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
9081	2025-12-13	Application of thin-slice and accelerated T1-weighted GRE sequences in 1.5T abdominal magnetic resonance imaging using deep learning image reconstruction 2025-Nov, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.12.6.064005 PMID:41383277	研究论文	本研究比较了标准梯度回波序列与两种基于深度学习图像重建的加速T1加权梯度回波序列在1.5T腹部磁共振成像中的性能	应用深度学习图像重建技术于加速和高分辨率的T1加权梯度回波序列，显著减少了采集时间并提高了图像质量	研究样本量较小（50名患者），且诊断信心和病变检测能力在序列间无显著差异	评估深度学习图像重建在腹部磁共振成像中减少采集时间和提高图像质量的效果	50名接受1.5T腹部磁共振成像的患者	医学影像	NA	磁共振成像，深度学习图像重建，并行成像，部分傅里叶采样	深度学习	磁共振图像	50名患者	NA	NA	噪声、伪影、锐度/对比度、整体图像质量、诊断信心（使用李克特量表1-5分评估）	NA
9082	2025-12-13	The Duke University Cervical Spine MRI Segmentation Dataset (CSpineSeg) 2025-Oct-27, Scientific data IF:5.8Q1 DOI:10.1038/s41597-025-05975-w PMID:41145519	研究论文	本文介绍了杜克大学颈椎MRI分割数据集（CSpineSeg），并提出了一个深度学习分割模型作为基准	发布了一个公开可用的颈椎MRI分割数据集，并提供了一个基准分割模型	数据集仅包含单中心数据，可能限制模型的泛化能力	为颈椎研究提供数据资源，并建立分割任务的基准	颈椎磁共振成像（MRI）	数字病理学	颈椎疾病	磁共振成像（MRI）	深度学习分割模型	图像	1,255例颈椎MRI检查（来自1,232名患者），其中481例有专家手动分割标注	NA	NA	Dice系数	NA
9083	2025-12-13	A knowledge-driven deep learning framework for organoid morphological segmentation and characterization 2025-Oct-21, BMC biology IF:4.4Q1 DOI:10.1186/s12915-025-02411-8 PMID:41121276	研究论文	本文提出了一种知识驱动的深度学习框架TransOrga-plus，用于在非侵入性和低资源设置下自动分析类器官的形态分割和动态特征	提出了一种结合生物知识（如类器官形态特征）的多模态Transformer分割模块，并引入轻量级多目标跟踪模块，实现了非侵入性类器官动态分析	NA	开发一个通用框架，用于在非侵入性和低资源设置下分析类器官的动态变化	类器官	计算机视觉	NA	明场显微镜成像	Transformer	图像	大规模类器官数据集，涵盖多种组织类型和显微成像设置	NA	多模态Transformer	NA	NA
9084	2025-12-13	Biologically grounded neocortex computational primitives implemented on neuromorphic hardware improve vision transformer performance 2025-Oct-14, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2504164122 PMID:41055996	研究论文	本研究通过构建一个受实验约束的生物物理真实小鼠初级视觉皮层微环路模型，揭示了特定中间神经元类别通过竞争-合作机制实现软赢家通吃（sWTA）动力学，并将其映射到神经形态硬件上，最终作为预处理滤波器集成到Vision Transformer中，显著提升了模型的泛化能力和计算效率	将生物物理真实的皮层微环路计算原理（sWTA）首次映射到神经形态硬件（IBM TrueNorth），并作为预处理模块嵌入现代Vision Transformer架构，实现了生物学原理与AI性能提升的统一	模型基于小鼠初级视觉皮层（2-3层）的体外生理数据构建，其计算原理在其他皮层区域或更复杂认知任务中的普适性有待进一步验证	探索大脑皮层微环路的计算原理，并将其转化为可提升现代深度学习架构性能的神经形态计算模块	小鼠初级视觉皮层（层2-3）的微环路，涉及四种主要中间神经元类别（Parvalbumin, Somatostatin, vasoactive intestinal peptide, LAMP5）	机器学习, 神经形态计算	NA	生物物理真实建模, 神经形态硬件映射	Vision Transformer, 基于电导的神经网络	图像数据	NA	NA	Vision Transformer, sWTA模块	准确率, 泛化性能, 训练计算量	IBM TrueNorth神经形态芯片
