深度学习在生物医药领域的应用

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	算法框架	模型架构	性能指标	计算资源
201	2025-10-06	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	研究论文	提出一种结合海鸥优化算法进行特征选择和随机森林分类器的乳腺癌诊断新方法	首次将海鸥优化算法应用于乳腺癌诊断中的基因选择，通过系统探索特征空间识别最具信息量的基因子集	未集成其他自然启发算法和深度学习模型，临床适用性有待进一步验证	提高乳腺癌分类准确率并降低计算复杂度	乳腺癌基因数据	机器学习	乳腺癌	基因表达分析	随机森林	基因数据	NA	Scikit-learn	随机森林	准确率	NA
202	2025-10-06	Deep Learning Models to Predict Diagnostic and Billing Codes Following Visits to a Family Medicine Practice: Development and Validation Study 2025-Mar-07, JMIR AI DOI:10.2196/64279 PMID:40605560	研究论文	开发并验证能够从家庭医学实践电子病历笔记中预测诊断和账单代码的深度学习模型	首次在家庭医学领域应用深度学习模型自动预测诊断和账单代码，减少计费错误和遗漏	模型在诊断代码预测方面的召回率和精确度相对较低，且需要进一步验证在其他家庭医学实践中的泛化能力	开发能够从电子病历笔记中自动预测诊断和账单代码的机器学习模型，提高家庭医学实践的计费效率	家庭医学实践中的就诊记录和相应的电子病历笔记	自然语言处理	家庭医学相关疾病	电子病历分析	深度学习模型	文本	198,802次就诊记录（来自总共245,045次符合条件的就诊）	NA	NA	准确率, 召回率, 精确率, F1分数, ROC曲线下面积	NA
203	2025-10-06	Deep learning-based reconstruction for three-dimensional volumetric brain MRI: a qualitative and quantitative assessment 2025-Mar-27, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-01647-8 PMID:40148785	研究论文	评估基于自适应压缩感知网络的深度学习重建方法在脑部MRI中的性能表现	首次将深度学习重建与压缩感知技术结合应用于三维脑部MRI，实现扫描时间减半而不损失图像质量	样本量较小（10名健康志愿者和22名患者），需要更大规模研究验证	验证深度学习重建方法在脑部MRI扫描时间优化和图像质量保持方面的效果	健康志愿者和临床患者的三维脑部MRI数据	医学影像分析	脑部疾病	磁共振成像，压缩感知技术	深度学习重建网络	三维脑部MRI图像	10名健康志愿者和22名患者	NA	自适应压缩感知网络	图像质量评分，信噪比，锐度，解剖结构清晰度，伪影评估，体积测量准确性	NA
204	2025-10-06	Facial identity recognition using StyleGAN3 inversion and improved tiny YOLOv7 model 2025-Mar-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-93096-0 PMID:40097614	研究论文	提出一种结合StyleGAN3反演和改进Tiny YOLOv7模型的面部身份识别方法	开发了基于空间变换块和压缩激励空间金字塔池化的Tiny YOLOv7改进模型，在少样本场景下显著提升识别性能	数据集仅包含20个独特身份，样本多样性可能有限	解决面部属性操纵下的身份识别问题，应用于犯罪预防领域	面部属性和身份识别	计算机视觉	NA	StyleGAN3反演	CNN	图像	11,560张图像，包含20个独特身份和38个面部属性	NA	Tiny YOLOv7, StyleGAN3	mAP	NA
205	2025-10-06	Research on the performance of the SegFormer model with fusion of edge feature extraction for metal corrosion detection 2025-Mar-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-92531-6 PMID:40057599	研究论文	提出一种融合边缘特征提取的SegFormer金属腐蚀检测方法，通过并行提取边缘特征提升腐蚀边界和小腐蚀区域的分割精度	引入边缘特征提取模块(EEM)构建网络空间分支，结合特征融合模块(FFM)实现渐进式特征融合，有效解决边界模糊和小目标特征丢失问题	NA	提高金属腐蚀检测中边界分割和小腐蚀区域识别的准确性	金属腐蚀图像	计算机视觉	NA	语义分割	SegFormer	图像	公共金属表面腐蚀图像数据集、BSData缺陷数据集、自建油管腐蚀坑图像数据集	NA	SegFormer, EEM, FFM	准确率, mIoU	NA
