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
901	2025-04-03	Simultaneous detection of citrus internal quality attributes using near-infrared spectroscopy and hyperspectral imaging with multi-task deep learning and instrumental transfer learning 2025-Mar-22, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2025.143996 PMID:40168872	研究论文	本研究利用高光谱成像（HSI）和近红外光谱（NIR）技术，结合多任务深度学习和仪器迁移学习，同时检测柑橘内部品质属性	开发了单任务和多任务卷积神经网络（CNN）模型，探索了从HSI到NIR的模型迁移可行性	研究仅针对两种柑橘品种（衢州椪柑和湘西长叶），模型在其他品种上的适用性未验证	同时测定柑橘水果的多种品质属性，并实现不同仪器间模型的成功迁移	衢州椪柑和湘西长叶两种柑橘的可溶性固形物含量（SSC）和pH值	计算机视觉	NA	高光谱成像（HSI）和近红外光谱（NIR）	CNN（卷积神经网络）	图像和光谱数据	两种柑橘品种（具体样本数量未提及）
902	2025-04-03	Machine-learning models for Alzheimer's disease diagnosis using neuroimaging data: survey, reproducibility, and generalizability evaluation 2025-Mar-21, Brain informatics DOI:10.1186/s40708-025-00252-3 PMID:40117001	研究论文	本文综述了利用神经影像数据进行阿尔茨海默病诊断的机器学习模型，并评估了这些模型的可重复性和泛化性	对现有机器学习模型在阿尔茨海默病诊断中的可重复性和泛化性进行了系统性评估	现有模型在不同数据队列中泛化能力下降	评估机器学习模型在阿尔茨海默病早期诊断中的应用潜力	阿尔茨海默病患者和轻度认知障碍患者	机器学习	阿尔茨海默病	sMRI, fMRI, PET	传统机器学习(ML)和深度学习(DL)	神经影像数据	NA
903	2025-04-03	HIPPIE: A Multimodal Deep Learning Model for Electrophysiological Classification of Neurons 2025-Mar-15, bioRxiv : the preprint server for biology DOI:10.1101/2025.03.14.642461 PMID:40161713	research paper	介绍了一种名为HIPPIE的多模态深度学习模型，用于神经元的电生理分类	结合了自监督预训练和监督微调，使用条件卷积联合自编码器学习稳健的波形和放电动态表示	未提及具体局限性	解决细胞外电生理记录中神经元分类的计算挑战	小鼠记录和脑切片中的神经元	machine learning	NA	自监督学习, 监督学习	conditional convolutional joint autoencoders	电生理记录数据	小鼠记录和脑切片
904	2025-03-13	Publisher Correction: A hybrid explainable model based on advanced machine learning and deep learning models for classifying brain tumors using MRI images 2025-Mar-11, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-92325-w PMID:40069280	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
905	2025-04-03	Comparative analysis of U-Mamba and no new U-Net for the detection and segmentation of esophageal cancer in contrast-enhanced computed tomography images 2025-Mar-03, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-24-1116 PMID:40160632	研究论文	本研究旨在开发和验证一种深度学习模型，用于在增强CT图像中自动检测和分割食管癌病变	比较了U-Mamba和nnU-Net两种深度学习网络在食管癌检测和分割中的性能，并展示了其在减少漏诊和提供一致病变标注方面的优势	研究为回顾性设计，可能受到选择偏倚的影响，且仅使用了来自三家医院的数据	开发自动检测和分割食管癌病变的深度学习模型	食管癌患者和健康食管的个体	数字病理	食管癌	对比增强CT成像	U-Mamba和nnU-Net	医学图像	871名患者（564名男性），中位年龄67岁