9085	2025-12-13	Artificial Intelligence in Rhinoplasty: Precision or Over-Reliance? 2025-Oct, Aesthetic plastic surgery IF:2.0Q2 DOI:10.1007/s00266-025-04954-1 PMID:40389738	评论	本文探讨了人工智能在鼻整形术中的应用及其潜在影响，包括术前规划、患者沟通以及相关的伦理和医学法律问题	深入分析了AI在鼻整形术中的创新应用，如深度学习与GANs用于预测术后结果，并强调了其局限性及伦理考量	AI无法考虑个体愈合过程、组织行为和长期鼻部重塑，且存在预测偏差、强化不切实际的美学标准等伦理问题	评估人工智能在鼻整形术中的角色，探讨其作为辅助工具而非替代外科专业知识的合理性	人工智能技术在鼻整形术中的应用及其对患者和医疗实践的影响	数字病理学	NA	深度学习, 生成对抗网络(GANs)	深度学习模型, GANs	图像数据	NA	NA	NA	NA	NA
9086	2025-12-13	Correlation of fetal heartbeat outcome after Day 3 or Day 5 single embryo transfer of morphologically selected embryos with an annotation-free deep learning scoring system: Results from a multi-center study 2025-Oct, Journal of assisted reproduction and genetics IF:3.2Q2 DOI:10.1007/s10815-025-03570-x PMID:40794157	研究论文	本研究通过多中心回顾性队列分析，评估了基于AI的胚胎评分系统（iDAScore V2）在预测胎儿心跳结局方面是否等同于或优于传统形态学评估	首次在多中心研究中验证了完全自动化的AI胚胎评分系统（iDAScore V2）在预测胚胎植入成功率（以胎儿心跳为指标）方面的优越性，且无需人工标注	研究为回顾性观察性设计，可能存在选择偏倚；未涉及不同AI模型间的比较；临床结局指标仅限于胎儿心跳	比较AI胚胎评分系统与形态学评估在预测胚胎植入成功率方面的效能	通过形态学和时差成像视频选择的第3天或第5天单胚胎移植的胚胎	数字病理	生殖医学	时差成像视频分析	深度学习	视频	第3天移植胚胎2965个，第5天及以上移植胚胎6970个	未提及	iDAScore V2	AUC	未提及
9087	2025-12-13	Sinogram to image: direct reconstruction of photoacoustic tomography image using a hybrid deep learning approach 2025-Sep-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.569549 PMID:41368093	研究论文	本研究提出了一种混合深度学习方法来直接从光声层析成像的原始传感器数据（正弦图）重建图像，避免了传统多步重建过程	首次将光声层析成像图像重建问题构建为监督学习任务，采用混合全连接网络与Swin-UNETR直接从原始正弦图学习映射关系	未明确说明方法对噪声和硬件限制的鲁棒性，也未提及在临床数据上的验证情况	开发一种数据驱动的方法来改进光声层析成像的图像重建质量与效率	光声层析成像的原始传感器数据（正弦图）	计算机视觉	NA	光声层析成像	全连接网络, Swin-UNETR	图像, 传感器数据	NA	NA	全连接网络, Swin-UNETR	峰值信噪比, 结构相似性指数	NA
9088	2025-12-13	Integrative Analysis of Multi-Omics Data for Biomarker Discovery 2025-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC58623.2025.11254134 PMID:41336317	研究论文	本文通过整合代谢组学、脂质组学、肽组学、蛋白质组学和糖蛋白组学数据，探索统计和深度学习方法，以发现区分肝细胞癌与肝硬化对照的多组学生物标志物	采用多组学整合分析方法，结合统计和深度学习技术，从血清样本中识别肝细胞癌与肝硬化的差异特征，并揭示相关生物通路如LXR/RXR激活和急性反应信号	样本量较小（仅20例肝细胞癌和20例肝硬化患者），可能影响结果的普遍性和统计效力	发现区分肝细胞癌与肝硬化的多组学生物标志物，以改善疾病预测和个性化治疗	肝细胞癌和肝硬化患者的血清样本	机器学习	肝细胞癌	LC-MS/MS分析	深度学习	多组学数据（代谢组学、脂质组学、肽组学、蛋白质组学、糖蛋白组学）	40个血清样本（20例肝细胞癌，20例肝硬化）	NA	NA	NA	NA
