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
701	2025-06-11	Improving image quality and diagnostic performance using deep learning image reconstruction in 100-kVp CT enterography for patients with wide-range body mass index 2025-Aug, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.112167 PMID:40398003	research paper	评估深度学习图像重建（DLIR）算法在100-kVp CT肠造影（CTE）中对不同BMI患者图像质量、诊断信心和肠道病变检测的临床价值	比较了DLIR与传统ASiR-V算法在图像质量、诊断信心和肠道病变检测方面的表现，发现DLIR-M在图像质量和诊断信心上表现更优，并可能提高初级读者对炎症性病变的检测敏感性	炎症性病变检测的敏感性提升未达到统计学显著性，需要进一步研究	评估DLIR算法在100-kVp CTE中的临床价值	84名接受100-kVp双期CTE检查的患者	数字病理	肠道疾病	CT enterography (CTE)	DLIR (深度学习图像重建)	image	84名患者
702	2025-06-11	Comparison of clinical, radiomics, deep learning, and fusion models for predicting early recurrence in locally advanced rectal cancer based on multiparametric MRI: a multicenter study 2025-Aug, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.112173 PMID:40403678	研究论文	本研究比较了基于多参数MRI的临床、放射组学、深度学习和融合模型在预测局部晚期直肠癌早期复发中的表现	首次比较了四种不同模型（临床、放射组学、深度学习和两种融合模型）在预测局部晚期直肠癌早期复发中的性能，并发现决策级晚期融合模型表现最佳	回顾性研究设计可能引入选择偏倚，且样本量相对有限（337例患者）	比较不同预测模型对局部晚期直肠癌早期复发的预测能力	局部晚期直肠癌患者	数字病理	直肠癌	多参数MRI（包括T2WI、DWI、T1WI和CET1WI）	XGBoost分类器（用于建立临床模型、放射组学模型、深度学习模型和两种融合模型）	医学影像	337例来自四个医疗中心的局部晚期直肠癌患者（2016年1月至2021年9月）
703	2025-06-11	LiDSCUNet++: A lightweight depth separable convolutional UNet++ for vertebral column segmentation and spondylosis detection 2025-Aug, Research in veterinary science IF:2.2Q1 DOI:10.1016/j.rvsc.2025.105703 PMID:40460622	research paper	提出了一种轻量级深度学习框架LiDSCUNet++，用于脊柱分割和脊椎病检测	结合深度可分离卷积和点卷积的轻量级UNet++框架，显著减少可训练参数、内存使用、能耗和计算时间	性能受限于数据不足和现有解决方案的高计算复杂度	开发高效的计算机辅助诊断系统，帮助医生诊断脊柱疾病	狗脊柱X光片中的椎骨异常	digital pathology	spondylosis	deep learning	LiDSCUNet++, UNet++, YOLOv8	image	NA
704	2025-06-11	Intraindividual Comparison of Image Quality Between Low-Dose and Ultra-Low-Dose Abdominal CT With Deep Learning Reconstruction and Standard-Dose Abdominal CT Using Dual-Split Scan 2025-Jul-01, Investigative radiology IF:7.0Q1 DOI:10.1097/RLI.0000000000001151 PMID:39874436	研究论文	本研究通过双源CT扫描，比较了低剂量和超低剂量腹部CT与深度学习重建（DLR）以及标准剂量腹部CT与模型迭代重建（MBIR）在肝脏局灶性病变（FLLs）显影质量上的差异	采用双源CT扫描技术，首次在个体内比较低剂量和超低剂量CT与DLR在肝脏病变显影上的非劣效性	研究结果提示低剂量和超低剂量CT在转移瘤敏感性上可能有所降低，需谨慎解读	比较低剂量和超低剂量CT与标准剂量CT在肝脏病变显影上的质量差异	疑似或已知肝转移的患者	数字病理	肝转移	双源CT扫描，深度学习重建（DLR），模型迭代重建（MBIR）	深度学习	CT图像	133名参与者（男性58名，平均BMI 23.0±3.4 kg/m²）
