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
681	2025-07-03	Enhanced boundary-directed lightweight approach for digital pathological image analysis in critical oncological diagnostics 2025-Jul, Journal of X-ray science and technology IF:1.7Q3 DOI:10.1177/08953996251325092 PMID:40262109	研究论文	本研究提出了一种轻量化的边界增强数字病理图像识别策略（LB-DPRS），用于恶性骨肿瘤（如骨肉瘤）的紧急诊断	优化了Transformer模型的自注意力机制，创新性地实施了边界分割增强策略，并引入了行列注意力方法来稀疏化注意力矩阵，从而提高了识别精度和速度	研究主要针对恶性骨肿瘤（如骨肉瘤），可能不适用于其他类型的癌症诊断	为恶性骨肿瘤（如骨肉瘤）的紧急诊断提供高效的计算支持	恶性骨肿瘤（如骨肉瘤）的病理图像	数字病理学	骨肉瘤	Transformer模型，边界分割增强策略，行列注意力方法	Transformer	图像	NA
682	2025-07-03	AI-Assisted Glucocorticoid Treatment Response Prediction of Active Ulcerative Active Patients 2025-Jul, Journal of gastroenterology and hepatology IF:3.7Q2 DOI:10.1111/jgh.16961 PMID:40304464	研究论文	使用深度学习模型预测活动性溃疡性结肠炎患者对糖皮质激素治疗的反应	开发并验证了基于全切片图像和临床数据的深度学习模型UCG-SwinT，用于预测糖皮质激素诱导治疗的反应，其性能优于仅使用组织病理学图像或临床因素	样本量相对较小（212名患者），且仅来自中国的两个医疗中心，可能限制模型的泛化能力	预测活动性溃疡性结肠炎患者对糖皮质激素治疗的反应，以实现更精确的治疗管理	活动性溃疡性结肠炎患者	数字病理学	溃疡性结肠炎	深度学习	UCG-SwinT（基于Swin Transformer的模型）	图像（全切片图像）和临床数据	212名患者的485张肠道组织学全切片图像
683	2025-07-03	Prostate cancer prediction through a hybrid deep learning method applied to histopathological image 2025-Jul, Expert review of anticancer therapy IF:2.9Q2 DOI:10.1080/14737140.2025.2512040 PMID:40411485	研究论文	提出一种混合深度学习方法用于前列腺癌组织病理图像的Gleason分级预测	整合MobileNet、注意力机制和胶囊网络，在提高准确率的同时降低计算复杂度	仅在两个数据集上验证，未说明泛化能力	开发高效准确的前列腺癌组织病理图像自动分级系统	前列腺癌组织病理图像	数字病理	前列腺癌	深度学习	MobileNet+Attention Mechanism+Capsule Network	图像	PANDA和Gleason-2019两个数据集（未说明具体样本量）
684	2025-07-03	Methodological Challenges in Deep Learning-Based Detection of Intracranial Aneurysms: A Scoping Review 2025-Jul, Neurointervention IF:1.2Q4 DOI:10.5469/neuroint.2025.00283 PMID:40415390	综述	本文对36项应用深度学习技术检测颅内动脉瘤的研究进行了全面评估，重点关注研究设计、验证策略、报告实践和参考标准	首次全面评估了深度学习在颅内动脉瘤检测中的方法学挑战，并提出了未来研究的改进方向	仅纳入了36项研究，可能无法涵盖所有相关研究；且为范围综述，未进行定量分析	评估深度学习在颅内动脉瘤检测中的方法学挑战和临床应用潜力	应用深度学习检测颅内动脉瘤的36项研究	数字病理学	颅内动脉瘤	深度学习	NA	医学影像（CTA和MRA）	36项研究
685	2025-07-03	Integrating AI/ML and multi-omics approaches to investigate the role of TNFRSF10A/TRAILR1 and its potential targets in pancreatic cancer 2025-Jul, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110432 PMID:40424767	研究论文	本研究通过整合AI/ML和多组学方法，探讨了TNFRSF10A/TRAILR1在胰腺癌中的潜在治疗靶点作用	创新性地结合了多组学分析和深度学习驱动的QSAR建模，预测并验证了TNFRSF10A作为胰腺癌的治疗靶点，并发现了潜在的药物重新利用候选物	研究主要基于计算和体外实验，需要进一步的体内实验验证	探索胰腺癌的治疗靶点和潜在药物	胰腺导管腺癌(PDAC)及其微环境	数字病理	胰腺癌	多组学分析(包括基因组学、单细胞空间转录组学、蛋白质组学、ceRNA网络分析)、QSAR建模、分子动力学模拟	SELFormer(基于transformer的深度学习模型)	多组学数据、分子结构数据	NA
