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
9201	2025-12-10	Model-based spatiotemporal synthetic data generation framework and deep-learning reconstruction for real-time MRI oxygen extraction fraction mapping 2025-Dec-09, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ae2380 PMID:41285110	研究论文	提出了一种用于实时动态磁共振成像的模型化时空合成数据生成框架及深度学习重建方法，以实现氧摄取分数的动态追踪	开发了针对实时动态场景的模型化时空合成数据生成框架，并结合超快速多重叠回波分离成像技术，实现了三维时空重建以追踪氧摄取分数的动态变化	未明确说明方法在更广泛临床场景或不同病理条件下的泛化能力	解决深度学习定量磁共振成像重建中训练数据稀缺问题，并提升实时动态成像的重建质量	数值模拟大脑、水模体及人脑实验数据	医学影像分析	NA	超快速多重叠回波分离成像技术	深度学习	三维时空磁共振成像数据	NA	NA	NA	准确性	NA
9202	2025-12-10	Adaptive Physics-Aware Raman Baseline Correction with Machine Learning Predicted Parameters 2025-Dec-09, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.5c05185 PMID:41294352	研究论文	提出了一种自适应物理感知的拉曼基线校正方法DIRAS及其增强版DIRAS+，通过机器学习预测参数实现自动化校正	开发了动态迭代重加权自回归光谱基线校正方法，结合深度学习优化正则化参数，实现无需手动干预的自适应校正	方法在通用性和用户控制方面可能仍有局限，未明确说明在其他类型光谱数据上的适用性	提高拉曼光谱基线校正的准确性和自动化水平，以支持可靠的光谱解释和下游化学计量工作流程	拉曼光谱数据，特别是表面增强拉曼散射数据集	机器学习	NA	拉曼光谱，表面增强拉曼散射	深度学习模型	光谱数据	两个SERS数据集	NA	NA	结构相似性指数，峰值保真度，类内变异性，基线失真，校准误差，分析灵敏度	NA
9203	2025-12-10	Deep-Learning Prediction of Protein Secondary Structure from Circular Dichroism Spectrum Using Three-Layer Image Recognition 2025-Dec-09, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.5c04550 PMID:41321189	研究论文	本研究开发了一种基于图像识别的深度学习方法，用于从圆二色谱中准确预测蛋白质二级结构参数	创新点在于将圆二色谱数值数据转换为三层（RGB）图像，并利用卷积神经网络进行图像识别，实现了高精度的二级结构参数预测	NA	开发一种深度学习方法，用于从圆二色谱中预测蛋白质二级结构参数	蛋白质的圆二色谱和对应的二级结构参数	机器学习	NA	圆二色谱	CNN	图像	243个圆二色谱RGB图像	NA	原始CNN	相关系数, RMSD	NA
9204	2025-12-10	Towards Modality- and Sampling-Universal Learning Strategies for Accelerating Cardiovascular Imaging: Summary of the CMRxRecon2024 Challenge 2025-Dec-08, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3641610 PMID:41359736	研究论文	本文总结了CMRxRecon2024挑战赛，该挑战赛旨在解决心脏磁共振成像中深度学习模型跨模态和采样方案泛化能力不足的问题	引入了最大的公开多模态心脏磁共振原始数据集、开放基准测试平台和共享代码，并发现基于提示的适应和增强的物理驱动一致性是实现强跨场景性能的关键	未明确说明模型在临床环境中的具体验证结果或部署挑战	加速心血管成像，开发跨模态和采样方案通用的学习策略	心脏磁共振成像数据	数字病理学	心血管疾病	心脏磁共振成像	深度学习模型	图像	来自18个国家超过200个团队参与的大规模多模态数据集	NA	NA	跨场景性能评估	NA
9205	2025-12-10	Deep learning algorithm assisting diagnosis of prostate cancer extracapsular extension based on [18F]PSMA-1007 PET/CT and multiparametric MRI: A multicenter study 2025-Dec-08, Prostate cancer and prostatic diseases IF:5.1Q1 DOI:10.1038/s41391-025-01063-7 PMID:41361534	研究论文	本研究旨在开发和验证基于多参数MRI和[18F]PSMA-1007 PET/CT的深度学习模型，以预测前列腺癌的包膜外侵犯，并探索将深度学习与临床专业知识相结合的简化模型	开发了结合多参数MRI和PET/CT的深度学习模型（MPC-M），并引入了简化模型（E-MPC-M）以提高临床实用性，同时利用Grad-CAM进行模型可解释性可视化	模型应被视为初步研究，需要更大规模的前瞻性多中心研究来确认其稳健性和泛化性	预测前列腺癌的包膜外侵犯	接受根治性前列腺切除术的前列腺癌患者	数字病理学	前列腺癌	多参数MRI, [18F]PSMA-1007 PET/CT	深度学习模型	医学影像（MRI, PET/CT）	388名患者，来自三个中心	NA	NA	AUC, 灵敏度, 特异性	NA
