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
261	2025-08-08	Unified deep learning models for enhanced lung cancer prediction with ResNet-50-101 and EfficientNet-B3 using DICOM images 2024-03-18, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-024-01241-4 PMID:38500083	research paper	开发了一个基于ResNet-50、EfficientNet-B3和ResNet-101的深度学习模型融合系统，用于通过DICOM图像预测肺癌	结合三种不同的深度学习模型和迁移学习技术，构建了一个统一的预测系统，显著提高了肺癌分类的精确度	深度学习在癌症数据分析方面的能力仍在发展中，可能存在过拟合风险	通过深度学习技术提高肺癌的早期检测准确率，降低死亡率	肺癌DICOM图像	digital pathology	lung cancer	transfer learning	ResNet-50, EfficientNet-B3, ResNet-101	image	1000张来自LIDC-IDRI库的DICOM图像
262	2025-08-08	Deep learning-based automatic segmentation of meningioma from T1-weighted contrast-enhanced MRI for preoperative meningioma differentiation using radiomic features 2024-03-05, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-024-01218-3 PMID:38443817	研究论文	本研究旨在建立一个基于常规MRI数据的深度学习模型，用于自动检测和分割脑膜瘤，并开发基于自动分割的放射组学模型以区分低级别和高级别脑膜瘤	开发了基于SegResNet的自动分割模型，并首次将自动分割的放射组学特征用于术前脑膜瘤分级	研究样本量相对有限（326例患者），且仅使用了T1加权增强MRI数据	建立自动分割脑膜瘤的深度学习模型并开发术前脑膜瘤分级的放射组学模型	326例经病理证实的脑膜瘤患者	数字病理	脑膜瘤	MRI	SegResNet	医学影像	326例脑膜瘤患者（训练集：验证集：测试集=6:2:2）
263	2025-08-08	Transfer learning-based PET/CT three-dimensional convolutional neural network fusion of image and clinical information for prediction of EGFR mutation in lung adenocarcinoma 2024-03-04, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-024-01232-5 PMID:38438844	研究论文	介绍了一种基于迁移学习的三维卷积神经网络（3D CNN），用于融合PET/CT图像和临床数据以预测肺腺癌（LADC）中的EGFR突变状态	提出了一种三流迁移学习模型（TS_TL），整合了PET/CT图像和临床数据，显著提高了EGFR突变状态的预测性能	研究为回顾性设计，样本量相对有限，且未在外部验证集上测试模型性能	预测肺腺癌中的EGFR突变状态，辅助临床治疗决策	516名肺腺癌患者的术前PET/CT图像、临床信息和EGFR突变状态	数字病理	肺癌	PET/CT成像	3D CNN, 迁移学习, TS_TL	图像, 临床数据	516名患者（404名训练集，112名测试集）
264	2025-08-08	PulmoNet: a novel deep learning based pulmonary diseases detection model 2024-02-28, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-024-01227-2 PMID:38418987	research paper	提出了一种基于深度学习的肺部疾病检测模型PulmoNet，用于检测COVID-19、细菌性肺炎和病毒性肺炎	创新性地使用深度卷积神经网络（DCNN）结合图像增强技术，提高了肺部疾病检测的准确性和效率	研究仅针对三种肺部疾病，未涵盖其他可能的肺部病变	开发一种高效准确的肺部疾病检测模型，以改善医疗诊断	肺部疾病（COVID-19、细菌性肺炎和病毒性肺炎）的X光和CT扫描图像	digital pathology	lung cancer	image augmentation	DCNN	image	16,435张图像（健康10,325，COVID-19 3,749，细菌性肺炎883，病毒性肺炎1,478）
