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
1301	2025-10-07	Reducing reading time and assessing disease in capsule endoscopy videos: A deep learning approach 2025-Mar, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2025.105792 PMID:39817978	研究论文	本研究开发了一种基于深度学习的计算机辅助诊断方法，用于加速胶囊内窥镜视频分析	使用预训练卷积神经网络自动识别异常帧，将胶囊内窥镜视频播放时间从58分钟缩短至10分钟，同时保留93.33%的异常病变	仅使用8个测试视频进行评估，样本量较小；涉及五种不同类型的胶囊内窥镜设备	开发能够加速胶囊内窥镜视频分析的计算机辅助诊断方法	胶囊内窥镜视频中的胃肠道异常病变	计算机视觉	胃肠道疾病	胶囊内窥镜检查	CNN	视频帧图像	8个胶囊内窥镜视频，包含多种异常病变	NA	预训练卷积神经网络	异常保留率	NA
1302	2025-10-07	Deep Learning Assisted Classification of T1ρ-MR Based Intervertebral Disc Degeneration Phases 2025-Mar, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.29499 PMID:39010746	研究论文	本研究开发了一种深度学习模型，能够从常规T1-MR图像中分类基于T1ρ-MR的椎间盘退变阶段	首次使用深度学习模型从常规T1-MR图像预测T1ρ-MR的椎间盘退变分期，克服了T1ρ-MR扫描时间长、费用高的限制	样本量较小（仅60名患者），研究为回顾性设计，证据等级为4级	开发深度学习模型实现基于常规T1-MR图像的椎间盘退变分期分类	60名腰痛或下肢神经根病患者，随机分为训练集（50人）和测试集（10人）	医学影像分析	椎间盘退变疾病	T1-MR, T2-MR, T1ρ-MR序列（自旋回波）	深度学习模型	MR图像	60名患者（男性35人，女性25人），随机分为训练集50人和测试集10人	NA	NA	AUC, F1-score, 准确率, 精确率, 召回率	NA
1303	2025-10-07	Research on Intelligent Monitoring and Concentration Prediction for Penicillin Fermentation Process 2025-Mar, Biotechnology and bioengineering IF:3.5Q2 DOI:10.1002/bit.28903 PMID:39710987	研究论文	本研究利用PenSim仿真数据集，应用机器学习和深度学习技术预测青霉素发酵浓度	通过网格搜索系统优化多种预测模型的超参数，发现岭回归模型在青霉素浓度预测中表现最优	基于仿真数据集进行研究，未使用真实工业发酵数据	提高青霉素发酵过程的智能监控和浓度预测精度	青霉素发酵过程	机器学习	NA	机器学习，深度学习	岭回归	仿真数据	PenSim仿真数据集	NA	NA	均方误差，平均绝对误差	NA
1304	2025-10-07	Deep Learning-Enhanced Accelerated 2D TSE and 3D Superresolution Dixon TSE for Rapid Comprehensive Knee Joint Assessment 2025-Mar-01, Investigative radiology IF:7.0Q1 DOI:10.1097/RLI.0000000000001118 PMID:39190787	研究论文	评估深度学习重建的4倍加速2D TSE协议和6倍加速2D Dixon TSE结合3D超分辨率重建在膝关节MRI中的图像质量与诊断性能	首次将深度学习重建技术与4倍加速2D TSE和6倍加速2D Dixon TSE结合3D超分辨率重建应用于膝关节MRI评估	3D SRR Dixon TSE协议在边缘锐度降低和伪影存在方面图像质量较差，对软骨、肌腱和骨骼的可视化受影响	开发快速全面的膝关节MRI评估方法	19名有症状的成年受试者的膝关节	医学影像分析	膝关节疾病	磁共振成像, 深度学习重建, 超分辨率重建, 并行成像, 同步多层采集	深度学习模型	MRI图像	19名受试者，共228次膝关节MRI扫描，包含21,204张图像	NA	NA	图像质量评分, 解剖结构可见性评分, 诊断置信度评分, Fleiss-Cohen kappa统计量	临床3T MRI扫描仪
