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
3861	2025-03-26	[Paper Review: Deep Learning-based PET Image Denoising and Reconstruction: A Review] 2025, Nihon Hoshasen Gijutsu Gakkai zasshi DOI:10.6009/jjrt.25-0303 PMID:40128957	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
3862	2025-03-26	Deep learning on CT scans to predict checkpoint inhibitor treatment outcomes in advanced melanoma 2024-12-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-81188-2 PMID:39738216	research paper	该研究首次探讨了利用深度学习分析CT影像预测晚期黑色素瘤免疫检查点抑制剂治疗结果的价值	首次将深度学习应用于CT影像分析以预测晚期黑色素瘤的免疫检查点抑制剂治疗效果	深度学习模型未能显著超越已知临床预测因子的预测效果	探索CT影像深度学习模型预测晚期黑色素瘤免疫治疗效果的可行性	接受免疫检查点抑制剂治疗的晚期黑色素瘤成年患者	digital pathology	melanoma	CT imaging	DLM (deep learning model)	CT images	730名患者共2722个病灶
3863	2025-03-26	Attention-guided convolutional network for bias-mitigated and interpretable oral lesion classification 2024-12-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-81724-0 PMID:39738228	research paper	提出了一种基于注意力引导的卷积网络，用于口腔病变的分类，旨在提高准确性、可解释性并减少数据集偏差	模型整合了分类流、引导流和解剖部位预测流，通过注意力机制提高病变定位准确性，并增强模型对数据集偏差的鲁棒性	研究依赖于单一来源的数据集，可能影响模型的泛化能力	开发一种深度学习模型，用于准确分类口腔病变并提高临床决策支持	口腔病变的16种类型	digital pathology	oral cancer	deep learning	CNN	image	2765张口腔内数字图像，来自1079名患者
3864	2025-03-26	Optimizing VGG16 deep learning model with enhanced hunger games search for logo classification 2024-12-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-82022-5 PMID:39738231	research paper	本文提出了一种基于VGG16模型和增强型Hunger Games Search（EHGS）算法的优化深度学习架构EHGS-VGG16，用于logo分类	通过改进的Hunger Games Search算法（EHGS）优化VGG16模型的超参数，提高了分类性能	标准HGS算法存在种群多样性受限和易陷入局部最优的问题	提高logo分类任务的准确率	logo图像	computer vision	NA	deep learning, swarm intelligence algorithm	VGG16, EHGS-VGG16	image	Flickr-27 logo分类数据集
3865	2025-03-26	DeepGOMeta for functional insights into microbial communities using deep learning-based protein function prediction 2024-12-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-82956-w PMID:39738309	研究论文	介绍了一种名为DeepGOMeta的深度学习模型，用于预测微生物蛋白质功能	开发了一种基于深度学习的蛋白质功能预测方法，专门针对微生物数据，克服了传统方法在预测新蛋白质和缺乏已知同源物的蛋白质功能时的局限性	模型主要针对微生物数据，可能不适用于其他类型的数据	提高从微生物样本中获取功能见解的能力	微生物蛋白质功能	机器学习	NA	深度学习	深度学习模型	蛋白质序列数据	多样化的微生物数据集
3866	2025-03-26	A lung nodule segmentation model based on the transformer with multiple thresholds and coordinate attention 2024-12-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-82877-8 PMID:39738386	研究论文	提出了一种基于transformer和多阈值坐标注意力的肺结节分割模型MCAT-Net，用于肺癌早期检测	构建了多阈值特征分离模块以提取不同层次的边缘和纹理特征，引入坐标注意力机制增强空间信息利用，并采用transformer捕获长程依赖关系	未提及模型在临床环境中的实际应用效果验证	提高肺结节分割的准确性以辅助肺癌早期诊断	肺部CT图像中的结节区域	计算机视觉	肺癌	深度学习	transformer	医学影像	LIDC-IDRI和LNDb数据集
