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
1341	2025-10-05	3D MR Neurography of Craniocervical Nerves: Comparing Double-Echo Steady-State and Postcontrast STIR with Deep Learning-Based Reconstruction at 1.5T 2025-Sep-02, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8750 PMID:40139904	研究论文	本研究比较了1.5T磁共振下双回波稳态序列和对比增强STIR序列结合深度学习重建在颅颈神经3D神经成像中的表现	首次在头颈部区域系统比较DESS和对比增强STIR序列在深度学习重建3D神经成像中的应用效果	样本量较小（仅18例患者），为回顾性研究设计	评估不同磁共振序列结合深度学习重建在颅颈神经可视化中的效果差异	颅颈区域的下牙槽神经、舌神经、面神经、舌下神经、枕大神经、枕小神经和耳大神经	医学影像分析	头颈部疾病	3D磁共振神经成像，深度学习重建	深度学习	磁共振图像	18例患者（平均年龄51±14岁，11名女性）	NA	原型深度学习算法	视觉评分，表观信噪比，对比噪声比	1.5T磁共振设备
1342	2025-10-05	Delineation of the Centromedian Nucleus for Epilepsy Neuromodulation Using Deep Learning Reconstruction of White Matter-Nulled Imaging 2025-Sep-02, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8766 PMID:40813213	研究论文	本研究利用深度学习重建的白质抑制成像技术描绘丘脑中央中核，以改善癫痫神经调控治疗中的靶向定位	首次将深度学习重建技术与FGATIR序列结合，实现丘脑中央中核的可视化描绘，并与组织学图谱进行定量比较	样本量较小（12例患者），为回顾性研究设计	评估DLR-FGATIR技术对丘脑中央中核的可视化效果及其与图谱定义边界的一致性	12例药物抵抗性癫痫患者接受丘脑神经调控治疗	医学影像分析	癫痫	深度学习重建，快速灰质采集T1反转恢复序列，磁共振成像	深度学习	医学影像数据（MRI，CT）	12例药物抵抗性癫痫患者	NA	NA	Sorensen-Dice系数，体积比，对比噪声比	NA
1343	2025-10-05	Automated Midline Shift Detection in Head CT Using Localization and Symmetry Techniques Based on User-Selected Slice 2025-Sep-02, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8767 PMID:40835418	研究论文	开发基于深度学习的自动化中线移位检测系统，用于头部CT扫描分析	提出一种结合定位和对称性技术的完整严重程度范围检测方法，能够处理从轻度到重度的中线移位病例，特别是在严重病例中 septum pellucidum 不可用作参考点时仍能有效工作	研究基于单机构数据，样本量相对有限（981例CT扫描），且仅使用手动选择的单个切片进行分析	实现头部CT扫描中中线移位的快速准确检测	头部CT扫描中的中线移位病理	计算机视觉	脑部疾病	CT扫描	CNN	医学图像	981例患者CT扫描，其中400例用于标注，581例用于测试	YOLO	YOLO物体检测系统	AUC, 敏感度, 特异度	NA
1344	2025-10-05	Learning-based multi-material CBCT image reconstruction with ultra-slow kV switching 2025-Sep, Journal of X-ray science and technology IF:1.7Q3 DOI:10.1177/08953996251331790 PMID:40350700	研究论文	本研究开发了一种名为SkV-Net的深度学习网络，用于基于超慢kV切换技术的能谱锥束CT多材料分解成像	提出结合U-Net主干结构和多头轴向注意力模块的SkV-Net网络，能够从超稀疏能谱投影数据中重建四种不同材料的密度图像	NA	开发能谱锥束CT的多材料分解方法	脂肪、肌肉、骨骼和碘四种生物材料	医学影像	NA	能谱锥束CT、超慢kV切换技术	深度学习	CT图像	NA	NA	U-Net, 多头轴向注意力模块	分解误差	NA
1345	2025-10-05	MHASegNet: A multi-scale hybrid aggregation network of segmenting coronary artery from CCTA images 2025-Sep, Journal of X-ray science and technology IF:1.7Q3 DOI:10.1177/08953996251346484 PMID:40485350	研究论文	提出一种用于冠状动脉CTA图像分割的多尺度混合注意力网络MHASegNet及定制优化方法	采用多尺度混合注意力机制捕获全局和局部特征，集成3D上下文锚点注意力模块聚焦关键结构，结合基于区域生长的迭代优化方法	需要进一步验证以确认在CAD诊断和量化中的有效性	改进冠状动脉CTA图像中的冠状动脉分割精度	冠状动脉CTA图像中的冠状动脉结构	计算机视觉	心血管疾病	冠状动脉计算机断层扫描血管成像(CCTA)	CNN	医学图像	90例内部数据集和1060例两个公共数据集	NA	MHASegNet	Dice相似系数(DSC)	NA
