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
3981	2025-10-06	Multi-scale feature pyramid network with bidirectional attention for efficient mural image classification 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0328507 PMID:40758742	研究论文	提出一种基于DenseNet201-FPN的深度学习模型，结合双向注意力机制和动态蒸馏策略，用于壁画图像分类	在DenseNet201中嵌入轻量级特征金字塔网络融合多尺度特征，采用双向LSTM驱动的注意力模块优化通道和空间权重，提出动态温度蒸馏策略提升稀有类别性能	基于自建数据集（2000张图像），样本规模有限，未在更大规模数据集上验证	解决壁画图像识别中的跨文化、多时期风格泛化挑战，实现文化遗产数字保护	壁画图像	计算机视觉	NA	深度学习	CNN, LSTM	图像	2000张壁画图像，26个子类别	PyTorch（推测）	DenseNet201, FPN, ResNeXt101	准确率, F1-score	Jetson TX2边缘设备
3982	2025-10-06	Utilization of Artificial Intelligence Algorithms for the Diagnosis of Breast, Lung, and Prostate Cancer 2025, Ceskoslovenska patologie PMID:40763009	综述	本文全面探讨人工智能算法在乳腺癌、肺癌和前列腺癌诊断中的应用现状与潜力	系统整合了数字病理学发展历程与AI技术应用，特别聚焦罗氏uPath系统和IBEX医学分析平台等具体工具的创新实践	未涉及具体临床验证数据，主要面临伦理法律、数据保护和错误责任等实施挑战	为数字病理学中AI技术的潜在应用提供全面概述，阐明其在现代肿瘤诊断中的角色	乳腺癌、肺癌和前列腺癌的病理诊断过程	数字病理学,计算机视觉	乳腺癌,肺癌,前列腺癌	组织病理图像分析,肿瘤细胞分类,生物标志物评估	机器学习,深度学习	组织病理图像	NA	NA	NA	诊断准确性,实验室流程效率	NA
3983	2025-10-06	Leveraging deep learning for the detection of socially desirable tendencies in personnel selection: A proof-of-concept 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0329205 PMID:40763162	研究论文	提出一种基于深度学习的检测方法，用于识别人员在选拔过程中表现出的社会称许性反应倾向	首次将深度学习应用于社会称许性反应的检测，通过视频中的非语言视觉线索来预测个体的回答倾向	样本量较小（91名参与者），属于概念验证研究，需要更大规模验证	开发有效检测社会称许性反应的方法，为人员选拔提供技术支持	求职模拟中的参与者及其视频表现	计算机视觉	NA	视频分析，非语言视觉线索提取	迁移学习，深度学习	视频，图像序列	91名参与者，5,460个增强数据点	NA	Entrans（定制迁移学习模型）	MSE, RMSE, ρ, AUC	NA
3984	2025-10-06	Comparison of Artificial Intelligence Models Using CT Radiomics for Predicting Post-Vertebral Augmentation Residual Back Pain in Osteoporotic Vertebral Compression Fractures 2025, International journal of medical sciences IF:3.2Q1 DOI:10.7150/ijms.114419 PMID:40765571	研究论文	本研究通过系统比较五种整合CT影像组学特征与临床参数的人工智能模型，预测骨质疏松性椎体压缩骨折患者椎体增强术后残留背痛的风险	首次探索CT影像组学与人工智能模型结合预测椎体增强术后残留背痛，并通过消融实验验证临床参数和影像组学特征的互补价值	单中心前瞻性研究，样本来源相对单一	寻找最优AI模型实现椎体增强术后残留背痛的术前风险分层，改善手术决策	接受椎体增强术治疗的骨质疏松性椎体压缩骨折患者	医学影像分析	骨质疏松性椎体压缩骨折	CT影像组学	TabNet, 深度学习	CT图像, 临床数据	856例患者（其中102例出现残留背痛）	NA	TabNet	AUROC, Recall	NA
3985	2025-10-06	Predicting Chemotherapy-Induced Peripheral Neuropathy Using Transformer-Based Multimodal Deep Learning 2025, Research (Washington, D.C.) DOI:10.34133/research.0795 PMID:40765998	研究论文	本研究开发了一种基于Transformer的多模态深度学习模型，用于预测化疗引起的周围神经病变	首次将Transformer架构应用于多模态数据融合来预测CIPN，整合了临床、基因组、生物信号、可穿戴设备和影像学信息	需要多中心验证、实时电子健康记录集成，以及针对高风险患者的神经保护策略开发	开发并评估基于深度学习的化疗引起的周围神经病变预测模型	2020-2025年间接受化疗的癌症患者	机器学习	癌症	多模态数据整合	Transformer, LSTM, CNN, XGBoost	临床数据、基因组数据、生物信号、可穿戴设备数据、影像学信息	回顾性和前瞻性队列研究，来自多中心电子健康记录和公共数据库	NA	Transformer	AUC-ROC, 准确率, 敏感性, 特异性, F1分数	NA
