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
301	2025-06-07	A segmentation network based on CNNs for identifying laryngeal structures in video laryngoscope images 2025-May-29, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2025.102573 PMID:40472423	研究论文	本文提出了一种基于CNN的分割网络MPE-UNet，用于从视频喉镜图像中精确分割喉部结构，以辅助临床医生更准确高效地进行气管插管	MPE-UNet在经典U-Net架构基础上，改进了多尺度特征提取模块，引入了金字塔融合注意力模块和即插即用注意力机制模块，提升了模型处理复杂喉部图像的能力	NA	提高视频喉镜图像中喉部结构的识别精度，辅助气管插管手术	视频喉镜图像中的喉部结构	计算机视觉	NA	深度学习	CNN, U-Net	图像	NA
302	2025-06-07	Mitigating medical dataset bias by learning adaptive agreement from a biased council 2025-May-28, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103629 PMID:40472465	research paper	提出了一种名为Ada-ABC的去偏框架，用于解决医学图像分类中的数据集偏差问题，无需依赖显式的偏差标签	Ada-ABC通过构建一个偏置委员会来学习数据集偏差，并训练一个去偏模型在偏置委员会的指导下自适应地学习目标特征	偏置标签通常是未知的，识别偏差可能费力且依赖于事后解释	解决医学图像分类中的数据集偏差问题，提高模型的准确性、可靠性和公平性	医学图像数据集	digital pathology	NA	generalized cross entropy loss	multiple classifiers	image	四个数据集中的七个不同偏差场景
303	2025-06-07	FLAMeS: A Robust Deep Learning Model for Automated Multiple Sclerosis Lesion Segmentation 2025-May-23, medRxiv : the preprint server for health sciences DOI:10.1101/2025.05.19.25327707 PMID:40475145	研究论文	开发了一种基于深度学习的自动化多发性硬化症（MS）病变分割算法FLAMeS，用于T2加权FLAIR MRI	FLAMeS基于nnU-Net 3D全分辨率U-Net，在多个外部数据集上表现优于现有公开方法	对于小于10 mm³的病变分割效果有待提升	开发自动化MS病变分割算法以提高MRI评估效率	多发性硬化症患者的脑部MRI图像	数字病理学	多发性硬化症	FLAIR MRI	nnU-Net 3D full-resolution U-Net	MRI图像	训练集668例（1.5T和3T FLAIR扫描），测试集75例（MSSEG-2 14例，MSLesSeg 51例，临床队列10例）
304	2025-06-07	AttentionAML: An Attention-based Deep Learning Framework for Accurate Molecular Categorization of Acute Myeloid Leukemia 2025-May-22, bioRxiv : the preprint server for biology DOI:10.1101/2025.05.20.655179 PMID:40475602	研究论文	提出了一种基于注意力机制的深度学习框架AttentionAML，用于仅基于转录组数据准确分类急性髓系白血病（AML）的亚型	首次将注意力机制应用于AML亚型分类，仅需转录组数据即可实现高精度分类	仅基于转录组数据，未整合其他分子特征	开发高精度的AML分子亚型分类方法	急性髓系白血病（AML）患者	数字病理学	急性髓系白血病	转录组分析	基于注意力机制的深度学习模型	基因表达数据	1,661名AML患者
305	2025-06-07	A generative adversarial network-based accurate masked face recognition model using dual scale adaptive efficient attention network 2025-May-21, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-02144-2 PMID:40399389	research paper	本文提出了一种基于生成对抗网络的双尺度自适应高效注意力网络模型，用于精确识别戴口罩的人脸	结合GAN和DS-AEAN网络，通过生成无口罩人脸和有口罩人脸的两种特征集，提高戴口罩人脸的识别准确率	未提及模型在极端光照条件或部分遮挡情况下的表现	开发一个可靠的戴口罩人脸识别系统，用于安全验证目的	戴口罩和无口罩的人脸图像	computer vision	NA	GAN, DS-AEAN, EAOA	GAN, Dual Scale Adaptive Efficient Attention Network	image	未明确说明具体样本数量，但使用了标准数据集中的图像
