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
1581	2025-04-12	Deep learning algorithm classification of tympanostomy tube images from a heterogenous pediatric population 2025-May, International journal of pediatric otorhinolaryngology IF:1.2Q3 DOI:10.1016/j.ijporl.2025.112311 PMID:40096786	研究论文	本研究评估了一种基于深度学习算法的AI技术，用于通过家用数字耳镜图像分类儿童鼓膜置管状态	首次在异质性儿科人群中验证了基于消费级数字耳镜图像的深度学习算法对鼓膜置管状态的分类能力	排除了有鼓膜成形术或胆脂瘤病史的患者，样本量相对较小(69名儿童)	评估AI算法通过数字耳镜图像准确判断鼓膜置管状态(在位通畅/脱出/缺失)的能力	10个月至10岁有鼓膜置管史的儿科患者	数字病理	儿科耳科疾病	深度学习	深度学习算法(未指定具体架构)	图像	69名儿童产生的296张耳镜图像
1582	2025-03-23	Correction to: Application of deep learning models for accurate classification of fluid collections in acute necrotizing pancreatitis on computed tomography: a multicenter study 2025-May, Abdominal radiology (New York) DOI:10.1007/s00261-025-04836-9 PMID:40116891	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1583	2025-04-12	Application of deep learning techniques for breath-hold, high-precision T2-weighted magnetic resonance imaging of the abdomen 2025-May, Abdominal radiology (New York) DOI:10.1007/s00261-024-04675-0 PMID:39535616	research paper	评估基于深度学习的PIQE算法在高精度单次激发快速自旋回波(SS-FSE)序列中用于腹部T2加权磁共振成像的可行性，并与标准SS-FSE和多激发(MS)-FSE序列进行比较	首次将深度学习算法PIQE应用于高精度SS-FSE序列，显著提高了图像质量和诊断能力	研究设计为单中心回顾性研究，且缺乏病理学确认	评估深度学习算法在腹部MRI中的临床应用价值	腹部MRI图像质量	digital pathology	NA	MRI, 深度学习	PIQE算法	医学影像	105例接受腹部MRI检查的患者
1584	2025-04-12	Editorial for "Development and Validation of a Deep Learning System to Differentiate HER2-Zero, HER2-Low, and HER2-Positive Breast Cancer Based on Dynamic Contrast-Enhanced MRI" 2025-May, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.29697 PMID:39776259	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1585	2025-04-10	Impact of Scanner Manufacturer, Endorectal Coil Use, and Clinical Variables on Deep Learning-assisted Prostate Cancer Classification Using Multiparametric MRI 2025-May, Radiology. Artificial intelligence DOI:10.1148/ryai.230555 PMID:39841063	research paper	评估扫描仪制造商和扫描协议对深度学习模型在前列腺癌（PCa）双参数MRI（bpMRI）中分类侵袭性性能的影响	研究了不同扫描仪制造商和直肠内线圈（ERC）使用对深度学习模型性能的影响，并分析了临床特征对模型性能的贡献	研究为回顾性设计，可能受到数据选择和潜在偏差的影响	评估扫描仪制造商和扫描协议对深度学习在前列腺癌侵袭性分类中的影响	前列腺癌（PCa）的双参数MRI（bpMRI）数据	digital pathology	prostate cancer	bpMRI	CNN	image	5478例来自13个中心的bpMRI检查数据
