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
11481	2025-10-07	A CT-free deep-learning-based attenuation and scatter correction for copper-64 PET in different time-point scans 2025-Jun, Radiological physics and technology IF:1.7Q3 DOI:10.1007/s12194-025-00905-2 PMID:40261572	研究论文	开发并评估了一种基于深度学习的铜-64 PET成像衰减和散射校正方法	提出无需CT扫描的深度学习校正方法，通过迁移学习在有限铜基PET数据上实现有效校正	训练数据集规模有限，仅使用15个铜基PET图像进行微调	开发铜-64 PET成像的衰减和散射校正深度学习模型	铜-64 PET全身扫描图像	医学影像处理	NA	PET成像，深度学习	深度学习	医学影像	15个铜基PET图像用于训练，6个用于测试（包含1小时、12小时、48小时三个时间点各2个）	MONAI	swinUNETR	MSE, PSNR, SSIM	NA
11482	2025-10-07	Exploring interpretable echo analysis using self-supervised parcels 2025-Jun, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110322 PMID:40383057	研究论文	本研究探索使用自监督学习进行可解释的心脏超声分析，通过生成称为“parcels”的自分割输出来识别心脏的解剖子区域	将改进的STEGO网络与DINO骨干模型结合，在多样化医疗和非医疗数据上预训练，生成可解释的自学习心脏解剖分区	需要大量无标签数据进行自监督预训练，模型性能依赖于预训练数据的多样性和质量	解决医学影像中标注数据稀缺问题，提高心脏成像分析的可解释性和鲁棒性	心脏超声图像序列和不同患者群体的心脏解剖结构	医学影像分析	心力衰竭	超声心动图	Transformer, 自监督学习	超声图像序列	大型无标签数据集和公开可用数据集	PyTorch	STEGO, DINO	可解释性, 鲁棒性, 适应性	NA
11483	2025-10-07	Improvement of deep learning-based dose conversion accuracy to a Monte Carlo algorithm in proton beam therapy for head and neck cancers 2025-May-23, Journal of radiation research IF:1.9Q3 DOI:10.1093/jrr/rraf019 PMID:40267259	研究论文	本研究通过图像旋转技术和缩放增强改进基于深度学习的质子束治疗中从笔形束到蒙特卡罗算法的剂量转换精度	首次将图像旋转技术和缩放增强应用于质子束治疗中的深度学习剂量转换，显著提高了转换精度	研究仅针对头颈部癌症患者，样本量相对有限（85例患者）	提高质子束治疗中基于深度学习的剂量计算精度	头颈部癌症患者	医学影像分析	头颈部癌症	质子束治疗，蒙特卡罗算法，深度学习	深度学习模型	CT图像，剂量数据	85例头颈部癌症患者，分为101个计划（334个射束）用于训练/验证，11个计划（34个射束）用于测试	NA	NA	γ通过率（3%/3mm标准），范围差异（R90）	NA
11484	2025-10-07	Single-cell multimodal analysis reveals tumor microenvironment predictive of treatment response in non-small cell lung cancer 2025-May-23, Science advances IF:11.7Q1 DOI:10.1126/sciadv.adu2151 PMID:40408481	研究论文	通过单细胞多模态分析揭示非小细胞肺癌肿瘤微环境与治疗反应的关系	开发了NucSegAI深度学习模型用于自动核分割和细胞分类，并通过无监督表型发现识别了预测免疫治疗反应的特定淋巴细胞表型	样本量相对有限（119张全切片图像），需要进一步验证	优化非小细胞肺癌患者分层和治疗方案选择	人类非小细胞肺癌组织	数字病理学	肺癌	多重免疫荧光成像,组织病理学,RNA测序	深度学习	图像,测序数据	119张全切片图像，分析4560万个细胞	NA	NA	NA	NA
11485	2025-10-07	Multimodal ultrasound-based radiomics and deep learning for differential diagnosis of O-RADS 4-5 adnexal masses 2025-May-23, Cancer imaging : the official publication of the International Cancer Imaging Society IF:3.5Q1 DOI:10.1186/s40644-025-00883-z PMID:40410823	研究论文	开发并验证基于多模态超声的列线图，整合临床变量、影像组学和深度学习特征，用于区分O-RADS 4-5类附件肿块	首次探索基于CEUS的影像组学在附件肿块鉴别诊断中的应用，并开发了整合临床变量、影像组学和深度学习特征的多模态模型	样本量相对有限（340例患者），依赖手动分割图像，研究结果需要进一步外部验证	提高O-RADS 4-5类附件肿块的良恶性鉴别诊断准确性	340例接受二维超声和超声造影检查的O-RADS 4-5类附件肿块患者	数字病理	妇科肿瘤	二维超声，超声造影	机器学习，深度学习	超声图像	340例患者，按7:3比例随机分为训练集和测试集	NA	NA	AUC，准确率，灵敏度，特异度，精确率，F1分数	NA
