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
1261	2025-10-07	Beyond averaging: A transformer approach to decoding event related brain potentials 2025-Mar, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2025.121049 PMID:39864567	研究论文	本研究评估了基于Transformer的深度学习方法在脑电图事件相关电位分析中的应用潜力	首次将Transformer网络和注意力机制应用于事件相关电位分析，相比传统平均方法能发现更多隐藏信息	样本量相对较小（29名参与者），研究仅针对响度感知这一特定实验范式	探索深度学习在脑电图事件相关电位分析中的优势，特别是与传统平均方法的比较	29名18-30岁正常听力参与者的脑电图数据和主观响度评级	机器学习	NA	脑电图记录	Transformer, CNN	脑电图信号	29名参与者	NA	卷积Transformer	准确率, AUC	NA
1262	2025-10-07	Research of orthodontic soft tissue profile prediction based on conditional generative adversarial networks 2025-Mar, Journal of dentistry IF:4.8Q1 DOI:10.1016/j.jdent.2025.105570 PMID:39864612	研究论文	本研究构建了一种新的条件生成对抗网络模型，用于预测正畸治疗后侧面外观的变化	提出了新的soft-P-CGAN模型，包含条件向量输入模块、U-Net生成器和PatchGAN判别器，设计了软损失函数增强软组织轮廓生成，采用多尺度特征金字塔提升图像质量	下颌区域预测相对不准确	预测正畸治疗后侧面软组织轮廓变化	成人正畸患者的头颅侧位片	计算机视觉	口腔正畸	深度学习	CGAN, GAN	医学影像	NA	NA	U-Net, PatchGAN, Pix2Pix, Cycle-GAN	平均径向误差, 成功检测率	NA
1263	2025-10-07	Opportunistic assessment of steatotic liver disease in lung cancer screening eligible individuals 2025-Mar, Journal of internal medicine IF:9.0Q1 DOI:10.1111/joim.20053 PMID:39868889	研究论文	利用深度学习模型在肺癌筛查胸部CT中评估脂肪肝疾病及其对长期死亡率的预测价值	首次在肺癌筛查人群中利用非增强胸部CT通过深度学习自动评估脂肪肝疾病并证明其对长期死亡率的独立预测价值	研究人群仅限于重度吸烟者，可能限制结果的普适性	评估肺癌筛查胸部CT中脂肪肝疾病的患病率及其预后价值	19774名国家肺癌筛查试验(NLST)的重度吸烟者参与者	数字病理	肺癌	胸部CT扫描	深度学习	医学影像	19774名NLST参与者(平均年龄61.4±5.0岁，41.2%女性)	NA	NA	风险比(HR), 置信区间, p值	NA
1264	2025-10-07	Automated diagnosis and classification of temporomandibular joint degenerative disease via artificial intelligence using CBCT imaging 2025-Mar, Journal of dentistry IF:4.8Q1 DOI:10.1016/j.jdent.2025.105592 PMID:39870190	研究论文	本研究开发了一种基于YOLOv10算法的人工智能模型，用于自动诊断和分类颞下颌关节退行性疾病的CBCT影像	首次将YOLOv10算法应用于颞下颌关节退行性疾病的自动诊断和分类，能够同时检测疾病存在及其四种典型影像学特征	模型对包含多个退行性病变特征的图像检测准确率随特征数量增加而下降（从94%降至63%）	开发基于人工智能的颞下颌关节退行性疾病自动诊断和分类系统	颞下颌关节退行性疾病患者的CBCT影像	计算机视觉	颞下颌关节退行性疾病	锥形束计算机断层扫描	CNN	医学影像	1018名患者的7357张标注颞下颌关节斜矢状位图像（3010张正常髁突，4347张退行性病变髁突）	YOLOv10	YOLOv10	准确率,精确率,灵敏度,特异度,F1分数,平均精度均值	NA
1265	2025-10-07	DeepCERES: A deep learning method for cerebellar lobule segmentation using ultra-high resolution multimodal MRI 2025-Mar, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2025.121063 PMID:39922330	研究论文	提出一种基于深度学习的多模态超高分辨率小脑小叶分割方法DeepCERES	使用多模态超高分辨率(0.125 mm)训练数据，探索U-Net以外的替代架构，将深度学习与多图谱分割的先验知识相结合	NA	改进小脑小叶分割的精度和鲁棒性	人类小脑小叶	医学影像分析	NA	多模态MRI	深度学习集成网络	T1和T2 MR图像	NA	NA	非传统U-Net架构	精度	NA
