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
1221	2025-03-08	Integration of Optical Coherence Tomography Images and Real-Life Clinical Data for Deep Learning Modeling: A Unified Approach in Prognostication of Diabetic Macular Edema 2025-Mar, Journal of biophotonics IF:2.0Q3 DOI:10.1002/jbio.202400315 PMID:39737652	研究论文	本文提出了一种新颖的深度学习框架，用于评估TREX抗VEGF玻璃体内注射方案的视觉结果，通过结合OCT图像和患者的临床数据来预测治疗过程的方向	该研究首次将OCT图像和患者的临床、实验室及人口统计信息结合，用于深度学习建模，以预测糖尿病性黄斑水肿的治疗效果	研究中使用的深度学习模型可能忽略了其他潜在的临床变量，且样本量和多样性可能限制了模型的泛化能力	研究目的是通过深度学习模型预测糖尿病性黄斑水肿患者的治疗效果	研究对象为接受TREX抗VEGF玻璃体内注射治疗的糖尿病性黄斑水肿患者	数字病理学	糖尿病性黄斑水肿	深度学习	ResNet-18	图像和临床数据	NA
1222	2025-02-10	A 2.5D transfer deep learning model based on artificial intelligence for differentiating lymphoma and tuberculous lymphadenitis in HIV/AIDS patients 2025-Mar, The Journal of infection IF:14.3Q1 DOI:10.1016/j.jinf.2025.106439 PMID:39922386	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1223	2025-03-08	Deep-Learning-Based Approaches for Rational Design of Stapled Peptides With High Antimicrobial Activity and Stability 2025-Mar, Microbial biotechnology IF:4.8Q1 DOI:10.1111/1751-7915.70121 PMID:40042163	研究论文	本研究利用深度学习和机器学习构建了十个预测模型，用于设计具有高抗菌活性和稳定性的钉合肽，并通过独立数据集和湿实验验证了模型的准确性	首次将深度学习方法应用于钉合肽的设计，并通过AlphaFold改进钉合肽结构预测，展示了深度学习在肽修饰和设计中的潜力	研究中使用的数据集和实验样本量未明确说明，可能影响结果的普适性	开发高抗菌活性和稳定性的钉合肽	钉合抗菌肽（AMPs）	机器学习	NA	深度学习，机器学习，AlphaFold	支持向量机（SVM），深度学习模型	序列数据，结构数据	NA
1224	2025-03-08	Timescale Matters: Finer Temporal Resolution Influences Driver Contributions to Global Soil Respiration 2025-Mar, Global change biology IF:10.8Q1 DOI:10.1111/gcb.70118 PMID:40052202	研究论文	本文利用深度学习模型预测了1982年至2018年全球土壤呼吸（R）的月度和年度变化，并探讨了温度、降水和植被指数（LAI）对R的影响	通过比较月度和年度时间尺度下的土壤呼吸预测，揭示了时间分辨率对捕捉季节性变化和关键环境驱动因素的重要性	研究主要依赖于模型预测，可能受到数据质量和模型假设的限制	探讨时间分辨率对全球土壤呼吸预测及其环境驱动因素的影响	全球土壤呼吸及其环境驱动因素（温度、降水和植被指数）	机器学习	NA	深度学习	深度学习模型	时间序列数据	1982年至2018年的全球数据
1225	2025-03-07	Structural Diversity of Mitochondria in the Neuromuscular System across Development Revealed by 3D Electron Microscopy 2025-Mar-06, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202411191 PMID:40047328	研究论文	本研究利用3D电子显微镜和深度学习技术，开发了半自动方法重建秀丽隐杆线虫的线粒体，并收集了正常生殖阶段和dauer阶段的线粒体重建数据，以比较神经肌肉系统中线粒体结构的发育变化	首次使用3D电子显微镜和深度学习技术半自动重建线粒体，揭示了神经肌肉系统中线粒体结构的发育变化及其与突触连接的相关性	研究主要基于秀丽隐杆线虫模型，可能不直接适用于其他生物体	探究神经肌肉系统中线粒体结构的发育变化及其功能意义	秀丽隐杆线虫的神经肌肉系统	数字病理学	NA	3D电子显微镜, 深度学习	NA	图像	秀丽隐杆线虫的正常生殖阶段和dauer阶段的线粒体重建数据
