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	2025-08-09	Hierarchical image classification using transfer learning to improve deep learning model performance for amazon parrots 2025-01-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-88103-3 PMID:39885290	研究论文	本研究利用迁移学习构建分层分类模型，以提高亚马逊鹦鹉物种分类的深度学习模型性能	通过基于诊断形态特征构建分层分类模型，显著提高了模型在检测和分类亚马逊鹦鹉方面的性能，特别是在形态相似物种间的分类准确性	研究主要针对亚马逊鹦鹉，可能不适用于其他野生动物物种的分类	提高野生动物物种分类的深度学习模型性能，以支持野生种群监测和全球贸易管理	亚马逊鹦鹉	计算机视觉	NA	迁移学习	深度学习模型	图像	NA
162	2025-08-09	Deep learning-based aberration compensation improves contrast and resolution in fluorescence microscopy 2025-01-02, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-55267-x PMID:39747824	研究论文	本文提出了一种基于深度学习的像差补偿策略，用于提高荧光显微镜图像的对比度和分辨率	通过引入合成像差并训练神经网络来逆转这些像差的影响，该方法在不减慢图像采集速度、不增加额外剂量或不引入更多光学元件的情况下提高了图像质量	NA	改善厚样本荧光显微镜成像质量	荧光显微镜图像	计算机视觉	NA	深度学习	神经网络	图像	多种数据集（包括共聚焦、光片、多光子和超分辨率显微镜捕获的数据）
163	2025-08-09	Exploring transition states of protein conformational changes via out-of-distribution detection in the hyperspherical latent space 2025-01-02, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-55228-4 PMID:39753544	研究论文	本文提出了一种名为TS-DAR的深度学习框架，用于识别蛋白质构象变化中的过渡态	TS-DAR框架首次将过渡态结构视为分布外数据，利用超球面潜在空间中的正则化嵌入，实现了从分子动力学模拟中同时检测多个自由能极小值之间的所有过渡态	方法在更复杂的蛋白质系统中的应用效果尚未验证	开发一种能够准确识别蛋白质构象变化中过渡态的新方法	蛋白质构象变化的过渡态	机器学习	NA	分子动力学模拟(MD)，深度学习	神经网络	分子构象数据	2D势能模型、丙氨酸二肽和DNA马达蛋白在DNA上的转位过程
164	2025-08-09	A pathology-attention multi-instance learning framework for multimodal classification of colorectal lesions 2025, Frontiers in pharmacology IF:4.4Q1 DOI:10.3389/fphar.2025.1592950 PMID:40548052	research paper	提出了一种名为PAT-MIL的多模态弱监督学习框架，用于结直肠病变的多模态分类	结合动态注意力机制与专家定义的文本原型，通过病理知识驱动的文本原型构建、逐步调整类别中心的细化策略以及基于梯度反馈的动态损失平衡方法，优化视觉聚类和语义对齐	未提及具体样本量及外部验证数据集的详细情况	提高结直肠病变的病理诊断准确性，特别是在数字病理学中的多模态分类任务	结直肠病变的WSI（全切片图像）	digital pathology	colorectal cancer	weakly supervised learning, dynamic attention mechanisms	PAT-MIL (Pathology-Attention-MIL)	image, text	NA
165	2025-08-09	Deep learning-based binary classification of beta-amyloid plaques using 18 F florapronol PET 2024-Dec-01, Nuclear medicine communications IF:1.3Q3 DOI:10.1097/MNM.0000000000001904 PMID:39350612	研究论文	本研究旨在利用深度学习模型对阿尔茨海默病疑似患者的脑部PET图像中的淀粉样斑块沉积进行分类	使用卷积神经网络(CNN)对脑部PET图像进行淀粉样斑块沉积的二元分类，验证了该模型的高可靠性	研究为回顾性研究，样本量相对较小(175例患者)	提高阿尔茨海默病临床诊断的准确性	疑似轻度认知障碍或痴呆的患者	数字病理学	阿尔茨海默病	18 F florapronol PET/CT成像	CNN	图像	175例患者(77男，98女)
