深度学习在生物医药领域的应用

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	算法框架	模型架构	性能指标	计算资源
1121	2025-10-05	Improved Spiral Projection MR Fingerprinting via Memory-Efficient Synergic Optimization of 3D Spiral Trajectory, Image Reconstruction and Parameter Estimation (SOTIP) 2025-08, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3559467 PMID:40208770	研究论文	开发了一种计算高效的三维螺旋投影磁共振指纹成像优化框架，通过联合优化图像重建、参数估计和k空间采样轨迹来提高扫描效率和定量准确性	提出了端到端的联合优化框架，同时优化三维螺旋轨迹、图像重建和参数估计，并利用解剖特异性时空稀疏性进行数据驱动的轨迹优化	研究主要基于模拟和体内数据验证，需要进一步在更大规模临床数据上验证	提高高分辨率三维螺旋轨迹磁共振指纹成像的扫描效率和计算效率	健康受试者和患者的磁共振指纹成像数据	医学影像分析	NA	磁共振指纹成像(MRF)	基于模型的深度学习(MBDL)	磁共振图像	健康受试者和患者的模拟与体内MRF数据	NA	NA	归一化均方根误差(NRMSE), 重建时间	NA
1122	2025-10-05	Vertex Correspondence and Self-Intersection Reduction in Cortical Surface Reconstruction 2025-08, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3562443 PMID:40249681	研究论文	提出V2CC方法改进皮层表面重建中的顶点对应关系并减少网格自相交	用L1损失替代传统Chamfer损失改善顶点对应关系，并提出新型Self-Proximity损失处理主要自相交问题	未明确说明方法在其他脑区或疾病类型中的泛化能力	优化皮层表面重建中的顶点对应关系并减少网格自相交	皮层表面网格	医学图像处理	神经影像	深度学习	NA	脑部MRI图像	NA	NA	Vox2Cortex扩展	自相交比例	NA
1123	2025-10-05	Uncertainty Quantification and Quality Control for Heatmap-Based Landmark Detection Models 2025-08, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3564267 PMID:40279223	研究论文	提出一种针对基于热图的解剖标志点检测模型的端到端不确定性量化方法，旨在提高临床应用的可靠性和可控性	结合Dempster-Shafer理论和主观逻辑理论，通过单次前向传播实现概率分配和不确定性量化，并引入证据图和不确定性图的交叉注意力机制	主要针对热图基础的标志点检测模型，在其他类型检测任务中的适用性需进一步验证	开发医学图像解剖标志点检测中的不确定性量化方法，提升模型在临床环境中的可靠性和可信度	解剖标志点检测模型	计算机视觉	NA	深度学习	基于热图的检测模型	医学图像	NA	NA	交叉注意力机制	检测精度, 不确定性量化效果, 质量控制能力	NA
1124	2025-10-05	Few-Shot Learning for Annotation-Efficient Nucleus Instance Segmentation 2025-08, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3564458 PMID:40279227	研究论文	提出一种基于元学习的少样本学习框架，用于解决组织病理学图像中细胞核实例分割的标注效率问题	将少样本学习范式引入细胞核实例分割任务，提出广义少样本实例分割(GFSIS)概念和结构引导机制，构建统一的SGFSIS框架	需要依赖外部完全标注的数据集，在目标数据集上仅使用约10%标注时性能与完全监督学习相当但仍存在差距	开发标注高效的细胞核实例分割方法，减少对专家标注的依赖	组织病理学图像中的细胞核实例	数字病理	NA	深度学习	少样本学习，元学习	组织病理学图像	多个公开可用的数据集	NA	Structurally-Guided Generalized Few-Shot Instance Segmentation (SGFSIS)	与完全监督学习对比的性能指标	NA
1125	2025-10-05	Deep Rib Fracture Instance Segmentation and Classification From CT on the RibFrac Challenge 2025-08, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3565514 PMID:40305244	研究论文	介绍基于CT扫描的肋骨骨折实例分割与分类的RibFrac挑战赛及其基准数据集	提供了包含5,000多个肋骨骨折的大规模标注数据集，并建立了首个肋骨骨折检测与分类的评估基准	当前肋骨骨折分类方案的临床适用性仍然有限	开发AI辅助的肋骨骨折诊断方法	CT扫描中的肋骨骨折	计算机视觉	骨科损伤	CT扫描	深度学习	医学图像	660例CT扫描，包含5,000多个肋骨骨折	NA	NA	FROC, F1-score	NA