1346	2025-10-05	Multi-domain information fusion diffusion model (MDIF-DM) for limited-angle computed tomography 2025-Sep, Journal of X-ray science and technology IF:1.7Q3 DOI:10.1177/08953996251339368 PMID:40534498	研究论文	提出一种融合多领域信息的扩散模型用于有限角度CT重建，通过傅里叶域重加权和小波域增强提升重建图像质量	首次将傅里叶域重加权与小波域增强相结合，通过多领域信息融合改进有限角度CT重建	NA	提升有限角度CT重建图像的对比度，增强重建方法的鲁棒性	有限角度计算机断层扫描重建图像	计算机视觉	NA	计算机断层扫描	扩散模型	医学图像	NA	NA	MDIF-DM	NA	NA
1347	2025-10-05	A multi-stage training and deep supervision based segmentation approach for 3D abdominal multi-organ segmentation 2025-Sep, Journal of X-ray science and technology IF:1.7Q3 DOI:10.1177/08953996251355806 PMID:40671620	研究论文	提出一种基于多阶段训练和深度监督的3D腹部多器官分割方法	集成多阶段训练策略、伪标签技术和带注意力机制的深度监督模型(DLAU-Net)，专门针对3D腹部多器官分割设计	NA	解决3D CT图像腹部多器官分割中器官分布复杂、标注数据稀缺和器官结构多样性等挑战	腹部器官（肝脏、脾脏、肾脏等）	计算机视觉	腹部疾病	CT成像	深度学习	3D CT图像	FLARE 2023挑战赛提供的大规模数据集	NA	DLAU-Net	平均器官准确率,Dice相似系数	NA
1348	2025-10-05	Magnetic Resonance Imaging-Based 3-Dimensional Models of the Pelvis and Hip Using Machine Learning for Automatic Bone Segmentation in a Dynamic Hip Impingement Simulation 2025-Sep, Orthopaedic journal of sports medicine IF:2.4Q2 DOI:10.1177/23259671251334138 PMID:40980558	研究论文	本研究使用机器学习方法自动分割基于MRI的骨盆和髋部3D骨骼模型，用于动态髋部撞击模拟	首次将卷积神经网络应用于基于MRI的3D骨骼模型自动分割，并在动态髋部撞击模拟中验证其准确性	研究样本量相对有限（98个髋部），且仅针对特定年龄段的FAI患者	比较手动与自动分割在MRI-based 3D骨骼模型中的差异，验证自动分割在髋部撞击模拟中的可行性	FAI患者（30例，60个髋部）和无症状参与者（19例，38个髋部）	医学影像分析	髋部撞击综合征	MRI，3D T1-weighted VIBE Dixon序列	CNN	医学影像	98个髋部（60个FAI患者髋部，38个无症状髋部）	NA	卷积神经网络	Dice相似系数，平均差异测量	NA
1349	2025-10-05	Computational Prediction of Single-Domain Immunoglobulin Aggregation Propensities Facilitates Discovery and Humanization of Recombinant Nanobodies 2025-Aug-28, Antibodies (Basel, Switzerland) DOI:10.3390/antib14030073 PMID:40981272	研究论文	开发基于深度学习的计算方法预测单域免疫球蛋白聚集倾向，用于筛选稳定的重组纳米抗体	首次结合深度学习结构预测与框架区2特性分析来预测VHH抗体聚集倾向，并建立可访问的软件流程设计理想溶解性纳米抗体	研究样本量有限（106种纳米抗体变体），需要进一步验证方法的普适性	开发计算预测方法解决重组纳米抗体合成过程中的蛋白质聚集问题	重链抗体可变域（VHH）和重组纳米抗体	机器学习	NA	深度学习结构预测、重组表达、尺寸排阻色谱	深度学习	蛋白质结构数据、生物化学特性数据	106种纳米抗体变体	NA	NA	聚集评分与实际聚集倾向的相关性	NA
1350	2025-10-05	World's First Real-Time Artificial Intelligence-Assisted Mechanical Thrombectomy for Acute Ischemic Stroke 2025-Aug-01, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8704 PMID:39961616	研究论文	本研究报道了首例实时人工智能辅助的急性缺血性脑卒中机械取栓术的初步经验	首次在急诊机械取栓手术中应用实时深度学习AI系统进行辅助操作	样本量较小（16例患者），需要更大规模研究验证对手术流程和临床结果的影响	评估实时AI系统在急性缺血性脑卒中机械取栓术中的有效性和安全性	16例连续收治的急性缺血性脑卒中患者	医疗人工智能	急性缺血性脑卒中	深度学习	深度学习模型	荧光透视图像视频	16例患者	NA	NA	精确率, 召回率	NA