1586	2025-04-10	A New Metric Based on Association Rules to Assess Feature-Attribution Explainability Techniques for Time Series Forecasting 2025-May, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3540513 PMID:40031563	research paper	本文介绍了一种新的模型无关度量RExQUAL，用于量化和比较基于归因的可解释人工智能技术提供的解释质量	提出了一种基于关联规则的新度量RExQUAL，结合局部和全局解释，评估和比较不同可解释技术的质量	实验设计仅包括不同类型的时间序列预测，可能在其他领域的适用性有待验证	评估和比较基于归因的可解释人工智能技术在时间序列预测中的解释质量	时间序列数据（包括单变量和多变量）	machine learning	NA	association rules, feature attribution	deep learning models	time series data	NA
1587	2025-04-09	A pretrained transformer model for decoding individual glucose dynamics from continuous glucose monitoring data 2025-May, National science review IF:16.3Q1 DOI:10.1093/nsr/nwaf039 PMID:40191259	研究论文	开发了一个基于注意力机制的深度学习模型CGMformer，用于从连续血糖监测数据中解码个体血糖动态	利用自监督学习在大量CGM数据上预训练模型，能够表征个体内在代谢状态并支持多种临床应用	未提及具体样本量或模型在更广泛人群中的验证情况	通过深度学习改进糖尿病管理中的血糖监测和预测	连续血糖监测数据和糖尿病相关临床任务	机器学习	糖尿病	自监督学习	Transformer	时间序列数据	NA
1588	2025-04-06	Metastasis Detection Using True and Artificial T1-Weighted Postcontrast Images in Brain MRI 2025-May-01, Investigative radiology IF:7.0Q1 DOI:10.1097/RLI.0000000000001137 PMID:39688447	research paper	本研究比较了在脑MRI中使用真实对比增强T1加权图像和通过深度学习方法合成的低剂量图像在转移瘤检测中的敏感性和精确度	首次使用深度学习方法从低剂量MRI图像合成T1加权图像，并与真实对比增强图像在转移瘤检测中的表现进行比较	研究样本量相对较小（40名参与者），且仅评估了两位放射科医生的表现	评估低剂量MRI结合深度学习合成图像在脑转移瘤检测中的可行性	脑转移瘤患者和正常脑部检查结果的参与者	digital pathology	brain metastasis	MRI, deep learning	deep learning method (未具体说明模型类型)	MRI图像	40名参与者（来自917名参与者的子集）
1589	2025-04-05	Deep Learning-Based Precontrast CT Parcellation for MRI-Free Brain Amyloid PET Quantification 2025-May-01, Clinical nuclear medicine IF:9.6Q1 DOI:10.1097/RLU.0000000000005652 PMID:39876079	研究论文	本研究开发了一种基于深度学习的CT脑区分割模型，用于无MRI依赖的淀粉样蛋白PET定量	首次提出利用深度学习直接从CT图像进行脑区分割，无需高分辨率MRI，实现了淀粉样蛋白PET的准确定量	研究基于回顾性数据，且样本量相对有限（226例）	开发不依赖MRI的淀粉样蛋白PET定量方法	轻度认知障碍或痴呆患者（157例）和健康对照者（69例）	数字病理学	老年痴呆症	PET/CT扫描	UNet	CT和PET图像	226人（157例患者+69例对照）
1590	2025-04-02	Development and validation of a deep learning algorithm for the classification of the level of surgical difficulty in impacted mandibular third molar surgery 2025-May, International journal of oral and maxillofacial surgery IF:2.2Q2 DOI:10.1016/j.ijom.2024.11.008 PMID:39632213	研究论文	开发并验证了一种用于分类下颌第三磨牙手术难度水平的深度学习算法	使用YOLOv5模型首次实现了对下颌第三磨牙手术难度水平的自动分类	样本量相对较小，仅包含1730张全景X光片	开发一种能自动分类下颌第三磨牙手术难度的算法	下颌第三磨牙	计算机视觉	口腔疾病	深度学习	CNN, YOLOv5	图像	1730张全景X光片（1300训练，430测试）