306	2025-06-07	Beyond episodic early warning systems: a continuous clinical alert system for early detection of in-hospital deterioration 2025-May-21, medRxiv : the preprint server for health sciences DOI:10.1101/2025.05.20.25327940 PMID:40475141	research paper	开发了一种基于可穿戴设备的深度学习模型，用于早期检测住院患者的病情恶化	使用仅9个输入的可穿戴设备数据，开发了一种RNN模型，能够比传统早期预警系统更早识别病情恶化	数据缺失率为4-8%，且排除了SpO2数据	减少住院患者病情恶化的延迟识别，提高临床警报系统的效率	888名成人非ICU住院患者	machine learning	geriatric disease	wearable biosensors	RNN	biosensor data	888 adult non-ICU inpatient visits in four hospitals
307	2025-06-07	Advanced feature fusion of radiomics and deep learning for accurate detection of wrist fractures on X-ray images 2025-May-20, BMC musculoskeletal disorders IF:2.2Q3 DOI:10.1186/s12891-025-08733-6 PMID:40394557	研究论文	本研究开发了一种结合放射组学和深度学习特征的混合诊断框架，用于X射线图像中腕部骨折的准确检测和分类	提出了一种结合放射组学和深度学习特征的混合框架，显著提高了腕部骨折的诊断性能	研究仅基于三个医疗中心的数据，可能存在样本选择偏差	开发一个准确且可重复的腕部骨折检测和分类系统	腕部和前臂骨折的X射线图像	计算机视觉	骨折	放射组学特征提取和深度学习	autoencoder, XGBoost, CatBoost, Random Forest, Voting Classifier	X射线图像	3,537张X射线图像（1,871例骨折和1,666例非骨折）
308	2025-06-07	Multiobjective learning and design of bacteriophage specificity 2025-May-19, bioRxiv : the preprint server for biology DOI:10.1101/2025.05.19.654895 PMID:40475446	研究论文	本研究应用深度学习理解和设计T7噬菌体受体结合蛋白的多功能宿主靶向景观，以提高感染性、预定义特异性和对未见菌株的高毒力普遍性	采用多目标机器学习设计复杂特异性，成功率达到可进行低通量验证预测命中的水平，揭示了T7噬菌体靶向能力的高度可塑性	实验仅针对26种不同任务优化的噬菌体进行了表征，可能未覆盖所有潜在的多功能景观	理解和设计蛋白质的多功能景观，特别是T7噬菌体受体结合蛋白的宿主靶向特性	T7噬菌体受体结合蛋白	机器学习	NA	深度学习	NA	NA	针对26种不同任务优化的噬菌体
309	2025-06-07	Study on Liver Sinusoidal Endothelial Cell Fenestrations Based on Cellular Omics-Structure Integration Technology and Its Application in Metabolic Diseases 2025-May-19, bioRxiv : the preprint server for biology DOI:10.1101/2025.05.16.653525 PMID:40475559	研究论文	本研究开发了一种新的细胞组学-结构整合（COSI）技术平台，用于解决传统技术在单细胞水平上同时获取基因表达谱和超分辨率细胞结构信息的局限性	开发了COSI技术平台，实现了单细胞水平上基因表达谱和超分辨率细胞结构信息的同步获取，并揭示了特定基因与内皮细胞窗孔形成之间的关联	技术平台的应用范围可能受限于特定细胞类型或结构的研究，且需要进一步验证在更广泛疾病模型中的适用性	研究肝脏窦状内皮细胞窗孔形成的机制及其在代谢疾病中的应用	肝脏窦状内皮细胞	细胞生物学	代谢疾病	单细胞转录组学、超分辨率荧光显微镜、电子显微镜、深度学习分辨率增强	深度学习	基因表达数据、超分辨率图像数据	NA
