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
1561	2025-10-06	Time-series deep learning and conformal prediction for improved sepsis diagnosis in primarily Non-ICU hospitalized patients 2025-Jul, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110497 PMID:40450820	研究论文	开发了一种基于深度学习和保形预测的时间序列模型，用于改善非ICU住院患者的脓毒症早期诊断	结合深度学习和保形预测框架，专门针对非ICU环境设计，显著降低误报率并提高特异性	研究主要基于MIMIC-IV和eICU-CRD数据集，需要在更多真实临床环境中验证	改善非ICU住院患者的脓毒症早期诊断，降低误报率	非ICU住院患者	医疗人工智能	脓毒症	深度学习，保形预测	深度学习模型	时间序列医疗数据	83,813名患者用于训练，eICU-CRD数据集用于验证	NA	时间序列深度学习模型	AUROC，特异性，误报率	NA
1562	2025-10-06	Current trends in glioma tumor segmentation: A survey of deep learning modules 2025-Jul, Physica medica : PM : an international journal devoted to the applications of physics to medicine and biology : official journal of the Italian Association of Biomedical Physics (AIFB) DOI:10.1016/j.ejmp.2025.104988 PMID:40460759	综述	本文综述了深度学习模块在胶质瘤肿瘤分割中的当前趋势，通过消融研究评估了各种附加模块对分割性能的影响	系统评估了扩张卷积、初始模块、注意力机制、Transformer和混合模块等先进模块对胶质瘤分割性能的增强作用	需要进一步改进模型可解释性、降低计算成本并提升泛化能力	评估深度学习附加模块在胶质瘤MRI图像分割中的性能影响	脑胶质瘤肿瘤图像分割	计算机视觉	脑胶质瘤	多参数磁共振成像(mpMRI)	CNN, Transformer	医学影像	脑肿瘤分割(BraTS)数据集，包含低级别和高级别胶质瘤	NA	atrous convolutions, inception, attention, transformer, hybrid modules	Dice系数	NA
1563	2025-10-06	U2-Attention-Net: a deep learning automatic delineation model for parotid glands in head and neck cancer organs at risk on radiotherapy localization computed tomography images 2025-Jul, Physica medica : PM : an international journal devoted to the applications of physics to medicine and biology : official journal of the Italian Association of Biomedical Physics (AIFB) DOI:10.1016/j.ejmp.2025.105024 PMID:40499410	研究论文	开发了一种名为U2-Attention-Net的深度学习模型，用于头颈癌放疗定位CT图像中腮腺的精确分割	提出了结合不同注意力机制（sSE和cSE）的U2A-Net模型，在腮腺分割任务中表现优于现有模型	样本量相对较小（79例患者），需要更大规模数据验证模型泛化能力	开发精确的腮腺自动分割模型以辅助头颈癌放疗规划	头颈癌患者的放疗定位CT图像	医学图像分割	头颈癌	CT成像	深度学习分割模型	CT图像	79例头颈癌患者（训练集60例，验证集6例，测试集13例）	NA	U2-Attention-Net, U-Net, Attention U-Net, DeepLabV3+, TransUNet	DSC, JSC, PPV, SE, HD, RVD, VOE	NA
1564	2025-10-06	Automated segmentation of target volumes in breast cancer radiotherapy, impact on target size and dose to organs at risk 2025-Jul, Clinical and translational radiation oncology IF:2.7Q2 DOI:10.1016/j.ctro.2025.100986 PMID:40529410	研究论文	比较深度学习模型与临床标准在乳腺癌放疗靶区勾画中对靶区大小和危及器官剂量的影响	首次系统评估深度学习模型在考虑临床数据（如肿瘤位置）情况下对乳腺癌放疗靶区勾画和剂量分布的影响	研究基于假设性乳腺癌患者，样本量有限（10-14个中心），且仅评估3D适形放疗	评估深度学习模型在乳腺癌放疗靶区勾画中的临床应用价值	乳腺癌放疗靶区（乳腺、I-IV级淋巴结、内乳淋巴结）和危及器官	数字病理	乳腺癌	深度学习，3D适形放疗计划	深度学习模型	CT影像，临床数据	10个中心的乳腺CTV，11个中心的淋巴结CTV，14个中心的内乳淋巴结CTV	Raystation, MVision	NA	几何重叠度，靶区体积，危及器官剂量	NA