265	2025-08-08	Automated assessment of cardiac pathologies on cardiac MRI using T1-mapping and late gadolinium phase sensitive inversion recovery sequences with deep learning 2024-02-13, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-024-01217-4 PMID:38350900	研究论文	本研究开发了一种基于深度学习的模型，用于自动检测心脏MRI上的心脏病理	首次结合T1-mapping和PSIR序列，利用深度学习自动检测多种心脏病理	T1-mapping图像的敏感性和特异性相对较低，模型性能有待进一步提升	开发自动化心脏病理检测系统以优化诊断流程	心脏MRI图像（T1-mapping和PSIR序列）	数字病理	心血管疾病	心脏MRI（T1-mapping和PSIR序列）	DenseNet-161	医学影像	200例（137例心脏病理患者，63例正常对照）
266	2025-08-08	Multimodal Biomedical Image Segmentation using Multi-Dimensional U-Convolutional Neural Network 2024-02-08, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-024-01197-5 PMID:38331800	研究论文	本文提出了一种名为多维度U卷积神经网络（MDU-CNN）的新框架，用于多模态生物医学图像分割，以提高准确性和全面性	提出了一种改进的U-Net框架MDU-CNN，在多模态医学图像分割中表现出更高的性能，特别是在处理困难图像时	在完美图像情况下改进较小，且仅在五个特定数据集上进行了测试	提高多模态生物医学图像分割的准确性和全面性	多模态生物医学图像	数字病理	NA	多维度U卷积神经网络（MDU-CNN）	CNN	图像	五个不同的数据集
267	2025-08-08	Artifact suppression for breast specimen imaging in micro CBCT using deep learning 2024-02-06, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-024-01216-5 PMID:38321390	研究论文	提出一种基于深度学习的微CBCT乳腺标本成像中的伪影抑制方法	使用改进的U-Net和ResU-Net神经网络模型，有效抑制CBCT重建图像中的条纹伪影和金属伪影	未提及具体样本量及临床验证结果	提升乳腺标本CBCT成像质量	乳腺标本CBCT图像	数字病理	乳腺癌	CBCT成像	U-Net, ResU-Net	医学影像	NA
268	2025-08-08	Deep learning in computed tomography to predict endotype in chronic rhinosinusitis with nasal polyps 2024-01-24, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-024-01203-w PMID:38267881	research paper	本研究构建了一种基于深度学习模型的鼻窦CT图像分析方法，用于预测慢性鼻窦炎伴鼻息肉(CRSwNP)患者的表型	首次使用深度学习模型通过鼻窦CT图像预测CRSwNP患者的表型，为非侵入性评估提供了新方法	研究样本量相对有限(251名患者)，且为回顾性研究	开发一种非侵入性方法来准确预测CRSwNP患者的表型，以指导精准治疗	慢性鼻窦炎伴鼻息肉(CRSwNP)患者	digital pathology	chronic rhinosinusitis	computed tomography	ResNet-18	image	251名患者(29,993张CT图像)
269	2025-08-08	Recognition of eye diseases based on deep neural networks for transfer learning and improved D-S evidence theory 2024-01-18, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-023-01176-2 PMID:38238662	研究论文	该论文提出了一种基于深度神经网络和改进D-S证据理论的模型，用于识别眼部疾病	通过迁移学习提高模型学习效率，并改进D-S证据理论以减少决策偏差和提高决策可信度	D-S理论本身存在不完整性和冲突性，虽然进行了改进但仍可能存在未解决的悖论	提高眼部疾病识别的准确性和鲁棒性	眼部疾病	计算机视觉	眼部疾病	深度学习	深度神经网络, 改进D-S证据理论(ID-SET)	图像	NA
270	2025-08-08	Development of HepatIA: A computed tomography annotation platform and database for artificial intelligence training in hepatocellular carcinoma detection at a Brazilian tertiary teaching hospital 2024, Clinics (Sao Paulo, Brazil) DOI:10.1016/j.clinsp.2024.100512 PMID:39388738	研究论文	本文详细介绍了在巴西一家三级教学医院开发的HepatIA平台和数据库，用于支持肝癌检测的人工智能训练	开发了一个综合性的医学影像注释平台和数据库，支持肝脏疾病AI研究，并集成了预注释分割模型	数据来源仅限于一家医院，可能影响模型的泛化能力	创建并详细描述一个用于肝癌检测AI训练的医学影像注释平台和数据库	656名患者的692个CT扫描数据，包括健康个体和肝脏疾病患者	数字病理	肝癌	CT扫描	深度学习算法	医学影像	656名患者的692个CT扫描数据
