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
21	2025-07-25	A multi-stage 3D convolutional neural network algorithm for CT-based lung segment parcellation 2025-Aug, Journal of applied clinical medical physics IF:2.0Q3 DOI:10.1002/acm2.70193 PMID:40698834	研究论文	本文提出了一种基于深度学习的CT图像肺段分割算法，用于评估肺通气和灌注的区域异质性	开发了一种多阶段3D卷积神经网络算法，能够直接从胸部CT图像进行端到端的肺段分割	COPD患者的肺段分割结果与健康对照组相比存在较大差异	验证和展示基于深度学习的CT肺段分割在临床混合气道疾病患者中的适用性	混合气道疾病患者和健康个体的胸部CT图像	数字病理	慢性阻塞性肺疾病(COPD)	3D卷积神经网络	CNN	CT图像	123张训练用胸部CT图像和40张验证用CT图像（20张来自训练集，20张前瞻性收集：10名健康人和10名COPD患者）
22	2025-07-25	Development and validation of a SOTA-based system for biliopancreatic segmentation and station recognition system in EUS 2025-Aug, Surgical endoscopy DOI:10.1007/s00464-025-11858-3 PMID:40551029	research paper	开发并验证了一种基于SOTA的EUS系统，用于胆胰分割和站点识别	结合多种SOTA深度学习算法，构建了EUS-AI系统，显著提高了胆胰疾病诊断的准确性和效率	研究仅基于特定数据集，未涉及更广泛的患者群体或不同医疗中心的验证	开发AI辅助的EUS系统，提高胆胰疾病的诊断准确性和效率	胆胰疾病患者的EUS图像	digital pathology	biliopancreatic disease	EUS	Mean Teacher, U-Net v2, ResNet-50, YOLOv8	image	45,737张EUS图像来自1,852名患者，其中2,881张用于内部测试，2,747张来自208名患者用于外部验证，340张用于人机竞赛测试
23	2025-07-25	Gradient-driven pixel connectivity convolutional neural networks classification based on U-Net lung nodule segmentation 2025-Aug, Medical engineering & physics IF:1.7Q3 DOI:10.1016/j.medengphy.2025.104376 PMID:40701761	研究论文	本研究提出了一种基于深度学习的诊断辅助系统，用于从CT图像中早期检测和分类肺结节	结合U-Net卷积神经网络进行语义分割，以及后续的特征提取和选择，再通过另一个卷积神经网络进行分类	未提及样本多样性或外部验证集的性能	提高肺结节的早期检测和分类准确性，以改善肺癌患者的治疗效果	肺结节	数字病理学	肺癌	深度学习	U-Net, CNN	图像	基于LUNA16数据集
24	2025-07-25	An enhanced UHMWPE wear particle detection approach based on YOLOv9 2025-Aug, Medical engineering & physics IF:1.7Q3 DOI:10.1016/j.medengphy.2025.104377 PMID:40701762	研究论文	本研究提出了一种基于深度学习的增强YOLOv9模型，用于自动化检测超高分子量聚乙烯（UHMWPE）磨损颗粒，旨在解决传统手动检测方法的不足	采用改进的YOLOv9模型，结合可编程梯度信息（PGI）和广义高效层聚合网络（GELAN）提升小物体定位和检测精度，并集成自定义Focal Loss函数以解决类别不平衡问题	NA	开发一种高精度、可扩展且经济高效的自动化检测方法，用于UHMWPE磨损颗粒的检测，以改善骨科和脊柱植入物的监测和临床决策	超高分子量聚乙烯（UHMWPE）磨损颗粒	计算机视觉	骨科疾病	场发射枪扫描电子显微镜（FEG-SEM）成像	YOLOv9	图像	NA
25	2025-07-25	BanglaTaka: A dataset for classification of Bangladeshi banknotes 2025-Aug, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2025.111853 PMID:40703564	research paper	本文介绍了BanglaNotes数据集，用于孟加拉国纸币面额分类	提出了一个高质量且具有一致性的孟加拉国纸币数据集，支持金融自动化和深度学习分类算法的研究	数据集中仅包含孟加拉国的纸币，可能不适用于其他国家的纸币分类	推动纸币分类和识别领域的创新与研究	孟加拉国纸币	computer vision	NA	NA	NA	image	5073张孟加拉国纸币图像，涵盖9种面额（2、5、10、20、50、100、200、500和1000 BDT）