1305	2025-10-07	EpiBrCan-Lite: A lightweight deep learning model for breast cancer subtype classification using epigenomic data 2025-Mar, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2024.108553 PMID:39667144	研究论文	提出一种轻量级深度学习模型EpiBrCan-Lite，用于基于DNA甲基化数据的乳腺癌亚型分类	通过将传统Transformer编码器中的MLP模块替换为GRU模块，显著减少可训练权重参数数量同时保持对输入特征长程依赖关系的捕捉能力	未提及模型在其他独立数据集上的验证结果	开发轻量级乳腺癌亚型分类模型以解决现有方法参数过多和性能不足的问题	乳腺癌亚型分类	机器学习	乳腺癌	DNA甲基化数据	Transformer, GRU	表观基因组数据	TCGA乳腺癌数据集	NA	TransGRU（改进的Transformer编码器）	准确率, 精确率, 召回率, F1分数, 假正率, 假负率	适用于低计算能力设备
1306	2025-10-07	Improving real-time detection of laryngeal lesions in endoscopic images using a decoupled super-resolution enhanced YOLO 2025-Mar, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2024.108539 PMID:39689500	研究论文	提出一种名为SRE-YOLO的深度学习方法，用于实时检测喉镜图像中的喉部病变	将超分辨率分支与YOLOv8n基线耦合训练并在推理时解耦，在保持实时性的同时提升小病变检测精度	NA	开发高效的深度学习决策支持系统，为经验不足的医务人员提供喉部病变实时检测辅助	喉部病变	计算机视觉	喉癌	白光内窥镜成像，窄带成像	YOLO	图像	多中心数据集，包含多种喉部病理和采集模式	NA	YOLOv8n	平均精度，推理速度	NA
1307	2025-10-07	Transferable automatic hematological cell classification: Overcoming data limitations with self-supervised learning 2025-Mar, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2024.108560 PMID:39693791	研究论文	本研究提出将自监督学习整合到血细胞分类流程中，以解决数据稀缺和模型泛化性差的问题	首次将自监督学习应用于血细胞分类，实现了骨髓和外周血细胞领域间的知识迁移，仅需少量标注样本即可高效适应新数据集	研究基于公开数据集，在实际临床环境中的验证仍需进一步研究	开发鲁棒可靠的血细胞自动分类系统，克服数据稀缺和模型泛化性限制	骨髓和外周血细胞图像	计算机视觉	血液系统疾病	自监督学习	深度学习	单细胞图像	四个公开血液学数据集（一个骨髓数据集和三个外周血数据集），每类仅需50个标注样本	NA	自监督学习特征提取器+轻量级机器学习分类器	平衡分类准确率	NA
1308	2025-10-07	Multimodal autism detection: Deep hybrid model with improved feature level fusion 2025-Mar, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2024.108492 PMID:39700689	研究论文	提出了一种基于深度学习的多模态自闭症检测模型，融合脑电图和面部图像特征	提出了改进的特征级融合方法和深度混合模型架构，结合CNN和Bi-GRU进行自闭症检测	NA	开发准确的自闭症检测模型以辅助早期诊断	自闭症谱系障碍患者	机器学习	自闭症谱系障碍	脑电图分析，图像处理	CNN, Bi-GRU, 混合模型	脑电图信号，面部图像	NA	NA	CNN, Bi-GRU	准确率	NA
1309	2025-10-07	Robust multi-modal fusion architecture for medical data with knowledge distillation 2025-Mar, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2024.108568 PMID:39709743	研究论文	提出一种基于知识蒸馏的鲁棒多模态融合架构，用于处理医学数据中的模态缺失问题	提出池化瓶颈注意力多模态融合模块，结合知识蒸馏和梯度调制方法，有效应对模态缺失和不平衡优化问题	仅在MIMIC-IV数据集上验证，未在其他医学数据集上测试泛化能力	开发能够处理模态缺失的鲁棒多模态融合框架	胸部X光片、现病史文本、人口统计学和实验室检查表格数据	医学人工智能	院内死亡风险预测	多模态融合、知识蒸馏	深度学习	图像、文本、表格数据	MIMIC-IV数据集	NA	池化瓶颈注意力融合架构	AUROC, AUPRC	NA
1310	2025-10-07	A novel lightweight deep learning based approaches for the automatic diagnosis of gastrointestinal disease using image processing and knowledge distillation techniques 2025-Mar, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2024.108579 PMID:39798279	研究论文	提出一种基于知识蒸馏的轻量级深度学习模型，用于胃肠道疾病的自动诊断	集成模型压缩技术、ConvLSTM层和ConvNext块，并通过知识蒸馏优化，显著降低计算需求	NA	解决深度神经网络在临床环境中的计算效率问题	胃肠道疾病	计算机视觉	胃肠道疾病	图像处理	深度学习	图像	6000张内窥镜图像	NA	ConvLSTM, ConvNext	准确率, 计算成本, 磁盘空间使用量	NA
