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
81	2025-07-05	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	本文提出了一种基于边缘特征并行提取的SegFormer金属腐蚀检测方法，以提高金属腐蚀边界和小腐蚀区域的分割准确性	引入了边缘特征提取模块（EEM）和特征融合模块（FFM），通过构建空间分支和渐进式特征融合，增强了模型对金属腐蚀边界和小腐蚀区域的检测能力	未提及模型在复杂环境或多类型腐蚀情况下的泛化能力	提高金属腐蚀检测的准确性和小腐蚀区域的识别能力	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缺陷数据集和自建管道腐蚀坑图像数据集
82	2025-07-02	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	应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	整合肿瘤及瘤周区域的深度特征构建融合模型，并在多中心回顾性研究中验证其性能	模型在特异性方面表现一般，瘤周区域模型的ROAUC相对较低	开发高精度预测乳腺癌Ki-67表达水平的模型	929名乳腺癌患者的临床及超声数据	数字病理	乳腺癌	深度学习	SVM, LightGBM	超声图像	929名患者（多中心回顾性数据）
83	2025-07-02	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	该研究开发了一种名为HER2Net的深度学习模型，用于基于全切片组织病理学图像预测胃癌的HER2状态	创新性地开发了HER2Net模型，通过定量计算HER2高表达区域的比例来预测HER2状态	研究为回顾性多中心研究，可能存在选择偏倚	开发一种经济可行且易于使用的工具，用于区分胃癌患者的HER2状态	胃癌患者的全切片组织病理学图像	数字病理学	胃癌	深度学习	CNN	图像	内部训练集520名患者的531张H&E全切片图像，内部测试集111名患者的115张图像，外部多中心测试集101名患者的102张图像
84	2025-07-02	Early and noninvasive prediction of response to neoadjuvant therapy for breast cancer via longitudinal ultrasound and MR deep learning: A multicentre study 2025-Mar, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.10.033 PMID:39542804	研究论文	本研究探讨了基于乳腺MR和超声的纵向多模态深度学习在预测乳腺癌新辅助化疗后病理完全缓解中的价值	利用纵向多模态深度学习和堆叠模型进行早期无创预测，为乳腺癌患者提供个性化治疗策略	回顾性研究设计可能影响结果的普遍性，且样本量有限	早期预测乳腺癌患者对新辅助化疗的响应，以辅助个性化治疗策略的制定	乳腺癌患者	数字病理	乳腺癌	深度学习	ResNet50, 堆叠模型	图像	448名患者来自三个中心
85	2025-06-26	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	创新点在于将HRV和人口统计数据与ECG结合，采用多模态方法显著提升了AF检测的敏感性和性能	研究结果尚需进一步的临床验证	提高心房颤动的检测准确率	心房颤动（AF）患者	机器学习	心血管疾病	ECG、HRV分析	CNN（AlexNet、VGG-16、ResNet）、transformer	ECG信号、HRV数据、人口统计数据	35,634份12导联ECG记录，来自三个公共数据库
86	2025-06-26	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图像的放射组学模型，结合双区域特征和两种机器学习算法，用于预测肝细胞癌的微血管侵犯	结合双区域特征和两种机器学习算法（CR和DLR）的新型放射组学模型，提高了预测微血管侵犯的准确性	所有模型之间的AUC差异无统计学意义（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）
87	2025-06-26	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），用于自动审核孕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，构建了一个高效且准确的自动审核系统，并验证了其在不同经验水平放射科医师中的临床效果	研究仅基于多中心内部数据集进行验证，尚未在更广泛的外部数据集中测试其泛化能力	开发一个高效准确的自动超声图像质量审核系统，以替代耗时且不一致的人工审核	孕早期超声扫描中的四个关键平面图像	计算机视觉	产科超声	YOLOv7结构检测网络与多分支图像质量回归网络	CNN	图像	567例由四位不同经验水平的放射科医师扫描的案例（其中349例未使用AI-IQA反馈，218例使用2-3轮AI-IQA反馈）
