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	2025-04-25	Artificial Intelligence Recognition Model Using Liquid-Based Cytology Images to Discriminate Malignancy and Histological Types of Non-Small-Cell Lung Cancer 2025, Pathobiology : journal of immunopathology, molecular and cellular biology IF:3.5Q1 DOI:10.1159/000541148 PMID:39197433	研究论文	本研究开发了一种基于深度学习的自动化图像分类模型，用于通过液基细胞学图像识别非小细胞肺癌的恶性肿瘤和组织学类型	使用Densenet-121 DCNN模型对肺癌细胞学图像进行分类，实现了高灵敏度和特异性的恶性肿瘤和组织学类型预测	样本量相对较小，且仅包含腺癌和鳞状细胞癌两种组织学类型	开发一种自动化图像分类模型，用于肺癌细胞学诊断	非小细胞肺癌的液基细胞学图像	数字病理学	肺癌	全切片成像	Densenet-121 DCNN	图像	45张巴氏染色玻片，共9141个图像块（2737个正常组织，4756个腺癌，1648个鳞状细胞癌）
302	2025-04-25	Accelerated T2-weighted MRI of the Bowel at 3T Using a Single-shot Technique with Deep Learning-based Image Reconstruction: Impact on Image Quality and Disease Detection 2025-Jan, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.08.023 PMID:39198137	研究论文	本研究比较了传统HASTE与基于深度学习的DL-HASTE在3T MRI中肠道成像的图像质量和疾病检测能力	开发了一种基于深度学习的单次激发T2加权图像重建技术(DL-HASTE)，相比传统HASTE技术缩短了采集时间	研究仅纳入了91例患者，样本量相对较小	比较不同厚度切片的DL-HASTE与传统HASTE在肠道MRI中的图像质量差异	接受3T MR肠造影检查的患者	医学影像分析	肠道疾病	3T MRI，单次激发T2加权成像	深度学习	医学影像	91例患者(51名女性，平均年龄44±10岁)
303	2025-04-25	Detection and classification of electrocardiography using hybrid deep learning models 2025 Jan-Feb, Hellenic journal of cardiology : HJC = Hellenike kardiologike epitheorese IF:2.7Q2 DOI:10.1016/j.hjc.2024.08.011 PMID:39218394	研究论文	本文提出了一种结合CNN和VAE的混合深度学习模型，用于心电图的检测和分类，以提高心血管疾病的自动诊断准确性	提出了一种新的CNN-VAE混合架构，用于心电图的分类，相比其他深度学习方法表现更优	模型仅在PTB-XL数据集上进行了训练和测试，可能需要更多样化的数据验证其泛化能力	提高心电图的自动分类准确性，以辅助心血管疾病的早期诊断	心电图数据	机器学习	心血管疾病	深度学习	CNN-VAE混合模型	心电图信号	PTB-XL数据集中的21,799条12导联心电图，来自18,869名患者
304	2025-04-25	Unlocking the potential of AI: Machine learning and deep learning models for predicting carcinogenicity of chemicals 2025, Journal of environmental science and health. Part C, Toxicology and carcinogenesis DOI:10.1080/26896583.2024.2396731 PMID:39228157	综述	本文综述了利用机器学习和深度学习模型预测化学物质致癌性的研究进展	比较分析了多种机器学习和深度学习算法在致癌性预测中的应用，并指出深度学习模型在数据量受限情况下的潜力	深度学习模型受限于现有致癌性数据集的规模	开发高效预测化学物质致癌性的替代方法	化学物质的致癌性	机器学习	癌症	机器学习、深度学习	SVM、随机森林、集成学习、前馈神经网络、CNN、图卷积神经网络、胶囊神经网络、混合神经网络	化学物质数据	NA
305	2025-04-25	A Deep and Interpretable Learning Approach for Long-Term ECG Clinical Noise Classification 2025-Jan, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2024.3454545 PMID:39231059	research paper	本文提出了一种深度可解释学习方法，用于长期心电图临床噪声分类	结合深度学习和可解释性系统，提高了临床噪声分类的性能，并提供了决策过程的解释	研究中未提及具体的数据样本量或潜在的泛化能力限制	提高长期监测心电图中临床噪声分类的准确性和可解释性	长期监测心电图中的噪声	machine learning	cardiovascular disease	深度学习，卷积神经网络，自编码器	CNN, AE	ECG信号	NA
