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
1	2025-04-04	Generating synthetic brain PET images of synaptic density based on MR T1 images using deep learning 2025-Mar-31, EJNMMI physics IF:3.0Q2 DOI:10.1186/s40658-025-00744-5 PMID:40163154	研究论文	本研究利用深度学习技术基于MRI T1图像生成合成的大脑突触密度PET图像	首次使用卷积基础的3D编码器-解码器模型从MRI生成[11C]UCB-J SV2A PET合成图像，解决了SV2A示踪剂在实际应用中的可获得性问题	研究样本量相对有限（160名参与者），且未明确说明模型在不同疾病群体间的泛化能力	开发一种通过MRI生成合成[11C]UCB-J PET图像的方法，以解决SV2A示踪剂在实际应用中的限制	160名同时接受MRI和[11C]UCB-J PET成像的参与者，包括精神分裂症、大麻使用障碍和阿尔茨海默病患者	数字病理学	神经系统疾病	深度学习	3D CNN编码器-解码器	医学影像（MRI和PET图像）	160名参与者
2	2025-04-04	Integrating deep learning with ECG, heart rate variability and demographic data for improved detection of atrial fibrillation 2025-Mar-31, Open heart IF:2.8Q2 DOI:10.1136/openhrt-2025-003185 PMID:40164487	研究论文	本研究探讨了如何通过结合心电图（ECG）、心率变异性（HRV）和人口统计数据（年龄和性别）来提高心房颤动（AF）的检测效果	通过多模态方法（ECG、HRV和人口统计数据）提升AF检测性能，并验证了AlexNet和VGG-16在此任务中的优越性	需要进一步的临床验证	提高心房颤动的检测准确性	心房颤动（AF）患者	机器学习	心血管疾病	深度学习	CNN（AlexNet, VGG-16, ResNet）, transformers	ECG信号、HRV数据、人口统计数据	35,634份12导联ECG记录
3	2025-04-04	Partial discharge defect recognition method of switchgear based on cloud-edge collaborative deep learning 2025-Mar-31, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-81478-9 PMID:40164608	研究论文	提出了一种基于边缘计算和深度学习的开关柜局部放电联合识别方法	构建了终端设备侧、终端采集侧、边缘计算侧和云计算侧的边缘协同缺陷识别架构，并基于DBN提出了开关柜局部放电缺陷识别方法	验证使用的是实验室模拟的局部放电样本，实际应用中的效果可能需要进一步验证	解决传统局部放电检测方法在实时监测、快速评估、样本融合和联合分析方面的不足	开关柜的局部放电信号	机器学习	NA	UHF传感器和宽带脉冲电流传感器	DBN	信号数据	实验室模拟的局部放电样本
4	2025-04-04	Well log data generation and imputation using sequence based generative adversarial networks 2025-Mar-31, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-95709-0 PMID:40164658	研究论文	本研究提出了一种基于序列生成对抗网络（GANs）的新框架，用于测井数据的生成和缺失数据填补	采用两种序列GAN模型（TSGAN和SeqGAN）分别进行合成数据生成和缺失数据填补，在北海荷兰地区数据集上验证了其优越性	实验仅使用了特定区域（北海荷兰地区）的数据集，未验证在其他地质区域的泛化能力	解决测井数据中的缺失和不准确定问题，提高储层评估的可靠性	测井数据	机器学习	NA	生成对抗网络（GANs）	TSGAN, SeqGAN	时间序列数据	5、10和50个数据点的不同区段
5	2025-04-04	Clinical implications of deep learning based image analysis of whole radical prostatectomy specimens 2025-Mar-31, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-95267-5 PMID:40164701	研究论文	本研究评估了基于深度学习的图像分析（DLIA）算法在前列腺癌根治术（RP）标本中的临床可行性和预后价值	首次将DLIA算法应用于全RP标本的Gleason分级和肿瘤定量分析，并评估其临床决策支持价值	研究样本量相对有限（992例患者），且DLIA与病理学家评估的一致性仅为中等（Cohen's kappa: 0.374）	提高前列腺癌诊断准确性并支持临床决策	前列腺癌根治术标本	数字病理学	前列腺癌	深度学习图像分析	DLIA算法	H&E染色数字病理切片	992例患者的29,646张数字化切片