166	2025-08-09	Deep learning-based aberration compensation improves contrast and resolution in fluorescence microscopy 2024-Jul-15, bioRxiv : the preprint server for biology DOI:10.1101/2023.10.15.562439 PMID:37986950	research paper	提出一种基于深度学习的像差补偿策略，用于提高荧光显微镜图像的对比度和分辨率	通过引入合成像差并训练神经网络来逆转这些像差的影响，无需减慢图像采集速度、增加剂量或引入更多光学元件	NA	提高荧光显微镜在厚样本成像中的图像质量	荧光显微镜图像	computer vision	NA	深度学习	神经网络	image	多种数据集（共聚焦、光片、多光子和超分辨率显微镜捕获）
167	2025-08-09	Union is strength: the combination of radiomics features and 3D-deep learning in a sole model increases diagnostic accuracy in demented patients: a whole brain 18FDG PET-CT analysis 2024-Jul-01, Nuclear medicine communications IF:1.3Q3 DOI:10.1097/MNM.0000000000001853 PMID:38632972	研究论文	本文比较了放射组学特征、3D深度学习卷积神经网络（CNN）及其融合模型在痴呆患者和正常对照者全脑18F-FDG PET图像评估中的应用	首次将放射组学特征与3D-CNN融合应用于全脑18FDG PET研究，提高了痴呆患者的诊断准确性	样本量相对较小（85例痴呆患者和125例健康对照），且仅使用了18F-FDG PET一种成像方式	评估不同模型在痴呆诊断中的性能差异	痴呆患者和健康对照者的全脑18F-FDG PET图像	数字病理学	老年痴呆症	18F-FDG PET-CT成像	3D-CNN与放射组学融合模型	医学影像	85例痴呆患者和125例健康对照者
168	2025-08-09	Machine learning diagnosis of active Juvenile Idiopathic Arthritis on blood pool [ 99M Tc] Tc-MDP scintigraphy images 2024-May-01, Nuclear medicine communications IF:1.3Q3 DOI:10.1097/MNM.0000000000001822 PMID:38312058	研究论文	本研究利用深度学习技术，通过分析血液池图像，对青少年特发性关节炎（JIA）进行诊断	采用自设计的多输入CNN模型及预训练模型（VGG16、ResNet50和Xception）进行JIA诊断，自设计模型表现最佳	样本量较小（326名儿童和青少年），且仅针对JIA的诊断	探索深度学习在核医学中诊断青少年特发性关节炎的应用	326名健康及已知JIA的儿童和青少年（年龄1-16岁）	数字病理学	青少年特发性关节炎	深度学习	CNN、VGG16、ResNet50、Xception	图像	1304张血液池图像（来自326名儿童和青少年）
169	2025-08-09	Greater accuracy of radiomics compared to deep learning to discriminate normal subjects from patients with dementia: a whole brain 18FDG PET analysis 2024-Apr-01, Nuclear medicine communications IF:1.3Q3 DOI:10.1097/MNM.0000000000001810 PMID:38189449	研究论文	比较放射组学和深度学习在区分痴呆患者与正常受试者方面的准确性	研究发现放射组学特征在标准化PET全脑图像中比CNN更准确地区分痴呆患者与正常受试者	样本量相对较小（85名痴呆患者和125名健康对照）	比较放射组学和深度学习在痴呆诊断中的准确性	85名痴呆患者和125名健康对照	数字病理学	老年疾病	18F-FDG脑PET成像	Neural Network, CNN	图像	85名痴呆患者和125名健康对照
170	2025-08-09	Early prediction of distant metastasis in patients with uterine cervical cancer treated with definitive chemoradiotherapy by deep learning using pretreatment [ 18 F]fluorodeoxyglucose positron emission tomography/computed tomography 2024-Mar-01, Nuclear medicine communications IF:1.3Q3 DOI:10.1097/MNM.0000000000001799 PMID:38165173	研究论文	开发了一种基于深度学习的模型，利用治疗前的[18F]FDG-PET/CT图像数据预测局部晚期子宫颈癌患者的远处转移	采用新型三维图像增强技术和深度学习模型，首次在治疗前预测子宫颈癌患者的远处转移	需要外部验证以确定模型的预测性能	早期预测局部晚期子宫颈癌患者在确定性放化疗后的远处转移	局部晚期子宫颈癌患者	数字病理学	子宫颈癌	[18F]FDG-PET/CT成像	深度学习模型	医学影像	186名患者用于训练，25名患者用于验证
