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
4061	2025-10-06	SMoFFI-SegFormer: a novel approach for ovarian tumor segmentation based on an improved SegFormer architecture 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1555585 PMID:40761240	研究论文	提出一种基于改进SegFormer架构的卵巢肿瘤分割新方法SMoFFI-SegFormer	引入新型自调制融合与特征抑制模块，增强多尺度特征表示并处理肿瘤空间异质性	NA	提高卵巢肿瘤超声图像分割的准确性和效率	卵巢肿瘤超声图像	计算机视觉	卵巢癌	超声成像	Transformer	图像	两个公共数据集OTU_2D和OTU_CEUS	NA	SegFormer, SMoFFI-SegFormer	准确率, mIoU, 类别准确率	NA
4062	2025-10-06	Hybrid deep learning models for text-based identification of gene-disease associations 2025, BioImpacts : BI IF:2.2Q3 DOI:10.34172/bi.31226 PMID:40761527	研究论文	本研究开发了基于深度学习的混合模型，用于从生物医学文本中自动识别基因-疾病关联	提出了三种结合注意力机制的混合深度学习模型，在不依赖繁重预训练的情况下有效捕捉局部和序列特征，性能优于基于BioBERT的现有方法	NA	自动化从生物医学文献中提取基因-疾病关联关系	基因-疾病关联分类	自然语言处理	NA	文本挖掘	CNN-LSTM, CNN-GRU, CNN-GRU-LSTM	文本	三个公开数据集：EU-ADR、GAD和SNPPhenA	NA	CNN-LSTM, CNN-GRU, CNN-GRU-LSTM	准确率	NA
4063	2025-10-06	DLML-PC: an automated deep learning and metric learning approach for precise soybean pod classification and counting in intact plants 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1583526 PMID:40761559	研究论文	提出一种结合深度学习和度量学习的自动化方法，用于精确分类和计数完整大豆植株上的豆荚	首次直接检测未拆解植株上的不同类型豆荚，并通过度量学习方法修正计数结果	未明确说明样本数据的具体来源和采集条件	开发自动化大豆豆荚表型分析方法以加速育种过程	成熟期大豆植株上的不同类型豆荚（单粒、双粒、三粒、四粒豆荚）	计算机视觉	NA	深度学习，度量学习	YOLOX, Siamese Network	图像	NA	NA	YOLOX, SE-ResNet50	mAP, 准确率, 相关系数	NA
4064	2025-10-06	Dynamic gating-enhanced deep learning model with multi-source remote sensing synergy for optimizing wheat yield estimation 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1640806 PMID:40761564	研究论文	提出一种基于动态门控增强的深度学习模型，通过多源遥感协同优化小麦产量估算	引入时空融合专家混合模型，结合LSTM-Transformer架构和自适应门控网络，动态处理多源遥感特征和环境变量	在极端产量区域仍存在低估现象	优化小麦产量估算精度	中国六个主要省份的小麦产量	机器学习	NA	多源遥感技术	LSTM, Transformer	遥感数据，环境变量数据	六个中国主要省份的小麦产量数据	NA	LSTM-Transformer, STF-MoE	R², RMSE	NA
4065	2025-10-06	Detection of microplastics stress on rice seedling by visible/near-infrared hyperspectral imaging and synchrotron radiation Fourier transform infrared microspectroscopy 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1645490 PMID:40761567	研究论文	本研究结合可见光/近红外高光谱成像和同步辐射傅里叶变换红外显微光谱技术，开发了一种快速检测微塑料胁迫下水稻幼苗的方法	提出改进的SE-LSTM全光谱检测模型，结合SHAP框架解释模型，并首次将同步辐射傅里叶变换红外光谱与二维相关光谱联用分析叶片分子组成变化	仅针对三种特定微塑料（PET、PS、PVC）和特定浓度（0、10、100 mg/L）进行实验，样本种类和条件有限	开发高效无损的早期检测方法，用于快速筛查和诊断微塑料胁迫下的水稻幼苗	暴露于不同浓度微塑料胁迫的水稻幼苗叶片	光谱分析，深度学习	植物胁迫响应	可见光/近红外高光谱成像，同步辐射傅里叶变换红外显微光谱，二维相关光谱	SE-LSTM	高光谱图像，红外光谱数据	不同浓度（0、10、100 mg/L）的PET、PS、PVC微塑料胁迫下的水稻幼苗样本	NA	SE-LSTM	检测准确率	NA
