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
101	2025-06-01	Exploring deep learning in phage discovery and characterization 2025-Aug, Virology IF:2.8Q3 DOI:10.1016/j.virol.2025.110559 PMID:40359589	综述	本文探讨了深度学习在噬菌体发现和表征中的应用及其在生物技术和医学中的潜力	利用深度学习算法（如BERT）改进病毒宏基因组组装基因组（vMAGs）的重建，并应用于噬菌体生物学研究	讨论了深度学习方法的局限性，但未具体说明技术细节或实验验证的不足	探索深度学习在噬菌体研究和治疗耐药细菌感染中的应用	噬菌体（细菌病毒）及其在细菌种群形成中的作用	机器学习	NA	深度学习、BERT、宏基因组数据分析	BERT、神经网络	宏基因组数据	NA
102	2025-06-01	Automatic segmentation of the midfacial bone surface from ultrasound images using deep learning methods 2025-Jul, International journal of oral and maxillofacial surgery IF:2.2Q2 DOI:10.1016/j.ijom.2025.01.012 PMID:39880737	研究论文	本研究开发了一种基于深度学习的自动算法，用于从2D超声图像中分割中面部骨表面	首次将多种深度学习网络（如nnU-Net、U-Net等）应用于中面部骨表面的自动分割，并比较了它们的性能	研究仅针对中面部骨表面，未验证其他骨骼部位的分割效果	开发自动分割中面部骨表面的算法，提高超声图像分析的准确性和效率	中面部骨表面	计算机视觉	NA	3D超声成像	nnU-Net, U-Net, ConvNeXt, Mask2Former, SegFormer, DDRNet	2D超声图像	NA
103	2025-06-01	Advances in photoactivated carbon-based nanostructured materials for targeted cancer therapy 2025-Jul, Advanced drug delivery reviews IF:15.2Q1 DOI:10.1016/j.addr.2025.115604 PMID:40354939	综述	本文综述了光激活碳基纳米结构材料在靶向癌症治疗中的关键创新	探讨了碳基纳米材料（CBNs）在光热、光化学和光声特性方面的卓越表现，以及其在靶向癌症治疗中的多功能性和适应性	讨论了这些纳米材料在生物系统中的长期效应和降解特性，以及制造过程中的可重复性和生物相容性挑战	探索光激活碳基纳米材料在靶向癌症治疗中的应用潜力	碳基纳米材料（CBNs）及其在乳腺癌、肺癌和胶质瘤中的应用	纳米医学	乳腺癌、肺癌、胶质瘤	光热疗法、光动力疗法、光化学内化	随机森林、支持向量机、神经网络、深度学习	NA	NA
104	2025-06-01	AI image analysis as the basis for risk-stratified screening 2025-Jun, Japanese journal of radiology IF:2.9Q2 DOI:10.1007/s11604-025-01734-4 PMID:39794661	review	本文综述了人工智能在乳腺癌筛查中的应用，特别是AI风险预测模型的最新进展	探讨了从传统成像生物标志物到前沿深度学习和多模态方法的AI风险预测模型	AI风险模型主要在研究环境中探索，尚未广泛临床应用	优化AI工具在乳腺癌筛查中的采用，提高不同人群的公平性和结果	乳腺癌筛查中的AI风险预测模型	digital pathology	breast cancer	deep learning, multimodal approaches	AI risk models	image	NA
105	2025-06-01	Comparative analysis of kidney function prediction: traditional statistical methods vs. deep learning techniques 2025-Jun, Clinical and experimental nephrology IF:2.2Q2 DOI:10.1007/s10157-024-02616-1 PMID:39813007	研究论文	比较传统统计方法和深度学习技术在预测肾功能方面的准确性	首次在慢性肾病（CKD）患者中比较了传统统计方法和深度学习技术（如FFNN和GRU-D模型）在预测未来肾小球滤过率（eGFR）方面的表现	深度学习技术并未显示出比传统统计方法更高的预测准确性	评估深度学习技术是否能够提高肾功能预测的准确性	慢性肾病（CKD）患者	机器学习	慢性肾病	多重线性回归、前馈神经网络（FFNN）、门控循环单元（GRU）-D模型	FFNN, GRU-D	临床数据	22,929名CKD患者
