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	2025-05-20	ConnectomeAE: Multimodal brain connectome-based dual-branch autoencoder and its application in the diagnosis of brain diseases 2025-Jul, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108801 PMID:40294455	研究论文	提出了一种基于多模态脑连接组的双分支自编码器ConnectomeAE，用于整合多模态脑连接信息和区域放射组学特征以增强脑疾病诊断	通过双分支自编码器分别学习节点特征和连接特征，整合了多模态脑连接组信息和区域放射组学特征	NA	探索多模态脑网络之间的依赖关系并整合节点特征以增强脑疾病诊断	自闭症谱系障碍和阿尔茨海默病	数字病理学	脑疾病	结构磁共振成像(MRI)和功能磁共振成像(fMRI)	双分支自编码器(ConnectomeAE)	图像	两个公开数据集
162	2025-05-20	A method for evaluating the degree of Adipogenic differentiation of porcine cells cultured in suspension based on deep learning 2025-Jul, Food research international (Ottawa, Ont.) DOI:10.1016/j.foodres.2025.116324 PMID:40382025	研究论文	提出了一种基于深度学习的悬浮培养猪细胞脂肪生成分化程度评估方法	结合高通量技术和深度学习，开发了一种快速、直观且准确的脂肪生成分化评估技术	NA	评估猪悬浮脂肪细胞分化程度，以提高细胞培养肉的生产效率	猪悬浮脂肪细胞	深度学习	NA	高通量成像技术	深度学习模型	图像	96孔板中的12个孔
163	2025-05-20	A review of multimodal fusion-based deep learning for Alzheimer's disease 2025-Jun-07, Neuroscience IF:2.9Q2 DOI:10.1016/j.neuroscience.2025.04.035 PMID:40286904	review	本文综述了基于深度学习的多模态融合在阿尔茨海默病研究中的最新进展	系统总结了MRI和PET多模态数据融合的深度学习方法及其在阿尔茨海默病研究中的应用	面临数据稀缺和不平衡、机构间数据异质性等关键挑战	推动阿尔茨海默病早期诊断和干预策略的发展	阿尔茨海默病相关的MRI和PET多模态影像数据	digital pathology	geriatric disease	MRI, PET	deep learning models	image	NA
164	2025-05-20	Prognostic models for predicting oncological outcomes after surgical resection of a nonmetastatic renal cancer: A critical review of current literature 2025-Jun, Urologic oncology DOI:10.1016/j.urolonc.2024.08.014 PMID:39304391	综述	本文全面评估并批判性地评价了当前用于非转移性肾细胞癌（nmRCC）肾切除术后预后预测的模型	讨论了人工智能（AI）尤其是机器学习和深度学习算法在生存预测模型中的应用	AI模型的广泛应用受到外部验证有限、成本效益分析缺乏和临床效用未确认的限制	评估和批判当前用于nmRCC肾切除术后预后预测的模型	非转移性肾细胞癌（nmRCC）患者	数字病理学	肾癌	机器学习和深度学习算法	NA	临床、病理、基因组和分子数据	NA
165	2025-05-20	Comprehensive Morphometric Analysis to Identify Key Neuroimaging Biomarkers for the Diagnosis of Adult Hydrocephalus Using Artificial Intelligence 2025-Jun-01, Neurosurgery IF:3.9Q1 DOI:10.1227/neu.0000000000003248 PMID:39508594	研究论文	本研究通过人工智能技术识别用于诊断成人脑积水的关键神经影像生物标志物，旨在开发实用且准确的诊断工具	利用SHAP特征重要性分析确定了关键的一维形态测量生物标志物，这些标志物易于测量且能提供与体积测量相似的分类性能	研究样本量较小，且仅针对非正常压力脑积水患者和健康受试者	开发实用且准确的诊断工具，帮助神经外科医生早期和准确诊断脑积水	成人非正常压力脑积水患者和健康受试者	数字病理	脑积水	人工图像处理，机器学习分类器	Gradient Boosting, 机器学习和深度学习分类器	神经影像数据	未明确提及具体样本数量，仅提到涉及非正常压力脑积水患者和健康受试者
