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
2721	2025-04-16	Role of Artificial Intelligence in Thyroid Cancer Diagnosis 2025-Apr-02, Journal of clinical medicine IF:3.0Q1 DOI:10.3390/jcm14072422 PMID:40217871	review	本文综述了人工智能（AI）在甲状腺癌诊断中的应用，特别是机器学习和深度学习算法在超声、病理和分子领域的有效性	介绍了新的AI算法如CBIR、SE-CBIR、Restore-GANs和ViTs，展示了它们在甲状腺病理诊断和预后中的潜力	未提及具体研究样本量或实验设计的局限性	探讨AI在甲状腺癌诊断和预防中的应用潜力	甲状腺结节和甲状腺癌	digital pathology	thyroid cancer	machine learning, deep learning	GAN, Vision Transformers (ViTs)	image	NA
2722	2025-04-16	Identification of Eye Diseases Through Deep Learning 2025-Apr-02, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15070916 PMID:40218266	研究论文	本研究旨在设计和实现一种基于深度学习的算法，以高精度分类眼部疾病	提出了一种自设计的卷积神经网络架构，结合数字图像处理技术，实现了97%的分类效率	研究未提及模型在临床环境中的实际应用效果及跨数据集泛化能力	开发高效的眼部疾病自动诊断系统	眼部疾病（白内障、糖尿病视网膜病变、青光眼等）	计算机视觉	眼部疾病	数字图像处理（模糊滤镜、Canny边缘检测）	CNN（包含3个卷积层、3个池化层的11层自定义架构）	图像	包含5类（正常、白内障、糖尿病视网膜病变、青光眼、其他视网膜疾病）的眼部图像数据集
2723	2025-04-16	Retinal fluid quantification using a novel deep learning algorithm in patients treated with faricimab in the TRUCKEE study 2025-Apr, Eye (London, England) DOI:10.1038/s41433-024-03532-0 PMID:39663398	研究论文	本研究使用一种新型深度学习算法在真实世界患者中量化视网膜液体变化，这些患者接受faricimab治疗新生血管性年龄相关性黄斑变性(nAMD)	开发了一种新型深度学习算法(Notal OCT Analyzer, NOA)来精确量化视网膜液体变化	研究为回顾性设计，可能受到数据收集偏差的影响	评估faricimab治疗nAMD患者的视网膜液体变化	接受faricimab治疗的nAMD患者	数字病理学	年龄相关性黄斑变性	光学相干断层扫描(OCT)	深度学习算法(NOA)	图像	521只眼睛
2724	2025-04-16	Towards a unified framework for single-cell -omics-based disease prediction through AI 2025-04, Clinical and translational medicine IF:7.9Q1 DOI:10.1002/ctm2.70290 PMID:40170267	研究论文	提出一个名为scDisPreAI的统一框架，利用AI整合单细胞组学数据，用于疾病和疾病阶段的预测及生物标志物发现	提出首个整合单细胞组学数据和AI的统一框架scDisPreAI，支持多任务学习和可解释的生物标志物识别	需要进一步的多组学整合、标准化协议和前瞻性临床验证	开发一个AI驱动的统一框架，用于基于单细胞组学数据的疾病预测和生物标志物发现	单细胞组学数据和疾病预测	机器学习	多种疾病	单细胞组学	多任务学习模型（可能包括深度学习架构）	单细胞组学数据	NA
2725	2025-04-16	Electrocardiogram Abnormality Detection Using Machine Learning on Summary Data and Biometric Features 2025-Apr-01, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15070903 PMID:40218253	研究论文	本研究探讨了利用机器学习模型结合临床特征和心电图关键测量数据对心电图异常进行分类的潜力	采用非时间序列数据（如人口统计和生物特征数据）进行心电图异常分类，并比较了多种机器学习模型的性能	由于缺乏时间序列数据，诊断准确性受到限制，且分类边界案例存在困难	开发自动化心电图异常分类方法，以提高诊断效率和准确性	心电图异常分类	机器学习	心血管疾病	机器学习	Gaussian Naive Bayes, SVM, 随机森林, 极端随机树, 梯度提升树, 集成分类器	人口统计数据和心电图相关生物特征数据	NA
