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
6641	2025-10-06	Deep Learning Enhanced Label-Free Action Potential Detection Using Plasmonic-Based Electrochemical Impedance Microscopy 2024-07-16, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.4c01179 PMID:38953225	研究论文	本研究利用深度学习技术提升基于等离子体电化学阻抗显微镜的无标记动作电位检测性能	首次将长短期记忆循环神经网络应用于P-EIM信号处理，实现单周期刺激动作电位检测	研究未提及模型在其他神经元类型或实验条件下的泛化能力	提高等离子体电化学阻抗显微镜检测神经元电信号的可用性	神经元细胞的动作电位信号	机器学习	NA	等离子体电化学阻抗显微镜	LSTM	电信号	NA	NA	LSTM	AUC	NA
6642	2025-10-06	The new paradigm in machine learning - foundation models, large language models and beyond: a primer for physicians 2024-05, Internal medicine journal IF:1.8Q2 DOI:10.1111/imj.16393 PMID:38715436	综述	本文为医生提供关于基础模型和大语言模型的入门指南，介绍其类型、医学应用及潜在风险	系统阐述基础模型从传统任务特定模型向多任务多模态的范式转变，特别聚焦医学领域的大语言模型应用前景	指出基础模型和大语言模型若缺乏适当监管可能造成危害的风险	为医生群体普及基础模型和大语言模型的基本概念及其在医学领域的应用潜力	基础机器学习模型和大语言模型	机器学习	NA	深度学习	基础模型, 大语言模型	文本, 音频, 图像, 视频	NA	NA	NA	NA	NA
6643	2025-10-06	DLSIA: Deep Learning for Scientific Image Analysis 2024-Apr-01, Journal of applied crystallography IF:5.2Q1 DOI:10.1107/S1600576724001390 PMID:38596727	研究论文	介绍DLSIA这一用于科学图像分析的深度学习Python库	提出稀疏混合尺度网络(SMSNets)和可调U-Net等新型可定制CNN架构	NA	为科学图像分析提供可访问的深度学习工具	科学图像数据	计算机视觉	NA	深度学习	CNN	图像	NA	Python	U-Net, MSDNet, SMSNet, Autoencoder	NA	NA
6644	2025-10-06	Shared subspace learning via partial Tucker decomposition for hyperspectral image classification 2025-Dec-15, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2025.126584 PMID:40580669	研究论文	提出一种基于张量的分类框架SSTC，通过部分Tucker分解学习共享子空间，用于高光谱图像分类	采用部分Tucker分解保留高光谱数据的多维结构，学习跨样本共享的空间和光谱子空间	未明确说明样本量的具体限制和计算资源需求	开发高效的高光谱图像分类方法，应用于食品质量评估	李子皮下瘀伤检测和芒果成熟度分类	计算机视觉	NA	高光谱成像	张量分解	高光谱图像	NA	NA	部分Tucker分解	分类准确率	NA
6645	2025-10-06	Quantitative Analysis of Deltamethrin Residues in Water Using Surface-Enhanced Raman Spectroscopy 2025-Dec-15, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2025.126545 PMID:40614471	研究论文	本研究创新性地结合表面增强拉曼光谱与增强深度神经网络，提出了一种高灵敏度、高准确度的溴氰菊酯定量分析方法	通过引入门控循环单元和注意力机制增强传统CNN模型结构，构建CNN-GRU-Attention混合神经网络，在多维特征注意力聚焦和时间依赖性建模方面实现突破	NA	开发高灵敏度、高准确度的溴氰菊酯农药残留定量检测方法	水中的溴氰菊酯农药残留	机器学习	NA	表面增强拉曼光谱	CNN,GRU,Attention机制	光谱数据	NA	NA	CNN-GRU-Attention混合神经网络	相关系数R,均方根误差RMSE	NA
6646	2025-10-06	Learning discrete structures for cancer radiomics 2025-Sep, APL bioengineering IF:6.6Q1 DOI:10.1063/5.0260927 PMID:40655195	研究论文	提出一种通过学习离散图像图结构来改进癌症影像组学特征提取的新方法	开发了能够同时学习任务特定图像关系和优化特征的Image-Graph神经网络，解决了传统方法忽略图像间潜在关系的问题	未明确说明方法在更广泛数据集上的泛化能力以及计算复杂度分析	改进癌症影像组学中的特征提取方法，通过利用图像间潜在关系提升诊断性能	来自五家不同医院的四个真实癌症影像数据集	医学影像分析	癌症	影像组学	图神经网络	医学影像	四个来自五家医院的真实数据集	NA	Image-Graph based neural Network	AUC	NA
