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
4121	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
4122	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
4123	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
4124	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
4125	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
4126	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
4127	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
4128	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
4129	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
4130	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
4131	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
4132	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
4133	2025-10-06	Measured spectrum environment map dataset with multi-radiation sources in urban scenarios 2025-Oct, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2025.111909 PMID:40766197	研究论文	本文提出了一个城市多辐射源场景下的实测频谱强度数据集	提供了现实多源动态场景中频谱环境图的开放数据集，解决了现有数据集的局限性	NA	解决现实多源动态场景中频谱环境图开放数据集的不足	城市环境中多个辐射源的频谱强度数据	无线通信	NA	频谱分析，GPS定位	NA	频谱强度数据，地理位置数据	80×105个网格的频谱数据	NA	NA	NA	NA
4134	2025-10-06	ICD code mapping model based on clinical text tree structure 2025-09, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103163 PMID:40446588	研究论文	提出一种基于树形结构和Transformer的ICD编码模型TRIC，用于电子病历的自动ICD编码	结合成分树模型提取临床记录结构特征，使用Tree-LSTM丰富特征表示，并利用bioBERT预训练模型提升关键编码匹配性能	NA	解决临床记录文本语义表示模糊和结构特征缺失的ICD自动编码问题	电子病历临床记录文本	自然语言处理	NA	深度学习	Transformer, LSTM	文本	MIMIC-III完整数据集和样本数据集	NA	Transformer, Tree-LSTM, bioBERT, 全连接神经网络	MiF, MaF, MiAUC, MaAUC, P@8	NA
4135	2025-10-06	Quantitative computed tomography imaging classification of cement dust-exposed patients-based Kolmogorov-Arnold networks 2025-09, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103166 PMID:40450965	研究论文	本研究使用Kolmogorov-Arnold网络对水泥粉尘暴露患者的定量CT影像进行二分类分析	首次将Kolmogorov-Arnold网络应用于定量CT影像分类，相比传统机器学习方法和深度学习模型表现更优	研究样本量相对有限，仅包含609名受试者	开发基于定量CT影像的呼吸系统疾病分类模型，用于职业健康评估	水泥粉尘暴露患者和健康对照者	医学影像分析	呼吸系统疾病	定量CT成像	Kolmogorov-Arnold网络	医学影像	609名受试者（311名水泥粉尘暴露者，298名健康对照）	NA	KAN（两层隐藏层，15和8个神经元）	准确率, 精确率, 召回率, F1分数, 特异性, Matthews相关系数	NA
4136	2025-10-06	ECG synthesis for cardiac arrhythmias: Integrating self-supervised learning and generative adversarial networks 2025-09, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103162 PMID:40460597	研究论文	提出一种结合自监督学习和生成对抗网络的心电图生成方法ECGAN，用于合成心律失常数据并提升分类性能	整合自监督学习与生成对抗网络的条件生成架构，能够控制心电图记录的概率分布	未明确说明模型在更广泛心律失常类型上的泛化能力	开发能够生成真实心电图信号的方法以解决标注数据不足和患者匿名化问题	心电图时间序列数据	机器学习	心血管疾病	心电图分析	GAN, 自监督学习	时间序列数据	MIT-BIH、BIDMC和PTB数据集	NA	ECGAN	分类准确率	NA
4137	2025-10-06	VAE-GANMDA: A microbe-drug association prediction model integrating variational autoencoders and generative adversarial networks 2025-09, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103198 PMID:40540756	研究论文	提出一种整合变分自编码器和生成对抗网络的微生物-药物关联预测模型VAE-GANMDA	融合VAE和GAN学习数据流形分布，集成CBAM注意力模块和高斯核函数增强特征提取能力，结合k-means++算法选择高质量负样本	NA	预测微生物与药物之间的关联关系	微生物和药物	机器学习	传染病	NA	VAE, GAN, MLP	关联数据	NA	NA	VAE-GANMDA, CBAM, MLP	AUROC, AUPRC	NA
4138	2025-10-06	Interactive prototype learning and self-learning for few-shot medical image segmentation 2025-09, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103183 PMID:40544698	研究论文	提出一种交互式原型学习和自学习网络来解决少样本医学图像分割中的类内不一致和类间相似性问题	通过深度编解码模块、交互式原型学习模块和查询特征引导的自学习模块协同工作，提升类内特征一致性和降低类间特征相似性	NA	解决少样本医学图像分割中类内不一致和类间相似性导致的边界模糊问题	医学图像分割任务中的支持样本和查询样本	计算机视觉	NA	医学图像分割	深度学习网络	医学图像	NA	NA	编码器-解码器架构	分割性能指标	NA
4139	2025-10-06	Predicting drug-drug interactions: A deep learning approach with GCN-based collaborative filtering 2025-09, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103185 PMID:40544699	研究论文	提出一种基于图卷积网络和协同过滤的AI推荐模型，用于预测药物相互作用	通过分析药物相互作用网络的连通性而非化学结构来预测DDI，无需对未定义相互作用进行负采样，能预测所有未知药物对的潜在相互作用	仅利用DDI报告数据，未考虑药物化学结构等其他因素	开发准确预测药物相互作用的计算方法	药物相互作用	机器学习	NA	图卷积网络，协同过滤	GCN	药物相互作用网络数据	4,072种药物和1,391,790个药物对	NA	图卷积网络	5折交叉验证，外部数据验证	NA
4140	2025-10-06	A prior knowledge-supervised fusion network predicts survival after radiotherapy in patients with advanced gastric cancer 2025-09, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103184 PMID:40587926	研究论文	提出一种基于先验知识监督的融合网络，用于预测晚期胃癌患者放疗后的总生存期	提出新型采样策略和多域特征融合模块，将医生先验知识融入CT图像分析，实现多模态信息的自适应融合	NA	预测晚期胃癌患者放疗后的总生存期，辅助临床诊疗决策	晚期胃癌患者	计算机视觉	胃癌	CT成像	深度学习融合网络	医学图像（CT）、多模态临床数据	NA	NA	先验知识监督融合网络（PKSFnet）、多域特征融合模块（MdFF）	AUC, 特异性, 敏感度, 精确度, C-index, HR	NA