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
1301	2025-12-21	Clinical consequences of deep learning image reconstruction at CT 2025-Nov-01, The British journal of radiology DOI:10.1093/bjr/tqaf152 PMID:40880286	评论	本文探讨了深度学习图像重建在CT中的临床应用、优势、挑战及未来研究方向	强调了深度学习重建相比传统迭代重建技术在降低图像噪声、改善噪声纹理和低剂量下空间分辨率方面的优势，并讨论了其在剂量减少和伪影减少方面的潜力	深度学习重建的性能受框架类型、训练数据、患者体型和临床任务的影响，可能引入模糊或伪影，且需要更多临床场景评估	评估深度学习图像重建在CT成像中的临床后果，包括剂量减少、图像质量维护和诊断准确性	CT成像中的深度学习重建技术，特别关注腹部应用	医学影像	NA	深度学习重建	深度学习模型	CT图像	NA	NA	NA	图像噪声、空间分辨率、诊断准确性	NA
1302	2025-12-21	Deep learning-empowered low-cost portable automated refraction system: A solution to the inadequate effective correction rate of refractive errors in resource-limited areas 2025-Nov, Ophthalmic & physiological optics : the journal of the British College of Ophthalmic Opticians (Optometrists) DOI:10.1111/opo.70027 PMID:41133975	研究论文	本文开发并验证了一种基于深度学习和红外偏心光折射的低成本便携式自动验光系统（TRDS），旨在提高资源有限地区屈光不正的矫正率	结合低成本硬件（CMOS探测器、红外LED）与端到端深度学习模型，利用362,000张图像训练，实现了高精度的便携式自动验光	在高近视亚组中表现一致性一般（M: r=0.62），且样本仅来自单一医院（北京同仁医院），可能限制泛化性	开发并验证一种低成本、便携的自动验光系统，以改善资源有限地区的屈光不正矫正效果	282名年龄在18-60岁的参与者，包括近视和远视患者	计算机视觉	屈光不正	红外偏心光折射	深度学习模型	图像	282名参与者，训练数据包含362,000张图像	NA	端到端深度学习模型	Pearson相关系数, Bland-Altman图, 组内相关系数, 矫正视力	NA
1303	2025-12-21	graphB3-an interpretable graph learning approach for predicting blood-brain barrier permeability 2025-Nov-01, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf679 PMID:41405959	研究论文	本文提出了一种名为graphB3的可解释图学习模型，用于预测候选药物的血脑屏障通透性	提出了一种参数高效的基于图卷积的模型，利用分子中原子的详细信息进行预测，并能够解释分子中哪些部分对穿越血脑屏障最为重要	NA	预测候选药物的血脑屏障通透性，以辅助脑相关疾病的药物发现	候选药物分子	机器学习	脑相关疾病	NA	图卷积网络	分子图数据	NA	NA	graphB3	NA	NA
1304	2025-12-21	Artificial Intelligence as a Tool in the Diagnosis of Bladder Cancer: A Narrative Review 2025-Nov, Cureus DOI:10.7759/cureus.96958 PMID:41409960	综述	本文是一篇叙述性综述，总结了人工智能在膀胱癌诊断中的应用进展	系统性地综述了AI在膀胱癌诊断中跨多种模态（如膀胱镜、组织病理学、尿液生物标志物和基因组数据）的应用，并强调了其在提高诊断精度、早期检测和工作流效率方面的潜力	当前临床采用面临数据质量、算法透明度和伦理治理等挑战，需要多中心合作开发可解释且经过验证的模型	总结并批判性评估人工智能在膀胱癌诊断中的应用进展	膀胱癌	数字病理学	膀胱癌	NA	深度学习	图像、生物标志物数据、基因组数据	NA	NA	NA	准确性	NA
