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
1061	2025-07-19	Deep Learning-Based Multimodal Fusion Approach for Predicting Acute Dermal Toxicity 2025-Jul-18, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c01128 PMID:40679078	研究论文	本研究提出了一种基于深度学习的多模态融合方法TriModalToxNet，用于预测急性皮肤毒性	提出了一种新颖的TriModalToxNet架构，融合了三种不同的分子表示（2D分子图像、SMILES嵌入和分子指纹），以提高预测准确性	研究依赖于实验大鼠和兔子的数据，可能无法完全代表人类反应	开发一种可靠且准确的模型，用于预测急性皮肤毒性，支持动物测试中的3R原则（替代、减少和优化）	3845种来自实验大鼠和兔子急性皮肤毒性研究的化合物	机器学习	NA	深度学习	CNN（2D和1D）和全连接神经网络	分子图像、SMILES嵌入、分子指纹	3845种化合物
1062	2025-07-19	Clinical Translation of Integrated PET-MRI for Neurodegenerative Disease 2025-Jul-18, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.70046 PMID:40679171	综述	本文综述了集成PET-MRI在神经退行性疾病临床实践和研究中的最新技术进展及其应用	介绍了MRI为基础的衰减校正和运动校正技术，以及深度学习在PET和MRI数据分析中的应用	证据等级为5，技术效能为阶段3，表明仍需更多临床验证	探讨集成PET-MRI在神经退行性疾病诊断和研究中的应用及其技术进展	阿尔茨海默病及其他痴呆症患者	数字病理学	神经退行性疾病	PET-MRI, 深度学习	NA	图像	NA
1063	2025-07-19	Investigating brain tumor classification using MRI: a scientometric analysis of selected articles from 2015 to 2024 2025-Jul-18, Neuroradiology IF:2.4Q2 DOI:10.1007/s00234-025-03685-z PMID:40679613	研究论文	本文通过科学计量学方法研究了2015年至2024年间基于MRI的脑肿瘤分类研究	首次对2015年至2024年间基于MRI的脑肿瘤分类研究进行全面的科学计量分析	仅分析了Scopus数据库中的348篇同行评审文章，可能存在数据覆盖不全的问题	调查基于MRI的脑肿瘤分类研究现状和发展趋势	348篇同行评审文章	数字病理学	脑肿瘤	MRI	深度学习	图像	348篇论文
1064	2025-07-19	Deep learning reconstruction for improving image quality of pediatric abdomen MRI using a 3D T1 fast spoiled gradient echo acquisition 2025-Jul-18, Pediatric radiology IF:2.1Q2 DOI:10.1007/s00247-025-06313-3 PMID:40679617	research paper	该研究比较了传统重建方法和基于深度学习算法的原型重建方法在儿科腹部MRI图像质量上的差异	首次在儿科患者中应用深度学习重建方法改进腹部MRI图像质量	研究样本量较小（38例患者），且为回顾性研究	评估深度学习重建方法在儿科腹部MRI中的应用效果	儿科患者（年龄<18岁）的腹部MRI图像	医学影像分析	儿科疾病	3D T1快速扰相梯度回波采集（SPGR）	深度学习（AIR™ Recon DL）	MRI图像	38例儿科患者（23名男性，平均年龄8.6±5.7岁）
1065	2025-07-19	Deep learning-based automatic detection of pancreatic ductal adenocarcinoma ≤ 2 cm with high-resolution computed tomography: impact of the combination of tumor mass detection and indirect indicator evaluation 2025-Jul-18, Japanese journal of radiology IF:2.9Q2 DOI:10.1007/s11604-025-01836-z PMID:40679757	research paper	本研究评估了三维卷积神经网络在自动检测小型胰腺导管腺癌（PDAC）中的诊断性能，结合了自动肿瘤质量检测和间接指标评估	结合肿瘤质量检测和间接指标（D/P比值）评估，提高了小型PDAC的检测准确性	研究样本量较小，且仅使用了高分辨率CT扫描数据	提高小型胰腺导管腺癌（PDAC）的自动检测准确性	181名PDAC患者和104名正常对照的高分辨率CT扫描数据	digital pathology	pancreatic cancer	high-resolution contrast-enhanced computed tomography (CT)	3D CNN	image	181名PDAC患者和104名正常对照
