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
2001	2025-04-24	Deliod a lightweight detection model for intestinal organoids based on deep learning 2025-02-11, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-89409-y PMID:39934224	research paper	介绍了一种基于深度学习的轻量级检测模型Deliod，用于自动识别肠道类器官的形态	提出了一种基于YOLOv8的轻量级检测模型Deliod，解决了现有技术中因组织重叠和小目标导致的高错误率和有限适用性问题	未提及具体的数据集规模或多样性限制	开发一种高效的肠道类器官形态识别模型	肠道类器官	digital pathology	intestinal disorders	deep learning	YOLOv8	image	NA
2002	2025-04-24	MedFuseNet: fusing local and global deep feature representations with hybrid attention mechanisms for medical image segmentation 2025-02-11, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-89096-9 PMID:39934248	研究论文	提出一种名为MedFuseNet的新型编码器-解码器架构，通过混合注意力机制融合局部和全局深度特征表示，用于医学图像分割	结合CNN和Swin-Transformer的双分支结构，以及四种不同的注意力模块，实现了局部和全局特征的有效融合与增强	仅在ACDC和Synapse两个公开数据集上进行了验证，需要更多数据集测试其泛化能力	提高医学图像分割的性能	医学图像	数字病理学	NA	深度学习	CNN, Swin-Transformer	医学图像	ACDC和Synapse数据集
2003	2025-04-24	A promising AI based super resolution image reconstruction technique for early diagnosis of skin cancer 2025-02-11, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-89693-8 PMID:39934265	research paper	提出一种基于AI的超分辨率图像重建技术，用于皮肤癌的早期诊断	提出了一种名为MELIIGAN的新型生成对抗网络框架，用于处理中间皮肤病变图像的超分辨率重建，并设计了堆叠残差块以处理更大的缩放因子和细粒度细节重建	未提及具体的数据集规模和多样性限制	开发一种非侵入性方法，通过超分辨率图像重建技术提高皮肤癌早期诊断的准确性	中间或可疑皮肤病变的皮肤镜图像	digital pathology	skin cancer	dermoscopy, super-resolution image reconstruction	GAN (MELIIGAN)	image	NA
2004	2025-04-24	Interpretable deep learning of single-cell and epigenetic data reveals novel molecular insights in aging 2025-02-11, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-89646-1 PMID:39934290	研究论文	本文开发了一种多视图图级表示学习框架，结合可解释人工智能工具，从单细胞转录组和DNA甲基化数据中揭示衰老过程中的新分子机制	提出了一种结合先验生物网络信息的多视图图级表示学习框架，用于构建细胞类型分辨率的分子衰老时钟，并通过XAI进行解释，发现了传统机器学习方法无法揭示的核糖体基因子网络和炎症反应通路	研究主要基于免疫细胞和单核细胞的转录组和甲基化数据，可能无法完全代表其他细胞类型或组织的衰老机制	利用深度学习和可解释人工智能研究分子水平上的生物衰老过程	981名捐赠者的超过100万个免疫细胞的单细胞转录组数据以及分选单核细胞的DNA甲基化数据	机器学习	老年疾病	单细胞转录组测序, DNA甲基化测序	MGRL (多视图图级表示学习框架)	单细胞转录组数据, DNA甲基化数据	981名捐赠者的超过100万个免疫细胞
2005	2025-04-24	Artificial intelligence support improves diagnosis accuracy in anterior segment eye diseases 2025-02-11, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-89768-6 PMID:39934383	research paper	评估深度学习模型CorneAI在提高眼科医生诊断前段眼病准确性方面的效果	CorneAI模型即使使用智能手机图像也能有效提高诊断准确性，超越了其自身基线准确率	模型仅基于扩散裂隙灯图像训练，可能限制了其在其他类型图像上的泛化能力	评估AI辅助诊断工具在眼科临床实践中的效果	40名眼科医生（20名专家和20名住院医师）对100张眼部图像进行分类诊断	digital pathology	anterior segment eye diseases	deep learning	CNN	image	100张图像（50张iPhone 13 Pro照片和50张扩散裂隙灯照片）