686	2025-07-03	Estimating Total Lung Volume from Pixel-Level Thickness Maps of Chest Radiographs Using Deep Learning 2025-Jul, Radiology. Artificial intelligence DOI:10.1148/ryai.240484 PMID:40434310	研究论文	使用U-Net深度学习模型生成的肺部厚度图，从真实和合成的胸部X光片中估计总肺容积	首次使用U-Net模型从像素级肺部厚度图中估计总肺容积，并在合成和真实X光片上验证了其有效性	研究样本量相对较小，且仅使用了正面胸部X光片	开发一种从胸部X光片中准确估计总肺容积的方法	胸部X光片和CT扫描	数字病理学	慢性阻塞性肺疾病	深度学习	U-Net	图像	5959例胸部CT扫描（来自两个公共数据集）和72名参与者（来自Klinikum Rechts der Isar数据集）
687	2025-07-03	Spatiotemporal calcium signaling patterns underlying opposing effects of histamine and TAS2R agonists in airway smooth muscle 2025-Jul-01, American journal of physiology. Lung cellular and molecular physiology DOI:10.1152/ajplung.00058.2025 PMID:40434402	研究论文	本研究通过单细胞显微镜和基于深度学习的图像分割技术，探究了组胺和苦味受体激动剂在气道平滑肌细胞中引起的钙信号时空动态差异，并整合这些发现到一个全面的离子通道动态模型中	揭示了苦味受体激动剂通过独特的钙信号时空模式促进气道平滑肌松弛的新机制，与传统的组胺作用相反	研究主要基于体外细胞实验，尚未在完整组织或活体模型中验证	探究不同激动剂在气道平滑肌细胞中引起的钙信号时空动态差异及其对离子通道的影响	气道平滑肌细胞	细胞信号传导	哮喘	单细胞显微镜、深度学习图像分割	ASM离子通道动态模型	图像数据	NA
688	2025-07-03	Optimization enabled ensemble based deep learning model for elderly falling risk prediction 2025-Jul, Computer methods in biomechanics and biomedical engineering IF:1.7Q3 DOI:10.1080/10255842.2025.2514802 PMID:40504132	research paper	开发一种基于优化深度学习的老年人跌倒风险预测模型	使用新型Double Exponential Lyrebird Optimization算法训练集成学习模型	未提及模型在真实世界环境中的验证情况	提高老年人跌倒风险预测的准确性	老年人跌倒风险	machine learning	geriatric disease	Double Exponential Lyrebird Optimization	XGBoost, 1D-CNN, Deep Belief Network	NA	NA
689	2025-07-03	A novel method in COPD diagnosing using respiratory signal generation based on CycleGAN and machine learning 2025-Jul, Computer methods in biomechanics and biomedical engineering IF:1.7Q3 DOI:10.1080/10255842.2024.2329938 PMID:38551327	研究论文	本研究提出了一种基于CycleGAN和机器学习的新方法，通过呼吸信号生成来诊断慢性阻塞性肺疾病（COPD）	利用CycleGAN模型增强数据多样性，并结合多种小波族和频谱变换进行特征信号分析，使用先进的卷积神经网络进行分类	未提及样本的具体来源和多样性，可能影响模型的泛化能力	开发一种基于呼吸声音特征的COPD诊断方法	慢性阻塞性肺疾病（COPD）患者的呼吸声音	数字病理学	慢性阻塞性肺疾病	Wavelet变换，频谱变换	CycleGAN, VGG16, ResNet50, InceptionV3	呼吸声音信号	NA
