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
2101	2025-05-03	A deep learning approach versus expert clinician panel in the classification of posterior circulation infarction 2025, NeuroImage. Clinical DOI:10.1016/j.nicl.2025.103732 PMID:39826393	research paper	本研究开发并验证了一种基于深度学习的CTP图像分类方法，用于后循环梗死的诊断，并与专家临床医生的诊断性能进行了比较	首次将3D-DenseNet应用于CTP图像的后循环梗死分类，并证明其性能优于专家临床医生的平均诊断水平	研究结果可能受到特定临床医生诊断能力的影响，且模型性能提升程度因医生而异	开发一种自动化深度学习方法来提高后循环梗死的诊断准确性	后循环梗死(POCI)患者	digital pathology	cardiovascular disease	CTP	3D-DenseNet	image	541名患者(来自3541名患者的INSPIRE登记数据)
2102	2025-05-03	Multispectral imaging-based detection of apple bruises using segmentation network and classification model 2025-Jan, Journal of food science IF:3.2Q2 DOI:10.1111/1750-3841.70003 PMID:39832229	研究论文	提出了一种结合多光谱成像系统和深度学习的方法，用于准确检测苹果的损伤程度和损伤时间	改进了DeepLabV3+网络，采用深度可分离卷积和高效通道注意力机制，并替换损失函数为焦点损失，提高了损伤区域分割的准确性；改进DenseNet121，使用余弦退火算法调整学习率，引入压缩-激励注意力机制和高斯误差线性单元激活函数，提高了损伤程度和时间的识别准确率	NA	准确检测苹果的损伤程度和损伤时间	苹果	计算机视觉	NA	多光谱成像	DeepLabV3+, EfficientNetV2, DenseNet121, ShuffleNetV2	图像	测试集中两种类型的苹果
2103	2025-05-03	Deep learning in neurosurgery: a systematic literature review with a structured analysis of applications across subspecialties 2025, Frontiers in neurology IF:2.7Q3 DOI:10.3389/fneur.2025.1532398 PMID:40308224	系统文献综述	本研究系统综述了深度学习在神经外科实践中的应用，全面了解深度学习在神经外科中的角色	提供了深度学习技术在神经外科各亚专科中的具体应用、局限性和未来方向的系统综述	深度学习模型在神经外科实践中的整合面临挑战和限制	系统评估深度学习在神经外科实践中的应用及其潜力	神经外科各亚专科的深度学习应用研究	数字病理	神经外科相关疾病	深度学习	DL算法	视频、图像、CT、MRI和超声数据	181篇符合条件的研究文章
2104	2025-05-03	An android-smartphone application for rice panicle detection and rice growth stage recognition using a lightweight YOLO network 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1561632 PMID:40308302	研究论文	本研究开发了一个基于改进YOLOv8模型的安卓智能手机应用，用于水稻穗检测和生长阶段识别	提出了YOLO_ECO模型，通过C2f-Faster-EMA模块、Slim Neck结构和LSCD头部等改进，显著提升了检测效率和精度	NA	提高精准田间管理水平以最大化粮食产量	水稻穗及其生长阶段（孕穗期、抽穗期和灌浆期）	计算机视觉	NA	深度学习	YOLO_ECO（改进的YOLOv8）	图像	NA
2105	2025-05-03	Deep linear matrix approximate reconstruction with integrated BOLD signal denoising reveals reproducible hierarchical brain connectivity networks from multiband multi-echo fMRI 2025, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2025.1577029 PMID:40309655	研究论文	该论文提出了一种结合多波段多回波fMRI技术和深度线性矩阵近似重建方法（DELMAR）的新策略，用于更准确地描绘人脑的分层功能连接网络	整合了多回波BOLD信号去噪和DELMAR方法，无需单独的多回波独立成分分析去噪步骤，提高了分层脑连接网络的重建准确性和可重复性	未明确提及具体的研究局限性	改进功能磁共振成像技术，以更准确地描绘人脑的分层功能连接网络	人脑功能连接网络	神经影像学	神经和精神疾病	多波段多回波fMRI（MBME fMRI）	深度线性模型（DELMAR）	fMRI数据	NA
