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
2461	2025-04-11	Early diagnosis of sepsis-associated AKI: based on destruction-replenishment contrast-enhanced ultrasonography 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1563153 PMID:40201329	research paper	建立基于破坏-补充对比增强超声（DR-CEUS）的深度学习超声放射组学模型，用于早期预测急性肾损伤（SA-AKI）	结合深度学习和超声放射组学，提出了一种新的深度学习超声放射组学模型（DLUR），在早期预测SA-AKI方面表现出色	未提及样本量是否足够大或模型在其他数据集上的泛化能力	早期预测与脓毒症相关的急性肾损伤（SA-AKI）	急性肾损伤（SA-AKI）患者	digital pathology	acute kidney injury	破坏-补充对比增强超声（DR-CEUS）	ResNet18, ResNet50, ResNext18, ResNext50, DLUR	超声图像	NA	NA	NA	NA	NA
2462	2025-04-11	Deep learning-based automated segmentation and quantification of the dural sac cross-sectional area in lumbar spine MRI 2025, Frontiers in radiology DOI:10.3389/fradi.2025.1503625 PMID:40201339	研究论文	本研究评估了深度学习模型在腰椎MRI中自动分割和量化硬膜囊横截面积（DSCA）的效能，以提高诊断精度并减轻放射科医生的工作负担	首次将MultiResUNet等深度学习模型应用于腰椎MRI中DSCA的自动测量，展示了高精度和可靠性	数据集规模有限且仅依赖T1加权图像	开发自动化工具以提升腰椎MRI中DSCA测量的效率和准确性	腰椎MRI图像中的硬膜囊横截面积	数字病理学	脊柱疾病（如退行性椎间盘疾病、椎管狭窄和椎间盘突出）	MRI成像	U-Net, Attention U-Net, MultiResUNet	医学影像（T1加权轴向MRI图像）	733例腰椎MRI扫描（683例用于训练和测试，50例用于外部验证）	NA	NA	NA	NA
2463	2025-04-11	Internet of things driven hybrid neuro-fuzzy deep learning building energy management system for cost and schedule optimization 2025, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2025.1544183 PMID:40206707	研究论文	本文提出了一种基于物联网的混合神经模糊深度学习建筑能源管理系统，用于成本和进度优化	结合人工神经网络和模糊逻辑，在深度神经网络架构中集成模糊层，开发了一种混合深度学习模型	研究仅基于印度一个大学的数据，可能不具备广泛的普适性	优化建筑能源消耗，实现成本和进度优化	建筑能源管理系统（BEMS）	机器学习	NA	深度学习、模糊逻辑	混合深度学习模型（人工神经网络与模糊逻辑结合）	电力数据	2021年12月至2023年12月两年的能源消耗数据及27个相关能源参数	NA	NA	NA	NA
2464	2025-04-10	Deep learning signature to predict postoperative anxiety in patients receiving lung cancer surgery 2025, Frontiers in surgery IF:1.6Q2 DOI:10.3389/fsurg.2025.1573370 PMID:40196195	研究论文	本研究旨在建立并验证一种基于MRI的深度学习特征，用于预测接受肺癌手术患者的术后焦虑	利用ResNet-152算法训练深度学习特征，首次将MRI-T1WI图像与术后焦虑预测相结合	样本量较小（202例患者），且仅使用了MRI-T1WI图像	预测接受肺癌手术患者的术后焦虑	接受肺癌手术的患者	数字病理学	肺癌	MRI	ResNet-152	图像	202例接受肺癌手术的患者	NA	NA	NA	NA
2465	2025-04-10	A study on early diagnosis for fracture non-union prediction using deep learning and bone morphometric parameters 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1547588 PMID:40196347	研究论文	本研究利用深度学习和骨形态计量参数开发了一种用于骨折不愈合早期诊断的模型	提出了Vision Mamba Triplet Attention and Edge Feature Decoupling Module UNet (VM-TE-UNet)用于骨折区域分割，并建立了基于微CT指标的早期诊断模型	研究仅使用了12只大鼠的骨折动物模型，样本量较小	开发骨折不愈合的早期诊断模型	大鼠骨折模型	数字病理	骨折	micro-CT成像	VM-TE-UNet	图像	12只大鼠的2448张micro-CT图像	NA	NA	NA	NA