171	2025-08-09	A comparison of 18 F-FDG PET-based radiomics and deep learning in predicting regional lymph node metastasis in patients with resectable lung adenocarcinoma: a cross-scanner and temporal validation study 2023-Dec-01, Nuclear medicine communications IF:1.3Q3 DOI:10.1097/MNM.0000000000001776 PMID:37728592	研究论文	比较基于18 F-FDG PET的放射组学和深度学习在预测可切除肺腺癌患者区域淋巴结转移中的表现	首次比较了手工放射组学和深度学习在不同代PET扫描仪上的表现，并验证了深度学习模型的跨扫描仪有效性	样本量较小，特别是数字PET队列仅有17例患者	预测可切除肺腺癌患者的病理区域淋巴结转移状态	148例接受根治性手术的肺腺癌患者	数字病理	肺腺癌	18 F-FDG PET成像	ResNet-50	医学影像	148例（131例模拟PET，17例数字PET）
172	2025-08-09	Automated Radiomic Analysis of Vestibular Schwannomas and Inner Ears Using Contrast-Enhanced T1-Weighted and T2-Weighted Magnetic Resonance Imaging Sequences and Artificial Intelligence 2023-09-01, Otology & neurotology : official publication of the American Otological Society, American Neurotology Society [and] European Academy of Otology and Neurotology IF:1.9Q2 DOI:10.1097/MAO.0000000000003959 PMID:37464458	研究论文	使用深度学习和MRI技术自动分析前庭神经鞘瘤和内耳结构	利用三维卷积神经网络模型在MRI图像上自动分割前庭神经鞘瘤和内耳结构，提高了分割的准确性和效率	研究依赖于特定MRI序列（对比增强T1加权和T2加权），可能不适用于其他成像技术	客观评估前庭神经鞘瘤及其与内耳的空间关系	490名成年前庭神经鞘瘤患者的高分辨率MRI扫描数据	数字病理	前庭神经鞘瘤	MRI（对比增强T1加权和T2加权序列）	三维卷积神经网络（3D-CNN）	图像	490名患者（390名训练集，100名测试集）和外部公开数据集100名患者
173	2025-08-09	Denoising Tc-99m DMSA images using Denoising Convolutional Neural Network with comparison to a Block Matching Filter 2023-08-01, Nuclear medicine communications IF:1.3Q3 DOI:10.1097/MNM.0000000000001712 PMID:37272279	研究论文	本研究探讨了预训练的DnCNN在去噪Tc-99m DMSA图像中的应用，并与BM3D滤波器进行了性能比较	首次将预训练的DnCNN应用于Tc-99m DMSA图像去噪，并证明其性能优于传统BM3D滤波器	研究仅使用了242张Tc-99m DMSA图像，样本量可能不足	评估预训练DnCNN在医学图像去噪中的适用性	Tc-99m DMSA图像	数字病理学	NA	图像去噪	DnCNN	医学图像	242张Tc-99m DMSA图像
174	2025-08-08	Deep learning-based reconstruction improves the image quality of low-dose CT enterography in patients with inflammatory bowel disease 2025-Sep, Abdominal radiology (New York) DOI:10.1007/s00261-024-04590-4 PMID:39305292	研究论文	本研究探讨了深度学习重建（DLR）在低剂量CT肠造影（LDCTE）中降低辐射剂量并提高图像质量的潜力	首次将深度学习重建技术应用于低剂量CT肠造影，显著降低辐射剂量同时提升图像质量	样本量较小（36例LDCTE组和40例STDCTE组），且LDCTE组为前瞻性研究而STDCTE组为回顾性研究	评估深度学习重建技术在降低CT肠造影辐射剂量中的应用效果	炎症性肠病（IBD）患者	数字病理	炎症性肠病	CT肠造影（CTE）	深度学习重建（DLR）	医学影像	76例（36例LDCTE组和40例STDCTE组）
175	2025-08-08	Association of visceral fat obesity with structural change in abdominal organs: fully automated three-dimensional volumetric computed tomography measurement using deep learning 2025-Sep, Abdominal radiology (New York) DOI:10.1007/s00261-025-04834-x PMID:39937214	研究论文	本研究利用基于深度学习的全自动三维体积CT测量方法，探讨腹部器官结构变化与内脏脂肪肥胖（VFO）之间的关联	首次采用全自动三维体积CT测量结合深度学习算法，系统评估VFO患者腹部器官的体积和CT衰减值变化	研究样本仅包括610名患者，可能存在选择偏差	探索内脏脂肪肥胖与腹部器官结构变化的关系	610名患者（295名男性和315名女性，平均年龄68.4岁）	数字病理学	代谢相关疾病	三维体积CT测量	深度学习算法	CT图像	610名患者（295名男性，315名女性）