2726	2025-04-16	Automated Detection, Localization, and Severity Assessment of Proximal Dental Caries from Bitewing Radiographs Using Deep Learning 2025-Apr-01, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15070899 PMID:40218248	研究论文	本文提出了一种基于深度学习的系统，用于从咬翼X光片中自动检测、定位和评估近端龋齿的严重程度	使用预训练的YOLOv11实例分割模型，结合ICCM指南对龋齿严重程度进行分类，系统在龋齿分割和严重程度分类上表现出色	研究仅针对完全或四分之三出现在咬翼X光片中的牙齿，可能无法涵盖所有临床情况	提高近端龋齿的检测和评估准确性，辅助牙医进行诊断和治疗建议	咬翼X光片中的近端龋齿	计算机视觉	龋齿	深度学习	YOLOv11	图像	1354张咬翼X光片
2727	2025-04-16	Artificial Intelligence in Inflammatory Bowel Disease Endoscopy 2025-Apr-01, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15070905 PMID:40218255	review	本文综述了人工智能在炎症性肠病内窥镜检查中的应用及其潜在价值	探讨了AI在炎症性肠病内窥镜检查中的创新应用，包括优化图像分类、病变分割、早期黏膜异常检测以及新型生物标志物的发现	AI在炎症性肠病内窥镜检查中的应用仍处于初级阶段，需要更多研究验证其效果	总结人工智能在炎症性肠病内窥镜检查中的最新进展，探讨其在精准医学中的潜在作用	炎症性肠病（克罗恩病和溃疡性结肠炎）的内窥镜检查	digital pathology	inflammatory bowel disease	deep learning, pattern recognition	NA	medical imaging	NA
2728	2025-04-16	SegmentAnyTooth: An open-source deep learning framework for tooth enumeration and segmentation in intraoral photos 2025-Apr, Journal of dental sciences IF:3.4Q1 DOI:10.1016/j.jds.2025.01.003 PMID:40224126	research paper	开发了一个名为SegmentAnyTooth的开源深度学习框架，用于在口腔内照片中自动进行牙齿编号和分割	提出了一个开源框架，支持五种标准口腔视图的牙齿自动编号和分割，显著提高了分割准确性	需要进一步提高模型的泛化能力	通过自动化牙齿分析，减少对专业资源的依赖，提高预防性牙科护理的可及性	口腔内照片中的牙齿	digital pathology	NA	deep learning	YOLO11, Light HQ-SAM	image	5000张口腔内照片（来自953名受试者）
2729	2025-04-16	Mapping the patent landscape of TROP2-targeted biologics through deep learning 2025-Apr, Nature biotechnology IF:33.1Q1 DOI:10.1038/s41587-025-02626-8 PMID:40229366	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
2730	2025-04-16	Development of a YOLOv3-Based Model for Automated Detection of Thoracic Ossification of the Posterior Longitudinal Ligament and the Ligamentum Flavum on Plain Radiographs 2025-Mar-31, Journal of clinical medicine IF:3.0Q1 DOI:10.3390/jcm14072389 PMID:40217839	研究论文	本研究开发并验证了一种基于YOLOv3的深度学习模型，用于在胸部侧位X光片上自动检测后纵韧带骨化(OPLL)和黄韧带骨化(OLF)，以提高早期诊断和筛查的可及性	首次应用YOLOv3模型在胸部X光片上自动检测OPLL和OLF，其准确率和召回率超过了脊柱外科医生，尤其是在复合病例的检测上表现更优	OLF单独检测的准确率相对较低(53.3%)，可能由于样本量不足或特征不明显	开发一种自动检测胸部后纵韧带和黄韧带骨化的高效筛查工具	胸部侧位X光片中的后纵韧带骨化(OPLL)和黄韧带骨化(OLF)	计算机视觉	脊柱疾病	深度学习	YOLOv3	图像	356张胸部侧位X光片(176例病例和180例对照)
2731	2025-04-16	Explainable and Robust Deep Learning for Liver Segmentation Through U-Net Network 2025-Mar-31, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15070878 PMID:40218228	research paper	本文提出了一种基于深度学习的U-Net网络方法，用于医学图像中肝脏的精确分割，以支持肝癌等恶性疾病的诊断和治疗规划	采用带有残差连接的U-Net架构捕捉精细解剖细节，并考虑了预测的可解释性，以突出显示图像中与特定分割相关的症状区域	实验仅基于两个CT医学图像数据集进行，可能无法涵盖所有患者群体和成像条件	提高肝脏分割的准确性和效率，以优化肝癌等恶性疾病的诊断和治疗规划	医学图像中的肝脏分割	digital pathology	hepatocellular carcinoma	deep learning	U-Net	image	两个注释的CT医学图像数据集
