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
1001	2025-06-14	CT-based deep learning model for improved disease-free survival prediction in clinical stage I lung cancer: a real-world multicenter study 2025-Jun-12, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-11682-2 PMID:40506642	研究论文	开发了一种基于CT图像的深度学习模型，用于预测临床I期肺癌患者的无病生存期（DFS）	利用三维卷积神经网络从CT图像中提取肿瘤特征，显著优于传统临床模型，能够有效识别高风险患者	研究为回顾性队列研究，可能存在选择偏倚	提高临床I期肺癌患者无病生存期的预测准确性	临床I期非小细胞肺癌（NSCLC）患者	数字病理	肺癌	CT成像	三维卷积神经网络（3D-CNN）	图像	2489名手术患者（开发队列）和248名接受立体定向体放射治疗（SBRT）的患者（外部验证队列）
1002	2025-06-14	3D Quantification of Viral Transduction Efficiency in Living Human Retinal Organoids 2025-Jun-12, Small methods IF:10.7Q1 DOI:10.1002/smtd.202401050 PMID:40509616	研究论文	本文介绍了一种在活体人类视网膜类器官中定量3D表征病毒转导效率的方法	结合了基因递送效率在空间和时间上的量化，利用人类视网膜类器官、工程化腺相关病毒载体、共聚焦活体成像和基于深度学习的图像分割	未提及具体样本量或实验重复次数，可能影响结果的普遍性	优化基因疗法并定量测试未来治疗方法和其他基因递送方法	人类视网膜类器官	数字病理学	眼科疾病	共聚焦活体成像、深度学习方法	深度学习图像分割	3D图像	NA
1003	2025-06-14	Towards more reliable prostate cancer detection: Incorporating clinical data and uncertainty in MRI deep learning 2025-Jun-11, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110440 PMID:40505283	研究论文	本文提出了一种结合临床数据和MRI深度学习的更可靠前列腺癌检测方法	提出了一种双模态模型，同时整合影像和临床数据，并引入预测不确定性评估框架	未具体说明样本数量和临床数据的具体来源	提高前列腺癌诊断的可靠性和临床应用性	前列腺癌病例	数字病理	前列腺癌	bpMRI	深度学习模型	影像数据和临床数据	NA
1004	2025-06-14	Implementation of biomedical segmentation for brain tumor utilizing an adapted U-net model 2025-Jun-11, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110531 PMID:40505287	研究论文	本文通过改进的U-Net模型实现脑肿瘤的生物医学分割	采用自注意力机制的U-Net设计，提高了脑肿瘤分割的性能，特别是在模糊结构的分割质量上	仅使用了来自Kaggle网站的3064张MRI图像，样本来源单一	研究U-Net设计的进展及其在脑肿瘤分割性能上的提升	脑肿瘤的MRI图像	数字病理学	脑肿瘤	MRI	U-Net, Attention U-Net, 自注意力U-Net	图像	3064张MRI图像
1005	2025-06-14	GPS: Harnessing data fusion strategies to improve the accuracy of machine learning-based genomic and phenotypic selection 2025-Jun-11, Plant communications IF:9.4Q1 DOI:10.1016/j.xplc.2025.101416 PMID:40509592	研究论文	本研究提出了一种名为GPS的新型数据融合框架，旨在通过整合基因组和表型数据来提高植物育种中的预测准确性	GPS框架通过三种不同的融合策略（数据融合、特征融合和结果融合）整合基因组和表型数据，显著提高了预测准确性、鲁棒性和可迁移性	NA	提高植物育种中基因组选择和表型选择的预测准确性、鲁棒性和可迁移性	四种作物（玉米、大豆、水稻和小麦）的大规模数据集	机器学习	NA	基因组选择和表型选择	GBLUP, BayesB, Lasso, RF, SVM, XGBoost, LightGBM, DNNGP, MAK	基因组数据和表型数据	大规模数据集，样本量小至200时仍保持高预测准确性
