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
2081	2025-04-13	Deep learning informed multimodal fusion of radiology and pathology to predict outcomes in HPV-associated oropharyngeal squamous cell carcinoma 2025-Apr, EBioMedicine IF:9.7Q1 DOI:10.1016/j.ebiom.2025.105663 PMID:40121941	research paper	该研究开发了一种基于深度学习的多模态融合方法SMuRF，用于预测HPV相关口咽鳞状细胞癌的预后	首次整合了放射学和病理学的多区域数据，利用跨模态和跨区域的窗口多头自注意力机制捕捉肿瘤栖息地和图像尺度间的特征交互	研究样本量相对有限（277例患者），且未验证模型在其他癌症类型中的适用性	预测HPV相关口咽鳞状细胞癌的生存率和肿瘤分级	HPV相关口咽鳞状细胞癌患者	digital pathology	oropharyngeal squamous cell carcinoma	CT成像和全切片病理图像分析	swintransformer-based multimodal and multi-region data fusion framework (SMuRF)	image	277例匹配放射学和病理学图像的口咽鳞状细胞癌患者
2082	2025-04-13	Deep learning-based assessment of pulp involvement in primary molars using YOLO v8 2025-Apr, PLOS digital health DOI:10.1371/journal.pdig.0000816 PMID:40198622	研究论文	本研究开发了一种基于YOLO v8的深度学习模型，用于通过X光片评估乳磨牙的牙髓受累情况	首次将YOLOv8m-cls模型应用于乳牙牙髓受累诊断，在上下颌乳磨牙中分别取得了78.7%和87.8%的准确率	未使用完整咬翼片图像，未纳入临床变量，缺乏热图可视化功能	开发机器学习模型以改善儿童乳磨牙牙髓受累的诊断准确性	482颗龋坏乳磨牙的咬翼X光片	计算机视觉	牙科疾病	深度学习	YOLOv8m-cls	X光图像	482颗牙齿（来自900名儿童2018-2022年的临床数据）
2083	2025-04-13	Subgroup evaluation to understand performance gaps in deep learning-based classification of regions of interest on mammography 2025-Apr, PLOS digital health DOI:10.1371/journal.pdig.0000811 PMID:40198652	研究论文	本研究评估了一种深度学习模型在乳腺X光摄影中分类正常与潜在异常感兴趣区域（ROIs）的性能，旨在识别可能导致某些患者亚组模型性能不佳的影像、病理和人口统计学特征	通过亚组分析揭示了深度学习模型在特定患者亚组中的性能差异，并识别了影响模型性能的关键因素	研究仅基于单一数据集（EMBED），可能无法完全代表其他人群	评估深度学习模型在乳腺X光摄影ROI分类中的性能，并识别影响模型表现的亚组特征	乳腺X光摄影图像中的感兴趣区域（ROIs）	计算机视觉	乳腺癌	深度学习	CNN（特别是ResNet152V2）	图像	3.4 million张乳腺X光图像（来自115,931名患者），包括29,144个训练patch、9,910个验证patch和13,390个测试patch
2084	2025-04-13	A new era in nephrology: the role of super-resolution microscopy in research, medical diagnostic, and drug discovery 2025-Mar-24, Kidney international IF:14.8Q1 DOI:10.1016/j.kint.2025.01.040 PMID:40139567	综述	本文探讨了超分辨率显微镜在肾脏研究、医学诊断和药物发现中的潜在应用	介绍了3维结构照明显微镜及其在量化足细胞足突形态中的新方法，可在蛋白尿出现前检测足突变化	NA	探索超分辨率显微镜技术在肾脏研究、医学诊断和药物开发中的应用	肾脏的超微结构，特别是足细胞足突和裂隙隔膜	数字病理学	肾脏疾病	超分辨率显微镜，3维结构照明显微镜	深度学习算法	图像	NA
2085	2025-04-13	Optimizing deep neural networks for high-resolution land cover classification through data augmentation 2025-Mar-18, Environmental monitoring and assessment IF:2.9Q3 DOI:10.1007/s10661-025-13870-5 PMID:40102280	研究论文	本研究提出了一种创新的深度学习方法，用于高分辨率土地覆盖分类，解决了小数据集带来的挑战	首次对多种数据增强方法在土地覆盖分类中的效果进行了全面和比较性评估	研究仅基于西班牙坎塔布里亚地区的数据，可能在其他地区的适用性有限	优化深度神经网络在高分辨率土地覆盖分类中的性能	高分辨率土地覆盖图像	计算机视觉	NA	数据增强	U-Net, DeepLabv3+, FCN, PSPNet	图像	580个样本（基于分层抽样方法）
