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
2961	2025-04-01	Diagnostic performance of deep learning-based coronary computed tomography angiography in detecting coronary artery stenosis 2025-Mar-29, The international journal of cardiovascular imaging DOI:10.1007/s10554-025-03383-0 PMID:40156689	研究论文	验证一种基于冠状动脉计算机断层扫描血管造影（CCTA）的全自动深度学习模型，用于诊断阻塞性冠状动脉疾病（CAD）中狭窄≥50%的情况	开发了一种全自动深度学习模型，用于快速准确地识别冠状动脉狭窄≥50%的患者，显著提高了诊断效率	研究仅限于特定的研究人群，未涉及更广泛的患者群体	验证深度学习模型在诊断冠状动脉狭窄中的性能	疑似冠状动脉疾病（CAD）患者	数字病理	心血管疾病	冠状动脉计算机断层扫描血管造影（CCTA）	3D Multi-resolution Cascade CNN, 3D Cascade-Locally Optimized Network, Stenosis Analysis Network	图像	1090名患者（平均年龄59.90±11.51岁，47.3%女性）
2962	2025-04-01	VisionGuard: enhancing diabetic retinopathy detection with hybrid deep learning 2025-Mar-29, Expert review of medical devices IF:2.9Q3 DOI:10.1080/17434440.2025.2486476 PMID:40156773	research paper	该研究开发了一种名为MobileFusionNet的混合深度学习模型，用于增强糖尿病视网膜病变的检测	结合MobileNet和GoogleNet架构的优势，提出了一种新型混合深度学习模型MobileFusionNet，用于自动化检测糖尿病视网膜病变	未提及模型在多样化数据集上的泛化能力或实际部署中的潜在挑战	开发一种高效、准确的糖尿病视网膜病变自动检测方法，特别是在资源有限的环境中	糖尿病视网膜病变（DR）	computer vision	diabetic retinopathy	Histogram of Oriented Gradients (HOG), Linear Discriminant Analysis (LDA)	MobileFusionNet (hybrid of MobileNet and GoogleNet)	retinal images	大规模视网膜图像数据集（具体数量未提及）
2963	2025-04-01	Deep learning for echocardiographic assessment and risk stratification of aortic, mitral, and tricuspid regurgitation: the DELINEATE-Regurgitation study 2025-Mar-29, European heart journal IF:37.6Q1 DOI:10.1093/eurheartj/ehaf248 PMID:40156921	研究论文	开发了一种基于深度学习的AI系统，用于评估主动脉、二尖瓣和三尖瓣反流，并预测二尖瓣反流的进展风险	首次开发了能够同时分类多种瓣膜反流并预测二尖瓣反流进展风险的AI系统，采用多视图方法整合多个彩色多普勒视频的预测结果	外部测试集的加权kappa值相对内部测试集有所下降，特别是三尖瓣反流的评估一致性较低	开发人工智能系统用于瓣膜反流的评估和风险分层	主动脉反流(AR)、二尖瓣反流(MR)和三尖瓣反流(TR)患者	数字病理	心血管疾病	经胸超声心动图(TTE)和彩色多普勒视频分析	深度学习	视频	71,660例TTE检查，包含1,203,980个彩色多普勒视频
2964	2025-04-01	Deep Learning Electrocardiogram Model for Risk Stratification of Coronary Revascularization Need in the Emergency Department 2025-Mar-29, European heart journal IF:37.6Q1 DOI:10.1093/eurheartj/ehaf254 PMID:40156923	research paper	开发了一种深度学习模型，用于通过心电图（ECG）识别需要冠状动脉血运重建的急性冠状动脉综合征患者	使用卷积神经网络（CNN）模型从心电图中检测与血运重建可能性相关的模式，以指导进一步评估并减少诊断不确定性	模型的特异性较高但敏感性较低，相比高敏肌钙蛋白T（hs-TnT）	识别需要冠状动脉血运重建的急性冠状动脉综合征患者，以减少诊断不确定性	急诊科就诊患者的心电图数据	machine learning	cardiovascular disease	electrocardiogram (ECG)	CNN	ECG data	训练集：144,691次急诊就诊；测试集：35,995次；外部验证集：18,673次急诊就诊
2965	2025-04-01	A DEM super resolution reconstruction method based on normalizing flow 2025-Mar-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-94274-w PMID:40148492	research paper	提出一种基于归一化流的DEM超分辨率重建方法，通过可逆网络模型学习高分辨率DEM的条件分布	首次将归一化流引入DEM超分辨率重建，通过可逆网络模型显式建模高分辨率DEM的条件分布	未讨论模型在极端地形条件下的表现	解决DEM超分辨率重建中的模糊和伪影问题	数字高程模型(DEM)图像	computer vision	NA	归一化流(normalizing flow)	可逆网络模型	DEM图像	未明确说明样本数量