310	2025-06-07	Improved Breast Cancer Detection with Artificial Intelligence in a Real-World Digital Breast Tomosynthesis Screening Program 2025-May-09, Clinical breast cancer IF:2.9Q2 DOI:10.1016/j.clbc.2025.05.007 PMID:40473527	研究论文	本研究比较了在数字乳腺断层合成（DBT）筛查项目中实施人工智能（AI）检测系统前后放射科医生的乳腺癌筛查性能	在真实世界的DBT筛查项目中实施AI检测系统，显著提高了癌症检测率（CDR），降低了异常解释率（AIR），并显著提高了阳性预测值（PPV1和PPV3）	研究为回顾性设计，且仅涉及4名放射科医生和有限的临床站点	评估AI检测系统在DBT筛查中对放射科医生性能的影响	数字乳腺断层合成（DBT）筛查中的乳腺癌检测	数字病理	乳腺癌	深度学习AI支持系统	深度学习	图像	前AI时期10,322例标准DBT解释，后AI时期6,407例DBT解释
311	2025-06-07	Detecting Arrhythmogenic Right Ventricular Cardiomyopathy From the Electrocardiogram Using Deep Learning 2025-May-06, JACC. Clinical electrophysiology DOI:10.1016/j.jacep.2025.04.003 PMID:40471767	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
312	2025-06-07	Adaptive Dual-Task Deep Learning for Automated Thyroid Cancer Triaging at Screening US 2025-May, Radiology. Artificial intelligence DOI:10.1148/ryai.240271 PMID:40202416	研究论文	开发了一种自适应双任务深度学习模型（ThyNet-S），用于在超声筛查中检测和分类甲状腺病变	提出了一种自适应双任务深度学习模型，通过动态整合像素级特征分析和深度语义特征分析，自动分流正常甲状腺和良性结节图像	研究为回顾性研究，可能受到数据选择和采集时间范围的限制	提高甲状腺癌筛查的效率和优化临床决策	甲状腺超声图像	数字病理	甲状腺癌	超声筛查	自适应双任务深度学习模型（ThyNet-S）	图像	35,008张甲状腺超声图像，来自23,294次独立检查
313	2025-06-07	Deep Learning-based Anatomy-Aware Morph Model for Registration of Prostate Whole-Mount Histopathology to MRI 2025-May, Radiology. Imaging cancer DOI:10.1148/rycan.240336 PMID:40445100	研究论文	开发并评估了一种基于深度学习的创新方法，用于配准前列腺术前MRI和全切片组织病理学（WMHP）图像	提出了一种结合注意力机制和卷积神经网络的混合模型（Anatomy-Aware Morph模型），用于多模态前列腺图像配准，显著优于现有VoxelMorph方法	研究为回顾性设计，样本量相对有限（315例患者）	实现前列腺术前MRI与术后病理图像的精准配准，辅助前列腺癌病灶映射	前列腺MRI和全切片组织病理学图像	数字病理	前列腺癌	深度学习图像配准	混合注意力机制与CNN（Anatomy-Aware Morph模型）	医学影像（MRI与病理切片图像）	315例患者（270训练集/45测试集），含160张测试图像
314	2025-06-07	Deep Learning-Based Automated Detection of Oral Leukoplakia in Clinical Imaging 2025-May, Cureus DOI:10.7759/cureus.83368 PMID:40462818	研究论文	本研究开发并验证了一种基于深度学习的系统，用于自动识别口腔白斑（OLK），以解决临床实践中的诊断挑战	使用19种CNN架构进行比较分析，并选择经过微调的EfficientNetB0作为最优模型，通过CAM可视化决策区域，实现了高精度和可解释性	数据集仅包含446张经组织病理学确认的口腔白斑病例图像和1,041张正常口腔黏膜图像，样本量相对有限	开发并验证一种基于深度学习的系统，用于自动识别口腔白斑，以解决临床实践中的诊断挑战	口腔白斑（OLK）的临床图像	计算机视觉	口腔癌	深度学习	CNN, EfficientNetB0	图像	446张口腔白斑病例图像和1,041张正常口腔黏膜图像
315	2025-06-07	Trials and tribulations: Developing an artificial intelligence for screening malaria parasite from peripheral blood smears 2025 May-Jun, Medical journal, Armed Forces India DOI:10.1016/j.mjafi.2023.10.007 PMID:40463611	研究论文	本研究旨在开发一种人工智能技术，用于自动化检测外周血涂片中的疟原虫	首次尝试开发一个完整模块，用于从自动化显微摄影/全切片图像中筛查疟原虫	模型A、B和C的性能在敏感性或特异性方面存在不足	开发人工智能技术以自动化疟原虫检测过程	外周血涂片中的疟原虫	数字病理学	疟疾	深度学习方法	DCNN, Inception V3, Watershed Transform	图像	352张Leishman-Giemsa染色的外周血涂片图像