106	2025-06-01	Generative artificial intelligence enables the generation of bone scintigraphy images and improves generalization of deep learning models in data-constrained environments 2025-Jun, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-025-07091-8 PMID:39878897	research paper	本研究探讨了使用生成式人工智能（AI）创建合成骨扫描图像，以增加小规模数据集的数据多样性，从而更有效地训练模型并提高泛化能力	利用生成式AI生成高质量的合成骨扫描图像，并通过增加合成数据提升深度学习模型在数据受限环境中的性能	研究仅基于单一中心的骨扫描数据，且合成数据的临床有效性需进一步验证	解决医学影像中深度学习模型因数据不足而表现不佳的问题	骨扫描图像（骨转移和心脏淀粉样变性的异常摄取）	digital pathology	bone metastases, cardiac amyloidosis	generative AI	GAN	image	9,170 patients (training), 7,472 scans from 6,448 patients (testing)
107	2025-06-01	Artificial intelligence-based cardiac transthyretin amyloidosis detection and scoring in scintigraphy imaging: multi-tracer, multi-scanner, and multi-center development and evaluation study 2025-Jun, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-025-07117-1 PMID:39907796	研究论文	本研究利用深度学习技术，在多示踪剂、多扫描仪和多中心数据集上开发并评估了一种全自动检测和评分心脏转甲状腺素蛋白淀粉样变性（ATTR-CM）的方法	首次在多示踪剂、多扫描仪和多中心数据集上开发全自动ATTR-CM检测和评分系统，并展示了高准确性和临床相关性	部分外部数据集样本量较小（如数据集#3仅41例患者），且未在所有潜在临床场景中验证模型性能	开发自动化工具以提升ATTR-CM的诊断效率和准确性	心脏转甲状腺素蛋白淀粉样变性（ATTR-CM）患者	数字病理学	心血管疾病	闪烁扫描成像（99mTc-MDP/DPD/HDP/PYP）	深度学习模型（未指定具体架构）	医学影像（全身闪烁扫描图像）	6个数据集（总计3743例患者，其中528例有标注，3215例无标注）
108	2025-06-01	Robust whole-body PET image denoising using 3D diffusion models: evaluation across various scanners, tracers, and dose levels 2025-Jun, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-025-07122-4 PMID:39912940	研究论文	本研究提出并验证了一种基于3D扩散模型的全身PET图像去噪方法，能够有效处理不同扫描仪、示踪剂和剂量水平的多样性	提出了一种3D Denoising Diffusion Probabilistic Model (3D DDPM)作为通用且鲁棒的全身PET图像去噪解决方案，相比传统方法能更好地适应多样化的PET协议	NA	开发一种能够适应不同临床设置的通用PET图像去噪方法	全身PET图像	医学影像处理	癌症	3D Denoising Diffusion Probabilistic Model (3D DDPM)	3D DDPM	3D PET图像	来自四台扫描仪、四种示踪剂类型和六种剂量水平的数据集
109	2025-06-01	Integrating generative AI with neurophysiological methods in psychiatric practice 2025-Jun, Asian journal of psychiatry IF:3.8Q1 DOI:10.1016/j.ajp.2025.104499 PMID:40262408	research paper	探讨生成式AI与神经生理学方法在精神病学实践中的整合潜力	提出生成式AI在精神病学中与神经科学和生理学结合的创新应用，包括实时通信、内容生成和数据合成	数据可靠性、隐私问题和资源限制等挑战	探索生成式AI在精神病学中的应用及其与神经科学的协同关系	精神病学实践中的生成式AI和神经生理学方法	natural language processing	psychiatric disease	generative AI, deep learning	large language models	multi-modal data	NA
110	2025-06-01	Sustainable water allocation under climate change: Deep learning approaches to predict drinking water shortages 2025-Jun, Journal of environmental management IF:8.0Q1 DOI:10.1016/j.jenvman.2025.125600 PMID:40345087	research paper	本研究采用深度学习方法预测德黑兰的饮用水短缺问题，以应对气候变化下的可持续水资源分配	结合RNN和LSTM模型与三种优化技术（FHO、WOA、HOA），开发了预测水库流入和地下水位波动的混合模拟模型	研究仅针对德黑兰地区，可能无法直接推广到其他城市或地区	理解和缓解城市化、土地利用管理不善和气候变率对德黑兰水资源的影响	德黑兰的五个关键水库和地下含水层	machine learning	NA	RNN, LSTM, FHO, WOA, HOA	hybrid simulation models	climate and water resource data	德黑兰地区2021-2050年的气候和水资源数据
