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	2025-09-20	Deep learning for cardiovascular management: optimizing pathways and cost control under diagnosis-related group models 2025, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2025.1580445 PMID:40959774	综述	探讨深度学习在心血管疾病管理中优化诊疗路径和DRG成本控制的应用与潜力	整合深度学习技术于DRG支付模型下，实现心血管疾病的成本效益优化和个性化干预	面临数据质量、监管合规、伦理问题及可扩展性有限等挑战	优化心血管疾病管理路径，控制医疗成本，适应DRG支付模式	心血管疾病患者及其诊疗过程	医疗人工智能	心血管疾病	深度学习	NA	医学图像、患者数据	基于回顾性研究和大型临床注册数据的真实世界证据
262	2025-09-20	Effective Feature Extraction for Knee Osteoarthritis Detection on X-ray Images using Convolutional Neural Networks 2025, Current medical imaging IF:1.1Q3 DOI:10.2174/0115734056360714250612080450 PMID:40574391	研究论文	提出一种基于卷积神经网络的任务对齐路径聚合特征融合模型（TPAFFKnee），用于提升X光图像中膝骨关节炎检测的准确性	引入路径聚合网络优化特征提取，采用任务对齐检测头替代全卷积网络，并使用EIOU损失函数解决正负样本不平衡问题	未提及模型在外部验证集上的泛化能力，且未来需整合更多临床数据	提高膝骨关节炎的自动检测精度，辅助临床治疗和手术决策	膝骨关节炎患者的X光图像	计算机视觉	骨关节炎	深度学习，X光成像	CNN, EfficientNetB4, TPAFFKnee	图像	1650张膝骨关节炎X光图像（来自多家医院）
263	2025-09-20	Fundus blood flow density changes in the smoking population by artificial intelligence-based optical coherence tomography angiography 2025, International journal of ophthalmology IF:1.9Q2 DOI:10.18240/ijo.2025.09.01 PMID:40881442	研究论文	利用基于人工智能的光学相干断层扫描血管成像技术研究吸烟人群眼底血流密度的变化	采用基于深度学习的去噪技术提升OCTA图像灵敏度，首次揭示吸烟与眼底血流密度下降的关联	样本量较小（36名吸烟者），仅针对男性群体，未分析视网膜厚度差异的统计学意义	探究慢性吸烟是否影响眼底血流密度	吸烟人群与非吸烟对照组的眼底血管	医学影像分析	眼科疾病	光学相干断层扫描血管成像（OCTA）结合AI去噪	深度学习	医学影像	36名男性吸烟者（平均年龄44.17±9.85岁）及年龄性别匹配的非吸烟对照组
264	2025-09-20	An AI-powered framework for assessing teacher performance in classroom interactions: a deep learning approach 2025, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2025.1553051 PMID:40969168	研究论文	提出一种基于AI的框架，利用深度学习技术客观评估课堂互动中的教师表现	首次将YOLOv8、Faster R-CNN和RetinaNet等先进目标检测模型应用于课堂互动分类，实现自动化、客观化的教师评估	研究仅基于图像数据，未整合音频或其他模态信息；模型性能可能受拍摄角度和光线条件影响	开发客观可靠的教师课堂表现评估系统，替代传统主观观察方法	课堂教学互动场景	计算机视觉	NA	深度学习目标检测	YOLOv8, Faster R-CNN, RetinaNet	图像	7,259张标注课堂图像
265	2025-09-20	Deep learning in breast cancer risk prediction: a review of recent applications in full-field digital mammography 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1656842 PMID:40969257	综述	本文回顾了深度学习在基于全视野数字乳腺摄影的乳腺癌风险预测中的最新应用	填补了文献中关于利用AI成像生物标志物进行乳腺癌风险预测的综述空白，并探讨了临床实施前的挑战	NA	探索人工智能在乳腺癌风险预测领域的最新进展，推动个性化筛查策略	乳腺癌风险预测中的成像生物标志物	计算机视觉	乳腺癌	深度学习	AI模型	乳腺X光影像	NA
