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
121	2025-06-06	Data Augmentation for Medical Image Classification Based on Gaussian Laplacian Pyramid Blending With a Similarity Measure 2025-Jun, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3307216 PMID:37603476	研究论文	本文提出了一种基于高斯拉普拉斯金字塔混合与相似性度量的医学图像分类数据增强方案，旨在解决医学数据集中标记数据稀缺和数据不平衡的问题	结合高斯拉普拉斯金字塔和金字塔混合的概念，引入基于相似性度量的图像混合方法，以保持图像结构特性并捕捉同类患者图像的变异性	NA	解决医学图像分类中标记数据稀缺和数据不平衡的问题，提高乳腺癌诊断的准确性和可靠性	乳腺癌组织病理学图像	数字病理学	乳腺癌	高斯拉普拉斯金字塔混合与相似性度量	预训练模型的串联使用	图像	三个不同的医学数据集
122	2025-06-06	Multi-Gate Mixture of Multi-View Graph Contrastive Learning on Electronic Health Record 2025-Jun, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3325221 PMID:37851554	research paper	提出了一种多门混合多视图图对比学习方法（MMMGCL），用于电子健康记录（EHR）的表示学习，以提高下游任务的性能	采用多任务预测和自对比学习，结合层次全连接模式和预训练节点特征，优化EHR表示	需要手动构建图结构，过程复杂且耗时	改进电子健康记录的表示学习，提升患者相关预测任务的性能	电子健康记录（EHR）中的医疗事件	machine learning	NA	GNN, Glove方法	MMMGCL	graph	两个大型开源医疗数据集（MIMIC-III和eICU）
123	2025-06-06	Extracerebral Normalization of 18F-FDG PET Imaging Combined with Behavioral CRS-R Scores Predict Recovery from Disorders of Consciousness 2025-Jun, Neurocritical care IF:3.1Q2 DOI:10.1007/s12028-024-02142-8 PMID:39532777	研究论文	本研究开发了一种基于18F-FDG PET和行为CRS-R评分的预后模型，用于预测长期意识障碍患者的1年恢复情况	结合18F-FDG PET的脑外组织标准化和行为CRS-R评分，开发了多模态预后模型，提高了预测意识恢复的准确性	样本量较小（87例患者），且测试集结果显示差异无统计学意义（P=0.73）	开发预测长期意识障碍患者恢复情况的预后模型	87例新诊断为长期意识障碍的患者	数字病理	神经系统疾病	18F-FDG PET/CT扫描	DenseNet121	图像和表格数据	87例意识障碍患者（52例恢复意识，35例未恢复）
124	2025-06-06	Comparison of Sarcopenia Assessment in Liver Transplant Recipients by Computed Tomography Freehand Region-of-Interest versus an Automated Deep Learning System 2025-Jun, Clinical transplantation IF:1.9Q3 DOI:10.1111/ctr.70201 PMID:40465826	research paper	比较自由手绘感兴趣区域与自动化深度学习系统在肝移植受者肌肉减少症评估中的效果	首次直接比较自由手绘ROI与自动化深度学习系统在肌肉减少症评估中的表现，并关联住院时间结果	样本量较小（50人），且来自单一中心，可能限制结果的普遍性	评估两种肌肉减少症测量方法（自由手绘ROI与深度学习系统）在预测肝移植临床结果中的效能差异	肝移植受者的腹部CT扫描图像	digital pathology	liver disease	computed tomography (CT), deep learning	deep learning system	CT images	50名肝移植受者
125	2025-06-06	Quantifying Healthcare Provider Perceptions of a Novel Deep Learning Algorithm to Predict Sepsis: Electronic Survey 2025-Jun-01, Critical care explorations DOI:10.1097/CCE.0000000000001276 PMID:40466050	research paper	该研究通过电子调查评估了医疗工作者对一种深度学习败血症预测模型的接受度和感知	研究聚焦于医疗提供者对临床预测模型的接受度和反馈，填补了算法开发与临床使用之间的空白	样本量较小（114份回应），且仅来自两个急诊部门，可能限制结果的普遍性	评估医疗工作者对深度学习败血症预测模型的感知和接受度	急诊部门的医疗工作者（医生、注册护士、执业护士/医师助理）	digital pathology	sepsis	deep learning	COMPOSER (deep learning algorithm)	survey responses	114 responses (76 MD/DO, 34 RN, 4 NP/PA)
