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
1061	2025-02-23	G2PDeep-v2: a web-based deep-learning framework for phenotype prediction and biomarker discovery for all organisms using multi-omics data 2025-Jan-09, Research square DOI:10.21203/rs.3.rs-5776937/v1 PMID:39866874	研究论文	G2PDeep-v2是一个基于深度学习的网络平台，用于从多组学数据中进行表型预测和标记物发现，适用于包括人类、植物、动物和病毒在内的所有生物	提供了一个交互式界面，允许研究人员创建深度学习模型，并利用高性能计算资源通过自动超参数调整算法进行训练	未提及具体的技术限制或数据限制	开发一个通用的表型预测和生物标志物发现平台，适用于所有生物	人类、植物、动物和病毒	机器学习	NA	深度学习	深度学习模型	多组学数据	NA
1062	2025-02-23	Multi-site, multi-vendor development and validation of a deep learning model for liver stiffness prediction using abdominal biparametric MRI 2025-Jan-09, European radiology IF:4.7Q1 DOI:10.1007/s00330-024-11312-3 PMID:39779515	研究论文	本文开发并验证了使用腹部双参数MRI数据预测肝脏硬度的深度学习模型	首次在多机构、多厂商的数据集上开发和验证了用于预测肝脏硬度的深度学习模型，并公开了模型代码	模型性能仍有提升空间，可能需要结合临床特征进一步优化	开发并验证用于预测MRE衍生肝脏硬度的深度学习模型	成人和儿童慢性肝病患者	数字病理学	慢性肝病	MRI	深度学习模型	图像	4295名患者的4695次MRI检查
1063	2025-02-23	Deep learning in gonarthrosis classification: a comparative study of model architectures and single vs. multi-model methods 2025, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2025.1413820 PMID:39974355	研究论文	本研究通过比较单一模型和多模型深度学习方法，使用膝关节前后位X光片对Kellgren-Lawrence（KL）骨关节炎阶段进行分类	提出了多模型深度学习方法，并与传统单一模型方法进行比较，探讨了CLAHE对分类性能的影响	未探索集成建模和高级增强技术，缺乏临床验证	比较单一模型和多模型深度学习方法在KL骨关节炎阶段分类中的效果	膝关节前后位X光片	计算机视觉	骨关节炎	深度学习	CNN（包括NfNet-F0/F1, EfficientNet-B0/B3, Inception-ResNet-v2, VGG16）	图像	14,607张来自三家医院的膝关节前后位X光片
1064	2025-02-23	Research trends in livestock facial identification: a review 2025-Jan, Journal of animal science and technology IF:2.7Q1 DOI:10.5187/jast.2025.e4 PMID:39974780	综述	本文综述了视频处理和基于卷积神经网络（CNN）的深度学习在动物面部识别、个体识别和再识别中的应用	通过整合视频处理和基于CNN的深度学习，实现了对动物生长、个体识别和行为的自动化监测，提升了畜牧管理系统的效率	NA	探讨视频处理和深度学习技术在精准畜牧业中的应用，以提高生产效率、动物福利和环境可持续性	牲畜	计算机视觉	NA	视频处理, 深度学习	CNN	视频	NA
1065	2025-02-23	Research progress of MRI-based radiomics in hepatocellular carcinoma 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1420599 PMID:39980543	综述	本文综述了基于MRI的放射组学在肝细胞癌（HCC）诊断和治疗中的临床进展	本文系统评估了MRI放射组学在HCC管理中的多方面应用，包括肿瘤分化、亚型分类、病理分级、微血管侵犯预测、治疗反应评估、早期复发预测和转移预测	当前放射组学领域缺乏可解释性，需要进一步的研究和验证	评估放射组学方法并描述基于MRI的放射组学在肝细胞癌诊断和治疗中的临床进展	肝细胞癌（HCC）	数字病理	肝癌	MRI放射组学	机器学习和深度学习	影像数据	93篇文献的综合分析