306	2025-04-25	Identification of genomic alteration and prognosis using pathomics-based artificial intelligence in oral leukoplakia and head and neck squamous cell carcinoma: a multicenter experimental study 2025-Jan-01, International journal of surgery (London, England) DOI:10.1097/JS9.0000000000002077 PMID:39248300	研究论文	本研究开发了一种基于病理组学的人工智能模型，用于快速且经济高效地预测口腔白斑（OLK）和头颈部鳞状细胞癌（HNSCC）中的9p染色体缺失，并评估患者预后	首次在OLK和HNSCC中开发了基因组改变预测的深度学习模型，结合了最新的Transformer方法和XGBoost算法	研究样本量相对较小，外部测试数据集仅有23例	开发一种基于病理组学的人工智能模型，用于预测9p染色体缺失并评估HNSCC患者预后	口腔白斑（OLK）和头颈部鳞状细胞癌（HNSCC）患者	数字病理	头颈部鳞状细胞癌	全切片图像分析	Transformer和XGBoost	图像	333例OLK病例（训练集217例，验证集93例，外部测试集23例），以及407例HNSCC病例（42例和365例）
307	2025-04-25	An efficient ranking-based ensembled multiclassifier for neurodegenerative diseases classification using deep learning 2025-Jan, Journal of neural transmission (Vienna, Austria : 1996) DOI:10.1007/s00702-024-02830-x PMID:39249515	research paper	该研究开发了一种基于深度学习的排名集成多分类器，用于神经退行性疾病的分类	提出了一种基于加权策略的排名集成方法，结合五种深度学习模型进行分类，提高了诊断准确性	研究中未提及模型的可解释性及在更广泛数据集上的泛化能力	提高神经退行性疾病（如阿尔茨海默病和帕金森病）的分类准确率	阿尔茨海默病（AD）和帕金森病（PD）患者	digital pathology	neurodegenerative disease	MRI	ensemble of five deep learning models	image	ADNI数据集用于AD分类，PPMI数据集用于PD分类
308	2025-04-25	Artificial intelligence in interventional radiology: Current concepts and future trends 2025-Jan, Diagnostic and interventional imaging IF:4.9Q1 DOI:10.1016/j.diii.2024.08.004 PMID:39261225	综述	本文综述了人工智能在介入放射学中的当前应用和未来趋势	探讨了深度学习模型特别是基础模型在介入放射学中的应用，以及AI如何提升手术效率和安全性	未具体提及AI技术在介入放射学中应用的具体限制或挑战	概述人工智能在介入放射学中的潜在应用和未来发展方向	介入放射学的医疗实践和技术发展	数字病理学	NA	深度学习	基础模型	多模态数据	NA
309	2025-04-25	Diagnostic Value of Magnetic Resonance Imaging Radiomics and Machine-learning in Grading Soft Tissue Sarcoma: A Mini-review on the Current State 2025-Jan, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.08.035 PMID:39261231	review	本文综述了当前利用放射组学、机器学习和深度学习在MRI上预测软组织肉瘤恶性程度的研究现状	结合语义成像特征、放射组学特征和深度学习特征的机器学习模型展示了比单一特征来源更优的预测性能	NA	预测软组织肉瘤的恶性程度	软组织肉瘤	digital pathology	soft tissue sarcoma	MRI, 机器学习和深度学习	random forest, support vector machine, LASSO, SMOTE	MRI图像	NA
310	2025-04-25	Skeleton-guided 3D convolutional neural network for tubular structure segmentation 2025-Jan, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-024-03215-x PMID:39264412	研究论文	提出了一种结合骨架信息的3D深度学习网络，用于提高管状结构分割的准确性	引入了骨架引导模块和sigmoid-adaptive Tversky损失函数，专门用于骨架分割	NA	提高3D医学图像中管状结构的分割准确性	胸部CT体积图像和腹部CT体积图像中的管状结构	计算机视觉	NA	3D卷积神经网络	CNN	3D医学图像	90例胸部CT体积图像和35例腹部CT体积图像
