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
81	2025-08-30	Improving Deep Learning-Based Grading of Partial-thickness Supraspinatus Tendon Tears with Guided Diffusion Augmentation 2025-Sep, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.04.072 PMID:40393829	研究论文	开发并验证一种基于引导扩散数据增强的深度学习系统，用于分级部分厚度冈上肌腱撕裂，并与经验丰富的放射科医生性能进行比较	首次将引导扩散模型用于MRI图像数据增强以解决类别不平衡问题，并系统比较了不同MRI序列组合下的深度学习模型性能	回顾性研究设计，外部验证集样本量相对有限	提升部分厚度冈上肌腱撕裂的自动分级准确性和鲁棒性	经关节镜确认的冈上肌腱撕裂患者	医学影像分析	肌肉骨骼疾病	引导扩散模型数据增强，深度学习	ResNet-34	MRI图像	1374名患者（内部数据集1150人，外部验证集224人），共生成52,376张增强图像
82	2025-08-30	Deep Learning-Based Multimodal Feature Interaction-Guided Fusion: Enhancing the Evaluation of EGFR in Advanced Lung Adenocarcinoma 2025-Sep, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.04.071 PMID:40410106	研究论文	开发一种基于深度学习的多模态特征交互引导融合框架，用于预测晚期肺腺癌患者的EGFR突变状态	提出DL-MFIF框架，首次整合CT图像的宏观特征和WSI的微观特征，通过深度学习捕捉多模态特征间的交互作用	NA	预测晚期肺腺癌患者的表皮生长因子受体（EGFR）突变	晚期肺腺癌患者	数字病理	肺癌	深度学习	DL-MFIF（深度学习多模态特征交互引导融合框架）	CT图像和全切片图像（WSI）	396例患者（243例分为训练集145例和内部验证集98例，153例作为外部验证集）
83	2025-08-30	Deep Learning and Radiomic Signatures Associated with Tumor Immune Heterogeneity Predict Microvascular Invasion in Colon Cancer 2025-Sep, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.05.006 PMID:40413149	研究论文	开发并验证一种结合影像组学和深度学习特征的融合模型，用于无创预测结肠癌微血管侵犯，并探索其与肿瘤免疫异质性的关联	首次整合影像组学和深度学习特征构建预测模型，并揭示模型评分与肿瘤免疫微环境异质性的潜在联系	回顾性多中心研究，可能存在选择偏倚；外部验证队列样本量较小（n=25）	非侵入性预测结肠癌微血管侵犯（MVI）状态	结肠癌患者	医学影像分析	结肠癌	CT影像分析，RNA-seq，差异基因表达分析	深度学习放射组学签名（DLRS），包含放射组学模型、DL模型和DLR融合模型	CT图像，基因表达数据	1007例患者（来自三个医疗中心和TCGA-COAD数据库）
84	2025-08-30	Improving Breast Cancer Diagnosis in Ultrasound Images Using Deep Learning with Feature Fusion and Attention Mechanism 2025-Sep, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.05.007 PMID:40436710	研究论文	本研究提出了一种基于特征融合和注意力机制的深度学习模型，用于超声图像中乳腺病变的良恶性分类	结合MobileNetV2和DenseNet121先进架构，引入特征融合和注意力机制提升分类精度，并采用多种可解释性技术分析模型决策过程	研究使用的数据集未公开可用，可能影响结果的可重复性和泛化验证	开发高精度的深度学习模型以辅助超声图像中乳腺病变的良恶性诊断	乳腺超声图像中的良性和恶性病变	计算机视觉	乳腺癌	深度学习	CNN (MobileNetV2, DenseNet121)	图像	私有数据集2171张图像来自1758名患者，公共BUSI数据集780张图像来自女性患者
85	2025-08-30	Deep Learning CAIPIRINHA-VIBE Improves and Accelerates Head and Neck MRI 2025-Sep, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.05.020 PMID:40447509	研究论文	本研究评估了使用深度学习重建的VIBE序列在头颈部对比增强MRI中的图像质量和加速效果	首次将深度学习重建技术应用于CAIPIRINHA加速的VIBE序列，在显著缩短扫描时间的同时提升图像质量	单中心研究，样本量有限（68例患者），未涉及多中心验证	评估深度学习重建VIBE序列在头颈部对比增强MRI中的图像质量表现	接受颈部MRI检查的患者	医学影像分析	头颈部疾病	深度学习图像重建，MRI序列加速技术（CAIPIRINHA）	深度学习重建模型	医学影像（MRI）	68例患者（60.3%男性，平均年龄57.4±16岁）