1066	2025-07-19	Deep learning reconstruction enhances image quality in contrast-enhanced CT venography for deep vein thrombosis 2025-Jul-18, Emergency radiology IF:1.7Q3 DOI:10.1007/s10140-025-02366-x PMID:40679754	research paper	本研究评估并比较了深度学习重建（DLR）、混合迭代重建（Hybrid IR）和滤波反投影（FBP）在深静脉血栓（DVT）对比增强CT静脉造影中的诊断性能和图像质量	首次在DVT的CT静脉造影中应用DLR，并证明其在提高图像质量和解剖清晰度方面的优越性	样本量较小（51例患者），且为回顾性研究	评估和比较不同图像重建方法在DVT诊断中的效果	51例接受下肢CT静脉造影的患者（20例有DVT病变，31例无DVT病变）	digital pathology	cardiovascular disease	contrast-enhanced CT venography	deep learning reconstruction (DLR)	image	51例患者（20例DVT患者和31例非DVT患者）
1067	2025-07-19	AI Prognostication in Nonsmall Cell Lung Cancer: A Systematic Review 2025-Jul-18, American journal of clinical oncology DOI:10.1097/COC.0000000000001238 PMID:40679809	系统综述	本文对人工智能（AI）算法在非小细胞肺癌（NSCLC）预后预测中的应用进行了系统性文献综述	比较了不同类型AI（如机器学习和深度学习）在NSCLC预后预测中的表现，并展示了深度学习相对于传统预后技术（如TNM分期）的优越性	需要进一步通过设计良好的临床试验进行彻底验证，才能完全应用于临床实践	评估AI在NSCLC预后预测中的应用效果	非小细胞肺癌（NSCLC）患者	数字病理学	肺癌	机器学习（ML）、深度学习（DL）	NA	组织学数据、遗传数据、CT、PET、MR影像	初始数据库3880项结果，筛选后纳入309项研究
1068	2025-07-19	M4CEA: A Knowledge-guided Foundation Model for Childhood Epilepsy Analysis 2025-Jul-17, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3590463 PMID:40674185	研究论文	本文提出了一种知识引导的基础模型M4CEA，用于儿童癫痫分析的多任务处理	使用知识引导的掩码策略和时间编码器的时间嵌入，有效捕捉儿童EEG信号的多域表示	模型在特定任务上的性能可能依赖于预训练数据的质量和多样性	构建一个具有强泛化能力的基础模型，用于儿童癫痫的多任务分析	儿童癫痫患者的EEG信号	医疗分析	儿童癫痫	EEG信号分析	基础模型（Foundation Model）	EEG信号	超过1,000小时的儿童EEG记录
1069	2025-07-19	BDEC: Brain Deep Embedded Clustering Model for Resting State fMRI Group-Level Parcellation of the Human Cerebral Cortex 2025-Jul-17, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3590258 PMID:40674200	研究论文	开发了一种基于深度学习的静息态功能磁共振成像(rs-fMRI)的群体水平大脑分区方法BDEC	BDEC模型采用设计损失函数以最大化类间分离和增强类内相似性，促进功能一致大脑区域的形成	NA	开发一种鲁棒的群体水平大脑分区方法	人类大脑皮层	数字病理学	NA	rs-fMRI	BDEC (Brain Deep Embedded Clustering)	功能磁共振成像数据	NA
1070	2025-07-19	Automatic selection of optimal TI for flow-independent dark-blood delayed-enhancement MRI 2025-Jul-17, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.30632 PMID:40674608	研究论文	提出并评估一种自动预测流独立暗血延迟增强（FIDDLE）采集最佳反转时间（TI）的方法	利用深度学习网络分割心肌和血池，并通过对数拟合确定T1恢复曲线，自动预测最佳TI	仅在3T和1.5T扫描仪上进行了评估，样本量有限	优化流独立暗血延迟增强（FIDDLE）采集的最佳反转时间（TI）预测	267名患者的TI-scout图像	医学影像	心血管疾病	MRI，深度学习	深度学习网络	图像	267名患者，64名临床受试者评估
