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
841	2025-07-15	Multi-Stage Cascaded Deep Learning-Based Model for Acute Aortic Syndrome Detection: A Multisite Validation Study 2025-Jul-07, Journal of clinical medicine IF:3.0Q1 DOI:10.3390/jcm14134797 PMID:40649169	研究论文	开发了一种基于多阶段深度学习的模型，用于急性主动脉综合征（AAS）的检测，并在多中心进行了验证	采用U-Net架构进行主动脉分割，随后通过级联分类方法检测AD和IMH，以及多尺度CNN识别PAU，实现了对AAS全谱系的高效检测	研究仅基于CTA扫描数据，未涵盖其他影像学检查方法	提高急性主动脉综合征（AAS）的诊断速度和准确性	急性主动脉综合征（AAS），包括主动脉夹层（AD）、壁内血肿（IMH）和穿透性动脉粥样硬化溃疡（PAU）	数字病理学	心血管疾病	胸部计算机断层扫描血管造影（CTA）	U-Net, CNN	图像	260例匿名CTA扫描数据，来自14个美国临床站点，涵盖四家不同CT制造商的数据
842	2025-07-15	Model predictive control of nonlinear dynamical systems based on long sequence stable Koopman network 2025-Jul-07, ISA transactions IF:6.3Q1 DOI:10.1016/j.isatra.2025.07.003 PMID:40653404	研究论文	提出了一种基于长序列稳定Koopman网络的非线性动力学系统模型预测控制方法	提出SDKN-MPC方法，结合稳定Koopman求解器算法和神经网络训练，解决了传统Koopman方法收敛慢和长期预测稳定性不足的问题	未提及方法在极端非线性条件下的表现或计算复杂度分析	提高非线性控制系统中长期预测的稳定性和控制效果	非线性动力学系统	机器学习	NA	稳定Koopman求解器算法，模型预测控制(MPC)	稳定深度Koopman网络(SDKN-MPC)	动力学系统状态数据	多个典型非线性控制任务（未明确具体数量）
843	2025-07-15	Integrating Graph Convolution and Attention Mechanism for Kinase Inhibition Prediction 2025-Jul-06, Molecules (Basel, Switzerland) DOI:10.3390/molecules30132871 PMID:40649385	研究论文	该研究通过结合图卷积网络和注意力机制，预测激酶的抑制活性	开发了一种结合GCN和GAT的模型，用于激酶抑制预测，并在两个大型数据集上验证了其优越性能	未提及模型在其他类型疾病或更广泛数据集上的泛化能力	预测小分子药物对激酶的抑制活性，以治疗由激酶异常引起的疾病	激酶及其小分子抑制剂	机器学习	癌症（包括白血病、神经母细胞瘤、胶质母细胞瘤等）	Graph Neural Network (GNN)	GCN_GAT（结合图卷积网络和图注意力网络）	分子结构数据	两个大型激酶数据集（Kinase Datasets 1和2），使用10折交叉验证
844	2025-07-15	Artificial Intelligence in Primary Malignant Bone Tumor Imaging: A Narrative Review 2025-Jul-04, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15131714 PMID:40647712	综述	本文综述了人工智能在原发性恶性骨肿瘤影像学中的应用，包括诊断、分类和治疗反应预测	人工智能通过机器学习和深度学习技术，结合放射组学，提高了医学影像解释的精确性，支持临床决策	原发性恶性骨肿瘤的罕见性限制了高质量数据集的可用性，缺乏标准化的影像协议影响了可重复性，伦理问题如数据隐私和AI算法的可解释性也需要关注	探讨人工智能在原发性恶性骨肿瘤影像学中的应用及其对精准医学的推动作用	原发性恶性骨肿瘤（PBT）	数字病理学	骨肿瘤	机器学习和深度学习	CNN	医学影像	NA
845	2025-07-15	A comprehensive survey and benchmark of deep learning-based methods for atomic model building from cryo-electron microscopy density maps 2025-Jul-02, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf322 PMID:40645653	综述	本文对基于深度学习的从冷冻电镜密度图中构建原子模型的方法进行了全面调查和基准测试	区分了仅使用密度图的直接模型构建方法和整合AlphaFold序列到结构预测的间接方法，并改进了现有评估指标	AlphaFold的依赖性和有限的训练数据可能限制其使用	评估和比较基于深度学习的冷冻电镜密度图原子模型构建方法	蛋白质的原子模型	计算机视觉	NA	冷冻电镜(cryo-EM), AlphaFold	深度学习(DL)	冷冻电镜密度图	50个不同分辨率的冷冻电镜密度图