206	2025-10-06	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	本研究利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	整合肿瘤区域和瘤周区域的深度特征构建融合模型，并在多中心数据集上进行验证	回顾性研究设计，样本量相对有限（929例患者）	开发准确预测乳腺癌Ki-67表达水平的机器学习模型	929例乳腺癌患者的临床和超声数据	医学影像分析	乳腺癌	超声成像	SVM, LightGBM	超声图像	929例乳腺癌患者	NA	NA	准确率, ROAUC, 敏感性, 特异性, F1分数	NA
207	2025-10-06	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	开发基于全切片病理图像的深度学习模型HER2Net，用于预测胃癌HER2状态	创新性地通过定量计算HER2高表达区域比例来预测HER2状态	回顾性研究，需要进一步前瞻性验证	开发经济可行且易于使用的工具来区分胃癌患者的HER2状态	胃癌患者的全切片病理图像	数字病理	胃癌	苏木精-伊红染色，全切片成像	深度学习模型	病理图像	内部训练集520名患者的531张WSI，内部测试集111名患者的115张WSI，外部多中心测试集101名患者的102张WSI	NA	HER2Net	准确率	NA
208	2025-10-06	Detection of cotton crops diseases using customized deep learning model 2025-Mar-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-94636-4 PMID:40155421	研究论文	本研究开发了一种定制化的深度学习模型用于棉花作物病害检测	比较了多种先进深度学习模型在棉花病害识别中的性能，发现ResNet152模型表现最优	NA	利用深度学习技术实现棉花作物病害的早期准确检测	棉花作物及其病害	计算机视觉	作物病害	深度学习	CNN	图像	从田间采集的真实棉花病害数据	NA	VGG16, DenseNet, EfficientNet, InceptionV3, MobileNet, NasNet, ResNet	NA	NA
209	2025-10-06	Surface-Enhanced Raman Spectroscopy for Biomedical Applications: Recent Advances and Future Challenges 2025-Mar-19, ACS applied materials & interfaces IF:8.3Q1 DOI:10.1021/acsami.4c17502 PMID:39991932	综述	本文总结了表面增强拉曼光谱在生物医学应用中的最新进展与未来挑战	重点介绍了胶体和固体SERS基底的最新设计、具有内部间隙和近红外II区响应特性的SERS纳米标签、以及光学镊子等新兴技术	讨论了深层组织体内传感和成像面临的挑战以及临床转化的障碍	回顾SERS技术发展历程并展望其在生物医学领域的应用前景	SERS基底、纳米标签、仪器设备和光谱分析方法	生物医学光谱学	NA	表面增强拉曼光谱	NA	光谱数据	NA	NA	NA	NA	NA
210	2025-10-06	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	本研究通过整合心电图、心率变异性和人口统计学数据，开发了一种改进心房颤动检测的多模态深度学习方法	首次将心电图数据与心率变异性和人口统计学数据相结合，采用多模态方法提升心房颤动检测性能	需要进一步的临床验证	提高心房颤动的早期检测准确率	心房颤动患者	机器学习	心血管疾病	心电图分析	CNN, Transformer	心电图信号, 心率变异性数据, 人口统计学数据	35,634份12导联心电图记录	NA	AlexNet, VGG-16, ResNet, Transformer	AUROC, 敏感性	NA