1591	2025-03-30	Utilization of Image-Based Deep Learning in Multimodal Glaucoma Detection Neural Network from a Primary Patient Cohort 2025 May-Jun, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2025.100703 PMID:40151357	研究论文	开发了一种基于多模态成像数据的深度学习模型，用于青光眼的检测	通过多模态数据（眼底照片、OCT扫描和HVF分析）的整合，提高了青光眼检测模型的性能和准确性	模型在外部数据集上的性能可能受到数据质量和一致性的影响	开发一种临床可用的多模态神经网络模型，用于青光眼的检测	青光眼和非青光眼患者的眼底照片、OCT扫描和HVF测试数据	数字病理学	青光眼	深度学习	CNN和MLP	图像	716次就诊数据（706只眼睛，571名患者）和4个外部单模态数据集
1592	2025-03-30	Artificial Intelligence Models to Identify Patients at High Risk for Glaucoma Using Self-reported Health Data in a United States National Cohort 2025 May-Jun, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2024.100685 PMID:40151359	研究论文	本研究开发了基于自报健康调查数据的人工智能模型，用于预测青光眼高风险患者	利用自报健康调查数据而非专业眼科检查数据来预测青光眼风险，适用于资源匮乏环境的大规模筛查	模型性能依赖于电子健康记录中诊断代码的准确性，且未包含眼科影像数据	开发青光眼高风险人群的预筛查工具	美国全国队列中18岁以上、有≥2次眼科相关电子健康记录并提交健康调查的参与者	机器学习	青光眼	机器学习	XGBoost, 逻辑回归, 全连接神经网络	结构化调查数据	8205名患者（其中873名确诊青光眼）
1593	2025-03-29	Predicting radiation-induced hypothyroidism in nasopharyngeal carcinoma patients using a deep learning model 2025-May, Clinical and translational radiation oncology IF:2.7Q2 DOI:10.1016/j.ctro.2025.100946 PMID:40144227	research paper	本研究开发了一种基于深度学习生存分析的模型，用于预测鼻咽癌患者放射性甲状腺功能减退症（RIHT）的发生	使用DeepSurv深度学习模型预测RIHT，其性能优于传统的Cox和NTCP模型	研究为回顾性设计，可能存在选择偏倚	开发高准确度的RIHT预测模型，以支持个性化患者管理	535名鼻咽癌患者	digital pathology	nasopharyngeal carcinoma	deep learning survival analysis	DeepSurv, CNN	clinical data	535名鼻咽癌患者（2015年1月至2020年10月）
1594	2025-03-26	Artificial Intelligence Models to Identify Patients with High Probability of Glaucoma Using Electronic Health Records 2025 May-Jun, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2024.100671 PMID:40124313	研究论文	本研究开发了人工智能模型，利用电子健康记录（EHRs）中的数据识别高概率青光眼患者，无需眼科影像或临床数据	利用非眼科的结构化EHR数据（如人口统计、实验室结果、测量、药物和诊断）开发AI模型，无需专用眼科影像或临床数据即可识别青光眼高风险患者	需要进一步研究受保护类别特征（如种族/民族）对模型性能和公平性的影响	开发AI模型以早期识别青光眼高风险患者	64,735名18岁以上、在EHR中有至少两次眼相关诊断记录的患者	机器学习	青光眼	机器学习与深度学习	惩罚逻辑回归、XGBoost、1D-CNN和堆叠自编码器	结构化电子健康记录数据	64,735名患者，其中7,268名（11.22%）有青光眼诊断
1595	2025-03-23	Automated Cone Photoreceptor Detection in Adaptive Optics Flood Illumination Ophthalmoscopy 2025 May-Jun, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2024.100675 PMID:40114708	研究论文	本文开发并验证了一种基于深度学习的模型，用于在自适应光学泛光照明眼底成像（AO-FIO）中检测视锥细胞	该研究首次使用基于U-Net架构的深度学习模型进行视锥细胞的自动检测，并在多个医疗中心进行了验证，表现优于制造商的自动检测软件	研究仅涉及健康志愿者，未涵盖患有眼部疾病的患者，且样本量相对较小	开发一种自动检测视锥细胞的深度学习模型，以提高检测效率和准确性	健康志愿者的视锥细胞	计算机视觉	NA	自适应光学泛光照明眼底成像（AO-FIO）	U-Net	图像	36名健康志愿者，每只眼睛采集21张AO-FIO图像