2732	2025-04-16	Diagnostic Accuracy of Deep Learning for Intracranial Hemorrhage Detection in Non-Contrast Brain CT Scans: A Systematic Review and Meta-Analysis 2025-Mar-30, Journal of clinical medicine IF:3.0Q1 DOI:10.3390/jcm14072377 PMID:40217828	meta-analysis	本文通过系统综述和荟萃分析评估深度学习在非对比脑CT扫描中检测颅内出血的诊断准确性	更新了关于深度学习模型在非对比CT扫描中检测颅内出血性能的最新知识，并提供了全面的荟萃分析结果	需要更多前瞻性研究来确认深度学习工具的临床益处，并揭示其在自动化颅内出血检测中的局限性及其对临床工作流程和患者结果的影响	评估深度学习模型在非对比脑CT扫描中检测颅内出血的诊断准确性	非对比脑CT扫描中的颅内出血	digital pathology	cardiovascular disease	NCCT	DL	image	73项研究纳入定性综合，58项研究纳入荟萃分析
2733	2025-04-16	A New Pes Planus Automatic Diagnosis Method: ViT-OELM Hybrid Modeling 2025-Mar-28, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15070867 PMID:40218217	研究论文	提出了一种基于Vision Transformer (ViT)和Optimum Extreme Learning Machine (OELM)的混合模型，用于扁平足的自动诊断	使用ViT-OELM混合模型结合注意力机制进行特征提取，相比传统CNN模型能更好地捕捉长期依赖和全局状况	研究仅使用了公开数据集，未涉及临床实际应用验证	开发一种自动诊断扁平足的新方法	扁平足患者和正常足弓者的足部图像	计算机视觉	足部疾病	深度学习	ViT-OELM混合模型	图像	Kaggle数据库中的公开扁平足数据集（具体数量未明确说明）
2734	2025-04-16	Capturing Dynamic Finger Gesturing with High-resolution Surface Electromyography and Computer Vision 2025-Mar-28, Journal of visualized experiments : JoVE DOI:10.3791/67766 PMID:40227996	研究论文	本文提出了一种结合可穿戴表面肌电和手指跟踪系统的高级方法，用于捕捉动态手部运动期间的全面数据	结合可穿戴表面肌电和手指跟踪系统，捕捉动态手部运动的全面数据，克服了现有方法依赖笨重记录设备和静态手势识别的局限性	未提及具体样本量或实验参与者的详细信息，可能影响结果的普遍性	开发直观且响应迅速的手势识别系统，应用于假肢、康复和交互技术	动态手指手势	计算机视觉	NA	表面肌电图（sEMG）	深度学习方法	肌电信号和手指位置数据	未明确说明
2735	2025-04-16	The Application of Deep Learning Tools on Medical Reports to Optimize the Input of an Atrial-Fibrillation-Recurrence Predictive Model 2025-Mar-27, Journal of clinical medicine IF:3.0Q1 DOI:10.3390/jcm14072297 PMID:40217746	研究论文	本研究利用深度学习和自然语言处理技术优化心房颤动复发预测模型的输入数据	提出了一种自动化系统，通过深度学习和自然语言处理技术处理医疗报告，提取关键预测变量并识别新的心房颤动病例，显著降低了识别错误率	NA	提高数据集可靠性，使未来预测模型能更准确地响应	电子健康记录和非结构化医疗报告	自然语言处理	心血管疾病	DL和NLP	前馈神经网络	文本	超过一百万份出院报告
2736	2025-04-16	Lung Segmentation with Lightweight Convolutional Attention Residual U-Net 2025-Mar-27, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15070854 PMID:40218203	research paper	提出了一种基于深度学习的轻量级卷积注意力残差U-Net模型，用于精确识别胸部X光图像中的肺部区域，以辅助放射科医生识别高风险肺部疾病的早期迹象	结合了卷积块注意力模块（CBAM）、空洞空间金字塔池化（ASPP）块和注意力模块的优势，仅包含324万个可训练参数，同时使用LeakyReLU激活函数和Dice损失函数提升了性能	未提及模型在临床环境中的实际应用效果或对不同类型肺部疾病的泛化能力	提升肺部图像分割的准确性和效率，以辅助早期肺部疾病识别	胸部X光图像（CXR）中的肺部区域	digital pathology	lung cancer	deep learning	Lightweight Residual U-Net with CBAM and ASPP	image	三个基准数据集：JSRT、SZ和MC
