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
1	2025-07-26	Deep Learning-Based Prediction of Glaucoma Severity and Progression Using Imo/TEMPO Screening Program 2025 Nov-Dec, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2025.100805 PMID:40697390	研究论文	开发了一种名为DeepISP的深度学习模型，用于基于快速筛查视野测量（Imo/TEMPO筛查程序）预测Humphrey视野分析仪（HFA）的综合视野信息	开发了DeepISP模型，能够预测当前视野状态和视野进展风险，仅需一次快速ISP测试即可筛查和优先处理青光眼患者	研究样本来自特定医院的有限患者群体，可能影响模型的泛化能力	预测青光眼的严重程度和进展风险，为临床干预提供高效筛查工具	112名患者提供的187个实际ISP测试和883名患者提供的3470个合成ISP测试	数字病理学	青光眼	深度学习	多任务神经网络	图像	187个实际ISP测试和3470个合成ISP测试
2	2025-07-21	MDD-LLM: Towards accuracy large language models for major depressive disorder diagnosis 2025-Nov-01, Journal of affective disorders IF:4.9Q1 DOI:10.1016/j.jad.2025.119774 PMID:40581100	研究论文	本文介绍了一种名为MDD-LLM的高性能抑郁症诊断工具，该工具利用微调的大型语言模型（LLMs）和大规模真实世界样本解决抑郁症诊断中的挑战	首次将LLMs应用于抑郁症诊断，并提出了三种表格数据转换方法以创建大规模训练语料库	研究仅基于UK Biobank队列数据，可能无法完全代表其他人群	开发高准确度、鲁棒性和可解释性的抑郁症诊断工具	抑郁症患者	自然语言处理	抑郁症	LLM微调	LLM	表格数据	274,348个来自UK Biobank的个体记录
3	2025-07-19	Breathable soft bioelectronics for enhanced automatic detection of obstructive sleep apnea 2025-Nov-01, Biosensors & bioelectronics IF:10.7Q1 DOI:10.1016/j.bios.2025.117735 PMID:40609200	研究论文	介绍了一种无线、柔软且透气的生物电子系统，用于检测阻塞性睡眠呼吸暂停（OSA）	开发了一种具有穿孔、可变形结构的可穿戴设备，提高了皮肤贴合度，促进汗液排出，并减少了运动伪影，同时采用深度学习框架自动分类睡眠阶段和检测呼吸暂停事件	未提及具体样本量或临床试验结果，可能限制其普适性和可靠性	开发一种新型生物电子系统，用于早期诊断阻塞性睡眠呼吸暂停（OSA），特别是在儿童和正颌手术患者中	阻塞性睡眠呼吸暂停（OSA）患者，特别是儿童和正颌手术患者	数字病理学	阻塞性睡眠呼吸暂停（OSA）	深度学习	多流卷积神经网络（CNN）与双向长短期记忆模型（Bi-LSTM）	电生理信号	NA
4	2025-07-18	Genotype Prediction from Retinal Fundus Images Using Deep Learning in Eyes with Age-Related Macular Degeneration 2025 Nov-Dec, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2025.100836 PMID:40661176	研究论文	利用深度学习从视网膜眼底图像预测年龄相关性黄斑变性（AMD）患者的高风险基因变异	首次使用深度学习模型从视网膜眼底图像预测AMD相关的高风险基因变异，并比较了不同AMD严重程度下的模型性能	样本量相对有限（1754名参与者），且仅针对CFH和ARMS2两个基因	通过非侵入性眼部成像推断基因型，并探索AMD中的基因型-表型关系	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	深度学习	CNN, ViT	图像	1754名参与者的31271张视网膜彩色眼底照片
5	2025-07-08	Hybrid simulation of breast CT for assessing microcalcification detectability 2025-Nov, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.12.S2.S22015 PMID:40621110	研究论文	开发了一种混合虚拟成像试验方法，用于评估乳腺CT中微钙化的可检测性	结合了射线追踪模拟投影图像与患者实际投影图像，并采用深度学习和人类观察者进行检测性能分析	未提及具体样本量或实验范围的局限性	评估乳腺CT成像系统在微钙化检测中的性能	乳腺CT扫描中的微钙化簇	数字病理学	乳腺癌	射线追踪、Feldkamp滤波反投影算法	DLMO (深度学习模型观察者)	图像	NA
