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
861	2025-10-29	CSF1R and macrophage infiltration: Integrated magnetic resonance imaging radiomics and deep learning-driven models for the preoperative assessment of glioma 2025-Oct-27, Chinese medical journal IF:7.5Q1 DOI:10.1097/CM9.0000000000003827 PMID:41146428	研究论文	本研究开发了基于磁共振影像组学和深度学习的CSF1R预测模型，用于术前评估胶质瘤	首次整合传统影像组学特征和深度学习特征构建CSF1R预测模型，并系统验证了模型与巨噬细胞浸润的关联	样本量相对有限，特别是单细胞测序数据仅来自2例患者	术前无创预测胶质瘤中CSF1R水平，为免疫治疗提供指导	胶质瘤患者	医学影像分析	胶质瘤	磁共振成像, 免疫组织化学染色, 单细胞RNA测序	机器学习分类器, 深度学习	磁共振图像, 基因表达数据, 免疫组化数据, 单细胞测序数据	共477例患者（训练集64例，内部测试集38例，外部验证集101例，生存分析255例，免疫组化16例，单细胞测序2例4个病灶）	Scikit-learn	支持向量机, 随机森林, 朴素贝叶斯等12种经典机器学习分类器	准确率, 灵敏度, 特异性, AUC	NA
862	2025-10-29	Exploring synthetic controls in rare diseases with a proof of concept in spinal cord injury 2025-Oct-24, BMC medicine IF:7.0Q1 DOI:10.1186/s12916-025-04405-3 PMID:41137105	研究论文	本研究探索在罕见疾病中使用合成对照的方法，并以脊髓损伤为例验证其可行性	提出基于数据驱动的合成对照方法，用于解决罕见疾病临床试验中患者招募困难的问题	研究主要基于历史数据模拟，需要在实际临床试验中进一步验证	开发合成对照方法以改善罕见疾病临床试验的设计和执行	脊髓损伤患者的神经功能恢复数据	机器学习	脊髓损伤	数据驱动预测	CNN,线性模型,树模型,深度学习模型	临床数据，节段性运动评分序列	EMSCI数据库4196例患者，Sygen试验587例患者用于外部验证	NA	卷积神经网络	均方根误差	NA
863	2025-10-29	High-acceleration pancreatobiliary MRI with deep learning-based super-resolution reconstruction for evaluating presumed pancreatic intraductal papillary mucinous neoplasm 2025-Oct-24, Cancer imaging : the official publication of the International Cancer Imaging Society IF:3.5Q1 DOI:10.1186/s40644-025-00932-7 PMID:41137166	研究论文	评估基于深度学习的超分辨率重建算法在胰腺胆道MRI中诊断胰腺导管内乳头状黏液性肿瘤的可行性和诊断效用	首次将深度学习超分辨率重建算法应用于胰腺胆道MRI，显著提升图像质量和囊性病变显着性	回顾性研究设计，样本量有限（恶性IPMN仅15例），需要更大规模研究验证临床影响	评估深度学习超分辨率重建在胰腺胆道MRI中的诊断性能	162例疑似胰腺导管内乳头状黏液性肿瘤患者	医学影像分析	胰腺肿瘤	MRI, 深度学习超分辨率重建	深度学习	医学影像	162例患者（15例恶性IPMN，147例良性IPMN）	NA	超分辨率重建网络	AUC, 敏感度, 特异度, 准确率	NA
864	2025-10-29	Enhancing lymph node diagnosis: integrating deep learning with endoscopic ultrasonography: a retrospective study in China 2025-Oct-24, Clinical endoscopy IF:2.1Q3 DOI:10.5946/ce.2025.113 PMID:41147107	研究论文	本研究开发了一种结合深度学习和内镜超声的机器学习模型，用于纵隔和腹腔淋巴结的诊断分类	首次将U-Net分割模型与六种深度学习架构结合k近邻算法集成应用于内镜超声图像分析，并创新性地将机器学习模型与专家诊断和逻辑回归分析相结合	回顾性研究设计，样本量相对有限（93名患者），仅在中国单一中心进行	提高内镜超声对纵隔和腹腔淋巴结病变的诊断性能并降低医疗成本	纵隔和腹腔淋巴结的内镜超声图像	计算机视觉	淋巴结病变	内镜超声	CNN, U-Net, k-NN	医学图像	93名患者，630张图像	NA	U-Net, ResNet-50	F1分数, 敏感性, AUC	NA
