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
481	2025-11-02	Predicting Short-Term Outcome of COVID-19 Pneumonia Using Deep Learning-Based Automatic Detection Algorithm Analysis of Serial Chest Radiographs 2025-Sep-29, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12101054 PMID:41155053	研究论文	本研究使用基于深度学习的自动检测算法分析系列胸部X光片，预测COVID-19肺炎患者的短期临床结局	首次将商业深度学习自动检测算法与梯度加权类激活映射技术结合，通过量化系列影像中实变区域的变化率来预测COVID-19患者临床结局	研究样本量有限（391例患者），仅来自单一治疗中心，需要外部验证	评估基于深度学习的自动检测算法参数在预测COVID-19肺炎患者短期临床结局中的价值	COVID-19肺炎患者	计算机视觉	COVID-19肺炎	胸部X光摄影	深度学习	医学影像	391例COVID-19患者	NA	商业深度学习自动检测算法	C-index, AUROC, 集成校准指数	NA
482	2025-11-02	AI-Enhanced Deep Learning Framework for Pulmonary Embolism Detection in CT Angiography 2025-Sep-29, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12101055 PMID:41155054	研究论文	提出一种用于CT肺动脉造影中肺栓塞检测的AI增强深度学习框架	引入了共识交集优化融合(CIOF)方法，通过K-of-M像素级掩码融合和训练患者投票阈值优化来最大化IoU	运行时间较高(约63.7秒每病例)，因为需要执行和融合所有十个模型	提高CT肺动脉造影中肺栓塞检测的准确性和鲁棒性	肺栓塞患者	计算机视觉	肺栓塞	CT肺动脉造影(CTPA)	全卷积网络(FCN)	医学影像	35名患者，12,034个切片	NA	Inception-ResNetV2, 全卷积网络	IoU, Dice系数, 假阴性率(FNR), 假阳性率(FPR), 延迟时间	NA
483	2025-11-02	Ultrawidefield-to-Conventional Fundus Image Translation with Scaled Feature Registration and Distorted Vessel Correction 2025-Sep-28, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12101046 PMID:41155045	研究论文	提出一种改进的超广角眼底图像到常规眼底图像的转换方法，通过尺度特征配准和扭曲血管校正技术提升图像质量	采用尺度特征配准和扭曲血管校正方法，有效解决未配对学习中常见的畸变现象，显著提升图像转换质量	需要从同一患者同一天采集的配对UFI-CFI数据，数据收集存在限制	改进眼底图像模态转换方法，提升眼科深度学习模型的诊断支持能力	超广角眼底图像(UFI)和常规眼底图像(CFI)	计算机视觉	眼科疾病	眼底成像	生成模型	图像	NA	NA	NA	MSE, PSNR, SSIM	NA
484	2025-11-02	Integrating Spatial Omics and Deep Learning: Toward Predictive Models of Cardiomyocyte Differentiation Efficiency 2025-Sep-27, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12101037 PMID:41155036	系统综述	通过整合空间多组学技术与深度学习，探索心肌细胞分化效率的预测模型	首次系统整合GNN和RNN等深度学习架构与空间多组学数据，推进心脏再生医学的AI应用	基于文献综述，缺乏原始实验验证	建立AI驱动的心脏再生医学预测模型，加速再生治疗的临床转化	心肌细胞分化过程及心脏组织	机器学习	心血管疾病	空间转录组学、表观基因组学、单细胞多组学	GNN, RNN	空间多组学数据、单细胞数据	88项PRISMA筛选研究（2015-2025年）	NA	图神经网络，循环神经网络	NA	NA
485	2025-11-02	Artificial Intelligence-Based Methods and Omics for Mental Illness Diagnosis: A Review 2025-Sep-27, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12101039 PMID:41155039	综述	本文综述了基于人工智能和多组学技术在精神疾病诊断中的应用现状与发展前景	整合人工智能方法与多组学数据，为精神疾病提供个性化精准诊断新范式	精神疾病的异质性和复杂性仍是当前诊断方法的主要挑战	探索精神疾病的生物标志物并推进个性化精准诊断	焦虑障碍、抑郁症和双相情感障碍等主要精神疾病	机器学习	精神疾病	多组学数据整合分析	机器学习,深度学习,计算建模	临床数据,生物分析数据	NA	NA	NA	NA	NA