1006	2025-06-14	Oil Palm Fruits Dataset in Plantations for Harvest Estimation Using Digital Census and Smartphone 2025-Jun-10, Scientific data IF:5.8Q1 DOI:10.1038/s41597-025-05227-x PMID:40494879	research paper	本文介绍了一个来自印度尼西亚中加里曼丹商业种植园的油棕鲜果串(FFB)图像数据集，专注于五个成熟阶段：未熟、半熟、成熟、开花和异常	数据集包含了多种角度和条件下的油棕鲜果串图像，并通过数据增强处理类别不平衡和增加变化，支持深度学习模型的开发	图像存在部分可见性、低对比度、遮挡和模糊等现实世界的复杂性	开发深度学习模型用于油棕鲜果串的检测和分类，以监测收获时间、预测产量和优化种植园运营资源	油棕鲜果串(FFB)图像	computer vision	NA	数据增强	deep learning models	image	训练集10,207张图像，验证集2,896张图像，测试集1,400张图像
1007	2025-06-14	Deep learning-based ranking method for subgroup and predictive biomarker identification in patients 2025-Jun-10, Communications medicine IF:5.4Q1 DOI:10.1038/s43856-025-00946-z PMID:40494908	research paper	本研究开发了一种基于深度学习的框架DeepRAB，用于识别患者亚组和预测生物标志物，以优化治疗效果	DeepRAB不仅能够捕捉个体间治疗效果的差异，还能帮助发现与这些差异相关的有意义的生物标志物	NA	开发一种深度学习方法，用于识别患者亚组和预测生物标志物，以支持更精准的治疗策略	患者亚组和预测生物标志物	machine learning	hidradenitis suppurativa	deep learning	DeepRAB	clinical trial data	模拟数据集和真实临床试验数据
1008	2025-06-14	A cross population study of retinal aging biomarkers with longitudinal pre-training and label distribution learning 2025-Jun-10, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-025-01751-7 PMID:40494933	research paper	开发了一种深度学习模型，通过视网膜图像提高视网膜年龄估计的准确性，并探索其作为衰老生物标志物的潜力	整合了自监督学习和渐进式标签分布学习模块，以捕捉时间序列信息并模拟生物衰老的变异性	研究主要基于健康人群，可能无法完全代表其他人群的视网膜老化模式	提高视网膜年龄估计的准确性，并探索其作为衰老生物标志物的潜力	视网膜图像	digital pathology	geriatric disease	deep learning	CNN	image	34,433名来自UK Biobank和三个中国队列的健康参与者
1009	2025-06-14	Empirical evaluation of artificial intelligence distillation techniques for ascertaining cancer outcomes from electronic health records 2025-Jun-10, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-025-01646-7 PMID:40494945	研究论文	本文评估了利用教师-学生框架从电子健康记录中提取癌症纵向临床结果的技术	使用分层Transformer架构的教师模型训练，并通过公开数据集和GPT-4生成的合成数据进行知识蒸馏	在Wiki-text和合成数据上训练的学生模型表现较差，强调了领域内公开数据集的重要性	评估人工智能蒸馏技术在从电子健康记录中提取癌症结果方面的应用	电子健康记录中的自由文本放射学报告	自然语言处理	癌症	教师-学生框架，知识蒸馏	Transformer	文本	Dana-Farber Cancer Institute的数据，MIMIC-IV、Wiki-text公开数据集及GPT-4生成的合成数据
1010	2025-06-14	SCATrans: semantic cross-attention transformer for drug-drug interaction predication through multimodal biomedical data 2025-Jun-10, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-025-06165-6 PMID:40495152	研究论文	本文提出了一种名为SCATrans的语义交叉注意力转换器模型，用于通过多模态生物医学数据预测药物-药物相互作用	提出了一种新的SCAT模型，结合了BioBERT、Doc2Vec、图卷积网络、BiGRU和交叉注意力机制，以处理多模态生物医学数据中的无序、不平衡和语言错误问题	未明确提及具体局限性，但可能包括对多模态数据处理复杂性和模型泛化能力的挑战	预测药物-药物相互作用（DDIs），以支持药物治疗、药物开发、药物监管和公共卫生	药物-药物相互作用	自然语言处理	NA	BioBERT, Doc2Vec, 图卷积网络, BiGRU, 交叉注意力机制	SCATrans (语义交叉注意力转换器)	多模态生物医学数据	DDIExtraction-2013数据集
