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	2025-09-06	Surgical optomics: hyperspectral imaging and deep learning towards precision intraoperative automatic tissue recognition-results from the EX-MACHYNA trial 2024-07, Surgical endoscopy DOI:10.1007/s00464-024-10880-1 PMID:38789623	研究论文	本研究开发了一种基于高光谱成像和深度学习的术中自动组织识别方法，用于腹部手术	首次在前瞻性双中心设置中使用人类数据开发基于HSI的自动腹部组织识别系统	需要进一步工作来量化HSI的临床价值，相似胚胎起源组织的分类存在困难	开发精准术中自动组织识别技术以提高手术场景分割	接受择期开腹手术的患者	计算机视觉	腹部疾病	高光谱成像(HSI)	CNN	图像	169名患者（斯特拉斯堡73名，维罗纳96名），共766张图像
842	2025-09-06	Clinical utility of a rapid two-dimensional balanced steady-state free precession sequence with deep learning reconstruction 2024, Journal of cardiovascular magnetic resonance : official journal of the Society for Cardiovascular Magnetic Resonance IF:4.2Q1 DOI:10.1016/j.jocmr.2024.101069 PMID:39079600	研究论文	本研究评估了采用深度学习重建的加速二维心脏电影序列在心血管磁共振成像中的临床效用，旨在缩短采集时间而不影响图像质量或定量测量	首次将深度学习重建技术(Sonic DL)应用于二维平衡稳态自由进动序列，实现在加速因子为8时采集时间减少37%且保持临床测量准确性	左心室质量和纵向应变存在轻微高估(质量高估3.36 g/m²，纵向应变高估1.97%)	评估深度学习重建加速序列在心脏电影成像中的临床应用价值	人类参与者（共124人，包括16人预研究和108人前瞻性研究）	医学影像分析	心血管疾病	心血管磁共振成像(CMR)，深度学习重建	深度学习	医学影像	总共124名参与者（16人预实验，108人主要研究）
843	2025-09-06	Impact of training data composition on the generalizability of convolutional neural network aortic cross-section segmentation in four-dimensional magnetic resonance flow imaging 2024, Journal of cardiovascular magnetic resonance : official journal of the Society for Cardiovascular Magnetic Resonance IF:4.2Q1 DOI:10.1016/j.jocmr.2024.101081 PMID:39127260	研究论文	本研究探讨了训练数据组成对基于卷积神经网络的四维磁共振血流成像中主动脉横截面分割模型泛化能力的影响	首次系统分析了不同训练数据特征（包括病理类型、技术参数等）对CNN分割模型跨中心、跨设备泛化性能的具体影响	研究仅基于260个数据集，样本量相对有限，且仅针对主动脉分割任务	提高四维心血管磁共振血流成像中主动脉自动分割的准确性和可重复性	无已知主动脉病变者、健康志愿者和二叶式主动脉瓣（BAV）患者	医学图像分析	心血管疾病	四维心血管磁共振血流成像（4D flow CMR）	增强型三维U-net CNN with residual units	磁共振图像	260个4D flow CMR数据集
844	2025-09-06	Improved robustness for deep learning-based segmentation of multi-center myocardial perfusion cardiovascular MRI datasets using data-adaptive uncertainty-guided space-time analysis 2024, Journal of cardiovascular magnetic resonance : official journal of the Society for Cardiovascular Magnetic Resonance IF:4.2Q1 DOI:10.1016/j.jocmr.2024.101082 PMID:39142567	研究论文	提出一种数据自适应不确定性引导的时空分析方法，提升深度学习在多中心心肌灌注心血管MRI数据集分割中的鲁棒性	利用不确定性图自动从多个DNN解决方案中选择最佳分割结果，有效应对脉冲序列和扫描仪厂商的差异	训练数据量有限（n=85），仅基于三个医疗中心的数据	开发能够分析多中心数据集的深度学习技术，克服训练数据有限及软硬件差异的挑战	心肌灌注心血管磁共振成像数据集	计算机视觉	心血管疾病	心血管磁共振成像	U-Net	图像	150名受试者（21,150张首过图像）