2006	2025-04-24	Deep attention model for arrhythmia signal classification based on multi-objective crayfish optimization algorithmic variational mode decomposition 2025-02-11, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-89752-0 PMID:39934416	research paper	提出了一种基于多目标小龙虾优化算法变分模态分解的深度注意力模型，用于心律失常信号分类	结合了基于非支配排序的多目标优化方法和小龙虾优化算法来优化VMD的关键参数，并构建了基于MOCOA-VMD的深度注意力模型	研究主要基于模拟的ECG信号，虽然也使用了MIT-BIH心律失常数据库进行验证，但可能仍需更多真实数据验证	提高心律失常信号的分类准确率	心律失常信号	machine learning	cardiovascular disease	variational mode decomposition (VMD), multi-objective crayfish optimization algorithm (MOCOA)	deep attention model	ECG信号	模拟的ECG信号和MIT-BIH心律失常数据库
2007	2025-04-24	A robust deep learning framework for multiclass skin cancer classification 2025-02-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-89230-7 PMID:39930026	research paper	提出一种创新的混合深度学习模型，用于多类别皮肤癌分类	结合ConvNeXtV2块和可分离自注意力机制，优化特征提取和分类性能	未提及模型在真实临床环境中的验证情况	提高皮肤癌早期和精确诊断的准确率	八种不同的皮肤病变类别	computer vision	skin cancer	data augmentation, transfer learning	hybrid deep learning model (ConvNeXtV2 + separable self-attention)	image	ISIC 2019数据集中的八种皮肤病变类别
2008	2025-04-24	Artificial intelligence links CT images to pathologic features and survival outcomes of renal masses 2025-Feb-07, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-56784-z PMID:39915478	研究论文	该研究利用深度学习模型通过术前多期CT图像非侵入性预测肾脏肿块恶性和侵袭性病理的可能性	开发了两个多期卷积神经网络模型，用于预测肾脏肿块的恶性和侵袭性，其性能超过了资深放射科医生和放射组学模型	研究样本量有限，且仅基于CT图像进行预测	改善肾脏肿块的诊断，区分良性肿块和侵袭性癌症以优化治疗选择	4557名患者的13261个术前CT扫描数据	数字病理	肾癌	CT扫描	CNN	图像	4557名患者的13261个CT扫描数据
2009	2025-04-24	Invited commentary: deep learning-methods to amplify epidemiologic data collection and analyses 2025-Feb-05, American journal of epidemiology IF:5.0Q1 DOI:10.1093/aje/kwae215 PMID:39013794	comments	本文是一篇受邀评论，探讨了深度学习在流行病学数据收集和分析中的应用及其潜力	讨论了深度学习如何扩展流行病学研究的范围和能力，包括增加研究的地理覆盖、纳入更多研究对象以及处理大规模或高维数据	深度学习方法的工具对流行病学家来说不如传统回归方法那样直接或普遍可用	探讨深度学习在流行病学数据收集和分析中的应用及其潜力	流行病学研究中的数据收集和分析	machine learning	NA	deep learning, neural networks, attention algorithms	NA	text, audio, images, video	NA
2010	2025-04-24	Deep learning-based automatic ASPECTS calculation can improve diagnosis efficiency in patients with acute ischemic stroke: a multicenter study 2025-Feb, European radiology IF:4.7Q1 DOI:10.1007/s00330-024-10960-9 PMID:39060495	research paper	本研究开发了一种基于深度学习的自动ASPECTS计算系统，用于提高急性缺血性卒中患者的诊断效率	提出了一种基于深度学习的自动ASPECTS评估系统，显著提高了诊断效率和一致性	在临床应用时仍需医生验证	开发一种临床适用的自动ASPECTS系统，以提高急性缺血性卒中的诊断效率和一致性	急性缺血性卒中患者的非对比计算机断层扫描（NCCT）图像	digital pathology	cardiovascular disease	deep learning	DL	image	开发队列1767例，独立测试队列220例，前瞻性临床应用研究13399例患者