4066	2025-10-06	Cardio-rheumatology: integrated care and the opportunities for personalized medicine 2025, Therapeutic advances in musculoskeletal disease IF:3.4Q2 DOI:10.1177/1759720X251357188 PMID:40761822	综述	本文探讨系统性硬化症心脏受累的临床特征与精准医疗机遇，并介绍范德比尔特大学医学中心新型心脏-风湿病跨学科诊所的创新实践	建立首个跨学科心脏-风湿病诊所，整合血管病变影像与心脏表现关联分析，应用人工智能技术开发疾病进展量化标志物	系统性硬化症患病率较低，需要多中心合作扩大样本量	通过机制性疾病表型分析实现系统性硬化症的个性化医疗和早期心脏受累检测	系统性硬化症患者	数字病理	风湿免疫疾病	甲褶毛细血管镜检查、热成像、多普勒手部超声、超声心动图、动态心律监测、心脏磁共振成像、心脏PET/CT	深度学习	医学影像、监测数据	NA	NA	NA	疾病进展标志物、治疗疗效评估	基于云的多中心图像共享平台
4067	2025-10-06	Capability and reliability of deep learning models to make density predictions on low-dose mammograms 2024-Jul, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.11.4.044506 PMID:39114539	研究论文	评估深度学习模型在低剂量乳腺X光片上预测乳腺密度的能力和可靠性	首次系统评估深度学习模型在低剂量与标准剂量乳腺X光片上的密度预测一致性，并分析影响预测质量的关键因素	模型在致密乳腺和小面积乳腺上的预测质量会降低	评估深度学习模型在低剂量乳腺X光片上预测乳腺密度的能力和可靠性，为年轻女性乳腺癌风险估计提供依据	配对的低剂量和标准剂量乳腺X光片	计算机视觉	乳腺癌	数字乳腺X光摄影	深度学习模型	医学图像	包含配对标准剂量和低剂量图像的乳腺X光数据集	NA	NA	相关系数	NA
4068	2025-10-06	Length of Stay Prediction With Standardized Hospital Data From Acute and Emergency Care Using a Deep Neural Network 2024-Apr-01, Medical care IF:3.3Q1 DOI:10.1097/MLR.0000000000001975 PMID:38345863	研究论文	本研究开发了一种基于深度神经网络的方法，利用急症护理标准化数据预测患者住院时长	使用嵌入技术和前馈神经网络对住院各阶段进行细粒度预测，相比传统方法有显著性能提升	研究仅基于法国里昂6所大学医院的数据，可能限制模型的普适性	开发住院时长预测方法以改善医疗资源管理和护理质量	2011-2019年间515,199名患者的1,140,100次住院记录	医疗健康信息学	急症护理	深度学习	前馈神经网络	结构化医疗数据	1,140,100次住院记录，涉及515,199名患者	NA	嵌入层+前馈神经网络	准确率, Cohen kappa, Bland-Altman图	NA
4069	2025-10-06	Unified deep learning models for enhanced lung cancer prediction with ResNet-50-101 and EfficientNet-B3 using DICOM images 2024-03-18, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-024-01241-4 PMID:38500083	研究论文	开发基于ResNet-50、ResNet-101和EfficientNet-B3的融合深度学习模型，用于DICOM图像的肺癌预测分类	提出融合三种深度学习模型的统一框架，并采用迁移学习技术提升肺癌预测性能	深度学习在癌症数据分析能力方面仍在发展中，模型精度存在不精确问题	通过深度学习模型早期检测和预防肺癌，降低死亡率	肺癌DICOM图像	计算机视觉	肺癌	迁移学习	CNN	医学图像	1000张来自LIDC-IDRI数据库的DICOM肺癌图像	NA	ResNet-50, ResNet-101, EfficientNet-B3	精确度	NA
4070	2025-10-06	Deep learning-based automatic segmentation of meningioma from T1-weighted contrast-enhanced MRI for preoperative meningioma differentiation using radiomic features 2024-03-05, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-024-01218-3 PMID:38443817	研究论文	本研究开发了基于深度学习的脑膜瘤自动分割模型，并利用自动分割提取的影像组学特征进行术前脑膜瘤分级	首次将SegResNet网络应用于脑膜瘤自动分割，并验证了基于自动分割的影像组学特征在脑膜瘤分级中的可行性	样本量相对有限（326例），未进行外部验证	开发脑膜瘤自动分割模型并建立术前脑膜瘤分级系统	经病理证实的脑膜瘤患者	数字病理	脑膜瘤	T1加权增强MRI	深度学习	医学影像	326例患者，按6:2:2比例分为训练集、验证集和测试集	PyRadiomics	SegResNet	Dice系数, 95% Hausdorff距离, ICC, 灵敏度, 特异度, 准确率, AUC	NA