906	2025-04-03	Ultrasound-based deep learning radiomics for multi-stage assisted diagnosis in reducing unnecessary biopsies of BI-RADS 4A lesions 2025-Mar-03, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-24-580 PMID:40160614	研究论文	本研究开发了基于超声图像的深度学习放射组学模型，用于改善BI-RADS 4A病变的诊断一致性并减少不必要的活检	提出了两种深度学习放射组学模型（DLR_LH和DLR_BM），用于乳腺病变风险重新分层和识别低恶性概率的BI-RADS 4A病变，以减少不必要的活检	研究为回顾性设计，可能受到选择偏倚的影响	提高乳腺超声成像诊断的准确性，减少不必要的活检	746名乳腺病变患者	数字病理	乳腺癌	深度学习放射组学	DLR（深度学习放射组学模型）	超声图像和临床变量	746名患者
907	2025-04-03	Multitask Swin Transformer for classification and characterization of pulmonary nodules in CT images 2025-Mar-03, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-24-1619 PMID:40160630	research paper	提出了一种多任务Swin Transformer（MTST）模型，用于CT图像中肺结节的分类和特征分析	结合多任务学习框架，同时输出良恶性分类、多级分类和结节特征分析，提高了模型的性能和可解释性	模型性能依赖于数据质量和数量，且在实际临床环境中的泛化能力有待进一步验证	开发一种计算机辅助诊断（CAD）系统，用于肺结节的早期诊断和特征分析	CT图像中的肺结节	digital pathology	lung cancer	U-Net GAN用于图像增强	Swin Transformer, CNN	CT图像	训练集/验证集/测试集分别为9,600/2,400/1,600个结节
908	2025-04-03	Deep learning for identifying cervical ossification of the posterior longitudinal ligament: a systematic review and meta-analysis 2025-Mar-03, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-24-1485 PMID:40160638	系统综述与荟萃分析	本文通过系统综述和荟萃分析评估深度学习模型在诊断和预测颈椎后纵韧带骨化症中的性能	首次系统评估深度学习模型在颈椎后纵韧带骨化症诊断中的表现，并与传统方法进行比较	研究方法存在差异，深度学习技术本身存在挑战	评估深度学习模型在颈椎后纵韧带骨化症诊断和预测中的准确性和可靠性	颈椎后纵韧带骨化症患者	数字病理学	颈椎病	深度学习	DLM	医学影像	7项研究共3,373名患者，荟萃分析包含1,016名患者
909	2025-04-03	Advanced deep learning for multi-class colorectal cancer histopathology: integrating transfer learning and ensemble methods 2025-Mar-03, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-24-1641 PMID:40160652	research paper	本研究开发了一种基于深度卷积神经网络（CNNs）的集成模型，用于结直肠癌组织病理学图像的多分类	结合迁移学习和集成方法优化深度学习模型在结直肠癌组织病理学图像分类中的性能	研究仅在一个公开数据集（EBHI）上进行了测试，未在其他数据集上验证模型的泛化能力	优化深度学习模型在结直肠癌组织病理学图像分类中的性能，以提高早期检测率和诊断准确性	结直肠癌组织病理学图像	digital pathology	colorectal cancer	deep learning, transfer learning, ensemble methods	CNN, ensemble model	image	EBHI数据集（具体样本数量未提及）
910	2025-04-03	An automatic deep learning-based bone mineral density measurement method using X-ray images of children 2025-Mar-03, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-24-283 PMID:40160646	研究论文	提出了一种基于深度学习的自动骨密度测量方法，利用儿童X射线图像进行骨密度评估	通过单次X射线图像结合等效阶梯体模，实现骨龄或损伤评估的同时测量前臂骨密度，且采用深度学习方法消除软组织对骨密度测量的影响	方法仅在500张临床X射线图像上验证，样本量相对有限	开发一种适用于临床环境的自动骨密度测量方法，以替代或补充DXA技术	儿童的手部和前臂X射线图像	数字病理	骨质疏松症	X射线成像	深度学习	图像	500张临床X射线图像
