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
4441	2025-10-06	Harnessing infrared thermography and multi-convolutional neural networks for early breast cancer detection 2025-Jul-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-09330-2 PMID:40721416	研究论文	本研究提出了一种名为Thermo-CAD的计算机辅助诊断系统，利用红外热成像技术和多卷积神经网络进行早期乳腺癌检测	结合多种CNN架构并采用非负矩阵分解和Relief-F进行特征转换与选择，有效降低分类复杂度	在区分良性与恶性病例时准确率较低（79.3%），对恶性病例的识别能力有待提升	开发基于热成像的非侵入性乳腺癌早期检测系统	乳腺热成像数据	计算机视觉	乳腺癌	红外热成像技术	CNN	热成像图像	DMR-IR数据库和新型热成像数据集	NA	多卷积神经网络	准确率	NA
4442	2025-10-06	An efficient intelligent transportation system for traffic flow prediction using meta-temporal hyperbolic quantum graph neural networks 2025-Jul-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-10794-5 PMID:40721612	研究论文	提出一种融合双曲嵌入、元学习、量子图和神经常微分方程的深度学习框架，用于智能交通系统中的交通流预测	首次将双曲嵌入、元学习、量子图神经网络和神经常微分方程集成到统一框架中，能够有效处理大规模路网和长程时间依赖关系	未明确说明模型在极端交通状况下的表现，且计算资源需求可能较高	开发可扩展、实时和自适应的交通流预测模型以提升城市交通流动性	城市交通流量数据	智能交通系统	NA	深度学习	图神经网络, 量子图神经网络	时空交通流量数据	Los-loop和SZ-taxi数据集	NA	Meta Temporal Hyperbolic Quantum Graph Neural Networks (MTH-QGNN)	RMSE, MAE, 准确率, R值, 方差分数	NA
4443	2025-10-06	Determining the scanning range of coronary computed tomography angiography based on deep learning 2025-Jul-28, World journal of radiology IF:1.4Q3 DOI:10.4329/wjr.v17.i7.110394 PMID:40746516	研究论文	开发一种基于深度学习的方法，利用前后位定位像自动确定冠状动脉CT血管成像的扫描范围	首次使用深度学习技术自动化确定CCTA扫描范围，实现从传统手动方法向智能化的转变	研究为单中心回顾性分析，样本量相对有限，需要进一步多中心验证	开发自动化确定冠状动脉CT血管成像扫描范围的深度学习模型	1388例患者的胸部CT数据，包括前后位定位像	计算机视觉	心血管疾病	CT扫描，冠状动脉CT血管成像	深度学习模型	医学图像	1388例患者（训练集672例，验证集167例，测试集167例）	NA	NA	mAP50, mAP50-95	NA
4444	2025-10-06	Ultra-early detection of S100B biomarkers using a nanophotonic biosensor with deep learning quantification: A clinical model based on EDAS patients 2025-Jul-24, Biosensors & bioelectronics IF:10.7Q1 DOI:10.1016/j.bios.2025.117810 PMID:40752476	研究论文	开发了一种集成纳米光子生物传感器和深度学习平台，用于超灵敏S100B生物标志物检测	结合毛细管组装异质链阵列的纳米光子生物传感器和专用深度学习框架ProSpect，实现超早期脑损伤生物标志物检测	研究样本量较小（n=25），仅基于EDAS患者模型验证	开发超早期脑损伤生物标志物检测技术，改善轻度创伤性脑损伤管理	EDAS患者的血清、尿液、唾液和脑脊液样本	生物医学工程	创伤性脑损伤	纳米光子生物传感器，ELISA	深度学习	图像	25名EDAS患者，匹配生物样本（血清、尿液、唾液、脑脊液）	PyTorch	ResNet-50	准确率，ROC-AUC，检测限，动态范围，相关系数R2，变异系数	NA
4445	2025-10-06	Shallow learning model for long-term cyanobacterial bloom forecasting in real-time monitoring system 2025-Jul-23, Water research IF:11.4Q1 DOI:10.1016/j.watres.2025.124283 PMID:40752389	研究论文	提出一种用于实时监测系统的浅层LSTM神经网络模型，用于长期蓝藻水华预测	开发了适用于边缘计算的浅层LSTM模型，通过量化处理嵌入微控制器单元，实现实时现场预测	模型在28天时间范围内的预测准确率为70%，仍有提升空间	开发成本效益高、低功耗且易于实现的边缘AI系统，用于蓝藻水华监测	蓝藻水华	机器学习	NA	实时监测系统	LSTM	时间序列数据	NA	NA	LSTM	准确率, MAPE	微控制器单元, 边缘计算设备
