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
8901	2025-05-17	[Comparison of the Impact of Deep Learning Techniques on Low-noise Head CT Images] 2025, Nihon Hoshasen Gijutsu Gakkai zasshi DOI:10.6009/jjrt.25-1537 PMID:40175157	研究论文	比较两种深度学习技术在低噪声头部CT图像上对脑CT值、图像噪声内容及白质与灰质对比噪声比的影响	比较了两种深度学习技术（AiCE和PixelShine）在低噪声头部CT图像上的效果，揭示了它们在减少图像噪声、改变CT值及影响白质与灰质对比噪声比方面的差异	研究样本量较小（21名正常患者），且仅针对无异常发现的正常患者，可能限制了结果的广泛适用性	比较深度学习技术对低噪声头部CT图像质量的影响	低噪声头部CT图像	医学影像处理	NA	深度学习技术（AiCE和PixelShine）	深度学习	CT图像	21名无异常发现的正常患者
8902	2025-05-17	Developing predictive models for µ opioid receptor binding using machine learning and deep learning techniques 2025, Experimental biology and medicine (Maywood, N.J.) DOI:10.3389/ebm.2025.10359 PMID:40177220	研究论文	本研究旨在开发机器学习和深度学习模型，用于预测化学物质与µ阿片受体（MOR）的结合活性	结合机器学习和深度学习技术，开发了多种预测模型，用于识别MOR结合剂，可能有助于开发非成瘾性或低成瘾性药物	模型的马修斯相关系数在0.528-0.654和0.408之间，仍有提升空间	预测化学物质与µ阿片受体的结合活性，以辅助开发非成瘾性或低成瘾性阿片类镇痛药	化学物质及其与µ阿片受体的结合活性数据	机器学习	NA	分子描述符计算	随机森林、k近邻、支持向量机、多层感知机、LSTM	分子描述符数据	从公共数据库和文献中收集的化学物质数据
8903	2025-05-17	Using deep learning artificial intelligence for sex identification and taxonomy of sand fly species 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0320224 PMID:40179129	research paper	开发了一种基于深度学习的AI系统，用于自动识别沙蝇的性别和分类三种不同物种	首次将深度学习技术应用于沙蝇的性别识别和物种分类，实现了超过95%的分类准确率	研究仅针对三种沙蝇物种，可能无法推广到其他物种	开发自动化工具以提高沙蝇分类和性别识别的准确性和效率	沙蝇（Phlebotomus alexandri, Phlebotomus papatasi, Phlebotomus sergenti）	computer vision	leishmaniasis	深度学习	CNN	image	两年内本地采集和制备的沙蝇样本
8904	2025-05-17	Active learning regression quality prediction model and grinding mechanism for ceramic bearing grinding processing 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0320494 PMID:40193368	研究论文	探讨陶瓷轴承磨削加工中的质量预测，重点关注磨削参数对表面粗糙度的影响	使用主动学习回归模型进行模型构建和优化，并结合多种深度学习模型进行磨削加工质量预测实验	实验仅覆盖特定磨削参数范围，可能无法涵盖所有实际生产中的复杂情况	优化陶瓷轴承磨削加工质量预测和磨削参数	陶瓷轴承磨削加工过程	机器学习	NA	主动学习回归模型，深度学习	回归模型，深度学习模型	实验数据	多种磨削参数条件下的实验数据
8905	2025-05-17	Ensemble deep learning for Alzheimer's disease diagnosis using MRI: Integrating features from VGG16, MobileNet, and InceptionResNetV2 models 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0318620 PMID:40193955	research paper	该研究开发并评估了一种创新的深度学习集成模型，用于从MRI扫描中精确识别阿尔茨海默病的标志物	集成VGG16、MobileNet和InceptionResNetV2三种预训练模型的特征，克服了单个模型在处理不同图像形状和纹理时的局限性	NA	提高阿尔茨海默病的诊断准确性，支持初级放射科医生简化诊断流程，促进早期检测和及时治疗	阿尔茨海默病患者	digital pathology	geriatric disease	MRI	ensemble of VGG16, MobileNet, and InceptionResNetV2	image	NA
