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
521	2025-10-06	Optimized YOLOv8 for enhanced breast tumor segmentation in ultrasound imaging 2025-Jun-19, Discover oncology IF:2.8Q2 DOI:10.1007/s12672-025-02889-2 PMID:40536560	研究论文	本研究探索使用优化的YOLOv8和深度学习模型改进乳腺超声图像分割性能	将YOLOv8目标检测算法应用于分割任务，并比较联合训练与按良恶性分类单独训练的策略	仅使用780张超声图像，样本量相对有限	提高乳腺肿瘤超声图像分割的准确性和效率	乳腺超声图像中的良性和恶性肿瘤	计算机视觉	乳腺癌	超声成像	CNN	图像	780张超声图像（分为良性和恶性类别）	NA	UNet, DenseNet-121, VGG16, VGG19, YOLOv8	Dice系数, IoU, mAP, F1-score	NA
522	2025-10-06	Deep learning detects retropharyngeal edema on MRI in patients with acute neck infections 2025-Jun-19, European radiology experimental IF:3.7Q1 DOI:10.1186/s41747-025-00599-6 PMID:40536731	研究论文	开发基于深度学习的算法，用于自动检测急性颈部感染患者MRI图像中的咽后水肿	提出基于弱标注数据且计算效率高的深度学习模型，在切片和患者两个层级实现咽后水肿的自动检测	模型性能仍需在更大样本和更多中心验证	开发自动检测急性颈部感染患者咽后水肿的深度学习算法	479例急性颈部感染患者的MRI图像	医学影像分析	急性颈部感染	MRI, 轴向T2加权水相Dixon成像	CNN	医学影像	479例患者（244例RPE阳性，235例RPE阴性）	NA	自定义CNN, InceptionV3	准确率, 敏感度, 特异度, AUROC	NA
523	2025-10-06	Identifying Retinal Features Using a Self-Configuring CNN for Clinical Intervention 2025-Jun-02, Investigative ophthalmology & visual science IF:5.0Q1 DOI:10.1167/iovs.66.6.55 PMID:40525921	研究论文	本研究通过构建OCTAVE视网膜OCT数据集并训练自配置nnU-Net模型，实现了对视网膜结构和病理特征的精确分割	提供了首个包含高质量像素级标注的3D OCT数据集OCTAVE，并为四个公共数据集提供标注，解决了视网膜AI诊断工具开发中数据稀缺的问题	数据集规模相对有限（198个训练OCT体积），且未提及模型在更广泛人群中的验证效果	开发基于人工智能的视网膜疾病诊断和分割工具	视网膜解剖结构和病理特征	数字病理	视网膜疾病	光学相干断层扫描（OCT）	CNN	3D医学图像	198个OCT体积（3762个B扫描）用于训练，221个OCT体积（4109个B扫描）用于外部验证	nnU-Net	U-Net	NA	NA
524	2025-10-06	Automatic Multi-Task Segmentation and Vulnerability Assessment of Carotid Plaque on Contrast-Enhanced Ultrasound Images and Videos via Deep Learning 2025-Jun-20, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3581686 PMID:40540369	研究论文	提出基于深度学习的多任务模型，用于自动分割颈动脉斑块并进行斑块内新生血管分级评估	开发首个用于CEUS图像和视频的多任务深度学习模型，同时实现斑块分割和IPN分级，并模拟放射科医生使用动态视频的工作流程	未明确说明样本来源和数据集的多样性限制	开发自动化的颈动脉斑块易损性评估方法	颈动脉斑块的CEUS图像和视频	计算机视觉	心血管疾病	对比增强超声	深度学习多任务模型	图像, 视频	NA	NA	NA	Dice系数, 准确率	NA
525	2025-06-22	Deep learning-designed dynamics 2025-Jun-20, Nature chemical biology IF:12.9Q1 DOI:10.1038/s41589-025-01963-8 PMID:40542166	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