6	2025-06-18	Asymmetric scatter kernel estimation neural network for digital breast tomosynthesis 2025-Nov, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.12.S2.S22008 PMID:40520916	research paper	提出了一种基于非对称散射核叠加的深度学习方法，用于数字乳腺断层合成（DBT）中的散射估计	该方法考虑了散射形成的物理基础，通过生成散射振幅分布、散射核宽度和非对称因子图，改进了现有端到端训练方法的不足	NA	改进数字乳腺断层合成中的散射估计方法	数字乳腺断层合成（DBT）投影数据	digital pathology	breast cancer	deep learning	CNN	image	数值模拟体模数据和物理实验数据
7	2025-06-18	Comparing percent breast density assessments of an AI-based method with expert reader estimates: inter-observer variability 2025-Nov, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.12.S2.S22011 PMID:40520917	research paper	比较基于AI的方法与专家评估的乳腺密度百分比，研究观察者间变异性	使用深度学习模型MAI-VAS进行乳腺密度评估，相比专家评估具有更低观察者间变异性	研究仅基于1328名女性的数据，可能无法代表更广泛人群	评估AI方法与专家在乳腺密度评估和乳腺癌风险预测方面的一致性和准确性	1328名女性的乳腺筛查数据	digital pathology	breast cancer	deep learning	MAI-VAS	image	1328名女性
8	2025-06-09	Breast cancer early detection and molecular subtype prediction by combination of Raman spectroscopy with deep learning 2025-Nov-15, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2025.126396 PMID:40412234	研究论文	结合拉曼光谱与深度学习技术，开发了一种高效的计算模型，用于乳腺癌的早期检测和分子亚型预测	提出了一种基于高效通道注意力机制和卷积神经网络的分类模型，显著减少了参数数量并提高了训练速度，同时在未知测试集上表现出优于传统模型和算法的性能	研究未提及模型在其他类型癌症或更大规模数据集上的泛化能力	开发一种无需复杂特征工程的端到端模型，用于乳腺癌的早期筛查和分子亚型预测	541名志愿者的血清样本，包括HER2阳性、HER2阴性、导管原位癌(DCIS)患者和健康个体	数字病理学	乳腺癌	拉曼光谱	基于注意力机制的CNN	光谱数据	541名志愿者（包括患者和健康个体）的血清样本
9	2025-06-04	Robust evaluation of tissue-specific radiomic features for classifying breast tissue density grades 2025-Nov, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.12.S2.S22010 PMID:40453545	研究论文	本研究评估了一种用于分类乳腺组织密度等级的特征选择方法（RFE-SHAP）的鲁棒性，并探讨了其在乳腺密度自动评估中的应用	结合传统和可解释AI方法（RFE-SHAP）进行特征选择，提高了模型的可解释性和预测性能	模型在外部验证中对某些密度等级的AUC值较低（如D级0.673），可能存在泛化能力限制	开发鲁棒的乳腺组织密度自动评估方法以改善乳腺癌风险评估	数字乳腺断层合成筛查的原始中央投影图像	数字病理	乳腺癌	RFE-SHAP特征选择方法	逻辑回归（LR）	医学影像	751例（651例训练集，100例验证集）