1311	2025-10-07	Bidirectional f-Divergence-Based Deep Generative Method for Imputing Missing Values in Time-Series Data 2025-Mar, Stats IF:0.9Q3 DOI:10.3390/stats8010007 PMID:39911165	研究论文	提出一种基于f-散度的双向生成对抗插补网络tf-BiGAIN，用于时间序列数据中的缺失值填补	使用f-散度作为目标函数提供灵活的优化框架，并采用双向门控循环单元同时利用前向和后向时间信息	未明确说明在高缺失率下的具体性能边界和计算效率	解决高维时间序列数据中缺失值插补的挑战	时间序列数据	机器学习	NA	NA	GAN, 双向门控循环单元	时间序列数据	两个真实世界时间序列数据集	NA	tf-BiGAIN	准确率, 鲁棒性	NA
1312	2025-10-07	HistoColAi: An open-source web platform for collaborative digital histology image annotation with AI-driven predictive integration 2025-Mar, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2024.108577 PMID:39813900	研究论文	开发了一个用于数字组织学图像标注的开源Web平台，集成了AI驱动的预测功能	首个将AI预测功能集成到开源Web平台的数字病理学图像标注工具，为非技术背景的病理学家提供了深度学习模型的使用途径	主要针对TIFF格式的Whole Slide Imaging，对其他图像格式支持有限	解决数字病理学中缺乏直观开源标注工具的问题，促进计算机辅助诊断系统的发展	数字组织学图像，特别是全玻片图像	数字病理学	梭形细胞皮肤肿瘤	Whole Slide Imaging	深度学习模型	图像	NA	NA	NA	可用性研究	Web平台
1313	2025-10-07	The Role of Artificial Intelligence in Obesity Medicine 2025-Mar, Endocrinology and metabolism clinics of North America IF:4.8Q1 DOI:10.1016/j.ecl.2024.10.008 PMID:39919876	综述	本文探讨人工智能在肥胖医学领域的变革性作用及其应用潜力	系统阐述机器学习、深度学习、自然语言处理和大语言模型在肥胖管理中的综合应用	面临数据隐私、算法偏见、AI幻觉、透明度和实施障碍等伦理挑战	分析人工智能技术在肥胖预防、诊断、治疗和长期管理中的应用价值	肥胖医学领域的AI技术应用	自然语言处理, 机器学习	肥胖症	机器学习, 深度学习, 自然语言处理, 大语言模型	NA	多模态数据集	NA	NA	NA	NA	NA
1314	2025-10-07	Deep Learning-Based Techniques in Glioma Brain Tumor Segmentation Using Multi-Parametric MRI: A Review on Clinical Applications and Future Outlooks 2025-Mar, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.29543 PMID:39074952	综述	本文全面回顾了深度学习在多参数MRI胶质瘤脑肿瘤分割中的应用现状与未来展望	系统梳理了从早期CNN到最新注意力机制和Transformer模型的技术演进，并探讨了基因组数据整合等未来方向	存在数据质量、梯度消失和模型可解释性等挑战	探讨深度学习在多参数MRI胶质瘤分割中的临床应用与发展前景	胶质瘤脑肿瘤	数字病理	脑肿瘤	多参数磁共振成像	CNN, Transformer	医学影像	NA	NA	CNN, 注意力机制, Transformer	NA	NA
1315	2024-08-07	Editorial for "Deep Learning Assisted Classification of T1ρ-MR Based Intervertebral Disc Degeneration Phases" 2025-Mar, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.29509 PMID:39016471	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1316	2025-10-07	Multiparametric MRI-Based Deep Learning Radiomics Model for Assessing 5-Year Recurrence