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
5041	2025-03-05	Accelerated retinal ageing and multimorbidity in middle-aged and older adults 2025-Mar-04, GeroScience IF:5.3Q1 DOI:10.1007/s11357-025-01581-1 PMID:40035945	研究论文	本研究探讨了视网膜年龄差距与多病状态之间的关联	使用深度学习模型计算视网膜年龄差距，并首次将其与多病状态的发生风险相关联	研究依赖于基线数据，可能未完全捕捉到所有相关变量	研究视网膜年龄差距与多病状态之间的关联	45,436名中老年参与者	数字病理学	老年疾病	深度学习	深度学习模型	图像	45,436名参与者
5042	2025-03-05	Application of TransUnet Deep Learning Model for Automatic Segmentation of Cervical Cancer in Small-Field T2WI Images 2025-Mar-04, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01464-z PMID:40035972	研究论文	本研究开发了一种创新的深度学习模型，用于增强宫颈癌病变的自动分割	结合CNN和TransUnet模型，利用多方向MRI技术开发了三种不同的分割模型，显著提高了宫颈癌组织的分割精度	研究仅基于小视野T2WI图像，可能限制了模型的泛化能力	提高宫颈癌在MR图像中的自动分割精度，以辅助自动检测、分期和治疗规划	222名经病理确诊的宫颈癌患者的4063张T2WI小视野图像	计算机视觉	宫颈癌	MRI	CNN, TransUnet	图像	222名患者的4063张T2WI图像
5043	2025-03-05	Cone-beam computed tomography (CBCT) image-quality improvement using a denoising diffusion probabilistic model conditioned by pseudo-CBCT of pelvic regions 2025-Mar-04, Radiological physics and technology IF:1.7Q3 DOI:10.1007/s12194-025-00892-4 PMID:40035984	研究论文	本文提出了一种基于条件去噪扩散概率模型（CDDPM）的方法，用于提高骨盆区域锥形束计算机断层扫描（CBCT）的图像质量，从而改善放疗中的剂量计算和治疗计划	使用条件去噪扩散概率模型（CDDPM）生成高质量的合成CT（sCT），显著提高了CBCT的Hounsfield单位（HU）准确性和解剖结构保持	研究主要针对骨盆区域，未涉及其他身体部位，且模型的泛化能力尚未在更大规模的数据集上验证	提高CBCT图像质量，以改善放疗中的剂量计算和治疗计划	骨盆区域的CBCT图像	医学影像处理	前列腺癌	条件去噪扩散概率模型（CDDPM）	CDDPM	图像	未明确提及样本数量
5044	2025-03-05	Recommendations for Artificial Intelligence Application in Continued Process Verification: A Journey Toward the Challenges and Benefits of AI in the Biopharmaceutical Industry 2025-Mar-03, PDA journal of pharmaceutical science and technology DOI:10.5731/pdajpst.2024.012950 PMID:39730202	review	本文探讨了人工智能（AI）在生物制药行业持续过程验证（CPV）中的变革性影响，并提供了实施AI的综合建议	提出了将AI与监管标准对齐的建议，并强调透明度、可解释性和风险管理，为AI在制药制造中的实施建立最佳实践	未涉及CPV of the Future项目中使用的具体算法，因为需要独立于算法进行通用化	研究AI在生物制药行业持续过程验证中的应用挑战与机遇	生物制药行业中的持续过程验证（CPV）	machine learning	NA	AI, Machine Learning, Deep Learning	NA	real-time data	NA
5045	2025-03-05	RESNET-50 with ontological visual features based medicinal plants classification 2025-Mar-03, Network (Bristol, England) DOI:10.1080/0954898X.2024.2447878 PMID:40028706	研究论文	本文提出了一种基于本体视觉特征和RESNET-50的药用植物分类方法	结合了本体关系、群体智能技术（粒子群和布谷鸟搜索算法）以及深度学习模型RESNET-50，提出了一个混合模型来提高分类准确性	未提及样本多样性和模型泛化能力的验证	提高药用植物叶片分类的准确性和效率	15种药用植物的叶片	计算机视觉	NA	粒子群算法、布谷鸟搜索算法、回归神经网络（GRNN）、RESNET-50	RESNET-50、GRNN	图像	15种药用植物的叶片数据集
5046	2025-03-05	Deep Learning-Based Diagnostic Model for Parkinson's Disease Using Handwritten Spiral and Wave Images 2025-Mar-03, Current medical science IF:2.0Q3 DOI:10.1007/s11596-025-00017-3 PMID:40029495	研究论文	本文开发并验证了一种基于深度神经网络的模型，用于通过手绘螺旋和波浪图像诊断帕金森病，并与多种机器学习和深度学习模型进行了性能比较	使用深度神经网络模型处理手绘螺旋和波浪图像，显著提高了帕金森病的诊断准确性，超越了多种传统机器学习和深度学习模型	数据集规模较小，仅包含204张图像，可能影响模型的泛化能力	开发一种基于深度神经网络的帕金森病诊断模型，并验证其性能	帕金森病患者和健康受试者的手绘螺旋和波浪图像	计算机视觉	帕金森病	深度神经网络	DNN	图像	204张图像（102张螺旋图像和102张波浪图像）
