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
1081	2025-08-03	Improving the Generalizability of Deep Learning for T2-Lesion Segmentation of Gliomas in the Post-Treatment Setting 2024-May-16, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering11050497 PMID:38790363	research paper	该研究旨在提高深度学习模型在治疗后胶质瘤T2病变分割中的泛化能力	通过混合新诊断和治疗后胶质瘤数据、应用迁移学习以及引入空间正则化，提高了单T2 FLAIR图像输入下的分割性能	研究样本量相对有限，治疗后患者训练数据仅占26%	提升治疗后胶质瘤T2病变自动分割的准确性，以更精确评估治疗效果	新诊断(208例)和治疗后(221例)胶质瘤患者的MRI数据	digital pathology	brain tumor/glioma	MRI (T2 FLAIR)	deep learning	medical image	429例(208新诊断+221治疗后)训练数据，24例治疗后患者测试数据
1082	2025-08-03	Artificial Intelligence-Guided Segmentation and Path Planning Software for Transthoracic Lung Biopsy 2024-05, Journal of vascular and interventional radiology : JVIR IF:2.6Q2 DOI:10.1016/j.jvir.2024.02.006 PMID:38355040	研究论文	验证一种基于3D-CNN的AI软件在肺部病变检测中的敏感性和特异性，并评估AI生成的针路径与实际活检路径的一致性	使用3D-CNN进行肺部病变检测，并结合贝叶斯优化生成活检针路径，为自动化活检手术提供可能	研究为回顾性研究，且仅基于三家医院的CT扫描数据，可能影响结果的普适性	验证AI软件在肺部病变检测和活检路径规划中的有效性	肺部结节	数字病理	肺癌	CT扫描	3D-CNN	图像	219次扫描（2147个结节）用于训练，235次扫描（354个病变）用于验证，150名患者的活检路径用于比较
1083	2025-08-03	DeepN4: Learning N4ITK Bias Field Correction for T1-weighted Images 2024-Apr, Neuroinformatics IF:2.7Q3 DOI:10.1007/s12021-024-09655-9 PMID:38526701	研究论文	本文提出了一种深度学习模型DeepN4，用于近似N4ITK偏置场校正方法，以提高T1加权MRI图像处理的便携性和灵活性	首次使用深度学习网络近似N4ITK偏置场校正，解决了传统方法难以在不同平台间移植和优化的问题	研究仅针对T1加权MRI图像，未验证在其他MRI序列上的适用性	开发一种便携、灵活且完全可微的MRI图像偏置场校正方法	T1加权MRI图像	医学图像处理	NA	深度学习	深度神经网络	MRI图像	来自72台不同扫描仪的8个独立队列数据集
1084	2025-08-03	Random expert sampling for deep learning segmentation of acute ischemic stroke on non-contrast CT 2024-Feb-01, Journal of neurointerventional surgery IF:4.5Q1 DOI:10.1136/jnis-2023-021283 PMID:38302420	研究论文	本研究探讨了使用随机专家采样训练深度学习算法在非对比CT上分割急性缺血性卒中的效果	提出了一种随机专家采样训练方法，其性能超过了专家间一致性和多数投票模型	样本量相对较小（260例），且外部验证集仅包含33例患者	提高非对比CT上急性缺血性卒中组织的分割准确性	急性缺血性卒中患者的非对比CT影像	数字病理学	急性缺血性卒中	深度学习分割	U-Net	医学影像（CT）	260例非对比CT研究（来自233名患者），外加33例外部验证病例
1085	2025-08-03	Event-Based Clinical Finding Extraction from Radiology Reports with Pre-trained Language Model 2023-02, Journal of digital imaging IF:2.9Q2 DOI:10.1007/s10278-022-00717-5 PMID:36253581	研究论文	本文提出了一种基于预训练语言模型的方法，用于从放射学报告中提取临床发现事件	使用事件表示法捕捉放射学报告中病变和其他临床问题的细粒度细节，并利用BERT模型进行实体触发词和论元角色的提取	模型在跨机构数据和不同成像模态上的泛化能力虽已验证，但可能仍存在其他未测试场景的局限性	开发一种能够从放射学报告中提取临床发现的自动化方法，以支持诊断、分诊、结果预测和临床研究	放射学报告中的临床异常发现	自然语言处理	NA	预训练语言模型（BERT）	BERT	文本（放射学报告）	500份标注的CT报告和来自MIMIC-CXR数据库的外部验证集
