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
4141	2025-04-10	Pulmonary Embolism Survival Prediction Using Multimodal Learning Based on Computed Tomography Angiography and Clinical Data 2025-Apr-09, Journal of thoracic imaging IF:2.0Q3 DOI:10.1097/RTI.0000000000000831 PMID:40200808	研究论文	本研究利用深度学习模型结合CT肺动脉造影（CTPA）、临床数据和PE严重指数（PESI）评分预测肺栓塞（PE）患者的生存率	首次将CTPA影像特征、临床变量和PESI评分结合，通过多模态深度学习模型预测PE生存率，并验证了其优于单独使用PESI评分的性能	研究为回顾性设计，样本来自3个机构可能存在选择偏倚，未进行外部验证	开发预测肺栓塞患者生存率的AI模型	918名肺栓塞患者（3978次CTPA扫描）	数字病理	心血管疾病	CTPA影像分析、深度学习	多模态深度学习模型、CoxPH模型	医学影像（CTPA）、临床数据	918名患者（3978次CTPA扫描）
4142	2025-04-10	Linking Symptom Inventories Using Semantic Textual Similarity 2025-Apr-09, Journal of neurotrauma IF:3.9Q2 DOI:10.1089/neu.2024.0301 PMID:40200899	research paper	该研究提出了一种使用语义文本相似性（STS）来链接不同创伤性脑损伤（TBI）症状清单的方法，以提高诊断和结果预测的可比性	利用预训练的深度学习模型通过语义文本相似性来链接不同症状清单，解决了TBI诊断中结果不可比的问题	研究依赖于预训练模型的表现，且需要进一步验证在更广泛症状清单上的适用性	提高创伤性脑损伤（TBI）诊断和结果预测中不同症状清单结果的可比性	创伤性脑损伤（TBI）的症状清单和患者数据	natural language processing	traumatic brain injury	semantic textual similarity (STS)	deep learning models	text	6,607名参与者来自16个国际数据源
4143	2025-04-10	Dynamics of Spatial Organization of Bacterial Communities in a Tunable Flow Gut Microbiome-on-a-Chip 2025-Apr-09, Small (Weinheim an der Bergstrasse, Germany) DOI:10.1002/smll.202410258 PMID:40201941	研究论文	研究肠道周期性机械力对肠道微生物群落动态的影响	开发了一种可调流动肠道微生物芯片（tfGMoC），用于模拟肠道周期性扩张和压缩，并通过深度学习分析微生物群落的空间探索行为	研究结果基于体外模型，可能无法完全反映体内复杂环境	探索肠道周期性机械力对肠道微生物群落动态的影响	肠道微生物群落	微生物组学	NA	深度学习	NA	图像	NA
4144	2025-04-10	Predicting Major Adverse Cardiac Events Using Deep Learning-based Coronary Artery Disease Analysis at CT Angiography 2025-Apr-09, Radiology. Artificial intelligence DOI:10.1148/ryai.240459 PMID:40202417	研究论文	评估基于深度学习的冠状动脉疾病分析在预测急诊科急性胸痛患者主要不良心脏事件中的价值	使用深度学习模型对冠状动脉疾病程度进行分析，并证明其在预测主要不良心脏事件方面比临床风险因素更具预测价值	研究为回顾性多中心观察性研究，可能存在选择偏倚	预测急诊科急性胸痛患者的主要不良心脏事件	急性胸痛患者	数字病理学	心血管疾病	CT血管造影	深度学习模型	医学影像	408名患者（224名男性；平均年龄59.4±14.6岁）
4145	2025-04-10	Adaptive Dual-Task Deep Learning for Automated Thyroid Cancer Triaging at Screening US 2025-Apr-09, Radiology. Artificial intelligence DOI:10.1148/ryai.240271 PMID:40202416	research paper	开发了一种自适应双任务深度学习模型（ThyNet-S），用于超声筛查中甲状腺病变的检测和分类	通过动态整合像素级特征分析和深度语义特征分析，实现了甲状腺病变的自动分类和分流	研究为回顾性研究，可能受到数据选择和采集时间的影响	提高甲状腺癌筛查的效率和临床决策优化	甲状腺超声图像	digital pathology	thyroid cancer	US screening	adaptive dual-task deep learning model (ThyNet-S)	image	35008张甲状腺超声图像，来自23294次检查