311	2025-04-25	SeqSeg: Learning Local Segments for Automatic Vascular Model Construction 2025-Jan, Annals of biomedical engineering IF:3.0Q3 DOI:10.1007/s10439-024-03611-z PMID:39292327	research paper	本文提出了一种名为SeqSeg的深度学习算法，用于自动追踪和分割医学图像中的血管结构，以构建基于图像的血管模型	SeqSeg采用局部U-Net推理方法，能够顺序分割血管结构，相比传统的2D和3D全局nnU-Net模型，能够分割更完整的血管系统，并能泛化到训练数据中未标注的血管结构	NA	改进心血管结构的计算机模型生成过程，提高自动化和效率	主动脉和主动脉-股动脉模型的CT和MR图像	digital pathology	cardiovascular disease	deep learning	U-Net, nnU-Net	image	NA
312	2025-04-25	Deep Learning-Based Denoising Enables High-Quality, Fully Diagnostic Neuroradiological Trauma CT at 25% Radiation Dose 2025-Jan, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.08.018 PMID:39294053	research paper	本研究评估了一种基于深度学习的去噪算法在神经放射学创伤CT扫描中降低辐射剂量的能力	使用深度学习去噪算法在25%辐射剂量下仍能保持高质量的诊断图像	单中心回顾性研究，样本量有限（100例患者）	评估深度学习去噪算法在降低神经放射学创伤CT扫描辐射剂量方面的效果	神经放射学创伤患者的CT扫描图像	digital pathology	traumatic neuroradiological emergencies	deep learning-based denoising (DLD), iterative reconstruction (IR2)	deep learning	CT scans	100例神经放射学创伤患者
313	2025-04-25	Deep Learning Model for Pathological Grading and Prognostic Assessment of Lung Cancer Using CT Imaging: A Study on NLST and External Validation Cohorts 2025-Jan, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.08.028 PMID:39294054	研究论文	开发并验证了一种基于CT影像的深度学习模型，用于肺癌的自动化病理分级和预后评估	利用MobileNetV3架构构建深度学习模型，实现了肺癌术前病理分级的自动化评估，并通过内外验证集验证了其高准确性和预后价值	研究样本主要来自NLST和TCIA数据库，可能无法代表所有肺癌患者群体	为外科医生提供非侵入性工具以指导肺癌手术规划	肺癌患者（非小细胞肺癌）	数字病理	肺癌	CT成像	MobileNetV3	医学影像（CT）	796例（NLST队列572例+外部验证队列224例）
314	2025-04-25	Melanoma Breslow Thickness Classification Using Ensemble-Based Knowledge Distillation With Semi-Supervised Convolutional Neural Networks 2025-Jan, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3465929 PMID:39302772	研究论文	该研究利用基于集成的知识蒸馏与半监督卷积神经网络对黑色素瘤Breslow厚度进行分类	采用多教师集成知识蒸馏的半监督学习方法，提高了黑色素瘤分类任务的性能	研究使用了来自不同来源的四个数据集，但未明确说明数据集的样本量和多样性是否足够	开发自动深度学习诊断系统，支持医学专业人员对黑色素瘤进行分类决策	黑色素瘤的Breslow厚度预测及原位与侵袭性黑色素瘤的分类	数字病理学	黑色素瘤	半监督学习、知识蒸馏	CNN	图像	四个不同来源的数据集，具体样本量未明确说明
315	2025-04-25	Physician Level Assessment of Hirsute Women and of Their Eligibility for Laser Treatment With Deep Learning 2025-Jan, Lasers in surgery and medicine IF:2.2Q2 DOI:10.1002/lsm.23843 PMID:39308029	研究论文	本研究比较了医疗专业人员和基于卷积神经网络（CNN）的模型在评估多毛症女性患者激光脱毛资格方面的能力	开发了一种基于深度学习的激光脱毛资格评估工具，其表现与训练有素的皮肤科医生相当	需要前瞻性随机临床干预研究以实现真正的临床普适性	评估多毛症女性患者激光脱毛的资格	多毛症女性患者	数字病理	多毛症	深度学习	CNN	图像	NA