5047	2025-03-05	Automated Tumor Segmentation in Breast-Conserving Surgery Using Deep Learning on Breast Tomosynthesis 2025-Mar-03, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01457-y PMID:40032761	研究论文	本研究旨在通过深度学习模型改进乳腺癌保乳手术中的肿瘤分割，利用数字乳腺断层合成技术提高术中肿瘤边缘的精确度	采用改进的U-Net架构，结合卷积块注意力模块（CBAM），以提高肿瘤边缘分割的精度	研究样本量较小，仅包含51例患者，可能影响结果的普遍性	提高乳腺癌保乳手术中的肿瘤分割精度，改善术中边缘评估和手术效果	乳腺癌患者	计算机视觉	乳腺癌	数字乳腺断层合成技术（DBT）	改进的U-Net架构，结合卷积块注意力模块（CBAM）	图像	51例患者
5048	2025-03-05	Diagnosing Ankylosing Spondylitis via Architecture-Modified ResNet and Combined Conventional Magnetic Resonance Imagery 2025-Mar-03, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01427-4 PMID:40032762	研究论文	本文探讨了使用改进的ResNet架构和组合的常规磁共振成像（MRI）来诊断强直性脊柱炎（AS）	通过架构修改的ResNet50模型和组合的常规MRI序列进行AS分类，显著提高了诊断的准确性和特异性	研究样本量较小，仅涉及56名患者，可能影响模型的泛化能力	研究目的是确定是否可以使用MRI训练/优化卷积神经网络（CNNs）进行AS分类，并确定哪种类型的常规MRI可能占主导地位	强直性脊柱炎（AS）患者和对照组的骶髂关节（SIJs）	计算机视觉	强直性脊柱炎	常规磁共振成像（MRI）	ResNet50, InceptionV3, VGG16, YOLOv5	图像	56名患者的534个AS和606个对照SIJs
5049	2025-03-05	Smartphone-Based Oral Lesion Image Segmentation Using Deep Learning 2025-Mar-03, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01455-0 PMID:40032764	研究论文	本研究开发了一种基于深度学习的智能手机口腔病变图像分割解决方案，旨在提高口腔疾病的早期检测和诊断准确性	提出了一种新的UNet-based模型OralSegNet，结合了EfficientNetV2L编码器、ASPP和残差块，以提高分割精度	模型参数较多（104.46百万），尽管在计算效率上表现良好，但在资源受限的设备上可能面临挑战	开发一种基于深度学习的智能手机口腔病变图像分割解决方案，以提高口腔疾病的早期检测和诊断准确性	智能手机拍摄的口腔病变图像	计算机视觉	口腔疾病	深度学习	UNet-based模型OralSegNet	图像	538张原始图像，平均分辨率为1394×1524像素
5050	2025-03-05	SSW-YOLO: Enhanced Blood Cell Detection with Improved Feature Extraction and Multi-scale Attention 2025-Mar-03, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01460-3 PMID:40032763	研究论文	本文介绍了一种名为SSW-YOLO的新算法，旨在提高血液细胞检测的准确性和效率	SSW-YOLO的主要创新点包括使用空间到深度卷积（SPD-Conv）层增强特征提取，采用Swin Transformer进行多尺度注意力机制，简化c2f模块以减少模型复杂性，以及利用Wasserstein距离损失（WDLoss）函数提高定位精度	NA	提高血液细胞检测的准确性和效率，加速血液疾病的诊断并提高临床诊断的精确性	血液细胞	计算机视觉	血液疾病	深度学习	YOLO, Swin Transformer	图像	BCCD血液细胞数据集
5051	2025-03-05	SeasFire cube - a multivariate dataset for global wildfire modeling 2025-Mar-03, Scientific data IF:5.8Q1 DOI:10.1038/s41597-025-04546-3 PMID:40032880	研究论文	本文介绍了SeasFire数据立方体，一个为全球季节性至亚季节性野火建模量身定制的时空数据集	引入了包含59个变量的SeasFire数据立方体，涵盖气候、植被、海洋指数和人类因素，具有8天时间分辨率和0.25°空间分辨率，覆盖2001年至2021年	NA	通过地球观测数据，量化并归因野火的前置条件，以改进对野火的理解和预测	全球野火	地球系统科学	NA	深度学习模型	Deep Learning	时空数据	2001年至2021年的全球数据