266	2025-09-20	Enhanced prediction of gene mutation and risk stratification in non-small-cell lung cancer through dual-pathway fusion of radiomics and pathomics 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1646851 PMID:40969259	研究论文	本研究开发并验证了一种融合影像组学、病理组学和临床特征的多模态模型，用于精准预测非小细胞肺癌的EGFR状态和风险分层	首次通过双路径融合影像组学与病理组学特征，结合临床数据构建综合预测模型，并验证其在EGFR突变亚型预测和风险分层中的有效性	回顾性研究设计，样本量相对有限（总计387例），需进一步前瞻性验证	开发非侵入性工具以精确预测非小细胞肺癌的EGFR突变状态和患者风险分层	非小细胞肺癌患者	数字病理	肺癌	深度学习影像组学（DLRadiomics）、弱监督学习、多示例学习	3D CNN、综合列线图（Nomogram）	医学影像、病理图像、临床数据	387例NSCLC患者（训练集193例，内部验证83例，外部验证111例）
267	2025-09-20	Diagnostic performance of ultrasound characteristics-based artificial intelligence models for thyroid nodules: a systematic review and meta-analysis 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1614603 PMID:40969266	系统综述与荟萃分析	系统评估基于超声特征的人工智能模型在甲状腺结节良恶性鉴别中的诊断性能	首次通过荟萃分析全面比较不同AI诊断模型的效能，并识别出EDLC-TN模型具有最优诊断准确性	纳入研究存在显著异质性，部分亚组分析结果需谨慎解读	评估超声AI模型对甲状腺结节的诊断效能并确定最优模型	甲状腺结节患者	医学人工智能	甲状腺疾病	超声影像分析、深度学习	深度学习模型（具体模型未指定），EDLC-TN	超声图像	28项研究，134,028例患者，158,161个甲状腺结节，529,479张超声图像
268	2025-09-20	Key parameters in intratumoral-peritumoral region fusion models: optimizing deep learning radiomics for breast cancer diagnosis 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1587879 PMID:40969275	研究论文	本研究探索关键参数选择对瘤内-瘤周区域融合模型性能的影响，以优化深度学习影像组学在乳腺癌诊断中的应用	首次系统评估伪彩色与灰度图像、原始精确ROI与边界框ROI、直接扩展与特征级融合策略等关键参数组合对瘤周区域融合模型性能的影响	回顾性研究，样本仅来自四家医院，可能存在选择偏差	提升深度学习影像组学模型区分乳腺良恶性肿瘤的非侵入性诊断能力	411名女性乳腺病变患者的对比增强超声图像	深度学习影像组学	乳腺癌	对比增强超声	深度学习融合模型	医学图像	411例患者
269	2025-09-20	Federated learning-based virtual dual-energy CT generation from single-energy CT for gout detection 2025 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076251375570 PMID:40969395	研究论文	本研究开发并验证了基于联邦学习的OneGout框架，用于从单能CT生成虚拟双能CT图像以进行痛风检测	首次提出基于深度学习的虚拟DECT图像生成方法，并集成联邦学习实现多机构协作训练同时保护患者隐私	NA	开发早期准确诊断痛风的非侵入性替代方案，解决现有诊断方法的局限性	痛风患者	医学影像分析	痛风	深度学习，联邦学习	U-Net	CT图像	NA
270	2025-09-20	Gene regulatory network prediction using machine learning, deep learning, and hybrid approaches 2025, Forestry research DOI:10.48130/forres-0025-0014 PMID:40969532	研究论文	本研究开发并评估了利用机器学习、深度学习和混合方法构建基因调控网络（GRN）的策略，通过整合先验知识和大规模转录组数据	提出结合卷积神经网络与机器学习的混合模型，在GRN预测中显著优于传统方法，并首次实现跨物种的迁移学习应用	非模式物种训练数据有限，可能影响模型泛化能力	构建高精度基因调控网络以阐明植物代谢途径和生物过程的调控机制	拟南芥、杨树和玉米的转录组数据及木质素生物合成途径相关转录因子	机器学习	NA	转录组测序（RNA-seq）	CNN与机器学习混合模型	基因表达数据	多个物种的大规模转录组数据集（具体数量未明确说明）