1305	2025-12-21	Transforming [177Lu]Lu-PSMA-617 treatment planning: Machine learning-based radiodosiomics and swin UNETR using pretherapy PSMA positron emission tomography/computed tomography (PET/CT) 2025-Oct, Medical physics IF:3.2Q1 DOI:10.1002/mp.70030 PMID:40985608	研究论文	本研究开发了基于机器学习的放射剂量组学模型和基于Transformer的深度学习架构，用于预测转移性去势抵抗性前列腺癌患者接受[177Lu]Lu-PSMA-617治疗后的病灶吸收剂量和剂量率图，以优化个性化治疗计划	首次将临床生物标志物与从Ga-PSMA PET/CT提取的放射组学特征和剂量组学特征相结合，开发机器学习模型预测治疗后吸收剂量；并采用基于Swin UNETR的Transformer架构预测剂量率图，减少对计算密集型蒙特卡洛模拟的依赖	研究样本量较小（机器学习部分20例患者，深度学习部分30例患者），且为回顾性研究，需要更大规模的前瞻性验证	优化转移性去势抵抗性前列腺癌患者的[177Lu]Lu-PSMA-617放射性配体治疗的个性化预处理剂量计划	转移性去势抵抗性前列腺癌患者	数字病理学	前列腺癌	PET/CT成像，蒙特卡洛模拟	集成树回归器，Transformer	PET/CT图像，剂量率图	机器学习部分20例患者，深度学习部分30例患者（包含额外10例）	GATE v9.1, LIFEx v7.4.0	Swin UNETR	R2, RMSE, NRMSE, Gamma通过率	NA
1306	2025-12-21	Bias in deep learning-based image quality assessments of T2-weighted imaging in prostate MRI 2025-Aug-25, Abdominal radiology (New York) DOI:10.1007/s00261-025-05163-9 PMID:40853469	研究论文	本研究探讨了基于深度学习的T2加权图像质量评估在前列腺MRI中是否因临床显著前列腺癌的存在而产生偏差	首次揭示了深度学习图像质量评估模型在前列腺MRI中可能因癌症存在而引入偏差，挑战了其临床应用的可靠性	研究为回顾性设计，可能存在选择偏倚；仅基于三个中心的T2加权图像，未涵盖多模态MRI数据	评估深度学习图像质量评估在前列腺MRI中是否受临床显著前列腺癌影响而产生偏差	前列腺MRI的T2加权图像序列	数字病理学	前列腺癌	MRI, T2加权成像	深度学习分类模型	医学图像	开发集1,719个序列，测试集386个序列，外加11,723次未包含癌症记录的检查	NA	NA	二次加权kappa系数, 卡方检验, 置信区间, p值	NA
1307	2025-12-21	Multi-site, multi-vendor development and validation of a deep learning model for liver stiffness prediction using abdominal biparametric MRI 2025-Jul, European radiology IF:4.7Q1 DOI:10.1007/s00330-024-11312-3 PMID:39779515	研究论文	本研究开发并验证了一种基于深度学习的模型，利用腹部双参数MRI预测肝脏硬度，以评估慢性肝病患者的肝纤维化程度	开发了首个基于多中心、多厂商数据的深度学习模型DeepLiverNet2.0，利用常规临床非对比腹部T1加权和T2加权MRI数据预测MRE衍生的肝脏硬度，无需额外MRE检查	模型性能虽合理但仍有提升空间，未整合临床特征，未来需进一步优化以减少对MRE的依赖	开发并验证深度学习模型，利用常规临床双参数MRI数据预测肝脏硬度，作为肝纤维化的替代标志物	成人和儿童慢性肝病患者，来自四个机构的MRI检查数据	数字病理学	慢性肝病	MRI, MRE	深度学习模型	图像	4295名患者的4695次MRI检查，包括成人和儿童	NA	DeepLiverNet2.0	AUROC	NA
1308	2025-12-21	Balancing Model Complexity and Clinical Deployability in Deep Learning for Sociodemographic Information Extraction 2025 Jan-Dec, Journal of primary care & community health DOI:10.1177/21501319251404193 PMID:41403044	研究论文	本研究系统评估了六种卷积神经网络架构，包括集成传统分类器的混合模型，用于从电子病历文本中提取多个人口统计学特征，旨在平衡模型复杂性与临床部署性	通过比较不同复杂度的CNN架构，发现简单单层CNN在数据不平衡和文档模式多样条件下表现更优，为临床NLP管道提供了高效可解释的模型选择框架	研究仅基于4375名患者数据，且混合模型对稀疏或多样性特征提取效果有限，未涉及其他深度学习架构如Transformer的对比	评估模型复杂性和词汇多样性对从EMR文本中提取人口统计学信息分类性能的影响，以支持临床决策和健康公平研究	来自96家初级保健诊所的4375名患者的电子病历文本数据	自然语言处理	NA	文本分类	CNN	文本	4375名患者	NA	单层CNN, 混合CNN模型	F1分数, 精确率, 召回率, 精确率-召回率曲线下面积, 马修斯相关系数	NA
