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
6341	2025-06-28	Practical applications of AI in body imaging 2025-Jun-27, Abdominal radiology (New York) DOI:10.1007/s00261-025-05088-3 PMID:40576669	综述	本文综述了截至2024年底美国市场上FDA批准的AI算法在腹部和盆腔器官及相关疾病评估中的实际应用	总结了当前FDA批准的AI算法在放射学中的商业应用，并评估了其潜在优势	仅涵盖美国市场上FDA批准的算法，可能未包括全球范围内的最新进展	探讨AI在放射学影像中的实际应用及其潜在优势	FDA批准的AI算法及其在腹部和盆腔器官疾病评估中的应用	数字病理学	腹部和盆腔器官相关疾病	深度学习	NA	影像	NA
6342	2025-06-28	Deep learning for classification of aggressive versus non-aggressive central giant cell granuloma using whole-slide histopathology images 2025-Jun-27, Virchows Archiv : an international journal of pathology IF:3.4Q1 DOI:10.1007/s00428-025-04160-z PMID:40576733	研究论文	使用深度学习算法分析中央巨细胞肉芽肿（CGCG）的侵袭性与非侵袭性病例的显微图像，以评估其在预测CGCG生物学行为中的潜力	首次尝试基于全显微切片使用深度学习模型区分侵袭性和非侵袭性CGCG	由于缺乏特定分割和技术染色问题，模型性能不佳	评估深度学习在预测CGCG生物学行为中的潜力	侵袭性和非侵袭性CGCG病例	数字病理学	中央巨细胞肉芽肿	H&E染色	ResNet-50	图像	87例（48例侵袭性，39例非侵袭性），共9982个切片，训练使用4272个切片（2629侵袭性，1643非侵袭性），测试使用100张图像（50侵袭性，50非侵袭性）
6343	2025-06-28	Deep learning predicts onset acceleration of 38 age-associated diseases from blood and body composition biomarkers in the UK Biobank 2025-Jun-27, GeroScience IF:5.3Q1 DOI:10.1007/s11357-025-01702-w PMID:40576910	研究论文	本研究开发并评估了一种神经网络Cox模型，用于预测与年龄相关疾病的发病加速风险，利用英国生物银行的数据进行验证	首次利用疾病诊断的相对发病加速关联来表征疾病模式，并开发了神经网络生存模型OnsetNet	研究依赖于英国生物银行的数据，可能不适用于其他人群	理解多病共存的老龄化现象，识别疾病加速发展的高风险群体	60,396名个体及其218,530个结果事件	机器学习	老年疾病	神经网络Cox模型	OnsetNet	人口统计、人体测量、成像和血液生物标志物数据	60,396名个体，218,530个结果事件
6344	2025-06-28	Catheter detection and segmentation in X-ray images via multi-task learning 2025-Jun-27, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-025-03461-7 PMID:40576920	研究论文	本文提出了一种基于多任务学习的卷积神经网络模型，用于X射线图像中导管的检测和分割	提出了一种新颖的多级动态资源优先方法，动态调整训练过程中的样本和任务权重，以有效优先处理更具挑战性的任务	未明确提及具体局限性	增强微创心脏手术中的图像引导	X射线荧光图像中的导管和电极	计算机视觉	心血管疾病	深度学习	CNN (ResNet架构)	X射线图像	公共和私人数据集
6345	2025-06-28	Cluster-based human-in-the-loop strategy for improving machine learning-based circulating tumor cell detection in liquid biopsy 2025-Jun-13, Patterns (New York, N.Y.) DOI:10.1016/j.patter.2025.101285 PMID:40575126	研究论文	提出一种基于聚类的人机交互策略，用于改进基于机器学习的液体活检中循环肿瘤细胞检测	结合自监督深度学习和传统机器学习分类器，提出了一种针对潜在空间中高不确定性簇的有针对性采样策略的人机交互方法	方法在有限标记数据情况下仍依赖人类专家干预	改进液体活检中循环肿瘤细胞的检测效率和准确性	转移性癌症患者的血液样本中的循环肿瘤细胞(CTCs)和非CTCs	数字病理学	乳腺癌	自监督深度学习、传统机器学习分类	深度学习与传统ML分类器结合	图像	转移性乳腺癌患者的数据