1011	2025-06-14	Artificial Intelligence Deep Learning Models to Predict Spaceflight Associated Neuro-ocular Syndrome (SANS) 2025-Jun-10, American journal of ophthalmology IF:4.1Q1 DOI:10.1016/j.ajo.2025.06.009 PMID:40505849	research paper	利用深度学习AI模型通过OCT成像预测太空飞行相关神经眼综合征（SANS）的发生	首次使用深度学习模型预测SANS，并比较了太空飞行数据和地面模拟数据的预测效果	数据量有限，可能影响模型的泛化能力	预测太空飞行相关神经眼综合征（SANS）的发生	宇航员和参与头低位卧床休息（HDTBR）的研究参与者	digital pathology	neuro-ocular syndrome	OCT成像	Resnet50	image	宇航员和HDTBR参与者的OCT图像数据集
1012	2025-06-14	Challenges and Advances in Classifying Brain Tumors: An Overview of Machine, Deep Learning, and Hybrid Approaches with Future Perspectives in Medical Imaging 2025-Jun-10, Current medical imaging IF:1.1Q3 DOI:10.2174/0115734056365191250602124819 PMID:40511649	综述	本文全面探讨了机器学习和深度学习模型在脑肿瘤分类中的应用，特别关注了MRI医学影像数据的使用	综述了从经典算法到先进深度学习模型及混合架构的多种方法，并提出了未来研究方向如多模态成像和可解释AI框架	标注数据集稀缺、计算复杂度高、模型可解释性差以及临床整合障碍	提高脑肿瘤分类的准确性和效率，以改善患者治疗效果	脑肿瘤，特别是胶质瘤、脑膜瘤和转移性脑病变	医学影像	脑肿瘤	MRI	SVM, Decision Trees, CNN, RNN, 混合架构	医学影像	NA
1013	2025-06-14	DWI-based Biologically Interpretable Radiomic Nomogram for Predicting 1- year Biochemical Recurrence after Radical Prostatectomy: A Deep Learning, Multicenter Study 2025-Jun-10, Current medical imaging IF:1.1Q3 DOI:10.2174/0115734056403104250527045320 PMID:40511648	research paper	本研究开发了一种基于深度学习的放射组学列线图，用于预测前列腺癌根治术后1年生化复发，并探讨了放射组学评分与肿瘤微环境的关联	结合深度学习的放射组学特征和临床参数，开发预测模型，并首次探讨放射组学评分与肿瘤微环境的关联	回顾性研究设计可能引入选择偏倚，样本量相对较小	预测前列腺癌根治术后1年生化复发，并研究放射组学评分与肿瘤微环境的关系	接受根治性前列腺切除术的前列腺癌患者	digital pathology	prostate cancer	multiparametric magnetic resonance imaging (mpMRI), single-cell RNA sequencing	3D U-Net, Cox proportional hazard regression	medical imaging, RNA sequencing data	349名患者（两个独立队列），4名前瞻性入组患者的单细胞RNA测序数据
1014	2025-06-14	Brain tau PET-based identification and characterization of subpopulations in patients with Alzheimer's disease using deep learning-derived saliency maps 2025-Jun-09, EJNMMI physics IF:3.0Q2 DOI:10.1186/s40658-025-00761-4 PMID:40488912	研究论文	本研究利用深度学习衍生的显著性图谱，基于脑tau PET数据识别和表征阿尔茨海默病患者的亚群	使用深度学习模型生成的显著性图谱作为聚类特征，揭示了阿尔茨海默病患者中两个具有不同tau沉积模式的亚群	研究样本主要来自ADNI数据库，可能无法代表所有阿尔茨海默病患者群体	探究阿尔茨海默病的异质性并识别患者亚群	阿尔茨海默病患者和认知正常人群	数字病理学	阿尔茨海默病	18F-flortaucipr PET扫描，T1加权MRI	3D-CNN	医学影像	615名认知正常者和159名AD患者的脑部扫描数据
1015	2025-06-14	Deep learning-based post-hoc noise reduction improves quarter-radiation-dose coronary CT angiography 2025-Jun-09, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.112232 PMID:40505606	研究论文	本研究评估了基于深度学习的后处理降噪技术（DLNR）在四分之一辐射剂量冠状动脉CT血管造影（CCTA）中对图像质量、CAD-RADS评估及诊断性能的影响	首次在外部数据集上验证了DLNR技术对四分之一剂量CCTA图像质量及诊断性能的提升效果	仅纳入运动伪影较少的病例，可能限制了结果的普适性	评估DLNR技术在低剂量CCTA中的应用价值	221例接受回顾性心电门控CCTA检查的患者	数字病理	心血管疾病	冠状动脉CT血管造影（CCTA）	残差密集网络（Residual Dense Network）	医学影像	40例（年龄71±7岁，24例男性）