2086	2025-04-13	Comprehensive benchmarking of large language models for RNA secondary structure prediction 2025-Mar-04, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf137 PMID:40205851	研究论文	本文对用于RNA二级结构预测的大型语言模型（LLMs）进行了全面的基准测试和比较分析	首次在统一的实验设置下评估了预训练的RNA-LLMs在RNA二级结构预测任务中的泛化能力，并提供了复杂度递增的基准数据集	在低同源性场景下的泛化能力仍面临显著挑战	评估和比较预训练的RNA-LLMs在RNA二级结构预测任务中的表现	RNA二级结构预测	自然语言处理	NA	大型语言模型（LLMs）	LLM	RNA序列数据	多个基准数据集（具体数量未提及）
2087	2025-04-13	Leveraging a Vision Transformer Model to Improve Diagnostic Accuracy of Cardiac Amyloidosis With Cardiac Magnetic Resonance 2025-Mar, JACC. Cardiovascular imaging DOI:10.1016/j.jcmg.2024.09.010 PMID:39641685	研究论文	本研究开发并验证了一种基于视觉Transformer（ViT）的深度学习算法，用于通过心脏磁共振（CMR）成像提高心脏淀粉样变性（CA）的诊断准确性	首次将视觉Transformer模型应用于心脏淀粉样变性的诊断，并在内部和外部队列中验证了其高准确性	在图像质量差、双重病理或临床诊断不明确的情况下，模型准确性下降	开发一种深度学习算法，辅助区分心脏淀粉样变性与其他心肌疾病	心脏淀粉样变性（CA）、肥厚型心肌病（HCM）及其他心肌疾病患者	计算机视觉	心血管疾病	心脏磁共振（CMR）成像	视觉Transformer（ViT）	图像	内部队列807名患者（252名CA，290名HCM，265名其他），外部验证队列157名患者（51名CA，49名HCM，57名其他）
2088	2025-04-13	Routine and Advanced Neurologic Imaging at 0.55-T MRI: Opportunities and Challenges 2025-03, Radiographics : a review publication of the Radiological Society of North America, Inc IF:5.2Q1 DOI:10.1148/rg.240076 PMID:39946265	研究论文	本文探讨了0.55-T MRI系统在常规和高级神经影像学中的应用机会与挑战	研究了低场强0.55-T MRI系统在神经影像学中的新应用，特别是在减少磁敏感伪影和提高MRI安全性方面的优势	0.55-T MRI系统在频率选择性脂肪饱和和基于Dixon的脂肪抑制方面存在挑战，且动态对比增强敏感性加权灌注成像信号强度不足	评估0.55-T MRI系统在神经影像学中的诊断价值和潜在应用	脑部和脊髓的常规及高级神经影像学	医学影像学	神经系统疾病	MRI	NA	影像数据	NA
2089	2025-04-13	Comparison of 7 artificial intelligence models in predicting venous thromboembolism in COVID-19 patients 2025-Feb, Research and practice in thrombosis and haemostasis IF:3.4Q1 DOI:10.1016/j.rpth.2025.102711 PMID:40212774	研究论文	比较7种人工智能模型在预测COVID-19患者静脉血栓栓塞中的表现	比较了7种不同AI模型在预测VTE中的表现，并确定了SVC模型为最优	研究仅基于单一多中心观察性研究的数据，可能无法推广到其他人群	比较不同AI模型在预测COVID-19患者静脉血栓栓塞中的性能	COVID-19患者	机器学习	COVID-19	递归特征消除、K折交叉验证、超参数调优	多层感知器分类器、人工神经网络、XGBoost、支持向量分类器、随机梯度下降分类器、随机森林分类器、逻辑回归分类器	临床数据	8027名患者中的2649名用于测试
2090	2025-04-13	Chaotic gradient based optimization with fuzzy temporal optimized CNN for heart failure prediction 2025-01-31, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-88277-w PMID:39890898	研究论文	提出一种结合一维混沌映射和梯度优化器的新型心脏衰竭预测模型，通过改进特征选择和分类器性能来提高预测准确率	提出混沌梯度优化器(CGBO)和模糊时序优化CNN分类器(FTOCNN)，结合混沌映射和模糊时序规则提升检测精度	仅使用UCI心脏数据集和电子健康记录进行评估，未在其他数据集上验证	开发更准确和高效的心脏衰竭早期预测系统	心脏衰竭患者	机器学习	心血管疾病	混沌映射，梯度优化	FTOCNN (模糊时序优化CNN), CGBO (混沌梯度优化器)	结构化医疗数据(电子健康记录)	UCI心脏数据集和电子健康记录数据
