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
2481	2025-04-19	Faster Acquisition and Improved Image Quality of T2-Weighted Dixon Breast MRI at 3T Using Deep Learning: A Prospective Study 2025-01, Korean journal of radiology IF:4.4Q1 DOI:10.3348/kjr.2023.1303 PMID:39780629	research paper	本研究比较了深度学习重建的T2加权Dixon序列与传统T2加权Dixon序列在乳腺MRI中的图像质量和病灶特征	使用深度学习重建的T2加权Dixon序列（T2DL）在减少采集时间的同时提高了图像质量	研究仅在一台3T扫描仪上进行，且样本量相对有限	比较深度学习重建的T2加权Dixon序列与传统序列在乳腺MRI中的表现	乳腺MRI图像	digital pathology	breast cancer	MRI, deep learning	deep learning	image	140名女性（85个囊肿和31个乳腺癌病例）
2482	2025-04-19	UMamba Adjustment: Advancing GTV Segmentation for Head and Neck Cancer in MRI-Guided RT with UMamba and NnU-Net ResEnc Planner 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_9 PMID:40236615	research paper	该研究提出了一种名为UMambaAdj的新方法，用于在MRI引导的放疗中更精确地分割头颈癌的肿瘤体积	结合UMamba和nnU-Net ResEnc的优势，提出了一种新的肿瘤分割方法UMambaAdj	研究仅在HNTS-MRG 2024挑战测试集上进行了评估，可能需要更多数据验证	提高头颈癌MRI引导放疗中肿瘤体积分割的准确性	头颈癌患者的MRI图像中的肿瘤体积（GTVp和GTVn）	digital pathology	head and neck cancer	MRI	UMamba, nnU-Net ResEnc	image	HNTS-MRG 2024挑战测试集中的MRI图像
2483	2025-04-19	VMamba for plant leaf disease identification: design and experiment 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1515021 PMID:40241820	research paper	该研究将VMamba视觉骨干模型引入农业植物病害检测任务，结合扩散模型和迁移学习技术，提出DDHTLVMamba方法，用于小样本农业数据集的植物病害检测	引入VMamba模型，通过选择性扫描机制降低计算复杂度，同时保持全局感受野和利用动态加权优势显著提高分类精度	研究主要针对小样本农业数据集，可能在大规模多样化数据集上的泛化能力有待验证	提高农业植物病害识别的准确性和效率，推动智能农业病害防控技术的发展	农业植物病害	computer vision	plant disease	diffusion models, transfer learning	VMamba, ResNet50, Vision Transformer, Swin Transformer	image	小样本农业数据集和大规模数据集如PlantVillage
2484	2025-04-19	Advancement and independent validation of a deep learning-based tool for automated scoring of nail psoriasis severity using the modified nail psoriasis severity index 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1574413 PMID:40241894	research paper	开发和验证了一种基于卷积神经网络（CNN）的工具，用于自动评分指甲银屑病的严重程度，使用改良的指甲银屑病严重程度指数（mNAPSI）	提出了一种不依赖标准化条件、能够准确评估所有严重程度等级的自动化评分工具	尽管在独立验证数据集中表现稳健，但成像条件的变异性可能影响模型性能	开发并验证一个自动化评分指甲银屑病严重程度的深度学习模型	银屑病（PsO）、银屑病关节炎（PsA）患者及非银屑病对照（包括健康个体和类风湿关节炎患者）	digital pathology	psoriasis	CNN, BEiT architecture, ImageNet-22k pre-training	CNN	image	训练数据集包括460名患者的4,400张指甲照片，独立验证数据集包括118名患者的929张指甲照片
2485	2025-04-19	A lightweight multi-deep learning framework for accurate diabetic retinopathy detection and multi-level severity identification 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1551315 PMID:40241910	research paper	提出了一种轻量级深度学习框架，用于准确检测糖尿病视网膜病变（DR）及其多级严重程度识别	设计了一个两阶段的轻量级深度学习网络，第一阶段检测DR存在与否，第二阶段通过迁移学习进一步分类DR严重程度	仅使用了在线数据集进行验证，未涉及临床实际应用验证	提高糖尿病视网膜病变检测的准确性和及时性，以改善患者预后	糖尿病视网膜病变患者的眼底图像	digital pathology	diabetic retinopathy	deep learning, transfer learning	CNN	image	APTOS 2019数据集
