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
881	2025-07-21	Influence of high-performance image-to-image translation networks on clinical visual assessment and outcome prediction: utilizing ultrasound to MRI translation in prostate cancer 2025-Jul-19, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-025-03481-3 PMID:40683943	研究论文	本研究评估了最先进的2D/3D图像到图像转换网络在将前列腺癌超声图像转换为合成MRI中的表现，结合放射组学、专家临床评估和分类性能来全面评估这些模型	结合放射组学、专家临床评估和分类性能，全面评估图像到图像转换网络在前列腺癌诊断中的潜在应用	在病变级别保真度和伪影抑制方面仍需改进	评估图像到图像转换网络在前列腺癌诊断中的临床可靠性和诊断相关特征保留能力	前列腺癌患者的超声和MRI图像	数字病理学	前列腺癌	图像到图像转换网络	2D-Pix2Pix, 其他I2I网络	图像	794名前列腺癌患者
882	2025-07-21	Deep learning for enhancing automatic classification of M-PSK and M-QAM waveform signals dedicated to single-relay cooperative MIMO 5G systems 2025-Jul-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-10738-z PMID:40676088	研究论文	本文提出了一种基于深度学习的自动调制分类方法，用于识别单中继协作MIMO 5G系统中的M-PSK和M-QAM波形信号	利用CNN分类器在减少的判别特征集上进行训练，包括高阶统计量和差分非线性相位峰值因子，并通过Gram-Schmidt正交化过程降低特征维度	在低信噪比等挑战性条件下进行评估，但未提及实际硬件实现的可行性	提升单中继协作MIMO 5G系统中自动调制分类的性能	M-PSK和M-QAM波形信号	机器学习	NA	CNN	卷积神经网络	信号数据	NA
883	2025-07-21	Deep learning enhanced deciphering of brain activity maps for discovery of therapeutics for brain disorders 2025-Jul-18, iScience IF:4.6Q1 DOI:10.1016/j.isci.2025.112868 PMID:40678509	研究论文	本研究介绍了一个名为DeepBAM的人工智能增强筛选平台，利用深度学习解析大规模全脑活动图谱（BAMs），用于神经药理学预测	开发了DeepBAM平台，结合自动化微流控和高速显微镜技术，实现高通量表型筛选，并利用深度学习从BAM库中解卷积药理信息，预测非临床化合物的治疗潜力	预测准确率在验证集中为45%，抗癫痫和抗帕金森病预测的成功率分别为80%和36%，仍有提升空间	开发一种结合系统水平表型分析和机器学习的方法，以辅助发现脑部疾病的治疗药物	活体、药物响应的斑马鱼幼虫的全脑活动图谱（BAMs）	机器学习	帕金森病, 癫痫	自动化微流控, 高速显微镜, 深度学习	深度学习	图像	未明确提及具体样本数量，但涉及大规模BAM库和非临床化合物验证集
884	2025-07-21	Deep learning assisted non-invasive lymph node burden evaluation and CDK4/6i administration in luminal breast cancer 2025-Jul-18, iScience IF:4.6Q1 DOI:10.1016/j.isci.2025.112849 PMID:40678544	研究论文	开发了一种多模态深度学习模型（LNPN），用于无创评估luminal乳腺癌患者的淋巴结负担和CDK4/6抑制剂治疗决策	结合临床病理参数和超声特征，开发了首个用于淋巴结负担分层的多模态深度学习模型	研究样本量相对有限（411例患者），且为回顾性多中心研究	优化luminal乳腺癌患者的CDK4/6抑制剂治疗决策	luminal乳腺癌患者	数字病理	乳腺癌	深度学习	多模态神经网络	临床病理参数和超声特征	411例患者的多中心队列
885	2025-07-21	Last vertex splitting: a new retroactive Monte Carlo splitting technique applied to LINAC out-of-field dose computation 2025-Jul-18, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/adf1d2 PMID:40680765	研究论文	提出了一种名为Last Vertex Splitting (LVS)的新方差减少技术，旨在减少蒙特卡洛模拟中粒子穿过高衰减介质时的计算时间	LVS方法结合混合版本的Track Length Estimator (hTLE)，通过优化光子跟踪和相互作用建模，加速了场外剂量计算	该方法引入的残余偏差保持在百分之一以下，但具体应用场景的适应性未详细讨论	减少蒙特卡洛模拟的计算时间，提高场外剂量计算的效率	LINAC头中的准直器和其他限束设备等高衰减介质中的粒子传输	放射治疗	NA	蒙特卡洛模拟	NA	模拟数据	NA