26	2025-07-25	Benford's Law in histology 2025-Aug, Journal of pathology informatics DOI:10.1016/j.jpi.2025.100458 PMID:40704058	研究论文	探讨Benford定律在数字病理学中的应用，用于分析正常与癌变肝细胞的差异	首次将Benford定律应用于数字病理学中的全切片图像分析，提供了一种快速分析大数据集的新方法	QuPath无法准确区分所有细胞质边界，导致部分尺寸测量类别无法使用	探索Benford定律在数字病理学中的应用潜力	正常肝细胞和肝癌细胞的数字病理切片	数字病理学	肝癌	定量组织形态计量学	NA	图像	20张切片（15张来自7名癌症患者，5张来自正常肝组织），共323,039个细胞
27	2025-07-25	Modelling the liver's regenerative capacity across different clinical conditions 2025-Aug, JHEP reports : innovation in hepatology IF:9.5Q1 DOI:10.1016/j.jhepr.2025.101465 PMID:40704068	研究论文	本研究通过系统生物学和机器学习方法，识别了不同临床条件下小鼠模型中肝脏再生的关键转录组、蛋白质组和血清生物标志物	开发了一种新颖的对比深度学习框架，结合三重损失函数，用于映射再生轨迹并识别与再生效率相关的基因	研究仅基于小鼠模型，结果在人类中的适用性需要进一步验证	识别不同临床条件下肝脏再生的关键分子标志物，评估再生能力	小鼠模型（包括年轻雄性、雌性、老年小鼠、2期纤维化、脂肪变性和他克莫司暴露模型）	机器学习	肝脏疾病	转录组测序、蛋白质组分析、SPLiT-seq	对比深度学习框架（triplet loss）	转录组数据、蛋白质组数据、血清生物标志物数据	6种小鼠模型，每种模型进行75%肝切除术
28	2025-07-24	Explainable attention-enhanced heuristic paradigm for multi-view prognostic risk score development in hepatocellular carcinoma 2025-Aug, Hepatology international IF:5.9Q1 DOI:10.1007/s12072-025-10793-8 PMID:40089963	研究论文	本研究提出了一种新型深度学习辅助范式，通过生成可解释的多视角风险评分来分层肝细胞癌（HCC）患者的预后风险	引入了一种可解释的注意力增强启发式范式，结合微观到宏观的多视角风险评分系统，提高了预后分层的准确性	研究依赖于内部和外部数据集，可能受到数据来源和样本量的限制	开发一种可解释的多视角预后风险评分系统，以改进肝细胞癌患者的预后分层	肝细胞癌（HCC）患者	数字病理学	肝细胞癌	深度学习	神经网络	图像	内部数据集（SYSUCC）510例HCC患者，外部测试队列（TCGA-LIHC）341例HCC患者
29	2025-07-24	Multimodal integration of longitudinal noninvasive diagnostics for survival prediction in immunotherapy using deep learning 2025-Aug-01, Journal of the American Medical Informatics Association : JAMIA IF:4.7Q1 DOI:10.1093/jamia/ocaf074 PMID:40418276	研究论文	本研究开发了一种新型的人工神经网络架构MMTSimTA，用于整合多模态纵向非侵入性诊断数据，以预测接受免疫治疗的癌症患者的生存期	提出了基于transformer的多模态时序注意力网络MMTSimTA，整合治疗前后的血液测量、处方药物和CT器官体积等多模态数据	研究仅基于694名患者的回顾性数据，需要进一步前瞻性验证	通过深度学习整合多模态数据改进免疫治疗患者的生存预测	694名接受免疫治疗的泛癌患者	数字病理学	癌症	深度学习	MMTSimTA (基于transformer的多模态时序注意力网络)	多模态数据(血液测量、处方药物、CT影像)	694名患者