88	2025-06-26	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	本文提出了一种定制的深度学习模型，用于检测棉花作物病害	比较了多种最先进的深度学习模型（如VGG16、DenseNet、EfficientNet等）在棉花病害识别中的表现，并发现ResNet152模型优于其他模型	未提及模型在真实田间环境中的泛化能力或对不同病害类型的识别效果	开发高效的棉花病害检测方法以减少农业经济损失	棉花作物及其病害	计算机视觉	棉花病害	深度学习	VGG16, DenseNet, EfficientNet, InceptionV3, MobileNet, NasNet, ResNet	图像	未明确提及具体样本数量，但使用了从田间采集的真实棉花病害数据
89	2025-06-26	Multiparametric MRI-Based Deep Learning Models for Preoperative Prediction of Tumor Deposits in Rectal Cancer and Prognostic Outcome 2025-Mar, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.10.004 PMID:39438175	研究论文	本研究基于多参数MRI的深度学习模型，用于预测直肠癌患者的肿瘤沉积及预后结果	结合多参数MRI的深度放射组学特征和临床特征，构建了预测直肠癌肿瘤沉积的列线图模型，并验证了其在预后分层中的有效性	回顾性研究设计可能存在选择偏倚，且样本量相对有限	预测直肠癌患者的肿瘤沉积状态并分析其预后	529例接受根治性手术的直肠癌患者	数字病理	直肠癌	多参数MRI	ResNet-101	图像	529例患者（中心1：379例，中心2：150例）
90	2025-06-26	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	本研究提出了一种结合深度学习和先进图像处理的自动化方法，用于通过HEp-2细胞间接免疫荧光测试诊断自身免疫性疾病	创新性地整合了深度学习、图像处理、HEp-2细胞和有丝分裂细胞实例分割技术，提供了一种自动化的诊断方法	初始数据集存在不平衡问题，有丝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性疾病的诊断	HEp-2细胞和有丝分裂细胞	数字病理学	自身免疫性疾病	间接免疫荧光测试(IIF)	Detectron2, YOLOv8n	图像	ICPR 2016数据集
91	2025-06-24	The benefit of automated sac volume measurements in postoperative endovascular aortic repair surveillance 2025-Mar, Journal of vascular surgery IF:3.9Q1 DOI:10.1016/j.jvs.2024.10.070 PMID:39522568	research paper	本研究探讨了在腹主动脉瘤（AAA）修复术后监测中，自动测量囊体积相较于最大直径评估是否能提供更细致的囊行为信息	首次比较了自动AAA囊体积测量与传统最大直径评估在EVAR术后监测中的差异，发现体积测量能识别更多的囊收缩或增长情况	样本量较小（89例患者），且为回顾性研究	评估自动AAA囊体积测量在EVAR术后监测中的附加价值	接受标准或开窗EVAR治疗的AAA患者	数字病理	心血管疾病	深度学习	Augmented Reality for Vascular Aneurysm	医学影像	89例患者（标准EVAR 46例，开窗EVAR 43例）
92	2025-06-24	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	开发并验证了一种基于MRI拓扑深度学习的模型，用于术前预测肝细胞癌（HCC）的微血管侵犯（MVI）并辅助预后分层	结合拓扑学改进深度学习模型，提高了预测性能和可解释性，并首次在HCC的MVI预测中应用	研究为回顾性设计，可能存在选择偏倚；外部验证集样本量相对较小	开发非侵入性预测HCC微血管侵犯的深度学习模型并验证其预后分层价值	接受手术治疗的HCC患者	数字病理	肝细胞癌	MRI	CNN, TopoCNN, TopoCNN+Clinic	医学影像	589例患者（292例病理证实MVI）
93	2025-06-20	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	结合深度学习和传统计算机辅助药物设计方法，筛选LOXL2选择性抑制剂，并验证其抗癌效果	首次采用深度学习与传统计算机辅助药物设计相结合的方法，筛选出天然产物Forsythoside A作为强效LOXL2抑制剂	研究仅针对CT26细胞进行验证，未涉及其他癌细胞或体内实验	开发针对LOXL2的选择性天然抑制剂，为癌症治疗提供新方法	LOXL2蛋白及CT26癌细胞	计算机辅助药物设计	癌症	深度学习、分子对接、虚拟筛选	深度学习模型	分子结构数据、生物活性数据	未明确说明样本数量，仅提及CT26细胞
94	2025-06-20	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	本研究利用深度学习和数字病理学技术，基于肝活检全切片图像预测脂肪肝病患者发展为肝细胞癌（HCC）的风险	开发了一种深度学习模型，能够捕捉纤维化阶段以外的细微病理特征，预测HCC的发展，并在轻度纤维化患者中也能检测出HCC发展病例	样本量相对较小，HCC类患者仅46例，且研究为回顾性设计	预测脂肪肝病患者发展为HCC的风险	脂肪肝病患者	数字病理学	肝细胞癌	深度学习	CNN	图像	639名未发展为HCC的患者和46名发展为HCC的患者
