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
941	2025-07-02	Development of deep learning quantization framework for remote sensing edge device to estimate inland water quality in South Korea 2025-Sep-01, Water research IF:11.4Q1 DOI:10.1016/j.watres.2025.123760 PMID:40367723	研究论文	开发了一种用于边缘设备的深度学习量化框架，用于估算韩国内陆水质	通过神经架构搜索（NAS）和帕累托优化识别轻量级CNN模型，并结合后训练量化（PTQ）和量化感知训练（QAT）进一步压缩模型大小，同时保持准确性	尽管在深度学习方面取得了进展，但当代技术在水质监测中的应用尚未完全探索	开发一种适用于边缘设备的实时AI框架，用于水质监测	韩国内陆水质，特别是总悬浮固体（TSS）浓度	计算机视觉	NA	多光谱成像，神经架构搜索（NAS），后训练量化（PTQ），量化感知训练（QAT）	CNN	图像	NA
942	2025-07-02	Morphotype-resolved characterization of microalgal communities in a nutrient recovery process with ARTiMiS flow imaging microscopy 2025-Sep-01, Water research IF:11.4Q1 DOI:10.1016/j.watres.2025.123801 PMID:40382876	研究论文	本研究利用流式成像显微镜（FIM）技术对微藻群落进行实时表征，以优化废水处理过程中的磷回收效率	首次在市政污水处理厂规模下，结合ARTiMiS流式成像显微镜和深度学习模型，实时监测微藻群落动态及其与系统性能的关系	研究仅在美国威斯康星州的一个污水处理厂进行，结果可能受地域和环境因素影响	开发高效监测微藻群落动态的技术，以优化废水处理过程中的磷回收和系统性能	污水处理厂中的微藻群落（如Scenedesmus spp., Chlorella, Monoraphidium）	环境生物技术	NA	流式成像显微镜（FIM），包括FlowCam和ARTiMiS	CNN（卷积神经网络）和DNN（密集神经网络）	图像	为期两年的研究，涉及一个市政污水处理厂的微藻群落
943	2025-07-02	Multimodal MRI radiomics enhances epilepsy prediction in pediatric low-grade glioma patients 2025-Sep, Journal of neuro-oncology IF:3.2Q2 DOI:10.1007/s11060-025-05073-2 PMID:40402200	研究论文	本研究提出了一种基于机器学习和深度学习的创新框架，利用MRI进行儿童低级别胶质瘤患者肿瘤相关癫痫的快速无创术前评估	整合了肿瘤和瘤周特征的多模态MRI影像组学方法，显著提高了预测性能	需要更多标准化术前评估数据以增强模型的泛化能力	开发无创预测儿童低级别胶质瘤患者肿瘤相关癫痫的方法	儿童低级别胶质瘤患者	数字病理学	儿童低级别胶质瘤	MRI	SGD分类器	MRI图像	NA
944	2025-07-02	Risk calculator for long-term survival prediction of spinal chordoma versus chondrosarcoma: a nationwide analysis 2025-Sep, Journal of neuro-oncology IF:3.2Q2 DOI:10.1007/s11060-025-05063-4 PMID:40295452	研究论文	本研究通过全国性数据库分析，比较了脊柱脊索瘤和软骨肉瘤的临床特征、治疗策略及长期预后，并开发了一个基于机器学习的个体化生存预测模型	开发了一个基于机器学习的个体化生存预测模型，并构建了公开可访问的网络计算器	需要外部验证以增强模型的普适性和临床实用性	比较脊柱脊索瘤和软骨肉瘤的临床特征和长期预后，开发个体化生存预测模型	脊柱脊索瘤和软骨肉瘤患者	数字病理	骨肿瘤	机器学习、深度学习	DeepSurv、Gradient Boosting、CatBoost	临床数据	3175名患者（脊索瘤1204例，软骨肉瘤1971例）
945	2025-07-02	Automated detection and recognition of oocyte toxicity by fusion of latent and observable features 2025-Aug-15, Journal of hazardous materials IF:12.2Q1 DOI:10.1016/j.jhazmat.2025.138411 PMID:40318589	research paper	开发了一个结合深度学习和可观察特征的框架，用于自动检测和识别卵母细胞毒性	首次将深度学习提取的潜在特征与人类可观察概念特征融合，用于卵母细胞毒性的检测、亚型和强度分类	研究仅基于小鼠卵母细胞图像，未在人类卵母细胞上进行验证	评估环境污染物对卵母细胞异常的影响，并预测污染物下的胚胎能力	小鼠卵母细胞	digital pathology	infertility	deep learning	CNN	image	2126张小鼠卵母细胞图像