1126	2025-10-05	LLM-Guided Decoupled Probabilistic Prompt for Continual Learning in Medical Image Diagnosis 2025-08, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3566105 PMID:40310742	研究论文	提出一种基于大语言模型引导的解耦概率提示方法，用于医学图像诊断中的持续学习	首次将大语言模型引入医学图像持续学习，提出解耦概率提示池和导向提示池机制，能够动态提供多样化的图像描述	方法依赖于大语言模型生成专家知识，可能受限于语言模型的知识准确性和完整性	解决医学图像诊断中持续学习新疾病时的灾难性遗忘问题	医学图像诊断模型	计算机视觉	NA	持续学习，提示调优	深度学习模型	医学图像	NA	NA	LLM引导的解耦概率提示架构	类增量设置下的性能指标	NA
1127	2025-10-05	An End-to-End Deep Learning Generative Framework for Refinable Shape Matching and Generation 2025-08, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3562756 PMID:40323742	研究论文	提出一种端到端深度学习生成框架，用于可精细化形状匹配与生成	开发了无监督几何深度学习模型，在潜在空间中建立可精细化形状对应关系，并扩展为联合形状生成-聚类多图谱框架	NA	为计算机医学中的虚拟临床试验构建能生成逼真合成解剖形状的生成模型	肝脏和左心室三维表面网格模型	计算机视觉	NA	几何深度学习	生成模型	3D表面网格	NA	NA	多图谱框架	比较分析	NA
1128	2025-10-05	READRetro web: A user-friendly platform for predicting plant natural product biosynthesis 2025-Aug, Molecules and cells IF:3.7Q2 DOI:10.1016/j.mocell.2025.100235 PMID:40466944	研究论文	开发了一个用户友好的网络平台READRetro web，用于预测植物天然产物的生物合成路径	将先进的机器学习逆合成模型集成到易于使用的网络平台中，消除了复杂环境配置和命令行操作的需求	未提及平台在特定类型天然产物预测方面的局限性或验证范围	促进植物天然产物的大规模生产和药物发现	植物天然产物及其生物合成路径	机器学习	NA	逆合成预测	机器学习模型	化学结构数据	NA	NA	READRetro	预测准确性, 计算效率	网络平台技术
1129	2025-10-05	Co-Pseudo Labeling and Active Selection for Fundus Single-Positive Multi-Label Learning 2025-08, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3565000 PMID:40293917	研究论文	提出一种用于眼底单阳性多标签学习的协同伪标签和主动选择方法	通过课程协同伪标签根据模型学习状态调整阈值，并通过基于损失建模的主动样本选择维护置信度高的阳性预测	NA	解决眼底图像多标签标注困难的问题，提高多标签分类性能	视网膜疾病眼底图像	计算机视觉	视网膜疾病	深度学习	神经网络	眼底图像	七个视网膜数据集	NA	双网络架构	NA	NA
1130	2025-10-05	Deep learning assessment of metastatic relapse risk from digitized breast cancer histological slides 2025-Jul-01, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-60824-z PMID:40593633	研究论文	开发基于深度学习的AI工具RlapsRisk BC，通过分析数字化乳腺癌组织切片预测早期乳腺癌患者的5年无转移生存率	首次开发能够独立预测ER+/HER2-早期乳腺癌患者5年无转移生存率的深度学习模型，并提供超越传统临床病理变量的预后价值	研究局限于ER+/HER2-早期乳腺癌亚型，未涵盖其他乳腺癌亚型	开发AI工具用于乳腺癌转移复发风险分层，指导治疗决策	雌激素受体阳性、HER2阴性早期乳腺癌患者	数字病理学	乳腺癌	数字化组织切片分析	深度学习	数字化组织病理图像	NA	NA	RlapsRisk BC	C-index, 敏感性, 特异性	NA
1131	2025-10-05	A deep convolutional neural network-based novel class balancing for imbalance data segmentation 2025-Jul-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-04952-y PMID:40595795	研究论文	提出基于深度学习和双层类别平衡方案的BLCB-CNN管道，用于视网膜眼底图像中的血管分割	提出双层类别平衡方案（Level-I用于血管/非血管平衡，Level-II用于粗细血管平衡）结合深度卷积神经网络	NA	解决视网膜血管分割中数据分布不平衡和血管厚度变化的问题	视网膜眼底图像中的血管结构	计算机视觉	眼科疾病	图像处理技术	CNN	图像	标准视网膜眼底图像数据集和STARE图像数据集	NA	CNN	AUC, 准确率, 敏感性, 特异性	NA