2011	2025-04-24	Estimating the Severity of Oral Lesions Via Analysis of Cone Beam Computed Tomography Reports: A Proposed Deep Learning Model 2025-Feb, International dental journal IF:3.2Q1 DOI:10.1016/j.identj.2024.06.015 PMID:39068121	研究论文	本研究提出了一种基于深度学习的模型，用于通过分析锥形束计算机断层扫描（CBCT）报告来估计口腔病变的严重程度	提出的CNN-LSTM模型利用密集向量表示嵌入的单词，有效捕捉语义相似性，优于传统模型	研究仅基于单一机构的1134份CBCT报告，可能缺乏广泛代表性	区分口腔病变的高风险和低风险等级，以促进及时治疗	口腔病变的CBCT放射学报告	自然语言处理	口腔疾病	CBCT	CNN-LSTM	文本	1134份CBCT放射学报告
2012	2025-04-24	Deep learning model based on contrast-enhanced ultrasound for predicting vessels encapsulating tumor clusters in hepatocellular carcinoma 2025-Feb, European radiology IF:4.7Q1 DOI:10.1007/s00330-024-10985-0 PMID:39066894	研究论文	基于对比增强超声的深度学习模型用于预测肝细胞癌中的血管包裹肿瘤簇模式	提出了一种非侵入性的深度学习方法，利用对比增强超声图像预测肝细胞癌中的VETC模式，并评估其对术后早期复发的预测价值	研究为回顾性设计，样本量相对较小（242例患者）	开发并验证一种非侵入性工具，用于预测肝细胞癌中的VETC模式和术后早期复发风险	肝细胞癌患者	数字病理	肝细胞癌	对比增强超声(CEUS)	ResNet-18 CNN	图像	242例肝细胞癌患者（训练组195例，测试组47例）
2013	2025-04-24	Comparison of the Efficacy of Artificial Intelligence-Powered Software in Crown Design: An In Vitro Study 2025-Feb, International dental journal IF:3.2Q1 DOI:10.1016/j.identj.2024.06.023 PMID:39069456	research paper	比较两种AI驱动的牙冠设计软件与传统计算机辅助设计软件在时间和形态准确性上的表现	首次比较AI驱动软件与传统计算机辅助设计软件在牙冠设计中的效率和形态准确性	AI软件在形态准确性上未能超越经验丰富的技术人员，且样本量较小	评估AI驱动软件在牙冠设计中的时间效率和形态准确性	33颗临床适应的后牙牙冠	digital pathology	NA	三维几何计算	NA	三维图像数据	33颗后牙牙冠
2014	2025-04-24	RadImageNet and ImageNet as Datasets for Transfer Learning in the Assessment of Dental Radiographs: A Comparative Study 2025-Feb, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01204-9 PMID:39048809	研究论文	比较RadImageNet和ImageNet在牙科放射影像评估中作为迁移学习数据集的性能	评估了RadImageNet（大规模医学影像数据集）在牙科影像分类任务中的表现，并与常用的ImageNet数据集进行了比较	研究仅针对两种特定的牙科影像分类任务，可能无法推广到其他医学影像分析场景	评估不同预训练数据集（RadImageNet vs ImageNet）在牙科影像分类任务中的迁移学习效果	牙科放射影像（全景放射影像和侧位头影测量影像）	计算机视觉	牙科疾病	迁移学习	深度学习模型（未指定具体类型）	影像	两个牙科影像数据集（具体数量未说明）
2015	2025-04-24	Multi-reader multiparametric DECT study evaluating different strengths of iterative and deep learning-based image reconstruction techniques 2025-Feb, European radiology IF:4.7Q1 DOI:10.1007/s00330-024-10974-3 PMID:39046499	research paper	本研究通过多读者比较，评估了深度学习图像重建（DLIR）与标准自适应统计迭代重建-V（ASIR-V）在多参数双能CT（DECT）图像重建中的表现	首次在多参数DECT图像重建中比较了DLIR与ASIR-V的不同强度，并发现DLIR在图像质量上具有优势	研究为回顾性设计，样本量相对较小（100例患者）	比较DLIR与ASIR-V在多参数DECT图像重建中的性能差异	接受门静脉期腹部CT扫描的100例患者	医学影像处理	NA	双能CT（DECT）扫描	深度学习图像重建（DLIR）	CT图像	100例患者