3867	2025-03-26	IoT based intelligent pest management system for precision agriculture 2024-12-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-83012-3 PMID:39738391	research paper	本文提出了一种基于物联网的智能害虫管理系统，用于精准农业中的害虫检测和分类	开发了一种智能昆虫陷阱原型，结合嵌入式计算和CNN分类器，用于实时害虫检测和分类	数据集仅包含东方果蝇的图像，可能限制了模型对其他害虫类型的识别能力	通过技术驱动的精准农业方法提高作物保护和生产力	东方果蝇及其在番石榴果园中的检测	精准农业	NA	CNN, 机器学习, 深度学习	CNN	图像	1000+张东方果蝇图像，分为果蝇和非果蝇两类
3868	2025-03-26	A deep learning-based ADRPPA algorithm for the prediction of diabetic retinopathy progression 2024-12-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-82884-9 PMID:39738461	research paper	开发并验证了一种基于深度学习的糖尿病视网膜病变进展预测算法ADRPPA，用于预测非参考性糖尿病视网膜病变（NRDR）向参考性糖尿病视网膜病变（RDR）的进展	利用纵向视网膜成像数据和微动脉瘤量化，结合ResNeXt和Mask-RCNN模型，预测糖尿病视网膜病变的进展，为临床提供新的预测工具	研究为回顾性研究，可能受到数据质量和样本选择的限制，且模型在独立数据集上的泛化能力有待进一步验证	开发一种能够预测糖尿病视网膜病变进展的人工智能算法，以辅助临床决策	糖尿病视网膜病变患者的视网膜眼底图像	digital pathology	diabetic retinopathy	deep learning	ResNeXt, Mask-RCNN	image	6384只眼睛的12,768张图像（EyePACS数据集）和148张标注有微动脉瘤的图像（e-ophtha数据集）
3869	2025-03-26	Predicting patients' sentiments about medications using artificial intelligence techniques 2024-12-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-83222-9 PMID:39738528	研究论文	本研究利用人工智能技术预测患者对药物的情感倾向	首次采用技术解释结果以提高可解释性和可理解性，并开发了深度集成模型（DL_ENS）	未提及具体的数据集来源和样本的多样性限制	开发AI模型以预测患者对药物的情感倾向，辅助临床医生开药	药物相关文本数据	自然语言处理	NA	Word2Vec算法、预训练词嵌入	ML和DL模型（包括CNN、LSTM等）及集成学习模型	文本	大型药物评论数据集（未提及具体数量）
3870	2025-03-26	Classification of cervical cancer using Dense CapsNet with Seg-UNet and denoising autoencoders 2024-12-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-82489-2 PMID:39738568	research paper	该研究提出了一种结合多种深度学习方法的宫颈癌分类系统，以提高传统诊断过程的准确性	结合了四种不同的深度学习方法，包括Seg-UNet、去噪自编码器和Dense CapsNet，并在多阶段处理中应用，实现了99.65%的分类准确率	未提及样本量是否足够大以验证模型的泛化能力，且未讨论在实际临床环境中的应用效果	提高宫颈癌的分类准确率，以辅助早期诊断和治疗	宫颈癌图像数据	digital pathology	cervical cancer	Multi-modal Generative Adversarial Networks (m-GAN), denoising autoencoders	Seg-UNet, Dense CapsNet	image	SIPaKMeD数据集（具体样本量未提及）
3871	2025-03-26	Automatic ovarian follicle detection using object detection models 2024-12-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-82904-8 PMID:39738599	研究论文	本研究利用深度学习模型自动检测卵巢组织切片中的卵泡和黄体，以提高计数效率和准确性	采用YOLO和RetinaNet两种单阶段目标检测模型，结合迁移学习、早停策略和数据增强技术提升模型泛化能力，并利用采样策略和焦点损失函数解决类别不平衡问题	仅使用1000张图像进行训练和验证，样本量较小	开发自动化方法以准确量化评估卵泡发生后期阶段（窦卵泡和黄体形成）	卵巢组织切片中的窦卵泡和黄体	数字病理学	生殖系统疾病	深度学习	YOLO, RetinaNet	图像	1000张卵巢组织切片图像