111	2025-06-01	Learnable fractional Fourier transform for high-quality computer-generated holography 2025-Jun-01, Optics letters IF:3.1Q2 DOI:10.1364/OL.561347 PMID:40445699	research paper	提出了一种基于深度学习的计算机生成全息术方法，通过分数傅里叶变换提升全息成像质量	提出了复数分数傅里叶网络（CFrFNet），整合分数傅里叶变换（FrFT）于空间-频率统一框架中，生成高保真相位全息图（POHs）	NA	提升计算机生成全息术的成像质量	相位全息图（POHs）	computer vision	NA	分数傅里叶变换（FrFT）	CFrFNet, FrFNM, MFEB	image	NA
112	2025-06-01	Hyperspectral Imaging for Rapid Detection of Common Infected Bacteria Based on Fluorescence Effect 2025-May-30, Journal of biophotonics IF:2.0Q3 DOI:10.1002/jbio.202500164 PMID:40444593	研究论文	本研究提出了一种结合荧光高光谱成像（FHSI）和深度学习算法的非侵入性方法，用于快速检测伤口感染中的常见细菌	首次将FHSI技术与深度学习算法结合，用于细菌的非侵入性快速检测，并开发了SSMA-Net网络处理复杂的空间和光谱数据	研究仅针对8种细菌进行了验证，可能需要扩展到更多种类的细菌	开发一种快速、准确的细菌感染检测方法	伤口感染中的常见细菌	计算机视觉	细菌感染	荧光高光谱成像（FHSI）	SSMA-Net（空间-光谱多尺度注意力网络）	光谱数据	8种细菌的荧光数据
113	2025-06-01	Comparison of an Attention-Based Multiple Instance Learning (MIL) With a Visual Transformer Model: Two Weakly Supervised Deep Learning (DL) Algorithms for the Detection of Histopathologic Lesions in the Rat Liver to Distinguish Normal From Abnormal 2025-May-30, Toxicologic pathology IF:1.4Q4 DOI:10.1177/01926233251339653 PMID:40444726	research paper	该研究比较了两种弱监督深度学习算法（基于注意力的多实例学习和视觉Transformer模型）在大鼠肝脏组织病理学病变检测中的应用	首次将基于注意力的多实例学习与视觉Transformer模型进行比较，并展示了模型在肾脏WSIs上的迁移学习能力	研究仅基于大鼠肝脏样本，未涉及其他器官或物种的广泛验证	开发高效的人工智能算法来自动检测大鼠肝脏组织病理学病变	大鼠肝脏全切片图像（WSIs）	digital pathology	NA	弱监督深度学习	MIL, Transformer	image	58项不同大鼠毒性研究的肝脏切片WSIs
114	2025-06-01	Machine Learning-Based Rupture Risk Prediction for Intracranial Aneurysms: A Systematic Review and Meta-Analysis 2025-May-30, Neurosurgery IF:3.9Q1 DOI:10.1227/neu.0000000000003531 PMID:40444989	meta-analysis	本文通过系统综述和荟萃分析评估了机器学习在预测颅内动脉瘤破裂风险中的应用，并与PHASES评分进行了比较	机器学习模型在预测颅内动脉瘤破裂风险中展现出比传统PHASES评分更高的特异性，且结合血流动力学参数可进一步提升模型准确性	需要前瞻性研究来验证机器学习模型在临床整合中的实用性	评估机器学习在预测颅内动脉瘤破裂风险中的应用效果	颅内动脉瘤患者	machine learning	cardiovascular disease	machine learning	deep learning	clinical data	36项研究，涉及22,462名患者
115	2025-06-01	Deep Learning Black-Box and Pattern Recognition Analysis Using Guided Grad-CAM for Phytolith Identification 2025-May-30, Annals of botany IF:3.6Q1 DOI:10.1093/aob/mcaf088 PMID:40445063	研究论文	本文应用视觉解释器为训练好的VGG19模型提供透明度，用于识别Avena、Hordeum和Triticum属的多细胞植硅体，并比较模型与考古植物学家的手动方法	使用Grad-CAM、Guided Backpropagation和Guided Grad-CAM等视觉解释器，验证了深度学习模型在植硅体分类中的学习方式，并揭示了不同属植硅体的关键特征	NA	验证深度学习模型在植硅体识别中的有效性，并比较其与人工方法的差异	Avena、Hordeum和Triticum属的多细胞植硅体	计算机视觉	NA	Grad-CAM, Guided Backpropagation, Guided Grad-CAM	VGG19	显微镜图像	NA
