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
1941	2025-12-03	Dual-center study on AI-driven multi-label deep learning for X-ray screening of knee abnormalities 2025-Oct-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-21895-6 PMID:41168262	研究论文	本研究开发了一种基于AI的多标签深度学习模型，用于从X射线图像中直接检测膝关节软组织异常	创新性地利用X射线图像实现了传统上仅能通过MRI或关节镜检查的软组织异常检测	研究为回顾性设计，且仅基于两个医疗中心的数据，可能存在选择偏倚	提高膝关节异常（特别是软组织损伤）在X射线筛查中的检测精度和效率	膝关节X射线图像	计算机视觉	膝关节异常	X射线成像	CNN	图像	来自两个医疗中心的4,215名患者	PyTorch, Flask	YOLOv11, ResNet152, DenseNet121, MobileNetV3, ShuffleNetV2, VGG19	mAP, F1-score, AUC	NA
1942	2025-12-03	Accuracy and reliability of 3D cephalometric landmark detection with deep learning 2025-Oct-21, European journal of medical research IF:2.8Q2 DOI:10.1186/s40001-025-03198-8 PMID:41121304	研究论文	本研究开发并验证了一种用于口腔颌面部三维标志点自动检测的深度学习模型	采用优化的轻量级3D U-Net网络架构，在螺旋CT和锥形束CT两种扫描方式上验证了模型的高精度、鲁棒性和泛化能力，并显著提升了专家的标注效率和速度	模型的鲁棒性和泛化能力仍需前瞻性临床验证以确保在不同经验水平用户中的实用性	开发并验证用于口腔颌面部三维标志点自动检测的AI模型，以辅助正畸、正颌、创伤和整形等手术规划	口腔颌面部三维影像（螺旋CT和锥形束CT）中的解剖标志点	计算机视觉	NA	螺旋计算机断层扫描（SCT），锥形束计算机断层扫描（CBCT）	CNN	三维医学影像	训练和测试集：480例SCT和240例CBCT；额外推理集：320例SCT和150例CBCT	NA	3D U-Net	平均径向误差（MRE），2毫米、3毫米、4毫米误差阈值内的成功检测率（SDR）	NA
1943	2025-12-03	Adaptive Neuro-Symbolic framework with dynamic contextual reasoning: A novel framework for semantic understanding 2025-Oct-17, Mathematical biosciences and engineering : MBE DOI:10.3934/mbe.2025112 PMID:41327946	研究论文	提出了一种新颖的自适应神经符号框架（ANS-DCR），用于实现类人的语义理解和可解释性	提出了一个集成了神经网络与符号推理的新颖架构，包含四个关键创新：上下文嵌入层、分层知识图谱、自适应推理引擎和可解释决策模块	NA	解决当前深度学习模型在关系推理、上下文解释和透明决策方面的不足，实现更深层次的语义理解	图像数据，特别是复杂场景如自动驾驶中的交通场景	计算机视觉	NA	NA	神经符号模型	图像	NA	NA	ANS-DCR（自适应神经符号框架与动态上下文推理）	语义分割，上下文推理，可解释性	NA
1944	2025-12-03	Improving Colorectal Cancer Screening and Risk Assessment through Predictive Modeling on Medical Images and Records 2025-Oct-16, The American journal of pathology DOI:10.1016/j.ajpath.2025.09.016 PMID:41109668	研究论文	本研究通过整合病理切片图像和临床记录，开发了一种基于Transformer的多模态深度学习模型，用于预测结直肠息肉5年进展风险	首次将Transformer架构应用于结直肠息肉病理图像分析，并创新性地通过预测中间临床变量来提升长期风险预测性能，同时探索了多模态融合策略	研究数据来源于单一注册中心（新罕布什尔州结肠镜注册库），可能限制模型的泛化能力；未详细说明模型在不同亚组人群中的表现差异	通过整合多模态数据提升结直肠癌筛查和风险分层的准确性	结直肠息肉患者及其病理切片图像、临床记录	数字病理学	结直肠癌	数字病理全切片成像	Transformer	图像, 文本	新罕布什尔州结肠镜注册库的纵向随访数据（具体样本量未明确说明）	NA	Transformer	AUC	NA