10	2025-05-27	CWBLS network and its application in portable spectral measurement 2025-Nov-05, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2025.126329 PMID:40347777	研究论文	提出了一种名为D-CWBLS网络的新方法，用于解决便携式近红外光谱中由于低信噪比和低重复性数据导致的回归模型精度和稳定性差的问题	D-CWBLS网络在BLS网络基础上进行了三方面改进：扩展网络结构以纳入近红外特征光谱带数据、通过添加Dropout层加深网络以优化结构并消除冗余信息、结合优化的特征节点权重矩阵和增强节点权重矩阵以消除训练过程中的随机性不确定性	NA	提高便携式近红外光谱设备在户外使用时的可靠性和适用性	便携式近红外光谱数据	机器学习	NA	近红外光谱	D-CWBLS网络	光谱数据	NA
11	2025-05-27	A novel CNN-LSTM model with attention mechanism for online monitoring of moisture content in fluidized bed granulation process based on near-infrared spectroscopy 2025-Nov-05, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2025.126361 PMID:40367754	研究论文	提出了一种结合CNN、LSTM和注意力机制的新型深度学习模型，用于流化床制粒过程中颗粒水分含量的在线监测	整合了CNN的空间特征提取能力、LSTM的序列处理能力和自注意力机制的全局相关性捕获能力，无需复杂的光谱预处理	未提及模型在其他工业过程中的泛化能力	优化流化床制粒过程中的水分含量监测方法	流化床制粒过程中的颗粒水分含量	机器学习	NA	近红外光谱	CNN-LSTM-Attention	光谱序列数据	未明确说明样本数量，仅提到校准集和验证集
12	2025-05-27	The vertices number determined SERS activity of polyhedra and the application in oral cancer detection based on deep learning 2025-Nov-05, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2025.126390 PMID:40373548	研究论文	本文研究了多面体顶点数对表面增强拉曼散射(SERS)活性的影响，并基于深度学习技术应用于口腔癌检测	发现局部电场极化方向顶点数较少的多面体可实现最大SERS活性，并将SERS技术与深度学习神经网络技术结合用于口腔癌临床检测	NA	研究多面体顶点数对SERS活性的影响及其在口腔癌检测中的应用	金纳米四面体SERS基底和口腔癌患者唾液样本	数字病理学	口腔癌	表面增强拉曼散射(SERS)技术, 有限差分时域(FDTD)模拟	深度学习神经网络	拉曼光谱数据	NA
13	2025-05-18	Breast tumor diagnosis via multimodal deep learning using ultrasound B-mode and Nakagami images 2025-Nov, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.12.S2.S22009 PMID:40375887	研究论文	本文提出并评估了一种结合超声B模式和Nakagami参数图像的多模态深度学习方法，用于乳腺肿瘤分类	通过整合B模式图像的亮度信息和Nakagami图像的散射特性，提高了诊断性能，相比单输入方法有显著改进	研究样本量相对有限，仅包含264名患者的831次超声采集	提升乳腺肿瘤分类的准确性和诊断效率	乳腺肿瘤的超声图像	数字病理	乳腺癌	超声成像	EfficientNetV2B0	图像	264名患者的831次超声采集
14	2025-05-02	Impact of synthetic data on training a deep learning model for lesion detection and classification in contrast-enhanced mammography 2025-Nov, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.12.S2.S22006 PMID:40302983	研究论文	探讨合成数据在训练深度学习模型用于对比增强乳腺摄影中病变检测和分类的影响	研究合成数据（特别是模拟微钙化簇）对提升深度学习模型性能的潜力，尤其是在真实数据稀缺的情况下	合成数据加入较小真实训练集时虽提高恶性病变检测灵敏度但降低了精确度，且集成模型性能不如独立DL模型	优化对比增强乳腺摄影中病变检测和分类的深度学习模型性能	乳腺摄影图像中的增强肿块和微钙化簇	数字病理学	乳腺癌	深度学习与放射组学分类器集成	DL（深度学习模型）与放射组学分类器	图像（低能量与重组对比增强乳腺摄影图像）	训练集：782例无病变乳房（合成数据）+850例真实患者；验证集：内部212例+外部279例真实患者