1066	2025-02-23	A pelvis MR transformer-based deep learning model for predicting lung metastases risk in patients with rectal cancer 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1496820 PMID:39980546	研究论文	本研究开发并验证了一种基于骨盆MR图像和临床特征的transformer深度学习模型，用于预测直肠癌患者的肺转移风险	首次将transformer深度学习模型应用于直肠癌肺转移的预测，结合了骨盆MR图像和临床特征，展示了优于现有深度学习方法的预测性能	研究样本量相对有限，且仅基于单一医疗中心的数据，可能影响模型的泛化能力	开发并验证一种基于骨盆MR图像和临床特征的深度学习模型，用于预测直肠癌患者的肺转移风险	819名经组织学确认的直肠癌患者，这些患者接受了术前骨盆MRI和CEA测试	数字病理	直肠癌	磁共振成像（MRI）	transformer-based深度学习模型	图像（骨盆MR图像）	819名直肠癌患者
1067	2025-02-23	Machine learning-based myocardial infarction bibliometric analysis 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1477351 PMID:39981082	研究论文	本研究分析了2008年至2024年间机器学习在心肌梗死领域的研究趋势，旨在识别该领域的新兴趋势和热点，为未来的研究方向提供见解	首次对机器学习在心肌梗死领域的研究趋势进行全面的文献计量分析，揭示了深度学习在该领域的新兴研究方向	研究主要基于Web of Science数据库的出版物，可能未涵盖所有相关研究	分析机器学习在心肌梗死领域的研究趋势，识别新兴趋势和热点	心肌梗死（MI）和机器学习（ML）的研究文献	机器学习	心血管疾病	文献计量分析	神经网络	文献数据	1,036篇出版物
1068	2025-02-23	Development and validation of a deep learning-enhanced prediction model for the likelihood of pulmonary embolism 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1506363 PMID:39981086	研究论文	本研究开发并验证了一种基于深度学习的肺栓塞（PE）风险预测模型（PE-Mind），旨在克服现有临床工具的局限性，提供更精准的风险评估解决方案	使用卷积神经网络（CNN）并结合三个自定义模块，显著提升了预测性能，开发了实时操作的Web服务器PulmoRiskAI	未提及模型在更广泛人群中的适用性或外部验证结果	开发一种高效、精准的肺栓塞风险预测模型，以改进急性深静脉血栓（DVT）患者的风险评估	急性深静脉血栓（DVT）患者	机器学习	肺栓塞	深度学习	卷积神经网络（CNN）	临床数据	未明确提及样本数量
1069	2025-02-21	Lung cancer diagnosis with GAN supported deep learning models 2025-Jan-31, Bio-medical materials and engineering IF:1.0Q4 DOI:10.1177/09592989241308775 PMID:39973181	研究论文	本研究旨在通过先进的深度学习技术，包括特别开发的CNN模型，对良性、恶性和正常的肺部CT图像进行分类，以提高诊断准确性	使用GAN平衡数据集，并开发了自定义CNN模型，结合Faster R-CNN区域提议方法，显著提高了分类准确性和检测性能	未提及模型在更大规模数据集上的泛化能力，以及在实际临床环境中的应用效果	提高肺癌诊断的准确性，探索深度学习在医学图像分析中的应用	肺部CT图像	计算机视觉	肺癌	GAN, CNN, Faster R-CNN	CNN, VGG19, AlexNet, InceptionV3, ResNet50, Faster R-CNN	图像	1097张肺部CT图像
1070	2025-02-21	MANSHIP: Mobile-based assistive notification service for hearing-impaired people using a hybrid deep learning model 2025-Jan-31, Technology and health care : official journal of the European Society for Engineering and Medicine IF:1.4Q3 DOI:10.1177/09287329241309702 PMID:39973861	研究论文	本研究介绍了一种结合VGG16和ResNet-50的混合深度学习模型，用于高效的声音波分析和分类，并开发了一个基于移动设备的辅助通知系统MANSHIP，以检测环境声音并提醒严重或完全听力损失的人潜在危险	结合VGG16和ResNet-50的混合深度学习模型，用于声音波分析和分类，并开发了一个基于移动设备的辅助通知系统MANSHIP	未提及具体局限性	提高听力损失者的安全性，减少事故风险	严重或完全听力损失的人	机器学习	听力损失	深度学习	VGG16, ResNet-50	声音数据	综合城市声音数据集