30	2025-07-24	Continual learning across population cohorts with distribution shift: insights from multi-cohort metabolic syndrome identification 2025-Aug-01, Journal of the American Medical Informatics Association : JAMIA IF:4.7Q1 DOI:10.1093/jamia/ocaf070 PMID:40498469	研究论文	本研究探讨了在真实医疗环境中应用深度学习模型时，由于医院与非医院环境间的分布偏移导致的灾难性遗忘问题，并提出了一种持续学习方法以提升代谢综合征识别的模型性能	提出了一种结合持续学习策略的代谢综合征识别流程，有效缓解了分布偏移下的灾难性遗忘问题，并研究了训练顺序对模型性能的影响	研究仅基于三个医疗数据集，可能无法涵盖所有可能的分布偏移情况	解决深度学习模型在真实医疗环境部署时因分布偏移导致的灾难性遗忘问题	代谢综合征(MetS)患者	机器学习	代谢综合征	深度学习(DL)	持续学习(CL)模型	医疗数据	三个医疗数据集(来自MIMIC、NHANES和一个专有数据集)
31	2025-07-24	StarNet: Indian star gooseberries dataset for quality and maturity assessment 2025-Aug, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2025.111825 PMID:40687364	研究论文	该研究收集了印度星醋栗的数据集，用于自动化水果质量评估和成熟度分类	开发了一个名为'AmlaNet'的公开数据集，包含792张星醋栗图像样本，用于水果检测、质量评估和分类	数据集仅包含来自印度Mysuru果园的星醋栗样本，可能无法代表其他地区的品种	开发自动化计算机视觉模型以更准确评估水果质量	印度星醋栗	计算机视觉	NA	NA	NA	图像	792张星醋栗图像样本
32	2025-07-24	Okra disease dataset for classification and segmentation: Dataset collection, analysis and applications 2025-Aug, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2025.111662 PMID:40687361	research paper	本文介绍了一个用于秋葵叶片疾病分类和分割的综合数据集，包含2500张图像，涵盖健康叶片和五种疾病类别	该数据集是首个公开的印度秋葵叶片疾病数据集，捕捉了真实世界条件下的自然变化，如光照、叶片位置和环境因素	未来需要扩展数据集，包括更多不同生长阶段和环境条件下的图像，以提高模型的泛化能力和实际应用性	为早期植物疾病分类、检测和分割研究提供基准资源，推动智能农业中的机器学习疾病诊断	秋葵叶片	digital pathology	plant disease	deep learning	CNN	image	2500张秋葵叶片图像
33	2025-07-24	InterDuPa-UAV: A UAV-based dataset for the classification of intercropped durian and papaya trees 2025-Aug, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2025.111843 PMID:40687368	research paper	介绍了一个基于无人机采集的间作榴莲和木瓜树分类数据集	提出了一个专门用于间作榴莲和木瓜树分类的新型无人机数据集，支持精准农业中的多种应用	数据集仅包含两种树种的分类，可能无法涵盖其他间作植物的多样性	开发一个用于精准农业中多树种分类和空间模式分析的数据集	间作榴莲和木瓜树	computer vision	NA	无人机航拍	NA	image	311张无人机图像，包含3327张榴莲树图像和2872张木瓜树图像
34	2025-07-24	Current challenges and opportunities in active and passive data collection for mobile health sensing: a scoping review 2025-Aug, JAMIA open IF:2.5Q3 DOI:10.1093/jamiaopen/ooaf025 PMID:40688708	综述	本文探讨了移动健康感知中主动和被动数据收集的当前挑战与机遇	分析了移动健康感知中数据收集的挑战，并提出了利用机器学习和用户界面设计解决这些挑战的机会	仅包括同时收集主动和被动数据的研究，排除了使用现有数据集的研究	识别和分析移动健康感知中数据收集的挑战和机遇	移动健康感知中的数据收集	机器学习	NA	机器学习	NA	移动感知数据	77项研究
35	2025-07-24	A modular deep learning pipeline for enhanced plane-wave beamforming and B-mode image quality 2025-Aug, Medical physics IF:3.2Q1 DOI:10.1002/mp.17948 PMID:40698752	研究论文	本文介绍了一种模块化的深度学习管道，用于增强平面波波束成形和B模式图像质量	提出了一种模块化的波束成形管道，通过多注意力U-Net模型和超分辨率模型，显著提升了图像质量	需要同时管理两个模型，增加了复杂性	提升平面波超声成像的图像质量和对比度	平面波超声成像中的图像质量	医学影像处理	NA	深度学习	多注意力U-Net, 超分辨率模型	超声图像	模拟数据、实验数据和体内数据（来自PICMUS数据集）