886	2025-07-21	Deep learning-based ultrasound diagnostic model for follicular thyroid carcinoma 2025-Jul-18, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-11840-6 PMID:40681777	research paper	本研究开发了一种基于深度学习的超声诊断模型，用于术前区分甲状腺滤泡癌（FTC）与其他恶性肿瘤和良性肿瘤	提出了一种新的数据增强方法和混合损失函数，以解决数据集不平衡问题，并结合预训练的CNN和Transformer模型有效提取图像特征	研究为回顾性多中心研究，可能存在选择偏倚，且FTC样本数量相对较少（39例）	提高甲状腺滤泡癌（FTC）的术前超声诊断准确性	10,771名接受超声检查和术后病理的成年患者	digital pathology	thyroid cancer	ultrasound imaging	CNN and Transformer	image	10,771名患者（测试集1,078名，其中FTC 39例）
887	2025-07-21	Innovations in clinical PET image reconstruction: advances in Bayesian penalized likelihood algorithm and deep learning 2025-Jul-18, Annals of nuclear medicine IF:2.5Q2 DOI:10.1007/s12149-025-02088-7 PMID:40681770	综述	本文总结了贝叶斯惩罚似然算法和深度学习在PET图像重建中的技术原理及临床性能	探讨了将深度学习嵌入迭代重建的混合方法uAI HYPER DPR，并比较了不同技术在图像质量和定量准确性上的表现	未提及具体临床数据支持或不同技术间的直接比较结果	提高PET图像重建的质量和定量准确性	PET图像重建技术	数字病理学	NA	贝叶斯惩罚似然算法、深度学习	CNN	图像	NA
888	2025-07-21	Diagnostic interchangeability of deep-learning based Synth-STIR images generated from T1 and T2 weighted spine images 2025-Jul-18, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-11827-3 PMID:40681776	研究论文	评估深度学习生成的合成短时反转恢复（Synth-STIR）图像与标准STIR图像在图像质量和诊断可互换性方面的表现	使用深度学习从T1和T2加权脊柱图像生成Synth-STIR，显著减少扫描时间并提高图像质量	研究仅包括199名参与者，可能需要在更大样本中验证结果	评估Synth-STIR在脊柱MRI中的图像质量和诊断可互换性	脊柱MRI图像	数字病理	脊柱疾病	深度学习	NA	图像	199名参与者（106名男性，平均年龄46.8±16.9岁）
889	2025-07-21	Diabetic retinopathy detection from fundus images: A wide survey from grading to segmentation of lesions 2025-Jul-18, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110715 PMID:40683101	综述	本文主要综述了从视网膜眼底图像诊断糖尿病视网膜病变（DR）的相关工作，包括DR的分级/分类和病变分割两大部分	全面回顾了从1986年至2025年的128篇研究论文，涵盖了传统方法和深度学习方法在DR诊断中的应用，并提供了知名DR数据集的详细信息	虽然综述全面，但可能未能涵盖所有最新研究进展，且未深入探讨某些特定方法的局限性	为研究者提供糖尿病视网膜病变诊断领域的全面概述和未来研究方向	糖尿病视网膜病变（DR）	数字病理学	糖尿病视网膜病变	眼底成像、多焦视网膜电图、光学相干断层扫描	CNN、LSTM、Vision Transformer、对比学习、联邦学习、XAI	图像	综述了128篇研究论文，涵盖多个知名DR数据集
890	2025-07-21	Enhanced Image Quality and Comparable Diagnostic Performance of Prostate Fast Bi-MRI with Deep Learning Reconstruction 2025-Jul-18, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.06.059 PMID:40683764	研究论文	评估使用深度学习重建（DLR）的前列腺双参数MRI（bi-MRI）的图像质量和诊断性能	通过深度学习重建技术显著提高了快速前列腺bi-MRI的图像质量，同时保持了PI-RADS分类准确性和ADC诊断性能	样本量较小（61例），且仅针对男性泌尿系统患者	评估DLR在前列腺bi-MRI中的应用效果	61例成年男性泌尿系统患者的前列腺MRI数据	数字病理学	前列腺癌	深度学习重建（DLR）、双参数MRI（bi-MRI）	深度学习	MRI图像	61例成年男性泌尿系统患者