2466	2025-04-10	Point-SPV: end-to-end enhancement of object recognition in simulated prosthetic vision using synthetic viewing points 2025, Frontiers in human neuroscience IF:2.4Q2 DOI:10.3389/fnhum.2025.1549698 PMID:40196449	研究论文	本文介绍了一种名为Point-SPV的端到端深度学习模型，旨在增强模拟假体视觉中的物体识别能力	Point-SPV通过模拟视点（代表潜在的注视位置）并在这些点周围的图像块上训练模型，初步实现了基于注视的优化，专注于任务导向的视觉表示	NA	提升模拟假体视觉系统中的物体识别性能	视觉假体系统及视觉障碍患者	计算机视觉	视力障碍	深度学习	端到端深度学习模型	图像	NA	NA	NA	NA	NA
2467	2025-04-10	Transfer learning improves performance in volumetric electron microscopy organelle segmentation across tissues 2025, Bioinformatics advances IF:2.4Q2 DOI:10.1093/bioadv/vbaf021 PMID:40196751	research paper	该研究展示了迁移学习在体积电子显微镜（VEM）图像中跨组织器官分割性能的提升	通过在多组织器官的VEM数据上进行预训练并在目标数据集上微调，实现了高性能的多种细胞器分割，且所需的新训练数据量相对较少	需要一定量的手动标注数据进行微调，且性能可能受预训练数据与目标数据之间的差异影响	提高体积电子显微镜图像中细胞器分割的自动化水平和性能	哺乳动物组织中的细胞器（如线粒体和内质网）	digital pathology	NA	serial block face scanning electron microscopy	deep learning segmentation algorithms	volumetric electron microscopy images	四个VEM数据集（包括一个新的大鼠肝脏数据集，尺寸为7000×7000×219像素）	NA	NA	NA	NA
2468	2025-04-10	HTRecNet: a deep learning study for efficient and accurate diagnosis of hepatocellular carcinoma and cholangiocarcinoma 2025, Frontiers in cell and developmental biology IF:4.6Q1 DOI:10.3389/fcell.2025.1549811 PMID:40196844	研究论文	本研究提出了一种名为HTRecNet的深度学习框架，用于高效准确诊断肝细胞癌（HCC）和胆管癌（CCA）	HTRecNet结合了复杂的数据增强策略以优化特征提取，即使在样本量有限的情况下也能保持稳健性能	研究样本中CCA的样本量相对较少（180例），可能影响模型在CCA诊断上的泛化能力	开发自动化诊断方法以提高肝细胞癌和胆管癌的诊断效率和准确性	肝细胞癌（HCC）和胆管癌（CCA）的组织病理学图像	数字病理学	肝癌	深度学习	HTRecNet（自定义深度学习框架）	图像	5,432张组织病理学图像（其中5,096张用于训练和验证，336张用于外部测试）	NA	NA	NA	NA
2469	2025-10-07	Investigating the intrinsic top-down dynamics of deep generative models 2025-01-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-85055-y PMID:39843473	研究论文	本研究探讨深度生成模型的内在自上而下动态特性，特别关注迭代深度信念网络在生成过程中的状态转换能力	提出使用'嵌合体状态'初始化生成过程以增强访问吸引子的异质性，并证明iDBN相比浅层生成模型具有更丰富的自上而下动态	模型在单次生成轨迹中并不总是能够转换到所有潜在目标状态	研究分层生成模型的自上而下动态特性及其与神经认知理论的联系	深度生成模型，特别是迭代深度信念网络(iDBN)	机器学习	NA	无监督学习，基于能量的深度学习架构	DBN, iDBN, Restricted Boltzmann Machine	图像	包含手写数字和人脸图像的知名数据集	NA	深度信念网络，迭代深度信念网络，受限玻尔兹曼机	访问状态数量，吸引子异质性，生成样本多样性	NA
2470	2025-10-07	Synthetic temporal bone CT generation from UTE-MRI using a cycleGAN-based deep learning model: advancing beyond CT-MR imaging fusion 2025-Jan, European radiology IF:4.7Q1 DOI:10.1007/s00330-024-10967-2 PMID:39026063	研究论文	开发基于CycleGAN的深度学习模型，从超短回波时间MRI生成合成颞骨CT图像	首次使用CycleGAN模型从UTE-MRI生成颞骨合成CT图像，超越传统的CT-MR图像融合技术	五个主要解剖结构的生成成功率较低（24%-83%），样本量相对有限	解决MRI在定位颞骨解剖标志物方面的固有局限性	接受颞骨MRI和CT检查的患者	医学影像分析	颞骨相关疾病	超短回波时间磁共振成像，点状编码时间减少径向采集	CycleGAN	医学影像	102名患者（训练集54人，验证集48人）	NA	CycleGAN	乳突气房像素计数，解剖标志物生成成功率	NA