1596	2025-03-23	AlphaMissense Predictions and ClinVar Annotations: A Deep Learning Approach to Uveal Melanoma 2025 May-Jun, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2024.100673 PMID:40114711	研究论文	本文探讨了使用深度学习工具AlphaMissense评估葡萄膜黑色素瘤（UM）中基因突变的功能影响	使用AlphaMissense工具对UM中的错义突变进行功能影响评估，并与ClinVar数据库中的临床意义进行交叉验证	仅分析了COSMIC数据库中的错义突变，且只有40.4%的突变在ClinVar中有对应数据	评估UM中基因突变的致病性，以改进基因组诊断和个性化治疗策略	葡萄膜黑色素瘤（UM）患者的基因数据	生物信息学	葡萄膜黑色素瘤	深度学习	AlphaMissense, AlphaFold	基因突变数据	1310个UM中的错义突变，其中151个独特错义突变被分析
1597	2025-03-20	Sex Differences in Age-Related Changes in Retinal Arteriovenous Area Based on Deep Learning Segmentation Model 2025 May-Jun, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2025.100719 PMID:40103835	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1598	2025-03-19	Sensitivity-enhanced hydrogel digital RT-LAMP with in situ enrichment and interfacial reaction for norovirus quantification in food and water 2025-May-05, Journal of hazardous materials IF:12.2Q1 DOI:10.1016/j.jhazmat.2025.137325 PMID:39864200	研究论文	本研究开发了一种蒸发增强的水凝胶数字RT-LAMP方法，用于食品和水中人类诺如病毒的敏感定量	通过干燥样品在芯片上原位富集病毒颗粒，并在水凝胶-芯片界面触发核酸的界面扩增，提高了检测灵敏度20倍	NA	开发一种高效的方法用于食品安全监测和环境监测中的生物危害检测	人类诺如病毒（HuNoV）	生物技术	NA	数字RT-LAMP（逆转录环介导等温扩增）	深度学习模型	NA	包括3个湖水、草莓、自来水和饮用水在内的多个实际样品
1599	2025-03-19	Mapping nutrient pollution in inland water bodies using multi-platform hyperspectral imagery and deep regression network 2025-May-05, Journal of hazardous materials IF:12.2Q1 DOI:10.1016/j.jhazmat.2025.137314 PMID:39874751	研究论文	本文提出了一种新的深度学习框架，用于从高光谱图像中进行多参数估计，以解决水质映射不准确的问题	提出了一种结合高维注意力加权差异的深度卷积空间-光谱联合学习方法，优化了深度特征	NA	准确估计与富营养化相关的三个关键水质参数的分布：总氮、总磷和氨氮	内陆水体	计算机视觉	NA	高光谱遥感	深度卷积网络	高光谱图像	NA
1600	2025-03-19	Validation of Deep Learning-Based Automatic Retinal Layer Segmentation Algorithms for Age-Related Macular Degeneration with 2 Spectral-Domain OCT Devices 2025 May-Jun, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2024.100670 PMID:40091912	研究论文	本研究验证了基于深度学习的自动视网膜层分割算法在两种光谱域OCT设备上的应用，特别是在年龄相关性黄斑变性（AMD）中的应用	通过在不同OCT设备上测试深度学习模型的鲁棒性，验证了其在生成临床相关指标方面的有效性	研究依赖于专家验证的地面真实标签，这一过程资源密集，限制了算法在多种OCT设备上的广泛应用	验证深度学习图像分割模型在多种OCT设备上的应用，评估其设备独立性	年龄相关性黄斑变性（AMD）患者	数字病理学	年龄相关性黄斑变性	光谱域OCT（SD-OCT）	UNet, DeepLabv3	图像	402个SD-OCT扫描