6	2025-04-04	LEyes: A lightweight framework for deep learning-based eye tracking using synthetic eye images 2025-Mar-31, Behavior research methods IF:4.6Q1 DOI:10.3758/s13428-025-02645-y PMID:40164925	research paper	介绍了一个名为LEyes的轻量级框架，用于通过合成眼图进行深度学习眼动追踪	LEyes框架采用简单的合成图像生成器训练神经网络，避免了传统高真实感方法的高计算资源需求，提高了训练效率	合成图像可能无法完全捕捉真实眼图的生物多样性	解决眼动追踪技术中训练数据不足和模型泛化能力差的问题	眼动追踪中的瞳孔和角膜反射检测	computer vision	NA	deep learning	neural networks	synthetic eye images	diverse datasets (具体数量未提及)
7	2025-04-04	Gd-EOB-DTPA-enhanced MRI radiomics and deep learning models to predict microvascular invasion in hepatocellular carcinoma: a multicenter study 2025-Mar-31, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-01646-9 PMID:40165094	研究论文	本研究开发了一种基于Gd-EOB-DTPA增强MRI图像的放射组学和深度学习模型，用于预测肝细胞癌的微血管侵犯	结合了双区域特征和两种机器学习算法（CR和DLR），提出了一种新的放射组学模型	所有模型之间的AUC差异不显著（P>0.005）	术前预测肝细胞癌的微血管侵犯	304名肝细胞癌患者	数字病理	肝细胞癌	Gd-EOB-DTPA增强MRI	支持向量机、3D ResNet-18	MRI图像	304名患者（训练队列216名，测试队列88名）
8	2025-04-04	Effectiveness and clinical impact of using deep learning for first-trimester fetal ultrasound image quality auditing 2025-Mar-31, BMC pregnancy and childbirth IF:2.8Q1 DOI:10.1186/s12884-025-07485-4 PMID:40165135	研究论文	开发并验证了一种基于人工智能的超声图像质量审核系统（AI-IQA），用于自动审核妊娠早期超声扫描中四个关键平面的图像质量	首次将YOLOv7结构检测网络与多分支图像质量回归网络结合，构建了高效的AI-IQA系统，显著提高了图像审核的准确性和效率	研究仅基于多中心内部数据集进行验证，未涉及外部独立数据集的验证	开发自动化的超声图像质量审核工具，提高妊娠早期超声扫描的图像质量	妊娠早期超声扫描的四个关键平面图像	计算机视觉	产科疾病	深度学习	YOLOv7	图像	567例由不同经验水平的放射科医师扫描的病例（349例无AI-IQA反馈，218例有AI-IQA反馈）
9	2025-04-04	Deep learning-based breast MRI for predicting axillary lymph node metastasis: a systematic review and meta-analysis 2025-Mar-31, Cancer imaging : the official publication of the International Cancer Imaging Society IF:3.5Q1 DOI:10.1186/s40644-025-00863-3 PMID:40165212	meta-analysis	通过系统综述和荟萃分析评估深度学习算法在乳腺MRI中预测乳腺癌患者腋窝淋巴结转移的诊断性能	首次系统评估深度学习算法在乳腺MRI中预测腋窝淋巴结转移的诊断性能，并展示了其在临床决策中的潜在应用价值	研究间存在中度异质性（I2=61%和60%），且纳入的研究数量有限（10项）	评估深度学习算法在乳腺MRI中预测乳腺癌患者腋窝淋巴结转移的诊断性能	乳腺癌患者	数字病理	乳腺癌	MRI	深度学习	图像	10项研究
10	2025-04-04	A novel network-level fused deep learning architecture with shallow neural network classifier for gastrointestinal cancer classification from wireless capsule endoscopy images 2025-Mar-31, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-025-02966-0 PMID:40165262	研究论文	提出一种新型网络级融合深度学习架构，用于无线胶囊内窥镜图像中的胃肠道癌症分类	结合了稀疏卷积DenseNet201与自注意力机制(SC-DSAN)和CNN-GRU两种新型架构，采用深度连接层进行网络级融合，避免了特征级融合的计算成本，并利用贝叶斯优化和熵控制海洋捕食者算法(EMPA)进行动态超参数调优和特征选择	未来工作需要探索该框架对其他数据集的适应性，并优化其计算复杂性以实现更广泛的部署	解决胃肠道疾病分类和定位中的类间和类内相似性、类别不平衡以及计算效率低下的挑战	无线胶囊内窥镜(WCE)图像	计算机视觉	胃肠道癌症	深度学习	SC-DSAN, CNN-GRU, SWNN	图像	Kvasir-V1和Kvasir-V2数据集