3872	2025-03-26	Dental bur detection system based on asymmetric double convolution and adaptive feature fusion 2024-12-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-83241-6 PMID:39738621	research paper	该研究提出了一种基于非对称双卷积和自适应特征融合的牙科钻头检测系统，旨在提高微小、细长且产量大的牙科钻头的检测精度	引入了YOLO-DB深度学习方法和轻量级非对称双卷积模块(LADC)，以及结合SlimNeck与BiFPN-Concat的新型融合网络，显著提升了检测精度和效率	未提及具体的数据集规模或实际应用场景的测试限制	提高牙科钻头的检测和计数精度，为细长物体的精确检测提供新方法	牙科钻头	computer vision	NA	深度学习	YOLO-DB, LADC, SlimNeck, BiFPN-Concat	image	NA
3873	2025-03-26	Peptidomics and Machine Learning-based Evaluation of Noncoding RNA-Derived Micropeptides in Breast Cancer: Expression Patterns and Functional/Therapeutic Insights 2024-12, Laboratory investigation; a journal of technical methods and pathology DOI:10.1016/j.labinv.2024.102150 PMID:39393531	研究论文	本研究通过肽组学和机器学习方法评估了非编码RNA来源的微肽在乳腺癌中的表达模式及其功能与治疗潜力	首次大规模研究非编码RNA来源的微肽在乳腺癌亚型中的表达，并利用多种机器学习工具预测其功能和治疗潜力	研究主要基于预测工具的分析结果，需要进一步实验验证	探索非编码RNA来源的微肽在乳腺癌中的表达模式及其作为生物标志物和治疗靶点的潜力	乳腺癌组织样本和非肿瘤样本中的非编码RNA来源微肽	生物信息学	乳腺癌	高通量质谱分析	AntiCP 2.0, MULocDeep, PEPstrMOD, Peptipedia, PreAIP	质谱数据	16,349个预测微肽序列，58个在乳腺组织中表达的肽段
3874	2025-03-26	Artificial intelligence facial recognition of obstructive sleep apnea: a Bayesian meta-analysis 2024-Nov-30, Sleep & breathing = Schlaf & Atmung DOI:10.1007/s11325-024-03173-3 PMID:39614959	meta-analysis	该研究通过贝叶斯元分析评估了人工智能通过颅面照片诊断阻塞性睡眠呼吸暂停（OSA）的准确性	利用人工智能和颅面照片进行OSA诊断，提供了一种低成本且可及的筛查方法	研究仅包含6项研究，样本量相对较小，且未来需要更多基于智能手机图像的深度学习研究以提高可行性	评估人工智能通过颅面照片诊断OSA的准确性	成人（≥18岁）的颅面照片和OSA诊断数据	人工智能	阻塞性睡眠呼吸暂停	人工智能算法，特别是深度学习（卷积神经网络）	CNN	图像（颅面照片）	1,417名参与者用于训练，983名用于测试
3875	2025-03-26	Artificial intelligence-based model for the recurrence of hepatocellular carcinoma after liver transplantation 2024-11, Surgery IF:3.2Q1 DOI:10.1016/j.surg.2024.07.039 PMID:39181726	research paper	开发基于人工智能的深度学习模型，用于预测肝细胞癌患者接受活体肝移植后的复发风险	利用人工智能模型结合移植前因素和肿瘤分级，显著提高了肝细胞癌患者肝移植后复发风险的预测准确性	单中心回顾性研究，样本量较小(n=192)，外部验证效果有待进一步确认	改进肝细胞癌患者肝移植的候选者选择标准	接受活体肝移植的肝细胞癌患者	digital pathology	hepatocellular carcinoma	deep learning	AI-based model	clinical data	192例接受活体肝移植的肝细胞癌患者(分为训练组和验证组)