211	2025-10-06	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	基于Gd-EOB-DTPA增强MRI开发结合双区域特征和两种机器学习算法的影像组学模型，用于预测肝细胞癌微血管侵犯	首次结合传统影像组学特征和深度学习特征的双区域模型，采用多中心数据验证	回顾性研究设计，样本量相对有限，模型性能在测试队列中有所下降	术前预测肝细胞癌微血管侵犯状态	肝细胞癌患者	医学影像分析	肝细胞癌	Gd-EOB-DTPA增强MRI	支持向量机, 3D ResNet	MRI图像	304例HCC患者（训练队列216例，测试队列88例）来自三家医院	FeAture Explorer, PyTorch（推断）	ResNet-18	AUC, 准确率, 敏感度, 特异性	NA
212	2025-10-06	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	开发并验证基于人工智能的早孕期胎儿超声图像质量审核系统	首次将YOLOv7目标检测网络与多分支图像质量回归网络结合，实现自动化的超声图像质量审核	研究仅针对早孕期四个关键切面，未涵盖其他孕期或切面类型	开发自动化超声图像质量审核系统以替代耗时的人工审核	早孕期胎儿超声图像	计算机视觉	产科超声	超声成像	CNN	图像	567例由4名不同经验水平放射科医师扫描的病例	NA	YOLOv7, 多分支图像质量回归网络	准确率, 精确率, 召回率, F1分数, Cohen's Kappa系数	NA
213	2025-10-06	Detection of Auto-Immune Disease using Deep Learning Techniques 2025-Mar, Mediterranean journal of rheumatology DOI:10.31138/mjr.060624.doa PMID:40557183	研究论文	本研究提出了一种基于深度学习的自动化方法，用于通过HEp-2细胞和分裂细胞实例分割检测自身免疫疾病	整合深度学习、先进图像处理、引导式HEp-2细胞和分裂细胞实例分割的创新自动化方法	数据集存在不平衡问题，分裂细胞数量显著少于HEp-2同质细胞	开发可靠的自动化方法用于自身免疫疾病诊断	HEp-2细胞和分裂细胞	计算机视觉	自身免疫疾病	间接免疫荧光检测	深度学习	图像	ICPR 2016数据集	Detectron2	YOLOv8n	平均精度均值	NA
214	2025-10-06	MRI-Based Topology Deep Learning Model for Noninvasive Prediction of Microvascular Invasion and Assisting Prognostic Stratification in HCC 2025-Mar, Liver international : official journal of the International Association for the Study of the Liver IF:6.0Q1 DOI:10.1111/liv.16205 PMID:39992060	研究论文	开发基于MRI拓扑深度学习模型用于术前预测肝细胞癌微血管浸润并辅助预后分层	首次将拓扑特征与深度学习结合用于MVI预测，提高了模型性能和可解释性	回顾性研究，样本量有限，需要进一步前瞻性验证	术前无创预测肝细胞癌微血管浸润并辅助预后分层	肝细胞癌患者	医学影像分析	肝细胞癌	MRI成像	CNN	医学影像	589例患者（292例经病理证实MVI阳性）	NA	纯卷积神经网络，拓扑-CNN，拓扑-CNN-临床模型	AUC，风险比	NA
215	2025-10-06	Artificial intelligence accelerates the identification of nature-derived potent LOXL2 inhibitors 2025-Mar-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-95530-9 PMID:40148559	研究论文	本研究结合深度学习和传统计算机辅助药物设计方法筛选出天然来源的高效LOXL2抑制剂连翘酯苷A	首次采用深度学习与传统CADD相结合的方法筛选天然来源的LOXL2选择性抑制剂	仅针对CT26癌细胞进行实验验证，尚未开展体内实验或临床研究	开发针对LOXL2的天然来源选择性抑制剂用于癌症治疗	LOXL2酶、天然化合物库、CT26癌细胞	机器学习	癌症	分子对接、虚拟筛选、深度学习	深度学习模型	分子结构数据、生物活性数据	NA	NA	NA	生物活性、亲和力、增殖抑制率、迁移抑制率、凋亡促进率、蛋白表达水平	NA