2966	2025-04-01	Effects of a deep learning-based image quality enhancement method on a digital-BGO PET/CT system for 18F-FDG whole-body examination 2025-Mar-28, EJNMMI physics IF:3.0Q2 DOI:10.1186/s40658-025-00742-7 PMID:40148660	research paper	本研究评估了数字BGO PET/CT系统中基于深度学习的图像质量增强方法（PDL）对18F-FDG全身检查的影响	结合BSREM图像重建和深度学习的TOF-like图像质量增强过程（PDL），显著提高了图像质量和病变的SUVmax	研究仅基于Omni Legend 32 PET/CT系统，结果可能不适用于其他系统	评估PDL在数字BGO PET/CT系统中的基本特性和对图像质量的影响	NEMA IEC体模和30例临床全身18F-FDG PET/CT检查	digital pathology	NA	PET/CT成像，深度学习图像增强	深度学习（PDL）	图像	30例临床全身18F-FDG PET/CT检查
2967	2025-04-01	Multimodal recurrence risk prediction model for HR+/HER2- early breast cancer following adjuvant chemo-endocrine therapy: integrating pathology image and clinicalpathological features 2025-Mar-28, Breast cancer research : BCR IF:6.1Q1 DOI:10.1186/s13058-025-01968-0 PMID:40148997	研究论文	开发了一种多模态复发风险预测模型，用于HR+/HER2-早期乳腺癌患者在辅助化疗内分泌治疗后的复发风险预测	整合病理图像和临床病理特征，使用基于ACMIL和CLAM的深度学习流程，提高了复发风险预测的准确性	研究样本来自单一医疗中心，外部验证仅使用TCGA队列	优化HR+/HER2-早期乳腺癌患者的治疗策略，改善患者预后	HR+/HER2-早期乳腺癌患者	数字病理	乳腺癌	深度学习	ACMIL, CLAM	病理图像, 临床病理数据	1095例HR+/HER2-早期乳腺癌患者
2968	2025-04-01	Application of dual branch and bidirectional feedback feature extraction networks for real time accurate positioning of stents 2025-Mar-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-86304-4 PMID:40155423	research paper	提出了一种名为DBMedDet的深度学习模型，用于实时精确引导动脉支架植入手术中的支架定位	DBMedDet模型采用并行双分支边缘特征提取网络和双向反馈特征融合颈部子网络，专为胸腹主动脉支架设计，实现了高精度和实时检测速度	NA	提高动脉支架植入手术中支架定位的精确性	胸腹主动脉支架	digital pathology	cardiovascular disease	deep learning	DBMedDet	image	NA
2969	2025-04-01	A deep learning approach to remotely assessing essential tremor with handwritten images 2025-Mar-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-94729-0 PMID:40155628	研究论文	本文提出了一种基于深度学习的远程评估特发性震颤（ET）严重程度的新方法，使用手写图像提高评估效率和可及性	开发了一种名为ETSD-Net的迁移学习模型，用于通过手写图像远程评估ET严重程度，准确率达到88.44%，优于基线模型	研究样本量相对较小（约1000张手写图像），且未提及模型在不同人群中的泛化能力	开发一种高效、可扩展且可靠的ET严重程度评估方法，特别是在远程或资源有限的环境中	特发性震颤（ET）患者	计算机视觉	运动障碍	深度学习	迁移学习模型（ETSD-Net）	图像（手写的阿基米德螺旋图）	约1000张高质量手写图像
2970	2025-04-01	UrbanEV: An Open Benchmark Dataset for Urban Electric Vehicle Charging Demand Prediction 2025-Mar-28, Scientific data IF:5.8Q1 DOI:10.1038/s41597-025-04874-4 PMID:40155635	research paper	介绍了一个名为UrbanEV的开放数据集，用于预测城市电动汽车充电需求	提供了首个涵盖充电站占用率、时长、用电量和价格等多维度数据的开放数据集，并包含天气和空间邻近性等影响因素	数据仅来自深圳一个城市，可能无法完全代表其他地区的充电需求模式	推动电动汽车充电需求预测和管理的研究	电动汽车充电站	machine learning	NA	NA	统计模型、深度学习和基于transformer的方法	时间序列数据	超过20,000个充电站，时间跨度为六个月