865	2025-10-29	Predicting the Effort Required to Manually Mend Auto-Segmentations 2025-Oct-23, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3623042 PMID:41129432	研究论文	本文研究评估自动分割结果临床可用性的方法，重点关注预测手动修正所需的工作量	提出基于深度学习网络的隐式指标来预测修正工作量，无需真实分割标签，仅使用自动分割结果和原始图像	研究仅针对放射治疗计划中的7个解剖器官，需要在更广泛场景中验证	开发能够有效预测自动分割结果手动修正工作量的评估方法	放射治疗计划中的自动轮廓分割结果	医学图像分析	NA	深度学习	深度学习网络	医学图像，分割掩码	3个机构的7个不同解剖器官数据	NA	NA	误差率	NA
866	2025-10-29	SNRAware: Improved Deep Learning MRI Denoising with Signal-to-noise Ratio Unit Training and G-factor Map Augmentation 2025-Oct-22, Radiology. Artificial intelligence DOI:10.1148/ryai.250227 PMID:41123451	研究论文	开发并评估一种基于深度学习的MRI去噪方法，利用图像重建过程中获得的定量噪声分布信息来提升模型性能和泛化能力	提出SNRAware训练方案，利用MRI重建知识通过模拟多样化合成数据集和提供定量噪声分布信息来增强去噪效果	回顾性研究设计，数据主要来自3T MRI扫描仪	改进基于深度学习的MRI去噪方法	心脏电影序列MRI图像	医学影像处理	心血管疾病	MRI	CNN, Transformer	医学图像	训练集2885236张图像来自96605个心脏电影序列，测试集3000个电影序列	NA	Transformer, 卷积块	PSNR, SSIM, 对比噪声比	NA
867	2025-10-29	A robust and data-efficient deep learning model for cardiac assessment without segmentation 2025-Oct-22, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-01903-x PMID:41126099	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
868	2025-10-29	Explainable machine learning algorithm predicting working memory performance in Parkinson's disease using task-fMRI 2025-Oct-14, Journal of neurology IF:4.8Q1 DOI:10.1007/s00415-025-13438-w PMID:41085732	研究论文	开发可解释的机器学习模型，基于任务功能磁共振成像数据预测帕金森病患者的工作记忆表现水平	首次将三维卷积神经网络与三维卷积自编码器预训练结合，应用于帕金森病工作记忆表现分类，并生成显著性图谱解释模型决策依据	样本量较小（仅45名患者和15名健康对照），仅使用单一任务功能磁共振成像范式	开发可解释的深度学习模型用于帕金森病患者工作记忆表现的客观评估	帕金森病患者和健康对照个体	医学影像分析	帕金森病	任务功能磁共振成像，n-back工作记忆任务	3D-CNN	三维脑功能影像数据	45名帕金森病患者和15名健康对照	NA	三维卷积神经网络，三维卷积自编码器	准确率	NA
869	2025-10-29	GARNN-AE-LSTM: A Multimodal Deep Learning Approach for High-Accuracy Video Summarization 2025-Oct-10, Journal of visualized experiments : JoVE DOI:10.3791/69097 PMID:41144309	研究论文	提出一种融合视觉和听觉信息的多模态深度学习框架GARNN-AE-LSTM，用于实现高精度视频摘要	结合门控循环神经网络(GARNN)和对抗编码器LSTM(AE-LSTM)，引入门控AlexNet和多模态特征提取，通过运动补偿PCA降维和时序建模提升关键帧检测精度	NA	开发高精度的视频摘要系统，通过保留关键内容创建精简版长视频	视频数据	计算机视觉	NA	多模态特征提取，运动补偿特征降维，PCA降维	GRU, LSTM, AlexNet	视频，音频，图像	NA	NA	GARNN, AE-LSTM, AlexNet	敏感度, F分数, 阳性预测值	NA
870	2025-10-29	Prophylactic biological mesh reinforcement during ileostomy closure surgery evaluated by the image-based deep learning model for the prevention of stoma-site incisional hernia: phase II study protocol for a single-centre, prospective, randomised controlled clinical trial 2025-Oct-07, BMJ open IF:2.4Q1 DOI:10.1136/bmjopen-2025-101121 PMID:41062141	研究论文	本研究通过基于图像的深度学习模型评估生物补片在预防回肠造口关闭术后造口部位切口疝的安全性和有效性	首次将影像组学用于预测造口部位切口疝，并验证基于图像的深度学习模型在预测术后并发症和识别高风险患者方面的可行性	单中心研究，样本量较小（40例患者）	评估生物补片在预防高风险患者回肠造口关闭术后切口疝的安全性和有效性	需要接受回肠造口关闭术且被基于图像的深度学习模型识别为造口部位切口疝高风险因素的患者	医学影像分析	直肠癌	基于图像的深度学习模型	深度学习模型	医学影像数据	40例患者	NA	NA	术后切口疝发生率、局部疼痛、切口感染、血清肿等并发症发生率	NA