2737	2025-04-16	Integrating Deep Learning Models with Genome-Wide Association Study-Based Identification Enhanced Phenotype Predictions in Group A Streptococcus 2025-Mar-26, Journal of microbiology and biotechnology IF:2.5Q3 DOI:10.4014/jmb.2411.11010 PMID:40147921	research paper	该研究整合深度学习模型与全基因组关联研究，以预测A组链球菌的致病表型	首次将深度学习模型与全基因组关联研究（GWAS）衍生的遗传变异整合，用于预测A组链球菌的表型	模型在减少的175基因型数据集上表现不佳，表明数据维度对模型效果有显著影响	提高A组链球菌致病表型的预测准确性	A组链球菌（GAS）及其致病表型	machine learning	infectious disease	genome-wide association study (GWAS), deep learning	CNN, ResNet18, LSTM, ensemble model	genetic variant data	4722-genotype set and a reduced 175-genotype set
2738	2025-04-16	Transformer and Attention-Based Architectures for Segmentation of Coronary Arterial Walls in Intravascular Ultrasound: A Narrative Review 2025-Mar-26, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15070848 PMID:40218198	综述	本文探讨了基于Transformer和注意力机制的模型在冠状动脉壁分割中的应用，以提高IVUS扫描的诊断准确性	首次研究了与IVUS扫描壁分割相关的深度学习系统偏见，并将可解释AI（XAI）概念融入深度学习结构中	缺乏对采用XAI和剪枝AI（PAI）模型的激励，且没有UNet系统达到无偏见配置	探索Transformer模型在IVUS扫描壁分割中的应用，以评估其在人工智能系统中的固有偏见，从而提高诊断准确性	冠状动脉壁的分割和斑块量化	数字病理学	心血管疾病	IVUS扫描	Transformer, UNet	图像	NA
2739	2025-04-16	Artificial Intelligence Applications in Pediatric Craniofacial Surgery 2025-Mar-25, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15070829 PMID:40218180	综述	本文探讨了人工智能在儿科颅面外科中的应用，包括提高诊断准确性、手术精度和术后护理优化	利用机器学习和深度学习模型分析复杂的颅面影像，实现先天性异常的早期检测，并辅助术前规划和个性化治疗策略	未提及具体的技术实施细节或临床验证结果	探索人工智能在儿科颅面外科中的潜在应用及其对临床决策的影响	儿科颅面外科中的先天性异常，如颅缝早闭、唇腭裂等	数字病理	儿科颅面疾病	机器学习和深度学习	NA	影像数据	NA
2740	2025-04-16	Multiphase Computed Tomography Scan Findings for Artificial Intelligence Training in the Differentiation of Hepatocellular Carcinoma and Intrahepatic Cholangiocarcinoma Based on Interobserver Agreement of Expert Abdominal Radiologists 2025-Mar-24, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15070821 PMID:40218171	研究论文	本研究通过多期计算机断层扫描（CT）图像分析，探讨了区分肝细胞癌（HCC）和肝内胆管癌（ICC）的潜在CT特征，并评估了放射科专家间的一致性	利用AI、ML和DL技术在放射学领域的应用，探索HCC和ICC的CT特征差异，并计算专家间的一致性，为未来AI训练算法提供辅助特征	研究样本量较小（74例患者），且为回顾性研究，可能存在选择偏差	确定用于区分肝细胞癌和肝内胆管癌的潜在CT特征	经放射学和病理学确诊的HCC和ICC患者	数字病理学	肝癌	多期CT扫描	NA	图像	74例患者（48例HCC，26例ICC）