166	2025-05-20	AI model using CT-based imaging biomarkers to predict hepatocellular carcinoma in patients with chronic hepatitis B 2025-Jun, Journal of hepatology IF:26.8Q1 DOI:10.1016/j.jhep.2024.12.029 PMID:39710148	研究论文	开发了一种基于AI的预测模型，结合腹部CT图像生物标志物和临床变量，用于预测慢性乙型肝炎患者的肝细胞癌风险	首次将深度学习自动分割CT图像技术与梯度提升机算法结合，显著提高了预测模型的准确性	需要进一步验证模型在其他人群中的适用性	开发更准确的肝细胞癌预测模型	慢性乙型肝炎患者	数字病理学	肝细胞癌	CT成像	梯度提升机	医学影像	推导队列5,585例患者，外部验证队列2,883例患者
167	2025-05-20	A Dual-Energy Computed Tomography Guided Intelligent Radiation Therapy Platform 2025-Jun-01, International journal of radiation oncology, biology, physics DOI:10.1016/j.ijrobp.2025.01.028 PMID:39921109	research paper	介绍了一种新型的双能计算机断层扫描（DECT）引导的智能放射治疗（DEIT）平台，旨在优化放射治疗流程	结合DECT、新型双层多叶准直器、深度学习算法进行自动分割，以及自动规划和质量保证功能	未提及具体样本量的限制或系统在特定条件下的性能限制	优化放射治疗流程，提高治疗的精确性和适应性	放射治疗系统及其在癌症治疗中的应用	digital pathology	cancer	DECT, deep learning algorithms	deep learning	image	5 cases for each of the 99 organs at risk
168	2025-05-20	A deep learning and statistical shape modeling-based method for assessing intercondylar notch volume in anterior cruciate ligament reconstruction 2025-Jun, The Knee DOI:10.1016/j.knee.2025.02.009 PMID:40022961	研究论文	本研究利用深度学习和统计形状建模（SSM）技术，开发了一种评估前交叉韧带重建中髁间窝体积的方法	结合深度学习和SSM技术，实现了髁间窝的快速3D建模，并分析了其体积和形状的变异性	研究仅针对ACL损伤患者，未涉及健康对照组	提高对髁间窝复杂3D解剖结构的理解，以优化前交叉韧带重建手术	前交叉韧带（ACL）损伤患者的髁间窝	数字病理	运动损伤	深度学习，统计形状建模（SSM）	SegResNet	3D图像	ACL损伤患者样本（具体数量未提及）
169	2025-05-20	Deep learning for tibial plateau fracture detection and classification 2025-Jun, The Knee DOI:10.1016/j.knee.2025.02.001 PMID:40023913	研究论文	本研究开发了一种深度学习模型，用于胫骨平台骨折的检测和Schatzker分类	首次使用计算机视觉模型对胫骨平台骨折进行Schatzker分类	在Schatzker分类上的准确率较低，仅34.6%	开发深度学习模型以检测和分类胫骨平台骨折	胫骨平台骨折的X光片	计算机视觉	骨折	深度学习	CNN (GoogleNet和ResNet)	X光图像	753名患者的1506张膝关节X光片，其中368例胫骨平台骨折和385例健康膝关节
170	2025-05-20	Deep Learning for Ocean Forecasting: A Comprehensive Review of Methods, Applications, and Datasets 2025-Jun, IEEE transactions on cybernetics IF:9.4Q1 DOI:10.1109/TCYB.2025.3539990 PMID:40168238	综述	本文全面回顾了基于深度学习的海洋预报研究，包括模型架构、时空多尺度及可解释性，并探讨了结合理论驱动与数据驱动模型的混合架构的可行性	展示了深度学习在挖掘海洋学时空数据中的模式和深度洞察方面的潜力，为海洋预报领域的革新提供了新的可能性	讨论了当前研究的局限性，并展望了未来趋势	探索深度学习在海洋预报中的应用，以补充传统数值海洋预报的不足	海洋预报	机器学习	NA	深度学习	NA	时空数据	NA
171	2025-05-20	Deep-learning-assisted medium optimization improves hyaluronic acid production by Streptococcus zooepidemicus 2025-Jun, Journal of bioscience and bioengineering IF:2.3Q3 DOI:10.1016/j.jbiosc.2025.03.001 PMID:40189954	research paper	利用深度学习算法优化培养基，提高兽疫链球菌生产透明质酸的效率	采用深度学习算法优化培养基成分，显著提高了透明质酸的生产效率	未提及实验的重复性或模型的泛化能力	提高兽疫链球菌生产透明质酸的效率	兽疫链球菌及其生产的透明质酸	machine learning	NA	深度学习	DL	实验数据	初始训练数据集OA01-18和54种候选优化培养基OM01-54