176	2025-08-08	The Dipeptidyl Peptidase-4 Inhibitor Saxagliptin as a Candidate Treatment for Disorders of Consciousness: A Deep Learning and Retrospective Clinical Analysis 2025-Aug, Neurocritical care IF:3.1Q2 DOI:10.1007/s12028-025-02217-0 PMID:39904872	research paper	该研究通过深度学习模型筛选FDA批准的药物，发现二肽基肽酶-4抑制剂沙格列汀可能作为意识障碍的新治疗药物，并通过回顾性临床分析验证其效果	首次利用深度学习模型基于药物三维分子结构预测其作为唤醒剂的疗效，并发现沙格列汀对急性和长期意识障碍患者的潜在治疗效果	研究为回顾性分析，需要进一步的前瞻性临床试验验证药物的有效性和安全性	探索现有FDA批准药物在意识障碍治疗中的新应用	4047名因创伤性、血管性或缺氧性脑损伤导致昏迷的患者	machine learning	disorders of consciousness	deep learning-based drug screening	deep learning	clinical data, molecular structure data	4047名昏迷患者
177	2024-12-05	Correction to: Deep learning-based reconstruction improves the image quality of low-dose CT enterography in patients with inflammatory bowel disease 2025-Jun, Abdominal radiology (New York) DOI:10.1007/s00261-024-04694-x PMID:39630201	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
178	2025-08-08	Integration of MRI radiomics and clinical data for preoperative prediction of vascular invasion in breast cancer: A deep learning approach 2025-May, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2025.110339 PMID:39880177	research paper	本研究探讨了结合MRI放射组学特征和临床数据，通过深度学习方法预测乳腺癌血管侵犯的术前准确性	首次将MRI放射组学特征与临床数据结合，采用深度学习方法预测乳腺癌血管侵犯，显著提高了诊断准确性	研究样本量较小（102例），且为回顾性分析，可能存在选择偏差	评估MRI放射组学特征与临床数据结合在预测乳腺癌血管侵犯中的有效性	102例经手术病理证实的浸润性乳腺癌患者	digital pathology	breast cancer	MRI (DWI, VIBRANT序列), 放射组学特征提取	深度学习模型	MRI图像和临床数据	102例乳腺癌患者
179	2025-08-08	KaMLs for Predicting Protein pKa Values and Ionization States: Are Trees All You Need? 2025-Feb-11, Journal of chemical theory and computation IF:5.7Q1 DOI:10.1021/acs.jctc.4c01602 PMID:39882632	研究论文	本文介绍了基于决策树和图注意力网络(GAT)的KaML模型，用于预测蛋白质pKa值和电离状态，显著提高了预测准确性	创新点包括对酸和碱的分别处理、使用AlphaFold结构进行数据增强、在理论p数据库上进行模型预训练，以及引入质子化状态分类作为评估指标	机器学习方法受到实验数据稀缺的限制	提高蛋白质电离状态预测的准确性，以促进生物学理解和计算机辅助药物发现	蛋白质电离状态和pKa值	机器学习	NA	决策树、图注意力网络(GAT)	KaML-CBtree、GAT	蛋白质pKa数据库(PKAD-3)、AlphaFold结构数据	NA
180	2025-08-08	Deep learning-driven bacterial cytological profiling to determine antimicrobial mechanisms in Mycobacterium tuberculosis 2025-Feb-11, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2419813122 PMID:39913203	研究论文	本研究介绍了一种名为MycoBCP的深度学习方法，用于通过细菌细胞学分析（BCP）确定结核分枝杆菌中抗菌药物的作用机制（MOA）	MycoBCP是BCP的一种独特改进，利用卷积神经网络（CNNs）克服传统图像分析技术的挑战，能够在不依赖精确细胞分割的情况下分析抗菌化合物的形态效应	转录和翻译抑制导致的相似形态使得区分它们需要进一步改进，且存在对利福布汀的错误分类	加速结核病治疗中抗菌药物作用机制（MOA）的确定	结核分枝杆菌及其对抗菌化合物的反应	数字病理学	结核病	细菌细胞学分析（BCP）与卷积神经网络（CNNs）	CNN	图像	多种抗菌化合物对结核分枝杆菌的影响