2486	2025-04-19	Construction of the preoperative staging prediction model for cervical cancer based on deep learning and MRI: a retrospective study 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1557486 PMID:40242247	研究论文	基于深度学习和MRI构建宫颈癌术前分期预测模型	利用深度学习模型自动化宫颈癌术前分期，提高准确性和效率	样本量较小（112例患者），可能影响模型的泛化能力	开发自动化宫颈癌术前分期模型以辅助临床决策	宫颈癌患者	数字病理	宫颈癌	MRI扫描	DenseNet, FBNet, HRNet, RegNet, ResNet50, ShuffleNet, ViT	图像	112例宫颈癌患者的术前MRI扫描
2487	2025-04-19	Advancements in one-dimensional protein structure prediction using machine learning and deep learning 2025, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2025.04.005 PMID:40242292	综述	本文综述了机器学习和深度学习在一维蛋白质结构预测中的最新进展	介绍了从早期机器学习模型到整合序列嵌入和预训练语言模型的复杂深度学习框架的演变，以及AlphaFold和蛋白质语言模型（PLMs）在序列-结构关系捕捉中的突破性进展	面临数据质量、可扩展性、可解释性和任务特定优化等挑战	探讨机器学习和深度学习在蛋白质结构预测领域的应用及未来发展方向	一维蛋白质结构注释，包括二级结构、溶剂可及性和内在无序性	结构生物信息学	NA	机器学习和深度学习	AlphaFold, 蛋白质语言模型（PLMs）	蛋白质序列和结构数据	NA
2488	2025-04-19	Structural studies of Parvoviridae capsid assembly and evolution: implications for novel AAV vector design 2025, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2025.1559461 PMID:40242328	综述	本文综述了细小病毒科（Parvoviridae）衣壳的组装与进化结构研究，及其对新型AAV载体设计的启示	结合现代结构研究技术和计算方法，探索AAV衣壳的定制化设计，以提高基因治疗的效率和安全性	AAV载体设计仍面临挑战，未来需进一步开发增强的计算工具	探讨细小病毒科衣壳的结构生物学及其在基因治疗中的应用	细小病毒科衣壳，特别是AAV（腺相关病毒）载体	结构生物学与基因治疗	遗传性疾病	冷冻电子显微镜、X射线晶体学、比较分析、结构引导设计、定向进化、计算预测	AI/机器学习、深度学习	结构数据、序列数据	NA
2489	2025-04-19	Diagnostic Accuracy and Interobserver Reliability of Rotator Cuff Tear Detection With Ultrasonography Are Improved With Attentional Deep Learning 2024-Dec-25, Arthroscopy : the journal of arthroscopic & related surgery : official publication of the Arthroscopy Association of North America and the International Arthroscopy Association IF:4.4Q1 DOI:10.1016/j.arthro.2024.12.024 PMID:39725049	research paper	该研究通过改进YOLOv7模型，加入卷积块注意力模块（CBAM），开发了YOLOv7-CBAM模型，用于自动识别撕裂或完整的肩袖肌腱，以辅助医生通过超声诊断肩袖病变	提出了一种改进的YOLOv7-CBAM模型，结合了注意力机制，提高了肩袖肌腱撕裂检测的准确性和医生间诊断的一致性	样本量相对较小（280名患者），且仅针对特定类型的肩袖病变进行测试	提高超声诊断肩袖肌腱撕裂的准确性和医生间诊断的一致性	肩袖肌腱撕裂或完整的患者	computer vision	肩袖病变	超声成像	YOLOv7-CBAM	image	280名患者，840张超声图像
2490	2025-04-19	Exploring structural diversity across the protein universe with The Encyclopedia of Domains 2024-11, Science (New York, N.Y.) DOI:10.1126/science.adq4946 PMID:39480926	研究论文	利用深度学习方法检测和分类AlphaFold蛋白质结构数据库中的每个结构域，创建了结构域百科全书	通过深度学习检测和分类了超过3.65亿个结构域，发现了超过1万个新的结构相互作用和数千个新的折叠方式	未提及具体限制	探索蛋白质结构域的结构多样性	AlphaFold蛋白质结构数据库中的结构域	生物信息学	NA	深度学习	NA	蛋白质结构数据	超过2.14亿个预测蛋白质结构和3.65亿个检测到的结构域