1565	2025-10-06	Deep Learning for Detecting and Subtyping Renal Cell Carcinoma on Contrast-Enhanced CT Scans Using 2D Neural Network with Feature Consistency Techniques 2025-Jul, The Indian journal of radiology & imaging DOI:10.1055/s-0044-1800804 PMID:40529970	研究论文	本研究开发了一种基于2D神经网络和特征一致性技术的深度学习算法，用于在CT扫描中检测和分型肾细胞癌	首次将空间一致性和类别一致性模块集成到2D神经网络架构中，用于肾细胞癌的检测和分型	回顾性研究设计，样本量相对有限（196例患者），仅使用皮质髓质期图像	开发用于肾细胞癌检测和分型的深度学习算法	196例经组织病理学证实的肾细胞癌患者（143例透明细胞癌，53例非透明细胞癌）	计算机视觉	肾细胞癌	CT扫描	CNN	医学图像	196例肾细胞癌患者的CT扫描图像	NA	FocalNet-DINO	召回率, 特异性, 准确率, F1分数, AUC	NA
1566	2025-10-06	NLP-based ergonomics MSD risk root cause analysis and risk controls recommendation 2025-Jul, Ergonomics IF:2.0Q3 DOI:10.1080/00140139.2024.2394510 PMID:39189206	研究论文	提出一种基于自然语言处理的工效学MSD风险根因分析与控制推荐系统	首次将深度学习NLP技术应用于工效学风险评估，实现从风险评分到根因分析和控制建议的完整流程	依赖专家知识构建的机器学习系统，可能受限于专家知识的覆盖范围	开发自动化的工效学风险评估与改进系统，预防肌肉骨骼疾病	工作场所中的物理动作描述和操作对象	自然语言处理	肌肉骨骼疾病	自然语言处理，词性标注，依存句法分析	深度学习	文本	NA	NA	NA	NA	NA
1567	2025-10-06	Comparison of different dental age estimation methods with deep learning: Willems, Cameriere-European, London Atlas 2025-Jul, International journal of legal medicine IF:2.2Q1 DOI:10.1007/s00414-025-03452-y PMID:39969569	研究论文	比较Willems、Cameriere-Europe、London Atlas和深度学习方法在土耳其儿童全景X光片上的牙齿年龄估计效果	首次将深度学习方法与传统牙齿年龄估计方法（Willems、Cameriere-Europe、London Atlas）在土耳其儿童人群中进行系统性比较	研究仅针对土耳其儿童人群，样本量为1169人，结果可能不适用于其他人群	评估不同牙齿年龄估计方法在土耳其儿童中的准确性和适用性	土耳其儿童的全景X光片	计算机视觉	NA	全景X光成像	CNN	医学影像	1169名土耳其儿童（613名女孩，556名男孩）	TensorFlow	卷积神经网络	Akaike信息准则, Bayesian-Schwarz准则, 均方根误差, 决定系数, 组内相关系数	NA
1568	2025-10-06	Comparison of CNNs and Transformer Models in Diagnosing Bone Metastases in Bone Scans Using Grad-CAM 2025-Jul-01, Clinical nuclear medicine IF:9.6Q1 DOI:10.1097/RLU.0000000000005898 PMID:40237349	研究论文	比较CNN和Transformer模型在骨扫描中诊断骨转移的性能，并使用Grad-CAM进行可视化分析	首次探索ConvNeXt和Transformer模型在骨扫描中检测骨转移的应用，并与传统CNN模型进行性能比较	回顾性研究，数据来自两个医疗机构，样本量有限	评估不同深度学习模型在骨扫描中诊断转移性病灶的性能	癌症患者的骨扫描图像	计算机视觉	骨转移癌	骨扫描	CNN, Transformer	医学图像	训练验证集4626例（医院1），测试集1428例（医院2）	NA	ResNet18, DeiT, ViT Large 16, Swin Base, ConvNeXt Large	准确率	NA
1569	2025-10-06	Multi-site, multi-vendor development and validation of a deep learning model for liver stiffness prediction using abdominal biparametric MRI 2025-Jul, European radiology IF:4.7Q1 DOI:10.1007/s00330-024-11312-3 PMID:39779515	研究论文	开发并验证基于深度学习的模型，使用腹部双参数MRI预测肝脏硬度	首个在多中心、多厂商环境下开发和验证的深度学习模型，能够使用常规临床双参数MRI数据替代MRE评估肝脏硬度	模型性能在不同验证场景中存在差异，外部验证性能相对较低	开发深度学习模型用于预测MRI弹性成像衍生的肝脏硬度	成人和儿童慢性肝病患者	医学影像分析	慢性肝病	MRI, MRE	深度学习	医学影像(T1加权和T2加权MRI)	4295名患者的4695次MRI检查	NA	DeepLiverNet2.0	AUROC	NA