2106	2025-05-03	Approach for enhancing the accuracy of semantic segmentation of chest X-ray images by edge detection and deep learning integration 2025, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2025.1522730 PMID:40309721	研究论文	提出了一种结合边缘检测和深度学习的方法来提高胸部X光图像语义分割的准确性	整合了Sobel和Scharr边缘检测滤波器与U-net深度学习架构，显著提升了分割精度	未提及对不同设备或不同质量X光图像的泛化能力	提高胸部X光图像中解剖结构的分割准确性，以改善心胸疾病的诊断	胸部X光图像中的肺、心脏和锁骨	计算机视觉	心胸疾病	边缘检测（Sobel和Scharr滤波器）	U-net	图像	NA
2107	2025-05-03	EfficientNetB0-Based End-to-End Diagnostic System for Diabetic Retinopathy Grading and Macular Edema Detection 2025, Diabetes, metabolic syndrome and obesity : targets and therapy DOI:10.2147/DMSO.S506494 PMID:40309724	研究论文	开发并验证了一种基于深度学习的自动化诊断系统，用于快速准确诊断糖尿病视网膜病变（DR）及其并发症	采用EfficientNetB0模型构建端到端诊断系统，实现DR分级和糖尿病黄斑水肿（DME）检测，并通过Grad-CAM增强模型可解释性	未提及模型在不同人群或设备采集图像上的泛化能力	提高糖尿病视网膜病变诊断的效率和准确性	2753名患者的19,031张荧光素血管造影（FFA）图像	数字病理学	糖尿病视网膜病变	荧光素血管造影（FFA）	EfficientNetB0	图像	19,031张FFA图像（来自2,753名患者）
2108	2025-05-03	Corrigendum: Bioinformatic analysis reveals the association between bacterial morphology and antibiotic resistance using light microscopy with deep learning 2025, Frontiers in microbiology IF:4.0Q2 DOI:10.3389/fmicb.2025.1607769 PMID:40313407	correction	本文是对先前发表的文章的更正	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
2109	2025-05-03	Psoriasis severity assessment: Optimizing diagnostic models with deep learning 2024-Dec, Narra J DOI:10.52225/narra.v4i3.1512 PMID:39816098	research paper	本研究评估了深度学习模型在银屑病严重程度自动分类中的应用	使用五种改进的深度卷积神经网络（DCNN）进行银屑病严重程度分类，并确定ResNet50为最优模型	需要进一步的临床验证和模型优化	优化银屑病严重程度的诊断模型	银屑病临床图像	computer vision	psoriasis	deep learning	ResNet50, VGGNet19, MobileNetV3, MnasNet, EfficientNetB0	image	1,546张临床图像（1,082张用于训练，463张用于验证和测试）
2110	2025-05-03	A deep learning feature importance test framework for integrating informative high-dimensional biomarkers to improve disease outcome prediction 2024-Nov-22, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae709 PMID:39815828	research paper	提出了一种名为HdFIT的深度学习特征重要性测试框架，用于整合高维生物标志物以提高疾病结果预测	HdFIT框架结合了特征筛选步骤和机器学习模型，能够有效识别关键生物标志物并提高预测准确性	框架在高维设置下的性能尚未在所有类型的生物标志物上得到验证	提高疾病结果预测的准确性并理解疾病机制	行为、临床和高维分子特征	machine learning	NA	deep learning	deep neural networks	high-dimensional molecular profiles	NA