1226	2025-03-07	DeepOptimalNet: optimized deep learning model for early diagnosis of pancreatic tumor classification in CT imaging 2025-Mar-06, Abdominal radiology (New York) DOI:10.1007/s00261-025-04860-9 PMID:40047871	研究论文	本文提出了一种名为DeepOptimalNet的深度学习模型，用于胰腺肿瘤的早期诊断和分类，通过优化算法和深度学习技术处理胰腺CT图像中的复杂性和细微变化	DeepOptimalNet结合了优化算法和深度学习技术，特别是引入了改进的Remora优化算法（MROA）和深度迁移卷积神经网络（DTCNN）与ResNet-50，以提高胰腺癌组织分割的准确性和效率	未明确提及研究的局限性	开发一种优化的深度学习模型，用于胰腺肿瘤的早期诊断和分类	胰腺CT图像	计算机视觉	胰腺癌	CT成像	DeepOptimalNet（结合MROA、DTCNN与ResNet-50、DCCNN-ML）	图像	未明确提及样本数量
1227	2025-03-07	Enhanced ISUP grade prediction in prostate cancer using multi-center radiomics data 2025-Mar-06, Abdominal radiology (New York) DOI:10.1007/s00261-025-04858-3 PMID:40047870	研究论文	本研究探讨了从解剖ROI提取的放射组学特征在前列腺癌患者中区分国际泌尿病理学会（ISUP）分级的预测价值	通过结合前列腺的外周区（PZ）和中央腺体（CG）的放射组学特征，提高了ISUP分级的预测性能	需要进一步验证该策略在临床决策中的实际应用效果	探索放射组学特征在前列腺癌ISUP分级预测中的应用	1500名前列腺癌患者	数字病理	前列腺癌	放射组学特征提取，SMOTE算法，随机森林分类	随机森林分类算法	T2加权成像（T2WI）、表观扩散系数（ADC）和扩散加权成像（DWI）图像	1500名前列腺癌患者
1228	2025-03-06	Research on the development of image-based Deep Learning (DL) model for serum quality recognition 2025-Mar-06, Clinical chemistry and laboratory medicine IF:3.8Q1 DOI:10.1515/cclm-2024-1219 PMID:40042089	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1229	2025-03-06	Predicting inflammatory response of biomimetic nanofibre scaffolds for tissue regeneration using machine learning and graph theory 2025-Mar-05, Journal of materials chemistry. B DOI:10.1039/d4tb02494j PMID:39869000	研究论文	本文探讨了使用机器学习和图论预测仿生纳米纤维支架在组织再生中的炎症反应	结合机器学习和图论分析纳米纤维支架的复杂组织结构，以预测细胞相互作用并优化组织工程流程	研究中仅使用了15种纳米纤维支架家族，样本量有限，可能影响模型的泛化能力	预测仿生纳米纤维支架的炎症反应，以优化支架设计并促进组织再生	纳米纤维支架及其对巨噬细胞炎症反应的影响	机器学习	NA	机器学习、图论、扫描电子显微镜（SEM）	随机森林（Random Forest）、卷积神经网络（CNN）	图像（SEM图像）	15种纳米纤维支架家族
1230	2025-03-06	Dual-type deep learning-based image reconstruction for advanced denoising and super-resolution processing in head and neck T2-weighted imaging 2025-Mar-05, Japanese journal of radiology IF:2.9Q2 DOI:10.1007/s11604-025-01756-y PMID:40038217	研究论文	本文评估了基于双类型深度学习的图像重建在头颈部脂肪抑制T2加权成像中的去噪和超分辨率处理效果	采用双类型深度学习进行图像重建，结合去噪和超分辨率处理，显著提高了图像质量并缩短了扫描时间	研究样本量较小（43例患者），且未涉及其他类型的成像技术对比	评估深度学习重建方法在头颈部T2加权成像中的效果	头颈部脂肪抑制T2加权成像	计算机视觉	头颈部病变	深度学习图像重建	深度学习模型	图像	43例患者
