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
1761	2025-12-04	LesionSCynth: A simple parametric lesion synthesis method to improve spinal cord lesion segmentation in low-data scenarios 2025, Imaging neuroscience (Cambridge, Mass.) DOI:10.1162/IMAG.a.1029 PMID:41322363	研究论文	本研究提出了一种名为LesionSCynth的参数化框架，用于在脊髓MRI中合成高信号病变，以改善低数据场景下的多发性硬化病变分割	基于对真实病变强度分布的分析，提出了一种简单参数化的病变合成方法，在低数据情况下显著提升了分割性能，并优于现有领先的病变合成方法	NA	减少脊髓MRI中多发性硬化病变分割的标注负担，并提高在低数据情况下的分割性能	脊髓MRI中的多发性硬化病变	数字病理学	多发性硬化	MRI	NA	图像	17个真实采集样本	NA	NA	FROC	NA
1762	2025-12-04	The role of artificial intelligence in enhancing breast cancer screening and diagnosis: A review of current advances 2025, BioImpacts : BI IF:2.2Q3 DOI:10.34172/bi.30984 PMID:41322389	综述	本文综述了人工智能在乳腺癌筛查和诊断中的当前进展及其多方面的应用	强调了人工智能在乳腺癌管理中，特别是在影像筛查、基因组学、免疫学分析和药物发现方面的创新应用潜力	指出仍需进一步研究以克服临床环境中的挑战和监管障碍	探讨人工智能如何增强乳腺癌的筛查、诊断和治疗个性化	乳腺癌	机器学习	乳腺癌	NA	NA	NA	NA	NA	NA	NA	NA
1763	2025-12-04	Hierarchical classification of anterior cruciate ligament using deep learning for athletes healthcare 2025, BioImpacts : BI IF:2.2Q3 DOI:10.34172/bi.31060 PMID:41322394	研究论文	本研究提出了一种基于深度学习的层次化模型，用于自动检测和分类前交叉韧带损伤	结合注意力机制和层次化特征提取，提高了ACL分割和分类的准确性	未明确提及模型在多样化数据集或临床环境中的泛化能力	开发自动评估前交叉韧带损伤的方法，以支持运动员医疗保健和快速诊断	膝关节MRI图像中的前交叉韧带区域	计算机视觉	前交叉韧带损伤	MRI成像	CNN	图像	NA	NA	编码器-解码器架构, 层次化卷积神经网络	准确率	NA
1764	2025-12-04	A hybrid deep learning framework for SEM-based air pollutant analysis: Mamba integration and GAN-augmented training 2025, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2025.1664317 PMID:41322471	研究论文	本文提出了一种用于基于扫描电镜图像的空气污染物成分分类的混合深度学习框架	将Mamba（一种具有线性计算复杂度的状态空间模型）集成到图像分类流程中，以建模长程依赖关系，并引入基于CGAN的数据增强策略来合成逼真的SEM样颗粒图像以扩充训练集	NA	准确分析空气污染物成分，以应对空气污染对公共健康和生态稳定构成的威胁	空气污染物成分	计算机视觉	NA	扫描电镜（SEM）成像	CNN, Mamba, GAN	显微图像或光谱图像	NA	NA	Mamba, CGAN	检测准确率, 推理速度	NA