3986	2025-10-06	An interpretable XAI deep EEG model for schizophrenia diagnosis using feature selection and attention mechanisms 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1630291 PMID:40766336	研究论文	提出一种基于脑电图数据的可解释深度学习模型用于精神分裂症诊断	结合注意力机制与SHAP、LIME可解释性工具，增强模型决策过程的透明度	模型准确率仅为0.68%，性能有待提升	开发自动化的精神分裂症诊断方法	精神分裂症患者的脑电图数据	机器学习	精神分裂症	脑电图	DNN, BiLSTM-GRU, BiLSTM with Attention	脑电图传感器数据	NA	NA	深度神经网络, 双向长短期记忆网络-门控循环单元, 带注意力机制的双向长短期记忆网络	准确率	NA
3987	2025-10-06	Computer-vision based automatic rider helmet violation detection and vehicle identification in Indian smart city scenarios using NVIDIA TAO toolkit and YOLOv8 2025, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2025.1582257 PMID:40766945	研究论文	提出基于计算机视觉的两阶段深度学习方案，用于自动检测骑手头盔违规行为并识别车辆号牌	结合NVIDIA TAO工具包的预训练目标检测模型与YOLOv8架构，实现实时头盔违规检测和号牌识别	缺乏公开可用的交通数据集，需使用自定义数据集进行训练和验证	通过实时强制执行交通法规来减少骑手头盔违规行为	印度智能城市场景中的两轮车骑手	计算机视觉	NA	深度学习	CNN, YOLO	图像	自定义摩托车骑手图像数据集（包含复杂场景）	NVIDIA TAO, YOLOv8	ResNet18, YOLOv8	准确率	NVIDIA TAO工具包
3988	2025-10-06	Deep learning-based binary classification of beta-amyloid plaques using 18 F florapronol PET 2024-Dec-01, Nuclear medicine communications IF:1.3Q3 DOI:10.1097/MNM.0000000000001904 PMID:39350612	研究论文	本研究开发了一种基于深度学习的二分类模型，用于通过18F florapronol PET图像对β-淀粉样蛋白斑块沉积进行分类	首次将卷积神经网络应用于18F florapronol PET图像的淀粉样蛋白斑块二分类，展示了深度学习在阿尔茨海默病诊断中的潜力	研究为回顾性研究，样本量相对有限（175例患者），且仅使用单一医疗中心的数据	开发辅助工具以提高阿尔茨海默病临床诊断的准确性	疑似轻度认知障碍或痴呆的患者	医学影像分析	阿尔茨海默病	18F florapronol PET/CT成像	CNN	PET图像	175例患者（77名男性，98名女性），其中阳性62例，阴性113例	NA	NA	准确率, AUC	NA
3989	2025-10-06	Deep learning-based aberration compensation improves contrast and resolution in fluorescence microscopy 2024-Jul-15, bioRxiv : the preprint server for biology DOI:10.1101/2023.10.15.562439 PMID:37986950	研究论文	提出基于深度学习的像差补偿方法，提升荧光显微镜在厚样本成像中的对比度和分辨率	通过引入合成像差训练神经网络进行像差补偿，无需降低采集速度、增加剂量或添加额外光学元件	NA	改善厚样本荧光显微镜成像质量	小鼠组织血管、胚胎细胞膜和细胞核	计算机视觉	NA	荧光显微镜技术	神经网络	显微镜图像	NA	NA	NA	图像对比度、分辨率、分割质量	NA
3990	2025-10-06	Union is strength: the combination of radiomics features and 3D-deep learning in a sole model increases diagnostic accuracy in demented patients: a whole brain 18FDG PET-CT analysis 2024-Jul-01, Nuclear medicine communications IF:1.3Q3 DOI:10.1097/MNM.0000000000001853 PMID:38632972	研究论文	本研究比较了放射组学特征、3D深度学习CNN及其融合模型在痴呆患者全脑18F-FDG PET图像诊断中的性能	首次将放射组学特征与3D深度学习CNN结合到单一模型中，应用于全脑18FDG PET研究	样本量相对有限（共210名受试者），仅使用单一影像模态（PET-CT）	提高痴呆患者的诊断准确性	85名痴呆患者和125名健康对照者	医学影像分析	痴呆症	18F-FDG PET-CT成像	CNN	3D医学影像	210名受试者（85名痴呆患者，125名健康对照），其中40名用于测试	NA	3D-CNN	灵敏度, 特异性, 分类得分	NA