1351	2025-10-05	Machine Learning Approach to Predict Emergency Cesarean Sections Among Nulliparous Women 2025-Aug, Cureus DOI:10.7759/cureus.90501 PMID:40978894	研究论文	本研究使用机器学习方法预测初产妇急诊剖宫产的风险因素	首次在伊朗产科中心应用七种机器学习模型预测初产妇急诊剖宫产，并比较各模型性能	回顾性研究设计，未包含产时临床特征，需要前瞻性研究验证	识别初产妇急诊剖宫产的预测因素	伊朗某三级产科中心的初产妇，单胎头位妊娠≥37周	机器学习	产科疾病	机器学习	线性回归,逻辑回归,决策树,随机森林,XGBoost,KNN,深度学习	临床数据	2668例分娩（1916例阴道分娩，752例剖宫产）	NA	NA	AUC,准确率,精确率,召回率,F1分数	NA
1352	2025-10-05	The Prognostic Performance of Artificial Intelligence and Machine Learning Models for Mortality Prediction in Intensive Care Units: A Systematic Review 2025-Aug, Cureus DOI:10.7759/cureus.90465 PMID:40978923	系统综述	系统评估人工智能和机器学习模型在ICU死亡率预测中的表现	首次系统比较多种AI/ML模型与传统临床评分系统在ICU死亡率预测中的性能差异	研究多为回顾性分析，数据集有限，缺乏前瞻性验证	评估AI和ML模型在ICU住院死亡率预测中的应用效果	ICU住院患者	机器学习	危重症	机器学习算法	XGBoost,随机森林,逻辑回归,循环神经网络	临床数据	基于15项研究的数据，主要来自MIMIC和eICU-CRD数据库	NA	XGBoost,随机森林,逻辑回归,RNN	判别性能,预测准确率	NA
1353	2025-10-05	Predicting cardiotoxicity in drug development: A deep learning approach 2025-Aug, Journal of pharmaceutical analysis IF:6.1Q1 DOI:10.1016/j.jpha.2025.101263 PMID:40979544	研究论文	本研究采用机器学习和深度学习方法预测化合物的心脏毒性，旨在提高药物开发过程中的安全评估效率	结合多种分子指纹和描述符，使用Transformer等深度学习模型实现心脏毒性预测，并通过SHAP方法提供模型可解释性	NA	开发准确高效的心脏毒性预测模型以替代传统耗时昂贵的实验方法	化合物分子及其心脏毒性	机器学习	心血管疾病	分子指纹和分子描述符计算	NB, RF, SVM, KNN, XGBoost, Transformer	分子结构数据	NA	NA	Transformer	准确率, AUC	NA
1354	2025-10-05	HyPepTox-Fuse: An interpretable hybrid framework for accurate peptide toxicity prediction fusing protein language model-based embeddings with conventional descriptors 2025-Aug, Journal of pharmaceutical analysis IF:6.1Q1 DOI:10.1016/j.jpha.2025.101410 PMID:40979547	研究论文	提出一种融合蛋白质语言模型嵌入与传统描述符的混合框架HyPepTox-Fuse，用于准确预测肽毒性	首次融合蛋白质语言模型嵌入与传统描述符，采用跨模态多头注意力机制和Transformer架构实现更丰富的肽表征	NA	开发准确预测肽毒性的计算工具以促进基于肽的疗法设计	肽类分子	机器学习	NA	蛋白质语言模型，机器学习，深度学习	Transformer，集成学习	肽序列数据，分子描述符	NA	NA	Transformer，多头注意力机制	交叉验证，独立评估	NA
1355	2025-10-05	Transformer-based Deep Learning for Glycan Structure Inference from Tandem Mass Spectrometry 2025-Jul-05, bioRxiv : the preprint server for biology DOI:10.1101/2025.07.02.662857 PMID:40631101	研究论文	提出两种基于Transformer的深度学习模型GlycoBERT和GlycoBART，用于从串联质谱数据推断聚糖结构	首次将Transformer架构应用于聚糖结构预测，GlycoBART作为生成式模型能够发现训练数据中不存在的新型聚糖结构	GlycoBERT作为分类方法仅限于预测训练数据中存在的结构	开发能够从串联质谱数据准确推断聚糖结构的计算方法	聚糖分子结构	机器学习	NA	串联质谱(MS/MS)	Transformer	质谱数据	NA	NA	Transformer, BART	结构准确率	NA
