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
1921	2025-10-06	Deep learning-based in-ambulance speech recognition and generation of prehospital emergency diagnostic summaries using LLMs 2025-Nov, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2025.106029 PMID:40639122	研究论文	本研究提出将抗噪声语音识别技术与大语言模型结合，在救护车环境中生成院前急救诊断摘要	首次将抗噪声语音识别与LLMs结合应用于院前急救场景，通过联合训练模型优化CTC和注意力损失	未详细说明模型在不同噪声环境下的泛化能力，样本多样性可能有限	提高院前电子病历提交的效率和准确性，简化急救响应流程	救护车环境中的语音数据和急救诊断摘要	自然语言处理,语音识别	急救医学	语音增强,语音识别,大语言模型	深度学习,LLM	语音,文本	实际救护车噪声数据、环境噪声数据和开源语音数据集	NA	连接时序分类,注意力机制,Qwen2.5-7B-Instruct	字符错误率,准确性,相关性,主观评价指标	NA
1922	2025-10-06	Enhancing rare disease detection with deep phenotyping from EHR narratives: evaluation on Jeune syndrome 2025-Nov, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2025.106021 PMID:40561686	研究论文	本研究评估了改进的表型提取方法对Jeune综合征筛查算法的影响	使用增强版UMLS+术语表进行深度表型分析，显著提高了罕见病检测的敏感性	部分误分类对照患者患有其他遗传性骨骼疾病，表明模型特异性有待进一步提高	加速罕见疾病诊断，减少误诊和诊断延迟	Jeune综合征患者和对照组的电子健康记录数据	自然语言处理	Jeune综合征	深度表型分析，电子健康记录文本挖掘	机器学习	非结构化电子健康记录文本	NA	NA	NA	敏感性, 特异性	NA
1923	2025-10-06	Glo-In-One-v2: holistic identification of glomerular cells, tissues, and lesions in human and mouse histopathology 2025-Nov, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.12.6.061406 PMID:40727720	研究论文	开发用于人鼠肾组织病理学中肾小球细胞、组织和病变整体识别的深度学习模型Glo-In-One-v2	提出单一动态头深度学习架构，实现14个类别的细粒度分割，并展示从啮齿动物到人类的迁移学习效果	模型在部分标注图像上进行训练，可能影响某些类别的分割精度	开发自动化肾小球内组织和病变分割方法以减少人工评估的工作量和观察者间差异	人和小鼠肾脏组织病理学中的肾小球	数字病理学	肾脏疾病	组织病理学	CNN	图像	368张标注肾脏全切片图像，包含23,529个标注肾小球	NA	动态头架构	Dice相似系数, 准确率	NA
1924	2025-10-06	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DeepISP深度学习模型，基于快速筛查视野检查预测青光眼患者的全面视野信息和疾病进展	首次开发能够同时预测当前视野状态和视野进展的多任务神经网络，并采用数据增强技术合成训练数据	回顾性研究设计，样本量相对有限，需要进一步前瞻性验证	开发基于深度学习的青光眼严重程度和进展预测模型	青光眼患者	医学人工智能	青光眼	视野检查，深度学习	多任务神经网络	医学影像数据，视野检查数据	187个真实ISP测试（112名患者）和3470个合成ISP测试（883名患者）	NA	多任务神经网络	平均绝对误差，平均F1分数，曲线下面积	NA
1925	2025-10-06	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	本文提出了一种基于大语言模型的高性能重度抑郁症诊断工具MDD-LLM	首次将大语言模型应用于重度抑郁症诊断，并设计了三种表格数据转换方法创建大规模训练语料库	仅使用UK Biobank队列数据，未在其他数据集上验证泛化能力	开发准确、鲁棒且可解释的重度抑郁症诊断工具	重度抑郁症患者	自然语言处理	重度抑郁症	大语言模型微调技术	LLM	表格数据	274,348条来自UK Biobank队列的个体记录	NA	MDD-LLM	准确率,AUC	NA