6647	2025-10-06	Enhanced reconstruction of atomic force microscopy cell images to super-resolution 2025-Aug, Journal of microscopy IF:1.5Q3 DOI:10.1111/jmi.13423 PMID:40341533	研究论文	提出一种基于深度学习的跨模块超分辨率方法，用于增强原子力显微镜细胞图像的重建质量	开发了增强的空间融合结构和优化的反向投影机制，并设计了基于交叉的频率分割模块，专门针对AFM细胞图像的弱信号和复杂纹理特征	NA	提升原子力显微镜细胞图像的分辨率和质量，以支持细胞生物学研究	各种细胞的原子力显微镜图像	计算机视觉	NA	原子力显微镜	GAN	图像	NA	NA	对抗性超分辨率网络	PSNR, SSIM, LPIPS, FID, NIQE	NA
6648	2025-10-06	Learning-Based Classification of B- and T-Cell Lymphoma on Histopathological Images: A Multicenter Study 2025-Aug, European journal of haematology IF:2.3Q2 DOI:10.1111/ejh.14433 PMID:40360162	研究论文	本研究首次探索使用深度学习模型在组织病理学图像上对B细胞和T细胞淋巴瘤进行分类	首次在组织病理学图像上部署深度学习模型进行B细胞和T细胞淋巴瘤分类的可行性研究，并集成了卷积块注意力模块(CBAMs)	样本量相对有限(1510个切片)，仅针对B细胞和T细胞淋巴瘤两大分类	开发基于深度学习的淋巴瘤分类方法以改善诊断工作流程	B细胞和T细胞淋巴瘤的组织病理学图像	数字病理学	淋巴瘤	H&E染色	CNN	图像	1510个H&E染色切片(750个B细胞淋巴瘤，760个T细胞淋巴瘤)	NA	Xception, NASNetL, ResNet50, EfficientNet	准确率, 精确率, 召回率	NA
6649	2025-10-06	Large-scale deep learning for metastasis detection in pathology reports 2025-Aug, JAMIA open IF:2.5Q3 DOI:10.1093/jamiaopen/ooaf070 PMID:40655537	研究论文	开发用于从病理报告中检测转移癌的大规模深度学习模型	针对特定任务从头训练的深度学习架构在性能上优于通用大语言模型，并整合了不确定性量化机制	NA	开发能够从非结构化病理报告中自动检测转移癌患者的算法	来自4个SEER登记处的60471份非结构化病理报告	自然语言处理	转移癌	深度学习	深度神经网络,LLM	文本	60471份病理报告	NA	任务特定深度神经网络	召回率	NA
6650	2025-10-06	Explainable CT-based deep learning model for predicting hematoma expansion including intraventricular hemorrhage growth 2025-Jul-18, iScience IF:4.6Q1 DOI:10.1016/j.isci.2025.112888 PMID:40655092	研究论文	开发用于预测血肿扩大的可解释深度学习模型HENet，包括脑室内出血增长	提出首个整合修订版血肿扩展定义和常规定义的3D深度学习模型，并采用Grad-CAM技术提供可视化解释	回顾性研究设计，样本量相对有限（718例患者）	预测脑出血患者的血肿扩展情况以改善临床预后	脑出血患者	医学影像分析	脑出血	CT扫描	深度学习	CT影像, 临床数据	718例脑出血患者，来自三家医院	NA	HENet	AUC, 净重分类指数, 综合判别指数	NA
6651	2025-10-06	ComptoNet: a Compton-map guided deep learning framework for multi-scatter estimation in multi-source stationary CT 2025-Jul-16, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/adebd7 PMID:40609598	研究论文	提出ComptoNet框架，通过结合康普顿散射物理与深度学习解决多源静态CT中的多重散射估计问题	创新性地引入康普顿图表示扫描视场外的大角度康普顿散射信号，并采用双网络架构分别处理交叉散射和前向散射	基于蒙特卡罗模拟数据验证，尚未在真实临床数据上测试	解决多源静态CT中缺乏抗散射栅格导致的严重散射污染问题	多源静态CT系统中的散射信号	医学影像处理	NA	蒙特卡罗模拟，CT成像	条件编码器-解码器网络，频率U-Net	CT投影数据，康普顿图	多个测试体模	NA	U-Net	平均绝对百分比误差	NA