1945	2025-12-03	Exploiting correlations across trials and behavioral sessions to improve neural decoding 2025-Sep-25, bioRxiv : the preprint server for biology DOI:10.1101/2024.09.14.613047 PMID:39314484	研究论文	本文提出两种互补模型，利用跨试验和跨行为会话的神经活动相关性来改进神经解码性能	引入多会话降秩回归模型和多会话状态空间模型，首次系统性地利用跨试验和跨会话的神经活动与行为相关性，相比传统单试验解码方法显著提升解码精度	模型主要基于线性假设，可能无法完全捕捉神经活动中的非线性动态；在极端稀疏数据场景下的泛化能力未充分验证	通过开发新型解码模型，提高从大规模神经数据中解码动物行为的准确性和可解释性	国际脑实验室公开的小鼠Neuropixels数据集，涵盖433个会话、270个脑区域的神经活动数据	机器学习	NA	Neuropixels神经记录技术	降秩回归模型, 状态空间模型	神经电生理信号	433个实验会话，覆盖270个脑区域	NA	多会话降秩回归模型, 多会话状态空间模型	解码准确率	NA
1946	2025-12-03	Assessment of resolution and noise in magnetic resonance images reconstructed by data driven approaches 2025-Aug, Zeitschrift fur medizinische Physik IF:2.4Q2 DOI:10.1016/j.zemedi.2023.08.007 PMID:37684119	研究论文	本文评估了数据驱动方法重建加速MRI扫描时的分辨率和噪声增强	首次为典型模型和数据驱动的MRI重建方法提供了空间分辨率和噪声增强（g因子）的详细地图分析	仅基于单个患者的常规脑部扫描数据，样本量有限	评估数据驱动MRI重建方法在分辨率和噪声方面的性能	MRI图像重建方法	医学影像	NA	MRI	深度学习, 变分网络, U-Net	图像	单个患者的脑部MRI数据	NA	U-Net	局部分辨率, g因子	NA
1947	2025-12-03	Enhanced direct joint attenuation and scatter correction of whole-body PET images via context-aware deep networks 2025-Aug, Zeitschrift fur medizinische Physik IF:2.4Q2 DOI:10.1016/j.zemedi.2024.01.002 PMID:38302292	研究论文	提出一种基于上下文感知深度网络的增强直接联合衰减和散射校正方法，用于无CT或MR辅助的全身PET图像定量重建	通过上下文感知卷积核调制实现受试者和区域特异性滤波，以处理PET成像中的摄取变异，并利用大规模数据集（910例全身研究）进行训练	未明确说明模型在极端病理情况或罕见解剖变异下的泛化能力	开发一种无需结构信息（如CT或MR）的直接衰减和散射校正方法，以提高PET图像的定量准确性	全身PET图像	医学影像分析	NA	PET成像	CNN	图像	910例全身研究	NA	上下文感知卷积网络	绝对相对误差, 相对误差	NA
1948	2025-12-03	Leveraging Swin Transformer for enhanced diagnosis of Alzheimer's disease using multi-shell diffusion MRI 2025-Jul-14, ArXiv PMID:40709302	研究论文	本研究利用基于Swin Transformer的深度学习框架，结合多壳层扩散MRI数据，旨在支持阿尔茨海默病的早期诊断和淀粉样蛋白积累的检测	首次将Swin Transformer应用于多壳层扩散MRI数据，并集成低秩适应技术以在有限标记神经影像数据上高效微调模型	研究在数据有限的生物医学环境中进行，可能影响模型的泛化能力	支持阿尔茨海默病的早期诊断和淀粉样蛋白积累的检测	阿尔茨海默病患者、轻度认知障碍患者和认知正常个体	计算机视觉	阿尔茨海默病	多壳层扩散MRI	Transformer	图像	未明确说明具体样本数量	PyTorch	Swin Transformer	平衡准确率	NA