86	2025-08-30	Recent advances in monoclonal antibody development for treatment of B-cell acute lymphoblastic leukemia 2025-Sep, Leukemia & lymphoma IF:2.2Q3 DOI:10.1080/10428194.2025.2507198 PMID:40455243	综述	本文综述了单克隆抗体在B细胞急性淋巴细胞白血病治疗中的最新进展，包括临床效果、耐药机制及未来方向	整合人工智能与深度学习技术进行抗体设计，实现表位结合预测和从头蛋白质工程	面临抗原逃逸、基质介导的耐药性及治疗相关毒性等持续挑战	总结单克隆抗体疗法在B-ALL治疗中的进展与挑战	B细胞急性淋巴细胞白血病（B-ALL）患者	生物医学	B细胞急性淋巴细胞白血病	单克隆抗体技术、人工智能、深度学习	NA	文献数据	NA
87	2025-08-30	A Study on Predicting the Efficacy of Posterior Lumbar Interbody Fusion Surgery Using a Deep Learning Radiomics Model 2025-Sep, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.05.026 PMID:40450398	研究论文	开发结合临床数据、影像组学和深度学习的模型，用于预测后路腰椎椎间融合术（PLIF）的术后疗效	首次整合临床特征、影像组学特征和深度学习特征构建联合模型，并通过掩膜扩展优化ROI区域	回顾性研究，样本量有限（461例），需外部验证验证泛化能力	预测PLIF手术疗效	接受PLIF手术的退行性腰椎疾病患者	医学影像分析	退行性腰椎疾病	影像组学分析、深度学习特征提取	逻辑回归、随机森林、深度学习模型	MRI影像（矢状位T2加权图像）、临床数据	461例患者（训练集368例，测试集93例）
88	2025-08-30	Differentiating Bacterial and Non-Bacterial Pneumonia on Chest CT Using Multi-Plane Features and Clinical Biomarkers 2025-Sep, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.05.047 PMID:40494699	研究论文	开发并评估了多平面多模态深度学习模型MPMT-Pneumo，用于区分细菌性和非细菌性肺炎	结合多平面CT影像特征和临床炎症生物标志物，采用混合CNN-Transformer架构，并应用Poly Focal Loss解决类别不平衡问题	研究样本来自两家医院，可能存在选择偏倚，且样本量相对有限	提高细菌性肺炎与非细菌性肺炎的CT影像鉴别诊断准确性	384例经微生物学确认的肺炎患者（239例细菌性，145例非细菌性）	计算机视觉	肺炎	CT影像分析，炎症生物标志物检测（WBC, ANC, CRP, PCT）	CNN-Transformer混合架构	CT影像，临床生物标志物数据	384例患者
89	2025-08-30	Prediction of NIHSS Scores and Acute Ischemic Stroke Severity Using a Cross-attention Vision Transformer Model with Multimodal MRI 2025-Sep, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.05.031 PMID:40517096	研究论文	本研究开发并评估了一种基于跨注意力视觉Transformer模型的多模态MRI方法，用于预测急性缺血性卒中患者的神经功能缺损严重程度	首次将跨模态融合策略与Vision Transformer框架结合应用于卒中严重程度分类，并采用Grad-CAM实现模型可解释性验证	在BMI亚组中存在显著预测差异（p<0.001），模型泛化能力仍需进一步验证	开发基于多模态MRI的深度学习模型用于急性缺血性卒中严重程度分类	急性缺血性卒中患者	医学影像分析	脑血管疾病	多模态MRI（DWI、T1WI、T2WI、FLAIR）	Vision Transformer (ViT) with cross-attention	医学影像	1227例急性缺血性卒中患者（回顾性队列）