1309	2025-12-21	Estimating weaning duration from incremental dentine δ15N and δ13C using a sequence-based LSTM neural network: A deep learning framework for bioarchaeological applications 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0337619 PMID:41406149	研究论文	本研究开发了一种基于序列的LSTM神经网络模型，利用牙本质增量δ15N和δ13C数据来估计断奶持续时间	首次引入专门用于从序列同位素数据估计断奶持续时间的机器学习框架，利用δ15N和δ13C的序列模式，并整合时间特征和牙齿类型编码	模型仅在279个个体的数据集上训练，且概念验证仅使用20个个体进行比较	开发一种用于生物考古学应用的深度学习框架，以估计过去人群的断奶持续时间	来自三个牙齿类型（M1, dM1, dM2）的序列同位素数据	机器学习	NA	同位素分析（δ15N和δ13C）	LSTM	序列数据	279个个体（训练数据），20个个体（概念验证）	NA	LSTM	RMSE, MAE, R2	NA
1310	2025-12-21	Automated Classification Radiograph of Periodontal Bone Loss Using Deep Learning 2025, Biomedical engineering and computational biology IF:2.3Q3 DOI:10.1177/11795972251405305 PMID:41409255	研究论文	本研究评估并比较了InceptionV3、InceptionV4和ResNet-50三种深度学习架构在牙科全景片（OPG）上对牙周骨丧失进行分类的性能	首次系统比较了InceptionV3、InceptionV4和ResNet-50在牙周骨丧失OPG图像分类任务中的表现，并确定了ResNet-50的优越性	数据集规模有限，未来可通过扩大数据集、探索更先进的数据增强和超参数调优来提升模型鲁棒性	评估和比较不同深度学习架构在牙周骨丧失OPG图像分类中的准确性和可靠性	牙科全景片（OPG）图像，用于表征不同等级的牙周骨丧失特征	计算机视觉	牙周病	牙科放射影像学（OPG）	CNN	图像	未明确说明具体样本数量，但提及使用了OPG图像数据集	MATLAB	InceptionV3, InceptionV4, ResNet-50	准确率, 精确率, 召回率, F1分数	配备GeForce RTX 4060 GPU的Dell计算机
1311	2025-12-21	Deep learning model based on DCE-MRI: fusion of 3D features of tumor, peritumoral vessels and metastatic lymph nodes for prediction of pathological complete response to neoadjuvant therapy in breast cancer 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1664631 PMID:41409238	研究论文	本研究开发了一种基于深度学习的放射组学模型，融合了肿瘤、瘤周血管和转移淋巴结的3D DCE-MRI特征，用于预测乳腺癌新辅助治疗的病理完全缓解	首次融合了肿瘤、瘤周血管和转移淋巴结的三维影像特征，并整合临床特征构建了临床联合深度学习放射组学模型，显著提升了预测性能	研究为回顾性设计，样本量相对较小（200例），且数据来自单一医疗中心，可能影响模型的泛化能力	预测乳腺癌患者接受新辅助治疗后的病理完全缓解	乳腺癌患者	数字病理学	乳腺癌	动态对比增强磁共振成像	深度学习	医学影像	200例乳腺癌病例（训练集100例，测试集100例）	NA	3D UNet	AUC, 准确率, 精确率, 召回率, F1分数	NA
1312	2025-12-21	Artificial Intelligence for Organelle Segmentation in Live-Cell Imaging 2025, Research (Washington, D.C.) DOI:10.34133/research.1035 PMID:41409345	综述	本文综述了活细胞成像中细胞器分割算法的最新进展，从传统阈值方法到深度学习技术	强调了标签高效策略、合成数据和物理引导建模，以减少对人工标注和大规模标注数据集的依赖	NA	推动定量细胞生物学，加速疾病研究并促进治疗发现	活细胞成像中的细胞器	计算机视觉	NA	活细胞成像	深度学习	图像	NA	NA	NA	NA	NA