4446	2025-10-06	The Role of Artificial Intelligence in Heart Failure Diagnostics, Risk Prediction, and Therapeutic Strategies: A Comprehensive Review 2025-Jul, Cureus DOI:10.7759/cureus.87130 PMID:40747166	综述	本文全面回顾了人工智能在心力衰竭诊断、风险预测和治疗策略中的应用现状与潜力	系统整合了AI在心力衰竭全流程管理中的多种应用场景，包括早期诊断、风险分层、个性化治疗和患者自我管理	存在实施成本高、数据隐私问题、算法偏见等伦理考量	探讨人工智能如何改善心力衰竭患者的诊断准确性、风险预测能力和治疗策略	心力衰竭患者群体及相关临床数据	医疗人工智能	心血管疾病	神经网络、深度学习算法、基于规则的系统、机器学习方法	神经网络、深度学习	结构化健康记录、心脏影像数据（如超声心动图）、远程监测数据	NA	NA	NA	诊断准确性、再住院率、生活质量改善	NA
4447	2025-10-06	Real-time guidance and automated measurements using deep learning to improve echocardiographic assessment of left ventricular size and function 2025-Jul, European heart journal. Imaging methods and practice DOI:10.1093/ehjimp/qyaf094 PMID:40747448	研究论文	本研究评估深度学习引导和自动测量对超声心动图左心室大小和功能测量可重复性的影响	首次将实时深度学习引导与自动测量相结合应用于超声心动图检查	样本量较小（46名患者），需要未来研究评估临床效果	提高超声心动图左心室功能测量的可重复性	46名患者（24名乳腺癌患者和22名普通心脏病患者）	医学影像分析	心血管疾病	超声心动图	深度学习	超声心动图影像	46名患者，共208次超声心动图检查	NA	NA	测试-重测变异性，最小可检测变化	NA
4448	2025-10-06	Three-Dimensional Choroidal Vessel Analysis in Asymmetric Bilateral Age-Related Macular Degeneration: A Comparison of Active Neovascular AMD and Dry AMD Fellow Eyes 2025-Jul-01, Investigative ophthalmology & visual science IF:5.0Q1 DOI:10.1167/iovs.66.9.64 PMID:40719538	研究论文	本研究使用三维深度学习算法分析双侧不对称年龄相关性黄斑变性患者的脉络膜血管特征	首次在双侧不对称AMD患者中应用三维算法比较新生血管性AMD与干性AMD眼的脉络膜血管差异	样本量较小（30例患者），研究设计为回顾性横断面研究	评估双侧不对称年龄相关性黄斑变性患者的脉络膜血管结构差异	30例双侧不对称AMD患者（60只眼），平均年龄78.63±8.01岁	数字病理	年龄相关性黄斑变性	扫频源光学相干断层扫描	深度学习	三维医学影像	30例患者（60只眼）	NA	NA	P值	NA
4449	2025-10-06	Leveraging Transfer Learning and Attention Mechanisms for a Computed Tomography Lung Cancer Classification Model 2025-Jun, Cureus DOI:10.7759/cureus.87071 PMID:40746804	研究论文	开发了一种结合ResNet50V2和SE模块的深度学习模型，用于从CT图像自动分类肺癌亚型	将Squeeze-and-Excitation注意力模块集成到ResNet50V2架构中，增强通道特征重校准能力	需要外部验证、模型可解释性有待提高、尚未探索Vision Transformers等新兴架构	开发用于肺癌亚型自动分类的深度学习模型以提高诊断准确性	肺癌CT图像，包括腺癌、大细胞癌、鳞状细胞癌和正常组织	计算机视觉	肺癌	计算机断层扫描(CT)	CNN	图像	1000张肺部CT图像	NA	ResNet50V2,Squeeze-and-Excitation	准确率,AUC,精确率,召回率,F1分数	NA
4450	2025-10-06	AI Opportunistic Coronary Calcium Screening at Veterans Affairs Hospitals 2025-May-16, NEJM AI DOI:10.1056/aioa2400937 PMID:40746702	研究论文	开发了一种名为AI-CAC的深度学习算法，用于在非对比增强、非门控CT扫描中自动量化冠状动脉钙化	利用来自退伍军人事务部全国医疗系统98个医疗中心的影像数据，捕捉了成像协议、扫描仪和患者的广泛异质性	NA	开发自动量化冠状动脉钙化的深度学习算法，实现机会性冠状动脉钙化筛查	退伍军人事务部医院患者的CT扫描数据	医学影像分析	心血管疾病	CT扫描	深度学习	医学影像	446个专家分割用于算法开发，795名患者用于性能验证，8052个低剂量CT用于模拟筛查	NA	NA	准确率,F1分数,Cox风险比	NA