1071	2025-07-19	Deep Learning-Based Precision Cropping of Eye Regions in Strabismus Photographs: Algorithm Development and Validation Study for Workflow Optimization 2025-Jul-17, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/74402 PMID:40674714	研究论文	本研究开发了一种基于深度学习的预处理算法，用于自动裁剪斜视照片中的眼部区域，以提高临床工作流程和AI数据预处理的准确性和效率	提出了一种基于旋转边界框检测框架的预处理算法，能够自动校正头部倾斜，显著提高了图像质量和处理效率	研究主要针对斜视患者，可能不适用于其他眼部疾病	优化眼部区域裁剪的准确性和标准化，以支持AI模型开发和临床应用	斜视患者的眼部照片	计算机视觉	斜视	深度学习	faster R-CNN, 视觉变换器	图像	5832张图像，来自648名住院和门诊患者，以及500张来自IMDB-WIKI的外部数据集
1072	2025-07-19	Predicting Sleep and Sleep Stage in Children Using Actigraphy and Heartrate via a Long Short-Term Memory Deep Learning Algorithm: A Performance Evaluation 2025-Jul-17, Journal of sleep research IF:3.4Q2 DOI:10.1111/jsr.70149 PMID:40676371	研究论文	本研究评估了使用LSTM深度学习算法结合活动记录仪和心率数据预测儿童睡眠及睡眠阶段的效果，并与多导睡眠图（PSG）进行了对比	首次将LSTM算法应用于儿童睡眠监测，结合活动记录仪和心率数据，显著提高了睡眠阶段预测的准确性	研究样本仅限于5-12岁儿童，且参与者因疑似睡眠障碍被转诊，可能影响结果的普遍性	评估LSTM算法在儿童睡眠监测中的性能	238名5-12岁儿童（52.8%男性，50%黑人，31.9%白人）	机器学习	睡眠障碍	活动记录仪、心率监测、多导睡眠图	LSTM、逻辑回归、随机森林	时间序列数据（活动记录仪和心率数据）	238名儿童
1073	2025-07-19	Monitoring systemic ventriculoarterial coupling after cardiac surgery using continuous transoesophageal echocardiography and deep learning 2025-Jul-17, Journal of clinical monitoring and computing IF:2.0Q2 DOI:10.1007/s10877-025-01328-5 PMID:40676456	研究论文	开发了一种结合经食管超声心动图和深度学习的工具autoMAPSE，用于心脏手术后连续监测心室动脉耦合和心脏生物标志物变化	首次将深度学习与经食管超声心动图结合，开发出能够连续监测心室动脉耦合的新工具autoMAPSE	研究样本量较小（50名患者），且仅观察了术后2小时内的数据	评估autoMAPSE工具在监测心脏手术后心室动脉耦合和心脏生物标志物变化方面的有效性	50名心脏手术患者	数字病理	心血管疾病	经食管超声心动图	深度学习	医学影像	50名心脏手术患者，监测120分钟
1074	2025-07-19	Automated multi-model framework for malaria detection using deep learning and feature fusion 2025-Jul-16, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-04784-w PMID:40664727	研究论文	提出了一种基于深度学习和特征融合的自动化多模型框架，用于疟疾检测	采用多模型架构结合深度学习和机器学习技术，通过特征融合和降维提升诊断准确性，并利用多数投票机制增强预测鲁棒性	未提及在临床环境中的实际应用验证或对不同疟疾寄生虫种类的检测能力	开发一种自动化诊断框架以提高疟疾检测的准确性和效率	疟疾诊断	数字病理学	疟疾	深度学习、机器学习、特征融合、主成分分析	ResNet 50, VGG16, DenseNet-201, SVM, LSTM	图像	27,558张显微镜下的薄血涂片图像
1075	2025-07-19	A non-anatomical graph structure for boundary detection in continuous sign language 2025-Jul-16, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-11598-3 PMID:40664813	研究论文	提出一种基于深度学习的非解剖图结构方法，用于连续手语视频中的边界检测	结合GCN和Transformer模型，提出非解剖图结构以更好地表示手部关节运动和关系	仅使用预处理后的孤立手语视频进行预训练，可能影响模型在未处理视频上的泛化能力	改进连续手语视频中孤立手语边界检测的性能	连续手语视频中的孤立手语	计算机视觉	NA	深度学习	GCN和Transformer	视频	在两个数据集上进行实验