9206	2025-12-10	Application of Artificial Intelligence-Based Transfer Learning Models to the Bethesda System for Thyroid Cytopathology 2025-Dec-08, Cytopathology : official journal of the British Society for Clinical Cytology IF:1.2Q3 DOI:10.1111/cyt.70045 PMID:41361911	研究论文	本研究评估了基于集成软投票的迁移学习模型在甲状腺细胞学涂片根据Bethesda系统进行分类的性能	首次将集成迁移学习方法应用于Bethesda甲状腺细胞病理学报告系统的分类任务	研究样本量较小（94例病例，949张图像），未来需要更大规模的数据集（特别是全玻片成像数据）进行验证	评估迁移学习模型在甲状腺细胞学涂片Bethesda系统分类中的性能	甲状腺细针穿刺细胞学涂片图像	数字病理学	甲状腺癌	细针穿刺细胞学	CNN	图像	94例甲状腺FNAC病例，共949张代表性图像	TensorFlow, Keras	Xception, ResNet50V2, DenseNet121, MobileNetV2, InceptionV3, EfficientNetB3	灵敏度, 特异性, 精确度, 阴性预测值, F1分数, AUCROC	NA
9207	2025-12-10	A commentary on: "deep learning-based radiomics and machine learning for prognostic assessment in IDH-wildtype glioblastoma after maximal safe surgical resection: a multicenter study" 2025-Dec-08, International journal of surgery (London, England) DOI:10.1097/JS9.0000000000004153 PMID:41363102	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
9208	2025-12-10	Letter to the Editor "Decoding the black box: critical appraisal of deep learning radiomics for predicting neoadjuvant response in head and neck cancer" 2025-Dec-08, International journal of surgery (London, England) DOI:10.1097/JS9.0000000000004288 PMID:41363136	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
9209	2025-12-10	Sensitive detection of structural dynamics using a statistical framework for comparative crystallography 2025-Dec-05, Science advances IF:11.7Q1 DOI:10.1126/sciadv.adj2921 PMID:41337576	研究论文	本文提出了一种基于统计框架和深度学习的方法Careless，用于提高X射线晶体学中结构动态变化的检测灵敏度	通过引入基于晶体学理论的多变量结构化先验，结合变分深度学习框架Careless，显著提升了蛋白质动态、元素特异性异常信号及药物候选物结合的检测能力	方法主要针对X射线晶体学数据，可能对其他结构测定方法的适用性有限，且未明确讨论计算资源需求或模型泛化能力	开发一种更敏感的方法来检测蛋白质结构动态变化，以支持药物发现和功能研究	蛋白质晶体学数据，包括结构因子和尺度误差	机器学习	NA	X射线晶体学	深度学习	晶体学数据集（结构因子）	NA	Careless（变分深度学习框架）	NA	NA	NA
9210	2025-12-10	Rapid detection of common scab, powdery scab, and enlarged lenticels in potato tubers using deep learning 2025-Dec-05, Pest management science IF:3.8Q1 DOI:10.1002/ps.70424 PMID:41351272	研究论文	本文提出了一种基于深度学习的YOLOv8-ST模型，用于快速准确检测马铃薯块茎上的常见疮痂病、粉状疮痂病和生理性膨大皮孔	在YOLOv8模型中集成了Swin Transformer和Triplet Attention模块，显著提升了在视觉相似病害区分上的检测精度和性能	未在摘要中明确说明	开发一种能够快速、准确区分马铃薯块茎上常见疮痂病、粉状疮痂病和膨大皮孔的自动检测方法	马铃薯块茎上的病害和生理性缺陷	计算机视觉	马铃薯病害	深度学习	CNN, Transformer	图像	未在摘要中明确说明	未在摘要中明确说明	YOLOv8-ST, YOLOv3, YOLOv5, YOLOv6, YOLOv8, Swin Transformer	精确率, 召回率, F1分数, mAP@0.5, mAP@0.5:0.95	未在摘要中明确说明