486	2025-11-02	LLM-Enhanced Multimodal Framework for Drug-Drug Interaction Prediction 2025-Sep-26, Biomedicines IF:3.9Q1 DOI:10.3390/biomedicines13102355 PMID:41153642	研究论文	提出一种融合多模态数据的深度学习框架用于药物相互作用预测	首次将领域专用大语言模型BioBERT的语义嵌入与化学结构和药理机制相结合，通过随机重启随机游走算法整合间接生物通路	未明确说明模型在不同类型药物相互作用上的泛化能力	开发可扩展且准确的药物相互作用预测方法以支持多重用药决策	药物相互作用	自然语言处理, 机器学习	NA	多模态深度学习, 随机重启随机游走算法	深度学习框架	化学结构数据, 文本嵌入, 蛋白质相互作用网络	NA	NA	BioBERT, 多模态融合架构	分类准确率	NA
487	2025-11-02	Beyond PSA: The Future of Prostate Cancer Diagnosis Using Artificial Intelligence, Novel Biomarkers, and Advanced Imagery 2025-Sep-25, Life (Basel, Switzerland) DOI:10.3390/life15101508 PMID:41157181	综述	本文全面分析人工智能、新型生物标志物和先进影像技术在提升前列腺癌诊断准确性和效率方面的应用前景	系统整合人工智能驱动影像解读、放射组学、基因组分类器和多模态数据融合等新兴技术，提出超越传统PSA检测的前列腺癌诊断新范式	存在技术实施、监管审批和伦理考量等临床转化挑战	探索前列腺癌诊断领域的技术革新和未来发展方向	前列腺癌诊断相关文献和研究	数字病理	前列腺癌	多参数MRI、组织病理学、基因组检测	机器学习、深度学习	医学影像、基因组数据、临床数据	NA	NA	NA	准确率、可重复性、诊断准确性	NA
488	2025-11-02	Ultra-High Resolution 9.4T Brain MRI Segmentation via a Newly Engineered Multi-Scale Residual Nested U-Net with Gated Attention 2025-Sep-24, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12101014 PMID:41155013	研究论文	本文提出了一种专门针对9.4T超高分辨率脑MRI分割的新型深度学习模型GA-MS-UNet++	首个专门为9.4T脑MRI分割设计的深度学习模型，集成了多尺度残差块、门控跳跃连接和空间通道注意力机制	标注数据有限	开发适用于9.4T超高分辨率脑MRI的分割算法	脑部MRI图像	医学图像分析	神经系统疾病	MRI	CNN	图像	12名患者的UltraCortex 9.4T数据集	NA	GA-MS-UNet++, Multi-Scale Residual Nested U-Net	Dice系数, 准确率, 精确率, 召回率	NA
489	2025-11-02	Deep Ensemble Learning and Explainable AI for Multi-Class Classification of Earthstar Fungal Species 2025-Sep-23, Biology DOI:10.3390/biology14101313 PMID:41154716	研究论文	本研究使用深度学习和可解释人工智能技术对八种形态相似的地星真菌物种进行多类别图像分类	首次在文献中同时评估八种形态相似的真菌物种，设计了两种混合集成模型（EfficientNet-B3 + DeiT 和 DenseNet121 + MaxViT-S），并强调分类准确性和模型可解释性的平衡	数据集仅包含特定物种，未来需要从不同生态区域扩展样本并在野外条件下测试方法	开发能够准确分类形态相似真菌物种并具有良好可解释性的深度学习框架	八种形态相似的宏观地星真菌物种	计算机视觉	NA	图像分析	CNN, Transformer	图像	NA	NA	EfficientNetV2-M, DenseNet121, MaxViT-S, DeiT, RegNetY-8GF, MobileNetV3, EfficientNet-B3, MnasNet	准确率, 精确率, 召回率, F1分数, 特异性, 对数损失, MCC	NA
490	2025-11-02	Evaluation of UNeXt for Automatic Bone Surface Segmentation on Ultrasound Imaging in Image-Guided Pediatric Surgery 2025-Sep-23, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12101008 PMID:41155007	研究论文	本研究开发了一种适用于儿科患者的超声图像骨表面自动分割模型，用于图像引导儿科手术中的患者配准	针对10岁以下儿童骨骼特征不明显的特殊需求，开发了专门适用于儿科患者的骨表面分割模型	研究样本量相对较小，仅包含16名儿科患者	开发自动骨表面分割模型以替代传统患者配准方法	儿科患者的四肢、骨盆和胸部骨骼	医学图像分析	儿科手术	超声成像	深度学习	超声图像	16名儿科患者的4309张超声图像	NA	UNeXt	平均中心线Dice系数, 平均表面距离	NA
