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
1381	2025-04-23	Radiomics and Deep Learning Model for Benign and Malignant Soft Tissue Tumors Differentiation of Extremities and Trunk 2025-May, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.12.026 PMID:39753479	research paper	开发基于脂肪抑制T2加权成像的放射组学和深度学习模型，用于术前区分良恶性软组织肿瘤	结合放射组学和深度学习特征，构建DLR模型，提高了良恶性软组织肿瘤的术前诊断准确性	样本量相对较小，且外部验证集仅来自一个中心，可能影响模型的泛化能力	开发非侵入性、低成本的术前诊断方法，用于区分良恶性软组织肿瘤	良性和恶性软组织肿瘤患者	digital pathology	soft tissue tumors	fat saturation T2-weighted imaging (FS-T2WI)	3D ResNet	image	115例患者作为训练集，70例患者作为外部验证集
1382	2025-04-23	Development and Validation of an AI-Based Multimodal Model for Pathological Staging of Gastric Cancer Using CT and Endoscopic Images 2025-May, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.12.029 PMID:39753481	research paper	开发并验证了一种基于AI的多模态模型，用于结合CT和内窥镜图像对胃癌进行术前病理分期	提出了一种集成多模态模型，结合了CT图像的深度学习和手工特征以及内窥镜图像的深度特征，显著提高了胃癌术前分期的准确性	研究为回顾性设计，数据未公开且样本量有限（691例）	提高胃癌术前病理分期的准确性以优化治疗方案	胃癌患者	digital pathology	gastric cancer	CT成像, 内窥镜成像	ResNet-50, 深度学习模型, 机器学习算法, 集成学习	医学影像（CT和内窥镜图像）	691例胃癌患者
1383	2025-04-23	Improved Image Quality Through Deep Learning Acceleration of Gradient-Echo Acquisitions in Uterine MRI: First Application with the Female Pelvis 2025-May, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.12.021 PMID:39843279	research paper	本研究比较了深度学习加速的VIBE序列与标准VIBE序列在评估子宫时的图像质量	首次将深度学习加速的VIBE序列应用于女性盆腔MRI，显著提高了图像质量	样本量较小（54例患者），且仅在1.5T MRI扫描仪上进行	比较深度学习加速的VIBE序列与标准VIBE序列在子宫MRI中的图像质量	61名女性患者（最终分析54名）的盆腔MRI图像	digital pathology	NA	MRI, 深度学习加速的VIBE序列	深度学习	image	54名女性患者的盆腔MRI图像
1384	2025-04-23	Photoacoustic Imaging with Attention-Guided Deep Learning for Predicting Axillary Lymph Node Status in Breast Cancer 2025-May, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.12.020 PMID:39848886	research paper	本研究探讨了结合光声成像和注意力引导深度学习在预测乳腺癌腋窝淋巴结状态中的精确性	首次将光声成像与注意力引导深度学习结合，开发出预测腋窝淋巴结状态的新型列线图	研究为回顾性设计，样本量相对有限（324例患者）	开发精确预测乳腺癌患者腋窝淋巴结状态的影像学方法	早期乳腺癌患者的腋窝淋巴结状态	digital pathology	breast cancer	photoacoustic-ultrasound (PA-US) imaging	attention-guided DL model	image	324例经组织学确诊的早期乳腺癌患者（2022-2024年）
1385	2025-04-23	Non-invasive Assessment of Human Epidermal Growth Factor Receptor 2 Expression in Gastric Cancer Based on Deep Learning: A Computed Tomography-based Multicenter Study 2025-May, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.12.041 PMID:39870563	研究论文	本研究基于深度学习开发并验证了一种用于预测胃癌患者HER2表达的CT影像模型	首次利用CT影像特征结合机器学习方法预测胃癌HER2表达状态	研究为回顾性设计，样本中HER2阳性比例较低	开发非侵入性的HER2表达预测模型以指导胃癌精准治疗	胃癌患者	数字病理	胃癌	CT影像组学	LR-Lasso, SVM	医学影像	1059例患者（训练集720例，测试集339例）