1949	2025-12-03	Multicycle Dosimetric Behavior and Dose-Effect Relationships in [177Lu]Lu-DOTATATE Peptide Receptor Radionuclide Therapy 2025-Jun-02, Journal of nuclear medicine : official publication, Society of Nuclear Medicine IF:9.1Q1 DOI:10.2967/jnumed.124.269389 PMID:40274371	研究论文	本研究探讨了[177Lu]Lu-DOTATATE肽受体放射性核素治疗在转移性神经内分泌肿瘤中的多周期剂量学行为及剂量-效应关系，旨在为个性化剂量引导治疗提供策略	首次系统分析了多周期治疗中肿瘤与肾脏的剂量学模式变化，并建立了基于估计肾小球滤过率的剂量-效应预测模型	样本量较小（30例患者），且肿瘤吸收剂量与疗效指标无显著关联	开发个性化剂量学引导的肽受体放射性核素治疗策略	转移性神经内分泌肿瘤患者	数字病理学	神经内分泌肿瘤	SPECT/CT成像、蒙特卡洛剂量率模拟、深度学习分割	深度学习算法	医学影像（CT、SPECT、MRI）	30例患者（22例完成全周期成像）	NA	NA	RECIST、改良RECIST、[Ga]Ga-DOTATATE PET标准、估计肾小球滤过率	NA
1950	2025-12-03	Boltz-1 Democratizing Biomolecular Interaction Modeling 2025-May-06, bioRxiv : the preprint server for biology DOI:10.1101/2024.11.19.624167 PMID:39605745	研究论文	本文介绍了开源深度学习模型Boltz-1，该模型在预测生物分子复合物3D结构方面达到了AlphaFold3级别的精度，并提出了新的推理时间引导技术Boltz-steering	提出了创新的模型架构、速度优化和数据处理方法，实现了与最先进商业模型相当的预测精度，并开发了能修正模型幻觉和非物理预测的Boltz-steering技术	未在摘要中明确说明	推动生物分子相互作用建模的民主化，为药物发现和蛋白质设计等领域提供强大工具	生物分子复合物的3D结构	结构生物学	NA	深度学习	深度学习模型	生物分子结构数据	未在摘要中明确说明	未在摘要中明确说明	Boltz-1	结构预测精度	未在摘要中明确说明
1951	2025-12-03	Physics-informed deep learning for infectious disease forecasting 2025-Apr-29, ArXiv PMID:39876937	研究论文	本研究提出了一种基于物理信息神经网络（PINN）的新型传染病预测模型，通过将疾病传播的动力学系统表示融入损失函数，结合流行病学理论和数据，以改进预测能力	将物理信息神经网络（PINN）应用于传染病预测，通过整合动力学系统表示和协变量子网络，防止过拟合并提升预测准确性	模型仅在加州州级COVID-19数据上进行了验证，未在其他地区或疾病上广泛测试	改进传染病预测方法，以更好地应对未来大流行病	传染病传播动态，特别是COVID-19的病例数、死亡数和住院数	机器学习	传染病	物理信息神经网络（PINN）	PINN, RNN, LSTM, GRU, Transformer	时间序列数据	加州州级COVID-19数据	NA	物理信息神经网络（PINN），包含协变量子网络	预测一致性，与基准模型比较	NA
1952	2025-12-03	One-click image reconstruction in single-molecule localization microscopy via deep learning 2025-Apr-18, bioRxiv : the preprint server for biology DOI:10.1101/2025.04.13.648574 PMID:40376092	研究论文	本文介绍了AutoDS和AutoDS3D两种基于深度学习的软件，用于单分子定位超分辨率显微镜数据的自动重建，显著减少了人工干预	通过自动从原始成像数据中提取实验参数，减少了模型训练中的人工调参需求，并优化了计算效率，实现了单点击图像重建	未明确提及模型的泛化能力在极端实验条件下的表现或潜在的数据偏差问题	开发自动化软件以简化单分子定位超分辨率显微镜的图像重建过程，提高成像通量和减少人工干预	单分子定位超分辨率显微镜数据，特别是复杂生物样本的成像数据	计算机视觉	NA	单分子定位超分辨率显微镜	深度神经网络	图像	NA	NA	Deep-STORM, DeepSTORM3D	NA	NA
