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
6201	2025-07-02	Bppv nystagmus signals diagnosis framework based on deep learning 2025-Jun, Physical and engineering sciences in medicine IF:2.4Q2 DOI:10.1007/s13246-025-01542-0 PMID:40358819	research paper	提出了一种基于深度学习的BPPV眼震信号诊断框架，用于改善良性阵发性位置性眩晕的诊断	开发了结合Egeunet神经网络模型和FFT等数学统计技术的综合框架，提高了眼震数据的精确分割和分析能力	未明确提及样本量或具体临床验证结果	改善BPPV的诊断准确性和临床决策支持	良性阵发性位置性眩晕（BPPV）患者的眼震信号	digital pathology	geriatric disease	Fast Fourier Transform (FFT)	Egeunet (CNN-based)	eye movement signals	NA
6202	2025-07-02	Deep learning radiomics nomograms predict Isocitrate dehydrogenase (IDH) genotypes in brain glioma: A multicenter study 2025-Apr, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2024.110314 PMID:39708927	研究论文	本研究探讨了深度学习放射组学列线图（DLRN）在预测脑胶质瘤异柠檬酸脱氢酶（IDH）基因型中的可行性	开发了一种结合深度学习特征、放射组学特征和临床特征的混合模型，用于非侵入性预测IDH突变状态	研究为回顾性设计，样本量相对有限，且仅基于T2图像	探索DLRN在预测脑胶质瘤IDH基因型中的应用	402名来自两个独立中心的脑胶质瘤患者	数字病理学	脑胶质瘤	深度学习放射组学	混合模型（深度学习+放射组学+临床特征）	医学影像（T2图像）	402名患者（训练队列239名，内部验证队列103名，外部验证队列60名）
6203	2025-07-02	Multiscale deep learning radiomics for predicting recurrence-free survival in pancreatic cancer: A multicenter study 2025-Apr, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2025.110770 PMID:39894259	研究论文	本研究开发并验证了一种多尺度深度学习放射组学列线图，用于预测胰腺导管腺癌患者的无复发生存期	结合手工放射组学和深度学习特征，构建多尺度列线图，显著优于传统的AJCC分期系统	研究样本来自四家医院，可能存在选择偏倚；外部验证集的表现差异较大	预测胰腺导管腺癌患者的无复发生存期，以改善术前临床决策	469名胰腺导管腺癌患者	数字病理	胰腺癌	放射组学分析、深度学习	多尺度深度学习模型	医学影像	469名患者（来自四家医院）
6204	2025-07-02	Multi-center study: ultrasound-based deep learning features for predicting Ki-67 expression in breast cancer 2025-Mar-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-94741-4 PMID:40133523	研究论文	应用深度学习算法挖掘乳腺癌超声特征，构建预测Ki-67表达水平的机器学习模型	整合肿瘤及瘤周区域的深度特征构建融合模型，并在多中心回顾性研究中验证其性能	模型在特异性方面表现一般，瘤周区域模型的ROAUC相对较低	开发高精度预测乳腺癌Ki-67表达水平的模型	929名乳腺癌患者的临床及超声数据	数字病理	乳腺癌	深度学习	SVM, LightGBM	超声图像	929名患者（多中心回顾性数据）
6205	2025-07-02	Artificial Intelligence for Predicting HER2 Status of Gastric Cancer Based on Whole-Slide Histopathology Images: A Retrospective Multicenter Study 2025-Mar, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202408451 PMID:39792693	研究论文	该研究开发了一种名为HER2Net的深度学习模型，用于基于全切片组织病理学图像预测胃癌的HER2状态	创新性地开发了HER2Net模型，通过定量计算HER2高表达区域的比例来预测HER2状态	研究为回顾性多中心研究，可能存在选择偏倚	开发一种经济可行且易于使用的工具，用于区分胃癌患者的HER2状态	胃癌患者的全切片组织病理学图像	数字病理学	胃癌	深度学习	CNN	图像	内部训练集520名患者的531张H&E全切片图像，内部测试集111名患者的115张图像，外部多中心测试集101名患者的102张图像