172	2025-05-20	Histological tumor necrosis predicts decreased survival after neoadjuvant chemotherapy in head and neck squamous cell carcinoma 2025-Jun, Oral oncology IF:4.0Q2 DOI:10.1016/j.oraloncology.2025.107287 PMID:40245786	研究论文	本研究探讨了新辅助放疗或放化疗对头颈部鳞状细胞癌（HNSCC）肿瘤免疫景观及患者生存的影响，并发现肿瘤坏死是预测不良预后的有用生物标志物	首次发现肿瘤坏死可作为预测HNSCC患者新辅助治疗反应的生物标志物，并成功开发了基于AI的深度学习方法用于识别组织病理学标本中的肿瘤坏死	研究样本量相对较小（n=53），且为回顾性研究，可能存在选择偏倚	研究新辅助放疗或放化疗对HNSCC肿瘤免疫景观及患者生存的影响，并寻找预测治疗反应的生物标志物	头颈部鳞状细胞癌（HNSCC）患者	数字病理学	头颈部鳞状细胞癌	免疫组织化学染色，AI深度学习	深度学习	组织病理学图像	53例接受新辅助治疗的HNSCC患者，171例未接受新辅助治疗的HNSCC患者作为验证集
173	2025-05-20	SSA-sMLP: A venous thromboembolism risk prediction model using separable self-attention and spatial-shift multilayer perceptrons 2025-Jun, Thrombosis research IF:3.7Q1 DOI:10.1016/j.thromres.2025.109334 PMID:40344789	research paper	本研究提出了一种结合可分离自注意力和空间移位多层感知器的深度学习模型SSA-sMLP，用于静脉血栓栓塞症（VTE）的风险预测	通过可分离自注意力模块动态建模跨维度特征交互，改进的空间移位MLP（S-MLPv2）精确捕捉局部非线性关联，实现了特征交互建模效率和精度的双重提升	模型性能验证仅基于单一医院的数据集，可能影响泛化能力	开发高精度静脉血栓栓塞症风险预测模型以辅助临床决策	113,836份临床记录构成的多维度VTE数据集	machine learning	cardiovascular disease	深度学习	SSA-sMLP（结合可分离自注意力和S-MLPv2）	结构化临床数据	113,836份医院临床记录
174	2025-05-20	Exploring the Limitations of Virtual Contrast Prediction in Brain Tumor Imaging: A Study of Generalization Across Tumor Types and Patient Populations 2025-Jun, NMR in biomedicine IF:2.7Q1 DOI:10.1002/nbm.70062 PMID:40386872	research paper	本研究探讨了深度学习模型在脑肿瘤影像中预测虚拟对比增强的局限性，特别是在不同肿瘤类型和患者群体中的泛化能力	首次系统研究了深度学习模型在预测脑肿瘤影像对比增强时的泛化能力，揭示了跨肿瘤类型和患者群体的挑战	模型在特定肿瘤类型和数据集上表现良好，但在其他肿瘤类型和多样化患者群体中泛化能力有限	评估深度学习模型在脑肿瘤影像中预测虚拟对比增强的泛化能力	脑肿瘤患者	digital pathology	brain tumor	MRI	neural network	image	NA
175	2025-05-20	Enhancing Transthyretin Binding Affinity Prediction with a Consensus Model: Insights from the Tox24 Challenge 2025-May-19, Chemical research in toxicology IF:3.7Q2 DOI:10.1021/acs.chemrestox.4c00560 PMID:40285676	research paper	该研究通过整合多种深度学习模型，开发了一个共识模型来预测甲状腺素转运蛋白（TTR）的结合亲和力，并在Tox24挑战中取得了良好表现	整合了sPhysNet、KANO和GGAP-CPI三种模型，利用不同层次的分子信息（2D拓扑、3D几何和蛋白质-配体相互作用）提升预测准确性，并使用模型输出的标准差作为预测不确定性的估计	研究未提及模型在更广泛数据集上的泛化能力或实际生物实验验证	提升TTR结合亲和力的预测准确性，以识别潜在的TTR结合剂	甲状腺素转运蛋白（TTR）及其与外来化合物的相互作用	machine learning	内分泌系统疾病	深度学习	sPhysNet, KANO, GGAP-CPI	分子信息（2D拓扑、3D几何、蛋白质-配体相互作用）	Tox24挑战提供的数据集，具体样本量未明确说明