90	2025-08-30	Quantification of Breast Arterial Calcification in Mammograms Using a UNet-Based Deep Learning for Detecting Cardiovascular Disease 2025-Sep, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.05.036 PMID:40541546	研究论文	开发并验证一种基于U-Net的深度学习模型，用于在乳腺X光片中检测、分割和量化乳腺动脉钙化，以改进心血管疾病风险评估	结合Hausdorff损失、Dice损失和二元交叉熵损失的改进U-Net架构，首次实现高精度的BAC自动分割与量化	回顾性研究，样本量有限（369例患者），需进一步外部验证	提升乳腺X光筛查中心血管疾病风险的检测与量化能力	乳腺X光片中的乳腺动脉钙化（BAC）	计算机视觉	心血管疾病	深度学习图像分割	U-Net	图像（乳腺X光片）	369例患者的乳腺X光片
91	2025-08-30	A Novel Two-step Classification Approach for Differentiating Bone Metastases From Benign Bone Lesions in SPECT/CT Imaging 2025-Sep, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.06.010 PMID:40610298	研究论文	提出并验证了一种新颖的两步深度学习框架，用于SPECT/CT成像中骨转移瘤的自动检测、分割和分类，以区分恶性和良性病变	开发了结合多尺度注意力融合模块和三重注意力机制的分割模型BL-Seg，并采用基于放射组学的集成学习分类器整合代谢和纹理特征	NA	改进骨转移瘤的早期诊断并促进个性化治疗规划	SPECT/CT图像中的骨转移瘤和良性骨病变	数字病理	骨转移瘤	SPECT/CT成像，放射组学分析	深度学习分割模型，集成学习分类器	医学图像	来自同一机构的SPECT/CT病例数据集，分为训练集和测试集
92	2025-08-30	Multimodal Deep Learning Model Based on Ultrasound and Cytological Images Predicts Risk Stratification of cN0 Papillary Thyroid Carcinoma 2025-Sep, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.06.043 PMID:40664556	研究论文	开发并验证一种基于超声和细胞学图像的多模态深度学习模型，用于术前无创评估cN0甲状腺乳头状癌的风险分层	首次整合超声和细胞学图像构建多模态深度学习模型，用于术前非侵入性风险分层预测	回顾性多中心研究，样本量相对有限（总样本997例），外部验证需进一步扩展	术前准确评估cN0甲状腺乳头状癌风险分层以辅助治疗决策	cN0甲状腺乳头状癌患者	数字病理	甲状腺癌	深度学习	多模态深度学习模型	超声图像、细胞学图像	890例训练验证患者（来自5个医疗中心），107例测试患者（来自1个医疗中心）
93	2025-08-30	Deep-Learning-Driven High Spatial Resolution Attenuation Imaging for Ultrasound Tomography (AI-UT) 2025-Sep, IEEE transactions on ultrasonics, ferroelectrics, and frequency control DOI:10.1109/TUFFC.2025.3592578 PMID:40705570	研究论文	提出一种基于深度学习的超声断层扫描高空间分辨率衰减成像方法，用于改善乳腺组织特性表征	利用深度学习结合声速结构信息作为约束，生成高分辨率低方差的衰减图像	NA	提升超声衰减成像的空间分辨率，为乳腺癌诊断提供额外生物标志物	人体乳腺组织	医学影像分析	乳腺癌	超声断层扫描（USCT），定量超声（QUS）	深度学习（DL）	射频（RF）数据，图像	使用QTI Breast Acoustic CT扫描仪采集的60个角度视图数据
94	2025-08-30	From Faster Frames to Flawless Focus: Deep Learning HASTE in Postoperative Single Sequence MRI 2025-Sep, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.05.039 PMID:40562676	研究论文	本研究评估深度学习加速的HASTE序列在术后腹部MRI中检测积液的应用效果	提出深度学习加速的HASTE序列(HASTE-DL)，相比传统序列扫描时间减少46%且图像质量显著提升	回顾性研究，样本量有限(76例患者)，需进一步多中心验证	评估深度学习加速MRI序列在术后积液检测中的可行性	腹部手术后疑似感染灶的76例患者(平均年龄65±11.69岁)	医学影像分析	术后并发症	深度学习加速MRI序列(HASTE-DL)，3-T MRI扫描	深度学习	MRI图像	76例患者