1356	2025-10-05	Deep Learning MRI Models for the Differential Diagnosis of Tumefactive Demyelination versus IDH Wild-Type Glioblastoma 2025-Jul-01, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8645 PMID:39788628	研究论文	本研究开发了基于深度学习的MRI模型，用于鉴别诊断肿瘤样脱髓鞘病变与IDH野生型胶质母细胞瘤	首次将3D DenseNet121架构应用于T1增强和T2加权MRI图像，实现肿瘤样脱髓鞘与IDH野生型胶质母细胞瘤的自动鉴别诊断	模型需要进一步验证在不同机构、患者群体和技术设备间的泛化能力，且未包含其他肿瘤病因如CNS淋巴瘤和脑转移瘤	开发非侵入性方法准确诊断脑部病变的肿瘤与非肿瘤病因	肿瘤样脱髓鞘病变患者(144例)和IDH野生型胶质母细胞瘤患者(455例)	医学影像分析	脑部疾病	MRI成像	深度学习	医学影像	599例患者(144例肿瘤样脱髓鞘，455例IDH野生型胶质母细胞瘤)	NA	3D DenseNet121	AUROC, 敏感性, 特异性	NA
1357	2025-10-05	Application of Deep Learning Accelerated Image Reconstruction in T2-Weighted Turbo Spin-Echo Imaging of the Brain at 7T 2025-Jul-01, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8662 PMID:39832954	研究论文	本研究评估了基于深度学习的图像重建技术在7T脑部T2加权涡轮自旋回波成像中的应用效果	首次在7T超高场MRI中应用基于深度学习的图像重建技术，显著提升图像质量	样本量较小（仅30例患者），需进一步扩大验证	解决7T MRI成像时间长和运动敏感性问题	30例连续临床7T脑部MRI患者	医学影像分析	神经系统疾病	T2加权涡轮自旋回波成像，7T MRI	深度神经网络	k空间原始数据，MRI图像	30例患者	NA	深度神经网络	对比噪声比，图像噪声，图像质量，伪影，锐度，结构清晰度	NA
1358	2025-10-05	Improving the Robustness of Deep Learning Models in Predicting Hematoma Expansion from Admission Head CT 2025-Jul-01, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8650 PMID:39794133	研究论文	本研究探讨了通过对抗训练和输入修改提高深度学习模型在预测急性脑出血患者血肿扩张方面的鲁棒性	首次在血肿扩张预测任务中系统评估对抗训练和Otsu多阈值分割输入对深度学习模型鲁棒性的提升效果	研究仅针对特定类型的对抗攻击(FGSM和PGD)，对其他攻击类型的鲁棒性未经验证	提高深度学习模型在临床实践中对输入数据扰动的鲁棒性	急性脑出血患者的入院头部CT扫描	医学影像分析	脑出血	CT扫描，Otsu多阈值分割	深度学习模型	医学影像	训练/交叉验证队列890名患者，独立验证队列684名患者	NA	NA	AUC	NA
1359	2025-10-05	Advancing offline magnetic resonance-guided prostate radiotherapy through dedicated imaging and deep learning-based automatic contouring of targets and neurovascular structures 2025-Jul, Physics and imaging in radiation oncology DOI:10.1016/j.phro.2025.100825 PMID:40980260	研究论文	本研究结合高分辨率MRI和深度学习技术，开发了用于前列腺癌放疗规划的自动轮廓勾画系统	首次将高分辨率3D T2加权SPACE MRI序列与3D nnU-net模型结合，实现前列腺癌放疗相关结构和神经血管结构的自动精确勾画	样本量相对较小（50例患者），且阴部动脉的自动勾画与专家评估存在显著差异	开发基于深度学习的自动轮廓勾画方法，提高前列腺癌放疗中神经血管结构保护的精确性和可及性	前列腺癌患者放疗相关的目标结构和神经血管结构	数字病理	前列腺癌	磁共振成像，3D T2加权SPACE序列	CNN	3D医学图像	50例患者（40例训练，10例测试）	nnU-net	3D nnU-net	表面Dice分数，平均表面距离	NA
1360	2025-10-05	Deep learning and inflammatory markers predict early response to immunotherapy in unresectable NSCLC: A multicenter study 2025-Jun-10, Biomolecules & biomedicine DOI:10.17305/bb.2025.12324 PMID:40525631	研究论文	本研究开发了基于CT的深度学习模型结合系统性免疫炎症营养指数，用于早期预测不可切除非小细胞肺癌患者对免疫检查点抑制剂的治疗反应	首次将深度学习放射组学特征与系统性免疫炎症营养指数相结合构建联合预测模型，并通过多中心研究验证其预测性能	回顾性研究设计，样本量相对有限，需要进一步扩大验证	开发非侵入性生物标志物以早期预测不可切除非小细胞肺癌患者对免疫治疗的疗效	265例接受免疫检查点抑制剂治疗的不可切除非小细胞肺癌患者	数字病理	肺癌	CT成像，实验室检测	深度学习	医学影像，临床数据	265例患者，分为训练集(70%)、内部验证集(30%)和外部验证集	NA	DenseNet121	AUC	NA