2091	2025-04-13	Universal conditional networks (UniCoN) for multi-age embryonic cartilage segmentation with Sparsely annotated data 2025-01-31, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-87797-9 PMID:39890924	research paper	提出了一种名为Universal conditional networks (UniCoN)的新方法，用于多年龄胚胎软骨分割，特别是在稀疏标注数据的情况下	提出了两种新机制，一种基于离散年龄类别，另一种基于连续图像裁剪位置，以增强模型性能	需要进一步验证在更广泛的数据集上的泛化能力	解决胚胎软骨分割在3D micro-CT图像中的挑战，特别是在多年龄组数据中的准确性和泛化性	胚胎小鼠的软骨组织	digital pathology	osteochondrodysplasia	3D micro-CT imaging	CNN, Transformers, hybrid models	3D micro-CT images	多年龄软骨分割数据集
2092	2025-04-13	Assessing the cardioprotective effects of exercise in APOE mouse models using deep learning and photon-counting micro-CT 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0320892 PMID:40208877	research paper	本研究利用深度学习和光子计数微型CT评估运动对不同APOE基因型小鼠心脏结构和功能的影响	结合光子计数CT和深度学习分割技术评估运动对APOE小鼠模型的保护作用	研究仅基于小鼠模型，结果可能无法直接外推至人类	评估运动对不同APOE基因型小鼠心脏结构和功能的影响	140只不同APOE基因型小鼠	digital pathology	cardiovascular disease	photon-counting computed tomography (PCCT), deep learning-based segmentation	3D U-Net	image	140只小鼠（按APOE基因型、性别和运动方案分组）
2093	2025-04-13	Advancing personalized diagnosis and treatment using deep learning architecture 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1545528 PMID:40212269	研究论文	本研究提出了一种名为ImmunoNet的深度学习框架，用于提高自身免疫性疾病的诊断和治疗准确性	结合遗传、分子和临床数据，利用CNN和MLP分析大规模数据集，通过可解释AI技术和联邦学习提高模型的解释性和隐私保护	未提及具体的数据集规模或实际临床应用中的潜在问题	提高自身免疫性疾病的诊断准确性和个性化治疗策略	自身免疫性疾病患者	机器学习	自身免疫性疾病	深度学习	CNN, MLP	遗传数据、分子数据、临床数据	NA
2094	2025-04-13	Preliminary exploratory study on differential diagnosis between benign and malignant peripheral lung tumors: based on deep learning networks 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1567545 PMID:40212272	研究论文	本研究基于深度学习网络开发了一种超声成像模型，用于区分良性和恶性周围型肺肿瘤	研究首次利用超声成像结合深度学习模型（ResNet系列）进行肺肿瘤良恶性鉴别，相比传统X射线、CT和MRI方法具有创新性	研究样本量相对有限（371例），且为回顾性分析，可能存在选择偏倚	开发基于超声成像的深度学习模型以提高肺肿瘤良恶性鉴别诊断准确性	371例接受超声引导经皮肺肿瘤手术的患者	数字病理	肺癌	超声成像	ResNet18/34/50/101/152	超声图像	371例患者（训练集296例，测试集75例）
2095	2025-04-13	Heterogeneous transfer learning model for improving the classification performance of fNIRS signals in motor imagery among cross-subject stroke patients 2025, Frontiers in human neuroscience IF:2.4Q2 DOI:10.3389/fnhum.2025.1555690 PMID:40212471	研究论文	本文提出了一种跨主题异构迁移学习模型（CHTLM），用于提高中风患者运动想象功能近红外光谱（MI-fNIRS）信号的跨主题分类性能	利用健康个体的标记脑电图（EEG）数据作为源域，通过自适应特征匹配网络对齐源域和目标域的任务相关特征图和卷积层，从而提升分类性能	实验样本量较小，仅涉及八名中风患者的数据	提升中风患者MI-fNIRS信号的跨主题分类性能，以支持中风康复中的脑机接口应用	中风患者的MI-fNIRS信号	脑机接口	中风	功能近红外光谱（fNIRS）和脑电图（EEG）	跨主题异构迁移学习模型（CHTLM）	信号数据	八名中风患者的MI-fNIRS数据