491	2025-11-02	An Automated Diagnosis of Myopia from an Optic Disc Image Using YOLOv11: A Feasible Approach for Non-Expert ECPs in Computer Vision 2025-Sep-23, Life (Basel, Switzerland) DOI:10.3390/life15101495 PMID:41157168	研究论文	本研究开发了一种基于YOLO架构的深度学习模型，通过分析眼底图像中的视盘区域实现近视的自动化诊断	首次将YOLOv8和YOLOv11模型应用于近视诊断，设计了专门面向非计算机专业眼科医生的可用流程	使用单中心数据集，样本量有限（730张增强图像），需要更多外部验证	开发适用于非专业眼科医生的自动化近视诊断工具	眼底图像中的视盘区域	计算机视觉	近视	眼底摄影	YOLO	图像	730张增强训练图像，98张内部验证图像，50张独立测试图像	YOLO	YOLOv8, YOLOv11-nano	准确率, 敏感度, F1分数, AUC	NA
492	2025-11-02	Comparison of Machine Learning Methods to Predict Early Mortality After Evacuation of Chronic Subdural Hematoma 2025-Sep, Neurosurgery practice DOI:10.1227/neuprac.0000000000000151 PMID:41163647	研究论文	本研究开发并比较了六种机器学习模型，用于预测慢性硬膜下血肿清除术后早期死亡率	首次结合自动分割工具计算的术前术后血肿体积与临床信息，系统比较多种机器学习模型在预测慢性硬膜下血肿术后死亡率方面的性能	回顾性研究设计，样本量相对有限（731例患者），模型区分能力仅为中等水平	预测慢性硬膜下血肿清除术后30天死亡率	接受手术治疗的慢性硬膜下血肿患者	机器学习	慢性硬膜下血肿	深度学习分割工具，机器学习建模	逻辑回归，支持向量机，神经网络，决策树，朴素贝叶斯，XGBoost	临床数据，影像体积数据	731例患者	NA	NA	AUC，平衡准确率，召回率	NA
493	2025-11-02	Global Growth and Distribution of CyberKnife Stereotactic Radiosurgery: A Bibliometric Analysis 2025-Sep, Neurosurgery practice DOI:10.1227/neuprac.0000000000000150 PMID:41163657	文献计量分析	通过文献计量方法分析射波刀立体定向放射外科的全球发展趋势和演变	首次对射波刀立体定向放射外科领域进行全面的文献计量分析，识别研究趋势和国际合作模式	仅基于Web of Science数据库，可能未涵盖所有相关文献；分析仅限于发表模式，未涉及临床效果评估	探索射波刀立体定向放射外科相关出版物的当前趋势和演变	射波刀立体定向放射外科相关学术出版物	医学信息学	神经外科疾病	文献计量分析，网络可视化	NA	文献数据	3980篇文章，来自12077位作者	R	NA	NA	NA
494	2025-11-02	The Role of Artificial Intelligence and Machine Learning in the Assessment, Diagnosis, and Prediction of Cerebral Small Vessel Disease 2025-Sep, Cureus DOI:10.7759/cureus.93376 PMID:41164024	综述	本文综述了人工智能和机器学习在脑小血管病评估、诊断和预测中的作用	系统整合了122项研究，展示了AI在脑小血管病神经影像分析、早期风险分层和临床决策支持中的创新应用	在老年和糖尿病患者群体中表现较弱，泛化能力有限，缺乏前瞻性验证，存在偏倚风险	探讨AI在脑小血管病相关卒中领域的应用价值与挑战	脑小血管病及相关卒中患者	医学人工智能	脑小血管病	神经影像分析（CT、MRI）	机器学习,深度学习	医学影像	基于122项研究的综合证据	NA	NA	灵敏度,特异性,准确率,时间效率	NA
495	2025-11-02	Automated Prediction of Dental Implant Success Using a Mask Region-Based Convolutional Neural Network on Preoperative Cone-Beam Computed Tomography Scans 2025-Sep, Cureus DOI:10.7759/cureus.93378 PMID:41164056	研究论文	本研究开发了一种基于Mask R-CNN的深度学习模型，用于通过术前锥形束CT扫描预测单颗牙种植体的成功率	首次将Mask R-CNN应用于牙种植体成功率的自动化预测，并与不同资历的种植专家进行性能比较	回顾性单中心研究，样本量有限，需要前瞻性多中心验证	开发人工智能模型提高牙种植体预后预测的准确性	210颗单颗牙种植体（来自190名患者）	计算机视觉	牙科疾病	锥形束计算机断层扫描（CBCT）	CNN	医学影像	210颗种植体（190名患者），训练集168颗，测试集42颗	TensorFlow, Keras, OpenCV	Mask R-CNN	准确率, AUC, 灵敏度, 特异性, 精确率, F1分数, Cohen's kappa	未明确指定