271	2025-08-08	Multimodal recurrence scoring system for prediction of clear cell renal cell carcinoma outcome: a discovery and validation study 2023-08, The Lancet. Digital health DOI:10.1016/S2589-7500(23)00095-X PMID:37393162	研究论文	开发了一种结合临床、基因组和组织病理学三种模态的新型检测方法，用于预测局部肾细胞癌的复发	整合了三种模态（临床、基因组和组织病理学）的多模态复发评分系统，显著提高了预测准确性	研究为回顾性分析，需要前瞻性研究进一步验证	开发更准确的预测局部肾细胞癌术后复发的标志物	局部（I-III期）肾细胞癌患者	数字病理学	肾细胞癌	全幻灯片图像(WSI)分析、单核苷酸多态性检测	深度学习	图像、基因组数据、临床数据	开发数据集651例患者，训练数据集1125例患者，独立验证数据集1625例患者，TCGA数据集418例患者
272	2025-08-07	Combined model-driven and dual-cycle interactive strategy few-shot learning scheme for predicting breast cancer molecular subtypes based on DCE-MRI 2025-Oct, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108923 PMID:40628151	研究论文	提出一种结合模型驱动和双循环交互策略的小样本学习方案，用于基于DCE-MRI预测乳腺癌分子亚型	联合嵌入模型驱动机制和双循环交互策略的小样本学习方案，以及独特的时空循环网络分类器（STRNC）和双循环交互策略（DCIS）	未提及具体局限性	解决医学图像分类问题，特别是乳腺癌分子亚型的预测	乳腺癌分子亚型	计算机视觉	乳腺癌	DCE-MRI	时空循环网络分类器（STRNC）	图像（DCE-MRI）	公共数据集
273	2025-08-07	Measured spectrum environment map dataset with multi-radiation sources in urban scenarios 2025-Oct, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2025.111909 PMID:40766197	research paper	本文提出了一个城市多辐射源场景下的实测频谱强度数据集，旨在解决现实多源动态场景中频谱环境图（SEM）开放数据集的不足	该数据集真实反映了多辐射源共存场景下传播信道的非线性特性	数据集仅覆盖了30 MHz、115 MHz和2 GHz三个频段，且空间分辨率为1m×1m	解决现实多源动态场景中频谱环境图开放数据集的不足	城市多辐射源场景下的频谱强度数据	无线通信	NA	高精度测量	NA	频谱强度数据	80×105网格的频谱强度或接收信号强度（RSS）数据
274	2025-08-07	Incorporating Pre-Training Data Matters in Unsupervised Domain Adaptation 2025-Sep, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3572963 PMID:40408198	研究论文	本文探讨了预训练数据在无监督域适应（UDA）中的重要性，并提出了一种名为TriDA的新框架	从预训练的新视角研究UDA，揭示了目标误差与预训练的关系，并提出了一个三域问题框架	未明确提及具体局限性	研究预训练数据对无监督域适应的影响，并提出改进方法	预训练数据、源域和目标域	机器学习	NA	无监督域适应（UDA）	TriDA	图像	多个基准测试数据集
275	2025-08-07	ICD code mapping model based on clinical text tree structure 2025-09, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103163 PMID:40446588	研究论文	提出了一种基于临床文本树结构的ICD编码模型TRIC，用于电子病历的自动ICD编码	结合了选区树模型和基于transformer的模型提取临床记录的结构和特征，并使用Tree-lstm模型丰富特征，提高了ICD编码的质量和效率	未提及模型在更广泛数据集上的泛化能力或实际临床应用中的潜在问题	解决电子病历ICD编码中语义表示模糊和未考虑临床记录结构特征的问题	电子病历中的临床记录文本	自然语言处理	NA	深度学习	Transformer, Tree-lstm, bioBERT, 全连接神经网络	文本	MIMIC-III完整数据集和样本数据集