1386	2025-04-23	Association Between Aortic Imaging Features and Impaired Glucose Metabolism: A Deep Learning Population Phenotyping Approach 2025-May, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.01.032 PMID:39934079	研究论文	本研究开发了一个深度学习框架，用于从MRI中量化主动脉表型，并研究主动脉特征与糖代谢受损之间的关联	使用深度学习框架自动量化主动脉特征，并首次发现主动脉长度和体积与糖代谢受损的独立关联	样本量相对较小（381名参与者），且仅基于一个地区的人群数据	研究主动脉特征与糖代谢受损之间的关联，超越传统心血管风险因素	来自KORA研究的381名参与者（58%男性，平均年龄56岁）	数字病理学	心血管疾病	MRI	深度学习	图像	381名参与者（231名血糖正常，97名糖尿病前期，53名糖尿病患者）
1387	2025-04-23	Artificial intelligence for osteoporosis detection on panoramic radiography: A systematic review and meta analysis 2025-May, Journal of dentistry IF:4.8Q1 DOI:10.1016/j.jdent.2025.105650 PMID:40010536	meta-analysis	本文通过系统综述和荟萃分析评估了人工智能在全景X光片上检测骨质疏松症的诊断准确性	首次对AI在全景X光片上检测骨质疏松症的诊断性能进行全面评估，并量化了其敏感性和特异性	研究间存在显著异质性，可能存在小样本效应和发表偏倚，需要进一步验证和标准化	评估人工智能在全景X光片上检测骨质疏松症的诊断性能	使用AI检测骨质疏松症的全景X光影像研究	digital pathology	骨质疏松症	深度学习	deep learning	image	24项研究（具体样本量未明确说明）
1388	2025-04-23	Development of Hybrid radiomic Machine learning models for preoperative prediction of meningioma grade on multiparametric MRI 2025-May, Journal of clinical neuroscience : official journal of the Neurosurgical Society of Australasia IF:1.9Q4 DOI:10.1016/j.jocn.2025.111118 PMID:40048835	research paper	开发并比较了基于多参数MRI的机器学习模型，用于术前预测脑膜瘤的分级	结合手工提取的放射组学特征和深度学习特征，开发了混合模型（HRO和HDLR）用于脑膜瘤分级预测	模型的敏感性和阳性预测值（PPV）存在不一致性，需要更大规模的多中心研究验证	开发机器学习模型以区分低级别和高级别脑膜瘤	脑膜瘤患者的术前多参数MRI数据	digital pathology	脑膜瘤	多参数MRI（T1、T1CE、T2、T2 FLAIR、DWI/ADC）	Random Forest, XGBoost	image	115例（97例低级别和18例高级别脑膜瘤）
1389	2025-04-23	Harnessing machine learning for predicting successful weaning from mechanical ventilation: A systematic review 2025-May, Australian critical care : official journal of the Confederation of Australian Critical Care Nurses IF:2.6Q1 DOI:10.1016/j.aucc.2025.101203 PMID:40058181	系统综述	本文通过系统综述评估了机器学习在预测成人患者机械通气脱机成功中的应用效果	评估了多种机器学习模型在机械通气脱机预测中的表现，并指出XGBoost模型优于其他模型	缺乏使用新型架构（如transformer模型）的研究，表明该领域仍有进一步探索和改进的空间	评估机器学习模型在预测成人患者机械通气脱机成功中的应用效果	接受机械通气的成人患者	机器学习	呼吸系统疾病	机器学习算法（如XGBoost、随机森林、多层感知机等）	XGBoost、随机森林、多层感知机、人工神经网络、卷积神经网络	临床数据	11项研究（n=18,336）