2971	2025-04-01	An optimized deep learning based hybrid model for prediction of daily average global solar irradiance using CNN SLSTM architecture 2025-Mar-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-95118-3 PMID:40155655	研究论文	本研究开发了一种结合CNN和SLSTM的混合深度学习模型，用于预测每日平均全球太阳辐照度	提出了一种结合CNN和SLSTM的混合模型，并使用黏菌优化算法优化超参数，提高了预测精度	未提及模型在其他地理区域的泛化能力	开发高精度的太阳辐照度预测模型以优化光伏系统并网	每日平均全球太阳辐照度	机器学习	NA	递归特征消除技术、十倍交叉验证技术	CNN-SLSTM	气象参数和太阳辐照度数据	未明确说明样本数量
2972	2025-04-01	Fine-tuned deep learning models for early detection and classification of kidney conditions in CT imaging 2025-Mar-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-94905-2 PMID:40155680	research paper	该研究利用微调的深度学习模型对CT图像中的肾脏状况进行早期检测和分类	提出了一种创新方法，结合精细调整的迁移学习、高级图像处理和超参数优化，以提高肾脏肿瘤分类的准确性	NA	提高肾脏疾病早期检测的诊断精度和可靠性	CT图像中的囊肿、正常状态、结石和肿瘤	digital pathology	kidney disease	CT imaging, image processing techniques	CNN, VGG16, ResNet50, CNNAlexnet, InceptionV3	image	NA
2973	2025-04-01	A deep learning model for classification of chondroid tumors on CT images 2025-Mar-28, BMC cancer IF:3.4Q2 DOI:10.1186/s12885-025-13951-1 PMID:40155859	研究论文	开发一种深度学习模型用于CT图像上软骨肿瘤的分类	使用2D卷积神经网络对软骨肿瘤进行分类，并与放射科医生的诊断性能进行比较	区分非典型软骨肿瘤和高级别软骨肉瘤仍然存在困难，反映了放射学中已知的诊断挑战	开发一种深度学习模型，用于区分软骨瘤、非典型软骨肿瘤和高级别软骨肉瘤	软骨肿瘤患者	数字病理	软骨肿瘤	CT成像	CNN	图像	344名患者（124例软骨瘤，92例非典型软骨肿瘤，128例高级别软骨肉瘤）
2974	2025-04-01	Multimodal Deep Learning for Grading Carpal Tunnel Syndrome: A Multicenter Study in China 2025-Mar-28, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.02.043 PMID:40157849	research paper	本研究开发了一种结合临床信息和多模态超声特征的联合深度学习模型（CTSGrader），用于评估腕管综合征（CTS）的严重程度	首次开发了结合临床信息和多模态超声特征的联合深度学习模型（CTSGrader），用于CTS严重程度分级，并验证了其在多中心研究中的泛化能力	研究为回顾性和前瞻性混合设计，可能影响模型的泛化能力，且样本量相对有限	开发并验证一种结合临床信息和多模态超声特征的深度学习模型，用于CTS严重程度分级	腕管综合征（CTS）患者	digital pathology	腕管综合征	超声（US）和多模态深度学习	joint-DL model (CTSGrader)	超声图像和临床数据	训练集680例，内部验证集173例，外部验证集174例，外部验证集2（跨厂商测试）224例
2975	2025-04-01	A novel deep learning radiopathomics model for predicting carcinogenesis promotor cyclooxygenase-2 expression in common bile duct in children with pancreaticobiliary maljunction: a multicenter study 2025-Mar-27, Insights into imaging IF:4.1Q1 DOI:10.1186/s13244-025-01951-5 PMID:40146354	研究论文	开发并验证了一种整合放射学和病理学影像数据的深度学习放射病理学模型（DLRPM），用于预测儿童胰胆管合流异常（PBM）患者胆道环氧合酶-2（COX-2）的表达	首次提出了一种整合CT和组织病理学图像的深度学习放射病理学模型（DLRPM），用于预测PBM患者胆道COX-2表达	需要前瞻性多中心研究进一步验证其泛化性	预测儿童胰胆管合流异常患者胆道COX-2的表达	219例PBM患者	数字病理	胰胆管合流异常	免疫组织化学、深度学习	DLRPM	CT图像、H&E染色组织病理学切片	219例（训练集104例，内部测试集71例，外部测试集44例）