1016	2025-06-14	NeXtBrain: Combining local and global feature learning for brain tumor classification 2025-Jun-07, Brain research IF:2.7Q3 DOI:10.1016/j.brainres.2025.149762 PMID:40490088	研究论文	提出了一种名为NeXtBrain的新型混合架构，用于脑肿瘤分类，结合局部和全局特征学习以提高准确性和计算效率	NeXtBrain通过其核心创新组件NeXt卷积块（NCB）和NeXt变换块（NTB），协同增强特征学习，NCB专注于提取局部肿瘤形态和纹理细节，NTB则建模长距离空间依赖和全局上下文关系	论文未明确提及具体限制，但可能包括对特定数据集或肿瘤类型的泛化能力	提高脑肿瘤分类的准确性、鲁棒性和计算效率	脑肿瘤图像	数字病理	脑肿瘤	深度学习	CNN与Transformer混合模型	医学图像	两个公开基准数据集：Figshare和Kaggle
1017	2025-06-14	AI Approaches to Homogeneous Catalysis with Transition Metal Complexes 2025-Jun-06, ACS catalysis IF:11.3Q1 DOI:10.1021/acscatal.5c01202 PMID:40502974	综述	本文综述了人工智能在均相过渡金属催化研究中的应用及其进展	讨论了AI在催化剂筛选、反应条件优化及新型催化剂逆向设计中的创新应用	大多数研究依赖于计算数据，实验数据的获取仍有待改进	探讨AI在均相金属催化反应中的应用现状及未来发展方向	均相过渡金属催化反应	化学信息学	NA	AI、深度学习	生成式AI	计算数据、实验数据	NA
1018	2025-06-14	A novel explainable AI framework for medical image classification integrating statistical, visual, and rule-based methods 2025-Jun-06, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103665 PMID:40505210	研究论文	提出了一种新颖的可解释AI框架，用于医学图像分类，结合了统计、视觉和基于规则的方法	整合统计、视觉和基于规则的解释方法，提高深度学习模型的透明度，并引入统计特征图覆盖可视化	未明确提及具体局限性	提高医学图像分类任务中深度学习模型的可解释性	医学图像数据集（COVID-19放射影像、超声乳腺癌、脑肿瘤MRI、肺和结肠癌组织病理学、青光眼图像）	计算机视觉	多种疾病（COVID-19、乳腺癌、脑肿瘤、肺癌、结肠癌、青光眼）	深度学习、特征选择、决策树、RuleFit模型	Mobilenetv2、决策树、RuleFit	图像	五个医学影像数据集
1019	2025-06-14	Automated phenotypic analysis and classification of drug-treated cardiomyocytes via synergized time-lapse holographic imaging and deep learning 2025-Jun-04, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108890 PMID:40505199	研究论文	通过结合时间序列全息成像和深度学习，实现药物处理心肌细胞的自动表型分析和分类	开发了一个集成平台，结合全息图像跟踪和深度学习，用于单细胞水平的心肌细胞动态分析和自动分类	NA	预测心血管风险，研究药物浓度对单细胞收缩动力学的影响，并实现基于细胞运动行为的自动分类	人类诱导多能干细胞衍生的心肌细胞（CM）	数字病理学	心血管疾病	时间序列全息成像，Farneback光流法	深度全卷积网络，深度迁移学习模型	图像	NA
1020	2025-06-14	Enhancing Lesion Detection in Inflammatory Myelopathies: A Deep Learning-Reconstructed Double Inversion Recovery MRI Approach 2025-Jun-03, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8582 PMID:39542724	research paper	本研究评估了深度学习重建的双反转恢复MRI在炎症性脊髓病中增强病变检测的效果	首次评估了深度学习重建的3D双反转恢复成像在炎症性脊髓病中的应用，并展示了其在减少采集时间和提高图像质量方面的优势	研究样本量相对较小（149名参与者），且未对不同亚型的炎症性脊髓病进行分层分析	比较传统T2WI、标准DIR和DL重建DIR在炎症性脊髓病患者中的采集时间、图像质量、诊断信心和病变检测率	被诊断为炎症性脊髓病的患者	digital pathology	inflammatory myelopathies	MRI, deep learning-based reconstruction	DL	image	149名参与者（平均年龄40.6岁，71名女性）