526	2025-10-06	A primer on variational inference for physics-informed deep generative modelling 2025-Jun-19, Philosophical transactions. Series A, Mathematical, physical, and engineering sciences DOI:10.1098/rsta.2024.0324 PMID:40534291	综述	本文系统介绍了变分推断在物理信息深度生成建模中的理论基础与实践方法	将变分推断与深度学习相结合，为物理正反问题提供统一的贝叶斯推断框架，强调不确定性量化的灵活性	未提供具体应用案例的性能对比数据	为科学界提供解决物理基础问题的变分推断方法论，特别关注不确定性量化	物理正反问题的生成建模与反演任务	机器学习	NA	变分推断	深度生成模型	物理模型数据	NA	NA	NA	不确定性量化准确度	NA
527	2025-10-06	Applying a multi-task and multi-instance framework to predict axillary lymph node metastases in breast cancer 2025-Jun-18, NPJ precision oncology IF:6.8Q1 DOI:10.1038/s41698-025-00971-0 PMID:40533499	研究论文	提出一种结合多任务学习和多示例学习的深度学习框架，用于预测乳腺癌腋窝淋巴结转移状态	首次将多任务学习与多示例学习结合，模拟真实临床多视图联合预测场景，使用Transformer模型Segformer作为网络主干	未明确说明样本数据的具体来源和采集标准	开发能够辅助临床医生评估乳腺癌腋窝淋巴结转移状态的深度学习工具	乳腺癌患者的原发性肿瘤和腋窝淋巴结超声图像	计算机视觉	乳腺癌	超声成像	Transformer	医学图像	训练队列和内外测试队列（具体数量未明确）	NA	Segformer	AUC, 敏感度, 特异度	NA
528	2025-10-06	Quality appraisal of radiomics-based studies on chondrosarcoma using METhodological RadiomICs Score (METRICS) and Radiomics Quality Score (RQS) 2025-Jun-18, Insights into imaging IF:4.1Q1 DOI:10.1186/s13244-025-02016-3 PMID:40533701	研究论文	使用METRICS和RQS评估骨软骨肉瘤影像组学研究的质量	首次在骨软骨肉瘤领域系统应用METRICS和RQS两种质量评估工具进行方法学质量评价	纳入研究均为回顾性设计，缺乏前瞻性研究和深度学习分析，外部测试数据集和开放科学数据使用有限	评估骨软骨肉瘤影像组学研究的方法学质量	骨软骨肉瘤影像组学研究文献	医学影像分析	软骨肉瘤	影像组学分析	NA	医学影像（MRI、CT）	18篇研究论文	NA	NA	组内相关系数（ICC）	NA
529	2025-10-06	A Meta-Analysis of the Diagnostic Test Accuracy of Artificial Intelligence for Predicting Emergency Department Revisits 2025-Jun-16, Journal of medical systems IF:3.5Q2 DOI:10.1007/s10916-025-02210-2 PMID:40522351	荟萃分析	通过荟萃分析评估人工智能在预测急诊科复诊方面的诊断准确性	首次对AI预测急诊复诊的诊断性能进行系统性量化评估，并识别研究间异质性的影响因素	纳入研究数量有限（20篇），存在研究间异质性，部分亚组分析样本量较小	评估AI预测急诊科复诊的性能并识别研究异质性来源	急诊科复诊患者	机器学习	急诊医学	机器学习、深度学习、人工智能技术	NA	医疗数据	20篇研究包含27个AI模型	NA	NA	敏感度,特异度,AUROC	NA
530	2025-10-06	Hybrid adaptive attention deep supervision-guided U-Net for breast lesion segmentation in ultrasound computed tomography images 2025-Jun-09, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-025-03377-z PMID:40488959	研究论文	提出一种混合自适应注意力深度监督引导的U-Net网络用于乳腺超声计算机断层扫描图像中的病灶分割	使用混合自适应注意力模块替代传统采样卷积模块以扩大感受野并提取全局特征，同时应用对比损失进行深度监督以减少上采样过程中的信息损失	NA	开发自动化乳腺癌诊断系统用于早期筛查乳腺病灶	乳腺超声计算机断层扫描图像中的乳腺病灶	计算机视觉	乳腺癌	超声计算机断层扫描	CNN	图像	两个UCT图像数据集HCH和HCH-PHMC	NA	U-Net	Dice系数,IoU	NA