2111	2025-05-03	scGO: interpretable deep neural network for cell status annotation and disease diagnosis 2024-Nov-22, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf018 PMID:39820437	research paper	介绍了一种名为scGO的深度学习框架，用于单细胞RNA测序数据的可解释性细胞状态注释和疾病诊断	scGO利用稀疏神经网络和基因本体论（GO）的内在生物学关系，显著提高了可解释性并降低了计算成本	未明确提及具体局限性	开发一种可解释的深度学习模型，用于细胞状态注释和疾病诊断	单细胞RNA测序数据	machine learning	NA	scRNA-seq	deep neural network	RNA-seq data	多样化的scRNA-seq数据集
2112	2025-05-03	scHiClassifier: a deep learning framework for cell type prediction by fusing multiple feature sets from single-cell Hi-C data 2024-Nov-22, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf009 PMID:39831891	研究论文	提出了一种名为scHiClassifier的深度学习框架，通过融合单细胞Hi-C数据的多个特征集来预测细胞类型	提出了四个具有明确解释性和生物学意义的新特征集，并开发了一个基于多头自注意力编码器、1D卷积和特征融合的新型深度学习框架	当前基于单细胞Hi-C数据的细胞类型预测框架有限，常面临特征解释性和生物学意义的挑战，且缺乏令人信服和稳健的分类性能验证	开发一种能够利用单细胞Hi-C数据识别细胞类型的方法	单细胞Hi-C数据	生物信息学	NA	单细胞高通量染色体构象捕获技术（Hi-C）	多头自注意力编码器、1D卷积	单细胞Hi-C数据	六个数据集
2113	2025-05-03	Enhancing Generalizability in Biomedical Entity Recognition: Self-Attention PCA-CLS Model 2024 Nov-Dec, IEEE/ACM transactions on computational biology and bioinformatics DOI:10.1109/TCBB.2024.3429234 PMID:39012749	研究论文	提出了一种名为PCA-CLS的自注意力模型，用于提高生物医学实体识别的泛化能力	结合全局自注意力和字符级卷积神经网络技术，解决生物医学文本中的词汇外挑战	未提及具体局限性	提高生物医学实体识别的泛化能力	生物医学文本中的基因、药物、疾病和物种等实体	自然语言处理	NA	自注意力机制、CNN-LSTM-Softmax	PCA-CLS (Position and Contextual Attention with CNN-LSTM-Softmax)	文本	八个不同的生物医学领域数据集
2114	2025-05-03	The Updated Registry of Fast Myocardial Perfusion Imaging with Next-Generation SPECT (REFINE SPECT 2.0) 2024-Nov-01, Journal of nuclear medicine : official publication, Society of Nuclear Medicine IF:9.1Q1 DOI:10.2967/jnumed.124.268292 PMID:39362762	研究论文	介绍了更新后的REFINE SPECT 2.0注册表，包括更多患者和CT衰减校正成像的设计和初步结果	扩展了REFINE SPECT注册表，增加了CT衰减校正成像，并利用深度学习软件检测冠状动脉钙化	仅8.4%的患者有侵入性冠状动脉造影相关数据	评估SPECT心肌灌注成像的价值，验证新的人工智能工具在多模态成像中预测不良结局的效果	45,252名患者的心肌灌注成像数据	数字病理学	心血管疾病	SPECT, CT衰减校正成像, 深度学习	深度学习	图像	45,252名患者来自13个中心
2115	2025-05-03	Advancing Vascular Surgery: The Role Of Artificial Intelligence And Machine Learning In Managing Carotid Stenosis 2024-Oct-12, Portuguese journal of cardiac thoracic and vascular surgery DOI:10.48729/pjctvs.411 PMID:39820882	review	本文探讨了人工智能和机器学习在颈动脉狭窄诊断、风险分层和管理中的应用	利用AI增强的影像技术和深度学习显著提高了颈动脉斑块易损性和症状性斑块的诊断准确性	面临临床验证和数据隐私的挑战	提高颈动脉狭窄的诊断准确性和风险分层，改善患者管理	颈动脉狭窄患者	machine learning	cardiovascular disease	deep learning	NA	image	NA