6346	2025-06-28	Discovering the nuclear localization signal universe through a deep learning model with interpretable attention units 2025-Jun-13, Patterns (New York, N.Y.) DOI:10.1016/j.patter.2025.101262 PMID:40575124	研究论文	介绍了一种名为NLSExplorer的可解释性方法，用于预测核定位信号（NLS），并通过深度学习模型在基准数据集上实现了超过10%的F1分数提升	利用蛋白质语言模型提取的核特异性位点信息辅助NLS检测，并揭示了416个物种中核运输片段的特征	未提及具体的数据集大小或模型泛化能力的限制	探索核定位信号（NLS）的多样性并开发高效检测特征域和基序的工具	核定位蛋白及其核定位信号（NLS）	机器学习	NA	深度学习	具有可解释性注意力单元的深度学习模型	蛋白质序列数据	Swiss-Prot数据库中的核定位蛋白
6347	2025-06-28	Development and validation of a combined clinical and MRI-based biomarker model to differentiate mild cognitive impairment from mild Alzheimer's disease 2025-Jun, PCN reports : psychiatry and clinical neurosciences DOI:10.1002/pcn5.70134 PMID:40575445	研究论文	开发和验证一种结合临床和MRI的生物标志物模型，用于区分轻度认知障碍和轻度阿尔茨海默病	结合临床和放射学预测因子，开发了一个具有高诊断性能的模型，用于区分轻度阿尔茨海默病和轻度认知障碍	研究为横断面设计，未进行外部验证	区分轻度阿尔茨海默病和轻度认知障碍，以预防阿尔茨海默病的发展	161名参与者，包括30名对照、71名轻度阿尔茨海默病患者和60名轻度认知障碍患者	数字病理学	阿尔茨海默病	MRI	二元逻辑回归	临床数据和MRI图像	161名参与者（30名对照，71名轻度AD，60名MCI）
6348	2025-06-28	UK-YOLOv10: Deep Learning-Based Detection of Surgical Instruments 2025-Jun, The international journal of medical robotics + computer assisted surgery : MRCAS DOI:10.1002/rcs.70083 PMID:40576152	研究论文	提出了一种基于深度学习的手术器械检测新框架UK-YOLOv10，用于机器人辅助手术	集成了uni-fusion注意力模块(UFAM)增强多尺度特征表示，以及采用KAN卷积的C2fKAN模块以提高分类精度和加速训练	未提及具体临床应用的局限性	提高机器人辅助手术中手术器械检测的准确性和实时性能	手术器械	计算机视觉	NA	深度学习	YOLOv10	图像	M2CAI16-Tool-Locations数据集和COCO2017数据集
6349	2025-06-28	Improving computer vision for plant pathology through advanced training techniques 2025 May-Jun, Applications in plant sciences IF:2.7Q2 DOI:10.1002/aps3.70010 PMID:40575549	研究论文	本研究探讨了通过半监督学习、专业损失函数和非可可类别的引入，提升卷积神经网络在可可树疾病检测中的性能	提出了动态焦点损失函数，利用经验难度度量对每张图像进行加权，并通过半监督学习和非可可类别的引入显著提升了模型的鲁棒性和性能	研究主要针对可可树疾病，可能不直接适用于其他植物病理学领域	提升计算机视觉在植物病理学中的应用效果，特别是在可可树疾病检测方面	可可树（Theobroma cacao）的疾病检测	计算机视觉	植物疾病	半监督学习、动态焦点损失函数	CNN（包括PhytNet和ResNet18）	图像	7220张健康和患病的可可树图像
6350	2025-06-27	Oral mucosal lesions triage via YOLOv7 models 2025-Jul, Journal of the Formosan Medical Association = Taiwan yi zhi DOI:10.1016/j.jfma.2024.07.010 PMID:39003230	研究论文	本研究利用计算机视觉和深度学习技术，通过YOLOv7模型对口腔黏膜病变进行早期检测和分类	采用YOLOv7模型（特别是YOLOv7-E6和YOLOv7-D6）对口腔黏膜病变进行高效分类，并在YOLOv7-D6-CA模型中整合坐标注意力机制，显著提高了分类准确性	NA	提高口腔黏膜病变的早期检测和分类效率	口腔黏膜病变	计算机视觉	口腔癌	深度学习	YOLOv7	图像	初始数据集包含6903张白光宏观图像，后扩展至超过50,000张图像