2491	2025-04-19	On machine learning analysis of atomic force microscopy images for image classification, sample surface recognition 2024-Apr-17, Physical chemistry chemical physics : PCCP IF:2.9Q1 DOI:10.1039/d3cp05673b PMID:38477533	研究论文	本文探讨了机器学习在原子力显微镜图像分类和样品表面识别中的应用	提出了一种适用于AFM图像的机器学习分析通用模板，并特别关注了统计显著性的分析	AFM成像速度较慢，限制了深度学习在图像识别中的广泛应用	探讨机器学习在AFM图像分析中的应用	原子力显微镜图像	机器学习	NA	原子力显微镜(AFM)	非深度学习神经网络	图像	相对较少的AFM图像，小型数据库
2492	2025-04-19	Deep learning approach for discrimination of liver lesions using nine time-phase images of contrast-enhanced ultrasound 2024-Jan, Journal of medical ultrasonics (2001) DOI:10.1007/s10396-023-01390-z PMID:38051461	研究论文	本研究提出了一种深度学习模型，用于利用对比增强超声（CEUS）的九个时间相图像来区分肝脏病变	提出了一种并行排列三个ResNet50迁移学习模型的新型深度学习模型，能够同步输入九个不同时间相的CEUS图像并进行图像增强	样本量相对较小（181例肝脏病变），且特异性有待提高	评估深度学习模型在肝脏结节特征诊断中的性能	181例肝脏病变（48例良性，78例肝细胞癌，55例非肝细胞癌恶性）	数字病理	肝癌	对比增强超声（CEUS）	ResNet50	图像	181例肝脏病变
2493	2025-04-19	Evaluation and Prediction of Post-Hepatectomy Liver Failure Using Imaging Techniques: Value of Gadoxetic Acid-Enhanced Magnetic Resonance Imaging 2024-01, Korean journal of radiology IF:4.4Q1 DOI:10.3348/kjr.2023.0507 PMID:38184766	research paper	评估和预测肝切除术后肝衰竭（PHLF）的影像学技术价值，特别是钆塞酸增强磁共振成像（MRI）的应用	结合体积和功能分析，利用钆塞酸增强MRI提供更精确的肝功能评估和PHLF预测	肝功能在全肝中被假定为均匀分布，可能忽略局部功能差异	提高肝切除术后肝衰竭的预测准确性	肝切除术后患者	digital pathology	liver disease	Gadoxetic acid-enhanced MRI, deep learning image reconstruction, whole-liver T1 map acquisition	NA	image	NA
2494	2025-04-18	Comparison of Deep Learning and Clinician Performance for Detecting Referable Glaucoma from Fundus Photographs in a Safety Net Population 2025 Jul-Aug, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2025.100751 PMID:40235827	研究论文	开发并测试了一种基于深度学习的算法，用于检测可转诊青光眼，并与临床医生的表现进行了比较	深度学习算法在检测可转诊青光眼方面的表现与或超过眼科医生和验光师，且不受经验水平影响	研究基于回顾性队列，可能存在数据偏差	开发并测试深度学习算法以检测可转诊青光眼	6116名来自洛杉矶县卫生服务部门的患者	数字病理	青光眼	深度学习	Visual Geometry Group-19 (VGG-19)	眼底照片	5616名患者的12998张图像用于训练，500名患者的1000张图像用于测试
2495	2025-04-18	Grey wolf optimization technique with U-shaped and capsule networks-A novel framework for glaucoma diagnosis 2025-Jun, MethodsX IF:1.6Q2 DOI:10.1016/j.mex.2025.103285 PMID:40236793	research paper	提出了一种结合灰狼优化算法、U型网络和胶囊网络的自动化青光眼诊断框架	结合灰狼优化算法与U型网络进行精确视盘分割，并利用CapsNet进行青光眼分类，实现了96.01%的准确率	未提及在多样化临床环境中的泛化能力验证	开发自动化青光眼筛查系统以提高早期诊断准确率	视网膜眼底图像中的视盘区域	digital pathology	glaucoma	Grey Wolf Optimization Algorithm, CapsNet	U-Net++, CapsNet	image	NA