6206	2025-07-02	Early and noninvasive prediction of response to neoadjuvant therapy for breast cancer via longitudinal ultrasound and MR deep learning: A multicentre study 2025-Mar, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.10.033 PMID:39542804	研究论文	本研究探讨了基于乳腺MR和超声的纵向多模态深度学习在预测乳腺癌新辅助化疗后病理完全缓解中的价值	利用纵向多模态深度学习和堆叠模型进行早期无创预测，为乳腺癌患者提供个性化治疗策略	回顾性研究设计可能影响结果的普遍性，且样本量有限	早期预测乳腺癌患者对新辅助化疗的响应，以辅助个性化治疗策略的制定	乳腺癌患者	数字病理	乳腺癌	深度学习	ResNet50, 堆叠模型	图像	448名患者来自三个中心
6207	2025-07-02	Machine learning tool for predicting mature oocyte yield and trigger day from start of stimulation: towards personalized treatment 2025-02, Reproductive biomedicine online IF:3.7Q1 DOI:10.1016/j.rbmo.2024.104441 PMID:39708575	研究论文	开发了一种基于深度学习的机器学习工具，用于预测卵巢刺激周期开始时的成熟卵母细胞数量和触发日	提出了两种新颖的渐进式机器学习算法，能够高精度预测触发日和MII卵母细胞数量	需要纳入更多数据和来自不同诊所的验证	开发预测卵巢刺激周期结果的机器学习工具	卵巢刺激周期	机器学习	生殖系统疾病	深度学习	深度学习算法	临床数据	56,490个卵巢刺激周期（主要数据集），其中13,090个用于模型开发，5,103个用于临床验证
6208	2025-07-02	Application of a methodological framework for the development and multicenter validation of reliable artificial intelligence in embryo evaluation 2025-Jan-31, Reproductive biology and endocrinology : RB&E IF:4.2Q1 DOI:10.1186/s12958-025-01351-w PMID:39891250	研究论文	本文提出了一种用于开发和验证评估囊胚期胚胎的人工智能模型的方法论框架，并在多中心数据集上验证了其可靠性	提出了一种四步方法论框架，确保AI模型在临床环境中的一致性和可靠性，并在多中心数据集上进行了验证	研究仅针对囊胚期胚胎，未涵盖其他胚胎发育阶段	开发并验证一个可靠的人工智能模型，用于评估体外受精(IVF)中胚胎的妊娠可能性	囊胚期胚胎	数字病理学	生殖健康	时间推移成像	深度学习分类器	图像	训练和验证数据集(n=16,935个胚胎)，盲测数据集(n=1,708个胚胎；3个诊所)，独立数据集(n=7,445个胚胎；7个诊所)
6209	2025-07-02	Advancement and independent validation of a deep learning-based tool for automated scoring of nail psoriasis severity using the modified nail psoriasis severity index 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1574413 PMID:40241894	研究论文	开发并验证了一种基于卷积神经网络（CNN）的工具，用于自动评分指甲银屑病的严重程度，使用改良的指甲银屑病严重程度指数（mNAPSI）	该研究提出了一种不依赖标准化条件、能够准确评估所有严重程度等级的自动化评分工具，并进行了独立验证	尽管在不同成像条件下表现稳健，但模型性能仍有提升空间	开发一种自动化、客观的指甲银屑病严重程度评分工具	银屑病（PsO）、银屑病关节炎（PsA）患者及非银屑病对照组的指甲照片	数字病理学	银屑病	深度学习	CNN（基于BEiT架构）	图像	训练数据集包括460名患者的4,400张指甲照片，验证数据集包括118名患者的929张指甲照片
6210	2025-07-02	Corrigendum: Advancement and independent validation of a deep learning-based tool for automated scoring of nail psoriasis severity using the modified nail psoriasis severity index 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1617441 PMID:40538405	correction	本文是对先前发表的一篇关于使用深度学习工具自动评估指甲银屑病严重程度的文章的更正	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