4146	2025-04-10	Derivative-Guided Dual-Attention Mechanisms in Patch Transformer for Efficient Automated Recognition of Auditory Brainstem Response Latency 2025-Apr-08, IEEE transactions on neural systems and rehabilitation engineering : a publication of the IEEE Engineering in Medicine and Biology Society IF:4.8Q1 DOI:10.1109/TNSRE.2025.3558730 PMID:40198282	研究论文	提出了一种名为Patch-DAT的新型深度学习模型，用于自动识别听觉脑干反应(ABR)波I、III和V的潜伏期	引入了导数引导的双注意力机制和重叠分块策略，以更好地捕捉局部时间模式和全局依赖关系	未来工作需要扩大数据集多样性和提高模型可解释性	开发高效、轻量级且可泛化的自动化ABR潜伏期识别方法	听觉脑干反应(ABR)波形	机器学习	听觉系统疾病	深度学习	Transformer	时间序列数据	来自两家医院的大规模多样化数据集
4147	2025-04-10	Multiparametric Ultrasound Breast Tumors Diagnosis within BI-RADS Category 4 via Feature Disentanglement and Cross-Fusion 2025-Apr-08, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3558786 PMID:40198287	research paper	提出了一种基于特征解耦和交叉融合的多参数超声乳腺肿瘤诊断框架，用于辅助BI-RADS 4类乳腺肿瘤的诊断	提出了一种新的框架，整合了多参数超声信息（B模式图像、Nakagami参数图像和语义属性），并设计了特征解耦损失和多参数交叉融合模块	未明确提及具体局限性	提高BI-RADS 4类乳腺肿瘤诊断的准确性	BI-RADS 4类乳腺肿瘤	digital pathology	breast cancer	multiparametric ultrasound	Transformer-CNN	image	多中心多参数数据集（具体样本量未提及）
4148	2025-04-10	Cross-institutional validation of a polar map-free 3D deep learning model for obstructive coronary artery disease prediction using myocardial perfusion imaging: insights into generalizability and bias 2025-Apr-08, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-025-07243-w PMID:40198356	研究论文	本研究探讨了基于心肌灌注成像（MPI）的深度学习模型在预测阻塞性冠状动脉疾病（CAD）时的跨机构泛化能力和潜在偏差	首次验证了无极性图的3D深度学习模型在不同医疗机构和人口统计学群体中的性能差异，并识别了与压力类型和患者年龄相关的偏差	模型在外部验证队列中的性能显著低于内部验证队列，且在跑步机压力MPI患者和70岁以上患者中表现较差	评估深度学习模型在预测阻塞性冠状动脉疾病时的跨机构泛化能力和潜在偏差	来自台湾两个医疗中心的接受应激/再分布铊-201 MPI检查的患者	数字病理学	心血管疾病	心肌灌注成像（MPI）	3D深度学习模型	医学影像	内部验证集933张图像，外部验证集3234张图像（来自另一个中心）
4149	2025-04-10	ROICellTrack: A deep learning framework for integrating cellular imaging modalities in subcellular spatial transcriptomic profiling of tumor tissues 2025-Apr-08, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaf152 PMID:40199763	research paper	开发了一个名为ROICellTrack的深度学习框架，用于更好地整合细胞成像与空间转录组分析	提出了一个深度学习框架，首次将细胞成像与空间转录组分析紧密结合，用于分析肿瘤组织的亚细胞空间转录组数据	研究仅基于56个ROI样本，样本量相对较小	提高对肿瘤异质性的理解，促进个性化和靶向治疗的研究	膀胱尿路上皮癌(UCB)和上尿路尿路上皮癌(UTUC)的肿瘤组织	digital pathology	bladder cancer	spatial transcriptomics, immunofluorescence imaging	deep learning	image, transcriptomic data	56个ROI样本