911	2025-04-03	Enhancing bone radiology images classification through appropriate preprocessing: a deep learning and explainable artificial intelligence approach 2025-Mar-03, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-24-1745 PMID:40160653	研究论文	本文通过深度学习和可解释人工智能方法，探讨了适当的预处理对骨放射学图像分类性能的提升作用	本文的创新点在于将特定的预处理技术（如去除背景和无关部分）应用于医学图像，以提高深度学习模型在分类任务中的性能，并结合XAI技术验证和说明其益处	NA	强调医学深度学习模型结果的真实性和模型及其创建者的责任，通过提出针对医学数据集的预处理方法来提高模型的性能和可靠性	骨放射学图像数据集	计算机视觉	NA	深度学习，可解释人工智能（XAI）	DenseNet201等深度学习神经网络	图像	两个骨放射学图像数据集
912	2025-04-03	A multi-scale pyramid residual weight network for medical image fusion 2025-Mar-03, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-24-851 PMID:40160660	research paper	提出了一种名为LYWNet的多尺度金字塔残差权重网络，用于医学图像融合，旨在有效整合高频细节信息和低频上下文信息	提出了一种新的CNN网络LYWNet，通过多尺度金字塔残差权重块和特征蒸馏融合算法，有效保留高频细节和低频上下文信息	未提及具体的样本量或实验数据集的规模，可能影响方法的普适性验证	改进多模态医学图像融合技术，提升临床诊断和手术导航的准确性和质量	医学图像（如SPECT-MRI、PET-MRI、MRI-CT等）	digital pathology	NA	CNN-based image fusion	CNN (LYWNet)	image	NA
913	2025-04-03	Quantitative assessment and risk stratification of random acute pulmonary embolism cases using a deep learning model based on computed tomography pulmonary angiography images 2025-Mar-03, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-24-1412 PMID:40160671	研究论文	本研究开发了一种结合Transformer的VB-Net深度学习模型，用于从CTPA图像中检测肺栓塞并自动计算血栓负荷评分	首次报道了结合Transformer的VB-Net深度学习模型在肺栓塞检测和血栓负荷评分自动计算中的应用	模型在随机CTPA检查中的灵敏度为76.67%，仍有提升空间	通过早期诊断、风险分层和治疗方案确定来帮助患者，改善预后并减轻放射科医生的负担	肺栓塞患者	数字病理学	肺栓塞	CTPA	VB-Net结合Transformer	医学影像	2,424例CTPA检查病例（44%男性）用于训练和测试模型，另外70例随机CTPA数据（30例急性肺栓塞，40例无肺栓塞）用于验证
914	2025-04-03	Artificial Intelligence Applications in Image-Based Diagnosis of Early Esophageal and Gastric Neoplasms 2025-Mar-03, Gastroenterology IF:25.7Q1 DOI:10.1053/j.gastro.2025.01.253 PMID:40043857	research paper	本文探讨了人工智能在早期食管和胃肿瘤图像诊断中的应用	利用深度学习和卷积神经网络提高诊断准确性，减少诊断变异性，特别是在人类错误或疲劳可能影响诊断精度的情况下	训练数据集的多样性受限，且AI系统的'黑箱'性质可能影响其可解释性和临床医生的信任	探索人工智能在上消化道内窥镜诊断中的潜在应用，以提高早期癌症检测和治疗规划的有效性	巴雷特食管、食管鳞状细胞癌和早期胃癌等上消化道疾病	digital pathology	esophageal and gastric neoplasms	deep learning, convolutional neural networks	CNN	image	NA
915	2025-02-19	Interpreting and comparing neural activity across systems by geometric deep learning 2025-Mar, Nature methods IF:36.1Q1 DOI:10.1038/s41592-024-02581-3 PMID:39962313	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