2976	2025-04-01	Feasibility study of AI-assisted multi-parameter MRI diagnosis of prostate cancer 2025-Mar-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-84516-8 PMID:40148363	研究论文	提出了一种基于AI的多参数MRI辅助诊断前列腺癌的新方法	结合预训练的ResNet50模型和多头注意力机制，开发了一种新型计算机辅助诊断系统，用于多参数MRI中前列腺癌的检测	研究为单中心回顾性研究，样本量相对有限	评估人工智能在多参数MRI中检测临床显著前列腺癌的可行性	前列腺病变的MRI图像	数字病理学	前列腺癌	多参数MRI（mp-MRI）	ResNet50结合多头注意力机制	MRI图像	106名患者的137张mp-MRI图像，生成274组ROI数据（206组用于训练和验证，68组用于测试）
2977	2025-04-01	Physics-informed neural networks with hybrid Kolmogorov-Arnold network and augmented Lagrangian function for solving partial differential equations 2025-Mar-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-92900-1 PMID:40148388	研究论文	本文提出了一种结合Kolmogorov-Arnold网络和增强拉格朗日函数的物理信息神经网络（AL-PKAN），用于解决偏微分方程	引入了混合编码器-解码器模型AL-PKAN，利用GRU模块和KAN模块解决传统多层感知器在PINNs中的解释性和谱偏差问题，并通过增强拉格朗日函数动态调节约束平衡	未提及具体的数据集或实际应用场景的验证	解决偏微分方程（PDEs）的数值计算问题	偏微分方程的数值解	机器学习	NA	物理信息神经网络（PINNs），Kolmogorov-Arnold网络（KAN），增强拉格朗日函数	AL-PKAN（混合GRU和KAN模块的编码器-解码器模型）	数值数据	NA
2978	2025-04-01	Application of multi-attribute decision-making combined with BERT-CNN model in the image construction of ice and snow tourism destination 2025-Mar-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-95221-5 PMID:40148433	研究论文	本研究提出了一种结合深度学习和多属性决策方法的创新评估框架，用于提升冰雪旅游目的地形象评估的科学性和准确性	创新性地设计了基于BERT-CNN的文本特征提取模型，并引入多属性决策方法进行属性权重分配和决策优化	NA	提升冰雪旅游目的地形象评估的科学性和准确性	冰雪旅游目的地的形象评估	自然语言处理	NA	BERT, CNN	BERT-CNN	文本	NA
2979	2025-04-01	Artificial intelligence for sustainable farming with dual branch convolutional graph attention networks in rice leaf disease detection 2025-Mar-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-94891-5 PMID:40148438	research paper	提出一种新型混合深度学习方法，用于水稻叶片病害分类，通过结合两个不同数据集和先进的图像处理技术，显著提高了病害检测的准确性	采用双分支卷积图注意力神经网络（DB-CGANNet）进行病害分类，结合了多种图像增强技术和特征提取方法，以及生物启发的人工蜂鸟（BI-AHB）方法进行特征选择	依赖于特定数据集（水稻叶片病害数据集和水稻病害图像数据集），可能在其他作物或病害上的泛化能力有限	提高水稻叶片病害检测的准确性，以改善作物管理和农业生产力	水稻叶片病害（如褐斑病、细菌性叶枯病、叶瘟病等）	computer vision	rice leaf diseases	Upgraded Weighted Median Filtering (Up-WMF), Aligned Gamma-based Contrast Limited Adaptive Histogram Equalization (AG-CLAHE), Discrete Wavelet Transform (DWT), Gray Level Run Length Matrix (GLRLM), VGG19	Dual Branch Convolutional Graph Attention Neural Network (DB-CGANNet)	image	两个数据集：水稻叶片病害数据集和水稻病害图像数据集
2980	2025-04-01	CTA image segmentation method for intracranial aneurysms based on MGLIA net 2025-Mar-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-95143-2 PMID:40148442	research paper	提出一种基于MGLIA网络的CTA图像分割方法，用于颅内动脉瘤的准确分割	开发了基于MoblieNet的GLIA Net算法（MGLIA Net模型），能够对不同条件下采集的动脉瘤图像进行自适应目标分割	面对新的医院获取的成像模态时，通常需要重新设计和训练分割网络	提高颅内动脉瘤CTA图像分割的准确性和普适性	颅内动脉瘤的CTA图像	digital pathology	cardiovascular disease	deep learning	MGLIA Net (based on MoblieNet)	image	开源数据集上的性能测试