690	2025-07-03	Development and validation of an MRI spatiotemporal interaction model for early noninvasive prediction of neoadjuvant chemotherapy response in breast cancer: a multicentre study 2025-Jul, EClinicalMedicine IF:9.6Q1 DOI:10.1016/j.eclinm.2025.103298 PMID:40584836	研究论文	开发并验证了一种基于MRI时空交互模型的早期无创预测乳腺癌新辅助化疗反应的方法	提出了一种新型的时空交互（STI）模型，整合了肿瘤的空间特征和时间动态，显著提高了预测准确性	研究依赖于多中心数据，可能存在数据异质性问题	优化乳腺癌新辅助化疗反应的早期评估方法	乳腺癌患者	数字病理	乳腺癌	DCE-MRI	Siamese network-based STI model with transformer-based multi-head attention mechanism	MRI图像	1044名患者
691	2025-07-03	Patient-specific deep learning tracking for real-time 2D pancreas localisation in kV-guided radiotherapy 2025-Jul, Physics and imaging in radiation oncology DOI:10.1016/j.phro.2025.100794 PMID:40584994	研究论文	本研究探讨了患者特异性深度学习方法在胰腺立体定向体部放疗中实时跟踪胰腺位置的潜力	使用条件生成对抗网络进行患者特异性胰腺跟踪，相比传统方法提高了定位精度	研究样本量较小(25例患者)，且需要在呼气屏气状态下获取影像	开发胰腺放疗中实时跟踪胰腺位置的方法	胰腺肿瘤(GTV)、胰头和全胰腺	数字病理	胰腺癌	kV成像、锥形束CT(CBCT)	条件生成对抗网络(cGAN)	2D kV图像	25名胰腺癌患者(19名用于训练，6名用于测试)
692	2025-07-03	An efficient attention Densenet with LSTM for lung disease detection and classification using X-ray images supported by adaptive R2-Unet-based image segmentation 2025-Jul-01, Archives of physiology and biochemistry IF:2.5Q2 DOI:10.1080/13813455.2025.2524182 PMID:40590298	研究论文	提出了一种结合注意力机制Densenet和LSTM的深度学习框架，用于通过X射线图像进行肺部疾病的检测和分类，并采用自适应R2-Unet进行图像分割	结合了注意力机制的Densenet与LSTM，以及优化的自适应R2-Unet分割方法，显著提高了分类准确率	未提及具体的数据集大小或多样性限制，可能影响模型的泛化能力	开发一种高效的深度学习框架，以提高肺部疾病的检测和分类准确率	肺部疾病的X射线图像	数字病理学	肺部疾病	深度学习，图像分割	ADNet-LSTM, AR2-UNet	图像	NA
693	2025-07-03	A Multimodal Predictive Model for Chronic Kidney Disease and Its Association With Vascular Complications in Patients With Type 2 Diabetes: Model Development and Validation Study in South Korea and the U.K 2025-Jul-01, Diabetes care IF:14.8Q1 DOI:10.2337/dc25-0355 PMID:40590639	研究论文	开发了一个多模态模型来预测2型糖尿病患者的慢性肾病，并研究了其与血管并发症的潜在关联	整合了眼底图像和临床数据，使用可解释的人工智能方法（如SHAP和Grad-CAM）来解释模型预测	模型在验证队列中的性能（AUC 0.722）低于发现队列（AUC 0.880），可能存在泛化性问题	预测2型糖尿病患者的慢性肾病及其与血管并发症的关联	2型糖尿病患者	数字病理	慢性肾病	多模态深度学习	VGG16和深度神经网络集成	图像和临床数据	发现队列7,028例（韩国），验证队列1,544例（英国）
694	2025-07-03	How I Do It: Three-Dimensional MR Neurography and Zero Echo Time MRI for Rendering of Peripheral Nerve and Bone 2025-Jul, Radiology IF:12.1Q1 DOI:10.1148/radiol.241604 PMID:40590699	研究论文	本文介绍了一种结合三维MR神经成像和零回波时间MRI的方法，用于外周神经和骨骼的渲染	创新点在于结合了MR神经成像和ZTE MRI序列，通过深度学习重建技术进行后处理，提供神经与骨骼的空间关系，为临床决策提供路线图	讨论了神经和骨骼渲染中的挑战，但未具体说明方法的局限性	研究目的是开发一种结合MR神经成像和ZTE MRI的方法，用于临床决策支持，特别是外科干预	研究对象是外周神经和骨骼	数字病理	NA	MR神经成像、ZTE MRI、深度学习重建技术	NA	MRI图像	NA