9089	2025-12-13	A multi-filter deep transfer learning framework for image-based autism spectrum disorder detection 2025-Apr-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-97708-7 PMID:40274878	研究论文	本文提出了一种集成数据增强、多滤波、直方图均衡化和两阶段降维的深度学习框架，用于基于图像的孤独症谱系障碍检测	提出了一种新颖的多滤波深度迁移学习框架，该框架通过集成多种预处理和特征处理策略，在冻结的预训练模型上显著提升了分类性能，无需微调	研究依赖于特定的基准面部数据集，其泛化能力到其他数据集或真实临床环境有待验证；框架的组件组合可能对特定模型和数据集敏感	开发一种自动化、高效的图像计算方法，以辅助孤独症谱系障碍的早期和更准确诊断	孤独症谱系障碍患者与非患者的图像样本	计算机视觉	孤独症谱系障碍	图像模式识别	CNN, Transformer	图像	文献中一个成熟的基准面部数据集，包含孤独症和非孤独症个体的样本	NA	ResNet-50, ViTSwin	准确率	NA
9090	2025-12-13	NLP-enriched social determinants of health improve prediction of suicide death among the Veterans 2025-Mar-31, Research square DOI:10.21203/rs.3.rs-5067562/v1 PMID:40235516	研究论文	本研究探讨了通过自然语言处理（NLP）和ICD编码提取的社会行为健康决定因素（SBDH）对退伍军人精神病院出院后自杀死亡预测模型的性能提升作用	创新性地将NLP从非结构化临床记录中提取的SBDH信息与ICD编码信息结合，用于提升自杀死亡预测模型的性能、校准度和公平性	研究人群仅限于美国退伍军人，可能限制了结果的普适性；模型性能仍有提升空间（AUROC约64%）	评估社会行为健康决定因素（SBDH）作为预测因子是否能改善精神病院出院患者的自杀死亡预测	2017年1月1日至2019年7月1日期间从129家美国退伍军人健康管理局（VHA）精神病院出院的197,581名退伍军人，共计414,043次出院记录	自然语言处理	精神疾病	自然语言处理（NLP），ICD编码分析	集成机器学习模型，基于Transformer的深度学习基础模型	文本（非结构化临床记录），结构化管理数据	197,581名退伍军人的414,043次出院记录	NA	TransformEHR	灵敏度，阳性预测值（PPV），受试者工作特征曲线下面积（AUROC），校准分析	NA
9091	2025-12-13	Principles of artificial intelligence in radiooncology 2025-03, Strahlentherapie und Onkologie : Organ der Deutschen Rontgengesellschaft ... [et al] IF:2.7Q2 DOI:10.1007/s00066-024-02272-0 PMID:39105746	综述	本文是一篇针对放射肿瘤学领域的人工智能深度学习原理的全面指南	以易于理解的方式，专门为放射肿瘤学定制，系统阐述了深度学习的技术原理，填补了该领域缺乏易懂综述的空白	NA	阐明深度学习在放射肿瘤学中的技术原理，旨在弥合复杂技术概念与临床实践之间的差距	深度学习模型及其在放射肿瘤学中的应用	机器学习	NA	NA	MLP, CNN, RNN, Transformer, GAN, 扩散生成模型, 强化学习	NA	NA	NA	NA	NA	NA
9092	2025-12-13	Deep learning for autosegmentation for radiotherapy treatment planning: State-of-the-art and novel perspectives 2025-03, Strahlentherapie und Onkologie : Organ der Deutschen Rontgengesellschaft ... [et al] IF:2.7Q2 DOI:10.1007/s00066-024-02262-2 PMID:39105745	综述	本文总结了人工智能在放射治疗计划自动分割中的最新技术和临床应用	探讨了将数学肿瘤生长模型与AI肿瘤检测相结合以优化靶区勾画的新视角，并展望了一站式分割与放疗计划的前沿	临床实施中面临领域偏移等挑战	总结AI在放疗计划自动分割中的技术现状与临床应用	危及器官、大体肿瘤体积和临床靶区	数字病理	肿瘤	NA	深度学习	医学影像	NA	NA	NA	效率、一致性和时间节省	NA
