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
181	2025-07-26	An Evaluation Analysis for Computed Tomography Image Quality of Primary Liver Cancer Lesions Based on Deep Learning Image Reconstruction 2024, Current medical imaging IF:1.1Q3 DOI:10.2174/0115734056261849231207055304 PMID:38389358	research paper	评估基于深度学习图像重建（DLIR）的原发性肝癌病灶计算机断层扫描（CT）图像质量	比较了DLIR与传统的滤波反投影（FBP）和自适应统计迭代重建-V（ASIR-V）在动态增强CT成像质量上的影响，发现DLIR在门静脉期图像噪声更低，病灶结构显示更优	样本量较小（48例肝癌患者），且仅评估了原发性肝癌，未涉及其他肝脏疾病	评估DLIR在原发性肝癌动态增强CT成像中的图像质量	原发性肝癌患者的CT图像	digital pathology	liver cancer	CT, deep learning image reconstruction (DLIR), filtered back projection (FBP), adaptive statistical iterative reconstruction-V (ASIR-V)	NA	image	48例肝癌患者
182	2025-07-26	Machine Learning in Magnetic Resonance Images of Glioblastoma: A Review 2024, Current medical imaging IF:1.1Q3 DOI:10.2174/0115734056265212231122102029 PMID:38258589	综述	本文回顾了过去五年中机器学习和磁共振成像在胶质母细胞瘤（GBM）问题中的应用，总结了相关研究的结果、局限性和趋势	提出了一个基于机器学习的GBM问题分类法，并分析了深度学习在GBM问题中呈指数增长的应用趋势	机器学习方法的可解释性和泛化能力存在局限	识别哪些胶质母细胞瘤问题可以通过磁共振成像和机器学习技术处理	胶质母细胞瘤（GBM）	数字病理学	胶质母细胞瘤	MRI	SVM, Random Forest, CNN	医学影像	50篇相关论文
183	2025-07-26	Automated Diagnosis of Bone Metastasis by Classifying Bone Scintigrams Using a Self-defined Deep Learning Model 2024, Current medical imaging IF:1.1Q3 DOI:10.2174/0115734056281578231212104108 PMID:38258593	研究论文	本研究提出了一种基于深度学习的自动分类模型，用于通过骨闪烁扫描图像自动诊断骨转移	开发了一个自定义的卷积神经网络，包含特征提取和分类子网络，用于自动检测肺癌骨转移，并通过像素级加法融合图像提高诊断准确性	尿膀胱中99mTc MDP的高积累对骨转移的自动诊断有负面影响，建议在自动分析前去除尿膀胱	自动诊断骨转移，以支持早期治疗决策和提高生存率	肺癌患者的骨转移情况	数字病理	肺癌	SPECT骨闪烁扫描	自定义CNN	图像	临床SPECT骨闪烁扫描数据
184	2025-07-26	Computational Model for the Detection of Diabetic Retinopathy in 2-D Color Fundus Retina Scan 2024, Current medical imaging IF:1.1Q3 DOI:10.2174/0115734056248183231010111937 PMID:38333976	研究论文	提出了一种基于卷积神经网络的计算模型（DRCNN），用于通过2D彩色眼底视网膜扫描检测糖尿病视网膜病变	使用CNN结合VGG-16模型和自适应矩估计优化器，提高了糖尿病视网膜病变的检测准确率	模型在80%训练数据集下达到最高准确率90%，仍有提升空间	开发一种有效检测糖尿病视网膜病变的计算模型	糖尿病视网膜病变患者的2D彩色眼底视网膜扫描图像	计算机视觉	糖尿病视网膜病变	深度学习	CNN, VGG-16	图像	不同比例的训练和测试数据集（50%-90%）
185	2025-07-26	Research Progress in Tumor Diagnosis Based on Raman Spectroscopy 2024, Current medical imaging IF:1.1Q3 DOI:10.2174/1573405620666230811142737 PMID:38333978	review	本文综述了拉曼光谱在肿瘤诊断中的应用及其研究进展	探讨了深度学习与拉曼光谱结合在肿瘤诊断中的优势	指出了基于拉曼光谱的肿瘤诊断方法存在的相关问题	介绍拉曼光谱在肿瘤检测中的应用	恶性肿瘤	数字病理	肿瘤	拉曼光谱	深度学习	光谱数据	NA