3876	2025-03-26	Spatial Heterogeneity of PD-1/PD-L1 Defined Osteosarcoma Microenvironments at Single-Cell Spatial Resolution 2024-11, Laboratory investigation; a journal of technical methods and pathology DOI:10.1016/j.labinv.2024.102143 PMID:39321925	研究论文	本研究结合深度学习数字图像分析和多重荧光免疫组化技术，深入研究了骨肉瘤肿瘤微环境的空间异质性	引入了一种新的TAM/破骨细胞分化算法，并揭示了PD-1/PD-L1定义的患者中细胞组成和空间编排的异质性	NA	研究骨肉瘤肿瘤微环境中细胞亚型的空间编排及其在免疫治疗策略中的潜在应用	骨肉瘤肿瘤微环境中的肿瘤相关巨噬细胞（TAM）、T细胞、成骨细胞和破骨细胞	数字病理学	骨肉瘤	多重荧光免疫组化，深度学习	深度学习	图像	NA
3877	2025-03-26	Assessing the Tumor Immune Landscape Across Multiple Spatial Scales to Differentiate Immunotherapy Response in Metastatic Non-Small Cell Lung Cancer 2024-11, Laboratory investigation; a journal of technical methods and pathology DOI:10.1016/j.labinv.2024.102148 PMID:39389312	研究论文	本研究利用多重荧光免疫组化技术，定量评估肿瘤与免疫细胞之间的相互作用，以识别转移性非小细胞肺癌患者对免疫检查点抑制剂反应的模式	引入了多种计算方法，首次应用于包含52名转移性非小细胞肺癌患者的1,269张多重荧光免疫组化图像数据集，并利用空间G-cross函数量化细胞间相互作用	样本量相对较小（52名患者），可能限制结果的普遍性	通过多空间尺度分析肿瘤免疫微环境，以区分转移性非小细胞肺癌患者对免疫治疗的反应	转移性非小细胞肺癌患者的肿瘤微环境	数字病理学	肺癌	多重荧光免疫组化	可解释的深度学习模型	图像	52名患者的1,269张多重荧光免疫组化图像
3878	2025-03-26	Prostate Cancer Risk Stratification in NRG Oncology Phase III Randomized Trials Using Multimodal Deep Learning With Digital Histopathology 2024-Oct, JCO precision oncology IF:5.3Q1 DOI:10.1200/PO.24.00145 PMID:39447096	research paper	本研究开发了一种基于多模态人工智能（MMAI）的前列腺癌风险分层系统，旨在改进当前NCCN风险分组的不足	利用数字组织病理学图像和临床数据构建的多模态人工智能模型，能够更准确地预测前列腺癌患者的转移风险	研究仅基于NRG Oncology的III期随机试验数据，可能无法完全代表更广泛的患者群体	开发一种临床可用的前列腺癌风险分层系统，以减少过度治疗和治疗不足的情况	9,787名局限性前列腺癌患者	digital pathology	prostate cancer	multimodal artificial intelligence (MMAI)	deep learning	digital histopathology images and clinical data	9,787 patients from eight NRG Oncology phase III trials
3879	2024-09-10	Validation of a fully automated deep learning-enabled solution for CCTA atherosclerotic plaque and stenosis quantification in a diverse real-world cohort 2024 Sep-Oct, Journal of cardiovascular computed tomography IF:5.5Q1 DOI:10.1016/j.jcct.2024.03.012 PMID:38553402	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
3880	2025-03-26	An end-to-end deep learning pipeline to derive blood input with partial volume corrections for automated parametric brain PET mapping 2024-Aug-19, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ad6a64 PMID:39094595	研究论文	提出一种端到端的深度学习流程，用于通过部分体积校正自动生成脑PET参数映射的血流输入函数	利用非侵入性深度学习方法从颈内动脉计算患者特异性血流输入函数，无需侵入性动脉采血	研究仅基于50例人脑FDG PET扫描进行训练和验证，样本量有限	开发非侵入性方法用于定量分析动态FDG-PET脑成像	人脑动态FDG-PET成像数据	数字病理	神经系统疾病	dFDG-PET	3D U-Net, RNN	医学影像	50例人脑FDG PET扫描