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
1641	2025-07-17	Large-scale deep learning for metastasis detection in pathology reports 2025-Aug, JAMIA open IF:2.5Q3 DOI:10.1093/jamiaopen/ooaf070 PMID:40655537	研究论文	本研究开发了一种深度学习模型，用于从病理报告中自动检测转移性癌症患者	开发了一个针对特定任务的深度学习模型，其在性能上优于通用的大型语言模型（LLM），并通过不确定性量化提高了召回率	研究仅基于来自4个SEER登记处的病理报告，可能无法覆盖所有癌症类型和人群	开发一种能够从非结构化病理报告中自动识别转移性癌症的算法	60,471份非结构化病理报告	数字病理	癌症	深度学习	深度神经网络	文本	60,471份病理报告
1642	2025-07-17	Explainable CT-based deep learning model for predicting hematoma expansion including intraventricular hemorrhage growth 2025-Jul-18, iScience IF:4.6Q1 DOI:10.1016/j.isci.2025.112888 PMID:40655092	research paper	开发并验证了一种基于CT的深度学习模型HENet，用于预测血肿扩张（包括脑室内出血增长）	HENet模型在预测血肿扩张方面表现优于传统2D模型和医生预测，并通过Grad-CAM技术提供了模型决策的可视化解释	研究为回顾性多中心研究，可能存在选择偏倚	提高脑出血患者血肿扩张预测的准确性	718名脑出血患者的CT扫描和临床数据	digital pathology	cardiovascular disease	CT扫描	deep learning (HENet)	image (CT scans) 和 clinical data	718名脑出血患者
1643	2025-07-17	ComptoNet: a Compton-map guided deep learning framework for multi-scatter estimation in multi-source stationary CT 2025-Jul-16, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/adebd7 PMID:40609598	研究论文	提出了一种名为ComptoNet的解耦深度学习框架，用于多源静态CT中的多散射估计	创新点在于引入了Compton-map表示大角度康普顿散射信号，并采用双网络架构进行散射估计和校正	实验数据基于蒙特卡洛模拟，未提及真实临床数据的验证	解决多源静态CT中缺乏抗散射网格导致的严重散射污染问题	多源静态CT系统	计算机视觉	NA	深度学习	条件编码器-解码器网络, 频率U-Net	CT图像	蒙特卡洛模拟数据（未提具体数量）
1644	2025-07-17	MR-Transformer: A Vision Transformer-based Deep Learning Model for Total Knee Replacement Prediction Using MRI 2025-Jul-16, Radiology. Artificial intelligence DOI:10.1148/ryai.240373 PMID:40668131	research paper	开发了一种基于Transformer的深度学习模型MR-Transformer，用于通过MRI预测膝关节骨关节炎进展至全膝关节置换术(TKR)	利用ImageNet预训练和三维空间相关性，首次将Transformer架构应用于膝关节MRI的TKR预测	研究为回顾性设计，样本量相对有限，且仅使用了特定数据库的MRI序列	开发高性能深度学习模型预测膝关节骨关节炎进展至TKR	膝关节MRI图像	digital pathology	geriatric disease	MRI	Transformer	3D medical image	623例匹配病例对照(353例来自OAI数据库，270例来自MOST数据库)
1645	2025-07-17	Single Inspiratory Chest CT-based Generative Deep Learning Models to Evaluate Functional Small Airway Disease 2025-Jul-16, Radiology. Artificial intelligence DOI:10.1148/ryai.240680 PMID:40668132	研究论文	开发了一种基于单次吸气胸部CT扫描的生成式深度学习模型，用于评估功能性小气道疾病	提出了一种新的生成式深度学习模型，仅需单次吸气CT扫描即可生成参数响应图并预测功能性小气道疾病，性能优于现有算法	研究为回顾性研究，模型性能在不同测试集中存在一定波动	开发基于深度学习的医学影像分析工具用于肺部疾病评估	功能性小气道疾病患者	数字病理学	肺部疾病	深度学习	生成式深度学习模型	CT影像	308名患者（中位年龄67岁）