4071	2025-10-06	Transfer learning-based PET/CT three-dimensional convolutional neural network fusion of image and clinical information for prediction of EGFR mutation in lung adenocarcinoma 2024-03-04, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-024-01232-5 PMID:38438844	研究论文	开发基于迁移学习的PET/CT三维卷积神经网络，融合影像和临床信息预测肺腺癌EGFR突变状态	提出三流迁移学习模型，首次将PET/CT影像与临床数据融合用于EGFR突变预测	回顾性研究，样本量有限（516例），存在类别不平衡问题	预测肺腺癌患者的EGFR突变状态	516例肺腺癌患者	医学影像分析	肺腺癌	PET/CT成像	3D CNN	医学影像（PET/CT）、临床数据	516例患者（训练集404例，测试集112例）	NA	三维卷积神经网络，双流融合模型，三流迁移学习模型	AUC, ROC曲线	NA
4072	2025-10-06	PulmoNet: a novel deep learning based pulmonary diseases detection model 2024-02-28, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-024-01227-2 PMID:38418987	研究论文	提出一种基于深度卷积神经网络的肺部疾病检测模型PulmoNet，用于识别COVID-19、细菌性肺炎和病毒性肺炎	采用优化的图像增强技术，在肺部疾病检测中实现了高精度和快速检测	NA	开发高效的肺部疾病自动检测系统	肺部疾病患者（COVID-19、细菌性肺炎、病毒性肺炎）和健康人群	计算机视觉	肺部疾病	放射影像学（X射线和CT扫描）	深度卷积神经网络（DCNN）	医学影像	总样本16,435个（健康10,325例，COVID-19 3,749例，细菌性肺炎883例，病毒性肺炎1,478例）	NA	PulmoNet	准确率	NA
4073	2025-10-06	Automated assessment of cardiac pathologies on cardiac MRI using T1-mapping and late gadolinium phase sensitive inversion recovery sequences with deep learning 2024-02-13, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-024-01217-4 PMID:38350900	研究论文	开发基于深度学习的模型，使用心脏MRI的T1-mapping和晚期钆增强相位敏感反转恢复序列自动检测心脏病理	首次将深度学习应用于心脏MRI的T1-mapping和PSIR序列进行自动病理检测，无需对比剂的T1 mapping序列表现出潜在临床价值	样本量较小（共200例），模型特异性较低（PSIR序列38%，T1-mapping序列54%）	开发自动检测心脏病理的深度学习模型以简化诊断流程	心脏疾病患者（包括急慢性心肌梗死、心肌炎、扩张型心肌病、肥厚型心肌病）和正常对照者	医学影像分析	心血管疾病	心脏磁共振成像（MRI），T1-mapping序列，晚期钆增强相位敏感反转恢复（PSIR）序列	CNN	医学影像	200例（137例心脏病理患者，63例正常对照）	PyTorch, fastai	DenseNet-161	敏感度, 特异性, 准确率	NA
4074	2025-10-06	Multimodal Biomedical Image Segmentation using Multi-Dimensional U-Convolutional Neural Network 2024-02-08, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-024-01197-5 PMID:38331800	研究论文	提出了一种用于多模态生物医学图像分割的多维U卷积神经网络框架	对传统U-Net模型进行了多项改进，提出多维U卷积神经网络作为U-Net框架的潜在继任者	在完美图像情况下改进较小，主要提升体现在困难图像的分割效果上	提高多模态生物医学图像分割的准确性和全面性	多模态生物医学图像	医学影像分析	NA	深度学习图像分割	CNN	多模态医学图像	五个不同数据集	NA	U-Net, MDU-CNN	分割性能提升百分比	NA
4075	2025-10-06	Artifact suppression for breast specimen imaging in micro CBCT using deep learning 2024-02-06, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-024-01216-5 PMID:38321390	研究论文	提出基于深度学习的锥束CT乳腺标本成像中条纹伪影和金属伪影抑制方法	结合U-Net和ResU-Net的双网络架构，同时处理投影数据域和图像域的伪影问题	未提及方法在临床大规模应用中的验证情况	提升乳腺标本CBCT图像质量，抑制伪影干扰	乳腺标本的锥束CT图像	计算机视觉	乳腺癌	锥束CT成像	深度学习	CT投影数据（正弦图）和重建图像	NA	NA	U-Net, ResU-Net	对比噪声比, 峰值信噪比, 结构相似性指数	NA