95	2025-08-30	Ultrasound-based machine learning models for predicting response to neoadjuvant chemotherapy in breast cancer: A meta-analysis 2025-Sep, Clinical imaging IF:1.8Q3 DOI:10.1016/j.clinimag.2025.110574 PMID:40769066	meta-analysis	本研究通过荟萃分析评估基于超声的机器学习模型预测乳腺癌新辅助化疗反应的效能	首次系统评估超声影像组学结合机器学习在预测乳腺癌新辅助化疗反应中的表现，并比较了完全缓解与部分缓解的预测差异	部分缓解模型仅进行了内部验证分析，缺乏外部验证结果；需要进一步开发临床可推广的模型	评估基于超声的机器学习模型预测乳腺癌患者新辅助化疗反应的准确性和临床适用性	乳腺癌患者	medical imaging	breast cancer	radiomics, deep learning	machine learning models	ultrasound images	22项研究（具体样本量未在摘要中明确说明）
96	2025-08-30	Deep Learning Models Connecting Images and Text: A Primer for Radiologists 2025-09, Radiographics : a review publication of the Radiological Society of North America, Inc IF:5.2Q1 DOI:10.1148/rg.240103 PMID:40811083	综述	介绍连接图像与文本的深度学习模型及其在放射学中的潜在应用	系统分类并总结了图像-文本连接模型的最新进展，包括自监督学习、零样本学习和基于Transformer的架构	NA	为放射科医生提供图像-文本连接深度学习模型的入门指南	放射学工作流程和医学图像报告	计算机视觉	NA	深度学习	Transformer	图像、文本	NA
97	2025-06-13	Reassessment of deep learning-based surgical phase recognition in laparoscopic cholecystectomy 2025-Aug-31, Annals of hepato-biliary-pancreatic surgery IF:1.1Q3 DOI:10.14701/ahbps.25-059 PMID:40499925	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
98	2025-08-30	SamRobNODDI:q-space sampling-augmented continuous representation learning for robust and generalized NODDI 2025-Aug-29, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/adf9b8 PMID:40780245	研究论文	提出一种基于q空间采样增强的连续表示学习框架SamRobNODDI，用于提升NODDI参数估计的鲁棒性和泛化性	引入q空间采样增强的连续表示学习方法，并设计采样一致性损失约束不同采样方案的输出一致性	NA	开发能够在不同扩散梯度方向下鲁棒估计NODDI参数的方法	扩散磁共振成像(dMRI)数据	医学影像分析	神经系统疾病	扩散磁共振成像(dMRI), 深度学习	连续表示学习框架	医学影像数据	在19种不同的q空间采样方案上与7种先进方法进行比较验证
99	2025-08-30	Deep Learning-Based Generation of DSC MRI Parameter Maps Using Dynamic Contrast-Enhanced MRI Data 2025-Aug-28, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8768 PMID:40194853	研究论文	开发基于深度学习的方法，从动态对比增强MRI数据合成DSC MRI衍生的参数图	使用条件生成对抗网络(cGAN)首次实现从DCE MRI数据生成DSC参数图，避免重复使用钆对比剂	NA	通过深度学习减少MRI扫描中对比剂的使用剂量	脑肿瘤患者及无脑肿瘤的对照组参与者	医学影像分析	脑肿瘤	DSC MRI, DCE MRI	cGAN (conditional Generative Adversarial Network)	MRI影像数据	64名参与者（包括脑肿瘤患者和对照组）
100	2025-08-30	Advancing Aqueous Solubility Prediction: A Machine Learning Approach for Organic Compounds Using a Curated Data Set 2025-Aug-25, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c02399 PMID:40783839	研究论文	本研究利用整合自四个来源的精选数据集，开发了一种用于预测有机化合物水溶性的机器学习模型	通过结合多种化学描述符、指纹和功能基团，采用机器学习和深度学习模型，在高度多样化的数据集上实现了优于现有方法的预测精度（R²=0.92，MAE=0.40）	NA	提高有机化合物水溶性的预测准确性，以支持从药物开发到材料科学的应用	有机化合物	机器学习	NA	机器学习和深度学习	多种ML和DL模型	化学描述符、指纹和功能基团数据	1282种独特有机化合物（来自Huuskonen数据集）