11	2025-04-04	Deep learning-based multimodal CT/MRI image fusion and segmentation strategies for surgical planning of oral and maxillofacial tumors: A pilot study 2025-Mar-31, Journal of stomatology, oral and maxillofacial surgery DOI:10.1016/j.jormas.2025.102324 PMID:40174752	研究论文	本研究评估了基于深度学习的多模态CT/MRI图像融合和分割策略在口腔颌面部肿瘤手术规划中的可行性和准确性	结合三种融合模型和三种分割模型，生成九种混合深度学习模型，用于口腔颌面部肿瘤的自动多模态图像融合和分割	样本量较小（30例患者），且为单中心研究	评估深度学习在口腔颌面部肿瘤手术规划中的应用	口腔颌面部肿瘤患者	数字病理	口腔颌面部肿瘤	CT和MRI扫描	Elastix, ANTs, NiftyReg, nnU-Net, 3D UX-Net, U-Net	医学影像	30例口腔颌面部肿瘤患者
12	2025-04-04	Impact of optimized and conventional facility designs on outpatient abdominal MRI workflow efficiency 2025-Mar-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-94799-0 PMID:40157988	research paper	本研究比较了优化设施与传统设施在门诊腹部MRI工作流程效率上的差异	通过对比优化设施与传统设施的工作流程效率，展示了优化设计在提升MRI检查效率方面的显著优势	研究为回顾性分析，可能受到历史数据限制，且仅针对特定机构的两种设施设计进行比较	评估优化设施与传统设施在门诊腹部MRI工作流程效率上的差异	对比增强的肝脏和前列腺MRI检查	digital pathology	liver cancer, prostate cancer	MRI, deep learning reconstruction	NA	medical imaging data	2,723例对比增强的肝脏和前列腺MRI检查
13	2025-04-04	The clinical implications and interpretability of computational medical imaging (radiomics) in brain tumors 2025-Mar-30, Insights into imaging IF:4.1Q1 DOI:10.1186/s13244-025-01950-6 PMID:40159380	review	本文综述了影像组学在脑肿瘤研究中的应用及其可解释性问题	整合脑肿瘤生物学领域知识与可解释性方法，提升传统手工特征影像组学和深度学习影像组学的可解释性	深度学习模型缺乏生物学机制基础	探讨影像组学在脑肿瘤研究中的应用及其临床转化潜力	脑肿瘤影像组学	digital pathology	brain tumors	radiomics	deep learning-based models	medical imaging	NA
14	2025-04-04	Dual discriminator GAN-based synthetic crop disease image generation for precise crop disease identification 2025-Mar-30, Plant methods IF:4.7Q1 DOI:10.1186/s13007-025-01361-0 PMID:40159478	研究论文	本文提出了一种基于双判别器GAN的合成作物病害图像生成方法，用于提高作物病害识别的精确度	设计了具有双判别器结构的频域和小波图像增强网络（FHWD），结合小波损失和快速傅里叶变换损失函数，提升生成图像的视觉质量和真实性	实验仅在PlantVillage数据集的十种作物病害上进行，未验证在其他作物病害上的泛化能力	解决作物病害图像稀缺问题，提升深度学习模型的病害识别准确率和泛化能力	作物病害图像	计算机视觉	作物病害	GAN	双判别器GAN	图像	PlantVillage数据集中的十种作物病害
15	2025-04-04	SGA-Driven feature selection and random forest classification for enhanced breast cancer diagnosis: A comparative study 2025-Mar-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-95786-1 PMID:40159513	research paper	本研究提出了一种结合海鸥优化算法（SGA）进行特征选择和随机森林（RF）分类器进行数据分类的新方法，用于乳腺癌分类	首次将SGA应用于乳腺癌诊断中的基因选择，通过系统探索特征空间以识别最具信息量的基因子集，从而提高分类准确性并降低计算复杂度	未来需要探索其他自然启发算法和深度学习模型的集成以进一步提升性能和临床适用性	提高乳腺癌诊断的准确性和效率	乳腺癌基因数据	machine learning	breast cancer	Seagull Optimization Algorithm (SGA), Random Forest (RF)	Random Forest (RF), Linear Regression (LR), Support Vector Machine (SVM), K-Nearest Neighbors (KNN)	gene data	NA