946	2025-07-02	Insights from the eyes: a systematic review and meta-analysis of the intersection between eye-tracking and artificial intelligence in dementia 2025-Aug, Aging & mental health IF:2.8Q2 DOI:10.1080/13607863.2025.2464704 PMID:39950960	系统综述与荟萃分析	本研究通过系统综述和荟萃分析探讨了眼动追踪技术与人工智能在痴呆检测中的交叉应用	首次对眼动追踪与人工智能结合用于痴呆检测的现有文献进行系统综述和荟萃分析	样本量有限且主要集中于阿尔茨海默病，缺乏标准化指南和其他痴呆类型的纳入	评估眼动追踪与人工智能结合在痴呆检测中的性能表现	痴呆患者（主要为阿尔茨海默病）的眼动行为数据	数字病理学	老年痴呆症	眼动追踪技术	机器学习模型（6项研究）和深度学习模型（3项研究）	眼动数据	57至583名参与者（共9项研究）
947	2025-07-02	Comparison of clinical, radiomics, deep learning, and fusion models for predicting early recurrence in locally advanced rectal cancer based on multiparametric MRI: a multicenter study 2025-Aug, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.112173 PMID:40403678	研究论文	本研究比较了临床、放射组学、深度学习和融合模型在基于多参数MRI预测局部晚期直肠癌早期复发的效果	首次比较了四种模型（临床、放射组学、深度学习和两种融合模型）在预测局部晚期直肠癌早期复发中的表现，并发现基于决策的晚期融合模型表现最佳	研究为回顾性设计，可能存在选择偏差	预测局部晚期直肠癌的早期复发以优化临床决策	337名局部晚期直肠癌患者	数字病理学	直肠癌	多参数MRI（T2WI, DWI, T1WI, CET1WI）	XGBoost, 深度学习模型, 特征融合模型, 决策融合模型	MRI图像	337名患者（来自四个中心）
948	2025-07-02	Artificial Intelligence in Pediatric Endocrinology 2025-Aug, Advances in pediatrics DOI:10.1016/j.yapd.2024.12.003 PMID:40582750	review	本文探讨了人工智能在儿科内分泌学中的应用及其对医疗服务的提升	介绍了AI技术如何通过人机协作提升医疗服务的安全性和质量	未具体提及AI在儿科内分泌学中的实际应用案例或效果评估	探讨人工智能技术在儿科内分泌学中的应用潜力	儿科内分泌学领域的医疗服务	machine learning	NA	machine learning, deep learning, natural language processing, robotics, speech processing	NA	NA	NA
949	2025-07-02	Machine learning techniques to predict diabetic ketoacidosis and HbA1c above 7% among individuals with type 1 diabetes - A large multi-centre study in Australia and New Zealand 2025-Jul, Nutrition, metabolism, and cardiovascular diseases : NMCD DOI:10.1016/j.numecd.2025.103861 PMID:39939258	research paper	该研究利用机器学习技术预测1型糖尿病患者的糖尿病酮症酸中毒(DKA)和HbA1c高于7%的风险	在大型多中心临床数据集上应用多种机器学习模型，特别是深度学习模型在预测DKA方面表现出色	研究仅基于澳大利亚和新西兰的数据，可能不适用于其他人群	开发预测1型糖尿病患者不良结局风险的机器学习模型	1型糖尿病患者	machine learning	diabetes	机器学习	Deep Learning, Support Vector Machine	临床数据	13761名1型糖尿病患者
950	2025-07-02	Accelerated Multi-b-Value DWI Using Deep Learning Reconstruction: Image Quality Improvement and Microvascular Invasion Prediction in BCLC Stage A Hepatocellular Carcinoma 2025-Jul, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.01.043 PMID:39955255	研究论文	本研究探讨了基于深度学习的加速多b值DWI在缩短采集时间、提高图像质量及预测BCLC A期肝细胞癌微血管侵犯方面的效果	首次将深度学习重建技术应用于多b值DWI，在保持预测性能的同时显著缩短52.86%的采集时间并提升图像质量	研究样本量有限（118例患者），且仅针对BCLC A期HCC患者	评估深度学习加速多b值DWI在肝细胞癌微血管侵犯预测中的临床应用价值	BCLC A期肝细胞癌患者（118例，其中48例MVI阳性）	医学影像分析	肝细胞癌	多b值DWI（Mb-DWI）、深度学习重建	深度学习模型（文中未明确具体架构）	MRI影像数据	118例接受肝脏MRI检查的患者