316	2025-04-25	Reliability of brain volume measures of accelerated 3D T1-weighted images with deep learning-based reconstruction 2025-Jan, Neuroradiology IF:2.4Q2 DOI:10.1007/s00234-024-03461-5 PMID:39316090	研究论文	本研究探讨了基于深度学习的加速MRI扫描在脑体积测量中的可行性和可靠性	使用深度学习重建技术，实现了3D T1加权MRI扫描的加速，最高可达75%的加速比	研究样本量较小（模拟加速数据集42人，验证数据集48人），且未在所有脑区（如苍白球）表现出良好一致性	评估深度学习加速MRI在脑体积测量中的临床应用可行性	3D T1加权MRI图像和脑体积测量	医学影像分析	脑萎缩相关疾病	深度学习重建技术	深度学习（具体架构未说明）	3D MRI图像	模拟加速数据集42人，验证数据集48人
317	2025-04-25	MFRC-Net: Multi-Scale Feature Residual Convolutional Neural Network for Motor Imagery Decoding 2025-Jan, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3467090 PMID:39316474	research paper	提出了一种轻量级的多尺度特征残差卷积神经网络（MFRC-Net）用于运动想象解码	MFRC-Net结合了时间多尺度残差卷积块和跨域双流空间卷积块，显著提升了性能，同时减少了模型参数和计算资源需求	未提及具体局限性	提高运动想象（MI）解码的准确性和效率，同时减少模型的计算资源需求	脑电图（EEG）信号	machine learning	NA	多尺度分组卷积、跨域空间滤波	CNN	EEG信号	BCI Competition IV 2a数据集和SHU数据集
318	2025-04-25	Deep learning in Cobb angle automated measurement on X-rays: a systematic review and meta-analysis 2025-Jan, Spine deformity IF:1.6Q3 DOI:10.1007/s43390-024-00954-4 PMID:39320698	系统综述与荟萃分析	本文综述了深度学习算法在X光片上自动测量Cobb角的应用，并通过荟萃分析评估了其性能	首次通过系统综述和荟萃分析比较了基于分割和基于标志点的深度学习方法在Cobb角测量中的准确性	研究存在高度异质性（94%），且纳入分析的样本量有限（17项研究）	评估不同深度学习算法在脊柱侧弯Cobb角自动测量中的性能差异	用于Cobb角测量的深度学习算法	数字病理	脊柱侧弯	深度学习算法	NA	X光影像	50项系统综述研究（涉及3022例样本），其中17项纳入荟萃分析
319	2025-04-25	Step Width Estimation in Individuals With and Without Neurodegenerative Disease via a Novel Data-Augmentation Deep Learning Model and Minimal Wearable Inertial Sensors 2025-Jan, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3470310 PMID:39331558	研究论文	提出了一种新颖的数据增强深度学习模型，用于通过最小化可穿戴惯性传感器估计步宽	使用数据增强的深度学习模型和最小化可穿戴惯性传感器（IMUs）来估计步宽，克服了传统方法的高成本和耗时问题	研究样本量较小，仅包括12名神经退行性疾病患者和17名健康个体	开发一种便携式步宽监测方法，以增强康复训练、评估和动态平衡控制	神经退行性疾病患者（SCA3）和健康个体	机器学习	神经退行性疾病	深度学习	数据增强深度学习模型	惯性传感器数据	12名SCA3患者和17名健康个体
320	2025-04-25	Federated Learning in Glaucoma: A Comprehensive Review and Future Perspectives 2025 Jan-Feb, Ophthalmology. Glaucoma DOI:10.1016/j.ogla.2024.08.004 PMID:39214457	review	本文全面回顾了联邦学习在青光眼筛查中的应用，并探讨了未来发展方向	联邦学习作为一种隐私保护技术，在青光眼AI模型开发中展现出潜力，解决了数据共享和隐私保护的难题	研究主要基于文献回顾，缺乏实际临床应用的详细数据分析	探索联邦学习在青光眼筛查AI模型开发中的应用及其优势	青光眼筛查相关的AI模型及数据共享机制	digital pathology	glaucoma	federated learning	deep learning	medical imaging	NA