1266	2025-10-07	DeepReducer: A linear transformer-based model for MEG denoising 2025-Mar, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2025.121080 PMID:39929407	研究论文	提出一种基于线性Transformer的深度学习模型DeepReducer，用于脑磁图事件相关磁场的降噪处理	首次将线性Transformer架构应用于MEG信号降噪，能够有效减少所需试验次数	NA	开发高效的MEG信号降噪方法以减少数据采集时间	脑磁图事件相关磁场信号	机器学习	神经系统疾病	脑磁图	Transformer	神经信号数据	NA	NA	线性Transformer	均方误差, 信噪比, 源定位误差	NA
1267	2025-10-07	Pressure-Enabled Drug Delivery Significantly Increases Intra-Arterial Delivery of Embolic Microspheres to Liver Tumors in a Porcine Model 2025-Mar, Journal of vascular and interventional radiology : JVIR IF:2.6Q2 DOI:10.1016/j.jvir.2024.11.014 PMID:39586533	研究论文	本研究验证了压力驱动药物递送技术相比传统方法能显著提高栓塞微球在猪肝肿瘤模型中的递送效率	首次在Oncopig猪模型中使用压力调节微导管装置进行压力驱动药物递送，证明其能显著提升微球在肝肿瘤中的渗透率	研究样本量较小（每组n=8），且仅在猪肝肿瘤模型中进行验证	比较压力驱动药物递送与传统微导管技术在肝肿瘤治疗中的微球递送效率	猪肝肿瘤模型（Oncopig模型）	医学影像分析	肝癌	肝动脉灌注、荧光标记、深度学习图像分析	深度学习算法	组织图像	16个猪肝肿瘤样本（传统组8个，PEDD组8个）	Visiopharm	NA	信号强度定量分析、肿瘤与正常组织比率	NA
1268	2025-10-07	Performance and efficiency of machine learning models in analyzing capillary serum protein electrophoresis 2025-Mar-01, Clinica chimica acta; international journal of clinical chemistry DOI:10.1016/j.cca.2025.120165 PMID:39875052	研究论文	本研究开发了用于M蛋白分类和定位的人工智能诊断模型，评估了多种机器学习模型在毛细管血清蛋白电泳分析中的性能和效率	首次将U-Net与Transformer结合用于M蛋白分类和定位，并在大规模数据集上验证其性能达到专家水平	研究仅基于单一机构的数据集，需要进一步外部验证	开发自动化临床血清蛋白电泳工作流程的人工智能诊断模型	毛细管血清蛋白电泳数据中的M蛋白	机器学习	M蛋白相关疾病	血清蛋白电泳	XGBoost, U-Net, Transformer	电泳结果数据	85,026个SPEP结果用于训练验证，1,079个样本用于独立测试	NA	U-Net, Transformer	灵敏度, 阳性预测值, 特异性, 阴性预测值, F1分数, 准确率, AUC, Matthews相关系数, 交并比	NA
1269	2025-10-07	Computational advances in biosynthetic gene cluster discovery and prediction 2025 Mar-Apr, Biotechnology advances IF:12.1Q1 DOI:10.1016/j.biotechadv.2025.108532 PMID:39924008	综述	本文全面介绍了生物合成基因簇发现与预测领域的计算技术进展，重点关注机器学习在BGC挖掘中的应用	系统总结了人工智能特别是深度学习算法在BGC挖掘中提升速度和精度的最新进展	NA	促进新型天然产物发现和药物开发	细菌、真菌及部分动植物中的生物合成基因簇	生物信息学	NA	基因组挖掘	机器学习,深度学习	基因组数据	NA	NA	NA	NA	NA
1270	2025-10-07	Deep learning based analysis of dynamic video ultrasonography for predicting cervical lymph node metastasis in papillary thyroid carcinoma 2025-Mar, Endocrine IF:3.0Q2 DOI:10.1007/s12020-024-04091-w PMID:39556263	研究论文	本研究开发了一种基于深度学习的动态视频超声分析模型，用于预测甲状腺乳头状癌患者的颈淋巴结转移风险	首次将深度学习应用于动态超声视频分析来预测颈淋巴结转移，相比传统静态图像方法具有更高准确性和鲁棒性	研究为单中心回顾性研究，样本量相对有限（388例患者），需要多中心前瞻性验证	开发深度学习模型辅助临床医生更准确预测甲状腺乳头状癌患者的颈淋巴结转移风险	甲状腺乳头状癌患者及其甲状腺结节	计算机视觉	甲状腺癌	超声成像	CNN	视频,图像	388例患者的717个甲状腺结节	NA	DenseNet121	AUROC,敏感性,特异性	NA