186	2025-07-26	Application Exploration of Medical Image-aided Diagnosis of Breast Tumour Based on Deep Learning 2024, Current medical imaging IF:1.1Q3 DOI:10.2174/0115734056261997231217085501 PMID:38415468	研究论文	本研究探讨了基于深度学习的医学影像辅助诊断在乳腺肿瘤中的应用	结合二维CNN训练模式训练3D CNN模型，并建立了诊断结果的评价指标	NA	利用深度学习技术研究医学影像辅助诊断	乳腺肿瘤的医学影像	数字病理	乳腺癌	MRI	3D CNN	图像	NA
187	2025-07-26	Epistasis regulates genetic control of cardiac hypertrophy 2023-Nov-20, Research square DOI:10.21203/rs.3.rs-3509208/v1 PMID:38045390	研究论文	本研究开发了一种名为低信号符号迭代随机森林的方法，用于揭示心脏肥大的复杂遗传结构	使用深度学习和随机森林方法揭示心脏肥大的非加性遗传变异，并通过实验验证基因间相互作用的因果性	方法仍处于早期阶段，可能无法捕捉所有遗传互作	探索心脏肥大的遗传调控机制	人类心脏组织、诱导多能干细胞来源的心肌细胞	遗传学	心血管疾病	深度学习、随机森林、RNA沉默、高通量微流控系统	随机森林、深度学习模型	心脏MRI扫描数据、转录组数据、单细胞形态数据	29,661名UK Biobank参与者的心脏MRI数据，313例人类心脏组织的转录组数据
188	2025-07-26	Deep Learning-Accelerated Designs of Tunable Magneto-Mechanical Metamaterials 2022-Jul-27, ACS applied materials & interfaces IF:8.3Q1 DOI:10.1021/acsami.2c09052 PMID:35833606	研究论文	本研究开发了一种基于深度学习的逆向设计框架，用于加速可调磁机械超材料的设计	使用深度残差网络替代传统的有限元分析，实现了在磁驱动下具有预定全局应变的超材料设计	NA	开发一种逆向设计策略，以创建具有优选可调特性的磁机械超材料	磁机械超材料	机器学习	NA	深度学习	深度残差网络	NA	NA
189	2025-07-25	Enhanced SqueezeNet model for detecting IoT-Bot attacks: A comprehensive approach 2025-Dec, MethodsX IF:1.6Q2 DOI:10.1016/j.mex.2025.103499 PMID:40704174	研究论文	提出一种基于改进SqueezeNet模型的增强检测框架，用于检测IoT-Bot攻击	将改进的SqueezeNet模型与DCNN和优化的随机混合Lp层结合，提高检测准确率并保持计算效率	未提及模型在更广泛或多样化数据集上的泛化能力	提高IoT环境中Botnet攻击的检测准确率和计算效率	IoT-Bot攻击	机器学习	NA	深度学习	SqueezeNet, DCNN	入侵检测数据集	大规模入侵检测数据集（具体数量未提及）
190	2025-07-25	PA OmniNet: A retraining-free, generalizable deep learning framework for robust photoacoustic image reconstruction 2025-Oct, Photoacoustics IF:7.1Q1 DOI:10.1016/j.pacs.2025.100740 PMID:40703536	研究论文	提出了一种无需重新训练、可泛化的深度学习框架PA OmniNet，用于鲁棒的光声图像重建	PA OmniNet能够适应不同的系统配置，仅需少量示例图像（4至32张）即可调整模型，无需重新训练	未明确提及具体局限性，但可能依赖于上下文集的质量和数量	开发一种成本效益高且鲁棒的光声成像系统	光声图像	计算机视觉	NA	光声成像	改进的U-net	图像	包括小鼠和人类受试者的体内数据、合成数据以及不同波长捕获的图像
191	2025-07-25	Enhancing biliary tract cancer diagnosis using AI-driven 3D optical diffraction tomography 2025-Sep, Methods (San Diego, Calif.) DOI:10.1016/j.ymeth.2025.06.003 PMID:40484187	研究论文	本研究利用AI驱动的3D光学衍射断层扫描技术，基于脂滴特征自动分类胆道癌细胞	结合3D光学衍射断层扫描（ODT）和卷积神经网络（CNN），首次实现了基于脂滴特征的胆道癌细胞自动分类	研究仅使用了有限的细胞系（SNU1196、SNU308、SNU478和H69），未涉及临床样本	开发一种自动分类胆道癌细胞的方法，以辅助早期诊断	胆道癌细胞系（SNU1196、SNU308、SNU478）和正常胆管细胞系（H69）	数字病理学	胆道癌	3D光学衍射断层扫描（ODT）	CNN（EfficientNet-b3）	3D折射率断层图像	4种细胞系（3种胆道癌细胞系和1种正常胆管细胞系）