1926	2025-10-06	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	开发了一种用于自动检测阻塞性睡眠呼吸暂停的无线、柔软、透气生物电子系统	采用穿孔可变形结构提高皮肤贴合度、促进汗液排出并减少运动伪影，结合多流卷积神经网络与双向长短期记忆模型的深度学习框架	未明确说明样本量大小和临床验证范围	开发便携式OSA检测设备以解决传统多导睡眠图检测成本高、技术复杂和不适感强的问题	儿童阻塞性睡眠呼吸暂停患者，特别是唇腭裂和牙颌面畸形患者	生物医学工程	阻塞性睡眠呼吸暂停	电生理信号测量	CNN, LSTM	电生理信号	NA	NA	多流卷积神经网络, 双向长短期记忆模型	NA	NA
1927	2025-10-06	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	使用深度学习模型从年龄相关性黄斑变性患者的视网膜眼底图像预测高风险基因变异	首次利用深度学习直接从视网膜眼底图像预测AMD相关高风险基因型，无需基因检测	样本量相对有限（1754名参与者），模型性能在不同AMD阶段存在差异	开发从视网膜眼底图像预测年龄相关性黄斑变性高风险基因型的深度学习算法	年龄相关性黄斑变性患者的视网膜眼底图像	计算机视觉	年龄相关性黄斑变性	视网膜眼底成像	CNN, Vision Transformer	图像	1754名参与者的31,271张视网膜彩色眼底照片	NA	Vision Transformer	AUROC, 平衡准确率, 平均精确率	NA
1928	2025-10-06	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	开发用于乳腺CT的混合虚拟成像试验方法，用于评估微钙化灶检测能力	提出结合射线追踪模拟和真实患者投影图像的混合虚拟成像试验方法	NA	评估乳腺CT系统中微钙化灶的检测性能	乳腺组织中的微钙化灶集群	医学影像	乳腺癌	计算机断层扫描	深度学习模型观察者	CT投影图像, 重建体积	NA	NA	NA	AUC	NA
1929	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	NA	NA	NA	NA
1930	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	NA	NA	NA	NA
1931	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）	NA	NA	NA	NA
1932	2025-10-07	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	提出一种改进的D-CWBLS网络，用于提升便携式近红外光谱测量中回归模型的准确性和稳定性	在BLS网络基础上进行三方面改进：融合近红外特征光谱带数据扩展网络结构；通过Dropout层纵向加深网络；结合优化特征节点和增强节点权重矩阵消除随机性	NA	解决便携式近红外光谱仪在户外应用中因低信噪比和低重复性数据导致的回归模型精度和稳定性问题	便携式近红外光谱数据	机器学习	NA	近红外光谱技术	BLS, D-CWBLS	光谱数据	NA	NA	BLS, CWBLS, D-CWBLS	准确性, 鲁棒性, 可重复性	NA
1933	2025-10-07	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	提出一种结合注意力机制的CNN-LSTM深度学习模型，用于流化床制粒过程中基于近红外光谱的水分含量在线监测	首次将CNN的空间特征提取、LSTM的序列处理能力和自注意力机制的全局关联捕获能力相结合，构建CNN-LSTM-Attention混合模型，具备特征波段优化和序列建模能力	NA	优化流化床制粒过程中颗粒水分含量的监测精度	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	NA	NA	CNN-LSTM-Attention	R, RMSE	NA
1934	2025-10-07	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	通过模拟多面体顶点数对SERS活性的影响，制备金纳米四面体基底并应用于口腔癌检测	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技术与深度学习相结合用于口腔癌分期诊断	NA	研究多面体顶点数对SERS活性的影响并开发口腔癌智能检测方法	贵金属纳米颗粒、口腔癌患者唾液样本	计算机视觉	口腔癌	表面增强拉曼散射(SERS)、时域有限差分(FDTD)模拟	深度学习神经网络	拉曼光谱数据	NA	NA	NA	检测限(LOD)、线性检测范围、增强因子(EF)	NA
1935	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	NA	NA	NA	NA
1936	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	NA	NA	NA	NA