1132	2025-10-05	Deep Learning to Localize Photoacoustic Sources in Three Dimensions: Theory and Implementation 2025-06, IEEE transactions on ultrasonics, ferroelectrics, and frequency control DOI:10.1109/TUFFC.2025.3562313 PMID:40261767	研究论文	开发基于深度学习的3D光声点源定位系统，用于手术工具尖端定位与追踪	首次实现三维光声点源定位，提出基于目标检测和实例分割的深度学习系统，并建立了点源位置、声速和波形形态的理论关系	实验数据量相对有限（模拟4000帧、体模993帧、离体1983帧），声速估计在实验数据中误差较大	开发三维光声点源定位系统以提升手术工具尖端定位精度	手术工具尖端（视为声学点源）	医学影像分析	NA	光声成像	深度学习	光声通道数据帧	模拟数据4000帧、体模数据993帧、离体数据1983帧	NA	目标检测网络、实例分割网络	F1分数、欧几里得定位误差、声速估计绝对误差	NA
1133	2025-10-05	Harnessing machine learning for predicting successful weaning from mechanical ventilation: A systematic review 2025-05, Australian critical care : official journal of the Confederation of Australian Critical Care Nurses IF:2.6Q1 DOI:10.1016/j.aucc.2025.101203 PMID:40058181	系统综述	本文系统评估了机器学习模型在预测成人机械通气患者成功脱机方面的应用效果	首次系统评估机器学习在机械通气脱机预测中的应用，发现XGBoost模型表现最优，并指出该领域尚未使用Transformer等新架构	缺乏使用Transformer等新型架构的研究，研究数量有限（仅11项研究）	评估机器学习模型预测机械通气患者成功脱机的效果	接受机械通气的成人患者	机器学习	呼吸系统疾病	机器学习	XGBoost, LightGBM, 随机森林, 多层感知机, 逻辑回归, 人工神经网络, 卷积神经网络	临床数据	18,336例患者	NA	XGBoost, Light Gradient-Boosting Machine, 随机森林, 多层感知机, 人工神经网络, 卷积神经网络	准确率, 精确率, AUC	NA
1134	2025-10-05	Memorization Bias Impacts Modeling of Alternative Conformational States of Symmetric Solute Carrier Membrane Proteins with Methods from Deep Learning 2025-Apr-26, bioRxiv : the preprint server for biology DOI:10.1101/2024.07.15.603529 PMID:39071413	研究论文	评估AlphaFold在建模SLC膜蛋白多构象状态时的记忆偏差问题，并提出结合ESM和模板建模的新方法	提出结合ESM和基于模板建模的方法，利用SLC蛋白内部伪对称性来一致建模多个构象状态	方法主要适用于具有伪对称结构的SLC蛋白，对其他类型蛋白的适用性未验证	解决深度学习方法在建模膜蛋白多构象状态时的记忆偏差问题	溶质载体(SLC)膜蛋白超家族	机器学习	病毒性疾病	进化尺度建模(ESM), 模板建模	AlphaFold2, AlphaFold3, ESM	蛋白质序列, 结构数据	多个整合膜蛋白转运体，包括SLC35F2	AlphaFold, ESM	深度学习蛋白质结构预测模型	与进化协方差数据(ECs)比较验证	NA
1135	2025-10-05	AutoRADP: An Interpretable Deep Learning Framework to Predict Rapid Progression for Alzheimer's Disease and Related Dementias Using Electronic Health Records 2025-Apr-07, medRxiv : the preprint server for health sciences DOI:10.1101/2025.04.06.25325337 PMID:40297450	研究论文	提出一种基于自动编码器的可解释深度学习框架AutoRADP，用于预测阿尔茨海默病及相关痴呆症的快速进展	结合基于规则的自然语言处理方法提取认知评估特征，采用混合采样策略处理数据不平衡问题，并利用SHAP值提供可解释性预测	仅使用UFHealth的单中心电子健康记录数据，可能限制模型的泛化能力	开发可解释的深度学习框架以预测阿尔茨海默病及相关痴呆症的快速进展	阿尔茨海默病及相关痴呆症患者	自然语言处理	阿尔茨海默病	电子健康记录分析，自然语言处理	自动编码器	结构化电子健康记录数据，非结构化临床文本	UFHealth电子健康记录数据（具体样本数量未明确说明）	NA	自动编码器	NA	NA