1231	2025-03-06	High-Adhesive Hydrogel-Based Strain Sensor in the Clinical Diagnosis of Anterior Talofibular Ligament Sprain 2025-Mar-05, ACS sensors IF:8.2Q1 DOI:10.1021/acssensors.4c03472 PMID:40042081	研究论文	本文提出了一种基于高粘性水凝胶的应变传感器，用于临床诊断前距腓韧带扭伤	该传感器由明胶、纤维素纳米纤维和交联聚丙烯酸接枝的琥珀酰亚胺酯制成，具有优异的贴合性和拉伸性，能够牢固地粘附在皮肤上，准确评估前距腓韧带扭伤的严重程度	尽管传感器具有高粘性和高拉伸强度，但其在实际临床应用中的长期稳定性和生物相容性仍需进一步验证	开发一种能够准确评估前距腓韧带扭伤严重程度的高粘性水凝胶应变传感器	前距腓韧带扭伤患者	数字病理学	运动损伤	深度学习模型	深度学习模型	传感器数据	未提及具体样本数量
1232	2025-03-06	Evaluating fusion models for predicting occult lymph node metastasis in tongue squamous cell carcinoma 2025-Mar-05, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-11473-9 PMID:40042648	研究论文	本研究评估并比较了多种预测模型在预测舌鳞状细胞癌患者隐匿性淋巴结转移中的有效性	提出了基于决策的晚期融合模型，整合了2D深度学习、常规放射组学、肿瘤内异质性放射组学和临床数据，取得了最佳预测效果	研究为回顾性诊断实验，样本量相对有限，且仅来自三个医疗中心	评估和比较不同预测模型在预测舌鳞状细胞癌患者隐匿性淋巴结转移中的有效性	舌鳞状细胞癌患者	数字病理学	舌鳞状细胞癌	对比增强磁共振成像（CEMRI）	2D深度学习、常规放射组学、肿瘤内异质性放射组学、晚期融合模型	图像、临床数据	268名患者，分为训练集（107名）、内部测试集（53名）和两个外部测试集（63名和45名）
1233	2025-03-06	Artificial intelligence for the detection of airway nodules in chest CT scans 2025-Mar-05, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-11468-6 PMID:40042650	研究论文	本文开发并评估了一种基于深度学习的AI系统，用于检测和定位胸部CT扫描中的气道结节	开发了一种能够检测大多数气道结节的AI系统，包括具有非常细微特征的结节，且具有可接受的假阳性率	研究仅在单一学术医院进行，样本量相对较小，且未进行外部验证	开发并评估一种AI系统，用于检测胸部CT扫描中的气道结节	2004年至2020年间接受胸部或胸腹部CT扫描的患者	计算机视觉	肺癌	深度学习	NA	图像	160名有气道结节的患者和160名无气道结节的患者
1234	2025-03-06	Deep learning-assisted identification and localization of ductal carcinoma from bulk tissue in-silico models generated through polarized Monte Carlo simulations 2025-Mar-04, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/adb495 PMID:39933195	研究论文	本研究利用偏振蒙特卡罗模拟生成的体组织模型，通过深度学习技术识别和定位乳腺癌	结合偏振蒙特卡罗模拟和卷积神经网络（CNN），实现了对乳腺癌的并发检测和定位，自动化并支持实时诊断	研究主要针对手术切除后厚组织切片中的肿瘤区域，可能不适用于其他类型或位置的肿瘤	展示通过卷积神经网络在偏振蒙特卡罗模拟生成的去极化指数图像上，同时检测肿瘤存在和位置的能力	乳腺癌组织模型	数字病理学	乳腺癌	偏振蒙特卡罗模拟	CNN	图像	NA
1235	2025-03-06	Sugarcane leaf disease classification using deep neural network approach 2025-Mar-04, BMC plant biology IF:4.3Q1 DOI:10.1186/s12870-025-06289-0 PMID:40033192	研究论文	本研究旨在开发一种基于深度学习的可靠模型，用于准确诊断甘蔗叶病害	使用多种卷积神经网络模型（如EfficientNet、DenseNet201等）进行甘蔗叶病害分类，并评估模型复杂性与准确性的关系	未明确说明模型在实际应用中的部署和实时检测能力	提高甘蔗叶病害的诊断准确性和效率，以增强病害控制和甘蔗产量	甘蔗叶	计算机视觉	植物病害	深度学习	CNN（包括EfficientNet、DenseNet201、ResNetV2、InceptionV4、MobileNetV3和RegNetX）	图像	6748张健康与病害甘蔗叶图像，涵盖11种病害类别