951	2025-07-02	A Preoperative CT-based Multiparameter Deep Learning and Radiomic Model with Extracellular Volume Parameter Images Can Predict the Tumor Budding Grade in Rectal Cancer Patients 2025-Jul, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.02.028 PMID:40055057	research paper	研究开发了一种基于CT的多参数深度学习和放射组学模型（DLRM），用于预测直肠癌患者的术前肿瘤萌芽（TB）分级	结合深度学习和手工制作的放射组学特征，构建了一个多参数预测模型，用于非侵入性评估直肠癌患者的TB分级	研究样本量较小（135例患者），且为回顾性研究，可能存在选择偏倚	预测直肠癌患者的术前肿瘤萌芽（TB）分级，以支持临床治疗决策	直肠癌患者	digital pathology	rectal cancer	CT-based extracellular volume (ECV) parameter imaging	DLRM (Deep Learning-Radiomic Model)	CT images	135例经组织学确认的直肠癌患者（85例Bd1+2组，50例Bd3组）
952	2025-07-02	Dual-Modality Virtual Biopsy System Integrating MRI and MG for Noninvasive Predicting HER2 Status in Breast Cancer 2025-Jul, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.02.039 PMID:40068996	研究论文	开发并验证了一种基于深度学习的决策视觉生物标志物系统（DM-VBS），用于通过MRI和MG的放射组学和深度学习特征预测乳腺癌HER2状态	整合MRI和MG的双模态虚拟活检系统，首次结合放射组学和深度学习特征预测HER2状态	未明确说明模型在临床实际应用中的可行性验证	开发非侵入性预测乳腺癌HER2状态的智能诊断系统	乳腺癌患者	数字病理	乳腺癌	MRI、MG、放射组学分析、深度学习	XGBoost	医学影像（MRI和MG图像）	550例患者（分为训练集、内部验证集和外部验证集）
953	2025-07-02	Automated Fast Prediction of Bone Mineral Density From Low-dose Computed Tomography 2025-Jul, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.02.041 PMID:40082126	研究论文	本研究探讨了利用深度学习基于低剂量CT扫描建立体积骨密度预测和骨质疏松分类系统的可行性	首次利用深度学习从低剂量CT扫描中自动预测体积骨密度并进行骨质疏松分类	研究样本量相对较小（551名受试者），且仅针对腰椎区域进行评估	开发基于低剂量CT的自动化骨密度预测和骨质疏松诊断系统	接受低剂量CT和QCT检查的551名受试者	数字病理	骨质疏松	低剂量CT扫描	U-net	医学影像	551名同时接受LDCT和QCT检查的受试者
954	2025-07-02	Magnetic resonance image generation using enhanced TransUNet in temporomandibular disorder patients 2025-Jul-01, Dento maxillo facial radiology DOI:10.1093/dmfr/twaf017 PMID:40104864	研究论文	本研究开发了一种基于Transformer的深度学习模型，用于从质子密度加权图像生成T2加权图像，以减少颞下颌关节紊乱病患者的MRI扫描时间	提出了一种结合TransUNet架构和生成对抗网络的模型，并集成了椎间盘分割解码器以提高图像质量	研究仅针对颞下颌关节紊乱病患者，样本量相对有限（178名患者）	开发深度学习模型以减少MRI扫描时间并保持高图像质量	颞下颌关节紊乱病患者的MRI图像	数字病理学	颞下颌关节紊乱病	MRI	TransUNet, GAN	图像	178名患者的7226张图像
955	2025-07-02	Deep Learning and Radiomics Discrimination of Coronary Chronic Total Occlusion and Subtotal Occlusion using CTA 2025-Jul, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.03.011 PMID:40164533	研究论文	本研究利用深度学习和放射组学技术，通过冠状动脉CT血管成像（CCTA）区分冠状动脉慢性完全闭塞（CTO）和次全闭塞（STO）病变	开发了基于CCTA的深度学习和放射组学模型，其性能优于传统方法	研究为回顾性设计，可能受到选择偏倚的影响	区分冠状动脉CTO和STO病变，优化治疗策略	冠状动脉慢性完全闭塞和次全闭塞病变	数字病理学	心血管疾病	冠状动脉CT血管成像（CCTA）	深度学习模型和放射组学模型	医学影像	581名参与者（共600个病变，包括403个CTO和197个STO病变）