6211	2025-07-01	Rapid wall shear stress prediction for aortic aneurysms using deep learning: a fast alternative to CFD 2025-Jul, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-025-03311-3 PMID:39961912	研究论文	本研究提出了一种基于深度学习的快速预测主动脉瘤壁面剪应力的方法，作为计算流体动力学（CFD）的快速替代方案	提出了一种名为MultiViewUNet的深度学习代理模型，采用领域转换技术将复杂的主动脉几何形状转换为适用于先进神经网络的表示形式	未明确说明在真实临床环境中的验证情况	开发快速准确的主动脉瘤壁面剪应力预测方法以辅助临床决策	腹主动脉瘤（AAA）	数字病理	心血管疾病	深度学习	MultiViewUNet	几何形状数据	真实和合成的AAA几何形状数据集
6212	2025-07-01	Robust and generalizable artificial intelligence for multi-organ segmentation in ultra-low-dose total-body PET imaging: a multi-center and cross-tracer study 2025-Jul, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-025-07156-8 PMID:39969540	研究论文	本研究开发并验证了一种深度学习模型，用于在不同成像条件和示踪剂下进行多器官PET分割，以满足完全基于PET的定量分析的关键需求	提出了一种能够在超低剂量全身PET成像中实现多器官分割的深度学习模型，具有跨中心和跨示踪剂的鲁棒性和泛化性	研究为回顾性研究，基于已收集的数据，可能无法完全反映前瞻性临床应用的实际情况	开发一种能够在不同成像条件和示踪剂下进行多器官PET分割的深度学习模型	798名来自多个中心的患者，使用不同示踪剂的PET图像	数字病理学	NA	3D深度学习	深度学习模型	PET图像	798名患者
6213	2025-07-01	Dual-type deep learning-based image reconstruction for advanced denoising and super-resolution processing in head and neck T2-weighted imaging 2025-Jul, Japanese journal of radiology IF:2.9Q2 DOI:10.1007/s11604-025-01756-y PMID:40038217	研究论文	评估基于双类型深度学习的图像重建在头颈部脂肪抑制T2加权成像中的去噪和超分辨率处理效果	采用双类型深度学习进行图像重建，实现了有效的去噪和超分辨率处理，同时缩短了扫描时间	研究样本量较小（43例患者），且未详细说明深度学习模型的具体架构和训练细节	比较传统方法和基于深度学习的图像重建在头颈部脂肪抑制T2加权成像中的效果	头颈部脂肪抑制T2加权成像的图像质量	计算机视觉	头颈部病变	深度学习图像重建	DL（深度学习）	医学图像	43例患者
6214	2025-07-01	Super-resolution deep learning reconstruction for improved quality of myocardial CT late enhancement 2025-Jul, Japanese journal of radiology IF:2.9Q2 DOI:10.1007/s11604-025-01760-2 PMID:40072715	research paper	本研究探讨了超分辨率深度学习图像重建（SR-DLR）在心肌CT晚期增强（CT-LE）图像质量提升中的应用	首次将超分辨率深度学习图像重建技术应用于心肌CT晚期增强图像，显著降低了图像噪声并提高了图像质量	研究样本量较小（仅30例患者），且为回顾性研究	评估SR-DLR技术在心肌CT晚期增强图像质量改善方面的效果	心肌CT晚期增强图像	digital pathology	cardiovascular disease	超分辨率深度学习图像重建（SR-DLR）	深度学习模型（未明确具体类型）	医学影像（CT图像）	30例接受心肌CT晚期增强检查的患者
6215	2025-07-01	Machine learning in neuroimaging and computational pathophysiology of Parkinson's disease: A comprehensive review and meta-analysis 2025-Jul, Asian journal of psychiatry IF:3.8Q1 DOI:10.1016/j.ajp.2025.104537 PMID:40424835	综述与荟萃分析	本文全面回顾并荟萃分析了机器学习和深度学习在帕金森病神经影像学和计算病理生理学中的应用	提出了Meta-Park模型用于帕金森病诊断，训练、测试和验证准确率分别达到97.67%、95%和94.04%	需要更广泛和多样化的数据集以及改进模型的可及性	通过机器学习和深度学习技术改进帕金森病的诊断和治疗	帕金森病患者	机器学习	帕金森病	MRI、语音和手写数据集分析	Meta-Park模型	MRI图像、语音和手写数据	NA