916	2025-04-03	A Real-Time Computer-Aided Diagnosis System for Coronary Heart Disease Prediction Using Clinical Information 2025-Mar, Reviews in cardiovascular medicine IF:1.9Q3 DOI:10.31083/RCM26204 PMID:40160568	研究论文	本研究旨在设计一个快速且高精度的智能模型，利用临床信息预测冠心病	提出了一种基于机器学习的冠心病预测模型，具有高精度和效率，适用于临床应用	模型依赖于公开数据集，可能无法涵盖所有临床场景	设计一个高效且高精度的冠心病预测模型	冠心病患者	机器学习	心血管疾病	奇异值分解方法	多层感知机	临床信息	五个公开数据集，共1222名患者
917	2025-04-02	Diagnostic performance of deep learning-assisted [18F]FDG PET imaging for Alzheimer's disease: a systematic review and meta-analysis 2025-Mar-31, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-025-07228-9 PMID:40159544	meta-analysis	通过系统综述和荟萃分析评估深度学习辅助[18F]FDG PET成像在阿尔茨海默病诊断中的性能	首次对深度学习辅助[18F]FDG PET成像在阿尔茨海默病诊断中的性能进行系统综述和荟萃分析	研究间存在显著的异质性，部分归因于深度学习方法和成像模态的差异	评估深度学习辅助[18F]FDG PET成像在阿尔茨海默病诊断中的性能	阿尔茨海默病(AD)、轻度认知障碍(MCI)和正常对照(NC)	digital pathology	geriatric disease	[18F]FDG PET成像	深度学习(DL)	医学影像	36项符合纳入标准的研究
918	2025-04-02	Toxicologic Pathology Forum*: Opinion on New Technologies and Trends Disrupting Drug Discovery and Development: How Can the Next Generation of Toxicologic Pathologists Be Prepared for Evolving Roles? 2025-Mar-31, Toxicologic pathology IF:1.4Q4 DOI:10.1177/01926233251321805 PMID:40159889	评论	本文探讨了制药行业技术创新的加速如何重塑药物研发，并提出了毒理病理学家如何适应和利用这些变化的建议	讨论了当前技术变革的速度和规模对毒理病理学家角色的影响，并提出了未来行业所需人才类型的思考	未提出具体的培训或教育方案来应对这些变化	探讨毒理病理学家如何适应制药行业的技术和社会变革，并利用这些变化为药物研发做出更大贡献	毒理病理学家和制药行业	数字病理	NA	人工智能、深度学习、数字病理	NA	NA	NA
919	2025-04-02	Machine learning radiomics for H3K27M mutation prediction in gliomas: A systematic review and meta-analysis 2025-Mar-31, Neuroradiology IF:2.4Q2 DOI:10.1007/s00234-025-03597-y PMID:40163098	meta-analysis	该研究通过系统综述和荟萃分析评估了基于机器学习的影像组学模型在预测胶质瘤H3K27M突变中的性能	首次通过荟萃分析全面评估机器学习模型在预测H3K27M突变中的诊断性能，并比较了深度学习与传统机器学习模型的差异	纳入研究数量有限(15项)，且未对不同MRI序列或特征提取方法进行亚组分析	评估机器学习模型预测胶质瘤H3K27M突变的诊断性能	胶质瘤患者	digital pathology	glioma	MRI radiomics	machine learning/deep learning	medical imaging	15项研究(具体样本量未明确说明)
920	2025-04-02	Automated detection of retinal artery occlusion in fundus photography via self-supervised deep learning and multimodal interpretability using a multimodal AI chatbot 2025-Mar-31, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-025-03353-7 PMID:40163243	research paper	本研究提出了一种基于自监督深度学习和多模态可解释性的创新AI方法，用于从眼底图像中自动检测视网膜动脉阻塞（RAO）	首次将深度学习应用于RAO检测，并采用自监督学习框架SimCLR解决标记数据不足的问题，同时结合多模态AI聊天机器人（ChatGPT-4）和Grad-CAM可视化提升模型的可解释性	研究未提及模型在更广泛或多样化数据集上的表现，可能影响其普遍适用性	开发一种AI模型，用于早期检测视网膜动脉阻塞（RAO）以预防不可逆的视力损失	眼底图像中的视网膜动脉阻塞（RAO）特征	digital pathology	cardiovascular disease	self-supervised learning (SSL), SimCLR, multimodal interpretability	ResNet50	image	两个外部验证数据集（具体样本量未提及）