956	2025-07-02	Radiation and contrast dose reduction in coronary CT angiography for slender patients with 70 kV tube voltage and deep learning image reconstruction 2025-Jul-01, The British journal of radiology DOI:10.1093/bjr/tqaf077 PMID:40205479	research paper	评估70 kV管电压与深度学习图像重建（DLIR）结合在瘦弱患者冠状动脉CT血管造影（CCTA）中减少辐射和对比剂剂量的潜力	首次在瘦弱患者中结合70 kV管电压和DLIR技术，显著减少辐射和对比剂剂量同时提高图像质量	研究仅针对BMI≤25 kg/m2的瘦弱患者，结果可能不适用于其他人群	探索在CCTA中降低辐射和对比剂剂量的方法	60名接受CCTA检查的瘦弱患者（BMI≤25 kg/m2）	digital pathology	cardiovascular disease	coronary computed tomography angiography (CCTA), deep learning image reconstruction (DLIR)	DLIR (deep learning image reconstruction)	medical imaging	60名患者（分为两组）
957	2025-07-02	A Deep Learning Approach for Nerve Injury Classification in Brachial Plexopathies Using Magnetic Resonance Neurography with Modified Hiking Optimization Algorithm 2025-Jul, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.04.004 PMID:40300994	研究论文	本文提出了一种结合深度学习和改进的Hiking优化算法的AI框架，用于基于磁共振神经成像的臂丛神经病变神经损伤分类	结合MobileNetV4特征提取和改进的Hiking优化算法（MHOA）进行特征选择，提高了神经损伤分类的准确性	研究样本量较小（39名患者），可能影响模型的泛化能力	提高臂丛神经病变中神经损伤分类的准确性	臂丛神经病变患者的磁共振神经成像数据	数字病理学	臂丛神经病变	磁共振神经成像（MRN）	MobileNetV4	医学影像	39名臂丛神经病变患者
958	2025-07-02	Deep Learning-enhanced Opportunistic Osteoporosis Screening in Ultralow-Voltage (80 kV) Chest CT: A Preliminary Study 2025-Jul, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.11.062 PMID:40318972	研究论文	探讨深度学习增强的全自动骨密度测量在超低电压80 kV胸部CT扫描中用于骨质疏松筛查的可行性	首次在超低电压80 kV胸部CT扫描中应用深度学习技术进行全自动骨密度测量，为肺癌筛查中的骨质疏松筛查提供了新方法	研究样本量相对有限（987例），且仅使用了六台CT扫描仪的数据	评估深度学习在超低电压胸部CT扫描中自动测量骨密度的准确性和可行性	987名接受80 kV胸部CT和120 kV腰椎CT扫描的患者	数字病理	骨质疏松	定量CT（QCT）	3D VB-Net, SCN, DenseNet, ResNet	CT图像	987名患者（训练集561例，验证集177例，测试集1和2分别为112例和137例）
959	2025-07-02	Video-estimated peak jump power using deep learning is associated with sarcopenia and low physical performance in adults 2025-Jul, Osteoporosis international : a journal established as result of cooperation between the European Foundation for Osteoporosis and the National Osteoporosis Foundation of the USA IF:4.2Q1 DOI:10.1007/s00198-025-07515-z PMID:40372459	research paper	该研究探讨了通过深度学习从视频中估计的峰值跳跃功率（vJP）与真实跳跃功率（gJP）的一致性，并分析了vJP与肌肉减少症、年龄及肌肉参数的关系	提出了一种无标记监测峰值跳跃功率的新方法，并验证了其在日常生活中的可行性	研究仅提供了概念验证，未涉及大规模实际应用验证	探索视频估计峰值跳跃功率在肌肉减少症和低体能成人中的关联性	成人群体	machine learning	geriatric disease	deep learning	NA	video	NA
960	2025-07-02	Data-Driven Detection of Nocturnal Pollen Fragmentation Triggered by High Humidity in an Urban Environment 2025-Jul-01, Environmental science & technology IF:10.8Q1 DOI:10.1021/acs.est.4c13905 PMID:40400486	研究论文	本文开发了一种数据驱动的方法，结合深度学习和机器学习，用于检测城市环境中高湿度触发的花粉碎片化现象	首次利用气象和在线BioPM光谱数据常规检测花粉碎片化，并确定了湿度触发碎片化的阈值	研究结果基于特定城市环境，可能不适用于其他地区	检测花粉碎片化现象并确定其气象触发阈值	城市环境中的生物颗粒物（BioPM），特别是花粉	机器学习	NA	深度学习，自动机器学习，可解释方法	NA	气象数据，在线BioPM光谱数据	NA