705	2025-06-11	Impact of Noisy Supervision in Foundation Model Learning 2025-Jul, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3552309 PMID:40117144	研究论文	本文首次全面理解和分析了预训练数据集中的噪声性质，并有效减轻了其对下游任务的影响	首次全面分析预训练数据集中的噪声性质，并提出NMTune方法调整特征空间以减轻噪声的不良影响	研究主要基于合成噪声数据集，对真实世界噪声的适用性有待进一步验证	研究预训练数据集中的噪声对模型泛化能力的影响及其缓解方法	预训练模型及其在下游任务中的表现	机器学习	NA	完全监督和图像-文本对比预训练	NA	图像和文本数据	ImageNet-1K、YFCC15M和CC12M数据集
706	2025-06-11	Artificial intelligence for optimal in vitro fertilization morphokinetics 2025-Jul, European journal of obstetrics, gynecology, and reproductive biology DOI:10.1016/j.ejogrb.2025.114039 PMID:40398145	research paper	该研究开发了一个基于人工智能的模型，用于通过延时成像视频确定胚胎的形态动力学阶段	首次使用公开的体外受精数据集，结合CNN和EfficientNetB4深度学习模型，对胚胎形态动力学阶段进行分类	模型的整体准确率为0.71，灵敏度为0.59，仍有提升空间	开发人工智能模型以优化体外受精胚胎的形态动力学分析	人类胚胎的延时成像视频	digital pathology	infertility	time-lapse imaging (TLI)	CNN, EfficientNetB4	video	704个视频，来自716对不孕夫妇，共240万张图像
707	2025-06-11	Phase seeding may provide a gateway to structure solution by deep learning 2025-Jul-01, Acta crystallographica. Section A, Foundations and advances DOI:10.1107/S2053273325004814 PMID:40492410	research paper	该论文提出了一种将人工智能与传统晶体学方法相结合的相位播种方法，以改进结构解析	通过将连续相位问题转化为分类任务，减少了AI训练的计算负担，为未来AI辅助晶体学工作流程开辟了途径	该方法尚未直接提供基于AI的相位解决方案，而是依赖于机器学习模型可能生成的相位种子	改进大型复杂非中心对称晶体的结构解析	晶体学中的相位问题	machine learning	NA	ab initio phasing techniques	NA	crystallographic data	NA
708	2025-06-11	Automated mitosis detection in stained histopathological images using Faster R-CNN and stain techniques 2025-Jun-11, Journal of integrative bioinformatics IF:1.5Q3 DOI:10.1515/jib-2024-0049 PMID:40491077	research paper	该研究探讨了使用深度学习技术，特别是基于Faster R-CNN的目标检测模型，在染色组织病理学图像中自动检测有丝分裂的方法	提出了一种基于Faster R-CNN的两阶段目标检测模型，并应用染色增强和归一化技术来解决组织病理学图像分析中的域偏移问题	未明确提及研究的局限性	开发自动化的有丝分裂检测方法，以辅助癌症诊断和治疗	染色组织病理学图像中的有丝分裂	digital pathology	cancer	stain augmentation and normalization	Faster R-CNN, RetinaNet	image	MIDOG++数据集
709	2025-06-11	High-Output Droplet Electricity Generator for Intelligent Self-Powered Biochemical Analysis 2025-Jun-10, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.5c02079 PMID:40491299	研究论文	提出了一种微型智能自供电电子舌（MISET），用于化学和生物物质的高灵敏度、可靠性和实时检测	MISET引入了封闭式液体传感环境和液滴能量生成机制，显著提高了信号稳定性和电荷转移效率，并通过深度学习辅助分析优化信号处理和模式识别	NA	克服传统分析方法在灵敏度、可靠性、便携性和实时检测方面的挑战	化学和生物物质	生物传感	NA	液滴能量生成（DEG）机制和深度学习辅助分析	深度学习	液体传感信号	NA
710	2025-06-11	Label-free diagnosis of lung cancer by Fourier transform infrared microspectroscopy coupled with domain adversarial learning 2025-Jun-10, The Analyst DOI:10.1039/d5an00216h PMID:40492296	研究论文	本文提出了一种结合傅里叶变换红外显微光谱和深度学习模型的无标记肺癌诊断新方法	提出了一种红外光谱域对抗神经网络(IRS-DANN)，利用域对抗学习机制减少患者间差异的影响，提高了肺癌组织的准确鉴别能力	训练样本数量有限	开发一种新型无标记肺癌诊断技术	肺癌组织	数字病理学	肺癌	傅里叶变换红外显微光谱(FTIR)	IRS-DANN(基于域对抗学习的神经网络)	红外光谱数据	有限的临床FTIR数据集