2471	2025-10-07	Deep learning-based 3D quantitative total tumor burden predicts early recurrence of BCLC A and B HCC after resection 2025-Jan, European radiology IF:4.7Q1 DOI:10.1007/s00330-024-10941-y PMID:39028376	研究论文	本研究开发基于深度学习的3D定量总肿瘤负荷自动分割方法，用于预测BCLC A和B期肝细胞癌术后早期复发	首次将深度学习自动分割获得的定量总肿瘤负荷作为预测指标，并基于此提出BCLC分期系统的改良亚分类	单中心回顾性研究，样本量有限，需要多中心前瞻性验证	评估深度学习辅助的MRI三维定量肿瘤负荷预测肝细胞癌术后早期复发的潜力	接受切除术的BCLC A和B期肝细胞癌患者	数字病理	肝细胞癌	MRI增强扫描，深度学习自动分割	深度学习	MRI图像	592例患者（BCLC A期525例，BCLC B期67例）	NA	NA	风险比，p值，2年早期复发率	NA
2472	2025-10-07	The value of deep learning-based X-ray techniques in detecting and classifying K-L grades of knee osteoarthritis: a systematic review and meta-analysis 2025-Jan, European radiology IF:4.7Q1 DOI:10.1007/s00330-024-10928-9 PMID:38997539	系统评价与荟萃分析	评估基于深度学习的X射线技术在检测和分类膝骨关节炎K-L分级中的价值	首次对深度学习在膝骨关节炎K-L分级中的诊断敏感性进行系统性荟萃分析	纳入研究数量有限（19项），早期KOA（K-L1-2）的敏感性仍需提升，需要更多可靠数据支持临床实践	评估基于深度学习的X射线技术在膝骨关节炎K-L分级中的诊断性能	膝骨关节炎患者的X射线图像	计算机视觉	膝骨关节炎	X射线成像	深度学习	X射线图像	62,158张图像（K-L0: 22,388, K-L1: 13,415, K-L2: 15,597, K-L3: 7,768, K-L4: 2,990）	NA	NA	敏感性	NA
2473	2025-10-07	Deep learning in pulmonary nodule detection and segmentation: a systematic review 2025-Jan, European radiology IF:4.7Q1 DOI:10.1007/s00330-024-10907-0 PMID:38985185	系统综述	系统评估深度学习技术在肺结节检测和分割中的应用现状	首次采用系统综述方法全面比较肺结节检测和分割的深度学习方法，填补现有文献的方法学空白和偏倚	仅纳入9项符合标准的研究，样本量有限	比较肺结节检测和分割的深度学习方法	肺结节检测和分割相关研究	计算机视觉	肺癌	计算机断层扫描	CNN	医学影像	基于公共数据集（LIDC-IDRI和LUNA16等）的9项研究	NA	NA	敏感度,Dice系数	NA
2474	2025-10-07	Integrated brain tumor segmentation and MGMT promoter methylation status classification from multimodal MRI data using deep learning 2025 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076251332018 PMID:40190333	研究论文	本研究提出了一种基于多模态MRI数据的深度学习流程，同时实现脑肿瘤分割和MGMT启动子甲基化状态分类	开发了一个两阶段深度学习流程，将肿瘤分割与分子标志物分类相结合，提供了一种非侵入性的MGMT状态评估方法	仍处于研究阶段，需要未来研究和临床验证来探索其在真实临床环境中的适用性	开发非侵入性方法评估胶质母细胞瘤患者的MGMT启动子甲基化状态，辅助治疗规划	胶质母细胞瘤患者的多模态MRI数据	数字病理	脑肿瘤	磁共振成像	CNN	医学影像	BraTS2021脑肿瘤分割数据集和MGMT启动子状态分类数据集	NA	3D ResU-Net, 3D ResNet10	Dice系数, ROC-AUC	NA
2475	2025-10-07	Exploring the potential of deep learning models integrating transformer and LSTM in predicting blood glucose levels for T1D patients 2025 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076251328980 PMID:40190336	研究论文	本研究开发了一种结合Transformer和LSTM的混合深度学习模型，用于预测1型糖尿病患者的血糖水平	首次将Transformer编码器与双向LSTM网络相结合，通过多阶段特征提取和位置编码技术，同时捕捉血糖数据的长期依赖关系和短期模式	模型在临床数据上的预测误差随预测时间延长而增加，且未明确说明训练数据的具体样本规模	提高血糖预测精度并延长预测时间范围，支持实时糖尿病管理	1型糖尿病患者的血糖数据	机器学习	糖尿病	连续血糖监测	Transformer, LSTM	时间序列数据	NA	NA	Transformer Encoder, Bidirectional LSTM	均方根误差, 平均绝对误差, Clark网格分析	NA