8906	2025-05-17	Accurate total consumer price index forecasting with data augmentation, multivariate features, and sentiment analysis: A case study in Korea 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0321530 PMID:40359407	研究论文	本文提出了一种结合数据增强、多变量特征和情感分析的新框架，用于准确预测韩国的总消费者价格指数（CPI）	提出了一种新颖的混合CNN-LSTM机制，结合多变量输入、数据增强和情感指数，以提高CPI预测的准确性	CPI数据的月度频率导致时间序列相对稀疏，且外部因素（如政策变化和疫情）增加了CPI的波动性	准确预测韩国的总消费者价格指数（CPI），以支持更及时有效的经济政策制定	韩国的总消费者价格指数（CPI）及其12类商品和服务的462个项目	机器学习	NA	数据增强、情感分析	CNN-LSTM	时间序列数据、文本数据	NA
8907	2025-05-17	Neurocognitive Latent Space Regularization for Multi-Label Diagnosis from MRI 2025, Predictive Intelligence in Medicine. PRIME (Workshop) DOI:10.1007/978-3-031-74561-4_16 PMID:40365134	research paper	该研究提出了一种通过潜在空间正则化方法提高MRI脑部研究中深度学习模型可解释性的技术	通过成对解缠技术对多标签分类器的潜在空间进行正则化，使得潜在空间中两个脑MRI表示之间的差异与其神经心理学测试分数的差异相似	研究样本量相对较小，特别是HIV无HAND组仅有32个样本	提高MRI脑部研究中深度学习模型的可解释性，促进神经科学发现	156名对照者、165名轻度认知障碍(MCI)患者、166名HIV相关认知障碍(HAND)患者和32名HIV无HAND患者	digital pathology	geriatric disease	MRI	multi-label classifier	image	519人(156对照+165MCI+166HAND+32HIV无HAND)
8908	2025-05-17	Advancing patient care: Machine learning models for predicting grade 3+ toxicities in gynecologic cancer patients treated with HDR brachytherapy 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0312208 PMID:40367095	研究论文	该研究开发并比较了机器学习模型，用于预测接受高剂量率（HDR）近距离放射治疗的妇科癌症患者的3级或更高毒性	应用多种机器学习模型预测妇科癌症患者HDR近距离放射治疗后的3级或更高毒性，为个性化放射治疗提供新方法	研究为回顾性分析，样本量相对较小（233例患者）	开发预测妇科癌症患者HDR近距离放射治疗后3级或更高毒性的机器学习模型	接受HDR近距离放射治疗的妇科癌症患者	机器学习	妇科癌症	HDR近距离放射治疗	Logistic Regression, Random Forest, K-Nearest Neighbors, Support Vector Machines, Gaussian Naive Bayes, Multi-Layer Perceptron Neural Networks, XGBoost	临床数据、剂量学数据	233例妇科癌症患者
8909	2025-05-17	Diagnosis of pneumonia from chest X-ray images using YOLO deep learning 2025, Frontiers in neurorobotics IF:2.6Q3 DOI:10.3389/fnbot.2025.1576438 PMID:40370634	research paper	提出了一种使用Fast-YOLO深度学习网络从胸部X光图像中诊断肺炎的新方法	设计了YOLOv11网络结构，整合了C3k2模块、DCNv2和DynamicConv，提高了特征表示能力并降低了计算复杂度	NA	提高肺炎诊断的准确性和实时性	胸部X光图像	computer vision	pneumonia	deep learning	Fast-YOLO, YOLOv11	image	包含五个类别的肺炎数据集
8910	2025-05-17	High-precision lung cancer subtype diagnosis on imbalanced exosomal data via Exo-LCClassifier 2025, Frontiers in genetics IF:2.8Q2 DOI:10.3389/fgene.2025.1583081 PMID:40370696	research paper	提出了一种名为Exo-LCClassifier的创新深度学习方法，用于预测肺癌亚型，解决了基因表达数据高维度和不平衡的挑战	整合了特征选择、一维卷积神经网络(1D CNN)和改进的Wasserstein生成对抗网络(WGAN)，通过数据增强和分类提高诊断准确性	未提及在实际临床环境中的验证情况，可能影响其临床应用的可推广性	解决肺癌基因表达数据分析中的不平衡学习问题，提高肺癌亚型诊断的准确性	肺癌亚型的基因表达数据	digital pathology	lung cancer	DESeq2, WGAN, 1D CNN	1D CNN, WGAN	gene expression data	未明确提及具体样本数量，但使用了外部GEO肺癌数据集进行验证