2016	2025-04-24	Deep Learning for Predicting the Difficulty Level of Removing the Impacted Mandibular Third Molar 2025-Feb, International dental journal IF:3.2Q1 DOI:10.1016/j.identj.2024.06.021 PMID:39043529	研究论文	开发并评估了一种基于计算机辅助可视化的深度学习系统，用于预测下颌阻生第三磨牙手术移除的难度等级	整合了三种不同的深度学习模型（ResNet101V2、RetinaNet和Vision Transformer）来预测手术难度等级	样本量相对较小（1367张图像来自784名患者），且数据为回顾性收集	开发一个深度学习系统，用于术前评估下颌阻生第三磨牙的手术移除难度	下颌阻生第三磨牙（LM3）的全景放射影像	计算机视觉	口腔疾病	深度学习	ResNet101V2, RetinaNet, Vision Transformer	图像	1367张LM3图像来自784名患者
2017	2025-04-24	AutoCorNN: An Unsupervised Physics-Aware Deep Learning Model for Geometric Distortion Correction of Brain MRI Images Towards MR-Only Stereotactic Radiosurgery 2025-Feb, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01171-1 PMID:39080159	research paper	开发了一种名为AutoCorNN的无监督物理感知深度学习模型，用于校正脑MRI图像的几何畸变，以提高立体定向放射手术的精度	AutoCorNN结合了两个2D卷积编码器-解码器神经网络与MRI信号生成的前向物理模型，无需地面真实图像即可进行无监督训练	研究主要针对前庭神经鞘瘤病例，可能在其他类型的脑部疾病中表现未经验证	开发一种高效准确的脑MRI图像几何畸变校正方法，以支持高精度放射治疗	脑MRI图像的几何畸变校正	digital pathology	vestibular schwannoma	MRI	CNN	image	两个公开数据集，包括318名受试者和242名患者
2018	2025-04-24	3D Features Fusion for Automated Segmentation of Fluid Regions in CSCR Patients: An OCT-based Photodynamic Therapy Response Analysis 2025-Feb, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01190-y PMID:39075249	research paper	提出了一种基于深度学习的自动化3D分割方法，用于光学相干断层扫描（OCT）图像中液体区域的识别，并分析CSCR患者对光动力疗法（PDT）的反应	利用OCT扫描中的丰富3D上下文信息训练模型，准确分割液体区域，并预测PDT治疗反应，为个性化治疗策略提供支持	研究主要针对CSCR患者，可能不适用于其他视网膜病变	开发一种自动化方法，用于CSCR患者OCT图像中液体区域的精确分割和PDT治疗反应预测	CSCR患者的OCT扫描图像	digital pathology	retinal pathologies	OCT, deep learning	DL	3D OCT scans	2769张OCT扫描（124个3D体积）
2019	2025-04-24	Developing an Effective Off-the-job Training Model and an Automated Evaluation System for Thoracoscopic Esophageal Atresia Surgery 2025-Feb, Journal of pediatric surgery IF:2.4Q2 DOI:10.1016/j.jpedsurg.2024.06.023 PMID:39054116	research paper	开发了一种基于深度学习的自动化评估系统，用于评估胸腔镜食管闭锁手术中的手术技能	利用深度学习技术自动评估手术技能，并通过钳子运动识别手术技术质量	样本量较小，仅有45名参与者，且自动化系统的精确度为75%，仍有提升空间	构建一个自动化系统，用于客观评估胸腔镜食管闭锁手术中的手术技能	参与胸腔镜食管闭锁手术训练的医生	digital pathology	esophageal atresia	deep learning	DL	image	45名参与者（13名技能优秀，32名技能较差）
2020	2025-04-24	A Boundary-Enhanced Decouple Fusion Segmentation Network for Diagnosis of Adenomatous Polyps 2025-Feb, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01195-7 PMID:39037669	研究论文	本研究开发了一种基于深度学习的边界增强解耦融合分割网络，用于腺瘤性息肉的定位和分类	提出了一种新的边界增强解耦融合分割网络，结合了SBE模块、GAB和BEM模块，分别增强身体和边缘特征，提高了分类精度	仅在两个私有数据集上进行了实验，未在公开数据集上验证	开发一种精确的腺瘤性息肉分类方法，以支持个性化治疗	腺瘤性息肉（绒毛状腺瘤和管状腺瘤）	数字病理学	腺瘤性息肉	深度学习	EGE-UNet, PPM, SBE, GAB, BEM	内窥镜图像	两个私有数据集（具体样本数量未提及）