4451	2025-10-06	Improving synergistic drug combination prediction with signature-based gene expression features in oncology 2025, Frontiers in pharmacology IF:4.4Q1 DOI:10.3389/fphar.2025.1614758 PMID:40746727	研究论文	本研究提出了一种整合药物耐药特征的新方法，用于改进肿瘤学中协同药物组合的预测	首次将药物耐药特征作为生物学信息化的药物表征整合到预测模型中，相比传统方法能更全面地捕捉药物功能信息	研究主要依赖于现有数据库的转录组数据，未涉及其他类型的分子特征	提高协同药物组合预测的准确性和可解释性	肿瘤细胞系和药物组合	机器学习	癌症	转录组分析	LASSO, Random Forest, AdaBoost, XGBoost, 深度学习模型	基因表达数据，化学结构数据	多个独立数据集（ALMANAC, O'Neil, OncologyScreen, DrugCombDB）	Scikit-learn, 深度学习框架	SynergyX	预测准确性，鲁棒性，泛化能力	NA
4452	2025-10-06	Deep learning-based classification of multiple fundus diseases using ultra-widefield images 2025, Frontiers in cell and developmental biology IF:4.6Q1 DOI:10.3389/fcell.2025.1630667 PMID:40746855	研究论文	开发基于深度学习的混合模型用于超广角眼底图像的多疾病分类	首次将DenseNet121特征提取器与XGBoost分类器结合应用于超广角眼底图像的多疾病分类，涵盖16种眼底疾病包括罕见视网膜病变	回顾性研究，数据来源于两家医院，需要进一步前瞻性验证	提高眼底疾病诊断效率和准确性，为临床决策提供辅助工具	超广角眼底图像	计算机视觉	眼底疾病	超广角眼底成像	CNN, XGBoost	图像	10,612张超广角眼底图像，涵盖16种眼底疾病	NA	DenseNet121	准确率, 召回率, 精确率, F1分数, AUC-ROC	NA
4453	2025-10-06	Relationship between personality and sleep: a dual validation study combining empirical and big data-driven approaches 2025, Frontiers in psychiatry IF:3.2Q2 DOI:10.3389/fpsyt.2025.1596269 PMID:40747256	研究论文	通过深度学习模型分析人格特质与睡眠质量之间的关系	结合小规模调查数据和大规模微博数据，使用深度学习技术同时验证人格与睡眠的关系	模型训练基于社交媒体数据，可能无法完全代表一般人群	研究人格特质与睡眠问题及自评睡眠质量之间的关系	微博活跃用户及其发布的帖子	自然语言处理	睡眠障碍	深度语义理解技术	深度学习模型	文本数据	336名活跃用户（调查数据集）+ 15,251名用户的4,860,000条帖子（大规模数据集）	NA	NA	NA	NA
4454	2025-10-06	Enhancing Deep Learning-Based Subabdominal MR Image Segmentation During Rectal Cancer Treatment: Exploiting Multiscale Feature Pyramid Network and Bidirectional Cross-Attention Mechanism 2025, International journal of biomedical imaging IF:3.3Q2 DOI:10.1155/ijbi/7560099 PMID:40747370	研究论文	提出一种结合多尺度特征金字塔网络和双向交叉注意力机制的直肠癌治疗中腹部MR图像分割方法	在U-Net中引入多尺度特征金字塔网络缓解语义鸿沟，并通过双向交叉注意力机制保持空间信息对齐	NA	改进直肠癌治疗过程中腹部MR图像的分割精度	直肠癌患者的腹部MR图像	计算机视觉	直肠癌	MR成像	U-Net	医学图像	NA	NA	U-Net, 多尺度特征金字塔网络	NA	NA
4455	2025-10-06	Artificial intelligence for diagnosing bladder pathophysiology: An updated review and future prospects 2025, Bladder (San Francisco, Calif.) DOI:10.14440/bladder.2024.0054 PMID:40747464	综述	本文对人工智能在膀胱病理生理学诊断中的应用进行了全面更新的回顾，并展望了未来发展前景	提供了AI在膀胱病理生理学诊断领域的最新进展综述，强调了关键AI技术及其临床应用，并提出了未来发展路径	面临数据质量、算法可解释性和临床工作流程整合等挑战	探讨人工智能在膀胱病理生理学诊断中的整合与应用	膀胱病理生理学相关疾病，包括膀胱癌、间质性膀胱炎、膀胱过度活动症和活动不足、膀胱出口梗阻等	医学人工智能	膀胱疾病	机器学习、深度学习	NA	NA	NA	NA	NA	准确性、临床效用	NA