1271	2025-10-07	Early-Stage Melanoma Cancer Diagnosis Framework for Imbalanced Data From Dermoscopic Images 2025-Mar, Microscopy research and technique IF:2.0Q3 DOI:10.1002/jemt.24736 PMID:39573895	研究论文	提出一种用于皮肤镜图像中早期黑色素瘤诊断的深度学习框架，解决数据不平衡问题	结合CNN、DenseNet、批量归一化层、最大池化和ReLU激活函数的新型框架，有效解决过拟合问题	NA	开发自动化的黑色素瘤早期诊断方法	皮肤镜图像中的黑色素瘤病变	计算机视觉	黑色素瘤皮肤癌	皮肤镜成像	CNN, DenseNet	图像	ISIC-2019数据集和HAM-10000数据集的大量样本	NA	CNN, DenseNet	准确率, 微平均准确率	NA
1272	2025-02-21	ViroNia: LSTM based proteomics model for precise prediction of HCV 2025-Mar, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109573 PMID:39733555	研究论文	本文介绍了ViroNia，一种基于LSTM的蛋白质组学模型，用于高精度预测HCV病毒蛋白分类	ViroNia利用LSTM架构进行病毒蛋白分类，展示了其在分类任务中的高效性，并优于其他深度学习架构如Simple RNN、GRU、1d CNN和双向LSTM	尽管ViroNia在分类任务中表现出色，但其在更广泛数据集上的泛化能力尚未验证	开发高精度的病毒蛋白分类模型，以支持病毒研究和干预设计	HCV病毒蛋白	自然语言处理	NA	LSTM	LSTM	蛋白质序列	2250个蛋白质序列	NA	NA	NA	NA
1273	2025-02-21	Improved early detection accuracy for breast cancer using a deep learning framework in medical imaging 2025-Mar, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109751 PMID:39884057	研究论文	本文提出了一种新的深度学习框架，用于提高乳腺癌早期检测的准确性	结合卷积神经网络（CNN）与特征选择和融合方法，自动从图像中学习并找到相关特征，从而超越现有方法	未提及具体的数据集大小或多样性限制	提高乳腺癌早期检测的准确性	乳腺癌的医学影像	计算机视觉	乳腺癌	深度学习	CNN	图像	NA	NA	NA	NA	NA
1274	2025-02-21	Deep learning image registration for cardiac motion estimation in adult and fetal echocardiography via a focus on anatomic plausibility and texture quality of warped image 2025-Mar, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109719 PMID:39884059	研究论文	本文提出了一种深度学习图像配准方法，用于成人和胎儿超声心动图中的心脏运动估计，重点关注变形图像的解剖合理性和纹理质量	提出了一种新的深度学习图像配准框架，通过引入解剖形状编码约束和数据驱动的纹理约束，提高了变形图像的解剖合理性和纹理质量	尽管方法在成人和胎儿超声心动图中表现出色，但未提及在其他类型医学图像上的适用性	提高超声心动图中心脏运动估计的准确性和一致性	成人和胎儿超声心动图	计算机视觉	心血管疾病	深度学习图像配准（DLIR）	深度学习模型	图像	多人口胎儿数据集和公共CAMUS成人数据集	NA	NA	NA	NA
1275	2025-02-21	A comparative study of statistical, radiomics, and deep learning feature extraction techniques for medical image classification in optical and radiological modalities 2025-Mar, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109768 PMID:39891957	研究论文	本文比较了统计、放射组学和深度学习特征提取技术在医学图像分类中的应用效果	通过对比不同特征提取技术在多种医学影像模态下的表现，揭示了深度学习技术在准确性和速度上的优势	研究仅针对二分类问题，未涉及多分类或更复杂的医学图像分析任务	评估不同特征提取技术对医学图像分类模型性能的影响	H&E染色图像、胸部X光片和视网膜OCT图像	计算机视觉	NA	统计特征提取、放射组学特征提取、深度学习特征提取	PCA-LDA, ResNet50, DenseNet121	图像	NA	NA	NA	NA	NA
