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
1501	2025-10-05	Segmenting Skin Biopsy Images with Coarse and Sparse Annotations using U-Net 2022-10, Journal of digital imaging IF:2.9Q2 DOI:10.1007/s10278-022-00641-8 PMID:35501416	研究论文	提出一种使用粗糙稀疏标注的两阶段分割管道，用于皮肤活检图像分割	使用全切片图像小区域的粗糙稀疏标注作为训练集，开发了两阶段分割管道	依赖专家标注作为金标准，标注过程仍然需要专业人工参与	开发能够使用粗糙稀疏标注训练的分割方法，降低医学图像标注成本	皮肤活检图像中的黑色素细胞病变组织	数字病理	黑色素瘤	全切片图像分析	U-Net	医学图像	NA	NA	U-Net	NA	NA
1502	2025-10-05	A Novel Deep Learning Radiomics Nomogram Integrating B-Mode Ultrasound and Contrast-Enhanced Ultrasound for Preoperative Prediction of Lymphovascular Invasion in Invasive Breast Cancer 2025-Nov, Ultrasound in medicine & biology DOI:10.1016/j.ultrasmedbio.2025.06.028 PMID:40764147	研究论文	开发集成B型超声和超声造影的深度学习影像组学列线图用于术前预测浸润性乳腺癌淋巴血管侵犯	首次将B型超声和超声造影图像特征与临床病理参数结合构建深度学习影像组学列线图	回顾性研究设计，样本仅来自三家医院	术前无创预测浸润性乳腺癌淋巴血管侵犯状态	浸润性乳腺癌患者	医学影像分析	乳腺癌	B型超声，超声造影	深度学习	超声图像	981例患者（834例来自医院I，147例来自医院II和III）	NA	NA	AUC，校准曲线，决策曲线分析	NA
1503	2025-10-05	A Learnable Physical Deep Learning Model for Sparse Limited View Photoacoustic Tomography 2025-Nov, Ultrasound in medicine & biology DOI:10.1016/j.ultrasmedbio.2025.07.014 PMID:40850901	研究论文	提出一种可学习的物理深度学习模型，用于从稀疏有限视角光声信号实现高质量图像重建	结合物理模型与深度学习，在极稀疏探测器配置下实现无伪影的光声断层成像重建	仅使用16个探测器的极稀疏配置，重建质量仍有提升空间	开发稀疏重建算法以降低光声断层成像系统对硬件制造的要求	光声断层成像系统	医学影像	NA	光声断层成像	深度学习模型	光声信号	数值模拟和活体实验	NA	可学习的物理深度学习模型	结构相似性, 峰值信噪比	NA
1504	2025-10-05	Breast Cancer Diagnosis Using a Dual-Modality Complementary Deep Learning Network With Integrated Attention Mechanism Fusion of B-Mode Ultrasound and Shear Wave Elastography 2025-Nov, Ultrasound in medicine & biology DOI:10.1016/j.ultrasmedbio.2025.08.007 PMID:40858483	研究论文	开发并评估一种双模态互补特征注意力网络，通过融合B型超声和剪切波弹性成像的空间与硬度信息来改善乳腺肿瘤分类和腋窝淋巴结转移预测	提出双模态互补特征注意力网络(DCFAN)，首次将注意力机制应用于B型超声和剪切波弹性成像的特征融合，实现结构特征与硬度特征的互补增强	研究样本量相对有限(218名患者)，为回顾性研究	提高乳腺肿瘤分类和腋窝淋巴结转移预测的准确性	乳腺肿瘤患者和腋窝淋巴结	计算机视觉	乳腺癌	B型超声，剪切波弹性成像	CNN	图像	218名患者的387对B型和SWE图像	NA	DCFAN	准确率，灵敏度，特异性，AUC，F1分数	NA
1505	2025-10-05	Ovarian masses suggested for MRI examination: assessment of deep learning models based on non-contrast-enhanced MRI sequences for predicting malignancy 2025-Oct, Abdominal radiology (New York) DOI:10.1007/s00261-025-04891-2 PMID:40116887	研究论文	评估四种基于非增强MRI的深度学习模型在区分良恶性卵巢肿瘤中的诊断效能	首次系统比较四种深度学习模型在非增强MRI序列上对卵巢肿瘤良恶性的分类性能，并分析模型参数效率	回顾性研究，样本量有限，仅使用非增强MRI序列	评估深度学习模型使用非增强MRI区分卵巢肿瘤良恶性的诊断能力	526例经病理证实卵巢肿瘤患者（327例良性，199例恶性）	计算机视觉	卵巢肿瘤	非增强磁共振成像	深度学习	医学影像	526例患者（训练集367例，验证集159例）	NA	ConvNeXt, FBNet, GhostNet, ResNet50	AUC, 准确率, 敏感度, 特异度, 阳性预测值, 阴性预测值	NA