845	2025-09-06	Accelerated chemical shift encoded cardiovascular magnetic resonance imaging with use of a resolution enhancement network 2024, Journal of cardiovascular magnetic resonance : official journal of the Society for Cardiovascular Magnetic Resonance IF:4.2Q1 DOI:10.1016/j.jocmr.2024.101090 PMID:39243889	研究论文	提出基于深度学习网络FastCSE加速心血管磁共振化学位移编码成像，通过分辨率增强减少呼吸暂停次数	首次将超分辨率生成对抗网络扩展用于增强复数值图像清晰度，并在水脂分离前独立处理每个回波图像	NA	加速心血管磁共振化学位移编码成像并保持图像质量	人类心脏组织	医学影像分析	心血管疾病	化学位移编码(CSE), 双点Dixon重建, GRAPPA并行采集	生成对抗网络(GAN)	磁共振图像	回顾性研究1519名患者，前瞻性研究16名参与者和5名健康个体
846	2025-09-06	Automated biventricular quantification in patients with repaired tetralogy of Fallot using a three-dimensional deep learning segmentation model 2024, Journal of cardiovascular magnetic resonance : official journal of the Society for Cardiovascular Magnetic Resonance IF:4.2Q1 DOI:10.1016/j.jocmr.2024.101092 PMID:39270800	研究论文	开发并验证了一种针对法洛四联症修复患者的三维深度学习心脏分割模型，用于双心室自动量化分析	首次专门针对先天性心脏病（法洛四联症）患者设计三维CNN分割模型，支持训练图像中的标签缺失处理，并显著提升右心室量化精度	模型主要针对法洛四联症修复患者，在其他先天性心脏病或病理类型中的泛化能力未验证	开发高性能的自动分割模型，用于法洛四联症修复患者的左心室和右心室腔室及心肌量化	法洛四联症修复患者的心脏磁共振图像	计算机视觉	心血管疾病	心血管磁共振成像（CMR）	3D CNN	三维医学图像	训练集196例（100例正常/获得性心脏病患者 + 96例TOF患者），测试集36例TOF患者
847	2025-09-06	Detection of signs of disease in external photographs of the eyes via deep learning 2022-12, Nature biomedical engineering IF:26.8Q1 DOI:10.1038/s41551-022-00867-5 PMID:35352000	研究论文	利用深度学习模型分析眼部外部照片以检测糖尿病视网膜病变等疾病	首次证明无需视网膜眼底照片，仅通过眼部外部照片即可利用深度学习检测多种糖尿病相关眼病和血糖控制不良	需要进一步在不同相机设备和患者群体中验证模型的通用性	开发基于深度学习的眼部外部照片分析系统用于疾病筛查	糖尿病患者及普通眼科护理人群	计算机视觉	糖尿病视网膜病变	深度学习	深度学习模型	图像	145,832名糖尿病患者用于训练，48,644名患者用于验证
848	2025-09-06	Derivation of prognostic contextual histopathological features from whole-slide images of tumours via graph deep learning 2022-Dec, Nature biomedical engineering IF:26.8Q1 DOI:10.1038/s41551-022-00923-0 PMID:35982331	研究论文	通过图深度学习从肿瘤全切片图像中提取具有预后价值的上下文组织病理学特征	首次在半监督方式下利用图深度神经网络分析肿瘤微环境的上下文特征，并生成可解释的预后生物标志物	NA	开发能够从全切片图像中提取预后相关上下文特征的计算病理学方法	肾癌、乳腺癌、肺癌和子宫癌患者的全切片图像	数字病理	多癌种（肾癌、乳腺癌、肺癌、子宫癌）	图深度学习、注意力机制	图神经网络（GNN）	全切片图像（WSI）	3,950名患者（四种癌症类型），其中1,333名肾透明细胞癌患者用于风险分层验证
849	2025-09-06	Graph deep learning detects contextual prognostic biomarkers from whole-slide images 2022-12, Nature biomedical engineering IF:26.8Q1 DOI:10.1038/s41551-022-00927-w PMID:35986140	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
850	2025-09-06	Graph deep learning for the characterization of tumour microenvironments from spatial protein profiles in tissue specimens 2022-12, Nature biomedical engineering IF:26.8Q1 DOI:10.1038/s41551-022-00951-w PMID:36357512	研究论文	利用图神经网络分析空间蛋白质数据以表征肿瘤微环境并预测临床结果	提出基于局部子图的图深度学习模型，捕捉与临床结果相关的独特细胞相互作用，优于基于细胞类型局部组成的深度学习方法	NA	识别与癌症复发和患者生存相关的空间模式，并预测患者预后	人类头颈癌和结直肠癌组织样本	数字病理	头颈癌和结直肠癌	多重免疫荧光成像	图神经网络	空间蛋白质数据	NA