531	2025-10-06	Classification of pediatric video capsule endoscopy images for small bowel abnormalities using deep learning models 2025-Jun-07, World journal of gastroenterology IF:4.3Q1 DOI:10.3748/wjg.v31.i21.107601 PMID:40538507	研究论文	本研究使用深度学习模型对儿科视频胶囊内镜图像中的小肠异常病变进行自动分类	首次针对儿科患者视频胶囊内镜图像开发深度学习分类模型，比较了多种先进模型在儿科小肠病变分类中的性能	回顾性研究，样本量相对有限（162例患者），仅来自单一医疗中心	开发自动分类儿科小肠病变的深度学习工具，提高诊断效率和准确性	儿科患者的小肠视频胶囊内镜图像	计算机视觉	小肠疾病	视频胶囊内镜	CNN, Transformer	图像	162例儿科患者的2298张高分辨率图像	NA	DenseNet121, VGG-16, ResNet50, Vision Transformer	准确率, 精确率, 召回率, F1分数, AU-ROC	NA
532	2025-10-06	Trajectory-Ordered Objectives for Self-Supervised Representation Learning of Temporal Healthcare Data Using Transformers: Model Development and Evaluation Study 2025-Jun-04, JMIR medical informatics IF:3.1Q2 DOI:10.2196/68138 PMID:40465350	研究论文	本研究开发了一种名为TOO-BERT的Transformer模型，通过整合轨迹顺序目标来改进电子健康记录序列的建模	提出了轨迹顺序目标(TOO)，通过区分有序医疗代码序列与置换序列来增强模型对时间依赖关系的理解	研究仅在两个特定数据集上验证，需要更多外部验证来确认泛化能力	改进电子健康记录序列建模，更好地捕捉复杂时间依赖关系	电子健康记录中的患者轨迹数据	自然语言处理	心力衰竭,阿尔茨海默病	电子健康记录分析	Transformer	序列医疗数据	MIMIC-IV约1000万医疗代码，MDC约800万医疗代码	NA	BERT,TOO-BERT	AUC	NA
533	2025-10-06	Screening and Risk Analysis of Atrial Fibrillation After Radiotherapy for Breast Cancer: Protocol for the Cross-Sectional Cohort Study "Watch Your Heart (WATCH)" 2025-Jun-04, JMIR research protocols IF:1.4Q3 DOI:10.2196/67875 PMID:40466092	研究论文	本研究通过智能手表监测和深度学习算法，评估乳腺癌放疗后房颤发生率和心脏辐射暴露的关联	首次结合智能穿戴设备长期监测和深度学习自动分割技术，系统研究乳腺癌放疗后房颤的发生机制	样本量相对有限（200例），仅针对65岁以上患者，研究结果可能不适用于更年轻人群	评估乳腺癌放疗后5年内房颤发生率，探索心脏辐射暴露与房颤发生的关联	200名65岁以上、5年前接受放疗且无房颤病史的乳腺癌患者	数字病理	心血管疾病	心电图, 经胸超声心动图, 智能手表监测, 深度学习自动分割	深度学习	医疗影像, 生理信号, 临床数据	200名乳腺癌患者	NA	NA	统计功效, 发生率差异	NA
534	2025-10-06	Automated periodontal assessment in orthodontic patients: a dual CNN framework 2025-Jun-02, Clinical oral investigations IF:3.1Q1 DOI:10.1007/s00784-025-06410-5 PMID:40455084	研究论文	开发基于卷积神经网络的双模型系统，用于正畸患者口腔图像中的牙结石、牙菌斑、牙龈增生和牙龈炎症的自动诊断	提出结合YOLOv8和U-Net+ResNet50的双CNN框架，实现正畸患者口腔疾病的自动化评估	最终诊断结论仍需依赖临床医生的专业知识和判断	开发基于深度学习的牙周疾病自动评估系统	正畸患者的牙结石、牙菌斑、牙龈增生和牙龈炎症	计算机视觉	牙周疾病	口腔内图像分析	CNN	图像	1000张正畸患者侧位和正面口腔内图像	NA	YOLOv8, U-Net, ResNet50	准确率, 精确率, 召回率, F1分数, Tversky损失, 交并比, 平均精度均值, Dice系数, Cohen's kappa	NA
535	2025-06-06	Intrapartum electronic fetal monitoring: the importance of accurate signal capture to harness the potential of deep learning 2025-Jun-02, American journal of obstetrics and gynecology IF:8.7Q1 DOI:10.1016/j.ajog.2025.05.026 PMID:40466886	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