6652	2025-10-06	Distinguishing symptomatic and asymptomatic trigeminal nerves through radiomics and deep learning: A microstructural study in idiopathic TN patients and asymptomatic control group 2025-Jul-16, Neuroradiology IF:2.4Q2 DOI:10.1007/s00234-025-03691-1 PMID:40668403	研究论文	本研究通过放射组学和深度学习分析三叉神经微观结构，区分特发性三叉神经痛患者与无症状对照组的症状性和无症状性神经	首次结合放射组学和定制深度学习模型分析三叉神经微观结构，区分症状性和无症状性神经	需要进一步研究阐明可能导致特发性三叉神经痛的血管和非血管病因学影响	利用人工智能区分特发性三叉神经痛患者与无症状对照组的症状性和无症状性三叉神经	78例特发性三叉神经痛患者的症状性三叉神经（1级神经血管冲突）和182例无症状对照神经（91例1级神经血管冲突和91例0级神经血管冲突）	医学影像分析	三叉神经痛	MRI成像，放射组学分析	集成学习，支持向量机，K近邻，深度学习	医学影像	260个三叉神经样本（78个症状性，182个无症状性）	NA	DenseASPP-201, MobileASPPV2, Subspace Discriminant Ensemble Learning, Support Vector Machines, K-nearest neighbors	准确率	NA
6653	2025-10-06	Integrated machine learning and deep learning-based virtual screening framework identifies novel natural GSK-3β inhibitors for Alzheimer's disease 2025-Jul-16, Journal of computer-aided molecular design IF:3.0Q2 DOI:10.1007/s10822-025-00637-w PMID:40668407	研究论文	本研究开发了一种结合机器学习和深度学习的虚拟筛选框架，用于从天然产物中识别新型GSK-3β抑制剂以治疗阿尔茨海默病	提出两阶段虚拟筛选框架，将可解释的随机森林模型与基于深度学习的分子对接平台KarmaDock相结合，增强筛选准确性和可解释性	当前研究结果仅为计算模拟，需要未来实验验证	识别治疗阿尔茨海默病的天然GSK-3β抑制剂	糖原合酶激酶-3β(GSK-3β)抑制剂	机器学习	阿尔茨海默病	虚拟筛选、分子对接、药效团建模、分子动力学模拟	随机森林,深度学习	分子结构数据	25,000个天然化合物	SHAP, KarmaDock	随机森林	AUC, NEF%	NA
6654	2025-10-06	Artificial Intelligence Enhances Diagnostic Accuracy of Contrast Enemas in Hirschsprung Disease Compared to Clinical Experts 2025-Jul-15, European journal of pediatric surgery : official journal of Austrian Association of Pediatric Surgery ... [et al] = Zeitschrift fur Kinderchirurgie IF:1.5Q3 DOI:10.1055/a-2646-2052 PMID:40592491	研究论文	本研究评估深度学习神经网络在先天性巨结肠症对比灌肠图像诊断中的性能，并与临床专家进行比较	首次将深度学习模型应用于先天性巨结肠症对比灌肠诊断，并系统比较了模型与儿科外科医生和放射科医生的诊断表现	回顾性研究设计，样本量有限（测试集仅218张图像），缺乏外部验证	评估人工智能在先天性巨结肠症对比灌肠诊断中的准确性和临床应用价值	15岁以下疑似先天性巨结肠症患者的对比灌肠图像	医学影像分析	先天性巨结肠症	对比灌肠影像学检查	深度神经网络	医学图像	1,471张对比灌肠图像（测试集218张）	NA	深度神经网络	AUC-ROC, 敏感度, 特异性, 阴性预测值, Cohen's kappa, Fleiss' kappa	NA
6655	2025-10-06	3D isotropic high-resolution fetal brain MRI reconstruction from motion corrupted thick data based on physical-informed unsupervised learning 2025-Jul-15, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3586049 PMID:40663667	研究论文	提出一种基于物理信息无监督学习的3D各向同性高分辨率胎儿脑MRI重建方法，从运动伪影的厚层数据中重建高质量图像	提出无监督迭代联合切片到体积配准和超分辨率重建深度学习框架，无需大规模外部3D高分辨率训练数据集	在临床胎儿MRI数据上验证但仍需更多临床数据验证	从运动伪影的2D切片重建高质量3D胎儿脑MRI图像	胎儿脑部MRI图像	医学影像处理	胎儿脑部发育	MRI	CNN	医学图像	模拟数据和临床数据	PyTorch	卷积神经网络, 解码网络	重建质量评估指标	NA