851	2025-09-05	Unraveling bladder cancer-related circRNA biomarkers: a hybrid model combining deep learning and statistics 2025-Dec, Health information science and systems IF:4.7Q1 DOI:10.1007/s13755-025-00373-3 PMID:40893176	研究论文	本研究结合深度学习和统计方法，从膀胱癌患者的RNA测序数据中识别新型环状RNA生物标志物	开发了集成深度学习、特征选择和统计分析的混合模型，成功鉴定出34个新型膀胱癌相关circRNA生物标志物，其中17个为全新发现	样本量相对有限（454例患者和19例健康对照），需要更大规模验证	发现膀胱癌的非侵入性诊断和预后生物标志物	膀胱癌患者和健康对照的环状RNA	生物信息学	膀胱癌	RNA测序，CIRCexplorer3工具	深度学习集成模型	RNA测序数据	454例膀胱癌患者和19例健康对照
852	2025-09-05	Method for fetal ultrasound image classification using pseudo-labelling with PCA-KMeans and an attention-augmented MobileNet-LSTM model 2025-Dec, MethodsX IF:1.6Q2 DOI:10.1016/j.mex.2025.103563 PMID:40896717	研究论文	提出一种结合无监督伪标签生成与注意力增强混合深度学习模型的胎儿超声图像分类方法	使用PCA-KMeans进行无监督伪标签生成并结合多头自注意力机制与LSTM的MobileNet混合架构	NA	解决胎儿超声图像分类中标注数据有限和类别不平衡的挑战	胎儿超声图像	计算机视觉	NA	PCA, K-means聚类, 过采样技术	MobileNet, 多头自注意力机制, LSTM	图像	NA
853	2025-09-05	Electronic nose, HS-GC-IMS, HS-SPME-GC-MS, and deep learning model were used to analyze and predict the changes and contents of VOCs in in-shell walnut kernels under different roasting conditions 2025-Nov-15, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2025.145342 PMID:40609363	研究论文	本研究使用多种技术分析不同烘烤条件下带壳核桃仁中挥发性有机化合物的变化与含量，并通过深度学习模型进行预测	首次综合应用电子鼻、HS-GC-IMS、HS-SPME-GC-MS和深度学习模型对核桃烘烤过程中的VOCs进行多维度分析与预测	NA	分析不同烘烤条件下核桃仁挥发性有机化合物的变化规律并建立预测模型	带壳核桃仁	机器学习	NA	Electronic-nose, HS-SPME-GC-MS, HS-GC-IMS, 定量描述分析	BP神经网络	化学分析数据	NA
854	2025-09-05	Rapid and non-destructive detection of formaldehyde adulteration in shrimp based on deep learning-assisted portable Raman spectroscopy 2025-Nov-15, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2025.145343 PMID:40609364	研究论文	基于深度学习辅助便携式拉曼光谱技术实现虾中甲醛掺假的快速无损检测	首次结合便携式拉曼光谱仪与InceptionTime深度学习模型，无需样品预处理即可实现甲醛残留的现场检测	模型准确率在84-85%范围内，可能存在误判风险	开发一种现场可部署的甲醛快速检测方法	虾样本表面	机器学习	NA	Raman spectroscopy, metabolomic analysis	InceptionTime	spectral data	使用甲醛阴性和阳性虾样本的拉曼光谱数据进行模型训练
855	2025-09-05	Intelligent geographical origin traceability of Pu-erh tea based on multispectral feature fusion 2025-Nov-15, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2025.145375 PMID:40618601	研究论文	本研究提出一种基于多光谱融合的深度学习方法来精确追溯普洱茶的地理起源	设计了改进的ECA-ResNet网络结构，结合优化的通道注意力机制实现自适应特征提取与融合，有效整合拉曼光谱和近红外光谱的优势	未明确说明样本具体数量，且未来需要进一步将光谱特征与具体化学标志物关联以增强可解释性	实现普洱茶的精准地理起源追溯	来自五个主要产地的普洱茶	机器学习	NA	拉曼光谱，近红外光谱，多光谱融合	改进的ECA-ResNet	光谱数据	来自五个主要产地的普洱茶样本（具体数量未说明）