4076	2025-10-06	Deep learning in computed tomography to predict endotype in chronic rhinosinusitis with nasal polyps 2024-01-24, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-024-01203-w PMID:38267881	研究论文	本研究开发了一种基于鼻窦CT影像的深度学习模型，用于预测慢性鼻窦炎伴鼻息肉的内型分类	首次使用深度学习技术通过鼻窦CT影像无创预测CRSwNP的内型分类	回顾性研究设计，样本量相对有限（251例患者）	构建深度学习模型预测慢性鼻窦炎伴鼻息肉的内型分类	慢性鼻窦炎伴鼻息肉患者	医学影像分析	慢性鼻窦炎	计算机断层扫描	CNN	CT影像	251例患者，29,993张CT图像	NA	ResNet-18	AUC,准确率,Kappa分数,混淆矩阵,ROC曲线	NA
4077	2025-10-06	Recognition of eye diseases based on deep neural networks for transfer learning and improved D-S evidence theory 2024-01-18, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-023-01176-2 PMID:38238662	研究论文	提出基于深度神经网络和改进D-S证据理论的融合模型，用于多种眼部疾病的识别	提出改进的D-S证据理论(ID-SET)消除模型决策偏差，并应用于眼部疾病识别模型的决策融合	未具体说明研究的眼部疾病种类和数量限制	提高眼部疾病识别的准确性和鲁棒性	眼部疾病	计算机视觉	眼部疾病	深度学习	深度神经网络	图像	NA	NA	NA	准确率,Kappa系数,F1分数,精确率,召回率,AUC	NA
4078	2025-10-06	Development of HepatIA: A computed tomography annotation platform and database for artificial intelligence training in hepatocellular carcinoma detection at a Brazilian tertiary teaching hospital 2024, Clinics (Sao Paulo, Brazil) DOI:10.1016/j.clinsp.2024.100512 PMID:39388738	研究论文	开发用于肝细胞癌人工智能检测的CT标注平台和数据库HepatIA	创建了巴西首个整合MONAI Label预标注分割模型的肝脏CT标注平台和数据库	数据来源单一（仅来自一家医院），样本量相对有限	支持肝脏疾病特别是肝细胞癌的人工智能研究	肝细胞癌患者和健康个体的腹部CT扫描数据	医学影像分析	肝细胞癌	计算机断层扫描（CT）	深度学习分割模型	CT医学影像	656名患者的692个CT扫描体积	Django, Vue.js, MONAI	NA	NA	NA
4079	2025-10-06	Multimodal recurrence scoring system for prediction of clear cell renal cell carcinoma outcome: a discovery and validation study 2023-08, The Lancet. Digital health DOI:10.1016/S2589-7500(23)00095-X PMID:37393162	研究论文	开发并验证了一种整合临床、基因组和组织病理学三种模态的多模态复发评分系统，用于预测局限性肾透明细胞癌术后复发风险	首次将临床特征、基因组数据和基于深度学习的全切片图像分析相结合，构建多模态复发评分系统	回顾性研究设计，需要在前瞻性临床试验中进一步验证	提高局限性肾细胞癌术后复发预测准确性，辅助辅助治疗决策	局限性（I-III期）肾透明细胞癌患者	数字病理	肾癌	全切片图像数字化扫描，单核苷酸多态性检测，深度学习	深度学习	组织病理学图像，基因组数据，临床数据	开发集651例患者，训练集1125例患者，验证集1625例患者，癌症基因组图谱集418例患者	NA	NA	曲线下面积，风险比	NA
4080	2025-10-06	Combined model-driven and dual-cycle interactive strategy few-shot learning scheme for predicting breast cancer molecular subtypes based on DCE-MRI 2025-Oct, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108923 PMID:40628151	研究论文	提出一种结合模型驱动和双循环交互策略的小样本学习方案，用于基于DCE-MRI预测乳腺癌分子亚型	联合嵌入模型驱动机制和双循环交互策略的小样本学习方案，提出独特的时空循环网络分类器(STRNC)	NA	解决医学图像小样本分类问题，预测乳腺癌分子亚型	乳腺癌DCE-MRI图像	计算机视觉	乳腺癌	DCE-MRI	时空循环网络	医学图像	NA	NA	STRNC	准确率	NA