1071	2025-02-21	Automated Segmentation of Trunk Musculature with a Deep CNN Trained from Sparse Annotations in Radiation Therapy Patients with Metastatic Spine Disease 2025-Jan-20, medRxiv : the preprint server for health sciences DOI:10.1101/2025.01.13.25319967 PMID:39974027	研究论文	本研究提出了一种深度学习方法，用于从临床CT图像中分割躯干肌肉的完整体积，使用稀疏注释数据进行训练	使用稀疏注释数据训练的2D nnU-Net模型成功分割了癌症患者临床CT数据中20个胸腰椎肌肉的整个体积，显著提高了分割效率和泛化能力	模型仅在148名癌症患者的CT图像上进行了训练和验证，可能需要更多样化的数据集来进一步提高模型的泛化能力	量化由于疾病或治疗引起的肌肉变化，并支持生物力学建模以评估椎体负荷，从而改善椎体骨折风险的个性化评估	148名癌症患者的临床CT图像	数字病理学	脊柱转移性疾病	CT成像	2D nnU-Net	图像	148名癌症患者的2,009张轴向CT图像
1072	2025-02-21	DABiG: Breath pattern classification using the hybrid deep learning with optimal feature selection 2025-Jan-17, Technology and health care : official journal of the European Society for Engineering and Medicine IF:1.4Q3 DOI:10.1177/09287329241303368 PMID:39973879	研究论文	本文提出了一种利用陀螺仪和加速度计读数进行呼吸模式分类的综合方法，采用混合深度学习机制DABiG	引入了自适应黑猩猩优化算法（AdCO）进行特征选择，并结合双向门控循环单元（BiGRU）和时空注意力机制提升分类精度	未提及样本的具体数量及多样性，可能影响模型的泛化能力	通过呼吸模式分类反映个体的情感和身体健康状况	从个体获取的呼吸模式数据	机器学习	NA	自适应黑猩猩优化算法（AdCO），双向门控循环单元（BiGRU）	混合深度学习机制DABiG	传感器数据（陀螺仪和加速度计读数）	NA
1073	2025-02-20	Necessity and impact of specialization of large foundation model for medical segmentation tasks 2025-Jan, Medical physics IF:3.2Q1 DOI:10.1002/mp.17470 PMID:39431952	研究论文	本文探讨了大型基础模型在医学图像分割任务中的专业化需求及其影响，评估了MedSAM及其轻量版LiteMedSAM在盆腔MR图像分割中的表现	通过评估现成的医学基础模型MedSAM在特定医学图像分割任务中的表现，揭示了进一步专业化微调的必要性和性能提升	现成的MedSAM和LiteMedSAM在非连续或非凸结构上的表现较差，且不同边界框输入的提示方案影响有限	评估大型基础模型在医学图像分割中的临床效用，并探索通过专业化微调提升性能的潜力	盆腔MR图像中的解剖结构	计算机视觉	NA	深度学习	MedSAM, LiteMedSAM, nnU-Net	图像	589张盆腔MR图像，80%用于训练，20%用于测试
1074	2025-02-20	Investigating the Use of Generative Adversarial Networks-Based Deep Learning for Reducing Motion Artifacts in Cardiac Magnetic Resonance 2025, Journal of multidisciplinary healthcare IF:2.7Q2 DOI:10.2147/JMDH.S492163 PMID:39963324	研究论文	本文评估了基于生成对抗网络（GANs）的深度学习技术在减少心脏磁共振（CMR）电影序列中运动伪影方面的有效性	首次将GANs应用于CMR电影序列中的运动伪影减少，展示了其在临床应用中优化CMR运动伪影管理的潜力	研究主要基于模拟的运动伪影数据，真实世界数据的样本量相对较小	评估GANs在减少CMR电影序列中运动伪影方面的有效性	心脏磁共振（CMR）电影序列中的运动伪影	计算机视觉	心血管疾病	深度学习	GAN	图像	2000对清晰和模糊图像用于训练，200对用于测试，100张模拟运动伪影图像和37张真实世界运动伪影图像用于评估
1075	2025-02-19	Deep learning-based lung cancer risk assessment using chest computed tomography images without pulmonary nodules ≥8 mm 2025-Jan-24, Translational lung cancer research IF:4.0Q1 DOI:10.21037/tlcr-24-882 PMID:39958220	研究论文	本研究开发了一种基于深度学习的无标签肺癌风险预测模型，使用低剂量胸部CT图像，针对无大于8毫米非钙化实性肺结节的个体进行验证	该研究创新地使用无结节检测的LDCT图像，通过分析肺实质来预测肺癌风险，避免了传统方法对结节的依赖	需要进一步的前瞻性研究来确定其临床效用和对筛查方案的影响，并在更大、更多样化的人群中进行验证以确保普适性	开发并验证一种基于深度学习的无标签肺癌风险预测模型，以提高低剂量胸部CT筛查的效率	无大于8毫米非钙化实性肺结节的个体	计算机视觉	肺癌	低剂量胸部CT（LDCT）	3D卷积神经网络（3D-CNN, MobileNet v2, SEResNet18, EfficientNet-B0）	图像	训练数据集包括1,064例LDCT扫描（380例肺癌患者和684例对照组），测试数据集包括1,306例LDCT扫描（1,254例低风险个体和52例高风险个体）