9211	2025-12-10	Transformer-Based Weakly Supervised Learning for Whole Slide Lung Cancer Image Classification 2025-Dec, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3425434 PMID:38980777	研究论文	本文提出了一种基于Transformer的弱监督学习框架SSRViT，用于全切片肺癌图像分类	提出了一种两阶段的Transformer弱监督学习框架SSRViT，包括SRViT用于提取局部判别性特征和SViT用于切片级预测，无需像素级标注	未明确说明模型在更大规模或更多亚型数据集上的泛化能力，以及计算资源需求	开发一种弱监督学习方法，以降低对昂贵像素级标注的依赖，提高全切片肺癌图像分类性能	肺癌全切片图像，包括腺癌、肺硬化性肺炎细胞瘤和正常肺组织	数字病理学	肺癌	全切片图像分析	Transformer	图像	未明确说明具体样本数量，但涉及腺癌、肺硬化性肺炎细胞瘤和正常肺组织三类	未明确说明，可能为PyTorch或TensorFlow	Shuffle-Remix Vision Transformer (SRViT), Simple transformer-based classifier (SViT)	准确率, AUC	NA
9212	2025-12-10	Few-Shot Class-Incremental Learning for Retinal Disease Recognition 2025-Dec, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3457915 PMID:39292587	研究论文	本文提出了一种用于视网膜疾病识别的少样本类增量学习新框架Re-FSCIL，并构建了新的基准数据集	提出了首个专门针对视网膜疾病识别的少样本类增量学习框架Re-FSCIL，整合了RETFound模型与细粒度模块，采用前向兼容训练策略、监督对比学习和特征融合技术	未在论文摘要中明确说明	开发能够持续学习新类别且仅需少量样本的深度学习模型，用于视网膜疾病诊断	视网膜疾病图像	计算机视觉	视网膜疾病	深度学习	深度学习模型	图像	基于RFMiD38和JSIEC39两个基准数据集（具体样本数量未在摘要中说明）	未在摘要中明确说明	RETFound	未在摘要中明确说明	未在摘要中明确说明
9213	2025-12-10	A Region and Category Confidence-Based Multi-Task Network for Carotid Ultrasound Image Segmentation and Classification 2025-Dec, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3529483 PMID:40031080	研究论文	本文提出了一种基于区域和类别置信度的多任务网络（RCCM-Net），用于颈动脉超声图像的斑块分割和分类	通过区域置信模块（RCM）和样本类别置信模块（CCM）利用分割与分类任务之间的相关性，提高了整体性能	NA	改进颈动脉斑块的超声图像分割与分类，以辅助动脉粥样硬化治疗和中风风险评估	颈动脉斑块的超声图像	计算机视觉	心血管疾病	超声成像	多任务学习网络	图像	1270张2D颈动脉斑块超声图像	NA	RCCM-Net	准确率, Dice相似系数	NA
9214	2025-12-10	Application of deep learning with fractal images to sparse-view CT 2025-Dec, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-025-03378-1 PMID:40372595	研究论文	本研究探讨了使用分形图像进行预训练以提升稀疏视图CT图像重建质量，并减少所需医学图像数量的方法	首次将分形图像用于稀疏视图CT的深度学习预训练，显著减少了所需医学图像数量	研究仅基于CHAOS数据集和特定投影数量，未在其他数据集或不同投影配置下验证	开发在有限医学图像数据下仍能有效减少稀疏视图CT伪影的深度学习方法	稀疏视图CT图像重建	计算机视觉	NA	迭代函数系统生成分形图像，稀疏视图CT投影	CNN	图像	医学图像从5000减少到1000（减少80%），分形图像数量未明确说明	NA	FBPConvNet, WNet	结构相似性, 峰值信噪比	NA
9215	2025-12-10	Deep Learning for Detecting Dental Plaque and Gingivitis From Oral Photographs: A Systematic Review 2025-Dec, Community dentistry and oral epidemiology IF:1.8Q3 DOI:10.1111/cdoe.70001 PMID:40571994	系统综述	本文系统综述了深度学习模型在利用口腔内RGB照片检测牙菌斑和牙龈炎方面的性能表现	首次对深度学习在牙菌斑和牙龈炎检测中的应用进行了系统性评估，并比较了模型与牙医在未使用显色剂情况下的性能差异	证据确定性中等（牙菌斑）至低（牙龈炎），缺乏外部测试、多中心研究和一致的报告标准	评估深度学习模型从口腔内RGB照片中检测牙菌斑和牙龈炎的性能	牙菌斑和牙龈炎	计算机视觉	牙周病	RGB口腔内摄影	深度学习模型	图像	来自23项研究的数据	NA	NA	交并比	NA