1506	2025-10-05	Optimizing bladder magnetic resonance imaging: accelerating scan time and improving image quality through deep learning 2025-Oct, Abdominal radiology (New York) DOI:10.1007/s00261-025-04895-y PMID:40167648	研究论文	本研究探讨深度学习在膀胱磁共振T2加权成像中加速扫描时间和提升图像质量的价值	首次将深度学习重建技术应用于膀胱磁共振T2加权成像，在保持诊断信心的同时显著缩短采集时间并提升图像质量	样本量较小（28例患者），需要更大规模研究验证	评估深度学习在膀胱MRI中的临床应用价值	膀胱癌患者	医学影像分析	膀胱癌	磁共振成像，T2加权成像	深度学习	磁共振图像	28例连续膀胱癌患者	NA	NA	采集时间减少百分比，图像质量评分，诊断信心评分，VI-RADS评分	NA
1507	2025-10-05	Arterial phase CT radiomics for non-invasive prediction of Ki-67 proliferation index in pancreatic solid pseudopapillary neoplasms 2025-Oct, Abdominal radiology (New York) DOI:10.1007/s00261-025-04921-z PMID:40178588	研究论文	本研究利用动脉期CT影像组学特征无创预测胰腺实性假乳头状肿瘤Ki-67增殖指数	首次结合动脉期CT影像组学与深度学习模型预测pSPN患者的Ki-67增殖水平，识别CTscore和形态学特征作为关键预测因子	回顾性研究设计，样本量相对有限（92例患者），需多中心前瞻性验证	术前无创预测胰腺实性假乳头状肿瘤的Ki-67增殖指数水平	经病理确诊的胰腺实性假乳头状肿瘤患者	数字病理	胰腺肿瘤	CT影像组学	深度学习, GBM	CT图像	92例患者（训练集64例，验证集28例）	PyRadiomics	深度学习模型	AUC	NA
1508	2025-10-05	Deep learning assisted detection and segmentation of uterine fibroids using multi-orientation magnetic resonance imaging 2025-Oct, Abdominal radiology (New York) DOI:10.1007/s00261-025-04934-8 PMID:40188260	研究论文	开发基于多方位MRI的深度学习模型，用于子宫肌瘤的自动检测和分割	首次使用三维nnU-Net框架构建多方位MRI的子宫肌瘤自动检测和分割模型	NA	开发自动化子宫肌瘤检测和分割的深度学习方法	子宫肌瘤患者	医学影像分析	子宫肌瘤	多方位磁共振成像	深度学习	MRI图像	内部数据集299例患者（训练集239例，内部测试集60例），外部数据集45例患者	nnU-Net	三维nnU-Net	召回率, 精确率, Dice相似系数, 95% Hausdorff距离, 平均表面距离	NA
1509	2025-10-05	Multi-View Self-Supervised Learning Enhances Automatic Sleep Staging From EEG Signals 2025-Oct, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3561228 PMID:40232903	研究论文	提出一种多视图自监督学习框架，通过结合时域和频域特征提升基于EEG信号的自动睡眠分期性能	引入多视图自监督学习方法，结合跨视图对比损失和动态加权算法，有效学习互补特征并增强特征可迁移性	未明确说明模型在不同人群或临床环境中的泛化能力限制	开发高效且鲁棒的自动睡眠分期方法，减少对标注数据的依赖	脑电图（EEG）信号	机器学习	睡眠障碍	EEG信号分析	深度学习	时序信号，时频特征	三个公开数据集（SleepEDF-20，SleepEDF-78，MASS）	NA	多视图特征编码器，序列编码器，线性分类器	准确率	NA
1510	2025-10-05	Machine learning based radiomic models outperform clinical biomarkers in predicting outcomes after immunotherapy for hepatocellular carcinoma 2025-Oct, Journal of hepatology IF:26.8Q1 DOI:10.1016/j.jhep.2025.04.017 PMID:40246150	研究论文	本研究开发了基于机器学习的影像组学模型，用于预测肝细胞癌患者免疫治疗后的生存结果	首次将深度学习自动分割与多种机器学习模型结合，开发了整合影像组学和临床数据的预测模型，在预测免疫治疗疗效方面优于传统临床生物标志物	回顾性研究设计，样本量相对有限（152例患者），仅来自两个医疗中心	预测肝细胞癌患者接受阿特珠单抗联合贝伐珠单抗免疫治疗后的生存结果和治疗反应	不可切除肝细胞癌患者	医学影像分析	肝细胞癌	CT影像，深度学习自动分割，影像组学分析	深度学习，机器学习	医学影像（CT），临床数据	152例来自两个国际中心的患者	NA	K-means聚类，七种机器学习模型结合13种特征选择技术	AUC，总生存期，无进展生存期，风险比	NA