1076	2025-02-19	A deep learning algorithm to generate synthetic computed tomography images for brain treatments from 0.35 T magnetic resonance imaging 2025-Jan, Physics and imaging in radiation oncology DOI:10.1016/j.phro.2025.100708 PMID:39958708	研究论文	本研究开发了一种深度学习算法，用于从低场强磁共振成像（MRI）快速生成合成CT（sCT）图像，应用于脑部治疗	首次探索了在低场强MRI下生成脑部sCT图像的深度学习算法，为MRI-only放疗提供了新的可能性	研究样本量较小（56名患者），且仅针对脑部治疗，未涉及其他部位	开发一种快速生成脑部sCT图像的深度学习算法，以支持MRI-only放疗工作流程	脑部MRI图像及其对应的sCT图像	医学影像处理	脑部疾病	深度学习，条件生成对抗网络（cGAN）	cGAN	MRI图像	56名患者（32名训练，8名验证，16名测试）
1077	2025-02-19	Detection of Body Packs in Abdominal CT scans Through Artificial Intelligence; Developing a Machine Learning-based Model 2025, Archives of academic emergency medicine IF:2.9Q1 DOI:10.22037/aaemj.v13i1.2479 PMID:39958959	研究论文	本研究旨在开发一种基于人工智能的新诊断方法，用于实时检测腹部CT扫描中的体内藏毒包	提出了一种改进的RetinaNet模型，通过使用角度边界框（angled Bbox）来提高检测体内藏毒包的准确性	需要由领域专家精心策划定制数据集以确保成功训练	开发一种基于人工智能的实时检测体内藏毒包的方法	腹部CT扫描图像	计算机视觉	NA	深度学习	RetinaNet	图像	888张腹部CT扫描图像
1078	2025-02-19	Artificial intelligence applied to diabetes complications: a bibliometric analysis 2025, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2025.1455341 PMID:39959916	研究论文	本文通过文献计量学方法分析了人工智能在糖尿病并发症领域的应用研究趋势和热点	利用CiteSpace、Vosviewer和bibliometix等工具构建知识图谱，可视化文献信息，揭示研究趋势和热点	仅基于PubMed数据库的文献，可能未涵盖所有相关研究	探索人工智能在糖尿病并发症领域的应用研究趋势和前沿热点	1988年至2024年间发表的关于人工智能在糖尿病并发症中应用的科学文章	机器学习	糖尿病	文献计量分析	NA	文本	935篇符合条件的文章
1079	2025-02-18	TKA-AID: An Uncertainty-Aware Deep Learning Classifier to Identify Total Knee Arthroplasty Implants 2025-Jan-19, The Journal of arthroplasty IF:3.4Q1 DOI:10.1016/j.arth.2025.01.019 PMID:39832639	研究论文	开发了一种基于深度学习的算法，用于自动识别全膝关节置换术（TKA）植入物的常见模型	使用EfficientNet架构的深度学习模型，结合不确定性量化和异常检测机制，提高了植入物识别的准确性和安全性	模型在外部测试集上仍存在少量错误，且样本主要来自单一机构，可能影响模型的泛化能力	开发自动化工具以辅助全膝关节置换术植入物的术前识别	全膝关节置换术植入物	计算机视觉	骨科疾病	深度学习	EfficientNet	图像	9,651名患者的111,519张图像
1080	2025-02-18	Deep learning for cardiac imaging: focus on myocardial diseases, a narrative review 2025 Jan-Feb, Hellenic journal of cardiology : HJC = Hellenike kardiologike epitheorese IF:2.7Q2 DOI:10.1016/j.hjc.2024.12.002 PMID:39662734	综述	本文探讨了深度学习在心脏成像中的应用，特别是针对心肌疾病的自动分割、放射组学特征表型和预测	本文综述了深度学习在心脏成像中的最新应用，特别是自动分割和放射组学特征表型，展示了其在心肌疾病诊断和管理中的潜力	本文未涉及深度学习模型在临床实践中的具体实施挑战和解决方案	探讨深度学习在心脏成像中的应用，特别是针对心肌疾病的诊断和管理	心肌疾病	医学影像	心血管疾病	深度学习	深度学习算法	医学影像（CT、CMR、超声心动图、SPECT）	NA