11486	2025-10-07	Imputing single-cell protein abundance in multiplex tissue imaging 2025-May-22, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-59788-x PMID:40404617	研究论文	本研究应用机器学习方法对乳腺癌队列中的多重组织成像数据进行单细胞蛋白质丰度插补	首次将空间上下文信息整合到机器学习模型中用于单细胞蛋白质丰度插补，并验证了插补数据在区分治疗前后细胞状态中的生物学意义	仅针对乳腺癌队列进行研究，未在其他癌症类型或组织中进行验证	开发能够准确插补单细胞蛋白质丰度的计算方法	乳腺癌组织样本中的单细胞	数字病理学	乳腺癌	多重组织成像	正则化线性回归,梯度提升树,深度学习自编码器	蛋白质成像数据	乳腺癌队列（具体样本数量未明确说明）	NA	自编码器	平均绝对误差	NA
11487	2025-10-07	Revealing 3D microanatomical structures of unlabeled thick cancer tissues using holotomography and virtual H&E staining 2025-May-22, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-59820-0 PMID:40404616	研究论文	本研究通过整合全息断层扫描与深度学习技术，实现了对无标记厚癌组织的三维虚拟H&E染色	首次将全息断层扫描与深度学习结合，实现对50µm厚癌组织的三维虚拟H&E染色，突破了传统切片厚度的限制	方法在重复性和可扩展性方面仍需进一步验证，目前仅针对结肠癌和胃癌样本进行了验证	开发无需物理切片和染色的三维组织显微结构获取方法	结肠癌和胃癌组织样本	数字病理学	结肠癌,胃癌	全息断层扫描,深度学习图像转换	深度学习图像转换框架	三维折射率分布图像	结肠癌组织（厚度达50µm）和胃癌组织样本	NA	NA	方法学验证（与化学H&E染色对比）,重复性验证,可扩展性验证	NA
11488	2025-10-07	Self-supervised model-informed deep learning for low-SNR SS-OCT domain transformation 2025-May-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-02375-3 PMID:40404743	研究论文	提出一种基于深度学习的自监督模型SDNet，用于扫频光学相干断层扫描图像的同时去噪和超分辨率重建	将数据驱动的深度学习与模型驱动的噪声表示混合集成，专门针对低信噪比和低分辨率挑战；采用两步训练过程，结合PCA作为自监督去噪策略，无需真实噪声图像数据	NA	解决扫频光学相干断层扫描图像的低信噪比和低分辨率问题，提升图像质量和诊断准确性	扫频光学相干断层扫描图像，特别是糖尿病黄斑水肿患者的低分辨率低信噪比图像	计算机视觉	糖尿病黄斑水肿	扫频光学相干断层扫描	深度学习	图像	NA	NA	SDNet	计算效率，噪声降低，结构保真度，图像质量，诊断准确性	NA
11489	2025-10-07	RecyBat24: a dataset for detecting lithium-ion batteries in electronic waste disposal 2025-May-22, Scientific data IF:5.8Q1 DOI:10.1038/s41597-025-05211-5 PMID:40404746	研究论文	本研究介绍了用于电子废弃物中锂离子电池检测的公开图像数据集RecyBat24	创建了首个公开可用的锂离子电池检测数据集，支持检测和实例分割任务，并验证了轻量级模型在资源受限环境下的应用潜力	数据集仅包含三种电池类型，可能无法覆盖所有实际场景中的电池种类	开发用于电子废弃物中锂离子电池检测和分类的深度学习解决方案	锂离子电池（Pouch、Prismatic、Cylindrical三种类型）	计算机视觉	NA	数据增强技术	轻量级机器学习模型	图像	NA	NA	NA	准确率	资源受限环境
11490	2025-10-07	Optimizing credit card fraud detection with random forests and SMOTE 2025-May-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-00873-y PMID:40404766	研究论文	本研究开发了一种基于机器学习的信用卡欺诈检测系统，通过处理不平衡数据集并比较多种算法的性能	在高度不平衡的信用卡交易数据上综合比较了深度学习与传统机器学习模型的表现，并确定随机森林在欺诈检测中的最优性能	数据集高度不平衡，欺诈交易仅占总数据的不到0.2%，且仅使用了单一公开数据集	优化信用卡欺诈检测方法，识别最有效的预测模型参数	信用卡交易数据	机器学习	NA	SMOTE过采样技术，探索性数据分析	随机森林，决策树，Adaboost，神经网络，逻辑回归	结构化交易数据	来自UCI机器学习库的信用卡违约客户数据集	NA	NA	准确率，召回率	NA