6351	2025-06-27	Fostering Clinical Judgment and Promoting Transition Into First Clinical Rotation Through Active Learning 2025 Jul-Aug 01, Nursing education perspectives IF:0.9Q3 DOI:10.1097/01.NEP.0000000000001293 PMID:38920415	research paper	该研究探讨了一种新颖的互动课堂活动，旨在帮助护理学生在第一临床轮转中培养临床判断和批判性思维	引入了一种新颖的互动课堂活动，以促进护理学生从课堂知识到临床环境的过渡	研究仅涉及BSN项目第一学期课程的学生，样本范围有限	提升护理学生的临床判断能力和批判性思维，促进其向临床轮转的顺利过渡	护理学生（BSN项目第一学期课程的学生）	护理教育	NA	互动课堂活动	NA	NA	BSN项目第一学期课程的学生
6352	2025-06-27	Elevating nanomaterial optical sensor arrays through the integration of advanced machine learning techniques for enhancing visual inspection of food quality and safety 2025, Critical reviews in food science and nutrition IF:7.3Q1 DOI:10.1080/10408398.2024.2376113 PMID:39015031	综述	本文综述了基于纳米材料的光学传感器阵列在食品质量和安全视觉监测中的最新应用，包括比色传感器阵列和荧光传感器阵列	整合先进的机器学习技术提升纳米材料光学传感器阵列的性能，用于食品质量和安全的视觉检测	未提及具体实验数据或实际应用中的性能指标	提升食品质量和安全的视觉监测技术	食品中的农药残留、重金属离子、细菌污染、抗氧化剂、风味物质和食品新鲜度	机器学习	NA	光学传感器阵列（OSAs）、机器学习（ML）、深度学习（DL）	NA	高维数据	NA
6353	2025-06-26	Assessing risk of groundwater pollution exposure from sea level rise in California 2025-Aug-10, The Science of the total environment DOI:10.1016/j.scitotenv.2025.179695 PMID:40513440	研究论文	本研究利用深度学习和可解释人工智能（XAI）模型评估加州海平面上升导致的地下水污染暴露风险	结合深度学习和XAI模型，量化海平面上升对地下水污染暴露风险的影响，并识别关键风险预测因素	模型在空间自相关性方面存在泛化挑战，空间交叉验证模型在其他沿海地区的应用可能存在偏差	评估海平面上升对加州地下水污染暴露风险的影响	加州沿海含水层及2296个危险场所	环境科学	NA	深度学习，可解释人工智能（XAI）	深度学习模型，XAI模型	地下水数据，社会经济数据，人口统计数据	2296个危险场所及加州沿海地区人口数据
6354	2025-06-26	Prediction of B/T Subtype and ETV6-RUNX1 Translocation in Pediatric Acute Lymphoblastic Leukemia by Deep Learning Analysis of Giemsa-Stained Whole Slide Images of Bone Marrow Aspirates 2025-Aug, Pediatric blood & cancer IF:2.4Q1 DOI:10.1002/pbc.31797 PMID:40399768	研究论文	本研究开发了一个深度学习流程，用于分析吉姆萨染色的骨髓穿刺涂片，以预测儿童急性淋巴细胞白血病的B/T亚型和ETV6-RUNX1易位	首次使用深度学习分析吉姆萨染色涂片来预测B/T亚型和ETV6-RUNX1易位，为资源匮乏地区提供了替代诊断方案	外部验证队列的AUC值相对较低（B/T亚型0.72，ETV6-RUNX1易位0.69），表明模型在外部数据上的泛化能力有待提高	开发一种基于深度学习的诊断工具，用于儿童急性淋巴细胞白血病的亚型分类和遗传异常检测	儿童急性淋巴细胞白血病患者的骨髓穿刺涂片	数字病理学	急性淋巴细胞白血病	吉姆萨染色	CNN	图像	未明确提及具体样本数量，但包含交叉验证和外部验证队列
6355	2025-06-26	Assessment of image quality on the diagnostic performance of clinicians and deep learning models: Cross-sectional comparative reader study 2025-Jul, Journal of the European Academy of Dermatology and Venereology : JEADV IF:8.4Q1 DOI:10.1111/jdv.20462 PMID:39655640	研究论文	本研究评估了不同图像质量对临床医生和深度学习模型诊断性能的影响	首次研究了HDR增强的皮肤镜图像对诊断性能的影响，并比较了临床医生与CNN模型在不同图像质量下的表现	样本量相对较小(101个皮肤病变)，且仅评估了18名皮肤科医生	探究图像质量对皮肤癌诊断准确性的影响	皮肤病变图像和诊断性能	数字病理学	皮肤癌	HDR图像增强技术	CNN	图像	101个皮肤病变的303张图像(18名临床医生参与评估)