192	2025-07-25	AI-powered liquid biopsy for early detection of gastrointestinal cancers 2025-Sep-01, Clinica chimica acta; international journal of clinical chemistry DOI:10.1016/j.cca.2025.120484 PMID:40669686	综述	本文综述了人工智能驱动的液体活检在胃肠道癌症早期检测中的进展	利用AI技术提升液体活检的准确性和临床实用性，包括高通量生物标志物发现、多组学整合和预测建模	数据标准化、偏差缓解和监管验证等关键挑战仍需解决	探索人工智能在液体活检中的应用，以提高胃肠道癌症的早期检测率	胃肠道癌症（GICs）	数字病理学	胃肠道癌症	液体活检、ctDNA、exoRNA、肿瘤教育血小板	机器学习（ML）、深度学习（DL）	生物标志物数据	NA
193	2024-12-05	Multimodal Deep Learning-based Radiomics Approach for Predicting Surgical Outcomes in Patients With Cervical Ossification of the Posterior Longitudinal Ligament 2025-Aug-15, Spine IF:2.6Q1 DOI:10.1097/BRS.0000000000005227 PMID:39618126	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
194	2025-07-25	A deep learning-based computer-aided diagnosis system for detecting atypical endometrial hyperplasia and endometrial cancer through hysteroscopy 2025-Aug-15, iScience IF:4.6Q1 DOI:10.1016/j.isci.2025.113045 PMID:40703442	研究论文	本研究介绍了一种基于深度学习的计算机辅助诊断系统ECCADx，用于通过宫腔镜检测非典型子宫内膜增生和子宫内膜癌	首次将对比学习集成到宫腔镜图像分析中，用于特定疾病区分	NA	提高子宫内膜癌和非典型子宫内膜增生的诊断准确性	非典型子宫内膜增生和子宫内膜癌患者	数字病理学	子宫内膜癌	深度学习	对比学习	图像	训练集：49,646张图像来自1,204名患者；验证集：6,228张图像来自190名患者
195	2025-07-25	Multimodal Deep Learning for Grading Carpal Tunnel Syndrome: A Multicenter Study in China 2025-Aug, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.02.043 PMID:40157849	研究论文	本研究开发了一种结合临床信息和多模态超声特征的联合深度学习模型（CTSGrader），用于评估腕管综合征（CTS）的严重程度	首次开发了结合临床信息和多模态超声特征的联合深度学习模型，用于CTS分级，并在多中心研究中验证了其性能	研究为回顾性和前瞻性混合设计，可能影响结果的普遍性	开发并验证一种联合深度学习模型，用于更准确地评估腕管综合征的严重程度	腕管综合征患者	数字病理	腕管综合征	深度学习，超声成像	联合深度学习模型（CTSGrader）	超声图像，临床数据	训练集680例，内部验证集173例，外部验证集174例，外部验证集2（跨厂商测试）224例
196	2025-07-25	Deep learning-based prediction of enhanced CT scans for lymph node metastasis in esophageal squamous cell carcinoma 2025-Aug, Japanese journal of radiology IF:2.9Q2 DOI:10.1007/s11604-025-01780-y PMID:40214915	research paper	利用深度学习技术预测食管鳞状细胞癌淋巴结转移的研究	提出了一种结合CNN和LSTM的新型深度学习模型LymphoReso-Net，用于分析增强CT图像并预测淋巴结转移	研究为回顾性研究，样本量有限（441例患者），且仅基于动脉期增强CT图像	优化食管鳞状细胞癌的治疗策略并改善患者预后	食管鳞状细胞癌患者	digital pathology	esophageal squamous cell carcinoma	contrast-enhanced CT	CNN, LSTM	image	441例接受根治性食管切除术和区域淋巴结清扫术的ESCC患者