1313	2025-12-21	Comparison of image quality in carotid dual-energy computed tomography angiography at 55 keV virtual monoenergetic imaging using deep learning and adaptive iterative reconstruction algorithm 2025, Journal of clinical imaging science IF:1.1Q3 DOI:10.25259/JCIS_109_2025 PMID:41409389	研究论文	本研究比较了在颈动脉双能CT血管成像中，使用深度学习图像重建算法与传统迭代重建算法在55 keV虚拟单能成像下的图像质量	首次在颈动脉双能CT血管成像的55 keV虚拟单能成像中，系统比较了深度学习图像重建算法（DLIR）与传统自适应统计迭代重建算法（ASIR-V）对图像质量的提升效果，并特别关注了在高体重指数患者中的表现	样本量较小（48例患者），且为单中心前瞻性研究，可能影响结果的普遍性	评估深度学习图像重建算法在颈动脉双能CT血管成像中提升图像质量的效果	接受颈动脉双能CT血管成像检查的患者	医学影像	心血管疾病	双能CT血管成像，虚拟单能成像	深度学习图像重建算法	CT图像	48例患者	NA	NA	背景噪声，信噪比，对比噪声比	NA
1314	2025-12-21	Non-destructive detection of microplastics stress in rice seedling: an interpretable deep learning approach using excitation emission matrix fluorescence spectra of root exudates 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1653451 PMID:41409486	研究论文	本研究提出了一种基于根分泌物激发发射矩阵荧光光谱与深度学习的非破坏性方法，用于早期检测水稻幼苗中的微塑料胁迫	首次结合激发发射矩阵荧光光谱与增强视觉Transformer模型，开发了一种非破坏性、可解释的微塑料胁迫早期检测框架	研究仅针对三种特定微塑料（PET、PS、PVC）和两种浓度（10 mg/L、100 mg/L），未涵盖更广泛的微塑料类型和环境浓度	开发一种非破坏性方法，用于早期检测水稻幼苗中的微塑料胁迫，以应对全球粮食安全威胁	暴露于聚乙烯对苯二甲酸酯、聚苯乙烯和聚氯乙烯微塑料的水稻幼苗	机器学习	NA	激发发射矩阵荧光光谱	Transformer	光谱数据	水稻幼苗在不同微塑料类型（PET、PS、PVC）和浓度（0、10、100 mg/L）下的培养样本	NA	增强视觉Transformer	分类准确率	NA
1315	2025-12-21	PRISM: Past-Regularized Iterative Self-Distillation With Momentum for Polyp Segmentation 2025 Jan-Dec, Healthcare technology letters IF:2.8Q3 DOI:10.1049/htl2.70050 PMID:41409574	研究论文	提出一种基于动量的自蒸馏方法PRISM，用于提升结肠息肉分割性能，无需增加推理成本	提出动量驱动的自蒸馏框架，通过指数移动平均构建时域平滑的教师模型，提供稳定且自适应的监督信号	未明确说明模型在极端形态或低对比度息肉上的表现，也未讨论跨模态数据的适用性	开发一种计算高效且泛化能力强的息肉分割方法	结肠镜检查图像中的息肉区域	计算机视觉	结直肠癌	医学图像分割	深度学习	医学图像	来自五个医疗中心的结肠镜数据集，并在独立未见数据集上验证	未明确说明	未明确说明	Dice系数, IoU	未明确说明
1316	2025-12-21	The role of bioinformatics algorithms in modern biopharmaceutical design: Progress, challenges, and future perspectives 2025, BioImpacts : BI IF:2.2Q3 DOI:10.34172/bi.33072 PMID:41409583	综述	本文综述了人工智能驱动的生物信息学算法在现代生物制药设计中的作用、进展、挑战及未来展望	强调了生成式与混合框架（如结合AI与物理信息神经网络PINNs）在蛋白质工程中的可解释性建模，并讨论了AlphaFold 3、OpenFold等最新进展	面临新型治疗模式数据有限、算法可解释性不足及计算可扩展性等挑战	探讨生物信息学算法在加速生物制药设计与开发中的应用与前景	生物制药设计中的蛋白质结构、功能、免疫原性预测及多组学整合	机器学习	NA	人工智能、机器学习、深度学习、多组学整合、图网络算法	物理信息神经网络	多组学数据、蛋白质结构数据	NA	NA	AlphaFold 3, OpenFold, NeuralPlexer	NA	NA