1390	2025-03-29	Advancing Bone Marrow MRI Segmentation Using Deep Learning-Based Frameworks 2025-May, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.03.030 PMID:40148166	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1391	2025-04-23	Enhancing brain age estimation under uncertainty: A spectral-normalized neural gaussian process approach utilizing 2.5D slicing 2025-May-01, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2025.121184 PMID:40180003	研究论文	提出了一种结合谱归一化神经高斯过程（SNGP）和2.5D切片的方法，用于在低计算成本下实现脑年龄估计中的不确定性整合	首次将SNGP与2.5D切片方法结合，实现了在单一网络中无缝整合不确定性估计，同时保持低计算成本和模型复杂度	未明确提及具体局限性，但可能包括模型在更广泛人群中的验证不足	开发一种能够准确估计脑年龄并量化不确定性的方法，以提升脑异常检测的临床适用性	脑MRI数据	医学影像分析	脑部异常（如ADHD）	磁共振成像（MRI）	SNGP（谱归一化神经高斯过程）	2.5D MRI切片	11个公共数据集（N=6327）和独立验证集（N=301）
1392	2025-04-23	Automated segmentation of the dorsal root ganglia in MRI 2025-May-01, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2025.121189 PMID:40185423	研究论文	开发了一种基于深度学习的全自动背根神经节（DRG）MRI分割工作流程	首次提出全自动DRG分割方法，使用CNN在nnU-Net框架上训练，分割效果与专家标注相当但速度提高10倍	方法仅在健康对照组和Fabry疾病患者中验证，需要更多疾病类型验证	开发全自动DRG分割方法以促进DRG成像生物标志物的研究和应用	背根神经节（DRG）	医学影像分析	Fabry病	MRI	CNN	3D T2加权MR图像	220个健康对照DRG
1393	2025-04-23	IT: An interpretable transformer model for Alzheimer's disease prediction based on PET/MR images 2025-May-01, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2025.121210 PMID:40222500	研究论文	本文提出了一种基于PET/MR图像的阿尔茨海默病预测的可解释Transformer模型IT	创新性地结合Transformer架构，能够同时捕捉影像数据的局部和全局特征，并通过高级特征工程技术实现特征的协同整合	未提及具体样本量或数据来源的局限性	开发用于阿尔茨海默病早期检测和精确监测的先进诊断工具	阿尔茨海默病患者	数字病理学	老年疾病	PET/MR成像	Transformer	图像	NA
1394	2025-04-22	CACTUS: An open dataset and framework for automated Cardiac Assessment and Classification of Ultrasound images using deep transfer learning 2025-May, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110003 PMID:40107020	research paper	该论文介绍了一个名为CACTUS的开放数据集和深度学习框架，用于自动化心脏超声图像的分类和评估	首次引入开放分级的心脏超声图像数据集CACTUS，并提出了一个结合CNN和迁移学习的深度学习框架，用于心脏视图分类和图像质量评估	数据集主要来自CAE Blue Phantom扫描的图像，可能无法完全代表真实临床场景中的多样性	开发自动化工具辅助医疗专业人员分类和评估心脏超声图像	心脏超声图像	digital pathology	cardiovascular disease	ultrasound imaging	CNN with Transfer Learning	image	来自CAE Blue Phantom扫描的各种心脏视图和不同质量水平的图像
1395	2025-04-22	Deep learning by Vision Transformer to classify bacterial and fungal keratitis using different types of anterior segment images 2025-May, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109976 PMID:40107025	研究论文	本研究开发了三种新型Vision Transformer (ViT)框架，用于利用不同类型的前段图像对细菌性和真菌性角膜炎进行特异性诊断，并比较其性能	通过集成一个或多个ViT模型，采用自注意力机制结合不同类型的前段图像，提高了细菌性和真菌性角膜炎的诊断准确性	数据集有限，可能影响模型的泛化能力	开发并验证ViT框架在细菌性和真菌性角膜炎诊断中的应用	细菌性和真菌性角膜炎患者的前段图像	计算机视觉	角膜炎	Vision Transformer (ViT)	ViT	图像	79名患者的283张广光束图像、610张裂隙光束图像和342张蓝光图像
