多个理化性质的生成式AI模型，用于基于结构的药物设计	药物分子配体	机器学习	NA	生成式AI，结构基于药物设计	扩散模型	化学结构数据	两个基准测试集	NA	扩散模型	结合亲和力，合成可及性评分	NA
6550	2025-10-06	Development and validation of an improved volumetric breast density estimation model using the ResNet technique 2025-Jul-23, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/adecac PMID:40623423	研究论文	本研究开发并验证了基于ResNet技术的改进型乳腺体积密度估计模型	首次将ResNet深度学习模型应用于乳腺体积密度估计，相比传统多元回归模型和机器学习方法取得更优性能	研究基于相同数据集进行，需要进一步的外部验证	提高从存档X线乳腺摄影图像中准确测量乳腺体积密度的能力	乳腺X线摄影图像和患者数据	计算机视觉	乳腺癌	X线乳腺摄影	Random Forest, XG-Boost, ResNet	医学图像	NA	NA	ResNet	确定系数, 相关系数, 均方根误差, 平均绝对误差, 均方根百分比误差, 平均绝对百分比误差	NA
6551	2025-10-06	Development of a deep learning model for T1N0 gastric cancer diagnosis using 2.5D radiomic data in preoperative CT images 2025-Jul-23, NPJ precision oncology IF:6.8Q1 DOI:10.1038/s41698-025-01055-9 PMID:40696140	研究论文	开发基于2.5D影像组学数据和多示例学习的深度学习模型，用于术前CT图像中T1N0期胃癌的准确诊断	首次将2.5D影像组学数据与多示例学习相结合应用于胃癌诊断，相比传统影像组学模型和临床模型具有显著优越的预测性能	研究数据仅来自中国两家医疗中心，时间跨度为2006-2019年，可能存在选择偏倚	开发深度学习模型准确区分无淋巴结转移的早期胃癌	3164名接受根治性手术的胃癌患者	医学影像分析	胃癌	CT影像分析	深度学习	CT图像	3164名胃癌患者	NA	ResNet101, XGBoost	预测性能	NA
6552	2025-10-06	Deep learning-based prognosis of major adverse cardiac events in patients with acute myocardial infarction: a retrospective observational study in the Republic of Korea 2025-Jul-23, Osong public health and research perspectives IF:2.1Q3 DOI:10.24171/j.phrp.2025.0120 PMID:40701813	研究论文	本研究开发了基于深度神经网络的心肌梗死患者出院后主要不良心脏事件预测模型	首次针对心肌梗死患者出院后1、6、12个月三个不同随访期构建深度神经网络预测模型，相比传统机器学习方法展现出更优的预测性能	回顾性观察研究设计，数据仅来自韩国单一地区	预测急性心肌梗死患者出院后主要不良心脏事件的发生风险	急性心肌梗死患者	机器学习	心血管疾病	NA	DNN	临床数据	NA	NA	深度神经网络	准确率	NA
6553	2025-10-06	2D Materials for Emerging Neuromorphic Vision: From Devices to In-Sensor Computing 2025-Jul-23, Small (Weinheim an der Bergstrasse, Germany) DOI:10.1002/smll.202503717 PMID:40702832	综述	本文系统综述了二维材料在神经形态视觉领域的最新进展，重点探讨了从器件到传感内计算的应用潜力	首次全面整合二维材料系统在神经形态视觉中的多功能应用，提出将器件创新与深度学习算法架构相结合的新型传感内计算范式	未提供具体实验数据验证，主要基于现有研究进展的理论性综述	探索二维材料在突破冯·诺依曼架构限制、实现高效视觉处理方面的应用前景	二维材料系统（包括铁电二维材料、拓扑绝缘体和扭曲系统）及其在视觉神经突触器件中的应用	神经形态计算	NA	NA	深度学习	视觉感知数据	NA	NA	NA	NA	NA
6554	2025-10-06	Complete AI-Enabled Echocardiography Interpretation With Multitask Deep Learning 2025-Jul-22, JAMA DOI:10.1001/jama.2025.8731 PMID:40549400	研究论文	开发并验证了名为PanEcho的多任务深度学习AI系统，用于自动化超声心动图解读	首个能够全面解读超声心动图并处理39个标签和测量值的完整AI系统，在完整和有限成像协议中均保持高精度	回顾性研究，需要在各自临床工作流程中进行前瞻性评估	开发自动化超声心动图解读的AI系统并评估其准确性	经胸超声心动图(TTE)研究	医学影像分析	心血管疾病	超声心动图	多任务深度学习	视频	来自24,405名患者的32,265项TTE研究，包含120万段超声心动图视频	NA	NA	AUC, 平均绝对误差, 归一化平均绝对误差	NA
6555	2025-10-06	Automated detection of wolf howls using audio spectrogram transformers 2025-Jul-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-11413-z PMID:40695914	研究论文	开发基于音频频谱变换器的深度学习模型，用于自动检测狼嚎声	首次将音频频谱变换器架构应用于狼嚎声检测，实现了高精度的动物声音分类和狼嚎声识别	仅针对狼嚎声进行检测，未验证对其他野生动物声音的适用性	提高狼群生态监测中声音检测的效率和准确性	灰狼的嚎叫声	自然语言处理	NA	音频信号处理	Transformer	音频	NA	NA	Audio Spectrogram Transformer	精确率, 召回率	NA