496	2025-11-02	XComposition: multimodal deep learning model to measure body composition using chest radiographs and clinical data 2025-Sep, Radiology advances DOI:10.1093/radadv/umaf035 PMID:41164313	研究论文	开发了一种名为XComposition的多模态深度学习模型，通过胸部X光片和临床数据来测量身体成分指标	首次结合胸部X光片和易于获取的临床变量来估计身体成分指标，多模态模型性能显著优于单模态模型	研究为回顾性队列，样本量相对有限(1118名患者)，肌肉体积预测性能相对较低	探索使用深度学习从胸部X光片和临床变量估计身体成分指标的可行性	来自美国30个医疗系统的1118名患者(582名女性，538名男性)	医学影像分析	心血管疾病, 糖尿病, 癌症	深度学习, CT扫描, 胸部X光摄影	多任务多模态深度学习模型	医学影像(胸部X光片), 临床数据	1118名患者，来自30个美国医疗系统，影像数据时间跨度为2010-2024年	NA	NA	Pearson相关系数, 平均绝对误差	NA
497	2025-11-02	In vitro Assessment of a Deep Learning-Based System for Computer-Aided Diagnosis and Treatment Planning in Orthodontics: A Virtual Study Using Digital Models 2025-Sep, Journal of pharmacy & bioallied sciences DOI:10.4103/jpbs.jpbs_1053_25 PMID:41164531	研究论文	本研究通过虚拟数字模型评估基于深度学习的系统在正畸计算机辅助诊断和治疗规划中的效果	开发了能够识别错颌畸形并生成治疗建议的深度学习系统，在正畸领域应用人工智能技术	需要进一步的临床验证，研究基于虚拟数字模型而非真实临床环境	评估基于深度学习的计算机辅助诊断和治疗规划系统在正畸领域的效能	数字正畸模型	计算机视觉	错颌畸形	三维数字建模	深度学习	三维数字模型	100个数字模型	NA	NA	敏感度, 特异度	NA
498	2025-11-02	A Combined Loss-driven Framework for Automated Parotid Segmentation in Head-and-Neck Computed Tomography 2025 Jul-Sep, Journal of medical physics IF:0.7Q4 DOI:10.4103/jmp.jmp_169_25 PMID:41163757	研究论文	本研究提出了一种基于深度学习的自动腮腺分割框架，采用三维U-Net架构和新型组合损失函数	提出了结合改进Dice系数和焦点损失的组合损失函数，并设计了同时保存最佳DSC和最小验证损失的检查点策略	仅使用379例非对比头颈CT扫描数据，未在其他模态数据上验证	开发用于放射治疗计划的自动腮腺分割方法	头颈部CT扫描中的腮腺器官	医学图像分割	头颈部肿瘤	计算机断层扫描(CT)	3D U-Net, 注意力增强3D U-Net	三维CT图像	379例经专家验证的头颈CT扫描	TensorFlow	3D U-Net, 残差3D U-Net, 注意力增强3D U-Net	Dice相似系数, 交并比, 分类准确率	NA
499	2025-11-02	Dose Characteristics of a Deep Learning Model for EPID-based In vivo Dosimetry 2025 Jul-Sep, Journal of medical physics IF:0.7Q4 DOI:10.4103/jmp.jmp_130_25 PMID:41163764	研究论文	开发基于CycleGAN的深度学习模型用于将EPID图像转换为二维剂量图，并评估其剂量特性	首次将CycleGAN模型应用于基于EPID的体内剂量测定，并系统评估不同归一化方法对剂量预测精度的影响	模型存在剂量非线性问题，且仅在平板模体上进行验证	开发精确的EPID图像到剂量图的转换模型，用于治疗计划质量保证	电子射野影像设备(EPID)采集的图像数据	医学影像分析	放射治疗相关疾病	电子射野影像技术	CycleGAN	医学影像	约780个通过平板模体传递到EPID的射束	NA	CycleGAN	gamma分析通过率, 剂量线性度	NA
500	2025-11-02	Deep learning-based dose prediction for low-energy electron beam superficial radiotherapy 2025-Jun, Precision radiation oncology DOI:10.1002/pro6.70015 PMID:41164425	研究论文	本研究结合蒙特卡洛模拟与深度学习技术，开发了一种基于级联3D U-Net的剂量预测模型，用于低能电子束浅表放疗	提出级联3D U-Net模型，相比传统3D U-Net和其他深度学习模型，在剂量预测准确性和鲁棒性方面均有显著提升	研究仅针对六个特定身体部位，未验证在其他解剖区域的适用性	提高浅表低能电子束放疗中表面剂量计算的效率和准确性	六个身体部位的计算机断层扫描体模及其对应的剂量分布	医学影像分析	皮肤癌	蒙特卡洛模拟，深度学习	CNN	3D医学影像数据	六个身体部位的CT体模数据集	NA	级联3D U-Net, 3D U-Net, 深度卷积神经网络, HD U-Net	Gamma通过率, 剂量差异通过率	NA