3991	2025-10-06	Machine learning diagnosis of active Juvenile Idiopathic Arthritis on blood pool [ 99M Tc] Tc-MDP scintigraphy images 2024-May-01, Nuclear medicine communications IF:1.3Q3 DOI:10.1097/MNM.0000000000001822 PMID:38312058	研究论文	本研究使用深度学习技术通过血池图像诊断幼年特发性关节炎	首次将深度学习应用于基于[99m Tc] Tc-MDP骨显像血池图像的幼年特发性关节炎诊断	样本量相对有限（326名儿童和青少年），仅评估了膝关节和踝关节	开发基于深度学习的幼年特发性关节炎自动诊断方法	326名健康及确诊幼年特发性关节炎的儿童和青少年（1-16岁）	计算机视觉	幼年特发性关节炎	[99m Tc] Tc-MDP骨显像	CNN	图像	1304张血池图像（来自326名受试者）	NA	自设计多输入CNN, VGG16, ResNet50, Xception	AUC	NA
3992	2025-10-06	Greater accuracy of radiomics compared to deep learning to discriminate normal subjects from patients with dementia: a whole brain 18FDG PET analysis 2024-Apr-01, Nuclear medicine communications IF:1.3Q3 DOI:10.1097/MNM.0000000000001810 PMID:38189449	研究论文	比较放射组学与深度学习在区分痴呆患者和正常受试者方面的准确性	首次在脑部18FDG PET图像分析中证明放射组学特征比传统CNN模型具有更高的分类准确性	样本量相对较小（210名受试者），仅使用单一模态PET数据	开发更准确的痴呆诊断方法	85名痴呆患者和125名健康对照者	医学影像分析	痴呆症	18F-FDG PET脑部成像	神经网络, CNN	PET图像	210名受试者（85名患者+125名健康对照）	NA	神经网络, CNN	准确率	NA
3993	2025-10-06	Early prediction of distant metastasis in patients with uterine cervical cancer treated with definitive chemoradiotherapy by deep learning using pretreatment [ 18 F]fluorodeoxyglucose positron emission tomography/computed tomography 2024-Mar-01, Nuclear medicine communications IF:1.3Q3 DOI:10.1097/MNM.0000000000001799 PMID:38165173	研究论文	开发基于深度学习模型，利用治疗前[18F]FDG-PET/CT图像预测局部晚期子宫颈癌患者远处转移风险	采用三维图像增强技术的深度学习模型，首次基于基线PET/CT图像预测子宫颈癌远处转移	需要外部验证来确定模型的预测性能，样本量相对有限	早期预测接受确定性放化疗的子宫颈癌患者远处转移风险	局部晚期子宫颈癌患者	数字病理	子宫颈癌	[18F]FDG-PET/CT成像	深度学习	医学影像（PET/CT图像）	训练队列186例患者，验证队列25例患者	NA	NA	AUC, 敏感度, 特异度, 准确度	NA
3994	2025-10-06	A comparison of 18 F-FDG PET-based radiomics and deep learning in predicting regional lymph node metastasis in patients with resectable lung adenocarcinoma: a cross-scanner and temporal validation study 2023-Dec-01, Nuclear medicine communications IF:1.3Q3 DOI:10.1097/MNM.0000000000001776 PMID:37728592	研究论文	比较基于18F-FDG PET的手工放射组学与深度学习在预测可切除肺腺癌区域淋巴结转移中的性能	首次系统比较手工放射组学与深度学习在不同代际PET扫描仪上的泛化性能	样本量较小，特别是数字PET队列仅17例患者	预测可切除肺腺癌患者的病理区域淋巴结转移状态	148例接受根治性手术的肺腺癌患者	医学影像分析	肺腺癌	18F-FDG PET成像	CNN	PET医学影像	148例患者（模拟PET组131例，数字PET组17例）	NA	ResNet-50	AUC, 准确率, 特异性, 敏感性	NA
3995	2025-10-06	Automated Radiomic Analysis of Vestibular Schwannomas and Inner Ears Using Contrast-Enhanced T1-Weighted and T2-Weighted Magnetic Resonance Imaging Sequences and Artificial Intelligence 2023-09-01, Otology & neurotology : official publication of the American Otological Society, American Neurotology Society [and] European Academy of Otology and Neurotology IF:1.9Q2 DOI:10.1097/MAO.0000000000003959 PMID:37464458	研究论文	本研究开发了一种基于深度学习的自动分割系统，用于在MRI图像中分割前庭神经鞘瘤和内耳结构	首次使用三维卷积神经网络结合对比增强T1加权和T2加权MRI序列对前庭神经鞘瘤和内耳结构进行自动分割分析	研究仅限于前庭神经鞘瘤患者，未包含其他类型肿瘤或病变	通过深度学习客观评估前庭神经鞘瘤及其与同侧内耳的空间关系	490名成年前庭神经鞘瘤患者的高分辨率MRI扫描数据	医学影像分析	前庭神经鞘瘤	磁共振成像	CNN	医学影像	490名患者（390名训练集，100名测试集），外加100名外部验证集患者	NA	三维卷积神经网络	Dice分数, 相对体积误差, 平均对称表面距离, 95% Hausdorff距离, 质心位置	NA