8911	2025-05-16	Letter to 'Automated CT image prescription of the gallbladder using deep learning: Development, evaluation, and health promotion' 2025 Jan-Dec, Acute medicine & surgery IF:1.5Q2 DOI:10.1002/ams2.70065 PMID:40370970	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
8912	2025-05-17	Prediction of prognosis in acute ischemic stroke after mechanical thrombectomy based on multimodal MRI radiomics and deep learning 2025, Frontiers in neurology IF:2.7Q3 DOI:10.3389/fneur.2025.1587347 PMID:40371075	研究论文	本研究探讨了基于多模态MRI影像组学和深度学习的CRD模型在预测接受机械取栓治疗的急性缺血性卒中患者不良预后中的价值	首次结合临床数据、影像组学特征和深度学习模型构建了综合预测模型CRD，在预测急性缺血性卒中预后方面表现出色	回顾性研究设计可能导致选择偏倚，样本量相对有限(222例患者)	开发更准确的工具预测急性缺血性卒中患者机械取栓后的不良预后	接受机械取栓治疗的急性缺血性卒中患者	数字病理学	心血管疾病	多模态MRI	ResNet101与逻辑回归结合的CRD模型	医学影像	222例患者(训练组155例，验证组67例)
8913	2025-05-17	Review of different convolutional neural networks used in segmentation of prostate during fusion biopsy 2025, Central European journal of urology IF:1.4Q3 DOI:10.5173/ceju.2024.0064 PMID:40371421	综述	本文综述了不同卷积神经网络在前列腺融合活检分割中的应用	强调了U-Net架构在高级医学图像分析中的主导地位，并指出所有算法在自动前列腺分割中均达到Dice相似系数74%以上的高精度	不同研究间评估分割结果的方法存在显著异质性，且需要更大样本量的未来研究来验证结果	探索深度学习算法在前列腺融合活检中加速前列腺轮廓勾画的潜力	前列腺癌患者的多参数磁共振成像（mpMRI）数据	数字病理学	前列腺癌	多参数磁共振成像（mpMRI）	CNN, U-Net	医学图像	NA
8914	2025-05-17	An Explainable Deep Learning Framework for Predicting Postoperative Radiotherapy-Induced Vaginal Stenosis in Surgically Treated Cervical Cancer Patients 2025, Annali italiani di chirurgia IF:0.9Q3 DOI:10.62713/aic.4011 PMID:40375370	研究论文	开发并验证了一个可解释的深度学习框架，用于预测宫颈癌患者术后放疗引起的阴道狭窄风险	结合Squeeze-and-Excitation网络和Grad-CAM可视化，提高了模型的准确性和可解释性	研究样本量较小（140例患者），且为回顾性研究	预测宫颈癌患者术后放疗引起的阴道狭窄风险，以实现早期个性化干预	接受根治性子宫切除术及放疗的宫颈癌患者	数字病理	宫颈癌	CT成像	SE-Inception, ResNet50, Random Forest	图像	140例患者（51例发生阴道狭窄）
8915	2025-05-16	Impact of deep learning reconstruction on radiation dose reduction and cancer risk in CT examinations: a real-world clinical analysis 2025-Jun, European radiology IF:4.7Q1 DOI:10.1007/s00330-024-11212-6 PMID:39613960	research paper	本研究评估了深度学习重建（DLR）在CT检查中降低辐射剂量和癌症风险的实际效果	首次利用真实世界临床数据分析DLR对辐射诱发癌症风险的影响	研究为单中心回顾性分析，可能存在选择偏倚	评估DLR技术对CT检查辐射剂量和癌症风险的降低效果	接受全身CT检查的成年患者	medical imaging	radiation-induced cancer	deep learning reconstruction (DLR)	NA	CT scan data	5247 matched cases (pre-DLR) + 5247 matched cases (post-DLR)