1317	2025-12-21	SEResUTer: a deep learning approach for accurate ECG signal delineation and atrial fibrillation detection 2023-12-15, Physiological measurement IF:2.3Q3 DOI:10.1088/1361-6579/ad02da PMID:37827168	研究论文	本研究提出了一种名为SEResUTer的深度学习模型，用于心电信号波形精确描绘和心房颤动检测	在U-Net架构基础上，结合ResNet模块和Transformer编码器替代传统卷积块，并提出新的掩码策略处理不完整的专家标注	NA	实现心电信号波形精确描绘和心房颤动自动检测	心电信号波形（P波、QRS波、T波）和心房颤动	数字病理	心血管疾病	心电信号分析	深度学习模型	心电信号数据	QT数据库（QTDB）、卢巴切夫斯基大学心电图数据库（LUDB）、中国生理信号挑战赛2021（CPSC2021）和2018（CPSC2018）数据集	NA	U-Net, ResNet, Transformer	F1分数, 灵敏度（SE）, 阳性预测率	NA
1318	2025-12-21	Photoplethysmography-based cuffless blood pressure estimation: an image encoding and fusion approach 2023-12-15, Physiological measurement IF:2.3Q3 DOI:10.1088/1361-6579/ad0426 PMID:38099538	研究论文	本文提出了一种基于图像编码与融合（BP-IEF）的无袖带血压估计方法，通过将光电容积脉搏波（PPG）转换为二维图像编码，利用深度学习模型进行血压预测	首次从二维图像角度对PPG信号进行编码，并设计了一个端到端的图像编码与融合框架，突破了传统一维PPG方法的局限	方法仅在UCI数据库上进行了评估，未在更广泛或临床环境中验证，且未详细讨论模型对不同人群的泛化能力	开发一种基于PPG的无袖带血压估计方法，以提升移动医疗中的血压监测技术	光电容积脉搏波（PPG）信号	机器学习	心血管疾病	光电容积脉搏波（PPG）技术	CNN, 全连接网络	图像编码（由PPG信号转换而来）	UCI数据库中的样本（具体数量未在摘要中说明）	NA	混合架构（编码器部分基于三种知名神经网络，解码器包含卷积层和全连接层）	均方根误差, 平均绝对误差	NA
1319	2025-12-21	Physiological sensor data cleaning with autoencoders 2023-12-15, Physiological measurement IF:2.3Q3 DOI:10.1088/1361-6579/ad10c7 PMID:38029439	研究论文	提出一种基于深度学习的生理传感器数据清洗框架，利用扩张卷积和自编码器提升信号质量	首次将扩张卷积与自编码器结合用于生理信号清洗，通过半监督学习利用大量未标注数据，并增强模型可解释性	模型调优仍有改进空间，未具体说明数据采集设备和环境条件	开发高精度生理传感器数据清洗方法，支持远程患者监测和临床试验决策	光电容积脉搏波等生理传感器信号	机器学习	NA	传感器信号采集	自编码器, CNN	时序信号数据	NA	NA	扩张卷积网络	准确率, 假阳性率, 假阴性率	NA
1320	2025-12-21	Deep learning based uncertainty prediction of deformable image registration for contour propagation and dose accumulation in online adaptive radiotherapy 2023-12-13, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad0282 PMID:37820691	研究论文	本文开发了基于深度学习的可变形图像配准不确定性预测方法，以促进其在在线自适应放疗中的临床应用	首次提出深度学习方法来预测可变形图像配准过程的不确定性，并能够将不确定性传播到临床可用的指标中	方法在肺癌患者数据上进行了验证，但未在其他癌症类型或更大样本量中进行广泛测试	开发可变形图像配准的不确定性预测方法，以支持在线自适应放疗中的轮廓传播和剂量累积	肺癌患者的医学图像数据，包括可变形向量场和手动标注的解剖标志点	数字病理	肺癌	可变形图像配准	神经网络	医学图像	5名肺癌患者的数据，以及DIRLAB数据集中的手动标注标志点	NA	监督和无监督神经网络	轮廓不确定性小于3%，剂量体积直方图	NA