9093	2025-12-13	The Segment Anything foundation model achieves favorable brain tumor auto-segmentation accuracy in MRI to support radiotherapy treatment planning 2025-03, Strahlentherapie und Onkologie : Organ der Deutschen Rontgengesellschaft ... [et al] IF:2.7Q2 DOI:10.1007/s00066-024-02313-8 PMID:39503868	研究论文	本研究评估了Segment Anything基础模型在MRI图像中自动分割脑胶质瘤的准确性，以支持放射治疗计划	首次将可提示的基础分割模型应用于脑胶质瘤的交互式自动轮廓勾画，并评估其在放射治疗计划中的潜力	使用建议掩码时准确性较低（0.572），且模型性能可能受肿瘤分级影响	评估Segment Anything基础模型在脑胶质瘤MRI自动分割中的准确性，以支持放射治疗计划	脑胶质瘤MRI图像	数字病理	脑胶质瘤	MRI成像	基础分割模型	MRI图像	369个MRI数据集，共16,744个横断面切片	NA	Segment Anything	IoU, Dice系数	NA
9094	2025-12-13	Enhancing the prediction of symptomatic radiation pneumonitis for locally advanced non-small-cell lung cancer by combining 3D deep learning-derived imaging features with dose-volume metrics: a two-center study 2025-03, Strahlentherapie und Onkologie : Organ der Deutschen Rontgengesellschaft ... [et al] IF:2.7Q2 DOI:10.1007/s00066-024-02221-x PMID:38498173	研究论文	本研究结合3D深度学习提取的影像特征与剂量-体积指标，以增强局部晚期非小细胞肺癌患者症状性放射性肺炎的预测能力	首次将3D深度学习从放疗前计划CT中提取的影像特征与临床相关的剂量-体积指标（如V30Gy）相结合，构建了用于预测放射性肺炎的模型，并在两个中心的数据集上进行了验证	样本量相对有限（总计149例患者），且为回顾性研究，需要更大规模的前瞻性研究进一步验证模型的泛化能力	探索深度学习提取的影像特征在预测局部晚期非小细胞肺癌患者放射性肺炎方面的能力，并评估其与剂量-体积指标结合后的预测价值提升	局部晚期非小细胞肺癌患者	数字病理学	肺癌	3D深度学习，CT影像分析	深度学习	3D CT影像	149例患者（90例来自复旦大学附属肿瘤医院，59例来自江南大学附属医院）	未明确指定，可能为TensorFlow或PyTorch	多层感知机	AUC	NA
9095	2025-12-13	Application and performance of artificial intelligence-based models in the detection, segmentation and classification of periapical lesions: a systematic review 2025, Frontiers in dental medicine IF:1.5Q3 DOI:10.3389/fdmed.2025.1717343 PMID:41367407	系统综述	本文系统综述了基于人工智能的模型在根尖周病变的检测、分割和分类中的应用与性能	首次系统性地总结和评估了AI在根尖周病变诊断多个任务（检测、分割、分类）中的应用现状与性能表现	纳入研究存在偏倚风险（32.1%的研究在参考标准方面存在显著偏倚），证据确定性仅为中等，缺乏前瞻性研究和随机临床试验验证真实临床环境中的效果	报告AI模型在根尖周病变检测、分割和分类中的应用与性能	根尖周病变（表现为根尖周放射线透射区）	数字病理	牙科疾病	NA	NA	牙科全景X光片，口内X光片（根尖片和咬翼片），锥形束CT扫描	28篇符合条件的研究	NA	NA	准确率，灵敏度，特异度	NA
9096	2025-12-13	Utility of Machine Learning to Characterize Gut Microbiota Dysbiosis and Its Clinical Implications in Inflammatory Bowel Disease 2025, Journal of inflammation research IF:4.2Q2 DOI:10.2147/JIR.S546260 PMID:41368349	综述	本文综述了机器学习和深度学习在表征肠道菌群失调及其在炎症性肠病（IBD）中的临床意义方面的应用	通过整合异质数据集和揭示隐藏模式，ML和DL方法弥补了传统生物统计方法在处理非线性高维数据上的不足，为IBD的疾病分类、亚型区分和治疗反应预测提供了新的分析能力	综述指出未来进展依赖于标准化的微生物组检测、严格的基准测试以及多组学数据的整合，以阐明宿主-微生物相互作用	探讨机器学习和深度学习如何重塑基于微生物组的IBD研究，并总结其在临床转化中的优势、局限性和关键考虑因素	炎症性肠病（IBD）及其相关的肠道微生物组	机器学习	炎症性肠病	NA	机器学习, 深度学习	微生物组数据	NA	NA	NA	分类准确性, 预测准确性	NA