846	2025-07-15	Deep Learning-Enhanced Spectroscopic Technologies for Food Quality Assessment: Convergence and Emerging Frontiers 2025-Jul-02, Foods (Basel, Switzerland) DOI:10.3390/foods14132350 PMID:40647102	综述	本文综述了深度学习与光谱技术结合在食品质量评估中的前沿应用及其未来发展方向	深度学习和光谱技术的协同作用在速度、精度和无创性方面展现出无与伦比的优越性	未来研究需关注光谱技术的多模态整合、便携设备的边缘计算及AI驱动应用	建立从生产到消费的高精度、可持续食品质量检测系统	食品质量评估	机器学习	NA	近红外/中红外光谱、拉曼光谱、荧光光谱、高光谱成像、太赫兹光谱、核磁共振	深度学习	光谱数据	NA
847	2025-07-15	Optimizing Esophageal Cancer Diagnosis with Computer-Aided Detection by YOLO Models Combined with Hyperspectral Imaging 2025-Jul-02, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15131686 PMID:40647685	研究论文	本研究通过结合YOLO模型和高光谱成像技术，优化食管癌的诊断	使用SAVE技术获取食管癌图像的光谱信息，超越传统白光成像的限制，并结合多种YOLO模型进行深度学习分析	未提及具体样本量或数据集的多样性限制	提高食管癌的早期检测和精确诊断	食管癌的恶性病变	计算机视觉	食管癌	高光谱成像（SAVE技术）	YOLOv8, YOLOv7, YOLOv6, YOLOv5, Scaled YOLOv4, YOLOv3	图像	NA
848	2025-07-15	Machine Learning Models for Pancreatic Cancer Survival Prediction: A Multi-Model Analysis Across Stages and Treatments Using the Surveillance, Epidemiology, and End Results (SEER) Database 2025-Jul-02, Journal of clinical medicine IF:3.0Q1 DOI:10.3390/jcm14134686 PMID:40649061	研究论文	本研究使用SEER数据库数据，比较了多种机器学习模型在胰腺癌生存预测中的表现，并评估了不同阶段和治疗类型下的生存概率	首次在胰腺癌生存预测中比较了参数、半参数、非参数、机器学习和深度学习方法，并构建了生存概率热图和风险分类模型	研究仅基于SEER数据库数据，可能无法完全代表所有胰腺癌患者群体	开发更准确的胰腺癌生存预测模型以支持临床决策	胰腺癌患者	机器学习	胰腺癌	机器学习、深度学习	梯度提升、神经网络、弹性网络、随机森林	临床数据	SEER数据库中的胰腺癌患者数据
849	2025-07-15	Intelligent meningioma grading based on medical features 2025-Jul, Medical physics IF:3.2Q1 DOI:10.1002/mp.17808 PMID:40183528	研究论文	本文提出了一种结合医学特征和深度神经网络的方法，用于提高脑膜瘤分级的准确性和可靠性	结合医学特征和SNN-Tran模型，有效捕捉医学特征序列中的长程依赖关系，提高分级的准确性和可靠性	医学特征的提取可能受图像分辨率和清晰度等因素影响，且模型依赖的医学特征可能存在一定的主观性	验证结合医学特征和深度神经网络能否有效提高脑膜瘤分级的准确性和可靠性	脑膜瘤患者	数字病理	脑膜瘤	SNN-Tran模型	SNN-Tran	医学特征（如肿瘤体积、瘤周水肿体积、硬膜尾征等）	未提及具体样本数量
850	2025-07-15	A CNN-transformer-based hybrid U-shape model with long-range relay for esophagus 3D CT image gross tumor volume segmentation 2025-Jul, Medical physics IF:3.2Q1 DOI:10.1002/mp.17818 PMID:40229138	research paper	提出一种基于CNN-Transformer混合U型网络的模型（LRRM-U-TransNet），用于提高食管3D CT图像中肿瘤体积分割的准确性	引入长距离传递机制和双路径交互模块（Dual FastViT和Dual AxialViT），增强特征表示能力和全局信息获取	模型在部分指标（如Volume Similarity）上表现仍有提升空间	提高食管肿瘤在CT图像中的分割精度，辅助诊断和治疗	食管肿瘤的3D CT图像	digital pathology	esophageal cancer	CT imaging	CNN-Transformer hybrid (U-shape with long-range relay)	3D medical image	1665例患者CT样本（来自四川肿瘤医院）