711	2025-06-11	Targeted Intervention Strategies for Maternal-Offspring Transmission of Christensenellaceae in Pigs via a Deep Learning Model 2025-Jun-10, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202503411 PMID:40492389	研究论文	本文介绍了一种名为MOMTM的深度学习框架，用于研究母猪与后代之间微生物传递的动态，并探讨了针对Christensenellaceae的干预策略	开发了MOMTM深度学习框架，首次用于预测和干预母猪与后代间特定微生物（如Christensenellaceae R-7）的传递	研究仅针对猪的微生物传递，未涉及其他动物或人类	探究母猪与后代间微生物传递机制，并开发针对性的干预策略以改善后代肠道健康	母猪及其后代的肠道微生物	机器学习	NA	深度学习	深度学习框架（MOMTM）	微生物数据	NA
712	2025-06-11	Assessing Substrate Scope of the Cyclodehydratase LynD by mRNA Display-Enabled Machine Learning Models 2025-Jun-10, Biochemistry IF:2.9Q3 DOI:10.1021/acs.biochem.4c00682 PMID:40492579	研究论文	本研究利用mRNA展示技术结合深度学习模型，评估了YcaO环脱水酶LynD的底物范围	首次将mRNA展示技术与深度学习模型相结合，用于评估LynD酶的底物特异性，并构建了能准确预测底物处理的深度学习模型	研究主要关注LynD酶，对其他YcaO家族成员的适用性需要进一步验证	评估YcaO环脱水酶LynD的底物特异性，并开发预测模型	YcaO环脱水酶LynD及其底物	机器学习	NA	mRNA展示技术	深度学习模型	肽序列数据	比以往研究更大的LynD底物库
713	2025-06-11	Artificial intelligence-powered microscopy: Transforming the landscape of parasitology 2025-Jun-10, Journal of microscopy IF:1.5Q3 DOI:10.1111/jmi.13433 PMID:40492595	综述	本文探讨了人工智能在寄生虫学领域的应用及其潜力	综述了人工智能、机器学习和深度学习在寄生虫学中的应用，特别是针对Apicomplexan、Diplomonad和Kinetoplastid类群的研究	讨论了在生物医学领域中实施和扩展人工智能应用所面临的挑战和限制	探索人工智能如何填补寄生虫学研究和诊断中的空白	Apicomplexan、Diplomonad和Kinetoplastid类群的寄生虫	数字病理学	寄生虫病	显微镜和图像分析	机器学习和深度学习	图像	NA
714	2025-06-11	Arthroscopy-validated diagnostic performance of sub-5-min deep learning super-resolution 3T knee MRI in children and adolescents 2025-Jun-10, Skeletal radiology IF:1.9Q3 DOI:10.1007/s00256-025-04969-4 PMID:40493057	research paper	本研究评估了5分钟内完成的深度学习超分辨率3T膝关节MRI在儿童和青少年中的诊断性能	采用结合六倍并行成像和三倍同时多层加速的深度学习超分辨率技术，实现快速且高质量的膝关节MRI	样本量较小（44名儿童），且研究为回顾性设计	评估加速深度学习超分辨率MRI在儿童膝关节疾病诊断中的性能	患有膝关节疼痛的儿童和青少年	digital pathology	geriatric disease	PIx3-SMSx2-accelerated DL super-resolution MRI	DL	MRI图像	44名儿童（9-17岁）
715	2025-06-11	Genome-resolved metagenomics from short-read sequencing data in the era of artificial intelligence 2025-Jun-10, Functional & integrative genomics IF:3.9Q1 DOI:10.1007/s10142-025-01625-x PMID:40493087	综述	本文综述了基于人工智能的短读长宏基因组数据分析工具及其在基因组解析宏基因组学中的应用	整合人工智能技术于宏基因组数据分析的不同阶段，提升了处理复杂多维数据的准确性、可扩展性和效率	早期机器学习与深度学习模型因测序技术进步而效率降低，当前AI工具的局限性未明确说明	探讨人工智能在基因组解析宏基因组学中的应用及其工具性能	短读长宏基因组数据	机器学习	NA	短读长测序	机器学习和深度学习	基因组数据	NA