2476	2025-10-07	Real-Time Snoring Detection Using Deep Learning: A Home-Based Smartphone Approach for Sleep Monitoring 2025, Nature and science of sleep IF:3.0Q2 DOI:10.2147/NSS.S514631 PMID:40190583	研究论文	本研究开发了一种基于Vision Transformer深度学习模型的实时打鼾检测方法，使用智能手机录制的家庭环境音频进行睡眠监测	首次将Vision Transformer模型应用于家庭环境智能手机录音的实时打鼾检测，结合家庭和医院多场景数据验证	样本量相对有限（214名参与者），依赖智能手机录音质量，标注需要两名训练有素的标注者一致同意	开发实时打鼾检测方法以监测睡眠相关疾病	参与者的睡眠呼吸声音	机器学习	睡眠障碍	智能手机音频录制，多导睡眠监测（PSG）	Vision Transformer	音频	214名参与者，85,600个30秒时段	NA	Vision Transformer	灵敏度，特异性，相关系数	NA
2477	2025-10-07	Application of Artificial Intelligence and its Subsets in Various Stages of Knee Arthroplasty from Pre-op to Post-op: An Overview 2025, Journal of orthopaedics and sports medicine DOI:10.26502/josm.511500185 PMID:40190766	综述	概述人工智能及其子集在膝关节置换术从术前到术后各阶段的应用	系统性地将人工智能在膝关节置换术中的应用按术前、术中、术后阶段进行分类，并聚焦于患者教育、手术辅助和结果评估三大方向	NA	探讨人工智能如何提升膝关节置换术的诊断准确性、手术效率和患者预后	膝关节置换术患者和手术流程	机器学习	骨关节炎	NA	机器学习,深度学习	NA	NA	NA	NA	NA	NA
2478	2025-10-07	Integration of multimodal imaging data with machine learning for improved diagnosis and prognosis in neuroimaging 2025, Frontiers in human neuroscience IF:2.4Q2 DOI:10.3389/fnhum.2025.1552178 PMID:40191032	研究论文	提出一种结合CNN、GRU和动态跨模态注意力模块的混合深度学习方法来整合多模态神经影像数据	开发了动态跨模态注意力模块，能更有效地融合空间和时间脑数据，克服现有多模态融合技术的局限性	仅使用HCP数据集进行评估，尚未在其他临床数据上验证	提高脑部疾病诊断和预后的准确性	脑部疾病患者（如阿尔茨海默病）的神经影像数据	神经影像分析	阿尔茨海默病	结构MRI, 功能MRI	CNN, GRU, 注意力机制	图像, 时间序列数据	人类连接组计划(HCP)数据集，包含行为数据、fMRI和sMRI	NA	CNN, GRU, 动态跨模态注意力模块	准确率, 召回率, 精确率, F1分数	NA
2479	2025-10-07	P253 Next-generation phenotyping facilitates the identification of structural brain malformations in rare disorders through computational brain MRI analysis 2025, Genetics in medicine open DOI:10.1016/j.gimo.2025.103424 PMID:40191138	研究论文	本研究开发了一种基于深度学习的下一代表型分析(NGP)方法，通过计算脑MRI分析识别罕见疾病中的结构性脑畸形	将下一代表型分析从面部图像扩展到脑MRI数据，创建了临床脑表型空间(CBPS)用于表型相似性分析和疾病预测	初步分析仅聚焦于两种特定疾病，数据集规模相对有限	开发诊断支持工具，识别罕见疾病中的结构性脑畸形并整合到变异优先排序流程中	罕见神经发育疾病患者，特别是Dandy-Walker畸形和Ogden综合征患者	数字病理	神经发育疾病	脑MRI成像，下一代表型分析(NGP)	CNN	脑MRI图像	413张脑MRI图像(来自56种不同疾病)，外加1,279张公共数据集MRI图像	PyTorch	ResNet-50	留一法交叉验证，t-SNE聚类可视化	NA
2480	2025-10-07	A semi-supervised weighted SPCA- and convolution KAN-based model for drug response prediction 2025, Frontiers in genetics IF:2.8Q2 DOI:10.3389/fgene.2025.1532651 PMID:40191608	研究论文	提出一种基于半监督加权SPCA和卷积KAN的药物反应预测模型NMDP	结合可解释的半监督加权SPCA模块、多组学数据融合框架以及一维卷积与Kolmogorov-Arnold网络的集成方法	NA	基于多组学基因信息预测细胞系对特征药物的反应	细胞系和多组学基因数据	机器学习	癌症	多组学数据分析	KAN, 卷积神经网络	基因多组学数据	NA	NA	Kolmogorov-Arnold networks, 一维卷积	灵敏度, 特异性	NA