Risk in Non-Muscle Invasive Bladder Cancer 2025-Mar, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.29574 PMID:39167019	研究论文	本研究开发了一种基于多参数MRI的深度学习放射组学模型，用于评估非肌层浸润性膀胱癌的5年复发风险	首次将多参数MRI的放射组学特征、深度学习特征与临床因素整合，构建了优于传统EORTC模型的复发风险评估模型	回顾性研究设计，样本量相对有限（191例患者）	改进非肌层浸润性膀胱癌的5年复发风险评估方法	非肌层浸润性膀胱癌患者	数字病理	膀胱癌	多参数MRI，包括T2加权成像、扩散加权成像和动态对比增强序列	深度学习模型	医学影像	191例患者（训练队列115例，验证和测试队列各38例）	NA	NA	AUC, Harrell's concordance index	NA
1317	2025-10-07	Role of artificial intelligence in treatment planning and outcome prediction of jaw corrective surgeries by using 3-D imaging: a systematic review 2025-Mar, Oral surgery, oral medicine, oral pathology and oral radiology DOI:10.1016/j.oooo.2024.09.010 PMID:39701860	系统综述	系统评估人工智能在基于3D成像的颌骨矫正手术治疗方案制定和结果预测中的应用	首次系统综述AI在颌骨矫正手术规划与预后预测中的角色，重点关注3D成像技术的应用	纳入研究存在显著异质性且数据报告不足，无法进行荟萃分析	评估AI在颌骨矫正手术治疗规划和结果预测中的应用效果	颌骨矫正手术患者	医学影像分析	颌面畸形	3D成像，CT扫描	深度学习，机器学习	3D医学影像，CT数据	14项研究（11项使用深度学习，3项使用机器学习）	NA	NA	预测误差，Dice分数，准确率	NA
1318	2025-02-08	Predicting craniofacial fibrous dysplasia growth status: an exploratory study of a hybrid radiomics and deep learning model based on computed tomography images 2025-Mar, Oral surgery, oral medicine, oral pathology and oral radiology DOI:10.1016/j.oooo.2024.11.002 PMID:39725588	研究论文	本研究旨在开发基于CT图像的三种模型，用于区分颅面纤维性发育不良（CFD）患者的病变进展状态	结合了放射组学和深度学习的混合模型（Model Rad+DL），在评估CFD病变进展方面表现出优越性	研究为回顾性分析，样本量有限（148例患者）	开发并评估基于CT图像的模型，以区分CFD患者的病变进展状态	148名CFD患者的术前CT扫描图像	数字病理学	颅面纤维性发育不良	3D-Slicer软件用于图像分割和特征提取	混合模型（放射组学和深度学习）	CT图像	148名CFD患者	NA	NA	NA	NA
1319	2025-02-08	Editorial for "Multiparametric MRI-Based Deep Learning Radiomics Model for Assessing 5-Year Recurrence Risk in Non-Muscle Invasive Bladder Cancer" 2025-Mar, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.29592 PMID:39258759	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1320	2025-10-07	Deep Learning-Based Artificial Intelligence Can Differentiate Treatment-Resistant and Responsive Depression Cases with High Accuracy 2025-Mar, Clinical EEG and neuroscience IF:1.6Q3 DOI:10.1177/15500594241273181 PMID:39251228	研究论文	本研究使用基于GoogleNet卷积神经网络的深度学习方法和EEG信号数据，实现了对治疗抵抗性抑郁症与治疗敏感性抑郁症的高精度分类	首次将深度学习方法和EEG信号结合用于治疗抵抗性抑郁症的检测，并采用类激活映射技术识别分类的关键脑区特征	临床样本量有限且研究为回顾性设计	开发能够区分治疗抵抗性抑郁症和治疗敏感性抑郁症的人工智能系统	77名治疗抵抗性抑郁症患者、43名非治疗抵抗性抑郁症患者和40名健康对照者	机器学习	抑郁症	EEG信号分析	CNN	EEG信号	160名参与者（77名TRD患者、43名非TRD患者、40名健康对照）	NA	GoogleNet	准确率	NA