1511	2025-10-05	Deep Learning-Augmented Sleep Spindle Detection for Acute Disorders of Consciousness: Integrating CNN and Decision Tree Validation 2025-Oct, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3562067 PMID:40279237	研究论文	提出一种结合卷积神经网络和决策树验证的深度学习增强算法，用于急性意识障碍患者的自动睡眠纺锤波检测	首次将CNN与决策树辅助验证相结合，利用小波变换原理提升检测精度，特别针对ADOC患者中常见的慢速纺锤波进行优化	样本量相对较小（MASS SS2数据集n=19，自采ADOC数据集n=24），需要更大规模验证	开发自动睡眠纺锤波检测算法以改善急性意识障碍患者的诊断和预后预测	急性意识障碍患者和健康对照者的睡眠脑电数据	医疗人工智能	急性意识障碍	脑电图分析，小波变换	CNN，决策树	睡眠脑电信号	MASS SS2数据集19例，自采ADOC患者数据集24例	NA	NA	F1分数，Spearman相关系数	NA
1512	2025-10-05	Preclinical Evaluation of an Interactive Image Search System of Oral Pathology 2025-Oct, Journal of dental research IF:5.7Q1 DOI:10.1177/00220345251329042 PMID:40320652	研究论文	评估交互式口腔病理图像检索系统在诊断口腔肿瘤中的临床效用	首次在近临床环境中评估交互式CBIR系统对病理医生诊断准确性的影响，特别关注数据库代表性不足的肿瘤类别	误诊可能源于查询输入不当、罕见形态类型检索性能差、缺乏详细临床信息以及系统无法检索到准确类别	评估交互式图像检索系统在辅助病理医生诊断口腔肿瘤方面的有效性	口腔肿瘤病理图像	数字病理	口腔肿瘤	深度学习	NA	病理图像	603个病例的54,676个图像块，涵盖85种口腔肿瘤类别；28名病理医生参与评估（15名普通病理医生，13名口腔病理医生）	NA	NA	诊断准确率	NA
1513	2025-10-05	Enhanced risk stratification for stage II colorectal cancer using deep learning-based CT classifier and pathological markers to optimize adjuvant therapy decision 2025-Oct, Annals of oncology : official journal of the European Society for Medical Oncology IF:56.7Q1 DOI:10.1016/j.annonc.2025.05.537 PMID:40480552	研究论文	开发了一种结合深度学习CT分类器和病理标志物的智能风险整合系统，用于优化II期结直肠癌的辅助治疗决策	首次将Swin Transformer深度学习模型与病理标志物相结合，创建了四层风险分层系统，显著提高了风险分层的准确性	研究样本来自12个中心，可能存在选择偏倚；需要进一步的前瞻性研究验证临床效用	开发更精确的II期结直肠癌风险分层系统以优化辅助化疗决策	II期结直肠癌患者	数字病理	结直肠癌	多平面计算机断层扫描(CT)	深度学习	CT图像	2992例II期结直肠癌患者来自12个中心	NA	Swin Transformer	3年无病生存率	NA
1514	2025-10-05	Artificial Intelligence for Alzheimer's disease diagnosis through T1-weighted MRI: A systematic review 2025-Oct, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.111028 PMID:40902465	系统综述	本文系统评估了基于T1加权MRI数据使用人工智能技术对阿尔茨海默病多个阶段进行分类的研究现状	首次系统综述专门针对使用AI技术基于T1加权MRI数据对AD连续谱中两个以上阶段进行分类的研究	研究方法存在异质性、过拟合风险、过度依赖ADNI数据库导致数据集多样性不足	评估人工智能在阿尔茨海默病多阶段诊断中的应用效果	阿尔茨海默病患者	医学影像分析	阿尔茨海默病	T1加权磁共振成像	CNN, 非卷积神经网络, 传统机器学习	医学影像	NA	NA	卷积神经网络	准确率	NA
1515	2025-10-05	Artificial Intelligence-Enabled Staging Classification of Pressure Injuries 2025-Oct-01, Advances in skin & wound care IF:1.7Q2 DOI:10.1097/ASW.0000000000000352 PMID:40981689	研究论文	本研究开发了一种基于人工智能的压力性损伤分期分类工具	首次将ResNet18-Transformer编码器混合模型等深度学习架构应用于压力性损伤分期分类，并使用Grad-CAM可视化注意力区域	模型在Stage 3的分类精度相对较低（64.72%），样本量有限	开发能够更准确客观识别压力性损伤不同分期的人工智能工具	压力性损伤图像	计算机视觉	压力性损伤	深度学习	CNN, Transformer	图像	1663张压力性损伤图像（1091张来自公开数据集，572张来自私人实验室）	PyTorch	ResNet18, ResNet18-Transformer Encoder Hybrid Model, DenseNet-121	准确率, 精确率	NA