891	2025-07-21	Deep learning models for deriving optimised measures of fat and muscle mass from MRI 2025-Jul-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-07867-w PMID:40676073	研究论文	本文评估了多种深度学习模型在从腹部MRI中量化脂肪和肌肉质量的准确性、精确度及追踪变化的能力	比较了15种基于CNN和4种基于transformer的深度学习模型架构在量化不同脂肪和肌肉组织方面的性能差异	不同组织的分割准确性和重复性存在差异，特别是psoas肌肉的分割在所有评估中表现较差	评估深度学习模型在从MRI图像中量化脂肪和肌肉质量的性能	腹部MRI图像中的皮下脂肪(SF)、腹内脂肪(VF)、外部肌肉(EM)和腰大肌(PM)	计算机视觉	肿瘤学	MRI	CNN, transformer	图像	未明确说明样本数量
892	2025-07-21	Toward automatic and reliable evaluation of human gastric motility using magnetically controlled capsule endoscope and deep learning 2025-Jul-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-10839-9 PMID:40676082	研究论文	本文开发了一种结合摄像头运动检测器(CMD)、深度学习模型、类激活映射(CAM)和周期性特征检测器的算法组合，用于通过检测胃蠕动存在并测量蠕动周期来评估人类胃动力	利用CAM提供的视觉解释提高检测结果的敏感性，并结合多种算法实现胃动力的自动可靠评估	NA	评估人类胃动力	人类胃蠕动	数字病理学	胃病	磁控胶囊内窥镜(MCCE)	深度学习模型	图像	超过100,000帧(具体为100,055帧)
893	2025-07-21	Task based evaluation of sparse view CT reconstruction techniques for intracranial hemorrhage diagnosis using an AI observer model 2025-Jul-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-11089-5 PMID:40676122	研究论文	本研究使用AI观察者模型评估稀疏视图CT重建技术在颅内出血诊断中的准确性	首次使用AI观察者模型对稀疏视图CT的三种重建技术（FBP、MBIR和DLR）进行任务导向的评估，为成本效益高的放射学研究提供替代方案	研究为概念验证性质，未进行大规模临床验证	评估稀疏视图CT重建技术在颅内出血诊断中的性能	颅内出血的CT图像	数字病理	颅内出血	稀疏视图CT重建技术（FBP、MBIR、DLR）	AI观察者模型	CT图像	公共脑CT数据集（具体数量未说明）
894	2025-07-21	Transformer-based structural connectivity networks for ADHD-related connectivity alterations 2025-Jul-17, Communications medicine IF:5.4Q1 DOI:10.1038/s43856-025-01015-1 PMID:40676171	研究论文	该研究利用基于Transformer的深度学习模型构建结构性连接网络，探索与注意力缺陷多动障碍(ADHD)相关的脑区连接改变	首次将Transformer模型应用于结构性脑连接网络分析，为ADHD提供客观影像学诊断方法	样本来自预处理数据集，可能引入偏差；模型准确率有待提高	探索基于MRI的结构性连接网络是否能够揭示ADHD相关改变	947名7-26岁个体(590名男性，356名女性，1名未指定)的脑MRI数据	数字病理学	神经发育障碍	MRI，深度学习	Transformer	医学影像	947例脑MRI数据(来自8个中心)
895	2025-07-21	Reflections on dynamic prediction of Alzheimer's disease: advancements in modeling longitudinal outcomes and time-to-event data 2025-Jul-17, BMC medical research methodology IF:3.9Q1 DOI:10.1186/s12874-025-02618-x PMID:40676602	综述	本文全面调查了阿尔茨海默病动态预测的方法，包括传统统计方法和深度学习技术	动态预测模型能够实时预测个体患者的预后，超越了传统仅基于基线预测模型的限制	未来工作需考虑多种数据类型、复杂的纵向数据、缺失数据、假设违反、生存结果和模型的可解释性	提供阿尔茨海默病动态预测方法的全面调查	阿尔茨海默病的动态预测方法	机器学习	阿尔茨海默病	传统统计方法和深度学习技术	两阶段模型、联合模型、地标模型和深度学习	纵向数据和生存数据	18项研究