856	2025-09-05	A dual-view deep learning-driven discovery of cinnamoyl anthranilic acid derivatives against orthopoxvirus through targeting host ITGB3 2025-Nov-15, European journal of medicinal chemistry IF:6.0Q1 DOI:10.1016/j.ejmech.2025.118002 PMID:40749255	研究论文	本研究开发了一种双视角深度学习模型，用于发现通过靶向宿主ITGB3蛋白抗正痘病毒的新型肉桂酰氨基苯甲酸衍生物	结合BERT和图神经网络的双视角深度学习模型，首次成功预测并验证了具有抗正痘病毒活性的肉桂酰氨基苯甲酸衍生物（化合物6）及其作用靶点ITGB3	NA	开发新型抗正痘病毒药物，特别是针对猴痘病毒(MPXV)	正痘病毒属病毒，特别是猴痘病毒(MPXV)	机器学习	病毒感染	深度学习，药物发现	BERT, 图神经网络(GNN)	分子序列数据，分子结构图数据	NA
857	2025-09-05	Interpretable deep learning unlocks high-fidelity prediction for medical radioisotope production 2025-Nov, Applied radiation and isotopes : including data, instrumentation and methods for use in agriculture, industry and medicine IF:1.6Q3 DOI:10.1016/j.apradiso.2025.112110 PMID:40825264	研究论文	利用贝叶斯优化的深度神经网络预测医学放射性同位素生产中的核反应截面，并通过SHAP分析提供可解释性	首次将贝叶斯优化的深度神经网络与SHAP可解释性分析相结合，显著超越传统物理模型TALYS-2.0的性能（R从0.9783提升至0.9997）	模型训练依赖于IAEA数据库中有限且可能存在不确定性的评估数据	优化基于回旋加速器的医用放射性同位素生产策略	Sc、In、I和Tm等临床重要放射性同位素的(p,2n)反应截面	机器学习	NA	贝叶斯优化、SHAP分析	深度神经网络	核反应截面数据	基于IAEA数据库的评估数据（具体样本量未明确说明）
858	2025-09-05	DiffRaman: A conditional latent denoising diffusion probabilistic model for enhancing bacterial identification via Raman spectra generation under limited data 2025-Oct-22, Analytica chimica acta IF:5.7Q1 DOI:10.1016/j.aca.2025.344372 PMID:40903108	研究论文	提出一种基于条件潜在去噪扩散概率模型的数据生成方法DiffRaman，用于在有限数据下增强细菌拉曼光谱识别	首次将条件潜在去噪扩散概率模型(DDPM)与VQ-VAE结合应用于拉曼光谱生成，在数据有限场景下提升生成质量和计算效率	方法性能依赖于初始数据质量，在极端数据稀缺情况下可能仍有局限	解决拉曼光谱数据不足问题，提升细菌自动识别准确率	细菌拉曼光谱数据	机器学习	NA	拉曼光谱技术，深度学习	条件DDPM，VQ-VAE	光谱数据，图像数据	有限拉曼光谱数据集
859	2025-09-05	Prediction of Nursing Need Proxies Using Vital Signs and Biomarkers Data: Application of Deep Learning Models 2025-Oct, Journal of clinical nursing IF:3.2Q1 DOI:10.1111/jocn.17612 PMID:39654010	研究论文	本研究开发深度学习模型预测住院患者的护理需求代理指标，并与传统回归模型比较预测效果	首次将RNN和LSTM深度学习模型应用于护理需求预测，通过时序数据建模提升预测性能	在病情快速变化期间预测准确性显著下降	开发预测护理需求代理指标的深度学习模型，优化护理资源分配	20,855名成年住院患者	医疗健康信息学	NA	深度学习，电子健康记录分析	RNN, LSTM	生命体征、生物标志物、人口统计学数据等时序医疗数据	20,855名成年患者
860	2025-09-05	Development of a Deep Learning-Based Model for Pressure Injury Surface Assessment 2025-Oct, Journal of clinical nursing IF:3.2Q1 DOI:10.1111/jocn.17645 PMID:39809598	研究论文	开发了一种基于深度学习的压力性损伤创面智能评估模型	利用深度学习技术实现压力性损伤创面的自动化精确评估，为临床决策提供关键工具	数据仅来自四家医院，样本多样性可能存在限制	开发智能伤口评估模型以提升护理精度和资源利用效率	压力性损伤创面图像	计算机视觉	压力性损伤	深度学习	神经网络	图像	1063张来自四家广州医院的伤口图像