1516	2025-10-05	Enhanced detection of Argulus and epizootic ulcerative syndrome in fish aquaculture through an improved deep learning model 2025-Sep-22, Journal of aquatic animal health IF:1.5Q2 DOI:10.1093/jahafs/vsaf001 PMID:40662570	研究论文	开发改进的YOLOV5深度学习模型用于检测水产养殖中感染流行性溃疡综合征和鱼虱的鱼类	在YOLOV5基础上进行改进，采用预训练模型进行迁移学习，并将模型部署到树莓派开发板	NA	及时检测水产养殖中感染流行性溃疡综合征和鱼虱的鱼类，防止疾病传播	水产养殖鱼类	计算机视觉	水产疾病	深度学习	YOLO	图像	NA	PyTorch	YOLOV5	精确率, 召回率, mAP50, mAP50-95	树莓派开发板
1517	2025-10-05	3D Spatial Learning for Adsorption Energy Prediction in Multi-Temporal Solution Systems: The MTSS Data Set and a GCN-Based Network 2025-Sep-22, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c00645 PMID:40903277	研究论文	本文提出了一种用于多时间溶液系统中吸附能预测的3D空间学习方法，包括MTSS数据集和基于GCN的网络	引入了首个包含时间分辨配置的MTSS数据集，并提出双通道图网络SEP-Net，整合旋转不变几何学习和分子SMILES嵌入	在未知溶剂上的预测误差较大(MAE 507.37 kJ/mol)，模型泛化能力有待提升	解决复杂溶液系统中吸附能的预测问题	多时间溶液系统中的分子配置和吸附能	机器学习	NA	几何深度学习，分子SMILES嵌入	GCN	3D原子坐标，吸附能标签	500,000个时间分辨配置，涵盖五种溶剂	NA	SEP-Net（双通道图网络）	MAE（平均绝对误差）	NA
1518	2025-10-05	Multiview Deep Learning Framework for Precise Prediction of Transcription Factor Binding Sites 2025-Sep-22, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c01054 PMID:40914877	研究论文	提出一种多视角深度学习框架MDNet-TFP，用于精确预测转录因子结合位点	开发了双向反向互补模块(BiRC-Mamba)和多尺度卷积循环注意力网络(MCRAN)，能够有效建模DNA序列的双向特性和多维度特征	NA	提高转录因子结合位点预测的准确性	DNA序列中的转录因子结合位点	生物信息学	NA	ChIP-seq	深度学习	基因组序列数据	165个ChIP-seq数据集（主要评估），690个ChIP-seq数据集（扩展验证）	NA	BiRC-Mamba, MCRAN	准确率, ROC-AUC, PR-AUC	NA
1519	2025-10-05	Precision in Predicting Protein-Nucleic Acid Complexes: Establishing a Benchmark Data Set and Comparative Metrics 2025-Sep-22, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c01372 PMID:40932245	研究论文	本研究建立了蛋白质-核酸复合物预测的基准数据集ProNASet，并系统评估了多种计算方法在该任务上的性能	创建了包含100个实验解析结构的蛋白质-核酸复合物基准数据集，并建立了多维评估框架	当前深度学习方法在预测蛋白质-核酸复合物结构方面表现显著落后于物理驱动方法	评估和比较不同计算方法在预测蛋白质-核酸复合物结构方面的性能	蛋白质-核酸复合物结构	计算生物学	NA	结构生物学实验方法	深度学习算法,物理驱动对接方法	蛋白质-核酸复合物三维结构数据	100个实验解析的蛋白质-核酸复合物结构	NA	AlphaFold3, Chai-1, HelixFold3, Protenix, HDOCK, HDOCK_NT	RMSD, TM-score, LDDT	NA
1520	2025-10-05	SERS mapping combined with explainable deep learning for exosome analysis to enhance lung cancer detection 2025-Sep-22, The Analyst DOI:10.1039/d5an00685f PMID:40859702	研究论文	本研究结合表面增强拉曼散射图谱与可解释深度学习模型，通过全面分析外泌体表面和内部生物标志物来提升肺癌检测准确率	首次将Grad-CAM增强的深度学习模型应用于外泌体SERS信号分析，同时检测表面和内部生物标志物，并提供模型决策的可视化解释	未明确说明样本来源的具体肺癌亚型及临床分期信息，模型在独立验证集上的性能有待进一步验证	开发一种结合SERS图谱和可解释深度学习的方法，提高肺癌检测的准确性和可解释性	肺癌细胞来源的外泌体生物标志物	生物医学工程	肺癌	表面增强拉曼散射，金纳米立方体超晶格自组装	深度学习	SERS光谱图谱	正常细胞和肺癌细胞来源的外泌体SERS信号数据	NA	Grad-CAM增强的深度学习模型	准确率	NA