851	2025-07-15	Deep learning-based hippocampus asymmetry assessment for Alzheimer's disease diagnosis 2025-Jul, Medical physics IF:3.2Q1 DOI:10.1002/mp.17831 PMID:40241310	research paper	本文提出了一种基于深度学习的海马体不对称性定量评估方法DeepHAA，用于阿尔茨海默病的诊断	提出了一种新的深度学习方法DeepHAA，通过跨注意力机制融合左右海马体结构的特征表示，并基于输入样本与参考嵌入空间的距离进行定量评估	研究样本量相对较小，仅包含199名受试者	开发一种定量评估海马体不对称性的方法，以辅助阿尔茨海默病的诊断	海马体不对称性	digital pathology	Alzheimer's disease	MRI	深度学习模型（DeepHAA）	MRI图像	199名受试者（53名正常认知，71名轻度认知障碍，33名阿尔茨海默病）
852	2025-07-15	Lightweight cross-resolution coarse-to-fine network for efficient deformable medical image registration 2025-Jul, Medical physics IF:3.2Q1 DOI:10.1002/mp.17827 PMID:40280883	research paper	提出了一种轻量级跨分辨率由粗到细网络（LightCRCF），用于高效的可变形医学图像配准	1) 采用高效的跨分辨率由粗到细配准策略；2) 引入纹理感知重参数化（TaRep）模块提取丰富纹理信息；3) 提出组流重参数化（GfRep）模块捕捉多样化变形模式	未提及具体局限性	解决医学图像配准中高精度与高效率之间的权衡问题	医学图像（MRI和CT）	digital pathology	NA	深度学习	U-Net	医学影像	LPBA数据集（30对训练图像和9对测试图像）、OASIS数据集（1275对训练图像、110对验证图像和660对测试图像）、ACDC数据集（180对训练图像、20对验证图像和100对测试图像）、腹部CT数据集（380对训练图像、6对验证图像和42对测试图像）
853	2025-07-15	Modeling inter-reader variability in clinical target volume delineation for soft tissue sarcomas using diffusion model 2025-Jul, Medical physics IF:3.2Q1 DOI:10.1002/mp.17865 PMID:40317577	研究论文	本研究开发了一种基于扩散模型的深度学习技术，用于生成软组织肉瘤临床靶区（CTV）的多个轮廓，以模拟临床实践中读者间的变异性	提出了一种能够生成任意数量不同且合理的CTV轮廓的扩散模型，以模拟CTV勾画中的读者间变异性，并整合了GTV信息以提高准确性	研究样本量较小，训练集仅包含51例患者，验证集仅5例患者	开发一种能够模拟临床实践中读者间变异性的CTV勾画方法	软组织肉瘤患者的FDG-PET、CT和MRI扫描图像	数字病理	软组织肉瘤	扩散模型	扩散模型	医学影像	51例患者（训练集）+5例患者（验证集）
854	2025-07-15	Impact of tracer uptake rate on quantification accuracy of myocardial blood flow in PET: A simulation study 2025-Jul, Medical physics IF:3.2Q1 DOI:10.1002/mp.17871 PMID:40344168	研究论文	通过模拟研究探讨PET中心肌血流（MBF）量化误差，并评估不同参数估计方法，包括深度学习方法	使用基于transformer的深度学习模型预测参数图像，并与传统非线性最小二乘方法进行比较	研究主要基于模拟数据，临床验证仅涉及两名患者	提高PET中心肌血流量化准确度	心肌血流量化	医学影像分析	心血管疾病	PET扫描，深度学习	transformer-based DL模型	医学影像	55例临床CT图像用于生成模拟数据，2例患者用于临床验证
855	2025-07-15	Inference-specific learning for improved medical image segmentation 2025-Jul, Medical physics IF:3.2Q1 DOI:10.1002/mp.17883 PMID:40356014	research paper	提出一种推理特定学习策略，通过调整训练数据以匹配特定推理数据，提高深度学习网络在医学图像分割中的预测准确性	提出推理特定学习策略，在不改变网络结构的情况下，通过调整训练数据以匹配特定推理数据，提高预测准确性	未提及具体局限性	提高深度学习网络在医学图像分割中的预测准确性	医学图像（腹部、头颈部和胰腺CT图像）	digital pathology	NA	深度学习	CNN	image	腹部CT 30例、头颈部CT 42例、胰腺CT 210例
