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
1281	2025-10-07	Deep learning for autosegmentation for radiotherapy treatment planning: State-of-the-art and novel perspectives 2025-Mar, Strahlentherapie und Onkologie : Organ der Deutschen Rontgengesellschaft ... [et al] IF:2.7Q2 DOI:10.1007/s00066-024-02262-2 PMID:39105745	综述	本文总结了人工智能在放射治疗计划中自动分割技术的最新进展和应用前景	整合数学肿瘤生长模型与AI肿瘤检测技术，提出一站式分割和放疗规划的前沿概念	临床实施中面临领域偏移等挑战	探索AI自动分割模型在放疗计划中的临床应用	危及器官、大体肿瘤体积和临床靶体积的勾画	医学影像分析	肿瘤放射治疗	深度学习	NA	医学影像	NA	NA	NA	效率、一致性和时间节省	NA
1282	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
1283	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
1284	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
1285	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
1286	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
1287	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
1288	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
1289	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
1290	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
1291	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
1292	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
1293	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
1294	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
1295	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
1296	2025-02-20	A robust and generalized framework in diabetes classification across heterogeneous environments 2025-Mar, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109720 PMID:39864329	研究论文	本研究提出了一种鲁棒的机器学习框架，用于在不同人群中预测糖尿病，使用PIMA和BD两个不同的数据集进行验证	提出了一个跨异构环境的糖尿病分类框架，通过数据集内、数据集间和部分融合数据集验证技术，全面评估模型的泛化能力和性能	模型在跨数据集验证时性能下降，尤其是在BD数据集上训练并在PIMA数据集上测试时，准确率仅为74%	开发一个鲁棒的机器学习框架，以提高糖尿病预测在不同人群中的泛化能力和准确性	女性人群中的糖尿病预测	机器学习	糖尿病	机器学习	XGBoost, Random Forest, Gradient Boosting, 深度学习模型	结构化数据	PIMA和BD两个数据集	NA	NA	NA	NA
1297	2025-02-20	Enhancing cardiovascular disease classification in ECG spectrograms by using multi-branch CNN 2025-Mar, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109737 PMID:39864336	研究论文	本文提出并比较了一维（1D）、二维（2D）卷积神经网络（CNN）和多分支卷积神经网络（MB-CNN）在从一维（1D）心电图（ECG）记录的频谱图中分类各种心血管疾病（CVD）的性能	提出了一种多分支卷积神经网络（MB-CNN），能够捕捉不同层次的抽象特征，从而提高了心血管疾病的分类精度	NA	提高从心电图频谱图中分类心血管疾病的准确性	心血管疾病（包括扩张型心肌病、肥厚型心肌病、心肌梗死和冠状动脉疾病）	计算机视觉	心血管疾病	连续小波变换（CWT）	1D CNN, 2D CNN, MB-CNN	图像（ECG频谱图）	MIT-BIH数据库中的5类ECG记录	NA	NA	NA	NA
1298	2025-02-20	OCDet: A comprehensive ovarian cell detection model with channel attention on immunohistochemical and morphological pathology images 2025-Mar, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109713 PMID:39864335	研究论文	本文提出了一种名为OCDet的卵巢细胞检测模型，该模型结合了通道注意力机制，能够在免疫组化和形态学病理图像上全面检测多种卵巢癌细胞	OCDet模型首次结合了通道注意力机制，能够高效提取病理特征，并在多种卵巢癌细胞的检测上表现出色	虽然OCDet在卵巢癌细胞检测上表现出色，但其在其他癌症类型上的应用潜力尚未完全验证	开发一种高效的深度学习框架，用于卵巢癌病理诊断中的多种细胞检测	卵巢癌相关的多种细胞，包括CD3、CD8、CD20阳性淋巴细胞、中性粒细胞和多倍体巨癌细胞	数字病理	卵巢癌	深度学习	CSPDarkNet结合Efficient Channel Attention模块	图像	未明确提及具体样本数量	NA	NA	NA	NA
1299	2025-02-20	A deep architecture based on attention mechanisms for effective end-to-end detection of early and mature malaria parasites in a realistic scenario 2025-Mar, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109704 PMID:39869986	研究论文	本文提出了一种基于深度学习和注意力机制的计算机辅助检测框架，用于有效检测和分类疟疾寄生虫的所有感染阶段，并支持多物种识别	该研究扩展了YOLO-SPAM和YOLO-PAM模型，结合注意力机制，提高了疟疾寄生虫检测的准确性和诊断实用性	NA	开发一种自动化疟疾检测解决方案，以支持病理学家并增强现实世界中的诊断实践	疟疾寄生虫	计算机视觉	疟疾	深度学习	YOLO-SPAM, YOLO-PAM	图像	三个公开可用的数据集	NA	NA	NA	NA
1300	2025-10-07	EfficientNet-resDDSC: A Hybrid Deep Learning Model Integrating Residual Blocks and Dilated Convolutions for Inferring Gene Causality in Single-Cell Data 2025-Mar, Interdisciplinary sciences, computational life sciences DOI:10.1007/s12539-024-00667-2 PMID:39578307	研究论文	提出一种结合残差块和空洞卷积的混合深度学习模型EfficientNet-resDDSC，用于从单细胞数据推断基因因果关系	在EfficientNet-B0基础结构中引入残差块增强低层特征提取能力，结合深度可分离卷积和空洞卷积扩大感受野而不增加计算量	NA	构建基因调控网络以揭示基因间的因果关系	单细胞RNA测序数据中的基因调控关系	机器学习	乳腺癌	单细胞RNA测序(scRNA-seq)	CNN	基因表达数据	四个数据集	NA	EfficientNet-B0, EfficientNet-resDDSC	NA	NA