9097	2025-12-13	Artificial intelligence techniques applied to anxiety disorders recognition: a systematic review 2025, Frontiers in digital health IF:3.2Q2 DOI:10.3389/fdgth.2025.1646724 PMID:41368658	系统综述	本文对人工智能技术在焦虑症识别领域的应用进行了系统性综述，分析了当前方法的准确性和研究范围	首次系统性地综述了人工智能技术在焦虑症识别领域的应用，比较了不同数据源和AI技术的性能，并指出AI方法相比传统检测测试具有更高的准确性	排除了仅关注抑郁症的研究和缺乏实验数据集的研究，可能遗漏了相关领域的重要进展	分析人工智能技术在焦虑症检测方法中的应用现状，为研究人员、临床医生和技术开发者提供该领域的全面概述	焦虑症检测方法	自然语言处理, 机器学习	焦虑症	机器学习, 深度学习	NA	自我报告数据, 生理数据, 社交网络数据	119项研究	NA	NA	准确性	NA
9098	2025-12-13	Single-nucleus transcriptome atlas of orbitofrontal cortex in amyotrophic lateral sclerosis with a deep learning-based decoding of alternative polyadenylation mechanisms 2024-Dec-16, bioRxiv : the preprint server for biology DOI:10.1101/2023.12.22.573083 PMID:38187588	研究论文	本研究通过单核RNA测序技术，结合深度学习模型APA-Net，揭示了肌萎缩侧索硬化症和额颞叶变性中眶额皮质的细胞类型特异性转录变化和选择性多聚腺苷酸化调控机制	开发了深度学习模型APA-Net，整合转录序列和RNA结合蛋白表达谱，首次在ALS/FTLD中解析细胞类型特异性的选择性多聚腺苷酸化调控模式	研究主要聚焦于C9orf72相关和散发性ALS病例，样本可能未覆盖所有ALS/FTLD亚型，且仅限于眶额皮质区域	探究ALS和FTLD的细胞类型特异性转录变化和选择性多聚腺苷酸化机制，以理解疾病病理生理学	ALS和FTLD患者的眶额皮质组织，包括C9orf72相关ALS（伴或不伴FTLD）和散发性ALS病例	数字病理学	肌萎缩侧索硬化症	单核RNA测序	深度学习模型	转录组序列数据	未明确指定样本数量，但涉及C9orf72相关和散发性ALS病例的眶额皮质组织	NA	APA-Net	NA	NA
9099	2025-12-13	Radiomics for differentiation of somatic BAP1 mutation on CT scans of patients with pleural mesothelioma 2024-Nov, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.11.6.064501 PMID:39669009	研究论文	本研究探讨了基于CT扫描的放射组学特征在区分胸膜间皮瘤患者体细胞BAP1基因突变状态中的潜力	首次利用放射组学方法结合机器学习模型，自动从CT图像中提取纹理特征来识别胸膜间皮瘤相关的体细胞BAP1突变，为无创基因状态评估提供了新思路	研究样本量相对较小（149例），模型性能有限（AUC 0.69），且尚未应用于胚系突变检测，需要进一步验证和扩展	探索放射组学在CT扫描中识别胸膜间皮瘤患者体细胞BAP1基因突变的可行性，并为未来胚系突变研究奠定基础	149例已知体细胞BAP1突变状态的胸膜间皮瘤患者	数字病理学	胸膜间皮瘤	CT扫描，放射组学特征提取	机器学习模型（包括决策树等）	医学图像（CT扫描）	149例患者	Scikit-learn	决策树	ROC AUC	NA
9100	2025-12-13	Personalized phenotype encoding and prediction of pathological head development from cross-sectional images 2024-Nov, ... International Symposium on Medical Information Processing and Analysis. International SIPAIM Workshop DOI:10.1109/sipaim62974.2024.10783545 PMID:41367399	研究论文	本文提出了一种新颖的深度学习架构，用于仅使用横截面数据对规范和病理性头部发育进行个性化预测	首次创建了与年龄和性别无关的患者表型表示，并能够在无需纵向数据训练的情况下实现病理性发育的个性化预测	NA	预测解剖发育，以辅助儿科外科治疗的选择和规划	儿科患者的头部发育，包括规范发育和病理性发育	计算机视觉	颅骨病理	深度学习	深度学习架构	图像	NA	NA	表型编码器, 生长预测器	头部表面生长预测误差, 体积误差	NA