1086	2025-08-02	ChemKANs for combustion chemistry modeling and acceleration 2025-Aug-01, Physical chemistry chemical physics : PCCP IF:2.9Q1 DOI:10.1039/d5cp02009c PMID:40747601	研究论文	介绍了一种名为ChemKANs的新型神经网络框架，用于燃烧化学的模型推断和模拟加速	ChemKANs通过结合Kolmogorov-Arnold网络常微分方程（KAN-ODEs）与相关动力学和热力学定律的信息流知识，增强了模型的表达能力和训练效率	未明确提及具体限制，但可能面临复杂燃烧化学场景下的泛化能力挑战	开发高效、稳健的化学动力学模型推断和模拟加速工具	燃烧化学模型	机器学习	NA	KAN-ODE算法	ChemKANs（基于KAN-ODEs的神经网络框架）	化学动力学数据	未明确提及具体样本数量，但测试了包含高达15%噪声的稀疏数据
1087	2025-08-02	Prediction of Retention Time by Combining Multiple Data Sets with Chromatographic Parameter Vectorization and Transfer Learning 2025-Aug-01, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.5c01703 PMID:40747624	研究论文	本研究提出了一种结合多个数据集、色谱参数向量化和迁移学习的方法（MDL-TL），用于预测不同色谱系统和操作条件下的保留时间（RT）	MDL-TL方法通过word2vec和自动编码器向量化色谱参数（CPs），并将CPs纳入化合物表示中，从而增强了数据并引入了CPs到RT预测中，使得预训练模型能够通过微调有效地迁移到不同的目标系统	虽然MDL-TL在多个数据集上表现优异，但其性能可能仍受限于数据稀疏性问题	开发一种能够预测不同色谱系统和操作条件下保留时间（RT）的方法	保留时间（RT）预测	机器学习	NA	word2vec, autoencoders, 迁移学习	深度学习	色谱数据	14个反相液相色谱数据集和14个亲水作用液相色谱数据集
1088	2025-08-02	OLSIA: Open Lumbar Spine Image Analysis - A 3D Slicer Extension for Segmentation, Grading, and Intervertebral Disc Height Index with Multi-Dataset Validation 2025-Aug-01, Spine IF:2.6Q1 DOI:10.1097/BRS.0000000000005462 PMID:40747922	研究论文	开发了一个名为OLSIA的开放软件，用于腰椎图像分析，支持无代码方法进行腰椎分割、分级和椎间盘高度指数计算，并在六个外部数据集上进行了验证	开发了一个用户友好的无代码工具OLSIA，用于腰椎图像分析，显著提高了处理效率，并在多个地理区域的数据集上验证了其性能	尽管DHI测量的配对t检验结果显著，但BA图的平均差异（0.02）表明系统偏差较低	开发一个开放软件，用于腰椎图像分析，以加速放射组学和腰椎图像分析工作流程	腰椎图像，包括椎体L1-S1和椎间盘L1/2-L5/S1	数字病理学	腰椎疾病	深度学习（DL）	DL模型	图像	六个外部数据集（NFBC1966、HKDDC、TwinsUK、CETIR、NCSD、SPIDER和Mendeley），每个数据集30名参与者
1089	2025-08-02	Artificial Intelligence-Assisted Visualized Microspheres for Biochemical Analysis: From Encoding to Decoding 2025-Aug-01, Accounts of chemical research IF:16.4Q1 DOI:10.1021/acs.accounts.5c00396 PMID:40748254	研究论文	本文总结了作者团队在开发AI辅助可视化微球用于生物传感分析方面的研究，重点介绍了独特的编码-解码策略和各种生化方法	结合AI技术实现编码微球图像的高速精准处理，开发了多种生物传感平台和便携式光学成像设备	需要进一步提升编码容量和开发轻量级智能手机解码应用	开发AI辅助可视化微球用于生物化学分析	蛋白质、细菌、病毒和抗生素等多种目标物	生物传感	NA	免疫分析、点击化学、Ago系统、CRISPR系统和微流控技术	计算机视觉、机器学习、深度学习和无监督学习	图像	NA
1090	2025-08-02	FOCUS-DWI improves prostate cancer detection through deep learning reconstruction with IQMR technology 2025-Aug-01, Abdominal radiology (New York) DOI:10.1007/s00261-025-05100-w PMID:40748461	研究论文	本研究探讨了使用智能快速磁共振(IQMR)图像后处理技术对FOCUS-DWI序列在前列腺癌检测中的图像质量影响，并评估其在区分良恶性病变中的效果	采用IQMR后处理系统生成IQMR-FOCUS-DWI图像，显著提高了图像质量和诊断准确性	样本量较小(62例患者)，且为回顾性研究	评估IQMR技术对FOCUS-DWI序列在前列腺癌检测中的改进效果	62例前列腺肿块患者(31例良性和31例恶性)	数字病理	前列腺癌	MRI、FOCUS-DWI、IQMR后处理系统	NA	医学影像(MRI图像)	62例患者(31例良性和31例恶性前列腺肿块)