6556	2025-10-06	Sequencing validates deep learning models for EHR-based detection of Noonan syndrome in pediatric patients 2025-Jul-21, NPJ genomic medicine IF:4.7Q1 DOI:10.1038/s41525-025-00512-5 PMID:40691161	研究论文	评估深度学习模型利用电子健康记录数据识别努南综合征儿科患者的真实世界性能	通过基因测序和临床评估验证深度学习模型在真实世界电子健康记录数据中识别罕见遗传病的性能	模型精度低于先前验证结果，反映了疾病患病率的预期差异	开发基于电子健康记录的努南综合征早期检测计算方法	儿科患者电子健康记录数据	医疗人工智能	努南综合征	基因测序，临床评估	深度学习模型	电子健康记录数据	92,428名患者，其中171名高风险个体接受全面审查	NA	NA	精确度，特异性	NA
6557	2025-10-06	Advancements in predicting soil liquefaction susceptibility: a comprehensive analysis of ensemble and deep learning approaches 2025-Jul-21, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-04280-1 PMID:40691180	研究论文	本研究通过集成学习和深度学习模型评估土壤液化敏感性，使用锥贯入试验数据和历史地震观测数据进行比较分析	首次对双向长短期记忆网络(BI-LSTM)在土壤液化预测中的应用进行综合评估，并与传统集成学习方法进行对比	模型性能可能受限于数据集规模和特征多样性，未考虑不同地质条件下的适用性	开发评估土壤液化敏感性的可靠预测工具，提升地震风险缓解策略	土壤沉积物的液化敏感性	机器学习	NA	锥贯入测试(CPT)，现场液化性能观测	BI-LSTM, LSTM, XGBoost, RF	结构化表格数据，序列数据	包含历史地震观测的大型数据库	NA	双向长短期记忆网络，长短期记忆网络，极端梯度提升，随机森林	准确率，精确率，召回率，特异性，F1分数，马修斯相关系数，平衡准确率，ROC曲线分析，AUC	NA
6558	2025-10-06	Deep learning models to predict CO2 solubility in imidazolium-based ionic liquids 2025-Jul-21, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-12004-8 PMID:40691294	研究论文	本研究使用深度学习模型预测咪唑类离子液体中CO2的溶解度	首次系统比较多种深度学习模型与PC-SAFT模型在预测CO2溶解度方面的性能，并识别压力为关键影响因素	仅针对咪唑类离子液体进行研究，未扩展到其他类型离子液体	预测CO2在咪唑类离子液体中的溶解度	咪唑类离子液体中的CO2溶解度	机器学习	NA	深度学习建模	BNN, DNN, GrowNet, TabNet, RF, SVR	表格数据	NA	NA	贝叶斯神经网络, 深度神经网络, 梯度提升神经网络, 表格神经网络, 随机森林, 支持向量回归	均方根误差, 决定系数, 皮尔逊相关系数	NA
6559	2025-10-06	Sub-regional radiomics combining multichannel 2-dimensional or 3-dimensional deep learning for predicting neoadjuvant chemo-immunotherapy response in esophageal squamous cell carcinoma: a multicenter study 2025-Jul-21, NPJ precision oncology IF:6.8Q1 DOI:10.1038/s41698-025-01047-9 PMID:40691312	研究论文	本研究开发并比较了结合亚区域放射组学与多通道2D和3D深度学习的融合模型，用于预测局部晚期食管鳞癌患者新辅助 chemo-immunotherapy 的病理完全缓解	首次结合亚区域放射组学特征与多通道2D/3D深度学习，开发融合模型预测食管鳞癌新辅助 chemo-immunotherapy 疗效	样本量相对有限（271例患者），需进一步多中心验证	预测局部晚期食管鳞癌患者新辅助 chemo-immunotherapy 的治疗反应	局部晚期食管鳞癌患者	医学影像分析	食管鳞状细胞癌	放射组学分析，K-means聚类	深度学习	医学影像数据	271例来自三家医院的患者，分为训练集、内部验证集和外部验证集	PyRadiomics	多通道2D深度学习，多通道3D深度学习	AUC	NA
6560	2025-10-06	Deep learning using nasal endoscopy and T2-weighted MRI for prediction of sinonasal inverted papilloma-associated squamous cell carcinoma: an exploratory study 2025-Jul-21, European radiology experimental IF:3.7Q1 DOI:10.1186/s41747-025-00610-0 PMID:40691342	研究论文	本研究探索了基于深度学习整合鼻内镜和T2加权MRI预测鼻腔鼻窦内翻性乳头状瘤相关鳞状细胞癌的价值	首次将鼻内镜和T2加权MRI双模态整合到深度学习框架中，实现SIP-SCC的自动预测	回顾性研究，样本量有限，仅为探索性研究	开发自动预测鼻腔鼻窦内翻性乳头状瘤恶性转化为鳞状细胞癌的深度学习工具	174例诊断为鼻腔鼻窦内翻性乳头状瘤的患者	医学影像分析	鼻腔鼻窦肿瘤	鼻内镜检查，T2加权磁共振成像	深度学习	图像	174例患者（训练队列121例，测试队列53例）	NA	FCN_ResNet101, VNet, DenseNet121	Dice相似系数, AUROC	NA