126	2025-06-06	Performance of AI methods in PET-based imaging for outcome prediction in lymphoma: A systematic review and meta-analysis 2025-Jun-01, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.112204 PMID:40466216	meta-analysis	本文通过系统综述和荟萃分析评估了人工智能方法在基于PET成像的淋巴瘤预后预测中的性能	首次系统评估了AI方法在淋巴瘤预后预测中的表现，并比较了不同AI方法的性能	研究主要基于回顾性数据，需要进一步前瞻性研究验证	评估AI方法在基于PET成像的淋巴瘤预后预测中的性能	淋巴瘤患者	digital pathology	lymphoma	PET-based imaging	deep learning, machine learning, radiomics	medical imaging	75项研究（主要关注非霍奇金淋巴瘤，n=61）
127	2025-06-06	Radiomics of PET Using Neural Networks for Prediction of Alzheimer's Disease Diagnosis 2025-Jun, Statistics in medicine IF:1.8Q1 DOI:10.1002/sim.70128 PMID:40468810	研究论文	本文提出使用图神经网络(GNN)和变压器编码器(TE)的深度学习方法，利用纵向PET图像和认知评分预测阿尔茨海默病(AD)的诊断及从认知未受损或轻度认知障碍到AD的转化	首次将GNN和TE应用于纵向PET图像序列分析，提高了AD诊断预测的准确性	未能充分考虑访视间时间变异性的影响	提高阿尔茨海默病的早期诊断准确性	阿尔茨海默病患者及认知未受损/轻度认知障碍人群	数字病理学	阿尔茨海默病	PET成像技术	GNN, TE, FFN, RNN	医学图像(PET)	ADNI研究收集的数据集
128	2025-06-06	Comparing efficiency of an attention-based deep learning network with contemporary radiological workflow for pulmonary embolism detection on CTPA: A retrospective study 2025-Jun, European journal of radiology open IF:1.8Q3 DOI:10.1016/j.ejro.2025.100657 PMID:40469717	研究论文	本研究比较了基于注意力的深度学习网络与当代放射学工作流程在CTPA上检测肺栓塞的效率	提出了一种基于AI的肺栓塞分诊模型（AID-PE），旨在提高诊断准确性、效率和速度	研究为回顾性研究，可能受到数据选择和样本量的限制	提高肺栓塞的诊断效率和准确性	肺栓塞（PE）患者	计算机视觉	心血管疾病	CTPA	基于注意力的深度学习网络（AID-PE）	图像	训练集7279例，测试集106例，效率评估数据集200例
129	2025-06-06	Mexican dataset of digital mammograms (MEXBreast) with suspicious clusters of microcalcifications 2025-Jun, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2025.111587 PMID:40470344	research paper	介绍了一个名为MEXBreast的墨西哥数字乳腺X光片数据集，包含可疑的微钙化簇（MCCs）标注	提供了分辨率一致的墨西哥本土乳腺X光片数据集，支持深度学习CNN的训练、验证和测试	数据集可能受限于样本来源的多样性和数量	支持乳腺癌早期检测的计算机辅助工具开发	乳腺X光片中的微钙化簇（MCCs）	digital pathology	breast cancer	mammography	CNN	image	NA
130	2025-06-06	Updating high-resolution image dataset for the automatic classification of phenological stage and identification of racemes in Urochloa spp. hybrids with expanded images and annotations 2025-Jun, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2025.111593 PMID:40470345	research paper	该研究更新了一个高分辨率RGB图像数据集，用于自动分类Urochloa spp.杂交种的物候阶段和识别花序	数据集增加了139张新图像和24,983个新标注，引入了更多样化的图像采集条件和设备，提高了花序密度和重叠度	NA	支持高通量表型分析(HTP)和作物表型研究	Urochloa spp.杂交种	computer vision	NA	High-Throughput Phenotyping (HTP)	Deep Learning (DL)	image	2539张图像，涵盖200种基因型