871	2025-10-29	Deep learning prediction of peak oxygen uptake in patients with coronary heart disease: a retrospective study 2025-Oct-05, BMJ open IF:2.4Q1 DOI:10.1136/bmjopen-2025-098878 PMID:41047260	研究论文	本研究开发并验证了基于亚极量心肺运动测试指标和深度学习方法预测冠心病患者峰值摄氧量的模型	首次将深度学习方法应用于冠心病患者峰值摄氧量预测，并比较了多种机器学习模型的性能	研究为回顾性设计，需要进一步的外部验证和前瞻性研究才能临床应用	开发预测冠心病患者峰值摄氧量的预测模型	冠心病患者	机器学习	冠心病	心肺运动测试	神经网络,XGBoost	临床数据和运动测试指标	10538名冠心病患者	NA	神经网络	R²,平均绝对误差,偏差,Bland-Altman分析,SHAP特征重要性排序	NA
872	2025-10-29	DenseFormer-MoE: A Dense Transformer Foundation Model With Mixture of Experts for Multi-Task Brain Image Analysis 2025-Oct, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3551514 PMID:40085471	研究论文	提出一种结合密集卷积网络、视觉Transformer和专家混合的DenseFormer-MoE基础模型，用于多任务脑图像分析	首次将密集卷积网络、视觉Transformer和专家混合机制集成到脑图像分析基础模型中，通过动态专家选择解决多任务学习中的优化冲突问题	仅使用T1加权磁共振图像，未探索多模态脑影像数据	开发适用于多种下游任务的脑图像分析基础模型	脑部T1加权磁共振图像	计算机视觉	脑部疾病	T1加权磁共振成像	Transformer, CNN, MoE	图像	UK Biobank、ADNI、PPMI等多个知名脑成像数据集	NA	DenseNet, Vision Transformer, Mixture of Experts	NA	NA
873	2025-10-29	Deep Learning to Differentiate Parkinsonian Syndromes Using Multimodal Magnetic Resonance Imaging: A Proof-of-Concept Study 2025-Oct, Movement disorders : official journal of the Movement Disorder Society IF:7.4Q1 DOI:10.1002/mds.30300 PMID:40704399	研究论文	使用基于3D卷积神经网络的多模态MRI方法区分多系统萎缩和帕金森病	首次将多模态MRI数据（灰质密度图和平均扩散率图）与3D CNN结合用于帕金森综合征的自动鉴别诊断	样本量相对较小，仅包含156名患者；回顾性研究设计	开发基于深度学习的自动诊断工具，用于区分不同类型的帕金森综合征	多系统萎缩患者（MSA-P、MSA-C、MSA-PC变体）和帕金森病患者	医学影像分析	帕金森综合征	磁共振成像（MRI），包括T1加权序列和扩散张量成像	CNN	医学影像	156名患者（92名MSA患者，64名PD患者）	NA	3D CNN	准确率	NA
874	2025-10-29	Video-Based Data-Driven Models for Diagnosing Movement Disorders: Review and Future Directions 2025-Oct, Movement disorders : official journal of the Movement Disorder Society IF:7.4Q1 DOI:10.1002/mds.30327 PMID:40814940	综述	全面回顾了基于视频的数据驱动模型在运动障碍诊断中的应用现状并展望未来研究方向	系统分析了2006-2024年间视频模态运动障碍诊断模型的发展趋势，发现姿态估计方法日益流行，实时方法和端到端深度学习架构的应用增多	当前方法存在公共数据源有限、缺乏标准化指标和患者隐私问题等主要限制	探索基于视频的数据驱动模型在运动障碍诊断中的应用潜力	运动障碍患者，包括震颤、肌张力障碍、肌阵挛、舞蹈症、抽动症、帕金森病和共济失调	计算机视觉	运动障碍	视频分析	机器学习,深度学习	视频	NA	NA	端到端深度学习架构	NA	NA