1765	2025-12-04	Synthetic CT generation from CBCT using deep learning for adaptive radiotherapy in prostate cancer 2025, Frontiers in radiology DOI:10.3389/fradi.2025.1680803 PMID:41322652	研究论文	本研究评估了基于深度学习的模型从前列腺癌患者的CBCT图像生成合成CT的准确性，并探讨了其在治疗计划和自适应放疗决策中的临床应用潜力	使用U-Net和ResU-Net等简单架构的深度学习模型，从CBCT图像生成合成CT，以支持前列腺癌自适应放疗的精确剂量计算和工作流程	研究样本量较小（仅10名患者），且为回顾性研究，可能限制了结果的普遍性	评估深度学习模型生成合成CT的准确性，并研究其在前列腺癌自适应放疗中的临床应用	前列腺癌患者的CBCT和CT图像	数字病理学	前列腺癌	锥形束计算机断层扫描	CNN	图像	10名前列腺癌患者，每人提供50组CBCT-CT配对数据（包括1个计划CT和5个不同治疗日的CBCT扫描）	PyTorch	U-Net, ResU-Net	SSIM, PSNR, MAE, HU差异分布	NA
1766	2025-12-04	Assessment of functional decline in stroke patients using 3D deep learning and dynamic functional connectivity based on resting-state fMRI 2025, Frontiers in neurology IF:2.7Q3 DOI:10.3389/fneur.2025.1666991 PMID:41323228	研究论文	本研究开发了一种基于静息态功能磁共振成像和动态功能连接特征的3D深度学习框架，用于自动评估脑卒中患者上肢运动障碍的严重程度	首次结合动态功能连接特征与3D卷积神经网络，实现了对脑卒中患者上肢运动障碍严重程度的高精度自动分类	样本量相对较小（仅69名患者），且分类仅基于二分组（轻度至中度与重度），未涵盖更细粒度的障碍分级	开发自动化方法评估脑卒中患者上肢运动障碍的严重程度	69名脑卒中患者	医学影像分析	脑卒中	静息态功能磁共振成像	3D-CNN	功能磁共振成像数据	69名脑卒中患者（29名轻度至中度障碍，40名重度障碍）	NA	3D卷积神经网络	平衡准确率, 特异性, 敏感性	NA
1767	2025-12-04	AI-assisted MRI segmentation analysis of brain region volume alterations in Parkinson's disease 2025, Frontiers in human neuroscience IF:2.4Q2 DOI:10.3389/fnhum.2025.1666556 PMID:41323344	研究论文	本研究利用深度学习自动分割技术分析帕金森病患者脑区体积变化与病程的关联	采用深度学习自动全脑区域分割技术，系统探究了帕金森病患者多个脑区体积与病程的横断面关联	样本量较小（83例），且为回顾性研究设计，可能影响结果的普遍性	探究帕金森病患者脑区体积变化与疾病进展的关联	帕金森病患者	数字病理学	帕金森病	磁共振成像（MRI）	深度学习	图像	83例帕金森病患者	NA	NA	NA	NA
1768	2025-12-04	AI-based prediction of pathological risk factors in lung adenocarcinoma from CT imaging: bridging innovation and clinical practice 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1687360 PMID:41323376	综述	本文综述了基于人工智能（AI）特别是深度学习（DL）在肺腺癌CT影像中预测病理风险因素的最新进展、应用与局限	总结了AI在预测肺腺癌特定高风险病理亚型（如气腔播散、高危亚型、隐匿淋巴结、脏层胸膜侵犯）方面的创新应用，并强调提升模型可解释性与临床适用性的方向	当前研究面临数据集多样性与规模有限、模型可解释性不足以及临床适用性有待增强等挑战	回顾AI在肺腺癌病理风险因素预测领域的研究进展，旨在为未来研究提供参考并推动AI在该领域的开发与应用	肺腺癌（LUAD）及其相关的病理风险因素，如气腔播散、高危病理亚型、隐匿淋巴结和脏层胸膜侵犯	数字病理学	肺癌	深度学习（DL）	NA	CT影像	NA	NA	NA	NA	NA