6356	2025-06-26	Quantitative Ischemic Lesions of Portable Low-Field Strength MRI Using Deep Learning-Based Super-Resolution 2025-Jul, Stroke IF:7.8Q1 DOI:10.1161/STROKEAHA.124.050540 PMID:40235448	研究论文	本研究评估了基于深度学习的合成超分辨率磁共振成像（SynthMRI）在便携式低场强磁共振成像（LF-MRI）中定量缺血性病变的性能提升	使用深度学习框架SCUNet（Swin-Conv-UNet）从LF-MRI图像生成SynthMRI图像，显著提高了对缺血性病变的检测和量化性能	研究为回顾性设计，且样本量相对有限（178名中风患者和104名健康对照）	评估SynthMRI在LF-MRI中检测和量化缺血性病变的诊断性能	中风患者和健康对照的LF-MRI和HF-MRI图像	数字病理	心血管疾病	深度学习超分辨率技术	SCUNet（Swin-Conv-UNet）	磁共振图像	178名中风患者和104名健康对照
6357	2025-06-26	BERTAgent: The development of a novel tool to quantify agency in textual data 2025-Jul, Journal of experimental psychology. General DOI:10.1037/xge0001740 PMID:40354292	研究论文	开发了一种名为BERTAgent的新工具，用于量化文本数据中的语义能动性	利用transformer架构的深度学习模型，克服了传统词计数方法对语义上下文不敏感的缺点，并考虑了能动性的强度和方向性差异	需要依赖人工编码数据进行微调，可能受限于训练数据的质量和范围	开发能够更准确量化文本中语义能动性的计算工具	文本数据中的语义能动性	自然语言处理	NA	深度学习	transformer架构（BERT）	文本	NA
6358	2025-06-26	Deep Learning Based on Ultrasound Images Differentiates Parotid Gland Pleomorphic Adenomas and Warthin Tumors 2025-Jul, Ultrasonic imaging IF:2.5Q2 DOI:10.1177/01617346251319410 PMID:40156239	研究论文	本研究利用深度学习技术基于超声图像开发自动化模型，以准确区分腮腺多形性腺瘤和沃辛瘤	首次应用深度学习模型（如ResNet18、MobileNetV3Small和InceptionV3）于超声图像分析，用于区分腮腺多形性腺瘤和沃辛瘤，并展示了优于超声医师的诊断准确性	研究样本量较小（91例患者，526张超声图像），且为回顾性研究，可能影响模型的泛化能力	开发一种基于超声图像的深度学习模型，用于准确区分腮腺多形性腺瘤和沃辛瘤	腮腺多形性腺瘤和沃辛瘤患者	数字病理	腮腺肿瘤	超声成像	CNN（包括ResNet18、MobileNetV3Small和InceptionV3）	图像	91例患者，526张超声图像
6359	2025-06-26	Deep Learning Model for Real-Time Nuchal Translucency Assessment at Prenatal US 2025-Jul, Radiology. Artificial intelligence DOI:10.1148/ryai.240498 PMID:40304583	研究论文	开发并评估了一种基于人工智能的模型，用于实时识别和测量产前超声检查中的颈项透明层（NT）平面	提出了一种名为AIM-NT的深度学习模型，能够在产前超声检查中实时识别NT平面并测量NT厚度，与放射科医生的工作流程高度一致	研究为回顾性多中心研究，可能受到数据收集时间和范围的限制	开发并评估一种人工智能模型，用于产前超声检查中的NT平面识别和测量	产前超声检查中的颈项透明层（NT）平面	数字病理	产前筛查	超声检查	CNN	图像和视频	内部数据集包括3153个胎儿的3959张NT图像，外部数据集包括267个胎儿的267个超声视频
6360	2025-06-26	Automatic Detection of B-Lines in Lung Ultrasound Based on the Evaluation of Multiple Characteristic Parameters Using Raw RF Data 2025-Jul, Ultrasonic imaging IF:2.5Q2 DOI:10.1177/01617346251330111 PMID:40539654	研究论文	提出一种基于射频信号的肺部超声B线垂直伪影自动识别方法，通过多特征参数输入非线性支持向量机进行分类	利用射频信号而非图像数据，结合多特征参数和PCA降维，减少了对大型图像数据集的依赖，同时保持了高分类准确率	实验模型（海绵滴水模型、明胶体模）与真实肺部组织的声学特性可能存在差异	开发实时高效的肺部超声B线自动检测方法以辅助肺部疾病诊断	肺部超声中的B线伪影	医学影像分析	肺部疾病	射频信号分析、PCA降维	非线性SVM	射频信号	海绵滴水模型、玻璃珠/明胶液滴体模、体内实验数据