131	2025-06-06	IBERBIRDS: A dataset of flying bird species present in the Iberian Peninsula 2025-Jun, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2025.111610 PMID:40470349	研究论文	本文介绍了IBERBIRDS数据集，一个专门为伊比利亚半岛飞行鸟类自动检测和分类设计的公开数据集	该数据集专注于中远距离飞行鸟类的照片，提供了更真实和具有挑战性的场景，不同于现有数据集通常包含特写或理想条件下的图像	数据集仅包含10种鸟类，样本量相对较小，且仅限于伊比利亚半岛的鸟类	解决鸟类物种识别中高质量标注数据集稀缺的问题，促进自动检测和分类技术的发展	伊比利亚半岛的10种生态意义重大的中大型飞行鸟类	计算机视觉	NA	YOLO检测格式的边界框标注	NA	图像	4000张图像，代表10种鸟类
132	2025-06-06	Network Occlusion Sensitivity Analysis Identifies Regional Contributions to Brain Age Prediction 2025-Jun-01, Human brain mapping IF:3.5Q1 DOI:10.1002/hbm.70239 PMID:40470724	研究论文	该研究通过结合网络遮挡敏感性分析和精细人脑图谱，揭示了卷积神经网络在脑龄预测中不同脑区的贡献	开发了一种可解释的方案，结合网络遮挡敏感性分析和精细人脑图谱，揭示了模型学习的不变性，并识别了不同脑区在脑龄预测中的贡献	研究依赖于特定的数据集和模型架构，可能无法推广到其他数据集或模型	提高脑龄预测模型的可解释性，识别不同脑区对预测的贡献	人脑不同区域在脑龄预测中的贡献	计算机视觉	老年疾病	卷积神经网络（CNN）	CNN	图像	训练集3054人，测试集555人，年龄范围8-80岁
133	2025-06-06	Underwater 3D measurement based on improved YOLOv8n and laser scanning imaging device 2025-Jun-01, The Review of scientific instruments DOI:10.1063/5.0256098 PMID:40471019	研究论文	本文提出了一种名为YOLOv8-FWR的深度学习算法，结合激光扫描成像设备，有效提高了水下激光成像的效率和质量	引入了Focal_SPPF池化模块以减少背景噪声影响，提出了加权特征Concat模块以增强边缘小目标光条的检测，并通过结构重参数化技术优化了C2f模块，降低了模型参数数量同时提高了准确性	NA	提高水下激光成像的目标检测效率和准确性	水下激光扫描成像中的目标光条	计算机视觉	NA	激光扫描成像	YOLOv8-FWR	图像	通过模拟水下激光扫描成像过程构建的包含大量背景噪声的数据集，并在VOC2012和Underwater Detection Dataset (UDD)上进行了验证
134	2025-06-06	A Study on Predicting the Efficacy of Posterior Lumbar Interbody Fusion Surgery Using a Deep Learning Radiomics Model 2025-May-30, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.05.026 PMID:40450398	research paper	本研究开发了一个结合临床数据、放射组学和深度学习的模型，用于预测后路腰椎间融合手术(PLIF)的疗效	提出了一个结合临床特征、放射组学特征和深度学习特征的联合模型，该模型在预测PLIF手术效果方面表现出最佳性能	研究为回顾性分析，可能存在选择偏倚；样本量相对有限	预测后路腰椎间融合手术(PLIF)的术后疗效	461例因退行性腰椎疾病接受PLIF手术的患者	digital pathology	degenerative lumbar diseases	deep learning radiomics	logistic regression, random forest, deep learning model	MRI图像(矢状位T2加权图像)	461例患者(训练集368例，测试集93例)
135	2025-06-06	Integrative strategies in drug discovery: Harnessing genomics, deep learning, and computer-aided drug design 2025-May-30, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2025.108530 PMID:40466334	综述	本文探讨了基因组学、深度学习和计算机辅助药物设计在药物发现中的整合策略及其对现代药物研发的变革性影响	整合高通量测序技术、深度学习算法和计算机辅助药物设计，提高药物靶点预测准确性并加速候选药物识别	未具体说明所采用深度学习模型在特定疾病领域的性能局限	促进多组学数据与人工智能技术在药物研发中的协同应用	基因组数据、药物-靶点相互作用关系	计算机辅助药物设计	NA	高通量测序技术（基因组学/转录组学/蛋白质组学/代谢组学）	深度学习	基因组数据	NA