4456	2025-10-06	CLGB-Net: fusion network for identifying local and global information of lesions in digital mammography images 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1600057 PMID:40746601	研究论文	提出融合局部和全局信息的CLGB-Net深度学习模型用于乳腺X线影像的早期乳腺癌筛查	集成ResNet-50、Swin Transformer、FPN和CAM四种网络架构，实现局部特征与全局上下文信息的高效融合	NA	提高乳腺X线影像中病灶识别的准确性和鲁棒性，减少漏诊和误诊风险	数字乳腺X线摄影图像中的病灶	计算机视觉	乳腺癌	数字乳腺X线摄影	深度学习,融合网络	医学影像	3552个样本（正常、良性和恶性病例）	NA	ResNet-50,Swin Transformer,FPN,CAM	精确度,召回率,F1分数,准确率	NA
4457	2025-10-06	Multimodal AI Combining Clinical and Imaging Inputs Improves Prostate Cancer Detection 2024-Dec-01, Investigative radiology IF:7.0Q1 DOI:10.1097/RLI.0000000000001102 PMID:39074400	研究论文	本研究开发了一种结合临床参数和MRI深度学习特征的多模态AI系统，用于提高临床显著性前列腺癌的检测准确率	首次将临床参数（前列腺特异性抗原、前列腺体积、年龄）与MRI深度学习特征相结合，并比较了早期融合和晚期融合两种信息融合方法	回顾性研究设计，仅使用双参数MRI，未包含所有可能的临床参数	提高临床显著性前列腺癌在MRI上的诊断准确性	疑似临床显著性前列腺癌（ISUP≥2）的患者	医学影像分析	前列腺癌	磁共振成像，深度学习	深度学习模型	医学影像，临床数据	932例双参数前列腺MRI检查，来自2个医疗中心	NA	NA	AUC，接收者操作特征曲线比较	NA
4458	2025-10-06	Accelerated High-Resolution Deep Learning Reconstruction Turbo Spin Echo MRI of the Knee at 7 T 2024-Dec-01, Investigative radiology IF:7.0Q1 DOI:10.1097/RLI.0000000000001095 PMID:38960863	研究论文	本研究比较了7T膝关节磁共振成像中采用深度学习重建与传统算法重建的并行成像加速图像质量	首次在7T膝关节TSE成像中应用深度学习重建算法，并在4倍并行成像加速条件下显著提升图像质量	单中心研究，样本量较小（23名健康志愿者），未包含患者群体	评估深度学习重建算法在加速高分辨率膝关节MRI中的图像质量表现	健康志愿者的膝关节	医学影像分析	骨科疾病	涡轮自旋回波磁共振成像，并行成像加速	深度学习	磁共振图像	23名健康志愿者（15名男性，8名女性），平均年龄32.0±8.1岁	NA	NA	图像对比度，清晰度，伪影，噪声，整体质量评分	NA
4459	2025-10-06	Deep Learning Reconstructed New-Generation 0.55 T MRI of the Knee-A Prospective Comparison With Conventional 3 T MRI 2024-Dec-01, Investigative radiology IF:7.0Q1 DOI:10.1097/RLI.0000000000001093 PMID:38857414	研究论文	比较深度学习重建0.55T膝关节MRI与传统3T MRI在图像质量、结构异常识别和诊断信心方面的表现	首次前瞻性评估新型0.55T MRI系统结合深度学习重建算法在膝关节成像中的应用价值	样本量较小（26名患者），仅针对创伤后膝关节疼痛患者	评估深度学习重建低场强MRI在膝关节成像中的诊断性能	26名创伤后膝关节疼痛患者（5名女性）	医学影像分析	膝关节损伤	磁共振成像（MRI），深度学习重建	深度学习算法	医学影像	26名患者，52组配对的0.55T和3T MRI检查	NA	NA	Cohen kappa系数，图像质量评分，诊断信心水平	NA
4460	2025-10-06	Inflammatory Knee Synovitis: Evaluation of an Accelerated FLAIR Sequence Compared With Standard Contrast-Enhanced Imaging 2024-Aug-01, Investigative radiology IF:7.0Q1 DOI:10.1097/RLI.0000000000001065 PMID:38329824	研究论文	评估深度学习加速的非对比FLAIR序列在膝关节炎症滑膜炎诊断中的价值与准确性	首次将深度学习加速的非对比FLAIR序列应用于膝关节滑膜炎评估，并与标准对比增强成像进行对比验证	回顾性研究设计，样本量相对较小（55例患者）	评估深度学习加速FLAIR序列在膝关节炎症滑膜炎诊断中的临床价值	疑似膝关节滑膜炎患者	医学影像	关节炎	磁共振成像，深度学习加速序列	深度学习	医学影像	55例患者（28名女性，平均年龄52±17岁）	NA	NA	Cohen κ，Wilcoxon符号秩检验	NA