271	2025-09-20	Assessing the accuracy of forest above-ground biomass and carbon storage estimation by meta-analysis based close-range remote sensing 2025, Forestry research DOI:10.48130/forres-0025-0017 PMID:40969538	研究论文	通过荟萃分析评估近距离遥感在估算森林地上生物量和碳储量方面的准确性	首次系统评估多种近距离遥感技术（地面LiDAR、无人机、光谱和RGB传感器）在不同尺度（单木、样地和林分）的估算精度，并分析不同方法和变量的影响	随着研究尺度扩大，精度和样本量下降；不同森林类型间差异显著，需针对性建模；传感器限制导致单一传感器无法独立达到最优效果	量化评估近距离遥感在森林地上生物量估算中的准确性，以支持高精度森林碳监测	全球187项研究和233个数据集，涵盖多种森林类型和尺度	遥感	NA	荟萃分析，地面LiDAR，无人机，光谱和RGB传感器	NA	遥感数据，生物量测量数据	187项全球研究，233个数据集
272	2025-09-20	A deep learning image analysis method for renal perfusion estimation in pseudo-continuous arterial spin labelling MRI 2023-12, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2023.09.007 PMID:37776961	研究论文	提出一种基于深度学习的图像分析方法，用于伪连续动脉自旋标记MRI中的肾脏灌注估计	利用机器/深度学习工具自动分割和分类肾皮质和髓质组织，实现灌注值的自动化估计	仅使用16名移植患者的数据进行实验，样本量较小	开发自动化的肾脏灌注估计方法，用于移植肾评估	肾移植患者的肾脏组织（皮质和髓质）	医学影像分析	肾脏疾病	伪连续动脉自旋标记(PCASL) MRI，非对比T加权MRI序列	深度学习	MRI图像	16名肾移植患者
273	2025-09-20	Pathomic Features Reveal Immune and Molecular Evolution From Lung Preneoplasia to Invasive Adenocarcinoma 2023-Dec, Modern pathology : an official journal of the United States and Canadian Academy of Pathology, Inc IF:7.1Q1 DOI:10.1016/j.modpat.2023.100326 PMID:37678674	研究论文	利用深度学习和人工智能技术从H&E病理图像中提取病理组学特征，揭示肺腺癌从癌前病变到浸润性腺癌的免疫和分子演化过程	首次采用病理组学方法从常规H&E染色图像中量化细胞特征，替代昂贵且组织消耗大的分子/免疫分析，揭示肺癌演进过程中的细胞异质性变化	样本量相对有限（98例患者），且依赖于多中心队列的整合分析	研究肺腺癌早期癌变过程中的免疫和分子演化机制	肺组织样本，包括正常组织、不典型腺瘤样增生、原位腺癌、微浸润腺癌和浸润性腺癌	数字病理学	肺癌	深度学习、人工智能、H&E染色病理图像分析	深度学习模型（具体架构未明确说明）	图像	98例患者，162张切片，669个感兴趣区域（包括143正常、129不典型腺瘤样增生、94原位腺癌、98微浸润腺癌、205浸润性腺癌）
274	2025-09-20	Physics-informed deep learning for T2-deblurred superresolution turbo spin echo MRI 2023-12, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.29814 PMID:37578085	研究论文	提出一种融合物理信息的深度学习超分辨率方法，用于T2去模糊的涡轮自旋回波MRI图像重建	首次在深度学习超分辨率中引入不对称T2加权的物理真实分辨率退化模型，准确模拟TSE-MRI的k空间分辨率衰减	方法仅在基因工程小鼠胚胎模型TSE-MR图像上验证，尚未在人类临床数据中测试	通过深度学习超分辨率技术减少MRI扫描时间，同时保持图像质量	3D涡轮自旋回波（TSE）MRI图像	医学影像分析	NA	涡轮自旋回波MRI，生成对抗网络	GAN	医学图像	6-7个小鼠胚胎的500切片体积数据
275	2025-09-20	Social Media Images Can Predict Suicide Risk Using Interpretable Large Language-Vision Models 2023-11-29, The Journal of clinical psychiatry IF:4.5Q1 DOI:10.4088/JCP.23m14962 PMID:38019588	研究论文	本研究开发了一种可解释的大型语言-视觉混合模型，利用社交媒体图像预测临床有效的自杀风险	首次证明公开可用图像可用于预测经过验证的自杀风险，结合理论驱动特征与自下而上方法，突破传统预测瓶颈	数据仅来源于2018年特定时间段的脸书用户，样本规模相对有限且未涵盖其他社交平台	通过可解释人工智能方法预测自杀风险，推动现实场景监测工具的开发	841名完成金标准自杀量表的Facebook用户及其上传的177,220张图像	自然语言处理与计算机视觉交叉	心理健康与自杀风险	CLIP (Contrastive Language-Image Pre-training) 特征提取与逻辑回归建模	混合模型（CLIP + Logistic Regression）	图像	841名用户提供的177,220张社交媒体图像