2496	2025-04-18	Innovative IoT-enabled mask detection system: A hybrid deep learning approach for public health applications 2025-Jun, MethodsX IF:1.6Q2 DOI:10.1016/j.mex.2025.103291 PMID:40236795	research paper	提出了一种结合ResNet50和MobileNetV2架构的混合深度学习框架，通过AFSO算法优化，用于实时口罩检测	将AFSO算法与混合深度学习架构结合，用于参数优化和提高可扩展性	未提及在极端环境下的表现或对更多样化数据集的测试	开发一个优化且可扩展的实时口罩检测系统，以应对公共卫生需求	口罩检测系统	computer vision	NA	deep learning, AFSO algorithm	ResNet50, MobileNetV2	image, video	三个数据集：Kaggle Face Mask Dataset, Public Places Dataset, Public Videos Dataset
2497	2025-04-18	Retinal fundus imaging-based diabetic retinopathy classification using transfer learning and fennec fox optimization 2025-Jun, MethodsX IF:1.6Q2 DOI:10.1016/j.mex.2025.103232 PMID:40236797	research paper	该研究提出了一种基于深度学习和Fennec Fox优化的视网膜眼底图像糖尿病视网膜病变分类模型（FIDRC-DLFFO）	结合了中值滤波降噪、Inception-ResNet-v2特征提取和GRU分类，并使用Fennec Fox优化算法调整GRU超参数以提高分类准确率	未提及具体的数据集规模和模型在真实世界应用中的具体表现	开发一种自动化的糖尿病视网膜病变检测和分类系统，以辅助眼科医生进行诊断	糖尿病视网膜病变患者的视网膜眼底图像	digital pathology	diabetic retinopathy	transfer learning, Fennec Fox Optimization	Inception-ResNet-v2, GRU	image	NA
2498	2025-04-18	Hybrid CNN and random forest model with late fusion for detection of autism spectrum disorder in Toddlers 2025-Jun, MethodsX IF:1.6Q2 DOI:10.1016/j.mex.2025.103278 PMID:40236798	research paper	提出了一种结合VGG16 CNN和随机森林分类器的混合模型，用于幼儿自闭症谱系障碍（ASD）的检测	结合了VGG16 CNN的高层次图像特征提取和随机森林的集成分类能力，提高了ASD诊断的准确率	未来研究需要整合多模态数据（如遗传和社会人口统计数据）并在多样化数据集上进一步测试以提高泛化能力	提高幼儿自闭症谱系障碍（ASD）的早期诊断准确率	幼儿自闭症谱系障碍（ASD）患者	machine learning	自闭症谱系障碍	深度学习与机器学习结合	VGG16 CNN与随机森林（RF）分类器的混合模型	图像和问卷数据	Kaggle上的ACD图像数据集和ACD问卷数据集
2499	2025-04-18	Radiomics and Artificial Intelligence Landscape for [18F]FDG PET/CT in Multiple Myeloma 2025-May, Seminars in nuclear medicine IF:4.6Q1 DOI:10.1053/j.semnuclmed.2024.11.005 PMID:39674756	综述	本文综述了放射组学和人工智能在[18F]FDG PET/CT多发性骨髓瘤中的应用现状和前景	探讨了放射组学和AI在提高PET/CT标准化解读和客观量化方面的创新应用	目前尚无标准化的解读或客观量化PET/CT的方法	支持和指导多发性骨髓瘤的管理	多发性骨髓瘤患者的[18F]FDG PET/CT影像	数字病理学	多发性骨髓瘤	放射组学、机器学习、深度学习	NA	医学影像	NA
2500	2025-04-18	Deep Learning-Derived Quantitative Scores for Chronic Rhinosinusitis Assessment: Correlation With Quality of Life Outcomes 2025-May, American journal of rhinology & allergy IF:2.5Q1 DOI:10.1177/19458924251313845 PMID:39819002	research paper	本研究利用深度学习自动分割鼻窦，生成定量评分，并探讨其与慢性鼻窦炎患者生活质量的相关性	首次使用深度学习自动分割鼻窦并生成定量评分，探索其与疾病特异性生活质量的相关性	定量评分与术后生活质量改善无显著关联	开发慢性鼻窦炎的客观量化评估工具	慢性鼻窦炎患者的CT数据	digital pathology	chronic rhinosinusitis	CT扫描	nnU-Net	image	445例CT数据（来自2个医疗中心）