1136	2025-10-05	Artificial intelligence in four-dimensional imaging for motion management in radiation therapy 2025-Apr, Artificial intelligence review IF:10.7Q1 DOI:10.1007/s10462-025-11109-w PMID:40963558	综述	本文全面回顾了人工智能在放射治疗四维成像运动管理中的应用现状与发展前景	系统探讨AI技术如何在不改变硬件的前提下解决四维成像的固有挑战，推动运动管理技术发展	未提供具体实验数据验证，主要基于现有研究进展的理论分析	提升放射治疗中四维成像的准确性和效率	放射治疗中的运动管理技术	医学影像分析	肿瘤放射治疗	四维成像技术	深度学习	四维医学影像	NA	NA	NA	NA	NA
1137	2025-10-05	Comparative Genomics and Epigenomics of Transcriptional Regulation 2025-02, Annual review of animal biosciences IF:8.7Q1 DOI:10.1146/annurev-animal-111523-102217 PMID:39565835	综述	本文探讨比较基因组学与表观基因组学在转录调控研究中的应用与前景	提出整合多维表观基因组数据与深度学习模型研究转录调控的新范式，强调农场动物模型在此领域的优势	当前表观基因组数据主要来自健康个体特定发育阶段，缺乏多样化生理条件下的数据	揭示跨物种转录调控的进化保守机制与非编码元件功能	多物种转录调控机制与表观基因组特征	计算生物学	NA	全基因组测序, 表观基因组分析, 功能筛选验证	深度学习	基因组数据, 表观基因组数据	NA	NA	NA	NA	NA
1138	2025-10-05	Predicting Paediatric Brain Disorders from MRI Images Using Advanced Deep Learning Techniques 2025-Jan-16, Neuroinformatics IF:2.7Q3 DOI:10.1007/s12021-024-09707-0 PMID:39821839	研究论文	本研究提出使用多种先进卷积神经网络模型从MRI图像预测儿童脑部疾病	采用包括EfficientNetB0、InceptionResNetV2等10种CNN模型进行综合比较，并结合ADAM和RMSprop优化器进行模型优化	NA	开发基于人工智能的儿童脑部疾病诊断系统，提高诊断准确性和效率	儿童脑部疾病的MRI图像	计算机视觉	儿童脑部疾病	MRI	CNN	图像	NA	NA	EfficientNetB0,EfficientNetB3,Xception,InceptionV3,MobileNetV2,VGG19,DenseNet169,ResNet50V2,ResNet152V2,InceptionResNetV2	准确率,损失函数,RMSE,精确率,召回率,F1分数,计算时间	NA
1139	2025-10-05	Combination of ultrasound-based radiomics and deep learning with clinical data to predict response in breast cancer patients treated with neoadjuvant chemotherapy 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1525285 PMID:40538839	研究论文	本研究开发了一种结合超声影像、深度学习特征和临床数据的融合模型，用于预测乳腺癌患者新辅助化疗后的病理完全缓解	首次将超声影像组学特征、深度学习特征与临床数据相结合构建预测模型，显著提高了对新辅助化疗疗效的预测准确性	回顾性研究设计，样本仅来自两个医疗中心，需要更大规模的前瞻性验证	预测乳腺癌患者新辅助化疗后的病理完全缓解(pCR)	643例经病理确诊的乳腺癌患者	医学影像分析	乳腺癌	超声成像	机器学习,深度学习	超声图像,临床数据	643例乳腺癌患者(中心1:372例，中心2:271例)，共收集2920个影像组学特征和4096个深度学习特征	NA	NA	准确率,AUC,ROC分析	NA
1140	2025-10-05	Comparative analysis of multimodal architectures for effective skin lesion detection using clinical and image data 2025, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2025.1608837 PMID:40951333	研究论文	开发了一种融合皮肤镜图像和临床数据的多模态框架，用于皮肤病变分类	提出系统评估多种融合策略的多模态数据融合框架，首次将交叉注意力机制应用于皮肤病变分类的临床数据融合	存在类别不平衡问题和高级融合方法的计算复杂性挑战	通过融合临床数据和图像数据提高皮肤病变分类的准确性	皮肤病变	计算机视觉	皮肤癌	深度学习	MLP, CNN	图像, 临床元数据	HAM10000数据集	NA	ResNet	准确率	NA