95	2025-06-20	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	使用基于人工智能的模型预测肝内胆管癌患者手术无效的风险	开发了一个集成多层感知器和梯度提升分类器的人工智能模型，用于术前预测手术无效的风险	模型在测试队列中的准确性略低于训练队列，且敏感性为64.5%，存在一定的误判可能	识别肝内胆管癌患者手术无效的风险，避免不必要的手术	肝内胆管癌患者	数字病理	肝内胆管癌	机器学习和深度学习技术	多层感知器和梯度提升分类器的集成模型	临床数据	827名肝内胆管癌患者
96	2025-06-18	Minimizing Human-Induced Variability in Quantitative Angiography for Robust and Explainable AI-Based Occlusion Prediction 2025-Mar-13, ArXiv PMID:40160450	研究论文	本研究探讨了通过消除对比剂注射变异性带来的偏差，提高定量血管造影（QA）和深度神经网络（DNNs）在颅内动脉瘤（IA）闭塞预测中的准确性，并利用可解释AI（XAI）增强模型的可靠性和可解释性	提出了一种注射偏差去除算法以减少QA变异性，并利用LIME方法增强深度学习模型的可解释性	研究仅针对使用流动转向装置治疗的动脉瘤，样本量为458例，可能限制结果的普遍性	提高流动转向装置治疗的颅内动脉瘤闭塞预测的准确性和可解释性	使用流动转向装置治疗的颅内动脉瘤患者	数字病理学	颅内动脉瘤	定量血管造影（QA），深度神经网络（DNNs），局部可解释模型无关解释（LIME）	DNN	图像	458例患者的血管造影图像
97	2025-06-15	Applying Conformal Prediction to a Deep Learning Model for Intracranial Hemorrhage Detection to Improve Trustworthiness 2025-03, Radiology. Artificial intelligence DOI:10.1148/ryai.240032 PMID:39601654	research paper	该研究应用保形预测技术于深度学习模型，以提高颅内出血检测的可信度	使用Mondrian保形预测（MCP）增强深度学习模型，使其能够识别具有挑战性的病例	研究基于回顾性数据，样本量相对较小（491例CT扫描）	提高深度学习模型在颅内出血检测中的可信度和准确性	非对比头部CT扫描图像	digital pathology	intracranial hemorrhage	deep learning, Mondrian conformal prediction	CNN	CT图像	491例非对比头部CT扫描（来自146名患者）
98	2025-06-15	NNFit: A Self-Supervised Deep Learning Method for Accelerated Quantification of High-Resolution Short-Echo-Time MR Spectroscopy Datasets 2025-03, Radiology. Artificial intelligence DOI:10.1148/ryai.230579 PMID:39812584	research paper	开发并评估了一种名为NNFit的自监督深度学习方法，用于加速高分辨率短回波时间MR光谱数据集的量化	提出了一种自监督深度学习方法NNFit，用于加速高分辨率短回波时间MR光谱数据集的量化，解决了传统光谱量化方法在临床工作流程中的计算瓶颈	研究为回顾性研究，样本量相对较小，且仅针对特定疾病（胶质母细胞瘤和重度抑郁症）进行了测试	开发一种快速、高效的光谱量化方法，以优化临床工作流程	高分辨率短回波时间MR光谱数据集	医学影像分析	胶质母细胞瘤, 重度抑郁症	短回波时间回波平面光谱成像（EPSI）	自监督深度学习	MR光谱数据	89次扫描（来自胶质母细胞瘤和重度抑郁症临床试验），训练数据集包含685,000个光谱（20名参与者，60次扫描），测试数据集包含260,000个光谱（12名参与者，29次扫描）
99	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）
100	2025-06-14	Deep learning assisted prediction of osteogenic capability of orthopedic implant surfaces based on early cell morphology 2025-03-15, Acta biomaterialia IF:9.4Q1 DOI:10.1016/j.actbio.2025.01.059 PMID:39894326	研究论文	本研究开发了一种基于早期细胞形态和深度学习的骨科植入物表面成骨能力预测方法	提出了Orthopedic Implants-Osteogenic Differentiation Network (OIODNet)，利用早期细胞形态图像和碱性磷酸酶(ALP)活性值预测植入物表面成骨能力，性能指标超过0.98	NA	开发高效筛选骨科植入物表面成骨能力的方法	钛及其合金植入物表面	数字病理	骨科疾病	深度学习	OIODNet	图像	NA