1646	2025-07-17	Deep learning for appendicitis: development of a three-dimensional localization model on CT 2025-Jul-16, Japanese journal of radiology IF:2.9Q2 DOI:10.1007/s11604-025-01834-1 PMID:40668351	研究论文	开发并评估了一种用于在腹部CT上检测阑尾炎的深度学习模型	使用三维定位模型在CT上检测阑尾炎，并评估了模型在不同临床因素下的表现	研究为单中心回顾性研究，样本量有限，且未考虑年龄小于20岁、穿孔、阑尾不清晰和阑尾肿瘤等病例	开发一种深度学习模型，用于在CT上检测阑尾炎	阑尾炎患者的腹部CT图像	数字病理	阑尾炎	CT成像	Faster R-CNN	图像	567例阑尾炎患者的CT图像（训练集517例，验证集50例），测试集包括100例阑尾炎CT和100例对照CT
1647	2025-07-17	Distinguishing symptomatic and asymptomatic trigeminal nerves through radiomics and deep learning: A microstructural study in idiopathic TN patients and asymptomatic control group 2025-Jul-16, Neuroradiology IF:2.4Q2 DOI:10.1007/s00234-025-03691-1 PMID:40668403	research paper	该研究利用人工智能分析三叉神经的微观结构，以区分特发性三叉神经痛患者和无症状对照组的症状性和无症状性神经	结合放射组学和深度学习技术，首次在特发性三叉神经痛患者和无症状对照组之间区分症状性和无症状性神经	需要进一步研究以全面阐明可能导致特发性三叉神经痛的血管和非血管病因的影响	区分特发性三叉神经痛患者和无症状对照组的症状性和无症状性神经	特发性三叉神经痛患者和无症状对照组的三叉神经	digital pathology	trigeminal neuralgia	MRI	DenseASPP-201, MobileASPPV2, SDEL, SVM, KNN	image	78例症状性三叉神经和182例无症状性三叉神经（91例1级NVC和91例0级NVC）
1648	2025-07-17	Integrated machine learning and deep learning-based virtual screening framework identifies novel natural GSK-3β inhibitors for Alzheimer's disease 2025-Jul-16, Journal of computer-aided molecular design IF:3.0Q2 DOI:10.1007/s10822-025-00637-w PMID:40668407	研究论文	本文提出了一种结合机器学习和深度学习的虚拟筛选框架，用于识别阿尔茨海默病的潜在天然GSK-3β抑制剂	结合可解释的随机森林模型和深度学习分子对接平台KarmaDock，提高了筛选的准确性和可解释性	目前的研究结果仅为计算模拟，需要未来的实验验证	识别阿尔茨海默病的潜在天然GSK-3β抑制剂	天然产物中的GSK-3β抑制剂	机器学习	阿尔茨海默病	虚拟筛选、分子对接、药效团建模、分子动力学模拟	随机森林 (RF)、深度学习	分子数据	25,000种天然化合物
1649	2025-07-17	Specific Contribution of the Cerebellar Inferior Posterior Lobe to Motor Learning in Degenerative Cerebellar Ataxia 2025-Jul-16, Cerebellum (London, England) DOI:10.1007/s12311-025-01887-y PMID:40668493	研究论文	本研究利用深度学习算法CerebNet分析小脑亚区体积与运动学习能力的关系，揭示了小脑后下叶在退行性小脑共济失调患者运动学习中的独特作用	首次发现小脑后下叶体积与运动学习能力存在特异性关联，为小脑功能分区提供了新证据	样本量较小(37例患者和18例健康对照)，且结果可能受退行性小脑共济失调亚型影响	探究小脑不同亚区体积与运动学习能力和共济失调严重程度的关系	退行性小脑共济失调患者和健康对照者	数字病理学	退行性小脑共济失调	深度学习算法CerebNet	CNN	医学影像数据	37例患者和18例健康对照
1650	2025-07-17	Validation of syncope short-term outcomes prediction by machine learning models in an Italian emergency department cohort 2025-Jul-16, Internal and emergency medicine IF:3.2Q1 DOI:10.1007/s11739-025-04034-x PMID:40668516	研究论文	本研究旨在通过机器学习模型验证和比较晕厥患者短期不良结局的预测能力	首次在意大利急诊科队列中验证了梯度提升（GB）和逻辑回归（LR）模型，并与新型深度学习模型（TabPFN）和大语言模型（TabLLM）进行了性能比较	研究样本量较小（257例患者），且外部验证队列的事件发生率较高，可能影响模型的预测能力	验证和比较不同机器学习模型在预测晕厥患者短期不良结局方面的性能	2015年至2017年在意大利六家医院急诊科就诊的非低风险晕厥患者	机器学习	心血管疾病	机器学习算法（梯度提升、逻辑回归、深度学习、大语言模型）	GB, LR, TabPFN, TabLLM	临床数据	257例患者