1769	2025-12-04	Predictive performance of MRI and CT radiomics in predicting the response to induction chemotherapy in nasopharyngeal carcinoma: a network meta-analysis 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1590420 PMID:41323390	荟萃分析	本研究通过网络荟萃分析评估了基于MRI和CT的影像组学方法在预测鼻咽癌诱导化疗反应中的准确性	首次通过网络荟萃分析比较不同影像组学模型（包括基于MRI的SVM模型、临床-影像组学融合模型以及基于CT的深度学习CNN模型）在预测鼻咽癌诱导化疗反应中的性能，并利用SUCRA值对模型进行排序	纳入的研究存在偏倚风险（7项研究被PROBAST评估为有偏倚风险），且需要标准化协议、前瞻性多中心验证以及肿瘤微环境机制研究的进一步支持才能实现临床转化	评估不同影像组学方法在预测鼻咽癌对诱导化疗反应中的准确性	鼻咽癌患者	数字病理学	鼻咽癌	影像组学	SVM, CNN	医学影像（MRI, CT）	1550名受试者（来自10项研究）	NA	卷积神经网络	灵敏度, 特异性, 准确率, AUC	NA
1770	2025-12-04	Comparison of Radiomics and Deep Learning Using Intestinal Ultrasound Images for Differentiating Inflammatory and Fibrotic Intestinal Strictures in Crohn's Disease 2025, Journal of inflammation research IF:4.2Q2 DOI:10.2147/JIR.S546832 PMID:41323560	研究论文	本研究比较了基于放射组学和深度学习方法，利用肠道超声图像区分克罗恩病中炎症性和纤维化性肠道狭窄的性能	首次将深度学习和放射组学应用于肠道超声图像，以区分克罗恩病中的肠道狭窄类型，并通过类激活映射增强模型的可解释性	研究为回顾性分析，样本量相对较小（64名患者，87张图像），可能影响模型的泛化能力	比较放射组学和深度学习在区分克罗恩病肠道狭窄类型方面的性能，以支持临床治疗决策	克罗恩病患者的肠道超声图像	计算机视觉	克罗恩病	肠道超声，Masson三色染色	深度学习模型	图像	64名克罗恩病患者，共87张肠道超声图像	NA	NA	准确率，灵敏度，特异性，ROC曲线下面积	NA
1771	2025-12-04	Scoping the Landscape of Deep Learning for Alzheimer's Disease Stage Classification: Methods, Challenges, and Opportunities 2025, BME frontiers IF:5.0Q1 DOI:10.34133/bmef.0202 PMID:41323574	综述	本文是一篇范围综述，旨在梳理和评估深度学习在阿尔茨海默病分期分类中的应用现状、方法、挑战与机遇	首次对2018年至2024年间发表的深度学习应用于阿尔茨海默病分期分类的研究进行系统性范围综述，通过比较分析揭示了迁移学习与定制CNN模型在准确率上的微小差异，并强调了外部验证和成本效益评估的严重缺失	综述仅分析了18篇同行评审研究，样本量有限；研究主要关注已发表文献，可能未涵盖未发表或正在进行的研究；对方法学局限性和转化障碍的分析主要基于文献报告，缺乏实证验证	评估深度学习在阿尔茨海默病分期分类中的当前性能基准，识别方法学局限性，并突出转化到临床应用的障碍	2018年至2024年间发表的18篇关于深度学习应用于阿尔茨海默病分期分类的同行评审研究	数字病理学	阿尔茨海默病	NA	CNN, 迁移学习	NA	NA	NA	NA	准确率	NA
1772	2025-12-04	Sex and age estimation from cardiac signals captured via radar using data augmentation and deep learning: a privacy concern 2025, Frontiers in digital health IF:3.2Q2 DOI:10.3389/fdgth.2025.1616770 PMID:41324021	研究论文	本研究首次探讨了从雷达获取的心电信号中推断性别和年龄等人口统计信息的可能性，揭示了雷达生物识别系统潜在的隐私风险	首次研究从雷达获取的心电信号中推断性别和年龄等人口统计信息，并采用条件Wasserstein生成对抗网络进行数据增强以应对小数据集限制	数据集规模较小，仅包含30名受试者，且年龄分类仅分为两个组别（18-29岁和30-65岁）	研究雷达获取的心电信号中是否包含可推断性别和年龄等敏感人口统计信息，以评估相关隐私风险	雷达获取的心电信号	机器学习	NA	雷达技术	CNN, GAN	时频表示（尺度图）	30名受试者	NA	卷积神经网络，条件Wasserstein生成对抗网络	准确率	NA