4150	2025-04-10	Enhancing Burn Diagnosis through SE-ResNet18 and Confidence Filtering 2025-Apr-08, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01495-6 PMID:40199834	research paper	提出一种基于深度学习的烧伤严重程度分类方法，通过改进的ResNet18架构和置信度过滤提高分类准确率	采用集成了注意力机制的增强型ResNet18架构，结合自适应学习率优化策略和置信度过滤后处理模块	实验仅在烧伤皮肤测试数据集上进行验证，未涉及更广泛的临床场景	提升烧伤严重程度分类的准确性和实时性，以支持临床治疗决策	烧伤皮肤图像	computer vision	烧伤	深度学习	SE-ResNet18	image	烧伤皮肤测试数据集（具体数量未说明）
4151	2025-04-10	The Relevance of General Intelligence Measurement in Deep Learning for Healthcare 2025-Apr-08, Studies in health technology and informatics DOI:10.3233/SHTI250052 PMID:40200449	研究论文	探讨通用智能测量在医疗健康深度学习中的重要性	分析了不同层次的泛化（局部、广泛和极端）在医疗健康AI系统中的贡献和局限性，并指出需要开发新的评估方法	现有评估泛化难度的指标不足	提高AI系统在复杂临床环境中的有效性和适应性	医疗健康领域的AI系统	医疗信息学	NA	深度学习	NA	NA	NA
4152	2025-04-10	Decomposing the effect of normal aging and Alzheimer's disease in brain morphological changes via learned aging templates 2025-Apr-07, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-96234-w PMID:40189702	研究论文	该研究通过学习的衰老模板分解正常衰老和阿尔茨海默病对大脑形态变化的影响	提出了两个独立评分（衰老评分和AD特异性评分），用于量化大脑萎缩中的正常衰老和AD病理成分	研究仅基于OASIS-3数据集，样本来源有限	区分正常衰老和阿尔茨海默病导致的大脑形态变化	认知正常个体和阿尔茨海默病患者的大脑MRI扫描	数字病理学	阿尔茨海默病	深度学习	生成式深度学习模型	MRI图像	1,014例T1加权MRI扫描（326例认知正常个体，688例不同临床严重程度的AD患者）
4153	2025-04-10	Interpretable deep learning method to predict wound healing progress based on collagen fibers in wound tissue 2025-Apr-07, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110110 PMID:40198981	research paper	提出一种基于胶原纤维的深度学习方法来预测伤口愈合进程，并增强模型决策的可解释性	结合LayerCAM和Guided Backpropagation的可解释框架，无需像素级标注即可定位胶原纤维区域	未提及模型在更大规模或多样化数据集上的泛化能力	建立基于胶原纤维特征的伤口愈合状态分类方法	皮肤组织的组织学图像	digital pathology	wound healing	histological imaging	VGG16	image	未明确说明样本数量，涉及正常皮肤、0/3/7/10天伤口皮肤及糖尿病伤口皮肤
4154	2025-04-10	Detection of COVID-19, lung opacity, and viral pneumonia via X-ray using machine learning and deep learning 2025-Apr-07, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110131 PMID:40198984	research paper	该研究结合机器学习和深度学习技术，通过X光图像自动诊断COVID-19及其他肺部疾病	采用CNN、SVM及迁移学习技术（如ResNet18、EfficientNet-CNN和Xception-CNN），在X光图像分类中达到高准确率（最高99.20%）	数据集多样性和代表性不足，可能影响模型的泛化能力	提升COVID-19及其他肺部疾病的早期诊断效率和准确性	胸部X光图像	digital pathology	COVID-19, lung opacity, viral pneumonia	machine learning, deep learning, transfer learning	CNN, SVM, ResNet18, EfficientNet-CNN, Xception-CNN	image	21,165张胸部X光图像