1651	2025-07-17	Evaluating Artificial Intelligence-Assisted Prostate Biparametric MRI Interpretation: An International Multireader Study 2025-Jul-16, AJR. American journal of roentgenology DOI:10.2214/AJR.24.32399 PMID:40668633	研究论文	评估人工智能辅助前列腺双参数MRI解读的国际多读者研究	研究首次评估了深度学习AI模型在前列腺双参数MRI解读中对临床显著前列腺癌检测率和读者间一致性的影响	AI辅助略微降低了病灶水平的敏感性，需要进一步优化以提高敏感性而不损害特异性	评估AI辅助对前列腺双参数MRI解读中临床显著前列腺癌检测率和读者间一致性的影响	前列腺双参数MRI扫描	数字病理	前列腺癌	深度学习	深度学习AI模型	MRI图像	180名患者（120例病例组，60例对照组）
1652	2025-07-17	Artificial Intelligence Enhances Diagnostic Accuracy of Contrast Enemas in Hirschsprung Disease Compared to Clinical Experts 2025-Jul-15, European journal of pediatric surgery : official journal of Austrian Association of Pediatric Surgery ... [et al] = Zeitschrift fur Kinderchirurgie IF:1.5Q3 DOI:10.1055/a-2646-2052 PMID:40592491	研究论文	本研究评估了深度学习神经网络在对比灌肠检查中对先天性巨结肠症的诊断准确性，并与儿科外科医生和放射科医生的诊断表现进行了比较	首次将深度学习神经网络应用于对比灌肠图像分析，并结合临床数据提升诊断性能	研究为回顾性设计，样本量相对有限（测试集仅218张图像）	评估人工智能在先天性巨结肠症影像学诊断中的应用价值	15岁以下疑似先天性巨结肠症患者的对比灌肠图像	数字病理	先天性巨结肠症	深度学习	DNN	医学影像	1,471张对比灌肠图像（其中218张用于测试）
1653	2025-07-17	3D isotropic high-resolution fetal brain MRI reconstruction from motion corrupted thick data based on physical-informed unsupervised learning 2025-Jul-15, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3586049 PMID:40663667	研究论文	提出了一种基于物理信息无监督学习的3D各向同性高分辨率胎儿脑MRI重建方法，用于从运动损坏的厚数据中重建高质量图像	提出了一种无监督迭代联合SVR和SRR的深度学习框架，无需大规模外部3D高分辨率训练数据集	未提及具体临床数据集的样本量限制或模型泛化能力的详细评估	提升胎儿脑MRI的运动校正和超分辨率重建技术，以支持精确的临床诊断和胎儿脑发育研究	胎儿脑MRI图像	医学影像处理	胎儿脑发育	深度学习、卷积神经网络、深度图像先验框架	CNN	MRI图像	模拟数据和临床数据（具体数量未提及）
1654	2025-07-17	Efficient Visual Transformer by Learnable Token Merging 2025-Jul-15, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3588186 PMID:40663671	研究论文	本文提出了一种新颖且紧凑的Transformer块——LTM-Transformer，通过可学习的令牌合并方案提升视觉Transformer的效率	提出LTM-Transformer，通过可学习的令牌合并方案减少FLOPs和推理时间，同时保持或提高预测精度	NA	提升视觉Transformer的计算效率和预测精度	视觉Transformer模型	计算机视觉	NA	NA	Transformer, LTM-Transformer	图像	NA
1655	2025-07-17	Bayesian Posterior Distribution Estimation of Kinetic Parameters in Dynamic Brain PET Using Generative Deep Learning Models 2025-Jul-15, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3588859 PMID:40663684	研究论文	本研究提出了一种基于改进的去噪扩散概率模型（iDDPM）的方法，用于估计动态PET中动力学参数的后验分布，以提高计算效率	利用深度学习的高计算效率，提出iDDPM方法替代传统的MCMC技术，显著减少计算时间（超过230倍），同时保持高精度（平均误差<0.67%）和精确性（标准差误差<7.23%）	研究仅基于[18F]MK6240研究进行评估，未在其他示踪剂或疾病模型中验证	开发一种高效准确的方法来估计动态PET中动力学参数的后验分布	动态PET图像中的动力学参数	医学影像分析	阿尔茨海默病	动态PET成像，贝叶斯推断	iDDPM, CVAE-DD, WGAN-GP	动态PET图像数据	NA