197	2025-07-25	Habitat Radiomics and Deep Learning Features Based on CT for Predicting Lymphovascular Invasion in T1-stage Lung Adenocarcinoma: A Multicenter Study 2025-Aug, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.04.005 PMID:40253221	研究论文	本研究探讨了基于CT的生境放射组学和深度学习特征在预测T1期肺腺癌淋巴管浸润中的应用	首次使用K-means算法聚类CT图像和表观扩散系数图，构建生境放射组学模型，并比较其与传统放射组学和深度学习模型的性能	回顾性研究设计可能引入选择偏倚，样本量相对较小且来自三个中心	预测T1期肺腺癌患者的淋巴管浸润状态	349名T1期肺腺癌患者	数字病理学	肺癌	CT成像，K-means聚类算法	放射组学模型，生境模型，深度学习模型	CT图像	349名患者（内部训练集210名，外部测试集139名）
198	2025-07-25	Application of a pulmonary nodule detection program using AI technology to ultra-low-dose CT: differences in detection ability among various image reconstruction methods 2025-Aug, Japanese journal of radiology IF:2.9Q2 DOI:10.1007/s11604-025-01781-x PMID:40343649	研究论文	本研究探讨了基于AI的肺结节检测程序在超低剂量CT成像中的性能，重点关注不同图像重建方法对检测准确性的影响	比较了多种图像重建方法（FBP、HIR、MBIR和DLR）在超低剂量CT中对AI肺结节检测性能的影响，发现DLR在超低剂量条件下仍能保持高检测率	未检测到3mm的磨玻璃结节（GGNs），且研究使用的是胸部模型而非真实患者数据	评估AI肺结节检测程序在不同图像重建方法和辐射剂量方案下的性能差异	嵌入人工肺结节（实性结节和磨玻璃结节）的胸部模型	数字病理	肺癌	超低剂量CT（ULDCT）	AI-based	CT图像	6种管电流和电压组合扫描的胸部模型
199	2025-07-25	Unsupervised deep clustering of high-resolution satellite imagery reveals phenotypes of urban development in Sub-Saharan Africa 2025-Aug-01, The Science of the total environment DOI:10.1016/j.scitotenv.2025.179739 PMID:40480170	研究论文	利用无监督深度学习框架和高分辨率卫星图像对撒哈拉以南非洲多个城市的城市发展表型进行分类	提出了一种新颖的分层深度学习框架，用于无监督聚类高分辨率卫星图像，揭示城市发展的多维特征	研究仅覆盖了撒哈拉以南非洲的少数城市，可能无法完全代表该地区的所有城市发展模式	通过无监督深度学习对高分辨率卫星图像进行分析，以实现对城市环境的近实时监测	撒哈拉以南非洲多个城市（阿克拉、达喀尔、达累斯萨拉姆和基加利）的卫星图像	计算机视觉	NA	无监督深度学习	分层深度学习框架	卫星图像	多个城市（阿克拉、达喀尔、达累斯萨拉姆和基加利）的高分辨率卫星图像
200	2025-07-25	Enhanced deep learning framework for real-time instrument detection and tracking in laparoscopic surgery using advanced augmentation and tracking techniques 2025-Aug, Surgical endoscopy DOI:10.1007/s00464-025-11932-w PMID:40588604	研究论文	该研究提出了一种增强的深度学习框架，用于腹腔镜手术中手术器械的实时检测与追踪，结合了先进的数据增强和追踪技术	整合了YOLOv9n、ByteTrack和BoT-SORT等最新算法，实现了高精度和快速响应的实时检测与追踪系统	研究依赖于特定数据集（m2cai16-tool-locations），可能在其他手术场景中的泛化能力有待验证	提升微创手术中手术器械的实时检测与追踪精度，优化手术流程和患者安全	腹腔镜手术中的手术器械	计算机视觉	NA	深度学习、计算机视觉技术	YOLOv9n、ByteTrack、BoT-SORT	图像	使用m2cai16-tool-locations检测数据集