216	2025-10-06	Deep learning and digital pathology powers prediction of HCC development in steatotic liver disease 2025-Mar-01, Hepatology (Baltimore, Md.) DOI:10.1097/HEP.0000000000000904 PMID:38768142	研究论文	开发基于深度学习和数字病理的模型，利用肝活检全切片图像预测脂肪性肝病患者发生肝细胞癌的风险	首次使用深度学习模型从H&E染色全切片图像中直接预测HCC发生风险，能够识别超出纤维化阶段的早期肝癌发生特征	样本量相对有限，特别是HCC病例组仅46例，需要更大规模验证	预测脂肪性肝病患者发展为肝细胞癌的风险	685例经活检证实的脂肪性肝病患者（639例未发生HCC，46例发生HCC）	数字病理	肝细胞癌	苏木精-伊红染色，全切片成像	CNN	图像	685例患者，28,000个图像块	NA	深度卷积神经网络	准确率，AUC	NA
217	2025-10-06	Upfront surgery for intrahepatic cholangiocarcinoma: Prediction of futility using artificial intelligence 2025-03, Surgery IF:3.2Q1 DOI:10.1016/j.surg.2024.06.059 PMID:39322483	研究论文	开发基于人工智能的模型预测肝内胆管癌患者手术无效风险	首次使用包含多层感知器和梯度提升分类器的集成模型，基于术前变量预测肝内胆管癌手术无效性	回顾性多机构数据可能存在选择偏倚，模型需要外部验证	识别肝内胆管癌患者手术无效风险，避免不必要的手术	肝内胆管癌患者	机器学习	肝内胆管癌	机器学习，深度学习	集成模型，多层感知器，梯度提升	临床数据	827例肝内胆管癌患者	NA	多层感知器，梯度提升分类器	AUC，敏感度，特异度，阳性预测值，阴性预测值	NA
218	2025-06-15	Post-Training Network Compression for 3D Medical Image Segmentation: Reducing Computational Efforts via Tucker Decomposition 2025-03, Radiology. Artificial intelligence DOI:10.1148/ryai.240353 PMID:39812583	研究论文	本研究探讨了通过Tucker分解减少基于3D CT的多器官分割模型TotalSegmentator的计算量	首次将Tucker分解应用于医学图像分割模型的压缩，显著减少了模型参数和计算量，同时保持分割精度	不同GPU架构上的实际加速效果存在差异，在性能较低的硬件上加速效果更明显	降低医学图像分割模型的计算需求	TotalSegmentator模型（基于nnU-Net的117个解剖结构自动分割模型）	数字病理	NA	Tucker分解	nnU-Net	3D CT图像	1228个分割CT扫描（训练集）+89个CT扫描（测试集）	NA	NA	NA	NA
219	2025-06-14	Comparison of Multimodal Deep Learning Approaches for Predicting Clinical Deterioration in Ward Patients 2025-Mar-07, medRxiv : the preprint server for health sciences DOI:10.1101/2025.03.06.25322855 PMID:40093217	研究论文	比较不同多模态深度学习方法在预测病房患者临床恶化方面的效果	首次比较了结合结构化数据与临床笔记信息的多种深度学习方法在预测临床恶化方面的性能	添加临床笔记信息并未显著提升模型性能	评估多模态深度学习模型预测病房患者临床恶化的效果	病房患者	机器学习	NA	深度循环神经网络	RNN	结构化数据和非结构化文本数据	506,076名病房患者	NA	NA	NA	NA
220	2025-06-14	REMED-T2D: A robust ensemble learning model for early detection of type 2 diabetes using healthcare dataset 2025-Mar, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109771 PMID:39914204	研究论文	开发了一种名为REMED-T2D的集成机器学习模型，用于2型糖尿病的早期检测	首次使用Pima数据集进行综合分析，整合多种机器学习算法，并开发了公开可访问的Web服务器	模型主要针对亚洲女性，可能在其他人群中的适用性有限	提高2型糖尿病的早期检测准确性和鲁棒性	Pima Indian Diabetes数据集、RTML1和Pabna数据集	机器学习	2型糖尿病	集成学习、欠采样方法	集成ML模型	医疗数据集	Pima Indian Diabetes数据集生成的五个平衡数据集，以及RTML1、Pabna和RTML2数据集	NA	NA	NA	NA