3996	2025-10-06	Denoising Tc-99m DMSA images using Denoising Convolutional Neural Network with comparison to a Block Matching Filter 2023-08-01, Nuclear medicine communications IF:1.3Q3 DOI:10.1097/MNM.0000000000001712 PMID:37272279	研究论文	本研究评估了预训练的DnCNN在Tc-99m DMSA图像去噪中的应用，并与BM3D滤波器进行性能比较	首次将预训练的DnCNN应用于Tc-99m DMSA医学图像去噪，并与传统BM3D滤波器进行系统比较	仅使用242张Tc-99m DMSA图像，样本量相对有限	评估预训练DnCNN在Tc-99m DMSA图像去噪中的可行性和性能	Tc-99m DMSA医学图像	计算机视觉	肾脏疾病	核医学成像	CNN	医学图像	242张Tc-99m DMSA图像	MATLAB Deep Learning Toolbox	DnCNN	SSIM, FSIM, MultiSSIM, PIQE, Blur, GCF, Brightness	NA
3997	2025-10-06	Performance of machine and deep learning models for predicting delirium in adult ICU patients: A systematic review 2025-Nov, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2025.106008 PMID:40513381	系统综述	系统评估ICU成人患者谵妄预测中机器学习和深度学习模型的性能与方法学质量	首次系统总结ICU谵妄预测模型的方法学质量，涵盖2018-2024年间最新研究进展	纳入研究存在回顾性设计偏倚、缺乏外部验证、过拟合和缺失数据处理不完整等局限性	评估ICU患者谵妄预测模型的方法学质量与预测性能	ICU成人患者	机器学习	谵妄	机器学习预测模型	逻辑回归, 随机森林, 循环神经网络, 梯度提升	临床时间序列数据	11项研究，样本量140-48451名参与者	NA	NA	AUROC	NA
3998	2025-10-06	Machine learning techniques for stroke prediction: A systematic review of algorithms, datasets, and regional gaps 2025-Nov, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2025.106041 PMID:40651107	系统综述	系统回顾和分析用于卒中预测的机器学习技术，综合不同预测目标和数据源的性能指标	首次系统性地综合分析了卒中预测领域机器学习算法的性能特征和区域研究差距	研究间存在显著异质性，无法进行定量荟萃分析	系统评价卒中预测中的机器学习技术，评估其临床适用性并识别研究趋势	卒中预测相关的机器学习研究	机器学习	卒中	机器学习技术	集成方法,深度学习	电子健康记录,医学影像,生物信号	58项研究	NA	NA	准确率	NA
3999	2025-10-06	MRI-based habitat analysis for Intratumoral heterogeneity quantification combined with deep learning for HER2 status prediction in breast cancer 2025-Oct, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2025.110429 PMID:40414575	研究论文	本研究结合MRI影像组学和深度学习技术开发预测乳腺癌HER2表达状态的综合模型	首次提出基于MRI的肿瘤内异质性量化方法，并将其与深度学习特征结合构建预测模型	回顾性研究设计，样本量相对有限，需要外部验证	预测乳腺癌HER2表达状态	340例经病理证实的浸润性乳腺癌患者	医学影像分析	乳腺癌	动态对比增强磁共振成像(DCE-MRI)	深度学习	医学影像	340例患者	NA	NA	AUC	NA
4000	2025-10-06	Fully automated measurement of aortic pulse wave velocity from routine cardiac MRI studies 2025-Oct, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2025.110442 PMID:40451442	研究论文	开发了一种基于深度学习的全自动方法，从常规心脏MRI图像中测量主动脉脉搏波速度	首次实现了从标准序列心脏MRI图像中全自动测量PWV，无需特殊序列和耗时的手动分析	未提及具体的技术局限性	开发自动化方法测量主动脉脉搏波速度，促进心血管疾病评估	心脏MRI图像，包括英国生物银行1053名受试者	医学影像分析	心血管疾病	心脏MRI，SSFP定位器图像，相位对比成像	深度学习模型	2D MRI图像，3D主动脉分割	英国生物银行1053名受试者	NA	NA	Dice系数，P值	NA