11491	2025-10-07	Bio inspired feature selection and graph learning for sepsis risk stratification 2025-May-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-02889-w PMID:40404796	研究论文	提出一种结合仿生特征选择和图深度学习的新框架，用于改进脓毒症风险预测	整合Wolverine优化算法进行特征选择和生成式预训练图神经网络建模患者关系，并应用TOTO元启发式算法进行模型微调	仅使用MIMIC-IV单一数据集，需要进一步验证在其他患者群体中的泛化能力	开发可扩展且高性能的脓毒症风险分层决策支持工具	重症监护患者的脓毒症风险分层	机器学习	脓毒症	SMOTE, 仿生优化算法, 图神经网络	GNN, GPT-GNN	临床数据	MIMIC-IV数据集	NA	GPT-GNN	准确率, AUC, F1分数	NA
11492	2025-10-07	A novel framework for inferring dynamic infectious disease transmission with graph attention: a COVID-19 case study in Korea 2025-May-22, BMC public health IF:3.5Q1 DOI:10.1186/s12889-025-23059-7 PMID:40405112	研究论文	提出一种结合多区域分区模型与时空深度学习的新型混合框架MPUGAT，用于推断动态传染病传播	首次将图注意力机制应用于将静态交通矩阵转换为动态传播矩阵，整合多源时序数据进行传染病建模	仅针对韩国COVID-19数据进行案例研究，尚未在其他地区或疾病上验证	开发能够准确估计时变传播率的传染病建模框架	韩国COVID-19传播动态	机器学习	COVID-19	图注意力机制，多区域分区模型	GAT	时序数据，交通矩阵，城市数据	韩国COVID-19数据	NA	Graph Attention Network, 多区域分区模型	传播率估计准确性，与政策实施一致性	NA
11493	2025-10-07	Facial expression deep learning algorithms in the detection of neurological disorders: a systematic review and meta-analysis 2025-May-22, Biomedical engineering online IF:2.9Q3 DOI:10.1186/s12938-025-01396-3 PMID:40405223	系统综述与荟萃分析	评估深度学习算法通过面部表情变化检测神经系统疾病的性能	首次对深度学习在神经系统疾病面部表情识别中的应用进行系统综述和荟萃分析	数据集标准化不足，运动相关疾病模型鲁棒性有待提高	评估深度学习算法在神经系统疾病面部表情识别中的诊断性能	神经系统疾病患者的面部表情数据	计算机视觉	神经系统疾病	面部表情分析	CNN	图像	28项研究（荟萃分析包含24项2019-2024年的研究）	NA	卷积神经网络	准确率	NA
11494	2025-10-07	Synthesizing [18F]PSMA-1007 PET bone images from CT images with GAN for early detection of prostate cancer bone metastases: a pilot validation study 2025-May-21, BMC cancer IF:3.4Q2 DOI:10.1186/s12885-025-14301-x PMID:40399853	研究论文	本研究探索使用深度学习技术从CT骨图像合成[18F]PSMA-1007 PET骨图像，用于前列腺癌骨转移的早期检测	首次使用生成对抗网络从CT图像合成PSMA-1007 PET骨图像，减少额外PET/CT扫描需求	回顾性研究，样本量较小（152例），需进一步验证	开发从CT图像合成PET图像的方法，减少前列腺癌骨转移检测的辐射暴露和成本	152例患者（123例前列腺癌，29例良性病变）的全身PET/CT图像	医学影像分析	前列腺癌	PET/CT成像，深度学习图像合成	GAN	医学影像（CT和PET图像）	152例患者，随机分为训练组92例、验证组41例、测试组19例	NA	Pix2pix, Cycle GAN	MAE, MSE, PSNR, SSIM, TBR, Pearson相关系数	NA
11495	2025-10-07	A Deep Learning-Enabled Workflow to Estimate Real-World Progression-Free Survival in Patients With Metastatic Breast Cancer: Study Using Deidentified Electronic Health Records 2025-May-15, JMIR cancer IF:3.3Q2 DOI:10.2196/64697 PMID:40372953	研究论文	开发并验证了一种基于深度学习的半自动化工作流程，用于从电子健康记录中估计转移性乳腺癌患者的真实世界无进展生存期	配置预训练的自然语言处理框架，将自由文本临床记录和放射学报告转化为结构化进展事件，实现真实世界无进展生存期的自动化估计	需要在更多样化的外部数据集和其他癌症类型中进一步验证以确保广泛适用性	开发自动化工作流程来估计转移性乳腺癌患者的真实世界无进展生存期	316名激素受体阳性、HER-2阴性转移性乳腺癌患者	自然语言处理	乳腺癌	自然语言处理	深度学习	文本	316名转移性乳腺癌患者	NA	预训练医疗NLP框架	准确率, 置信区间	NA