2096	2025-04-13	Image-based food monitoring and dietary management for patients living with diabetes: a scoping review of calorie counting applications 2025, Frontiers in nutrition IF:4.0Q2 DOI:10.3389/fnut.2025.1501946 PMID:40212724	综述	本文综述了基于图像的食品监测和饮食管理在糖尿病患者中的应用，特别是卡路里计数应用程序	探讨了利用深度学习和计算机视觉技术自动从食物图像中估算卡路里摄入量的最新进展	标准化、多样化人群的验证以及数据隐私问题是当前面临的主要挑战	研究计算机科学在饮食摄入估计中的作用，特别是食物分割、分类和体积估计以计算卡路里	糖尿病患者	计算机视觉	糖尿病	深度学习	NA	图像	NA
2097	2025-04-13	Plant stem and leaf segmentation and phenotypic parameter extraction using neural radiance fields and lightweight point cloud segmentation networks 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1491170 PMID:40212877	研究论文	本研究提出了一种结合神经辐射场模型和轻量级点云分割网络的方法，用于植物茎叶分割和表型参数提取	提出了一个轻量级点云分割网络PointSegNet，包含GLSA模块和EAFP模块，用于整合局部和全局特征并增强边缘感知能力	NA	开发一种自动提取植物表型参数的方法	玉米、番茄和大豆植物的茎叶	计算机视觉	NA	神经辐射场模型(Nerfacto)、点云分割	PointSegNet	3D点云数据	玉米、番茄和大豆植物样本
2098	2025-04-13	Deep learning-based target spraying control of weeds in wheat fields at tillering stage 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1540722 PMID:40212873	研究论文	本研究结合深度学习设计了目标喷洒决策与滞后算法，并在测试平台上验证其有效性	对YOLOv5s进行轻量化改进并设计目标喷洒决策与滞后算法，解决了硬件操作滞后问题	实验仅使用模拟杂草和模拟分蘖小麦进行台架实验，未在真实田间环境中验证	开发基于深度学习的小麦田杂草目标喷洒控制系统	小麦田分蘖期的杂草	计算机视觉	NA	深度学习	YOLOv5s	图像	模拟杂草和模拟分蘖小麦的台架实验数据集
2099	2025-04-13	Machine learning and artificial intelligence in type 2 diabetes prediction: a comprehensive 33-year bibliometric and literature analysis 2025, Frontiers in digital health IF:3.2Q2 DOI:10.3389/fdgth.2025.1557467 PMID:40212895	综述	本文对33年（1991-2024年）间机器学习（ML）和人工智能（AI）在2型糖尿病（T2DM）预测中的应用研究进行了全面的文献计量和系统综述	采用文献计量和系统综述方法，结合TF-IDF和专家输入筛选文献，并应用双标准方法评估文献的相关性和影响力	未来研究需要解决泛化性、跨学科T2DM预测研究和社会心理整合方面的不足	综述机器学习与人工智能在2型糖尿病预测中的应用，识别关键趋势、方法和研究空白	2型糖尿病（T2DM）预测研究	机器学习	糖尿病	TF-IDF, PRISMA指南, VOSviewer, Bibliometrix	Random Forest, Gradient Boosting, CNN	文献数据	2,351篇文章
2100	2025-04-13	Head and Neck Tumor Segmentation for MRI-Guided Radiation Therapy Using Pre-trained STU-Net Models 2025, Head and Neck Tumor Segmentation for MR-Guided Applications : First MICCAI Challenge, HNTS-MRG 2024, held in conjunction with MICCAI 2024, Marrakesh, Morocco, October 17, 2024, proceedings DOI:10.1007/978-3-031-83274-1_4 PMID:40213034	研究论文	本研究比较了nnU-Net v2和STU-Net两种深度学习模型在头颈癌MRI图像中自动分割肿瘤的性能	STU-Net在可扩展性和可迁移性方面进行了关键改进，参数规模从1400万到14亿不等，并利用TotalSegmentator等大规模数据集进行预训练，更有效地捕捉复杂多变的肿瘤结构	NA	提高MRI引导放射治疗中头颈癌肿瘤分割的准确性	头颈癌患者的MRI图像	数字病理	头颈癌	深度学习	STU-Net, nnU-Net v2	MRI图像	NA