176	2025-05-20	Transformer model based on Sonazoid contrast-enhanced ultrasound for microvascular invasion prediction in hepatocellular carcinoma 2025-May-19, Medical physics IF:3.2Q1 DOI:10.1002/mp.17895 PMID:40384312	research paper	本研究评估了基于Sonazoid对比增强超声的Transformer模型在肝细胞癌微血管侵犯术前预测中的价值	首次将Transformer模型应用于Sonazoid对比增强超声图像，用于预测肝细胞癌的微血管侵犯	研究为回顾性设计，样本量相对较小（164例患者）	开发有效的术前预测肝细胞癌微血管侵犯的方法	肝细胞癌患者	digital pathology	hepatocellular carcinoma	Sonazoid contrast-enhanced ultrasound (CEUS)	Transformer	ultrasound images	164例HCC患者
177	2025-05-20	Federated Learning for Renal Tumor Segmentation and Classification on Multi-Center MRI Dataset 2025-May-19, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.29819 PMID:40384349	研究论文	评估联邦学习在多中心MRI数据集上用于肾肿瘤分割和分类的性能和可靠性	使用联邦学习作为隐私保护方案，在多中心数据集上训练深度学习模型，避免了数据共享的限制	研究为回顾性多中心研究，样本量相对有限，且仅在模拟机构环境中测试	评估联邦学习在肾肿瘤分割和分类中的性能与可靠性	肾肿瘤患者的多中心MRI数据	数字病理学	肾癌	MRI (T2WI和CE-T1WI序列)	nnU-Net (分割), ResNet (分类)	MRI图像	987名患者（来自6家医院），其中785名用于训练，104名用于验证，99名用于测试
178	2025-05-20	Baseline correction of Raman spectral data using triangular deep convolutional networks 2025-May-19, The Analyst DOI:10.1039/d5an00253b PMID:40384579	研究论文	提出了一种基于三角深度卷积网络的拉曼光谱数据基线校正方法	设计了一种新颖的深度学习网络架构，以提高基线校正的效果	未提及具体的数据集或样本量限制	提升拉曼光谱数据的基线校正性能	拉曼光谱数据	机器学习	NA	拉曼光谱	三角深度卷积网络	光谱数据	NA
179	2025-05-20	Portable Ultrasound Bladder Volume Measurement Over Entire Volume Range Using a Deep Learning Artificial Intelligence Model in a Selected Cohort: A Proof of Principle Study 2025-May-19, Neurourology and urodynamics IF:1.8Q3 DOI:10.1002/nau.70057 PMID:40384598	研究论文	本研究旨在评估使用深度学习人工智能模型（AI-BV）通过便携式超声膀胱扫描仪（PUBS）测量膀胱体积的准确性，并与传统方法（C-BV）进行比较	首次在选定队列中使用深度学习AI模型通过便携式超声设备测量膀胱体积，并在内部验证中显示出比传统方法更高的准确性	研究结果需要在外部队列中进一步验证以确定其临床相关性	评估深度学习AI模型在膀胱体积测量中的准确性	250名因下尿路症状接受充盈性膀胱测压的患者（213名男性，37名女性）	数字病理	泌尿系统疾病	便携式超声膀胱扫描（PUBS）	深度学习AI模型	超声图像	250名患者（213男/37女）的1912张膀胱图像
180	2025-05-20	Development and Validation an Integrated Deep Learning Model to Assist Eosinophilic Chronic Rhinosinusitis Diagnosis: A Multicenter Study 2025-May-19, International forum of allergy & rhinology IF:7.2Q1 DOI:10.1002/alr.23595 PMID:40387008	research paper	开发并验证了一个集成的深度学习模型，用于辅助诊断嗜酸性慢性鼻窦炎（eCRS）	首次使用CT图像和临床参数结合深度学习模型进行eCRS的非侵入性术前预测，并探索了预测结果的生物学基础	样本量相对较小，且仅来自两家医院，可能影响模型的泛化能力	开发一种非侵入性的术前预测方法，以辅助eCRS的诊断	嗜酸性慢性鼻窦炎（eCRS）患者	digital pathology	chronic rhinosinusitis	CT imaging, proteomic analysis	3D-ResNet, 3D-Xception, HR-Net, SVM	CT images, clinical parameters	1098名患者（来自两家医院），其中34名进行了蛋白质组学分析