36	2025-07-23	A systematic review: Brain age gap as a promising early diagnostic biomarker for Alzheimer's disease 2025-Aug-15, Journal of the neurological sciences IF:3.6Q2 DOI:10.1016/j.jns.2025.123563 PMID:40494037	系统综述	本文系统综述了脑年龄差距（BAG）作为阿尔茨海默病早期诊断生物标志物的研究现状	利用深度学习技术预测脑年龄，并通过脑年龄差距（BAG）作为阿尔茨海默病的早期诊断生物标志物	存在场地效应、偏差校正、数据不足、硬件需求、模型准确性和临床适用性等关键挑战	探索脑年龄差距（BAG）作为阿尔茨海默病早期诊断生物标志物的潜力	阿尔茨海默病患者和健康个体的脑部结构变化	数字病理学	阿尔茨海默病	深度学习	深度学习模型	神经影像数据	NA
37	2025-07-23	A High-resolution T2WI-based Deep Learning Model for Preoperative Discrimination Between T2 and T3 Rectal Cancer: A Multicenter Study 2025-Aug, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.03.048 PMID:40221285	研究论文	本研究构建了一个基于高分辨率T2加权图像的深度学习模型，用于术前区分T2和T3期直肠癌，并与经验丰富的放射科医生进行了性能比较	开发了一个基于DenseNet的深度学习模型，在区分T2和T3期直肠癌方面表现优于放射科医生	研究为回顾性设计，样本量相对较小，外部测试集仅包含26名患者	提高直肠癌术前分期的准确性，支持临床治疗决策	281名经病理证实的直肠癌患者	数字病理	直肠癌	高分辨率T2加权成像	DenseNet	医学影像	281名患者（来自四个中心）
38	2025-07-23	Prediction of Tumor Budding Grading in Rectal Cancer Using a Multiparametric MRI Radiomics Combined with a 3D Vision Transformer Deep Learning Approach 2025-Aug, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.03.046 PMID:40246672	研究论文	评估多参数MRI放射组学结合3D Vision Transformer深度学习模型在预测直肠癌患者肿瘤萌芽分级中的有效性	首次结合多参数MRI放射组学和3D Vision Transformer深度学习模型预测直肠癌肿瘤萌芽分级	回顾性研究设计可能引入选择偏倚，且未建立临床模型	开发非侵入性方法预测直肠癌肿瘤萌芽分级，以辅助个性化治疗和预后评估	349例直肠腺癌患者（来自两家医院）	数字病理	直肠癌	多参数MRI（T2WI、DWI、T1CE）	3D Vision Transformer (ViT)	医学影像	349例患者（187例训练集，80例内部测试集，82例外部测试集）
39	2025-05-02	Enhancing the Diagnostic Accuracy of Deep Learning-Based CTS Grading Could Expand Its Clinical Applicability 2025-Aug, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.04.022 PMID:40307112	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
40	2025-07-23	Prediction of EGFR Mutations in Lung Adenocarcinoma via CT Images: A Comparative Study of Intratumoral and Peritumoral Radiomics, Deep Learning, and Fusion Models 2025-Aug, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.04.029 PMID:40328536	研究论文	本研究通过CT图像的放射组学和深度学习方法分析肺腺癌患者的肿瘤内和肿瘤周围特征，并开发验证了一种多模型融合策略来预测表皮生长因子受体（EGFR）突变状态	结合肿瘤内和肿瘤周围区域的放射组学与深度学习模型，采用软投票策略的多模态融合方法，显著提高了预测性能	研究基于回顾性数据，可能存在选择偏差	预测肺腺癌患者的EGFR突变状态	826名肺腺癌患者的CT图像数据	数字病理	肺腺癌	放射组学特征提取、深度学习	Lasso、多种机器学习算法、nnUNet、2D/2.5D/3D深度学习模型	CT图像	826名患者（来自两家医院）