9216	2025-12-10	EGA-Ploc: An Efficient Global-Local Attention Model for Multi-Label Protein Subcellular Localization Prediction on the Immunohistochemistry Images 2025-Dec, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3613205 PMID:40982491	研究论文	本文提出了一种用于免疫组化图像多标签蛋白质亚细胞定位预测的高效全局-局部注意力模型	提出线性注意力机制以实现高分辨率图像的高效全局和局部特征建模，并设计自适应多标签损失函数以缓解数据集不平衡问题	未明确说明模型在极端长尾分布或罕见类别上的具体性能表现	解决高分辨率免疫组化图像中蛋白质亚细胞定位预测的挑战	免疫组化图像中的蛋白质亚细胞定位	计算机视觉	NA	免疫组化成像	注意力机制模型	图像	NA	NA	线性注意力机制	NA	NA
9217	2025-12-10	Spatiotemporal assessment and background climate drivers of atmospheric urban heat island in Guangdong province, China 2025-Dec, International journal of biometeorology IF:3.0Q2 DOI:10.1007/s00484-025-03022-2 PMID:40999209	研究论文	本研究评估了广东省大气城市热岛强度的时空变化，并分析了降水、相对湿度和风速等关键气候变量对其的长期影响	结合计量经济学技术（FMOLS和DOLS）与机器学习及深度学习方法，并采用CNN-LSTM框架提升预测精度，以探究背景气候因素与大气城市热岛效应的关联	研究主要关注广东省，结果可能不直接适用于其他气候或地理区域，且模型性能可能受数据质量和时空分辨率限制	探究大气城市热岛强度的时空变化及其与背景气候驱动因素的关系，为城市规划和政策制定提供科学依据	广东省的大气城市热岛强度及其与降水、相对湿度、风速等气候变量的相互作用	机器学习	NA	计量经济学分析，机器学习建模	Random Forest, CNN-LSTM	气候时间序列数据	NA	Scikit-learn, TensorFlow或PyTorch	Random Forest, CNN-LSTM	R²	NA
9218	2025-12-10	Deep learning NTCP model for late dysphagia after radiotherapy for head and neck cancer patients based on 3D dose, CT and segmentations 2025-Dec, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2025.111169 PMID:41033356	研究论文	本研究开发了一种基于深度学习（DL）的正常组织并发症概率（NTCP）模型，用于预测头颈癌（HNC）患者放疗后晚期吞咽困难，通过整合3D剂量分布、器官分割和CT扫描数据，相比传统NTCP模型显著提升了预测性能	创新点在于首次将3D剂量数据、器官风险分割和CT扫描结合到深度学习NTCP模型中，以全面捕捉吞咽困难这一副作用的复杂性，并通过注意力图可视化关键解剖区域	研究基于多机构队列，但样本量相对有限（1484例患者），且未详细讨论模型在不同亚组或临床环境中的泛化能力	研究目的是通过开发3D深度学习NTCP模型，改进头颈癌患者放疗后晚期吞咽困难的预测，以提升患者健康和生活质量	研究对象为1484名头颈癌患者，涉及放疗后的晚期吞咽困难（CTCAEv4分级≥2级）	数字病理学	头颈癌	放疗剂量分析、CT扫描、器官分割	深度学习模型	3D剂量分布、器官分割图像、CT扫描图像、患者或治疗相关数据	1484名头颈癌患者	NA	残差网络（Residual Network）	曲线下面积（AUC）、校准曲线	NA
9219	2025-12-10	Deep Learning-Based Stride Segmentation With Wearable Sensors: Effects of Data Quantity, Sensor Location, and Task 2025-Dec, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3600227 PMID:41171649	研究论文	本研究开发并评估了基于时间卷积网络的步态分割模型，探讨了数据量、传感器位置和任务复杂性对性能的影响	首次系统评估了深度学习步态分割在不同移动任务中的性能，并量化了传感器位置和任务复杂性对模型泛化能力的影响	研究主要针对老年人群，可能不适用于其他年龄段；复杂运动如转弯时的性能仍有下降	开发用于数字步态评估的准确步态分割方法，并评估其在不同条件下的鲁棒性	121名老年参与者（包括帕金森病患者和非患者）	机器学习	帕金森病	可穿戴传感器数据采集	TCN	传感器时序数据	121名参与者，其中40人作为固定测试集	NA	时间卷积网络	F1分数	NA
9220	2025-12-10	Hierarchical graph-guided contextual representation learning for Neurodegenerative pattern recognition in MRI 2025-Dec, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.111276 PMID:41205374	研究论文	提出一种用于MRI中神经退行性疾病模式识别的可解释分类器RG-ViT	结合残差图神经网络与Vision Transformer，将MRI数据表示为互连图块，以捕获病灶的空间依赖性和全局关系	未提及	开发可解释的深度学习模型，用于神经退行性疾病的MRI图像诊断	多发性硬化症、帕金森病和阿尔茨海默病的MRI图像	医学影像分析	神经退行性疾病	MRI	图神经网络, Transformer	图像	未提及	未提及	Residual Graph Neural Network enhanced Vision Transformer (RG-ViT)	准确率, F1分数	未提及