276	2025-09-20	Application of artificial intelligence in the diagnosis of hepatocellular carcinoma 2023-Sep, eGastroenterology DOI:10.1136/egastro-2023-100002 PMID:39944000	综述	本文综述了人工智能在肝细胞癌放射学诊断中的最新应用进展	探讨了AI如何通过深度学习与神经网络模型提升HCC诊断的客观性与一致性，克服人工判读局限	需进一步研究和临床实践以充分发挥AI在HCC管理中的潜力	改善肝细胞癌的早期检测、治疗选择及患者预后	肝细胞癌（HCC）患者	医学影像分析	肝细胞癌	深度学习、神经网络	深度学习模型	影像数据	NA
277	2025-09-20	Comparison of evaluation metrics of deep learning for imbalanced imaging data in osteoarthritis studies 2023-09, Osteoarthritis and cartilage IF:7.2Q1 DOI:10.1016/j.joca.2023.05.006 PMID:37209993	研究论文	比较深度学习在骨关节炎不平衡影像数据中不同评估指标的表现	针对不平衡数据场景系统比较ROC和PR等评估指标，并提出基于不平衡程度的实用评估建议	回顾性研究，数据来源于单一数据库，未涉及其他类型不平衡数据验证	评估深度学习模型在不平衡骨关节炎影像数据中的性能度量适用性	骨关节炎患者的膝关节MRI影像和骨髓病变标注	计算机视觉	骨关节炎	深度学习，MRI影像分析	深度学习模型	医学影像	2467名参与者的2996个膝关节MRI
278	2025-09-20	Addressing Deep Learning Model Calibration Using Evidential Neural Networks And Uncertainty-Aware Training 2023-Apr-18, Proceedings. IEEE International Symposium on Biomedical Imaging DOI:10.1109/ISBI53787.2023.10230515 PMID:39253557	研究论文	本研究探讨了使用证据神经网络和不确定性感知训练来改善深度学习模型在医学影像分类中的校准性能	首次将证据神经网络和不确定性感知训练相结合，并在复杂医学影像任务中验证其对模型校准的改进效果	实验仅基于特定医学影像数据集，需要更多验证以证明方法的普适性	提高深度学习模型在医学影像分类中的校准性能，增强临床医生对模型的信任度	MNIST数字分类和相位对比心脏磁共振影像的伪影检测	计算机视觉	心血管疾病	深度学习，不确定性量化	证据神经网络（ENN）	图像	两个分类任务：MNIST数据集和心脏磁共振影像数据集（具体样本数量未明确说明）
279	2025-09-20	A multimodal deep learning model for cardiac resynchronisation therapy response prediction 2022-07, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2022.102465 PMID:35487111	研究论文	提出一种新颖的多模态深度学习框架，用于基于2D超声心动图和心脏磁共振数据预测心脏再同步化治疗反应	首个用于CRT反应预测的多模态深度学习方法，结合两种影像模态的潜在空间，测试时仅需超声数据即可利用学习到的模态间隐含关系	NA	提高心脏再同步化治疗反应预测的准确性	心脏再同步化治疗患者	机器学习	心血管疾病	2D超声心动图，心脏磁共振成像	nnU-Net分割模型，多模态深度学习分类器	医学影像	50名配对拥有超声心动图/心脏磁共振数据的CRT患者
280	2025-09-19	Analyzing mental disorders with a CNN-GRU deep learning model on motor activity 2025-Dec, Cognitive neurodynamics IF:3.1Q2 DOI:10.1007/s11571-025-10335-w PMID:40964443	研究论文	使用CNN-GRU深度学习模型分析运动活动数据以检测情绪障碍	首次将连续可穿戴运动活动数据与CNN-GRU架构结合用于情绪障碍分析，实现98.1%的准确率	仅基于单一Depresjon数据集验证，未涉及多中心或多样化人群验证	开发基于深度学习的情绪障碍检测方法	情绪障碍患者（通过手腕活动记录仪采集数据）	机器学习	情绪障碍	actigraphy（活动记录技术）	CNN-GRU	时间序列运动活动数据	Depresjon数据集（具体样本量未明确说明）