1570	2025-10-06	ReorderBench: A Benchmark for Matrix Reordering 2025-Jul, IEEE transactions on visualization and computer graphics IF:4.7Q1 DOI:10.1109/TVCG.2025.3560345 PMID:40227900	研究论文	本文构建了一个用于评估和改进矩阵重排技术的基准测试ReorderBench	提出了基于卷积和熵的评分方法，并创建了包含数百万生成矩阵和真实世界矩阵的综合性基准	NA	评估和改进矩阵重排技术	矩阵重排算法和视觉模式识别	机器学习	NA	矩阵重排技术	深度学习模型	矩阵数据	2,835,000个二值矩阵，5,670,000个连续矩阵，450个真实世界矩阵	NA	NA	基于卷积和熵的评分方法	NA
1571	2025-10-06	Agreement between Routine-Dose and Lower-Dose CT with and without Deep Learning-based Denoising for Active Surveillance of Solid Small Renal Masses: A Multiobserver Study 2025-Jul, Radiology. Imaging cancer DOI:10.1148/rycan.240250 PMID:40512032	研究论文	评估常规剂量与低剂量CT扫描在肾小肿块主动监测中的一致性，并研究深度学习去噪技术的作用	首次系统评估深度学习去噪技术在低剂量CT肾小肿块监测中的应用价值	回顾性研究，样本量相对有限（70例患者）	评估低剂量CT扫描在肾小肿块主动监测中的可行性和准确性	接受肾小肿块主动监测的患者	医学影像	肾脏肿瘤	CT扫描，深度学习去噪	深度学习	医学影像	70例患者（48男，22女），350次CT扫描	NA	NA	LOAM，Gwet AC2系数，图像质量评分，噪声水平，对比噪声比	NA
1572	2025-10-06	ConsAMPHemo: A computational framework for predicting hemolysis of antimicrobial peptides based on machine learning approaches 2025-Jul, Protein science : a publication of the Protein Society IF:4.5Q1 DOI:10.1002/pro.70087 PMID:40519190	研究论文	提出基于深度学习的计算框架ConsAMPHemo，用于预测抗菌肽的溶血活性	开发两阶段深度学习框架，同时实现抗菌肽溶血活性的二元分类和溶血浓度回归预测	NA	通过机器学习方法预测抗菌肽的溶血活性，降低药物安全性评估成本	抗菌肽(AMPs)	机器学习	NA	深度学习	深度学习模型	序列数据	三个独立数据集	NA	NA	准确率, Pearson相关系数	NA
1573	2025-10-06	PCKRF: Point Cloud Completion and Keypoint Refinement With Fusion Data for 6D Pose Estimation 2025-Jul, IEEE transactions on visualization and computer graphics IF:4.7Q1 DOI:10.1109/TVCG.2024.3390122 PMID:38630565	研究论文	提出一种用于6D姿态估计的点云补全与关键点优化新流程PCKRF	提出融合姿态敏感的点云补全网络和色彩支持的迭代关键点配准方法，在姿态优化中引入颜色信息并增强稳定性	NA	提升6D姿态估计的精度和稳定性	点云数据，纹理缺失和对称物体	计算机视觉	NA	点云处理，深度学习	神经网络	点云数据，颜色信息	NA	NA	姿态敏感点云补全网络	姿态估计精度，稳定性	NA
1574	2025-06-18	Multitask Deep Learning for Automated Detection of Endoleak at Digital Subtraction Angiography during Endovascular Aneurysm Repair 2025-07, Radiology. Artificial intelligence DOI:10.1148/ryai.240392 PMID:40266029	research paper	开发并评估一种新型多任务深度学习框架，用于在真实世界的腹主动脉瘤血管内修复术（EVAR）过程中自动检测和定位主动脉数字减影血管造影（DSA）中的内漏	提出了一种基于多任务学习的卷积神经网络，用于内漏的自动检测和定位，性能优于人类专家	研究为回顾性设计，样本量相对较小（220例患者）	开发自动化工具以提高EVAR手术中内漏检测的准确性和效率	接受EVAR手术患者的主动脉DSA图像	digital pathology	cardiovascular disease	digital subtraction angiography	CNN	image	220例患者（中位年龄74岁，181名男性）	NA	NA	NA	NA
1575	2025-06-18	Automated classification of oral potentially malignant disorders and oral squamous cell carcinoma using a convolutional neural network framework: a cross-sectional study 2025-Jul, Lancet regional health. Americas DOI:10.1016/j.lana.2025.101138 PMID:40519355	研究论文	本研究旨在开发和评估用于自动分类口腔潜在恶性病变（OPMD）和口腔鳞状细胞癌（OSCC）临床图像的AI模型，并探索使用Grad-CAM进行可解释性分析	采用深度学习方法和Grad-CAM技术，实现了对OPMD和OSCC临床图像的自动分类，并探索了模型的可解释性	研究仅进行了内部测试，未进行外部验证	开发AI模型以辅助口腔潜在恶性病变和口腔鳞状细胞癌的诊断	口腔潜在恶性病变（OPMD）和口腔鳞状细胞癌（OSCC）的临床图像	计算机视觉	口腔癌	深度学习	CNN（包括ConvNeXt和MobileNet）	图像	778张临床图像	NA	NA	NA	NA