6216	2025-07-01	A two-step automatic identification of contrast phases for abdominal CT images based on residual networks 2025-Jun-27, Insights into imaging IF:4.1Q1 DOI:10.1186/s13244-025-01995-7 PMID:40579615	研究论文	基于残差网络的两步法自动识别腹部CT图像的对比阶段	提出了一种基于ResNet的两步法模型，用于自动准确识别腹部CT图像的对比阶段，显著优于传统的一步法策略	研究依赖于回顾性收集的数据集，可能无法涵盖所有临床场景	开发一种深度学习模型，用于自动准确识别腹部CT图像的对比阶段	腹部对比增强CT扫描图像	计算机视觉	NA	深度学习	ResNet	图像	内部数据集1175例，外部测试数据集215例
6217	2025-07-01	Advancing atomic electron tomography with neural networks 2025-Jun-19, Applied microscopy DOI:10.1186/s42649-025-00113-7 PMID:40533670	综述	本文综述了神经网络在原子电子断层扫描（AET）中的应用进展	整合深度学习特别是卷积神经网络（CNN）到AET工作流程中，以提高重建保真度	重建伪影由几何限制和电子剂量约束引起，可能阻碍可靠的原子结构确定	提高三维原子结构的准确测定，以理解和控制纳米材料的特性	纳米材料的三维原子结构	计算机视觉	NA	原子电子断层扫描（AET）	CNN	图像	NA
6218	2025-07-01	Enhanced AlexNet with Gabor and Local Binary Pattern Features for Improved Facial Emotion Recognition 2025-Jun-19, Sensors (Basel, Switzerland) DOI:10.3390/s25123832 PMID:40573719	研究论文	本文提出了一种结合Gabor和局部二值模式特征的增强AlexNet模型，用于提高面部情绪识别的准确性和适应性	通过整合Gabor和LBP特征提取技术到改进的AlexNet架构中，显著提升了面部情绪识别的性能	研究未提及模型在极端光照或遮挡条件下的表现	提高面部情绪识别的准确性和适应性，特别是在硬件资源有限的环境中	面部情绪识别	计算机视觉	NA	Gabor和局部二值模式(LBP)特征提取	改进的AlexNet	图像	使用了FER2013和RAF-DB两个基准数据集进行验证
6219	2025-07-01	Dental caries detection in children using intraoral scans and deep learning 2025-Jun-15, Journal of dentistry IF:4.8Q1 DOI:10.1016/j.jdent.2025.105906 PMID:40527440	研究论文	本研究旨在利用深度学习和儿童口腔内扫描数据自动检测龋齿，并评估模型预测与牙科医生评估在3D模型上的一致性	首次使用Attention U-Net模型对儿童口腔内扫描数据进行龋齿检测，并比较模型与牙科医生在不同龋齿程度下的一致性	模型对于早期和中等程度龋损的检测性能有限，需要进一步改进模型准确性和泛化能力	开发基于AI的儿童龋齿自动检测方法	儿童口腔内扫描数据	数字病理	龋齿	深度学习	Attention U-Net	3D扫描数据	第一队列332颗龋齿牙齿（训练192，验证63，测试77），第二独立队列119颗龋齿牙齿用于外部验证
6220	2025-07-01	The diagnostic value of artificial intelligence in oral squamous cell carcinoma: A systematic review and meta-analysis 2025-Jun-13, Journal of stomatology, oral and maxillofacial surgery DOI:10.1016/j.jormas.2025.102429 PMID:40518015	meta-analysis	通过系统综述和荟萃分析评估人工智能在口腔鳞状细胞癌诊断中的性能	首次通过系统综述和荟萃分析全面评估AI在OSCC诊断中的表现，并比较深度学习和传统机器学习方法的性能差异	研究间存在显著异质性（I² > 97%），需要标准化方法和外部验证	评估人工智能在口腔鳞状细胞癌诊断中的准确性和临床应用价值	口腔鳞状细胞癌（OSCC）的诊断	数字病理	口腔鳞状细胞癌	AI诊断系统	深度学习和传统机器学习	医学影像和病理数据	24项研究共18,574份样本