11496	2025-10-07	Generative Deep Learning Design of Single-Domain Antibodies Against Venezuelan Equine Encephalitis Virus 2025-May-14, Antibodies (Basel, Switzerland) DOI:10.3390/antib14020041 PMID:40407693	研究论文	利用生成式人工智能设计针对委内瑞拉马脑炎病毒的单域抗体并进行初步评估	首次使用生成式AI平台设计针对VEEV的单域抗体，在缺乏大规模示例数据库的情况下建立快速应对新兴病毒威胁的框架	需要进一步的优化和验证，初步评估结果需要更深入的临床前研究	开发针对委内瑞拉马脑炎病毒的治疗性单域抗体	委内瑞拉马脑炎病毒(VEEV)及其E2糖蛋白	机器学习	病毒感染	生成式人工智能，酶联免疫吸附试验(ELISA)，体外中和试验	生成式AI模型	蛋白质序列数据	已知甲病毒结合单域抗体数据集	NA	NA	结合活性，病毒中和效果	NA
11497	2025-10-07	Prediction of Auditory Performance in Cochlear Implants Using Machine Learning Methods: A Systematic Review 2025-May-08, Audiology research IF:2.1Q1 DOI:10.3390/audiolres15030056 PMID:40407670	系统综述	系统回顾了使用机器学习方法预测人工耳蜗植入患者听觉表现的研究	首次系统性地对2010-2025年间人工耳蜗领域机器学习应用进行全面综述，涵盖术前评估、言语感知和噪声下言语理解等多个子领域	缺乏对深度学习在时间序列处理等复杂问题中的应用研究，需要更多相关研究	评估机器学习在人工耳蜗植入听觉表现预测中的应用效果	人工耳蜗植入患者的听觉表现	机器学习	听力损失	机器学习算法	Random Forest, Decision Trees, Bayesian Linear Regression, Extreme machine learning	临床数据、听力学测量数据	59篇符合纳入标准的研究文章，涉及不同数量的患者和数据集	NA	NA	准确率	NA
11498	2025-10-07	Single Cell Inference of Cancer Drug Response Using Pathway-Based Transformer Network 2025-May, Small methods IF:10.7Q1 DOI:10.1002/smtd.202400991 PMID:39962810	研究论文	开发了一种基于Transformer的单细胞通路药物敏感性预测模型，用于从单细胞RNA测序数据预测癌症药物反应	通过通路激活转换将大规模细胞系数据集中的药物反应知识迁移到单细胞RNA测序分析中，解决了数据分布差异问题	NA	准确预测癌症药物反应以支持个性化治疗	乳腺癌细胞和患者样本	机器学习	乳腺癌	单细胞RNA测序(scRNA-seq), 批量RNA测序(bulk RNA-seq)	Transformer	基因表达数据	NA	NA	Transformer	准确性, 时间消耗, 内存消耗	NA
11499	2025-10-07	Cell-TRACTR: A transformer-based model for end-to-end segmentation and tracking of cells 2025-May, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1013071 PMID:40408631	研究论文	提出基于Transformer的端到端细胞分割与追踪模型Cell-TRACTR	首次将Transformer架构应用于细胞追踪任务，能同时处理分割与追踪且无需后处理，并提出了专门评估细胞分裂的Cell-HOTA指标	NA	开发能够同时处理细胞分割与追踪的端到端深度学习模型	显微镜图像中的细胞	计算机视觉	NA	显微镜成像	Transformer	图像	微流体几何环境中生长的细菌数据集和二维自由生长的哺乳动物细胞数据集	NA	Transformer	Cell-HOTA, 检测精度, 关联精度, 分裂精度	NA
11500	2025-10-07	Development and validation of a multivariable risk model based on clinicopathological characteristics, mammography, and MRI imaging features for predicting axillary lymph node metastasis in patients with upgraded ductal carcinoma in situ 2025-Apr-30, Gland surgery IF:1.5Q3 DOI:10.21037/gs-2025-89 PMID:40405957	研究论文	开发并验证基于临床病理特征、乳腺X线摄影和MRI影像特征的融合模型，用于预测升级型导管原位癌患者腋窝淋巴结转移风险	首次构建结合临床病理特征、MRI影像组学和乳腺X线摄影深度学习的融合模型，显著提高腋窝淋巴结转移预测准确性	回顾性研究设计，样本量相对有限（326例患者），需要更大规模前瞻性研究验证	开发非侵入性预测模型，避免升级型导管原位癌患者不必要的腋窝手术干预	升级型导管原位癌患者（核心活检诊断为DCIS，术后病理发现浸润癌）	数字病理	乳腺癌	乳腺X线摄影，磁共振成像，影像组学分析	深度学习分类模型，融合模型	临床病理数据，医学影像数据（MG和MRI）	326例升级型导管原位癌患者	NA	NA	AUC，ROC曲线	NA