695	2025-07-03	Enhancing the Predictions of Cytomegalovirus Infection in Severe Ulcerative Colitis Using a Deep Learning Ensemble Model: Development and Validation Study 2025-Jul-01, JMIR medical informatics IF:3.1Q2 DOI:10.2196/64987 PMID:40590844	研究论文	本研究开发并验证了一种基于深度学习集成模型的方法，用于通过内窥镜图像区分巨细胞病毒（CMV）感染与严重溃疡性结肠炎（UC）	采用深度学习集成模型结合测试时间增强（TTA）技术，显著提高了CMV感染的预测准确性	样本量较小（仅86张内窥镜图像），可能影响模型的泛化能力	探索深度学习在非侵入性诊断CMV感染中的应用，以改善严重UC患者的早期检测	严重溃疡性结肠炎患者的内窥镜图像	数字病理学	溃疡性结肠炎	深度学习	DenseNet 121（预训练于ImageNet）	图像	86张内窥镜图像
696	2025-07-03	Harnessing AI for Improved Diagnosis and Management of Pediatric Sepsis: Current Advances, Challenges, and Future Directions 2025-Jul-01, Pediatric emergency care IF:1.2Q3 DOI:10.1097/PEC.0000000000003397 PMID:40590973	综述	本文探讨了人工智能（AI）在儿童败血症早期识别和管理中的应用现状、挑战及未来方向	综述了AI/ML在败血症护理中的多种应用，包括筛查/早期检测、风险分层/结果预测、个性化治疗和持续患者监测，并强调了成功案例和正在进行的临床试验	讨论了未来实际应用中需要考虑的问题，如偏见缓解和临床工作流程的整合	探索AI/ML在改善儿童败血症诊断和管理中的潜在应用	儿童败血症	机器学习	败血症	自然语言处理（NLP）、大型语言模型（LLM）	专家系统、机器学习（ML）、深度学习	电子健康记录（EHR）、生命体征监测数据	NA
697	2025-07-03	Spectrum prediction and inverse design of metasurfaces via transfer learning based on material similarity 2025-Jul-01, Optics letters IF:3.1Q2 DOI:10.1364/OL.565993 PMID:40591274	研究论文	提出了一种基于材料相似性的迁移学习方法，用于超表面的光谱预测和逆向设计	利用材料相似性进行迁移学习，减少对训练数据量的依赖，同时保证网络性能	仅验证了两种超表面的迁移任务，可能不适用于所有类型的超表面	减少深度学习在超表面领域应用中对数据的依赖	吸收超表面和偏振转换超表面	机器学习	NA	迁移学习	NA	NA	NA
698	2025-07-03	Coal classification and analysis based on shadowgraphy and deep learning methods 2025-Jul-01, Optics letters IF:3.1Q2 DOI:10.1364/OL.559226 PMID:40591303	研究论文	本研究开发了一种基于阴影成像和深度学习的煤炭分类与分析方法	利用光纤长度变化实现激光激发和图像采集系统，结合CNN分析阴影图，实现了高精度的煤炭分类和关键成分预测	研究仅在实验室环境下进行，尚未验证实际工业应用效果	开发煤炭自动分类与成分分析的创新方法	29种不同类型的煤炭样本	计算机视觉	NA	阴影成像技术	CNN	图像	29种煤炭样本
699	2025-07-03	Deep learning-enhanced image analysis for liquid crystal optical sensing 2025-Jul-01, Optics letters IF:3.1Q2 DOI:10.1364/OL.561960 PMID:40591341	research paper	本研究利用VGG16深度学习模型加速液晶光学图像分析，提升传感速度和灵敏度	首次将VGG16深度学习模型应用于液晶光学图像分析，显著提高了传感速度和分类准确率	研究仅针对两种代表性表面活性剂和胰岛素特异性适配体进行测试，未涵盖更广泛的传感目标	提升液晶光学传感器的图像分析速度和精度	液晶光学图像	computer vision	NA	深度学习图像分析	VGG16	image	使用两种代表性表面活性剂（CTAB和SDS）及胰岛素特异性适配体进行测试
700	2025-07-03	Co-phase errors simultaneous detection for optical sparse aperture systems via deep learning 2025-Jul-01, Optics letters IF:3.1Q2 DOI:10.1364/OL.562369 PMID:40591336	研究论文	提出了一种基于深度学习的稀疏孔径光学系统共相误差同时检测方法	首次实现了活塞误差和倾斜误差的同时检测，通过分离网络消除误差间的干扰	方法依赖于模拟数据验证，实际光学系统中的噪声和扰动可能影响检测精度	提高稀疏孔径光学系统的共相误差检测效率和精度	光学稀疏孔径系统的共相误差（活塞误差和倾斜误差）	计算机视觉	NA	深度学习	分离网络和检测网络	光学传递函数相关特征图	NA