276	2025-08-07	Quantitative computed tomography imaging classification of cement dust-exposed patients-based Kolmogorov-Arnold networks 2025-09, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103166 PMID:40450965	研究论文	本研究利用Kolmogorov-Arnold网络（KANs）对水泥粉尘暴露患者的定量计算机断层扫描（QCT）成像数据进行分类，以评估与水泥粉尘暴露相关的呼吸状况	首次将Kolmogorov-Arnold网络（KANs）应用于QCT成像数据的分类，显著提高了分类性能，并通过SHAP分析增强了模型的可解释性	研究仅针对水泥粉尘暴露患者，可能不适用于其他类型的粉尘或污染物暴露	提高水泥粉尘暴露患者呼吸状况的早期检测准确性	609名个体（311名水泥粉尘暴露患者和298名健康对照）的QCT成像数据	数字病理学	肺部疾病	定量计算机断层扫描（QCT）成像	Kolmogorov-Arnold网络（KANs）	图像	609名个体（311名水泥粉尘暴露患者和298名健康对照）
277	2025-08-07	ECG synthesis for cardiac arrhythmias: Integrating self-supervised learning and generative adversarial networks 2025-09, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103162 PMID:40460597	研究论文	本文提出了一种结合自监督学习和生成对抗网络的心电图合成方法，用于生成逼真的心律失常信号	提出了一种新型条件生成架构ECGAN，能够调节心电图记录的概率分布，并在心律失常分类任务中实现了性能提升	未提及具体的数据隐私保护措施细节，且合成数据的临床应用效果需要进一步验证	开发能够生成逼真心电图信号的方法，以解决标记临床数据不足和患者匿名化问题	心电图时间序列数据	机器学习	心血管疾病	自监督学习, 生成对抗网络	ECGAN (基于GAN的条件生成模型)	时间序列数据(心电图)	使用了MIT-BIH、BIDMC和PTB数据集(具体样本量未明确说明)
278	2025-08-07	VAE-GANMDA: A microbe-drug association prediction model integrating variational autoencoders and generative adversarial networks 2025-09, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103198 PMID:40540756	研究论文	提出了一种整合变分自编码器(VAE)和生成对抗网络(GAN)的模型VAE-GANMDA，用于预测微生物-药物关联	通过融合VAE和GAN学习数据的流形分布，改进VAE生成模块，整合CBAM和高斯核函数增强特征提取能力，并结合SVD技术提取线性特征	未明确提及具体局限性	开发高效的微生物-药物关联预测方法以减少传统生物实验的时间和成本	微生物和药物之间的关联	机器学习	NA	VAE, GAN, SVD, k-means++, MLP	VAE-GANMDA	关联数据	未明确提及具体样本量
279	2025-08-07	Interactive prototype learning and self-learning for few-shot medical image segmentation 2025-09, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103183 PMID:40544698	研究论文	本文提出了一种新的交互式原型学习和自学习网络，用于解决医学图像分割中的少样本学习问题	提出深度编码-解码模块、交互式原型学习模块和查询特征引导的自学习模块，以解决类内不一致性和类间相似性带来的分割挑战	NA	提高医学图像分割在少样本学习场景下的性能和泛化能力	医学图像	数字病理	NA	少样本学习	深度编码-解码网络	图像	NA
280	2025-08-07	Predicting drug-drug interactions: A deep learning approach with GCN-based collaborative filtering 2025-09, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103185 PMID:40544699	研究论文	本文提出了一种基于图卷积网络（GCN）和协同过滤的AI推荐模型，用于预测药物间的相互作用（DDIs）	该方法通过分析药物间的连接性而非化学结构来预测DDIs，避免了传统分类模型中需要采样未定义相互作用作为负样本的问题，并能预测所有未知药物对的潜在相互作用	模型的效能仅通过DDI报告验证，未涉及其他可能的验证方式	预测药物间的相互作用以提高患者用药安全性	药物及其相互作用	机器学习	NA	图卷积网络（GCN）和协同过滤	GCN	药物相互作用数据	4,072种药物和1,391,790对药物相互作用