1091	2025-08-02	Deep learning model for automated segmentation of sphenoid sinus and middle skull base structures in CBCT volumes using nnU-Net v2 2025-Aug-01, Oral radiology IF:1.6Q3 DOI:10.1007/s11282-025-00848-9 PMID:40748555	research paper	本研究开发了一种基于nnU-Net v2的深度学习模型，用于在锥形束计算机断层扫描（CBCT）体积中自动分割蝶窦和中颅底结构，并评估了模型的性能	使用nnU-Net v2深度学习模型进行蝶窦和中颅底结构的自动分割，实现了较高的分割精度	模型在中颅底其他孔道的分割上表现有限，需要进一步优化	开发一个自动分割蝶窦和中颅底结构的深度学习模型	蝶窦和中颅底解剖结构	digital pathology	NA	CBCT	nnU-Net v2	image	99个CBCT扫描
1092	2025-08-02	Towards interpretable molecular and spatial analysis of the tumor microenvironment from digital histopathology images with HistoTME-v2 2025-Jun-17, bioRxiv : the preprint server for biology DOI:10.1101/2025.06.11.658673 PMID:40747415	research paper	介绍了一种名为HistoTME-v2的深度学习框架，用于从常规H&E染色的病理切片中预测肿瘤微环境（TME）的细胞类型特异性转录组特征活动	HistoTME-v2是HistoTME的泛癌扩展版本，应用于25种实体肿瘤类型，显著扩大了先前工作的范围，并展示了从H&E图像预测细胞类型特异性转录组特征活动的高准确性	尽管HistoTME-v2在预测TME组成方面表现出色，但其性能依赖于大量高质量的单细胞或斑块级注释，这些注释的生成既耗时又昂贵	开发一种成本效益高且可解释的工具，用于从常规H&E染色的病理切片中分析肿瘤微环境（TME）的组成和空间分布	非小细胞肺癌及其他24种实体肿瘤类型的肿瘤微环境（TME）	digital pathology	lung cancer	deep learning, spatial transcriptomics, proteomics	CNN	image	内部验证数据集包括7,586张全切片图像（WSI）、6,901名患者和24种癌症类型；外部验证数据集包括5,657张WSI、1,775名患者和9种癌症类型；空间分析数据集包括259张WSI、154名患者和7种癌症类型
1093	2025-08-01	Artificial Intelligence and the Evolving Landscape of Immunopeptidomics 2025-Jul-31, Proteomics. Clinical applications DOI:10.1002/prca.70018 PMID:40741879	综述	本文综述了人工智能在免疫肽组学中的应用及其对肿瘤免疫治疗的推动作用	详细探讨了AI如何改进免疫肽组学工作流程中的关键步骤，包括新抗原发现和T细胞识别建模，并通过乳腺癌案例研究展示了AI在揭示肿瘤免疫原性特征方面的潜力	讨论了当前瓶颈，如非经典肽建模、抗原加工缺陷考虑以及避免靶向非肿瘤毒性等问题	探索人工智能如何推动免疫肽组学发展并优化癌症免疫治疗策略	主要研究MHC分子呈递的肽段及其在肿瘤免疫治疗中的应用	生物信息学	乳腺癌	质谱数据分析、深度学习、迁移学习	深度学习模型、多组学整合模型	质谱数据、多组学数据	NA
1094	2025-08-01	MMPK: A Multimodal Deep Learning Framework to Predict Human Oral Pharmacokinetic Parameters 2025-Jul-31, Journal of medicinal chemistry IF:6.8Q1 DOI:10.1021/acs.jmedchem.5c01522 PMID:40741939	研究论文	本文介绍了一个名为MMPK的多模态深度学习框架，用于预测人类口服药代动力学参数	开发了整合分子图、子结构图和SMILES序列的多模态深度学习框架MMPK，采用多任务学习和数据插补提高数据效率和模型鲁棒性	NA	预测药代动力学参数以评估药物安全性和有效性，优化给药方案	包含1,200多种独特化合物和5,000多种化合物-剂量组合的人类口服PK数据集	机器学习	NA	深度学习	多模态深度学习框架(MMPK)	分子图、子结构图、SMILES序列	1,200多种独特化合物和5,000多种化合物-剂量组合
1095	2025-08-01	A Meta-Learning Approach for Multicenter and Small-Data Single-Cell Image Analysis 2025-Jul-31, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.5c01810 PMID:40742562	研究论文	提出一种基于元学习的多中心小数据单细胞图像分析方法，以减少单细胞图像标注的工作量并提高分析效率	通过元学习结合自动化宽场荧光显微镜技术，构建了一个硬件和软件系统，显著减少了单细胞图像标注的工作量，并在数据量减少到5%时仍能超越传统深度学习的准确率	未提及具体的数据来源多样性限制或系统在极端条件下的表现	开发一种高效的单细胞图像分析方法，以减少标注工作量并提高分析准确性	单细胞图像	数字病理学	NA	自动化宽场荧光显微镜	元学习	图像	未明确提及具体样本数量，但提到使用60%和5%的数据量进行验证