1076	2025-07-19	Fully Automated Diagnosis of Acute Myocardial Infarction Using Electrocardiograms and Multimodal Deep Learning 2025-Jul-16, JACC. Advances DOI:10.1016/j.jacadv.2025.102011 PMID:40675022	研究论文	本研究开发并验证了一种利用心电图数据、人口统计学和症状的多模态深度学习模型，用于急性心肌梗死的自动诊断	采用残差卷积神经网络结合多模态数据（ECG、年龄、性别和症状）进行急性心肌梗死检测，并在大规模数据集上验证模型性能	需要随机试验来比较模型与急诊医生的性能，且对救护车到达的患者性能略低	开发并验证一种深度学习模型，用于急性心肌梗死的自动检测	因胸痛或呼吸困难接受院前或院内心电图检查的患者	机器学习	心血管疾病	深度学习	残差卷积神经网络（CNN）	心电图（ECG）、人口统计学数据、症状数据	104,507名个体（208,366份ECG数据）
1077	2025-07-19	Developing the CAM-BERT: Enhancing delirium screening in hospitalized older adults using natural language processing 2025-Jul-16, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110781 PMID:40675095	研究论文	开发并评估了一种基于深度学习的自然语言处理模型CAM-BERT，用于提高巴西葡萄牙语临床记录中谵妄症状的识别	提出了CAM-BERT框架，通过将模型分类的症状与CAM标准对齐来分类潜在谵妄病例	需要进一步研究以验证模型在不同医疗环境中的适用性	提高电子健康记录中谵妄症状的识别，促进谵妄的检测	住院老年患者的临床记录	自然语言处理	老年疾病	自然语言处理	BERTimbau, Random Forest	文本	500例住院记录
1078	2025-07-19	Placenta segmentation redefined: review of deep learning integration of magnetic resonance imaging and ultrasound imaging 2025-Jul-15, Visual computing for industry, biomedicine, and art DOI:10.1186/s42492-025-00197-8 PMID:40663247	综述	本文综述了2019年至2024年间深度学习在胎盘分割中的应用，特别是在MRI和超声成像中的进展	整合MRI和超声成像的互补信息以提高分割性能，并探讨了深度学习在产前诊断中的变革性影响	先进成像技术的高成本和有限可用性	提高胎盘分割的准确性以改善产前诊断	胎盘	数字病理学	NA	MRI和超声成像	深度学习	医学影像	NA
1079	2025-07-19	BaliMask3D dataset for 3D completion and reconstruction of traditional Balinese masks 2025-Jul-15, Scientific data IF:5.8Q1 DOI:10.1038/s41597-025-05505-8 PMID:40664699	研究论文	介绍了一个名为BaliMask3D的高质量3D面具数据集，用于支持3D完成和重建任务	提供了27类传统巴厘岛面具的高质量3D模型，填补了文化遗产保护领域的数据空白	数据集仅包含27类面具，可能无法覆盖所有传统巴厘岛面具类型	支持3D完成和重建任务，促进文化遗产保护	传统巴厘岛面具	计算机视觉	NA	360度摄影测量	VQ-VAE, SDFusion	3D模型	27类面具
1080	2025-07-19	Decision level scheme for fusing multiomics and histology slide images using deep neural network for tumor prognosis prediction 2025-Jul-15, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-09869-0 PMID:40664732	研究论文	提出了一种决策级别的多模态数据融合框架，用于整合多组学数据和病理组织切片图像以进行肿瘤预后预测	通过图卷积层计算病理组织切片图像的特征张量，并应用全局平均池化对齐和归一化多组学数据的特征张量，实现了无缝整合	仅测试了乳腺癌和非小细胞肺癌的数据，未在其他癌症类型上验证	开发一种多模态数据融合框架以提高肿瘤预后预测的准确性	乳腺癌和非小细胞肺癌患者的多组学数据和病理组织切片图像	数字病理	乳腺癌, 非小细胞肺癌	多组学数据整合, 图卷积	深度神经网络	图像, 转录组数据, 基因型数据, 表观遗传数据, 生存信息	来自Cancer Genome Atlas的乳腺癌和非小细胞肺癌数据