2116	2025-05-03	Predicting metabolite response to dietary intervention using deep learning 2024-Sep-19, bioRxiv : the preprint server for biology DOI:10.1101/2023.03.14.532589 PMID:36993761	研究论文	开发了一种名为McMLP的深度学习方法，用于预测个体对饮食干预的代谢物反应	首次提出使用耦合多层感知器（McMLP）来预测代谢物反应，填补了深度学习在该领域的空白	NA	实现精准营养，通过预测个体对饮食干预的代谢物反应来设计个性化的饮食策略	个体的肠道微生物组成及其对食物和营养素的代谢物反应	机器学习	NA	深度学习	McMLP（耦合多层感知器）	合成数据和真实数据	来自六项饮食干预研究的真实数据
2117	2025-05-03	Deep Learning-Based Assessment of Built Environment From Satellite Images and Cardiometabolic Disease Prevalence 2024-Jun-01, JAMA cardiology IF:14.8Q1 DOI:10.1001/jamacardio.2024.0749 PMID:38691380	研究论文	本研究利用深度学习技术从卫星图像中提取建筑环境特征，并探讨其与城市中心脏代谢疾病患病率之间的关联	首次大规模使用Google卫星图像结合卷积神经网络评估建筑环境与心脏代谢疾病的关系，并发现特定建筑环境特征与疾病的相关性	横断面研究设计无法确定因果关系，且仅覆盖了美国7个城市的数据	探究基于图像的建筑环境特征与心脏代谢疾病患病率之间的关系	美国7个城市(克利夫兰、弗里蒙特等)的789个人口普查区的建筑环境和居民健康数据	计算机视觉	心血管疾病	卫星图像分析	CNN(卷积神经网络)、LightGBM(轻量梯度提升机)	卫星图像、人口普查数据	31,786张航拍图像覆盖789个人口普查区
2118	2025-05-03	Development and validation of a deep learning model to predict axial length from ultra-wide field images 2024-May, Eye (London, England) DOI:10.1038/s41433-023-02885-2 PMID:38102471	研究论文	开发并验证了一种深度学习模型，用于从超广角眼底图像预测中高度近视患者的眼轴长度	首次利用深度学习模型从超广角眼底图像预测眼轴长度，并验证了其可行性	模型预测偏差与真实眼轴长度值呈强负相关，且在男女之间存在显著差异	验证利用深度学习模型从超广角眼底图像预测中高度近视患者眼轴长度的可行性	3134名近视患者的6174张超广角眼底图像	计算机视觉	近视	深度学习	深度学习模型	图像	6174张超广角眼底图像（来自3134名患者）
2119	2025-05-03	Predicting systemic diseases in fundus images: systematic review of setting, reporting, bias, and models' clinical availability in deep learning studies 2024-May, Eye (London, England) DOI:10.1038/s41433-023-02914-0 PMID:38238576	系统综述	本文系统综述了使用深度学习技术分析眼底图像预测系统性疾病的文献，评估了研究质量并提出了临床转化建议	首次对深度学习在眼底图像预测系统性疾病领域的文献进行全面系统评价，并采用TRIPOD和PROBAST标准评估报告透明度和偏倚风险	仅纳入31篇文献，大多数研究存在高偏倚风险，临床可用性数据不足	评估深度学习在眼底图像预测系统性疾病中的应用现状和研究质量	使用深度学习和眼底图像预测系统性参数的文献	数字病理学	糖尿病及相关疾病、心血管疾病等	深度学习	NA	眼底图像	31篇研究文献（涉及4969篇初步筛选文献）
2120	2025-05-03	AI-guided histopathology predicts brain metastasis in lung cancer patients 2024-05, The Journal of pathology IF:5.6Q1 DOI:10.1002/path.6263 PMID:38433721	研究论文	使用深度学习技术分析常规H&E染色组织切片，预测非小细胞肺癌患者脑转移风险	首次将深度学习应用于常规H&E染色切片预测脑转移风险，准确率显著高于病理专家	样本量相对较小（158例），需要更大规模验证	开发AI模型预测非小细胞肺癌患者的脑转移风险	I-III期非小细胞肺癌患者的H&E染色组织切片	数字病理学	肺癌	深度学习	DL算法	病理图像	158例I-III期NSCLC患者（65例发生脑转移，93例未进展）