1096	2025-08-01	Artificial intelligence in hepatopancreatobiliary surgery for clinical outcome prediction: current perspective and future direction 2025-Jul-31, Journal of robotic surgery IF:2.2Q2 DOI:10.1007/s11701-025-02617-6 PMID:40742577	综述	本文综述了人工智能在肝胆胰手术中用于临床结果预测的当前视角和未来方向	强调了深度学习模型在预测术后并发症和手术复杂性方面相比传统方法具有更高的准确性，并展望了实时术中引导、联邦学习和可解释AI框架等新兴创新	面临数据质量、模型泛化能力和伦理实施等挑战	探讨人工智能在肝胆胰手术中预测临床结果的应用及其未来发展	肝胆胰手术的临床结果预测	数字病理	肝胆胰疾病	深度学习模型(DLMs)	DLMs	临床数据	NA
1097	2025-07-31	Comparative evaluation of four reconstruction techniques for prostate T2-weighted MRI: Sensitivity encoding, compressed sensing, deep learning, and super-resolution 2025-Dec, European journal of radiology open IF:1.8Q3 DOI:10.1016/j.ejro.2025.100671 PMID:40735490	研究论文	比较评估四种前列腺T2加权MRI重建技术的图像质量和病灶显着性	首次比较了四种重建技术（SENSE、CS、DL和SR）在前列腺T2加权MRI中的应用效果，并发现SR重建在图像质量和病灶显着性方面表现最佳	样本量较小（49例患者），且病灶显着性分析仅基于18例病理确诊的前列腺癌患者	评估和比较四种重建技术在前列腺T2加权MRI中的图像质量和病灶显着性	49例疑似前列腺癌患者的多参数或双参数MRI数据	数字病理	前列腺癌	MRI重建技术（SENSE、CS、DL、SR）	深度学习模型（DL、SR）	MRI图像	49例患者（其中18例病理确诊前列腺癌）
1098	2025-07-31	Bridging spatiotemporal wildfire prediction and decision modeling using transformer networks and fuzzy inference systems 2025-Dec, MethodsX IF:1.6Q2 DOI:10.1016/j.mex.2025.103498 PMID:40735517	research paper	该研究提出了一种结合Transformer网络和模糊推理系统的时空野火预测与决策模型	将符号模糊推理与基于深度注意力的架构相结合，实现了高准确性和可解释性	未提及模型在极端环境条件下的适用性	开发准确且可解释的野火预测系统以支持实时决策	野火预测与响应策略	machine learning	NA	Transformer, Fuzzy Rule-Based System (FRBS)	Transformer, FRBS	卫星数据（Sentinel、ERA5、SRTM）、气候数据	加拿大火灾蔓延数据集（Canadian Fire Spread Dataset）
1099	2025-07-31	Reconstructing Super-Resolution Raman Spectral Image Using a Generative Adversarial Network-Based Algorithm 2025-Jul-30, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.5c02934 PMID:40735851	研究论文	本研究提出了一种基于生成对抗网络（GANs）的算法，用于显著提高拉曼光谱成像的速度和空间分辨率	利用GANs算法显著提升拉曼光谱成像的速度和空间分辨率，并通过迁移学习验证其泛化能力	研究仅基于未标记细胞的186个高光谱拉曼数据集进行训练和评估，可能限制了模型的广泛适用性	提高拉曼光谱成像的速度和空间分辨率，为高通量和实时生化分析提供新途径	未标记细胞的拉曼光谱图像	计算机视觉	NA	拉曼光谱成像	GAN	图像	186个高光谱拉曼数据集
1100	2025-07-31	Deep learning neural network of adenocarcinoma detection in effusion cytology 2025-Jul-30, American journal of clinical pathology IF:2.3Q2 DOI:10.1093/ajcp/aqaf067 PMID:40736208	研究论文	本研究开发了一种基于深度学习的模型，用于在积液细胞学图像中检测恶性细胞，特别是腺癌细胞	使用YOLOv8目标检测算法构建深度学习模型，在积液细胞学图像中高效检测腺癌细胞	在创建目标检测模型时，细胞注释仍存在一些问题	开发自动化系统以提高积液细胞学中恶性细胞检测的准确性	积液细胞学图像中的腺癌细胞	数字病理学	腺癌	深度学习	YOLOv8	图像	275例腺癌病例（含12182张图像和29245个标签）和188例非恶性病例（含1980张图像）