6656	2025-10-06	Robust Polyp Detection and Diagnosis through Compositional Prompt-Guided Diffusion Models 2025-Jul-15, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3589456 PMID:40663685	研究论文	提出一种基于组合提示引导扩散模型的稳健息肉检测与诊断方法	开发渐进式频谱扩散模型(PSDM)，通过将多种临床注释转换为组合提示来生成临床准确的合成图像	未明确说明模型在不同医疗设备间的泛化能力及计算资源需求	提高结直肠息肉检测、分类和分割的泛化能力，特别是在分布外数据场景下	结直肠息肉图像	计算机视觉	结直肠癌	扩散模型	扩散模型	医学图像	基于PolypGen多中心数据集	NA	渐进式频谱扩散模型(PSDM)	F1分数, 平均精度均值(mAP)	NA
6657	2025-10-06	Motion artifacts and image quality in stroke MRI: associated factors and impact on AI and human diagnostic accuracy 2025-Jul-15, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-11807-7 PMID:40664863	研究论文	评估疑似卒中患者MRI中运动伪影的患病率及其相关因素，并分析运动伪影对AI和放射科医生诊断准确性的影响	首次系统评估运动伪影在卒中MRI中的影响因素，并比较其对AI工具和放射科医生诊断准确性的不同影响	单中心回顾性研究，样本量相对有限，仅评估了单一AI工具	探究卒中MRI中运动伪影的流行病学特征及其对诊断准确性的影响	775名疑似卒中患者的脑部MRI扫描	医学影像分析	卒中	脑部MRI	深度学习工具	医学影像	775名患者（平均年龄68岁±16，420名女性）	NA	NA	诊断准确率	NA
6658	2025-10-06	Deep Learning for Osteoporosis Diagnosis Using Magnetic Resonance Images of Lumbar Vertebrae 2025-Jul-15, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01547-x PMID:40665016	研究论文	本研究利用腰椎MRI图像和骨密度测量数据，通过深度学习技术进行骨质疏松症诊断	首次系统比较不同MRI序列（T1、STIR、T2）在骨质疏松诊断中的效果，并开发了优于现有主流深度学习模型的定制卷积神经网络	样本量相对有限（仅50名受试者），需要更大规模的研究验证	开发基于深度学习的骨质疏松症诊断方法	腰椎磁共振图像和骨密度测量数据	计算机视觉	骨质疏松症	磁共振成像（MRI）	CNN	图像	50名受试者的1350张MRI图像	NA	定制卷积神经网络, GoogleNet, EfficientNet-B3, ResNet50, InceptionV3, InceptionResNetV2	准确率, 敏感度, F1分数	NA
6659	2025-10-06	18F-FDG PET-based liver segmentation using deep-learning 2025-Jul-15, Physical and engineering sciences in medicine IF:2.4Q2 DOI:10.1007/s13246-025-01595-1 PMID:40665198	研究论文	本研究开发了一种基于深度学习的方法，仅使用18F-FDG PET图像进行全肝脏分割	首次探索仅使用F-FDG PET图像进行器官分割的深度学习方法，避免了传统CT或MRI图像的对准问题和伪影	样本量相对较小（120例患者），需要进一步验证在更大数据集上的泛化能力	开发基于深度学习的肝脏自动分割方法	120例接受18F-FDG PET评估的患者	医学影像分析	肝脏疾病	18F-FDG PET成像	CNN	三维PET图像	120例患者（100例训练，20例测试）	nnUNet	3D U-Net	IoU, Dice系数, 肝脏体积, SUVmean, SUVmax, SNR	NA
6660	2025-10-06	Deep Learning-Accelerated Prostate MRI: Improving Speed, Accuracy, and Sustainability 2025-Jul-14, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.06.022 PMID:40664559	研究论文	评估深度学习加速的四倍并行采集技术在提升前列腺MRI图像质量和扫描效率方面的效果	首次将深度学习增强的四倍并行采集技术(P4)应用于前列腺MRI，与传统二倍并行采集技术(P2)相比显著提升图像质量和扫描效率	样本量相对较小(51名参与者)，研究时间范围有限(2024年1月至7月)	评估深度学习增强的并行采集技术在前列腺MRI中的性能表现	接受前列腺MRI检查的患者	医学影像分析	前列腺疾病	MRI, 并行采集技术, 深度学习增强成像	深度学习	医学影像	51名参与者(平均年龄69.4岁±10.5岁)	NA	NA	信噪比(SNR), 对比噪声比(CNR), 图像质量评分, 放射组学分析	NA