1236	2025-03-06	An Efficient Approach for Detection of Various Epileptic Waves Having Diverse Forms in Long Term EEG Based on Deep Learning 2025-Mar-04, Brain topography IF:2.3Q3 DOI:10.1007/s10548-025-01111-4 PMID:40035961	研究论文	本文提出了一种基于深度学习的有效方法，用于检测长期EEG中具有多种形式的癫痫波	首次评估了YOLO网络（V3、V4和V7）在检测多种癫痫信号中的应用，并发现YOLO-V4在四种分类方法中表现最佳	研究仅使用了20名患者的EEG数据，样本量较小	开发一种快速且高效的癫痫波检测方法，以辅助癫痫学家进行长期EEG监测	长期EEG数据中的癫痫波	深度学习	癫痫	EEG	YOLO (V3, V4, V7)	EEG信号	20名患者的EEG数据
1237	2025-03-06	Deep learning framework for interpretable quality control of echocardiography video 2025-Mar-04, Medical physics IF:3.2Q1 DOI:10.1002/mp.17722 PMID:40038091	研究论文	本文介绍了一种用于超声心动图视频自动质量控制的深度学习框架，旨在实时监测关键成像参数，减少手动质量控制过程的变异性	提出了一种多任务网络，结合了CNN、Bi-LSTM和面向对象检测头，用于心脏周期完整性、解剖结构、深度、心脏轴角度和增益的分析，并生成易于解释的综合评分	研究仅基于1331个超声心动图视频进行训练和测试，样本量相对较小，可能影响模型的泛化能力	开发一种自动化系统，用于超声心动图视频的质量控制，以提高临床评估的效率和一致性	超声心动图视频	计算机视觉	心血管疾病	深度学习	CNN, Bi-LSTM	视频	1331个超声心动图视频
1238	2025-03-06	Predicting Cardiac Magnetic Resonance-Derived Ejection Fraction from Echocardiogram Via Deep Learning Approach in Tetralogy of Fallot 2025-Mar-04, Pediatric cardiology IF:1.5Q2 DOI:10.1007/s00246-025-03802-y PMID:40038120	研究论文	本研究通过深度学习技术预测法洛四联症患者的心脏磁共振成像（CMR）衍生的射血分数（LVEF），使用超声心动图视频作为输入	利用EchoNet-Dynamic模型，通过迁移学习方法，以CMR衍生的LVEF为基准，预测法洛四联症患者的LVEF，提供了一种比传统方法更准确的评估方法	研究仅针对法洛四联症患者，且模型在不同视图（PSAX和A4C）下的预测性能存在差异	通过深度学习技术改进法洛四联症患者的心脏功能评估	法洛四联症患者的超声心动图视频	计算机视觉	心血管疾病	深度学习	CNN	视频	NA
1239	2025-03-06	Landscape of 2D Deep Learning Segmentation Networks Applied to CT Scan from Lung Cancer Patients: A Systematic Review 2025-Mar-04, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01458-x PMID:40038137	系统综述	本文综述了2D深度学习网络在肺癌CT分割中的应用现状和前景，总结了研究进展、关键概念和存在的不足	强调了卷积神经网络，特别是UNet在肺癌CT分析中的重要性，并提倡结合2D/3D建模方法	研究存在类别不平衡（67%）、交叉验证使用不足（21%）和模型稳定性评估不足（3%）等问题，88%的研究未处理缺失数据，仅34%讨论了泛化性问题	探讨深度学习在肺癌CT分割中的应用，以改善诊断、治疗和患者生存率	肺癌患者的CT扫描图像	计算机视觉	肺癌	深度学习	UNet及其变体	CT图像	124项研究符合纳入标准并进行了分析，主要使用LIDC-LIDR数据集
1240	2025-03-06	A Novel Pipeline for Adrenal Gland Segmentation: Integration of a Hybrid Post-Processing Technique with Deep Learning 2025-Mar-04, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01449-y PMID:40038136	研究论文	本文提出了一种新的肾上腺分割流程，通过集成先进的预处理技术和强大的后处理框架，显著提高了左右肾上腺的分割精度	该研究创新性地结合了测试时间增强（TTA）和针对未连接区域的定向移除技术，显著提升了分割的准确性和鲁棒性	NA	提高CT图像中肾上腺的分割精度，以增强计算机辅助诊断和手术规划	CT图像中的左右肾上腺	医学图像分割	NA	测试时间增强（TTA），未连接区域定向移除	2D UNet, VGG16, ResNet34, InceptionV3	CT图像	AMOS数据集