1773	2025-12-04	Clustering single-cell RNA sequencing data via iterative smoothing and self-supervised discriminative embedding 2024-07, Oncogene IF:6.9Q1 DOI:10.1038/s41388-024-03074-5 PMID:38834657	研究论文	提出了一种名为scRISE的深度聚类方法，用于单细胞RNA测序数据的聚类分析	结合了基于图自编码器的迭代平滑模块和具有自适应相似度阈值的自监督判别嵌入模块，以去噪数据并优化聚类	未明确提及方法在极大规模数据集上的计算效率或泛化能力	解决单细胞RNA测序数据聚类中相似度度量选择的挑战	单细胞RNA测序数据	机器学习	头颈鳞状细胞癌	单细胞转录组测序	图自编码器	基因表达数据	17个单细胞RNA测序数据集	NA	图自编码器	NA	NA
1774	2025-12-04	A visual-language foundation model for computational pathology 2024-03, Nature medicine IF:58.7Q1 DOI:10.1038/s41591-024-02856-4 PMID:38504017	研究论文	本文介绍了一种用于计算病理学的视觉-语言基础模型CONCH，通过任务无关的预训练处理多样化的病理图像和文本数据	开发了首个利用超过117万图像-标题对进行视觉-语言对比学习的病理学基础模型，支持多任务迁移且无需额外监督微调	未明确讨论模型在特定疾病或小样本场景下的泛化能力限制	构建一个能够处理病理学图像和文本的多任务基础模型，以解决医学领域标签稀缺和任务局限性问题	多样化的病理学图像、生物医学文本及图像-标题对	计算病理学	NA	深度学习，视觉-语言对比学习	视觉-语言基础模型	图像，文本	超过117万图像-标题对	NA	CONCH	图像分类，分割，标题生成，文本到图像检索，图像到文本检索的先进性能	NA
1775	2025-12-04	Environmental Impacts of Machine Learning Applications in Protein Science 2023-12-01, Cold Spring Harbor perspectives in biology IF:6.9Q1 DOI:10.1101/cshperspect.a041473 PMID:38040454	综述	本文总结了蛋白质科学中机器学习应用的环境影响，并量化了部分流行算法的碳足迹	首次系统评估了蛋白质科学中机器学习算法（如AlphaFold和ESMFold）的环境影响，并提出了具体的碳足迹数据	未提供所有蛋白质计算方法的全面环境影响比较，且缓解措施的具体实施效果未经验证	评估蛋白质科学中计算工具和机器学习模型的环境影响，并提出可持续发展建议	蛋白质科学中的计算算法，包括分子模拟、蛋白质-蛋白质相互作用推断和蛋白质结构预测	机器学习	NA	机器学习	深度学习模型	蛋白质数据	NA	NA	AlphaFold, ESMFold	碳足迹（以吨COe计）	NA
1776	2025-12-04	DBlink: dynamic localization microscopy in super spatiotemporal resolution via deep learning 2023-12, Nature methods IF:36.1Q1 DOI:10.1038/s41592-023-01966-0 PMID:37500760	研究论文	提出了一种基于深度学习的DBlink方法，用于从单分子定位显微镜数据中实现超时空分辨率重建	结合卷积神经网络和双向长短期记忆网络架构，捕获输入帧间的长期依赖关系，显著提升动态过程的成像能力	未明确说明在复杂生物环境或极端动态条件下的性能限制	提高单分子定位显微镜的时空分辨率，以观察活细胞中的动态过程	模拟的丝状结构和线粒体样结构、受控运动条件下的实验SMLM数据、活细胞动态SMLM数据	计算机视觉	NA	单分子定位显微镜	CNN, LSTM	视频	NA	NA	卷积神经网络结合双向长短期记忆网络	NA	NA
