深度学习在生物医药领域的应用

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	算法框架	模型架构	性能指标	计算资源
3241	2025-10-06	Prediction of bone oligometastases in breast cancer using models based on deep learning radiomics of PET/CT imaging 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1621677 PMID:40919156	研究论文	开发基于PET/CT影像的深度学习放射组学模型，用于早期预测乳腺癌骨寡转移	首次将PET/CT放射组学特征、深度学习特征和临床参数整合到深度学习放射组学模型中预测乳腺癌骨寡转移	回顾性研究，样本量有限（207例患者，312个骨病灶）	早期预测乳腺癌患者的骨寡转移（≤5个病灶）	乳腺癌患者及其骨病灶（包括107个良性病灶和205个恶性病灶，其中89个确诊为骨转移）	数字病理	乳腺癌	PET/CT成像，放射组学分析	深度学习，随机森林	医学影像（CT，PET，融合PET/CT图像）	207例乳腺癌患者，312个骨病灶	PyRadiomics	BasicNet	AUC，准确率，敏感性，特异性	NA
3242	2025-10-06	HoloMoA: a holography and deep learning tool for the identification of antimicrobial mechanisms of action and the detection of novel MoA 2025, Frontiers in microbiology IF:4.0Q2 DOI:10.3389/fmicb.2025.1640252 PMID:40919199	研究论文	提出结合数字同轴全息显微镜和深度学习的创新工具HoloMoA，用于识别抗菌药物作用机制并检测新机制	首次将时间序列数字同轴全息显微镜与卷积循环神经网络结合，实现无标记、实时监测细菌表型响应并评估作用机制新颖性	仅使用ATCC 25922大肠杆菌菌株和22种抗生素进行验证，尚未扩展到更多菌株和化合物	开发快速、稳健、经济的抗菌药物作用机制分类和新颖性预测工具	大肠杆菌ATCC 25922和22种代表5种功能类别的抗生素	计算机视觉	NA	数字同轴全息显微镜	CRNN, Siamese Neural Network	图像序列	ATCC 25922菌株经22种抗生素处理达2小时的全息图像数据	NA	Convolutional Recurrent Neural Network, Siamese Neural Network	准确率	NA
3243	2025-10-06	Deep dive into deep learning methods for cervical cancer detection and classification 2025, Reports of practical oncology and radiotherapy : journal of Greatpoland Cancer Center in Poznan and Polish Society of Radiation Oncology IF:1.2Q3 DOI:10.5603/rpor.106148 PMID:40919255	综述	本文系统综述了深度学习在宫颈癌检测与分类中的应用方法、评估指标及现存挑战	首次对深度学习在宫颈癌诊断中的各类方法进行全面梳理，重点关注卷积神经网络在宫颈细胞学图像分析中的创新应用	依赖有限标注数据集、医学影像存在不一致性、需要更具鲁棒性的模型	通过深度学习技术提升宫颈癌的早期检测和诊断水平	宫颈细胞学图像	计算机视觉	宫颈癌	深度学习	CNN	医学影像	NA	NA	卷积神经网络	准确率, 灵敏度, 特异性, AUC	NA
3244	2025-10-06	Optimizing cervical cancer diagnosis with accurate cell classification using modified HDFF 2025, Reports of practical oncology and radiotherapy : journal of Greatpoland Cancer Center in Poznan and Polish Society of Radiation Oncology IF:1.2Q3 DOI:10.5603/rpor.105867 PMID:40919253	研究论文	本研究提出改进的层次深度特征融合方法用于宫颈癌细胞分类，显著提升诊断准确率	通过整合层次深度学习特征，改进特征提取过程并融合多层深度学习模型，实现更准确鲁棒的分类性能	需要进一步优化和扩展训练数据集以提升性能	开发自动化宫颈癌诊断工具，提高诊断准确性和效率	宫颈细胞图像	计算机视觉	宫颈癌	NA	深度学习	图像	SIPaKMeD和Herlev数据集	NA	改进的层次深度特征融合(HDFF)	准确率,精确率,召回率,F1分数	NA