896	2025-07-21	Deep Learning-Guided Quantitative Analysis Establishes Optimized BRAF V600E Immunohistochemical Criteria for Colorectal Cancer: A Multi-Platform Validation Study 2025-Jul-17, Laboratory investigation; a journal of technical methods and pathology DOI:10.1016/j.labinv.2025.104215 PMID:40683333	研究论文	本研究通过深度学习引导的定量分析，建立了针对结直肠癌的优化BRAF V600E免疫组化标准，并进行了多平台验证	首次为结直肠癌建立了特定的BRAF V600E免疫组化标准，并采用深度学习进行定量分析，显著提高了检测的准确性和标准化	研究中存在部分异常染色模式需要分子确认，可能增加临床应用的复杂性	建立结直肠癌特异的BRAF V600E免疫组化标准，以提高检测准确性和临床指导价值	250例结直肠癌病例及其免疫组化和基因检测结果	数字病理学	结直肠癌	免疫组化(IHC)、qPCR、NGS、深度学习	深度学习	图像、基因检测数据	250例结直肠癌病例
897	2025-07-21	A Review of Metadata and Deep Learning Strategies for Skin Lesion Classification 2025-Jul-17, The Journal of investigative dermatology IF:5.7Q1 DOI:10.1016/j.jid.2025.06.1593 PMID:40683340	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
898	2025-07-21	Artificial Intelligence in Diabetes Care: Applications, Challenges, and Opportunities Ahead 2025-Jul-17, Endocrine practice : official journal of the American College of Endocrinology and the American Association of Clinical Endocrinologists IF:3.7Q2 DOI:10.1016/j.eprac.2025.07.008 PMID:40683367	综述	本文综述了人工智能在糖尿病护理中的应用、挑战及未来机遇	探讨了AI在糖尿病并发症筛查、疾病进展风险预测、临床决策支持系统优化等方面的创新应用	未具体说明AI技术在糖尿病护理中的实际应用效果及潜在风险	评估人工智能技术在糖尿病护理领域的应用潜力及发展方向	糖尿病患者及其相关并发症	机器学习	糖尿病	传统机器学习方法和深度学习算法	深度学习	图像数据和电子健康记录	NA
899	2025-07-21	Efficacy and prognostic factors of anti-VEGF treatment for neovascular age-related macular degeneration: An OCTA imaging-based deep learning analysis 2025-Jul-17, Photodiagnosis and photodynamic therapy IF:3.1Q2 DOI:10.1016/j.pdpdt.2025.104701 PMID:40683364	研究论文	本研究通过OCTA成像和深度学习分析，探讨了抗VEGF治疗新生血管性年龄相关性黄斑变性的疗效及预后因素	使用改进的LUNet深度学习模型分析OCTA图像，识别与抗VEGF治疗反应相关的视网膜特征	研究为回顾性分析，样本量相对较小（165例患者）	探索影响抗VEGF治疗反应的影像生物标志物和预测因素，以优化临床评估	新生血管性年龄相关性黄斑变性（nAMD）患者	数字病理学	年龄相关性黄斑变性	光学相干断层扫描血管成像（OCTA）	改进的LUNet模型	图像	165例渗出性AMD患者
900	2025-07-21	Deep learning-based screening approach for priority pollutants: a case study on retired power battery recycling 2025-Jul-17, Environmental pollution (Barking, Essex : 1987) DOI:10.1016/j.envpol.2025.126849 PMID:40683377	研究论文	本研究提出了一种基于深度学习的污染物优先级筛选框架，应用于退役动力电池回收过程中的环境风险评估	结合五种深度学习方法构建了名为McA的综合污染物筛选模型，并通过性能加权显著提高了准确性和可靠性	研究仅针对退役动力电池回收场景，未验证在其他污染源场景的适用性	开发深度学习方法来识别和评估退役动力电池回收过程中的优先污染物	退役动力电池回收过程中潜在的污染物	机器学习	NA	深度学习算法与层次聚类分析结合	McA（基于五种深度学习方法构建的集成模型）	污染物特征数据	识别出13种污染物（分为4个优先级）