1576	2025-06-18	Deep learning can predict global earthquake-triggered landslides 2025-Jul, National science review IF:16.3Q1 DOI:10.1093/nsr/nwaf179 PMID:40520459	research paper	该研究开发了一个深度学习模型，用于预测全球范围内地震引发的滑坡概率	首次构建了包含过去50年38次最灾难性地震引发的约40万个滑坡的全球数据库，并开发了无需依赖当地先验知识的深度学习模型	模型虽然具有较高的空间准确性（约82%），但仍可能存在特定地区或地震类型下的预测偏差	提高地震触发滑坡的预测速度和准确性，以支持灾害快速响应和事前规划	全球范围内的地震触发滑坡	machine learning	NA	深度学习	深度学习模型	滑坡数据库	约40万个滑坡数据，涉及38次重大地震	NA	NA	NA	NA
1577	2025-10-06	A novel approach for estimating postmortem intervals under varying temperature conditions using pathology images and artificial intelligence models 2025-Jul, International journal of legal medicine IF:2.2Q1 DOI:10.1007/s00414-025-03447-9 PMID:40019556	研究论文	本研究提出了一种利用病理组织图像和人工智能模型在不同温度条件下估计死后间隔的新方法	首次将病理组织图像与人工智能相结合，开发出能够在三种不同温度条件下进行死后间隔估计的预测模型	模型在WSI级别的性能相对较低（AUC 0.800），且仅在三种特定温度条件下验证	开发准确可靠的死后间隔估计方法以支持法医调查	死后组织样本的病理图像	数字病理学	法医病理学	数字病理图像分析	CNN	图像	未明确说明样本数量	未明确说明	ResNet50	AUC	NA
1578	2025-10-06	The impact of multi-modality fusion and deep learning on adult age estimation based on bone mineral density 2025-Jul, International journal of legal medicine IF:2.2Q1 DOI:10.1007/s00414-025-03432-2 PMID:40100354	研究论文	本研究通过多模态融合和深度学习技术，基于骨密度数据提升成人年龄估计的准确性	首次将多模态融合策略与深度学习相结合应用于基于骨密度的年龄估计，显著提高了预测精度和泛化能力	研究数据主要来自中国人群，需要在其他种族群体中进行进一步验证	提高基于骨密度的成人年龄估计准确性	中国人群的CT扫描数据，包括腰椎、股骨和耻骨模态	医学影像分析	老年疾病	CT扫描	深度学习	医学影像	4296个CT扫描用于训练，内部验证644个扫描，外部尸体验证351个扫描	NA	NA	平均绝对误差(MAE), 皮尔逊R²	NA
1579	2025-10-06	Integration of metabolomics and machine learning for precise management and prevention of cardiometabolic risk in Asians 2025-Jul, Clinical nutrition (Edinburgh, Scotland) DOI:10.1016/j.clnu.2025.05.011 PMID:40414052	研究论文	本文探讨如何整合代谢组学与机器学习技术，用于亚洲人群心血管代谢风险的精准管理与预防	首次系统整合代谢组学与机器学习技术，针对亚洲人群心血管代谢风险特征开发精准预防策略	存在跨种族结果解释困难、研究设计局限、分析平台变异性和数据处理方法不一致等挑战	开发针对亚洲人群心血管代谢疾病的精准预防和干预策略	亚洲人群的心血管代谢疾病风险	机器学习	心血管代谢疾病	代谢组学，多组学数据整合	深度学习	代谢组学数据	NA	NA	NA	NA	NA
1580	2025-06-17	A Deep Learning Model Based on High-Frequency Ultrasound Images for Classification of Different Stages of Liver Fibrosis 2025-Jul, Liver international : official journal of the International Association for the Study of the Liver IF:6.0Q1 DOI:10.1111/liv.70148 PMID:40515461	研究论文	开发基于高频超声图像的深度学习模型，用于分类慢性乙型肝炎患者肝纤维化的不同阶段	使用高频超声图像训练深度学习模型，在肝纤维化分类中表现优于低频超声模型及其他非侵入性方法	回顾性多中心研究，可能存在选择偏倚	开发并评估基于高频超声图像的深度学习模型在肝纤维化分类中的诊断价值	慢性乙型肝炎患者	数字病理	肝纤维化	高频超声成像	CNN	图像	多中心研究，涉及六家医院2014年1月至2024年8月的患者数据	NA	NA	NA	NA