3245	2025-10-06	An explainable AI approach for mapping multivariate regional brain age and clinical severity patterns in Alzheimer's disease 2025, Biology methods & protocols IF:2.5Q3 DOI:10.1093/biomethods/bpaf051 PMID:40860594	研究论文	本研究开发了一种可解释AI方法，通过MRI数据预测大脑年龄并识别阿尔茨海默病相关的多变量脑区模式	首次将深度学习模型与多种特征重要性方法结合，探索多变量脑区与年龄的关联，而不仅限于单变量关系	样本量相对有限（n=825），且主要基于MRI数据，未整合多模态数据	开发可解释AI方法以理解大脑老化模式和阿尔茨海默病临床严重程度的关系	阿尔茨海默病连续谱患者，包括认知正常者、轻度认知障碍者和阿尔茨海默病患者	医学影像分析	阿尔茨海默病	MRI	深度学习, 机器学习	医学影像	825个MRI样本	NA	AgeNet	预测准确性	NA
3246	2025-10-06	Comparative analysis of cervical cancer classification of DPAGCHE-enhanced Pap smear images using convolutional neural network models 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0330103 PMID:40920705	研究论文	本研究提出基于DPAGCHE增强的宫颈涂片图像分类方法，通过比较不同CNN模型在原始和增强图像上的性能	提出DPAGCHE图像增强方法改善宫颈涂片图像质量，并结合迁移学习实现自动化分类	仅使用Herlev公开数据集，样本来源相对单一	开发自动化宫颈癌检测方法以提高诊断准确性和效率	宫颈涂片图像	计算机视觉	宫颈癌	图像增强技术	CNN	图像	Herlev公开数据集	MATLAB Online	ResNet50, Baseline CNN	准确率, 特异性, 召回率, 精确率, F1分数	NA
3247	2025-10-06	Automated segmentation of retinal vessel using HarDNet fully convolutional networks 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0330641 PMID:40920773	研究论文	提出一种基于HarDNet的改进模型用于视网膜血管自动分割	集成HarDNet模块、感受野块模块和密集聚合模块的创新架构，能有效提取多尺度特征并提升小血管分割精度	未明确说明模型在更大规模或更多样化数据集上的泛化能力	开发高精度的视网膜血管自动分割方法以辅助眼底疾病诊断	彩色眼底图像中的视网膜血管结构	计算机视觉	糖尿病、高血压、脑血管疾病	深度学习	全卷积网络	图像	DRIVE和CHASE_DB1数据集	NA	HarDNet, Receptive Field Block, Dense Aggregation	准确率	NA
3248	2025-10-06	AI-Driven quality assurance in mammography: Enhancing quality control efficiency through automated phantom image evaluation in South Korea 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0330091 PMID:40920794	研究论文	开发并验证基于深度学习的乳腺摄影体模图像自动评估模型，旨在提高放射科医师间评分一致性和质量控制效率	首次在韩国国家认证体系中使用EfficientNetV2_L模型实现乳腺摄影体模图像的自动化评估，结合可解释AI技术验证模型决策与指南标准的一致性	模型在肿块评估中存在尺寸相关偏差，且研究数据仅来自单一机构	提升乳腺摄影质量控制的效率和评分一致性	乳腺摄影体模图像中的模拟病灶（纤维、斑点、肿块）	计算机视觉	乳腺癌	深度学习	CNN	医学图像	5,813张符合质量标准的乳腺摄影体模图像	未明确说明	EfficientNetV2_L	准确率,F1分数,AUC,置信区间	NA
3249	2025-10-06	A robust hydroponic system for horticulture farming using deep learning, IoT, and mobile application 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0330488 PMID:40920816	研究论文	开发了一个结合深度学习、物联网和移动应用的稳健水培系统，用于支持孟加拉国基层农民	集成硬件实现、深度学习疾病检测和移动应用的三阶段系统架构，实现98.5%的高疾病检测准确率	未提及系统在更大规模或不同环境条件下的测试结果	通过技术系统简化水培种植过程，提高农民操作便利性和系统监控能力	孟加拉国基层农民和水培种植系统	计算机视觉,物联网	园艺作物病害	深度学习,物联网传感器技术	深度学习模型	传感器数据,图像数据	约80%的基层农民参与调查	NA	NA	准确率	NA
3250	2025-10-06	Enhanced human activity recognition in medical emergencies using a hybrid deep CNN and bi-directional LSTM model with wearable sensors 2024-12-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-82045-y PMID:39730745	研究论文	提出一种结合深度CNN和双向LSTM的混合模型，通过可穿戴传感器数据提升医疗紧急情况下的人类活动识别能力	首次将CNN-BiLSTM模型与欠采样技术结合用于人类活动识别，在公开数据集上取得显著性能提升	仅使用两个公开数据集进行验证，未在更多样化的实际场景中测试	提高医疗紧急情况下人类活动识别的准确性和可靠性	通过可穿戴传感器采集的人类活动数据，特别关注老年人跌倒和异常动作识别	机器学习	老年疾病	可穿戴传感器数据采集	CNN, BiLSTM	传感器时序数据	MHEALTH和Actitracker两个公开数据集	NA	CNN-BiLSTM混合架构	准确率, 精确率, 召回率, F1分数	NA