1276	2025-10-07	Deep learning-based segmentation in MRI-(immuno)histological examination of myelin and axonal damage in normal-appearing white matter and white matter hyperintensities 2025-Mar, Brain pathology (Zurich, Switzerland) DOI:10.1111/bpa.13301 PMID:39175459	研究论文	本研究结合深度学习和多模态成像技术，量化分析正常表现白质和白质高信号区域的髓鞘和轴突损伤	首次将深度学习分割技术与偏振光成像、(免疫)组织化学及死后脑成像相结合，实现体素级别的白质微结构病理评估	研究样本量有限，且为死后组织分析，无法实时观察疾病进展过程	探究脑小血管疾病中白质微结构损伤的早期病理机制	高血压患者和正常血压对照者的死后脑组织样本	数字病理学	脑血管疾病	偏振光成像,(免疫)组织化学,磁共振成像,深度学习分割	深度学习	医学图像,组织切片	高血压患者和正常血压对照者的脑组织样本（具体数量未明确说明）	NA	NA	NA	NA
1277	2025-02-20	A deep learning method for total-body dynamic PET imaging with dual-time-window protocols 2025-Mar, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-024-07012-1 PMID:39688700	研究论文	本文开发了一种深度学习算法，能够从双时间窗协议预测动态图像，从而缩短动态正电子发射断层扫描（PET）的扫描时间	提出了一种双向序列到序列模型（Bi-AT-Seq2Seq），并引入注意力机制，显著优于单向或无注意力机制的模型	研究样本量相对较小，且仅限于肺结节和乳腺结节患者	缩短动态PET扫描时间，提高临床应用的可行性	70名肺结节或乳腺结节患者	医学影像分析	肺结节, 乳腺结节	动态PET/CT扫描	Bi-AT-Seq2Seq	医学影像	70名患者（32名男性，平均年龄53.61±13.53岁）	NA	NA	NA	NA
1278	2025-02-20	Deep learning-based intratumoral and peritumoral features for differentiating ocular adnexal lymphoma and idiopathic orbital inflammation 2025-Mar, European radiology IF:4.7Q1 DOI:10.1007/s00330-024-11275-5 PMID:39702637	研究论文	本文评估了基于深度学习的肿瘤内和肿瘤周围特征在区分眼附属器淋巴瘤（OAL）和特发性眼眶炎症（IOI）中的价值	使用基于注意力的融合模型融合了肿瘤内和肿瘤周围区域以及多个MR序列提取的特征，显著提高了诊断性能	研究中未发现肿瘤周围特征与肿瘤内特征在性能上有显著差异	评估深度学习在区分OAL和IOI中的应用价值	97名经病理学确认的OAL和IOI患者	数字病理学	眼附属器淋巴瘤, 特发性眼眶炎症	深度学习	基于注意力的融合模型	MR图像	97名患者（43名OAL，54名IOI）	NA	NA	NA	NA
1279	2025-02-20	Identifying influential nodes in brain networks via self-supervised graph-transformer 2025-Mar, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109629 PMID:39731922	研究论文	本文提出了一种基于图变换器的自监督图重建框架（SSGR-GT），用于识别脑网络中的关键节点	采用自监督深度学习模型，无需手动特征提取，直接从数据中学习有意义的表示，结合图变换器提取脑图的局部和全局特征，并通过图融合技术结合功能和结构信息进行多模态分析	依赖于自监督学习的效果，可能受限于数据质量和模型训练过程	识别脑网络中的关键节点（I-nodes），以增强对脑工作机制的理解	脑网络中的关键节点	脑成像	NA	自监督深度学习，图变换器	Graph-Transformer	脑图数据	56个关键节点	NA	NA	NA	NA
1280	2025-02-20	Enhanced brain tumor detection and segmentation using densely connected convolutional networks with stacking ensemble learning 2025-Mar, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109703 PMID:39862469	研究论文	本研究旨在通过实施先进的堆叠集成学习（SEL）方法，提高脑肿瘤（BT）检测和分割的准确性和分类效果	提出了一种名为SEL-DenseNet201的堆叠DenseNet201作为元模型，结合了六种不同的基础模型，以增强脑肿瘤MRI图像的分割性能	研究中未提及样本的具体数量，且未讨论模型在实际临床环境中的适用性和泛化能力	提高脑肿瘤检测和分割的准确性，以支持早期诊断和治疗规划	脑肿瘤的MRI图像	计算机视觉	脑肿瘤	MRI图像分析	DenseNet201, MobileNet-v3, 3D-CNN, VGG-16, VGG-19, ResNet50, AlexNet	图像	NA	NA	NA	NA	NA