116	2025-06-01	Deep learning without borders: recent advances in ultrasound image classification for liver diseases diagnosis 2025-May-30, Expert review of medical devices IF:2.9Q3 DOI:10.1080/17434440.2025.2514764 PMID:40445166	review	本文综述了深度学习技术在肝脏疾病超声图像分类中的最新进展	总结了从CNN到其混合版本（如CNN-Transformer）的多种模型在肝脏疾病检测中的应用	讨论了不同临床环境中数据和模型泛化的挑战	探讨深度学习在肝脏疾病自动诊断中的应用前景	肝脏疾病（如脂肪肝、肝纤维化和肝癌）	digital pathology	liver disease	ultrasound imaging	CNN, CNN-Transformer	image	NA
117	2025-06-01	Hybrid Frameworks Integrating Deep Learning and Optimization Methods for Inverse Design in Nanophotonics 2025-May-30, ACS applied materials & interfaces IF:8.3Q1 DOI:10.1021/acsami.5c03196 PMID:40445168	perspective	探讨人工智能在纳米光子学逆向设计中的应用，特别是结合深度学习和经典优化方法的混合框架	提出结合深度学习和经典优化技术的混合框架，以提高设计效率和探索可行的制造解决方案	未提及具体的技术限制或实验验证的不足	推动纳米光子学逆向设计领域的发展，探索更高效和可扩展的设计方法	纳米光子学设备和功能材料工程	纳米光子学	NA	深度学习、经典优化方法（如伴随方法和进化算法）、物理信息神经网络	深度学习模型、物理信息神经网络	NA	NA
118	2025-06-01	Advantages of deep learning reconstruction algorithm in ultra-high-resolution CT for the diagnosis of pancreatic cystic neoplasm 2025-May-30, Japanese journal of radiology IF:2.9Q2 DOI:10.1007/s11604-025-01804-7 PMID:40445272	研究论文	本研究评估了深度学习重建算法在超高分辨率CT中对胰腺囊性肿瘤诊断的图像质量和临床效用	深度学习重建算法显著降低了图像噪声并提高了对比噪声比，改善了病变的显着性	研究样本量较小（45例患者），且未直接提高诊断的敏感性、特异性和准确性	评估深度学习重建算法在超高分辨率CT中对胰腺囊性肿瘤诊断的图像质量和临床效用	45例胰腺囊性肿瘤患者	数字病理	胰腺囊性肿瘤	深度学习重建算法（DLR）和混合迭代重建（IR）	深度学习	CT图像	45例胰腺囊性肿瘤患者
119	2025-06-01	Deploying a novel deep learning framework for segmentation of specific anatomical structures on cone-beam CT 2025-May-30, Oral radiology IF:1.6Q3 DOI:10.1007/s11282-025-00831-4 PMID:40445488	研究论文	本研究开发了一种深度学习框架，用于在锥束CT图像上自动分割特定解剖结构	使用nnUNetv2深度学习算法在CBCT图像上自动预测解剖结构，提高了分割的准确性和一致性	样本量较小（70名患者），且部分解剖结构的分割性能较低（如下颌管）	自动预测CBCT图像上的解剖结构，以增强牙科诊断和治疗规划	70名患者的CBCT图像，包括鼻腔、上颌窦、鼻腭管、下颌管、颏孔和下颌孔等解剖结构	数字病理	牙科疾病	CBCT成像	nnUNetv2	医学图像	70名患者的CBCT图像，共405张切片
120	2025-06-01	End-to-end 2D/3D registration from pre-operative MRI to intra-operative fluoroscopy for orthopedic procedures 2025-May-30, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-025-03426-w PMID:40445552	研究论文	开发了一种端到端的MRI到荧光镜图像的配准框架，旨在增强骨科手术中术中的可视化	该框架首次实现了仅使用MRI而不需要CT扫描的MRI到荧光镜图像的配准，显著提升了软组织和骨缺损的可视化	研究仅在模拟和尸体研究中验证了性能，尚未在临床环境中进行大规模验证	增强骨科手术中术中的可视化，减少辐射暴露	股骨和骨盆区域	数字病理	骨科疾病	深度学习，MRI-to-fluoroscopic图像配准	NA	MRI图像，荧光镜图像	尸体研究