3251	2025-10-06	Artificial intelligence-enabled electrocardiogram for mortality and cardiovascular risk estimation: a model development and validation study 2024-11, The Lancet. Digital health DOI:10.1016/S2589-7500(24)00172-9 PMID:39455192	研究论文	开发并验证了一种基于人工智能的心电图风险估计平台，用于预测死亡率和心血管风险	开发了具有可操作性、可解释性和生物学合理性的AI-ECG风险估计平台，能够生成患者特异性生存曲线并预测死亡时间	NA	开发能够预测死亡率和心血管风险的AI-ECG平台，解决现有模型在个体层面缺乏可操作性和可解释性的问题	心电图数据和患者群体	机器学习	心血管疾病	心电图	深度学习	心电图信号	1,163,401份心电图，来自189,539名患者，并在五个跨国队列中验证	NA	离散时间生存模型	C-index	NA
3252	2025-10-06	Artificial intelligence-assisted automated heart failure detection and classification from electronic health records 2024-Oct, ESC heart failure IF:3.2Q2 DOI:10.1002/ehf2.14828 PMID:38700133	研究论文	本研究开发了一种结合电子健康记录、深度学习自动解读超声心动图和生物样本分析的人工智能系统，用于自动检测和分类心力衰竭患者	首次将电子健康记录关键词搜索、深度学习自动解读DICOM超声心动图像和生物标志物分析相结合，实现心力衰竭亚型的自动识别和分类	研究仅基于苏格兰Tayside和Fife地区数据，样本代表性可能受限；需要排除数据不匹配或严重瓣膜性心脏病患者	开发自动化心力衰竭检测和分类系统，改善患者护理和监测	心力衰竭患者，包括射血分数降低型心力衰竭(HFrEF)、射血分数保留型心力衰竭(HFpEF)和无心力衰竭对照组	医疗人工智能	心力衰竭	电子健康记录分析、DICOM图像处理、生物标志物检测、深度学习	深度学习模型	电子健康记录、DICOM超声心动图像、血浆样本生物标志物数据	从60,850例电子健康记录中筛选出578名患者（186名对照组，236名HFpEF，156名HFrEF）	NA	NA	准确性、一致性验证	NA
3253	2025-10-06	Refined matrix completion for spectrum estimation of heart rate variability 2024-Aug-02, Mathematical biosciences and engineering : MBE DOI:10.3934/mbe.2024296 PMID:39483092	研究论文	本研究提出了一种基于矩阵补全的心率变异性频谱不确定性估计新方法	利用HRV频谱矩阵的低秩特性进行数据不确定性估计，并开发了精炼的矩阵补全技术以提高估计精度和计算效率	NA	开发可靠的心率变异性频谱不确定性估计方法	心率变异性频谱数据	机器学习	心血管疾病	频谱分析	统计机器学习模型	生理信号数据	五个公共数据集	NA	矩阵补全	有效性、可靠性	NA
3254	2025-10-06	The Integration of Deep Learning in Radiotherapy: Exploring Challenges, Opportunities, and Future Directions through an Umbrella Review 2024-Apr-30, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics14090939 PMID:38732351	综述	通过伞式综述探讨深度学习在放射治疗领域的整合应用，分析其挑战、机遇与未来发展方向	首次采用伞式综述方法系统梳理深度学习在放疗领域的应用现状，特别关注COVID-19大流行背景下的加速发展	基于19篇系统综述的二次分析，缺乏原始研究数据的直接验证	探索深度学习技术在放射治疗中的变革性影响和发展前景	放射治疗领域的深度学习应用研究	医疗人工智能	放射治疗相关疾病	深度学习	NA	医学影像数据	基于19篇系统综述的二次分析	NA	NA	NA	NA
3255	2025-10-06	Characterization of organic fouling on thermal bubble-driven micro-pumps 2024 Mar-Apr, Biofouling IF:2.6Q1 DOI:10.1080/08927014.2024.2353034 PMID:38785127	研究论文	本研究通过高速成像和深度学习网络表征热气泡驱动微泵在生物流体中的有机污垢现象	首次研究热气泡微泵与生物流体的相互作用，提出基于气泡面积减少的污垢量化新指标	仅测试了蛋清蛋白和牛全血两种生物流体，未涉及其他生物流体类型	表征热气泡驱动微泵在生物流体中的有机污垢效应	热气泡驱动微泵与生物流体（蛋清蛋白、牛全血）的相互作用	微流控技术	NA	频闪高速成像、深度学习	CNN	图像	使用蛋清蛋白和牛全血两种生物流体进行测试	PyTorch	ResNet-18	气泡面积减少量	NA