1777	2025-12-04	Cerebellar Volume and Disease Staging in Parkinson's Disease: An ENIGMA-PD Study 2023-12, Movement disorders : official journal of the Movement Disorder Society IF:7.4Q1 DOI:10.1002/mds.29611 PMID:37964373	研究论文	本研究利用ENIGMA-PD工作组的数据，通过深度学习分析帕金森病患者与健康对照的小脑体积变化，探讨疾病分期与小脑区域体积的关联	首次在全球多中心研究中，使用深度学习量化帕金森病不同Hoehn和Yahr分期的小脑区域体积变化，揭示了前叶和后叶体积与疾病严重程度的解离关系	研究为横断面设计，无法确定因果关系；样本来自多个中心，可能存在异质性；未考虑药物治疗等其他混杂因素	量化帕金森病患者小脑区域体积变化，并探讨其与疾病分期、运动症状和认知功能的关联	帕金森病患者和年龄、性别匹配的健康对照	医学影像分析	帕金森病	三维T1加权脑磁共振成像	深度学习	脑磁共振图像	2487名帕金森病患者和1212名健康对照，来自22个中心	NA	NA	效应量（d值）	NA
1778	2025-12-04	Uncovering developmental time and tempo using deep learning 2023-12, Nature methods IF:36.1Q1 DOI:10.1038/s41592-023-02083-8 PMID:37996754	研究论文	本文提出了一种基于深度学习的自动化方法，用于分析不同时间点胚胎之间的相似性，以量化发育时间和节奏	开发了一种无偏见的深度学习方法，能够自动计算胚胎发育阶段的相似性，生成表型指纹，并首次在无监督方式下为多个物种构建发育图谱	NA	量化动物胚胎发育的时间和节奏，以驱动进化新颖性的研究	动物胚胎	计算机视觉	NA	深度学习	深度学习模型	图像	NA	NA	NA	NA	NA
1779	2025-12-04	Deep Learning-Enabled Morphometric Analysis for Toxicity Screening Using Zebrafish Larvae 2023-11-21, Environmental science & technology IF:10.8Q1 DOI:10.1021/acs.est.3c00593 PMID:36971266	研究论文	本文提出了一种基于深度学习的形态计量分析方法，用于斑马鱼幼虫的毒性筛查，通过自动识别异常表型和关键器官特征	首次将深度学习模型（TensorMask和Mask R-CNN）应用于斑马鱼幼虫的形态计量分析，实现八种异常表型和八种重要器官特征的定量识别，提高了毒性筛查的效率和准确性	研究仅基于2532张显微图像，可能受限于数据集的规模和多样性；模型在未标记数据集上的性能虽高，但泛化能力需进一步验证	开发一种高效的深度学习方法，用于斑马鱼幼虫的毒性筛查和形态计量分析，以识别环境污染物和化学品的危害	斑马鱼幼虫（120小时受精后）	计算机视觉	NA	亮场显微成像	CNN	图像	2532张斑马鱼幼虫的亮场显微图像，涉及三类化学品（内分泌干扰物、重金属和新兴有机污染物）的毒性筛查	TensorFlow, PyTorch	TensorMask, Mask R-CNN	平均精度均值, 准确率	NA
1780	2025-12-04	Separating Daily 1 km PM2.5 Inorganic Chemical Composition in China since 2000 via Deep Learning Integrating Ground, Satellite, and Model Data 2023-11-21, Environmental science & technology IF:10.8Q1 DOI:10.1021/acs.est.3c00272 PMID:37114869	研究论文	本研究开发了一种四维时空深度森林模型，用于估计中国自2000年以来每日1公里分辨率的PM2.5无机化学成分	通过整合地面观测、卫星遥感、大气再分析和模型模拟数据，首次实现了高时空分辨率的PM2.5化学成分长期估计	模型估计仍存在不确定性，且主要关注无机成分，有机成分未包含在内	准确估计中国PM2.5无机化学成分的时空分布，以支持环境和健康研究	中国地区的PM2.5无机化学成分（硫酸盐、硝酸盐、铵盐、氯化物）	机器学习	NA	深度森林模型，整合多源数据（地面观测、卫星遥感、大气再分析、模型模拟）	深度森林	多源数据（地面测量、卫星检索、大气再分析、模型模拟）	自2000年以来的每日数据，空间分辨率为1公里，覆盖中国全境	NA	四维时空深度森林（4D-STDF）	决定系数（CV-R²）、均方根误差（RMSE）	NA