856	2025-07-15	Transformer model based on Sonazoid contrast-enhanced ultrasound for microvascular invasion prediction in hepatocellular carcinoma 2025-Jul, Medical physics IF:3.2Q1 DOI:10.1002/mp.17895 PMID:40384312	研究论文	本研究探讨了基于Sonazoid对比增强超声的Transformer模型在肝细胞癌微血管侵犯术前预测中的应用价值	首次将Transformer模型应用于Sonazoid对比增强超声数据，用于预测肝细胞癌的微血管侵犯	研究为回顾性设计，样本量相对有限（164例患者）	评估Transformer模型在肝细胞癌微血管侵犯术前预测中的价值	肝细胞癌患者	数字病理	肝细胞癌	Sonazoid对比增强超声(CEUS)	Transformer	超声图像	164例HCC患者
857	2025-07-15	A 3D deep learning model based on MRI for predicting lymphovascular invasion in rectal cancer 2025-Jul, Medical physics IF:3.2Q1 DOI:10.1002/mp.17882 PMID:40391614	研究论文	本研究开发并验证了一种基于术前MRI的深度学习模型，用于预测直肠癌患者的淋巴血管侵犯（LVI）	利用3D深度学习模型（3D GPTV10）结合肿瘤本身及其周围10像素边缘作为感兴趣区域，显著提高了LVI预测的准确性	研究样本量相对较小（训练队列233例，验证队列101例），且仅基于单一医疗机构的数据	开发并验证一种基于术前MRI的深度学习模型，用于预测直肠癌患者的淋巴血管侵犯（LVI）	直肠癌患者	数字病理	直肠癌	MRI T2WI轴向图像	3D DenseNet121	医学影像	训练队列233例，验证队列101例
858	2025-07-15	Fusing radiomics and deep learning features for automated classification of multi-type pulmonary nodule 2025-Jul, Medical physics IF:3.2Q1 DOI:10.1002/mp.17901 PMID:40391634	研究论文	本研究提出了一种融合放射组学和深度学习特征的方法，用于自动分类多种类型的肺结节	通过引入判别相关分析特征融合算法，最大化两类特征的互补性和不同类别间的差异，有效利用特征的互补特性	NA	提高肺结节分类的准确性，以实现个性化肺癌治疗和预后预测	多种类型的肺结节（如恶性、钙化、毛刺、分叶、边缘和纹理）	数字病理	肺癌	CT放射组学	深度学习神经网络	CT图像	LIDC-IDRI数据集
859	2025-07-15	A novel network architecture for post-applicator placement CT auto-contouring in cervical cancer HDR brachytherapy 2025-Jul, Medical physics IF:3.2Q1 DOI:10.1002/mp.17908 PMID:40414687	研究论文	开发了一种基于机器学习的自动轮廓绘制方法，用于宫颈癌高剂量率近距离放射治疗中高风险临床靶区和危险器官的CT图像分割	提出了一种新颖的双模型深度学习架构，结合U-Net和空间信息优化策略，显著提升了复杂解剖结构的分割准确性	对于软组织结构对比度差的肠道和乙状结肠分割效果仍有提升空间，且需要进一步临床验证	提高宫颈癌高剂量率近距离放射治疗中CT图像分割的准确性和效率	宫颈癌患者的CT图像数据	数字病理	宫颈癌	深度学习	U-Net	CT图像	32名宫颈癌患者的115张CT图像
860	2025-07-15	A vessel bifurcation landmark pair dataset for abdominal CT deformable image registration (DIR) validation 2025-Jul, Medical physics IF:3.2Q1 DOI:10.1002/mp.17907 PMID:40437735	research paper	介绍了一种用于腹部CT可变形图像配准(DIR)验证的首个血管分叉标志点对数据集	首个针对腹部CT DIR验证的基准数据集，包含大量高精度的血管分叉标志点对	数据采集和处理流程可能限制了数据集的规模和多样性	支持未来DIR算法的开发和验证	腹部CT图像中的血管分叉标志点	digital pathology	NA	deep learning, deformable image registration	deep learning model	CT image	30名患者的腹部CT图像对，共1895个标志点对