3256	2025-10-06	Deep Learning from Phylogenies for Diversification Analyses 2023-12-30, Systematic biology IF:6.1Q1 DOI:10.1093/sysbio/syad044 PMID:37556735	研究论文	本文提出一种基于深度学习的系统发育树多样化分析方法，用于推断物种多样化动态	将病原体系统动力学中的深度学习方法首次应用于多样化推断，并扩展至基于性状数据的状态依赖多样化模型	目前仅验证了时间恒定同质出生-死亡模型和二元状态物种形成与灭绝模型的准确性	开发一种通用且高效的多样化模型推断方法	物种系统发育树和性状数据	机器学习	NA	系统发育分析	深度神经网络	系统发育树数据, 性状数据	NA	NA	NA	准确性, 时间效率	NA
3257	2025-10-06	Developing and deploying deep learning models in brain magnetic resonance imaging: A review 2023-12, NMR in biomedicine IF:2.7Q1 DOI:10.1002/nbm.5014 PMID:37539775	综述	本文系统回顾了脑部磁共振成像中深度学习模型的开发与临床部署流程	整合了从数据收集到临床部署的全流程指南，并基于认证机构标准提供了可解释性机器学习实践框架	未涉及具体模型性能比较，主要聚焦方法论和部署挑战	促进脑部MRI深度学习模型在临床环境中的实际应用	脑部磁共振成像数据及深度学习模型	医学影像分析	神经系统疾病	磁共振成像	深度学习	医学影像	NA	NA	NA	NA	NA
3258	2025-10-06	Deep learning based correction of RF field induced inhomogeneities for T2w prostate imaging at 7 T 2023-12, NMR in biomedicine IF:2.7Q1 DOI:10.1002/nbm.5019 PMID:37622473	研究论文	提出基于深度学习的偏置场校正方法，用于改善7T磁场下T2加权前列腺图像的射频场不均匀性问题	首次将深度学习应用于7T超高场强下T2加权前列腺图像的偏置场校正，通过合成数据训练神经网络	偶尔在前列腺区域内观察到对比度变化，特别是t-Image网络较为明显	解决超高场强磁共振成像中的射频场不均匀性问题	7T磁场下的T2加权前列腺图像	医学影像处理	前列腺癌	磁共振成像，T2加权成像	神经网络	医学影像	合成训练数据集、7T志愿者和患者图像、3T患者图像四个测试集	NA	t-Image神经网络, t-Biasf神经网络	结构相似性指数, Wasserstein距离, 均方根误差, GLCM均匀性, GLCM能量	NA
3259	2025-10-06	Predicting individual cases of major adolescent psychiatric conditions with artificial intelligence 2023-10-10, Translational psychiatry IF:5.8Q1 DOI:10.1038/s41398-023-02599-9 PMID:37816706	研究论文	利用人工智能和多领域高维数据预测青少年主要精神疾病的个体病例	首次在相同研究设计中比较不同类别黄金标准算法对多种青少年精神健康状况的预测能力，使用超过100个候选预测因子	需要在纵向数据中进一步探索发现并在外部数据集中验证结果	稳健识别有精神疾病风险的青少年以进行针对性干预	青少年精神疾病病例（焦虑症、抑郁症、注意力缺陷、破坏性行为、创伤后应激）	机器学习	精神疾病	多领域高维数据分析	人工神经网络,XGBoost,逻辑回归	多领域数据（神经、产前、发育、生理、社会文化、环境、情绪和认知特征）	大型跨诊断青少年样本	NA	人工神经网络,树基学习,ElasticNet逻辑回归	AUC	NA
3260	2025-10-06	A Large-Scale Clinical Benchmark of ResNet-based Deep Models for Newborn Face Recognition 2023-07, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC40787.2023.10340883 PMID:38082835	研究论文	本研究通过构建大规模新生儿面部数据集并评估四种基于ResNet的深度模型，探索新生儿面部识别的临床应用	创建了目前医院场景下最大的新生儿面部数据集NEWBORN200，并首次系统评估了多种先进ResNet模型在新生儿面部识别中的性能	模型对新生儿不同姿态的鲁棒性仍需改进，数据集规模虽为当前最大但仍有限	开发适用于医院产科的新生儿面部识别系统，防止婴儿调换和绑架	200名新生儿的面部图像数据	计算机视觉	NA	面部识别技术	CNN	图像	200名新生儿的面部图像，采集于出生后一小时内	NA	ResNet, ArcFace, CurricularFace, MagFace, AdaFace	验证准确率, 错误接受率, Rank-1识别准确率	NA