136	2025-06-06	Near-zero photon bioimaging by fusing deep learning and ultralow-light microscopy 2025-May-27, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2412261122 PMID:40388622	研究论文	本文介绍了一种结合深度学习和超低光显微镜的近零光子生物成像方法，能够在极低光照条件下高保真地重建生物图像	提出了一种在kHz速率和比标准显微镜低10,000倍辐照度下操作的近零光子生物成像方法，结合了精心设计的显微镜和AI技术	NA	通过减少样本辐照度来增强光学显微镜的可靠性和可重复性	多细胞和亚细胞特征的结构	生物成像	NA	超低光显微镜和深度学习	AI（未指定具体模型）	图像	NA
137	2025-06-06	Federated prediction for scalable and privacy-preserved knowledge-based planning in radiotherapy 2025-May-20, ArXiv PMID:40470470	research paper	该研究开发了一个名为FedKBP+的联邦学习平台，旨在解决放射治疗计划中数据稀缺和异构性问题，同时保护患者数据隐私	提出了FedKBP+平台，支持集中式和完全去中心化的联邦学习策略，并通过Peer-to-Peer通信直接交换模型权重	未提及具体的临床实施障碍或平台在更大规模数据集上的性能表现	开发一个高效、一致且隐私保护的放射治疗计划预测平台	放射治疗计划中的预测任务	machine learning	NA	federated learning, Google Remote Procedure Call (gRPC)	scale-attention network (SA-Net)	NA	NA
138	2025-06-06	A Full-Spectrum Generative Lead Discovery (FSGLD) Pipeline via DRUG-GAN: A Multiscale Method for Drug-like/Target-specific Compound Library Generation 2025-May-12, Research square DOI:10.21203/rs.3.rs-6516504/v1 PMID:40470212	research paper	介绍了一种名为FSGLD的深度学习驱动流程，用于高效识别药物先导化合物	FSGLD结合了生成模型与分子对接、分子动力学模拟等多种技术，显著优于传统的计算机辅助药物设计方法	未明确提及具体局限性	开发一种高效识别药物先导化合物的方法	药物先导化合物，特别是针对CB2受体的化合物	machine learning	NA	分子对接、分子动力学模拟、MM-PBSA、热力学积分(TI)	GAN	分子数据	未明确提及样本数量
139	2025-06-06	Automatic Quantification of Serial PET/CT Images for Pediatric Hodgkin Lymphoma Using a Longitudinally Aware Segmentation Network 2025-May, Radiology. Artificial intelligence DOI:10.1148/ryai.240229 PMID:39969278	research paper	开发了一种纵向感知分割网络（LAS-Net），用于量化儿童霍奇金淋巴瘤患者的连续PET/CT图像	LAS-Net引入了纵向交叉注意力机制，使得PET1的相关特征可以用于PET2的分析	外部测试队列的性能略有下降	开发一种能够量化儿童霍奇金淋巴瘤患者连续PET/CT图像的自动分割网络	儿童霍奇金淋巴瘤患者的连续PET/CT图像	digital pathology	Hodgkin lymphoma	PET/CT	CNN	image	297名儿童患者（内部数据集200名，外部测试数据集97名）
140	2025-06-06	Automatic Segmentation and Molecular Subtype Classification of Breast Cancer Using an MRI-based Deep Learning Framework 2025-May, Radiology. Imaging cancer DOI:10.1148/rycan.240184 PMID:40249269	research paper	开发了一个基于MRI的深度学习框架，用于乳腺癌病灶分割和分子亚型自动分类	提出了一个结合3D ResU-Net和Ensemble ResNet的深度学习框架，实现了乳腺癌病灶的高精度分割和分子亚型的自动分类	研究为回顾性多中心研究，可能存在选择偏倚	开发一个基于MRI的深度学习框架，用于乳腺癌病灶分割和分子亚型分类	乳腺癌患者	digital pathology	breast cancer	contrast-enhanced MRI	3D ResU-Net, Ensemble ResNet	MRI图像	687名女性患者（平均年龄48.70岁±8.97）