316	2025-06-07	Revolutionizing the diagnosis of dental caries using artificial intelligence-based methods 2025-May, Journal of conservative dentistry and endodontics DOI:10.4103/JCDE.JCDE_172_25 PMID:40463673	review	本文综述了人工智能在龋齿诊断中的应用及其潜力	探讨了AI如何通过机器学习和深度学习技术改进龋齿诊断的精确性和效率	讨论了当前AI在牙科诊断中面临的挑战和限制	探索人工智能在龋齿早期诊断和病变检测中的应用	龋齿诊断的影像数据和临床记录	digital pathology	dental caries	machine learning, deep learning	NA	image, clinical records	NA
317	2025-06-07	Hybrid optimization enabled DenseNet for autism spectrum disorders using MRI image 2025-Apr, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2024.108335 PMID:39793514	research paper	该研究提出了一种结合JSTO优化算法的DenseNet模型，用于通过MRI图像检测自闭症谱系障碍（ASD）	引入了新型的Jaya Sewing Training Optimization (JSTO)算法，结合Jaya算法和Sewing Training-Based Optimization (STBO)，用于特征选择和模型训练	研究仅基于Abide 1数据集进行验证，未在其他数据集上测试模型的泛化能力	开发一种高效的自闭症谱系障碍早期检测方法	自闭症患者的MRI脑部图像	digital pathology	autism spectrum disorder	MRI	DenseNet	image	基于Abide 1数据集（具体样本数量未提及）
318	2025-06-07	Multi-region nomogram for predicting central lymph node metastasis in papillary thyroid carcinoma using multimodal imaging: A multicenter study 2025-Apr, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108608 PMID:39827707	研究论文	本研究通过整合基于超声图像的深度学习特征、基于CT图像的脂肪放射组学特征及临床特征，构建了一个多模态多区域列线图（MMRN）用于预测甲状腺乳头状癌（PTC）的中央淋巴结转移（CLNM）	首次结合深度学习特征、脂肪放射组学特征和临床特征构建多模态多区域列线图，用于预测PTC的CLNM	研究仅基于两个独立中心的数据，样本量相对有限	预测甲状腺乳头状癌（PTC）的中央淋巴结转移（CLNM）	661名通过甲状腺切除术诊断为PTC的患者	数字病理	甲状腺癌	深度学习、放射组学特征提取、LASSO回归	Resnet50	超声图像、CT图像	661名患者，分为主要队列、内部测试队列和外部测试队列
319	2025-06-07	Deep learning model for detecting high-grade dysplasia in colorectal adenomas 2025-Apr, Journal of pathology informatics DOI:10.1016/j.jpi.2025.100441 PMID:40463412	研究论文	本研究开发了一种深度学习模型，用于区分结直肠腺瘤中的低级别异型增生（LGD）和高级别异型增生（HGD）	首次使用深度学习模型对结直肠腺瘤的异型增生程度进行准确分类	样本量相对较小，可能影响模型的泛化能力	提高结直肠腺瘤异型增生程度的自动诊断准确性	结直肠腺瘤组织切片	数字病理学	结直肠癌	深度学习	ResNet34	病理图像	200张组织切片（71例HGD，129例LGD）
320	2025-06-07	Efficient merging and validation of deep learning-based nuclei segmentations in H&E slides from multiple models 2025-Apr, Journal of pathology informatics DOI:10.1016/j.jpi.2025.100443 PMID:40463413	研究论文	本研究提出了一种整合多种深度学习模型进行H&E切片中细胞核分割的新方法，以提高细胞类型定量的准确性	提出了一种新颖的整合多种深度学习模型的方法，用于细胞核分割，相比单一模型和人工病理学检查，提高了细胞类型比例的准确性和基因表达变异的解释能力	深度学习模型在分割特定细胞类型方面仍存在局限性，且某些模型在特定任务上可能比其他模型更有效	开发一种高效整合多种深度学习模型的方法，以改进H&E切片中细胞核分割和细胞类型定量	471例正常前列腺样本的H&E切片	数字病理学	前列腺癌	深度学习	多种深度学习模型	图像	471例正常前列腺样本