716	2025-06-11	Exploring Machine Learning Models for Vault Safety in ICL Implantation: A Comparative Analysis of Regression and Classification Models 2025-Jun-10, Ophthalmology and therapy IF:2.6Q2 DOI:10.1007/s40123-025-01173-4 PMID:40493108	研究论文	本研究评估了机器学习模型在预测植入式Collamer镜片（ICL）V4c植入术后拱高方面的性能，比较了回归和分类方法的效果	首次系统地比较了回归和分类模型在ICL术后拱高预测中的表现，并确定了最适合临床应用的模型类型	所有模型在极端拱高分类上表现不佳，回归模型的预测精度有限	评估机器学习模型预测ICL植入术后拱高的性能	ICL V4c植入术后的拱高预测	机器学习	眼科疾病	梯度提升、随机森林和CatBoost算法	梯度提升、随机森林、CatBoost	生物计量和人口统计数据	NA
717	2025-06-11	Machine learning is changing osteoporosis detection: an integrative review 2025-Jun-10, Osteoporosis international : a journal established as result of cooperation between the European Foundation for Osteoporosis and the National Osteoporosis Foundation of the USA IF:4.2Q1 DOI:10.1007/s00198-025-07541-x PMID:40493238	review	本文综述了机器学习在骨质疏松症检测中的应用，探讨了从基础算法到深度学习技术的进展及其在临床中的潜力	整合了过去十年中从基础机器学习到深度学习在骨质疏松检测中的最新研究，提出了结合多模态数据的未来预测模型构想	深度学习存在'黑箱'问题、对大量标注数据的依赖以及临床可解释性困难等挑战	探讨机器学习技术在骨质疏松症早期诊断和风险检测中的应用与未来发展	骨质疏松症的早期诊断和风险检测	machine learning	骨质疏松症	机器学习算法、深度学习算法	人工神经网络、深度学习模型	临床数据、影像数据（X-ray、CT、MRI）	NA
718	2025-06-11	Multiproperty Deep Learning of the Correlation Energy of Electrons and the Physicochemical Properties of Molecules 2025-Jun-10, Journal of chemical theory and computation IF:5.7Q1 DOI:10.1021/acs.jctc.5c00414 PMID:40493380	研究论文	本文利用基于信息理论方法(ITA)的密度描述符作为多属性深度学习(DL)的特征，预测分子的相关能量和物理化学性质	首次将ITA密度描述符用于多属性深度学习，预测电子相关能量和多种物理化学性质，并在准确性和效率上优于传统的TD-DFT方法	未明确提及具体局限性	开发一种基于ITA-DL的通用框架，用于准确、低成本预测分子的多种性质	分子的电子相关能量和物理化学性质(如分子极化率、NMR屏蔽常数、氧化还原电位等)	机器学习	NA	深度学习(DL), 信息理论方法(ITA)	DL	分子描述符数据	未明确提及具体样本数量，但包含小发色团和大分子测试集
719	2025-06-11	Baseline correction of Raman spectral data using triangular deep convolutional networks 2025-Jun-09, The Analyst DOI:10.1039/d5an00253b PMID:40384579	research paper	该研究提出了一种新的深度学习网络架构，用于提高拉曼光谱数据的基线校正效果	提出了一种新颖的三角形深度卷积网络架构，相比现有方法在校正精度、计算时间和峰值强度与形状的保留方面表现更优	未提及具体的数据集规模或多样性限制	提高拉曼光谱数据的基线校正效果	拉曼光谱数据	machine learning	NA	Raman spectroscopy	triangular deep convolutional networks	spectral data	NA
720	2025-06-11	Deep learning without borders: recent advances in ultrasound image classification for liver diseases diagnosis 2025-Jun-09, Expert review of medical devices IF:2.9Q3 DOI:10.1080/17434440.2025.2514764 PMID:40445166	review	本文综述了深度学习技术在利用超声影像进行肝脏疾病分类方面的最新进展	探讨了从CNN到其混合版本（如CNN-Transformer）等多种模型在脂肪肝、纤维化和肝癌等疾病检测中的应用	讨论了在不同临床环境中数据和模型泛化面临的挑战	提升肝脏疾病的自动诊断水平	肝脏疾病（如脂肪肝、纤维化和肝癌）	digital pathology	liver disease	ultrasound imaging	CNN, CNN-Transformer	image	NA