1953	2025-12-03	MEF2C controls segment-specific gene regulatory networks that direct heart tube morphogenesis 2025-Mar-27, bioRxiv : the preprint server for biology DOI:10.1101/2024.11.01.621613 PMID:39554149	研究论文	本文通过单核RNA测序和ATAC测序技术，结合深度学习模型，研究了转录因子MEF2C在早期心脏管形态发生中调控的基因调控网络，揭示了其在心脏节段特异性发育中的作用	首次整合多组学数据于深度学习模型中，构建了心脏流出道、心室和流入道节段的发育轨迹，并识别了MEF2C依赖的节段特异性增强子	研究主要基于小鼠胚胎模型，结果在人类或其他物种中的普适性有待验证，且深度学习模型的解释性可能有限	解析早期心脏管形态发生中由MEF2C控制的节段特异性基因调控网络	野生型和MEF2C缺失型小鼠胚胎的心脏组织	计算生物学	心脏发育异常	单核RNA测序, ATAC测序	深度学习模型	基因组学数据, 表观基因组学数据	野生型和MEF2C缺失型胚胎的时间序列样本	NA	NA	NA	NA
1954	2025-12-03	Automated Segmentation of MRI White Matter Hyperintensities in 8421 Patients with Acute Ischemic Stroke 2024-Dec-09, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8418 PMID:39013565	研究论文	本研究开发并验证了深度学习算法，用于在急性缺血性卒中患者中自动分割白质高信号病变，使用了来自9个中心的8421名患者的多中心数据集	首次在急性缺血性卒中患者中，利用大规模多中心MRI数据集（8421名患者）开发深度学习算法进行白质高信号自动分割，并引入了基于Kullback-Leibler散度的不确定性指数来识别分割不准确的病例	研究中使用的2D UNet和SE-UNet模型在内部测试和外部验证中的Dice相似系数略低于人工分割的可靠性（DSC=0.744），表明算法性能仍有提升空间，且不确定性指数在部分患者中较高，可能需要人工复核	开发并验证深度学习算法，以在急性缺血性卒中患者中准确分割白质高信号病变，解决因卒中相关病变模糊白质高信号边界而导致的复杂分割问题	8421名急性缺血性卒中患者，来自韩国的9个医疗中心	数字病理学	心血管疾病	MRI, FLAIR序列	CNN	图像	8421名患者的FLAIR MRI图像，其中2408张来自3家医院用于训练，6013张来自6家医院用于验证	NA	UNet, SE-UNet	Dice相似系数, 相关系数, 一致性相关系数	NA
1955	2025-12-03	Improving laryngeal cancer detection using chaotic metaheuristics integration with squeeze-and-excitation resnet model 2024-Dec, Health information science and systems IF:4.7Q1 DOI:10.1007/s13755-024-00296-5 PMID:39006830	研究论文	本文提出了一种结合混沌元启发式算法与SE-ResNet模型的高效喉癌检测方法	通过混沌自适应麻雀搜索算法优化SE-ResNet超参数，并结合极限学习机进行分类，提升了喉癌检测的准确性和效率	未提及方法在更大规模或多样化数据集上的泛化能力，以及计算资源消耗的具体分析	提高喉癌的早期检测准确率，减少计算复杂性和筛查时间	喉部区域图像	计算机视觉	喉癌	深度学习	CNN	图像	基准喉部区域图像数据库（具体数量未提及）	NA	Squeeze-and-Excitation ResNet, 极限学习机	准确性	NA
1956	2025-12-03	A transfer learning enabled approach for ocular disease detection and classification 2024-Dec, Health information science and systems IF:4.7Q1 DOI:10.1007/s13755-024-00293-8 PMID:38868156	研究论文	本研究提出了一种名为Ocular Net的新型深度学习模型，用于从眼部图像中检测和分类白内障、糖尿病性视网膜病变、葡萄膜炎和青光眼等眼部疾病	提出了一种结合迁移学习、平均池化层、Clipped ReLU和Leaky ReLU等多种层结构的新型Ocular Net模型，并在大型眼部图像数据集上实现了高精度疾病分类	未明确说明模型在外部验证集或临床环境中的泛化能力，以及数据集中各类别样本的具体分布情况	开发一种高精度的深度学习模型，用于眼部疾病的自动检测和分类	眼部疾病图像（白内障、糖尿病性视网膜病变、葡萄膜炎、青光眼）及正常眼部图像	计算机视觉	眼部疾病	深度学习，数据增强	CNN	图像	6200张患者双眼图像（4000张训练，2200张测试）	未明确说明	Ocular Net（自定义架构）	准确率，损失值	NA