875	2025-10-29	Learning the syntax of plant assemblages 2025-Oct, Nature plants IF:15.8Q1 DOI:10.1038/s41477-025-02105-7 PMID:41083838	研究论文	提出一种受大型语言模型启发的方法，通过学习植物群落中丰度排序的物种序列的'语法'来理解植物组合	首次将大型语言模型的思想应用于植物群落分析，能够捕捉跨生态系统的物种间潜在关联	研究范围仅限于欧洲及邻近国家的植物物种，未涉及全球其他地区的植物群落	开发能够预测物种组成和分类生境类型的方法，以支持生物多样性保护和恢复	欧洲及邻近地区的植物群落和物种组合	自然语言处理	NA	物种序列分析，群落生态学方法	神经网络，语言模型	物种丰度序列数据	覆盖10,000多种欧洲及邻近国家植物物种	NA	语言模型架构	准确率	NA
876	2025-10-29	On the utility of virtual staining for downstream applications as it relates to task network capacity 2025-Oct-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.576061 PMID:41112785	研究论文	系统研究虚拟染色技术对下游临床应用效用的影响，特别关注任务网络容量的作用	首次系统研究虚拟染色对下游任务性能的影响，提出任务网络容量是决定虚拟染色效用的关键因素	研究基于特定生物数据集，结果可能受数据集特性影响	评估虚拟染色技术对下游临床任务（如分割和分类）的实际效用	生物医学图像数据	数字病理	NA	虚拟染色技术	深度学习图像到图像转换网络	生物医学图像	NA	NA	NA	分割性能, 分类性能	NA
877	2025-10-29	A decision-making framework using MCTS as a hierarchical task network and deep learning connector 2025 Oct-Dec, Science progress IF:2.6Q2 DOI:10.1177/00368504251386308 PMID:41117490	研究论文	提出一种结合分层任务网络和深度学习的知识引导数据驱动决策框架	使用蒙特卡洛树搜索作为分层任务网络与深度学习的连接器，实现人类规划知识与数据驱动的结合	仅在MiniRTS环境中进行验证，尚未在其他复杂决策场景测试	解决深度学习智能体在庞大决策空间中短期难以做出最优决策的问题	决策智能体	机器学习	NA	深度学习，蒙特卡洛树搜索	神经网络	游戏环境数据	仅需20%可用数据	NA	NA	决策质量	NA
878	2025-10-29	Evaluation of a Mammography-based Deep Learning Model for Breast Cancer Risk Prediction in a Triennial Screening Program 2025-Oct, Radiology IF:12.1Q1 DOI:10.1148/radiol.250391 PMID:41147910	研究论文	评估基于乳腺X线摄影的深度学习模型Mirai在英国三年期筛查项目中预测乳腺癌风险的能力	首次在三年期乳腺癌筛查项目中系统评估深度学习风险预测模型对间期癌的预测性能	回顾性研究设计，仅包含两个筛查中心和两种主要乳腺X线摄影系统的数据	评估深度学习算法在三年期乳腺癌筛查中预测间期癌的能力	英国50-70岁参与三年期乳腺X线筛查的女性	数字病理	乳腺癌	数字乳腺X线摄影	深度学习	医学影像	134,217例检查（来自相同数量女性），包含524例间期癌	NA	Mirai	AUC, C指数, 真阳性率	NA
879	2025-10-29	Reducing False Alarms in Lung Cancer Screening: The Promise of Deep Learning 2025-Oct, Radiology IF:12.1Q1 DOI:10.1148/radiol.252917 PMID:41147921	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
880	2025-10-29	DL-SDE: A deep learning framework for source depth estimation in shallow water using vertical linear array 2025-Oct-01, The Journal of the Acoustical Society of America IF:2.1Q1 DOI:10.1121/10.0039667 PMID:41147943	研究论文	提出一种基于深度学习的浅水声源深度估计框架DL-SDE，通过多尺度卷积和残差多头自注意力模块捕捉垂直线阵中的声波干涉模式	首次将多尺度局部干涉模式与全局非均匀关系建模相结合，通过物理机制引导的深度学习框架解决水下声源深度估计问题	性能在100Hz以上频率和覆盖至少50%水柱的阵列深度时保持稳定，对更低频率或更浅阵列的适用性未验证	开发鲁棒且准确的水下声源深度估计方法	浅水环境中的水下声源	机器学习	NA	垂直线性阵列声学测量	CNN, 自注意力机制	声学干涉模式数据	NA	深度学习框架	多尺度卷积模块, 残差多头自注意力模块	平均绝对误差, 可信定位概率	NA