8916	2024-12-12	Evaluating deep learning and radiologist performance in volumetric prostate cancer analysis with biparametric MRI and histopathologically mapped slides 2025-Jun, Abdominal radiology (New York) DOI:10.1007/s00261-024-04734-6 PMID:39658736	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
8917	2025-05-16	Evaluation of a deep learning prostate cancer detection system on biparametric MRI against radiological reading 2025-Jun, European radiology IF:4.7Q1 DOI:10.1007/s00330-024-11287-1 PMID:39699671	研究论文	本研究评估了一种基于双参数MRI的深度学习系统在检测临床显著性前列腺癌方面的性能，并与放射学解读进行了比较	开发了一个3D nnU-Net模型用于前列腺癌检测，在独立测试队列中表现优于放射科医生，特别是在中等和大尺寸病灶检测上	对小病灶的检测仍然具有挑战性	评估深度学习系统在前列腺癌检测中的性能	临床显著性前列腺癌(csPCa)，定义为Gleason Grade Group (GGG) ≥ 2	数字病理	前列腺癌	双参数MRI(bpMRI)	3D nnU-Net	医学影像	训练集4381例bpMRI病例(3800阳性，581阴性)，测试集328例来自PROSTATEx数据集
8918	2025-05-16	The Lack of Neurofeedback Training Regulation Guidance and Process Evaluation May be a Source of Controversy in Post-Traumatic Stress Disorder-Neurofeedback Research: A Systematic Review and Statistical Analysis 2025-May-15, Brain connectivity IF:2.4Q3 DOI:10.1089/brain.2024.0084 PMID:40371570	系统性综述	本文对创伤后应激障碍（PTSD）神经反馈（NF）研究进行了系统性综述和统计分析，探讨了现有研究的不足并提出了改进方向	首次对PTSD-NF研究进行了全面的统计分析和分类，提出了改进NF过程评估机制和调制指导的建议	研究仅纳入了31项原始研究，样本量较小（EEG-NF平均17.4人，fMRI-NF平均14.6人），且缺乏深度学习方法的运用	探讨PTSD-NF研究中存在的问题并提出改进方向	创伤后应激障碍（PTSD）患者	脑机接口	创伤后应激障碍	脑电图神经反馈（EEG-NF）和功能磁共振成像神经反馈（fMRI-NF）	传统统计方法和基础机器学习方法	神经信号数据	EEG-NF研究平均17.4人（SD 7.13），fMRI-NF研究平均14.6人（SD 6.37）
8919	2025-05-16	Application of deep learning with fractal images to sparse-view CT 2025-May-15, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-025-03378-1 PMID:40372595	研究论文	本研究探讨了使用分形图像进行预训练以提高稀疏视图CT图像质量的方法	利用非医学分形图像进行预训练，减少对医学图像数量的依赖，提高稀疏视图CT图像重建质量	研究仅使用了CHAOS数据集中的医学图像，可能无法涵盖所有临床场景	提高稀疏视图CT图像重建质量，减少对大量医学训练图像的依赖	稀疏视图CT图像	计算机视觉	NA	迭代函数系统(IFS)、滤波反投影(FBP)	FBPConvNet、WNet	图像	医学图像从5000减少到1000（减少80%）
8920	2025-05-16	AI-based metal artefact correction algorithm for radiotherapy patients with dental hardware in head and neck CT: Towards precise imaging 2025-May-14, Dento maxillo facial radiology DOI:10.1093/dmfr/twaf038 PMID:40366748	research paper	研究AI-based金属伪影校正算法在头颈部CT中对放疗患者牙科硬件的临床效果	提出了一种基于深度学习的AI-MAC技术，首次在体内研究中展示了其在减少金属伪影同时保留器官可视化方面的能力	样本量较小（仅41例患者），且未探讨AI-MAC在不同类型牙科硬件上的泛化性能	评估AI-based金属伪影校正算法在头颈部CT中的临床效果	41例带有不可移除牙科硬件的头颈部放疗患者	digital pathology	head and neck cancer	CT imaging, deep learning	deep learning-based algorithm (AI-MAC)	CT images	41例患者