1957	2025-12-03	Predicting Therapeutic Response to Hypoglossal Nerve Stimulation Using Deep Learning 2024-Dec, The Laryngoscope DOI:10.1002/lary.31609 PMID:38934474	研究论文	本研究开发并验证了基于药物诱导睡眠内窥镜图像的机器学习和深度学习模型，用于预测舌下神经刺激器植入的治疗效果	首次利用深度学习模型从药物诱导睡眠内窥镜图像中预测舌下神经刺激器的治疗效果，特别是发现腭咽部图像具有更高的预测准确性	研究为单中心数据，样本量相对有限，需要多机构数据来开发更具泛化性的预测模型	预测舌下神经刺激器植入的治疗效果，以改善患者选择	接受药物诱导睡眠内窥镜检查和舌下神经刺激器植入的患者	数字病理学	睡眠呼吸暂停	药物诱导睡眠内窥镜	深度学习, 机器学习	图像	127名患者的25,040张图像	NA	VGG-16	准确率, 精确率, 召回率, F1分数	NA
1958	2025-12-03	Pix2HDR - A Pixel-Wise Acquisition and Deep Learning-Based Synthesis Approach for High-Speed HDR Videos 2024-Dec, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2024.3410140 PMID:38837925	研究论文	本文提出了一种结合像素级采样和深度学习的高动态范围视频合成方法，用于高速视频采集	采用像素级可变曝光和相位偏移采样模式，而非传统的帧级多曝光方法，结合端到端深度学习权重转换，实现高时空分辨率且减少运动模糊	NA	解决高速高动态范围视频采集中的动态范围和运动模糊问题	动态场景中的视频数据	计算机视觉	NA	像素级可编程图像传感器采样	深度神经网络	视频	NA	NA	NA	NA	NA
1959	2025-12-03	Harbor seal whiskers optimization algorithm with deep learning-based medical imaging analysis for gastrointestinal cancer detection 2024-Dec, Health information science and systems IF:4.7Q1 DOI:10.1007/s13755-024-00294-7 PMID:38764569	研究论文	本文提出了一种基于海豹胡须优化算法与深度学习的医学影像分析技术，用于胃肠道癌症检测	结合了海豹胡须优化算法（HSWOA）与Xception模型进行特征提取，并采用飞蛾火焰优化算法（MFO）优化XGBoost模型的参数，形成了一种新的混合优化框架	实验仅在Kvasir数据库上进行验证，缺乏多中心、大规模的外部验证，且未详细讨论模型的计算复杂度和实时性	开发一种高效的医学影像分析技术，以实现胃肠道癌症的早期检测与诊断	胃肠道医学影像（如CT、内镜、MRI、超声、PET等图像）	计算机视觉	胃肠道癌症	医学影像分析（包括CT、内镜、MRI、超声、PET）	CNN, XGBoost	图像	使用Kvasir数据库，具体样本数量未明确说明	未明确指定，但涉及深度学习与机器学习优化算法	Xception	未明确列出具体指标，但提及了最佳可能解决方案的比较	NA
1960	2025-12-03	DeepEMC-T2 mapping: Deep learning-enabled T2 mapping based on echo modulation curve modeling 2024-Dec, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.30239 PMID:39129209	研究论文	本文提出了一种基于深度学习的方法DeepEMC-T2 mapping，用于从多回波自旋回波图像中高效估计准确的T2图	开发了基于改进U-Net的深度学习版本EMC-T2映射方法，无需繁琐的逐像素字典匹配步骤，并引入了多项新特征以提高T2和质子密度估计的准确性	研究主要基于特定采集参数和方向的MESE数据集，虽然评估了不同扫描参数和方向的泛化性，但可能仍需在更广泛的数据集和临床场景中进一步验证	开发一种高效、准确的T2量化方法，以简化多回波自旋回波成像中的T2弛豫时间估计	多回波自旋回波成像数据，用于估计T2弛豫时间和质子密度图	医学影像分析	NA	多回波自旋回波成像	深度学习	医学影像	124个MESE数据集（67个用于网络训练和评估，57个用于评估泛化性）	NA	改进的U-Net	T2估计误差, PD估计误差	NA