4155	2025-04-10	Devising a novel evaluation method for computed tomography images containing metal artifacts from titanium seed implants: Application to virtual monochromatic imaging energy optimization 2025-Apr-07, Radiography (London, England : 1995) DOI:10.1016/j.radi.2025.102944 PMID:40199192	研究论文	本研究提出了一种新的评估方法，用于评估含有钛种子植入物金属伪影的计算机断层扫描图像，并确定了虚拟单色成像(VMI)减少金属伪影和增强信号检测能力的最佳能量水平	提出了一种新的对比伪影比(CAR)评估方法，用于定量评估金属伪影对信号检测的影响，并确定了VMI在65 keV时能最优地平衡金属伪影减少和信号检测能力	研究仅针对骨盆区域和前列腺的模拟放射性种子植入物，可能不适用于其他区域或不同类型的金属植入物	研究旨在优化计算机断层扫描中金属伪影的减少和信号检测能力的提升	含有钛种子植入物金属伪影的计算机断层扫描图像	数字病理	前列腺癌	双能CT系统结合深度学习和金属伪影减少算法	DL	图像	使用模拟放射性种子植入物的体模进行研究
4156	2025-04-10	Real-world validation of a deep learning algorithm for chest radiography in the emergency department: A tale of two specialties 2025-Apr-07, Diagnostic and interventional imaging IF:4.9Q1 DOI:10.1016/j.diii.2025.03.008 PMID:40199640	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
4157	2025-04-10	Predicting categories of coronary artery calcium scores from chest X-ray images using deep learning 2025-Apr-07, Journal of cardiovascular computed tomography IF:5.5Q1 DOI:10.1016/j.jcct.2025.03.010 PMID:40199634	研究论文	本研究开发并验证了一种深度学习模型，用于从胸部X光片中预测冠状动脉钙化评分类别	首次使用深度学习模型从胸部X光片中预测冠状动脉钙化评分类别，并结合临床因素提高预测准确性	研究依赖于特定时间范围内获取的CXR和CACS数据，可能限制了模型的泛化能力	开发一种成本效益高且能减少辐射暴露的冠状动脉疾病风险评估方法	10,230名具有可用胸部X光片和冠状动脉钙化评分的患者	计算机视觉	心血管疾病	深度学习	深度学习模型	图像	10,230名患者
4158	2025-04-10	Deep spatio-temporal dependent convolutional LSTM network for traffic flow prediction 2025-Apr-06, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-95711-6 PMID:40189608	研究论文	提出了一种名为STDConvLSTM的深度学习算法，用于解决交通流量预测中的空间和时间不平衡问题	设计了空间依赖的注意力机制和时间依赖的注意力机制，分别解决空间不平衡和时间不平衡问题	未提及具体局限性	准确预测交通流量以支持智能交通系统和智慧城市建设	交通流量数据	机器学习	NA	深度学习	STDConvLSTM（结合CNN和LSTM）	时间序列数据	两个真实世界的数据集
4159	2025-04-10	Research on intelligent identification of microscopic substances in shale scanning electron microscope images based on deep learning theory 2025-Apr-06, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-91225-3 PMID:40189619	研究论文	基于深度学习理论实现页岩扫描电镜图像中微观物质的智能识别	采用改进的深度学习模型（优化的Yolov8模型）进行页岩微观物质识别，性能优于其他深度学习模型，并与SEM技术结合，提高了储层评价的效率和准确性	研究主要针对页岩扫描电镜图像，尚未在其他领域广泛应用	实现页岩扫描电镜图像中微观物质的智能识别，提高储层评价的效率和准确性	页岩扫描电镜图像中的微观物质	计算机视觉	NA	SEM技术	优化的Yolov8模型	图像	NA
4160	2025-04-10	Analyzing the performance of biomedical time-series segmentation with electrophysiology data 2025-Apr-06, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-90533-y PMID:40189617	研究论文	本研究评估了五种生物医学时间序列分割算法在电生理数据上的性能，包括传统方法和深度学习模型	首次将Faster R-CNN应用于一维信号分割，并展示了深度学习模型在生物医学时间序列分割中的优越性能	深度学习模型计算需求较大，且研究仅基于100名患者的数据	评估不同分割算法在生物医学时间序列数据上的性能	心内电信号	生物医学信号处理	心血管疾病	深度学习	UNet, Faster R-CNN, DENS-ECG, SVM, 基于规则的方法	时间序列数据	100名患者的心内电信号数据