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
161	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
162	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
163	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
164	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
165	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
166	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
167	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
168	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)
169	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
170	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
171	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
172	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
173	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）
174	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）
175	2025-05-03	Deep Learning Radiopathomics for Predicting Tumor Vasculature and Prognosis in Hepatocellular Carcinoma 2025-May, Radiology. Imaging cancer DOI:10.1148/rycan.250141 PMID:40314587	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
176	2025-06-06	Anatomy-derived 3D Aortic Hemodynamics Using Fluid Physics-informed Deep Learning 2025-May, Radiology IF:12.1Q1 DOI:10.1148/radiol.240714 PMID:40326877	research paper	研究使用流体物理信息深度学习方法（FPI-CycleGAN）从解剖输入中量化主动脉血流动力学，作为4D流MRI的替代方案	提出了一种生成式人工智能方法（FPI-CycleGAN），能够直接从解剖输入中预测主动脉血流动力学，显著减少计算时间	研究依赖于回顾性数据，且需要进一步验证在更广泛人群中的适用性	评估FPI-CycleGAN在量化主动脉血流动力学中的可行性和准确性	主动脉血流动力学	digital pathology	cardiovascular disease	4D flow MRI, FPI-CycleGAN	CycleGAN	3D segmentation, MRI	1765名患者（其中1242名BAV患者和523名TAV患者）
177	2025-06-06	Development and validation of a novel chronic pancreatitis pathological grade based on artificial intelligence 2025-May, Pancreatology : official journal of the International Association of Pancreatology (IAP) ... [et al.] IF:2.8Q2 DOI:10.1016/j.pan.2025.04.011 PMID:40335378	研究论文	本研究开发并验证了一种基于深度学习的慢性胰腺炎病理分级系统（Histopathology-derived CPpG），并通过放射组学评分（DLRS）预测疾病严重程度	首次提出基于人工智能的慢性胰腺炎病理分级系统，并开发了非侵入性的DLRS用于动态监测疾病严重程度	研究为回顾性设计，且病理确认的CP样本量相对较小（181例）	开发慢性胰腺炎的客观病理分级系统并验证其临床价值	慢性胰腺炎和复发性急性胰腺炎患者	数字病理	慢性胰腺炎	深度学习，放射组学	DeeplabV3+	全切片图像，CT扫描	2054例患者（含181例病理确诊CP）
178	2025-06-06	Quantitative dynamics of neural uncertainty in sensory processing and decision-making during discriminative learning 2025-May, Experimental & molecular medicine DOI:10.1038/s12276-025-01456-7 PMID:40335633	研究论文	本研究使用深度学习方法量化了初级体感皮层前肢区（fS1）在振动频率辨别任务中的神经不确定性	引入了一种transformer模型，用于解码随时间不一致跟踪的神经数据，揭示了fS1在振动刺激和决策过程中编码不确定性的关键作用	研究仅关注fS1区域，未涉及其他可能参与不确定性处理的大脑区域	探究感觉皮层中神经不确定性的定量表征及其在辨别学习中的作用	初级体感皮层前肢区（fS1）的神经活动	神经科学	NA	深度学习	transformer	神经活动数据	NA
179	2025-06-06	Interactive Explainable Deep Learning Model for Hepatocellular Carcinoma Diagnosis at Gadoxetic Acid-enhanced MRI: A Retrospective, Multicenter, Diagnostic Study 2025-May, Radiology. Imaging cancer DOI:10.1148/rycan.240332 PMID:40445095	研究论文	开发基于钆塞酸增强MRI的人工智能模型，辅助放射科医生诊断肝细胞癌	提出了一种交互式可解释的深度学习模型，能够通过分析预训练病变分类器的激活模式推断LI-RADS特征的存在	研究为回顾性设计，可能受到选择偏差的影响	开发AI模型辅助肝细胞癌诊断	肝局灶性病变患者	数字病理	肝细胞癌	钆塞酸增强MRI	深度学习	MRI图像	839名患者（1023个肝局灶性病变）
180	2025-06-06	Predicting Recurrence in Locally Advanced Rectal Cancer Using Multitask Deep Learning and Multimodal MRI 2025-May, Radiology. Imaging cancer DOI:10.1148/rycan.240359 PMID:40445102	research paper	开发并验证了一种名为MultiRecNet的多任务深度网络，用于全自动预测接受新辅助放化疗（nCRT）治疗的局部晚期直肠癌（LARC）患者的无病生存期（DFS）	MultiRecNet能够在单一框架内同时执行分割、分类和生存预测任务，实现了全自动端到端的预后预测	研究为回顾性设计，可能存在选择偏差	预测局部晚期直肠癌患者的无病生存期	接受nCRT治疗的局部晚期直肠癌患者	digital pathology	rectal cancer	multimodal MRI	MultiRecNet (multitask deep learning)	MRI图像（T2、ADC等）及临床指标	445名患者（训练集261名，验证集37名，内部测试集75名，外部测试集72名）