536	2025-10-06	Predicting hemorrhagic transformation in acute ischemic stroke: a systematic review, meta-analysis, and methodological quality assessment of CT/MRI-based deep learning and radiomics models 2025-Jun, Emergency radiology IF:1.7Q3 DOI:10.1007/s10140-025-02336-3 PMID:40133723	系统评价与荟萃分析	评估基于CT/MRI的深度学习和影像组学模型在预测急性缺血性脑卒中出血转化方面的准确性和实用性	首次对深度学习和影像组学模型预测出血转化进行系统性比较，并评估临床组合模型的优越性能	存在中度至重度异质性，参考标准不一致且外部验证有限	预测急性缺血性脑卒中患者的出血转化以优化治疗策略	急性缺血性脑卒中患者	医学影像分析	急性缺血性脑卒中	CT/MRI影像分析	深度学习, 影像组学	医学影像	16项研究共3,083名参与者	NA	NA	AUC, 敏感度, 特异度	NA
537	2025-10-06	Evaluating anti-VEGF responses in diabetic macular edema: A systematic review with AI-powered treatment insights 2025-Jun-01, Indian journal of ophthalmology IF:2.1Q2 DOI:10.4103/IJO.IJO_1810_24 PMID:40434455	系统综述	本文系统评估了人工智能技术在糖尿病黄斑水肿抗VEGF治疗反应预测中的应用	首次系统整合深度学习与机器学习算法用于DME患者抗VEGF治疗反应的自动化评估	纳入研究数量有限（50篇），时间范围仅限于2016-2023年	评估人工智能算法在预测糖尿病黄斑水肿患者抗VEGF治疗反应中的效能	接受抗VEGF注射治疗的糖尿病黄斑水肿患者	数字病理学	糖尿病黄斑水肿	OCT成像	LDA, CNN, QDA, RF, SVM	医学影像	基于50篇相关文献的系统综述	NA	ResNet-50, 带注意力机制的CNN	灵敏度	NA
538	2025-10-06	Exploratory multi-cohort, multi-reader study on the clinical utility of a deep learning model for transforming cryosectioned to formalin-fixed, paraffin-embedded (FFPE) images in breast lesion diagnosis 2025-Jun-17, Breast cancer research : BCR IF:6.1Q1 DOI:10.1186/s13058-025-02064-z PMID:40528232	研究论文	开发并验证一种深度学习模型，将冷冻切片图像转换为福尔马林固定石蜡包埋样图像以提升乳腺病变诊断性能	采用改进的生成对抗网络结合注意力机制校正伪影，并引入自正则化约束保留临床重要特征	诊断一致性在两组间相似，图像质量较差病例和低年资病理医生诊断准确性较低	提升术中冷冻切片诊断准确性	乳腺病变组织	数字病理	乳腺癌	全切片图像分析	GAN	图像	132例冷冻切片全切片图像，来自三个队列（SYSUCC、GSPCH、TCGA），共1584次病理医生读片	NA	改进的生成对抗网络（含注意力机制）	诊断评分，准确率指数，置信度，一致性率	NA
539	2025-10-06	Recent advances in deep learning for protein-protein interaction: a review 2025-Jun-16, BioData mining IF:4.0Q1 DOI:10.1186/s13040-025-00457-6 PMID:40524189	综述	系统评估2021至2025年深度学习在蛋白质-蛋白质相互作用预测领域的最新进展	全面评估注意力驱动的Transformer、多任务框架、序列与结构数据多模态整合、基于BERT和ESM的迁移学习以及用于相互作用表征的自编码器等创新方法	作为综述文章，不包含原始实验数据，主要依赖现有文献分析	改进蛋白质-蛋白质相互作用的分析方法并拓展生物医学应用范围	蛋白质-蛋白质相互作用	计算生物学	NA	深度学习	GNN, CNN, RNN, Transformer, BERT, ESM, Autoencoder	序列数据, 结构数据	NA	NA	Transformer, BERT, ESM, Autoencoder	NA	NA
540	2025-10-06	The Bayesian mixture expert recognition model for tobacco leaf curing stages based on feature fusion 2025-Jun-16, Plant methods IF:4.7Q1 DOI:10.1186/s13007-025-01384-7 PMID:40524222	研究论文	提出一种基于特征融合的贝叶斯混合专家识别模型，用于烟草叶片烘烤阶段的精确识别	通过多种特征融合方法和贝叶斯优化集成多个深度学习模型，结合自适应调整和专家协作机制来识别复杂动态视觉特征	NA	提高烟草叶片烘烤阶段识别的准确性和鲁棒性	烟草叶片在不同烘烤阶段的图像	计算机视觉	NA	深度学习特征提取，传统特征提取	CNN	图像	NA	NA	ResNet34, MobileNetV2, EfficientNetb0	准确率	NA