1396	2025-04-22	Neuro_DeFused-Net: A novel multi-scale 2DCNN architecture assisted diagnostic model for Parkinson's disease diagnosis using deep feature-level fusion of multi-site multi-modality neuroimaging data 2025-May, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110029 PMID:40107026	research paper	提出了一种名为Neuro_DeFused-Net的新型多尺度2DCNN架构，用于通过多站点多模态神经影像数据的深度特征级融合来诊断帕金森病	结合T1加权结构MRI和静息态功能MRI的多站点多模态神经影像数据，采用深度特征级融合技术，提出了一种定制的多尺度2DCNN架构，以增强模型学习帕金森病相关复杂模式的能力	NA	提高帕金森病的诊断精度	帕金森病患者和正常对照	digital pathology	Parkinson's disease	MRI	2DCNN	neuroimaging data	NA
1397	2025-04-22	Multiple kidney stones prediction with efficient RT-DETR model 2025-May, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110023 PMID:40107024	research paper	提出了一种名为RT-DETR的新型模型，用于高效准确地检测CT扫描中的多发性肾结石	RT-DETR模型采用创新的混合编码器处理多尺度特征，并结合IoU感知的查询选择机制以提高异质性肾结石检测的准确性	未提及具体的数据集规模限制或模型在其他医疗影像数据上的泛化能力	解决现有模型在CT扫描中检测多发性肾结石时面临的准确性和速度问题	CT扫描图像中的多发性肾结石	digital pathology	kidney stone	CT扫描	RT-DETR	image	未明确提及具体样本数量，仅说明使用了标注肾结石位置的CT图像数据集
1398	2025-04-22	The proteomic code: Novel amino acid residue pairing models "encode" protein folding and protein-protein interactions 2025-May, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110033 PMID:40112562	research paper	本文提出了一种基于氨基酸残基配对模型的新框架，用于解释蛋白质折叠和蛋白质-蛋白质相互作用的机制	提出了三种新的氨基酸残基配对模型（GU、Transmuted和Shift配对模型），这些模型在统计分析和不同数据集上表现出最高的观察-预期比率和相关性	研究主要依赖于TOP2018数据集，可能在其他数据集上的泛化能力有待验证	探索氨基酸残基配对模型在蛋白质折叠和蛋白质-蛋白质相互作用中的机制	氨基酸残基配对模型及其在蛋白质结构预测中的应用	生物信息学	NA	统计分析和深度学习	NA	蛋白质结构数据	基于TOP2018数据集
1399	2025-04-22	Enhancing skin disease classification leveraging transformer-based deep learning architectures and explainable AI 2025-May, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110007 PMID:40117795	research paper	该研究利用基于Transformer的深度学习架构和可解释AI技术，提升皮肤疾病分类的准确性和临床相关性	首次在皮肤病学任务中引入DinoV2模型，并在31类皮肤疾病数据集上实现了最先进的性能，测试准确率达到96.48% ± 0.0138%，F1分数为97.27%，比现有基准提高了近10%	NA	通过自动化皮肤疾病分类支持及时准确的诊断	皮肤疾病	computer vision	skin disease	Vision Transformers, Swin Transformers, DinoV2, ConvNeXt, CNN	Transformer, CNN	image	31类皮肤疾病数据集，以及HAM10000和Dermnet数据集
1400	2025-04-22	Capsule DenseNet++: Enhanced autism detection framework with deep learning and reinforcement learning-based lifestyle recommendation 2025-May, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110038 PMID:40120178	研究论文	提出了一种结合深度学习和强化学习的自闭症检测框架，并提供了基于强化学习的个性化生活方式建议	提出了Capsule DenseNet++深度学习模型和基于PPO算法的个性化生活方式推荐系统，提高了自闭症检测的准确性和干预效果	研究仅在沙特阿拉伯的两个数据集上进行了测试，可能在其他地区或人群中的适用性有限	开发一个准确的自闭症检测框架并提供个性化生活方式建议	自闭症谱系障碍(ASD)患者，特别是沙特阿拉伯的幼儿	机器学习	自闭症谱系障碍	深度学习, 强化学习	Capsule DenseNet++, PPO	结构化数据	两个数据集：自闭症筛查数据和沙特阿拉伯幼儿ASD筛查数据