1656	2025-07-17	Robust Polyp Detection and Diagnosis through Compositional Prompt-Guided Diffusion Models 2025-Jul-15, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3589456 PMID:40663685	research paper	该论文提出了一种渐进式频谱扩散模型（PSDM），通过组合提示生成临床准确的合成图像，以增强结直肠息肉检测、分类和分割的泛化能力	提出PSDM模型，利用组合提示（包括分割掩码、边界框和结肠镜检查报告）生成合成图像，显著提升了模型在分布外数据上的表现	模型依赖于多中心数据集（如PolypGen），其收集成本高且耗时	提高结直肠息肉检测、分类和分割的泛化能力，特别是在分布外数据场景下	结直肠息肉	digital pathology	colorectal cancer	diffusion models	PSDM	image	PolypGen数据集
1657	2025-07-17	Motion artifacts and image quality in stroke MRI: associated factors and impact on AI and human diagnostic accuracy 2025-Jul-15, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-11807-7 PMID:40664863	研究论文	评估疑似中风患者MRI中运动伪影的普遍性及其相关因素，并确定其对AI和放射科医生诊断准确性的影响	首次在疑似中风患者中系统评估运动伪影的普遍性及其对AI和人类诊断准确性的影响	研究为回顾性单中心设计，样本量相对有限	评估MRI运动伪影在卒中诊断中的影响	疑似中风患者的脑部MRI扫描	数字病理学	中风	MRI	深度学习工具	医学影像	775名疑似中风患者
1658	2025-07-17	Deep Learning for Osteoporosis Diagnosis Using Magnetic Resonance Images of Lumbar Vertebrae 2025-Jul-15, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01547-x PMID:40665016	研究论文	本研究利用腰椎的T1、STIR和T2 MRI序列以及骨密度（BMD）测量，通过深度学习技术进行骨质疏松症的诊断	提出了一种定制的卷积神经网络模型，在骨质疏松症分类上表现优于现有的深度学习模型，如GoogleNet、EfficientNet-B3等，并且发现T2加权MRI序列在诊断中最为有效	样本量相对较小，仅包含50名个体的1350张MRI图像	开发一种基于深度学习的骨质疏松症诊断方法，减少电离辐射的使用	腰椎的MRI图像和BMD测量数据	数字病理学	骨质疏松症	MRI成像	CNN	图像	50名个体的1350张MRI图像
1659	2025-07-17	Combined Study of Behavior and Spike Discharges Associated with Negative Emotions in Mice 2025-Jul-15, Neuroscience bulletin IF:5.9Q1 DOI:10.1007/s12264-025-01455-8 PMID:40665179	研究论文	本研究通过结合开放场行为测试和电生理记录，探索慢性压力诱导的负面情绪机制	提出了一种名为NeuroSync的新方法，结合行为测试和电生理记录，同步分析神经放电模式与行为反应	研究仅针对小鼠，结果可能不完全适用于人类	探索慢性压力诱导的负面情绪的神经机制	小鼠的中央杏仁核和下丘脑室旁核	神经科学	精神障碍	电生理记录、机器视觉技术、信号处理算法	深度学习和机器学习	视频和电生理数据	NA
1660	2025-07-17	18F-FDG PET-based liver segmentation using deep-learning 2025-Jul-15, Physical and engineering sciences in medicine IF:2.4Q2 DOI:10.1007/s13246-025-01595-1 PMID:40665198	研究论文	本研究开发了一种基于深度学习的18F-FDG PET图像肝脏分割方法	首次提出仅使用18F-FDG PET图像进行肝脏分割的深度学习方法，避免了传统CT或MRI图像的对齐问题和伪影	研究样本量相对较小（120例患者），且未在其他类型PET图像上验证方法通用性	开发不依赖CT/MRI的纯PET图像肝脏分割方法	120例接受18F-FDG PET检查的患者	数字病理	NA	18F-FDG PET成像	3D U-Net (nnUNet框架)	PET图像	120例患者（100例训练集，20例测试集）