16	2025-04-04	Advances in machine learning for keratoconus diagnosis 2025-Mar-30, International ophthalmology IF:1.4Q3 DOI:10.1007/s10792-025-03496-4 PMID:40159519	综述	回顾了过去十年中机器学习在圆锥角膜诊断中的应用，揭示了学术研究与临床实践之间的差距	提出了一个路线图模型，以促进机器学习模型在临床实践中的整合，提高诊断准确性和患者护理	缺乏早期圆锥角膜检测和严重程度分期的客观诊断标准共识，多学科合作有限，公共数据集访问受限	评估机器学习在圆锥角膜诊断中的进展，并探讨其在临床实践中的应用潜力	圆锥角膜诊断相关的机器学习研究和临床实践	机器学习	圆锥角膜	监督分类器、深度学习	Random Forest, CNN, 前馈和反馈神经网络, SVM	数值角膜参数	62篇文章
17	2025-04-04	Deep learning-based mobile application for efficient eyelid tumor recognition in clinical images 2025-Mar-30, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-025-01539-9 PMID:40159516	research paper	本研究验证了一种基于深度学习的移动应用程序，用于自我诊断眼睑肿瘤，以改善患者的健康支持系统	开发了一种基于YOLOv5和Efficient-Net v2-B架构的移动应用，用于眼睑肿瘤的自我诊断，其准确率高于普通医生、住院医生和眼科专家	研究仅基于1195张预处理临床眼部照片和活检结果，样本量可能不足以覆盖所有眼睑肿瘤类型	开发一种高效的移动应用程序，用于眼睑肿瘤的早期检测和监测	眼睑肿瘤患者	computer vision	眼睑肿瘤	深度学习	YOLOv5, Efficient-Net v2-B	image	1195张预处理临床眼部照片和活检结果
18	2025-04-04	Predicting protein-protein interaction with interpretable bilinear attention network 2025-Mar-30, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108756 PMID:40174317	研究论文	提出了一种名为PPI-BAN的新型端到端框架，通过整合蛋白质序列信息和3D结构信息来预测蛋白质-蛋白质相互作用及其类型	PPI-BAN首次将蛋白质序列和3D结构信息通过深度双线性注意力网络(BAN)联合学习，并能够识别重要的局部相互作用表示，提高了预测结果的可解释性	未明确提及样本量大小或数据集的局限性	开发一种计算方法来准确预测蛋白质-蛋白质相互作用及其类型	蛋白质-蛋白质相互作用	生物信息学	NA	一维卷积操作(Conv1D)、GeomEtry-Aware Relational Graph Neural Network (GearNet)、深度双线性注意力网络(BAN)	PPI-BAN (包含Conv1D、GearNet和BAN)	蛋白质序列数据和3D结构数据	NA
19	2025-04-04	An integration of ensemble deep learning with hybrid optimization approaches for effective underwater object detection and classification model 2025-Mar-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-95596-5 PMID:40158003	research paper	该研究提出了一种结合集成深度学习和混合优化算法的水下物体检测与分类模型（UODC-EDLHOA）	采用集成深度学习方法（DNN、DBN、LSTM）和混合优化算法（STSC）进行水下物体检测与分类，提高了检测精度	未提及模型在实时性、计算资源消耗或实际部署中的表现	提升水下物体检测与分类的准确性和鲁棒性	水下物体	computer vision	NA	deep learning, hybrid optimization algorithms	EfficientNetB7, YOLOv9, DNN, DBN, LSTM	image	UOD数据集（未提及具体数量）
20	2025-04-04	A novel deep learning-based model for automated tooth detection and numbering in mixed and permanent dentition in occlusal photographs 2025-Mar-29, BMC oral health IF:2.6Q1 DOI:10.1186/s12903-025-05803-y PMID:40158107	研究论文	提出了一种基于深度学习的自动化牙齿检测和编号模型，适用于混合和恒牙列的咬合照片	首次在咬合照片中实现混合和恒牙列的自动化牙齿检测和编号，填补了现有研究仅关注恒牙列的空白	在代表性不足的牙齿（如乳切牙和恒第三磨牙）上存在误分类	开发一种自动化系统，用于在咬合照片中检测和编号混合和恒牙列的牙齿	混合和恒牙列的牙齿	计算机视觉	NA	深度学习	CNN, YOLOv8	图像	3215张上颌和下颌的咬合视图图像