5052	2025-03-05	Predicting disease progression from the rate of bodyweight change in nasopharyngeal carcinoma patient during radiotherapy 2025-Mar-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-88810-x PMID:40032903	研究论文	本研究旨在通过建模放疗期间测量的体重记录，开发一种新的疾病进展预测指标，以替代传统的体重百分比损失（pWL）	提出了一种基于深度学习引导的微分方程解决方案的预测进展概率（PPP），用于预测鼻咽癌患者在放疗期间的疾病进展	研究为回顾性研究，可能存在选择偏倚，且样本量相对较小	开发一种新的疾病进展预测指标，以替代传统的体重百分比损失（pWL）	624名鼻咽癌患者	数字病理学	鼻咽癌	深度学习	深度学习引导的微分方程模型	体重记录	624名患者（训练队列257名，测试队列367名）
5053	2025-03-05	Synergistic transfer learning and adversarial networks for breast cancer diagnosis: benign vs. invasive classification 2025-Mar-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-90288-6 PMID:40032913	研究论文	本文提出了一种结合生成对抗网络（GANs）和迁移学习的深度学习框架，用于乳腺癌的良性与浸润性分类	提出了一种两阶段数据增强方法，结合条件Wasserstein GAN（cWGAN）生成合成图像，并采用多尺度迁移学习技术整合多个预训练CNN模型	未来工作将集中于将该框架推广到临床数据集并整合到诊断工作流程中	提高乳腺癌分类的效率和准确性	乳腺癌图像	计算机视觉	乳腺癌	生成对抗网络（GANs），迁移学习	CNN, cWGAN, DenseNet-201, NasNetMobile, ResNet-101	图像	BreakHis数据集
5054	2025-03-05	Geometry-encoded molecular dynamics enables deep learning insights into P450 regiospecificity control 2025-Mar-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-91155-0 PMID:40032954	研究论文	本研究通过分子动力学和深度学习技术，探讨了细胞色素P450 1A2在咖啡因氧化过程中的区域选择性控制机制	结合几何编码的分子动力学和差分机器学习，揭示了P450 1A2区域选择性的局部决定因素和亚位点相互作用	研究主要聚焦于咖啡因氧化，可能不适用于其他底物或P450同工酶	解析P450 1A2在咖啡因氧化过程中生成多种代谢物的机制	细胞色素P450 1A2及其与咖啡因的相互作用	分子动力学与深度学习	NA	分子动力学，几何编码，差分机器学习	差分机器学习	分子动力学轨迹数据	NA
5055	2025-03-05	Initial findings creating a temperature prediction model using vibroacoustic signals originating from tissue needle interactions 2025-Mar-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-92202-6 PMID:40032997	研究论文	本研究探索了在组织-工具交互过程中产生的振动声信号的获取和分析，使用带有近端安装的MEMS音频传感器的常规抽吸针来提取温度信息	提出了一种新颖的方法，通过分析针插入过程中记录的振动声信号来预测温度，无需额外传感器或组织行为模拟	研究目前仅在实验室条件下进行，需进一步优化和验证	开发一种实时、微创的医疗应用中的温度监测方法	水饱和泡沫中的温度变化	生物医学工程	NA	信号处理技术和深度学习算法	深度学习算法	振动声信号	温度范围从25到55°C，以5°C为增量的水饱和泡沫
5056	2025-03-05	Quantitative analysis and evaluation of winter and summer landscape colors in the Yangzhou ancient Canal utilizing deep learning 2025-Mar-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-91483-1 PMID:40033036	研究论文	本研究利用深度学习场景解析算法对扬州古运河五个重要地点的冬季和夏季景观颜色进行量化分析，并评估了景观美景度（SBE）值，探讨了颜色特征与景观美景之间的关系	首次将深度学习场景解析算法应用于扬州古运河景观颜色的量化分析，并建立了颜色特征与景观美景度（SBE）值的相关性分析	研究仅针对扬州古运河的五个地点，样本量有限，且未考虑其他可能影响景观美景的因素	研究扬州古运河冬季和夏季景观颜色特征及其与景观美景度的关系	扬州古运河五个重要地点的冬季和夏季景观	计算机视觉	NA	深度学习场景解析算法	NA	图像	五个地点的冬季和夏季景观图像
5057	2025-03-05	Improving accuracy for inferior alveolar nerve segmentation with multi-label of anatomical adjacent structures using active learning in cone-beam computed tomography 2025-Mar-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-91725-2 PMID:40033040	研究论文	本研究利用主动学习和三维nnU-net模型，结合多标签策略，提高了牙科解剖结构在三维锥形束计算机断层扫描（CBCT）中的分割精度	采用主动学习和多标签策略，显著提高了下牙槽神经（IAN）等牙科解剖结构的分割精度	研究样本量相对较小，仅使用了60个CBCT扫描数据	提高牙科解剖结构在CBCT扫描中的自动分割精度，特别是下牙槽神经（IAN）的分割	牙科解剖结构，包括上颌窦、上颌骨、下颌骨和下牙槽神经（IAN）	数字牙科	NA	主动学习，三维nnU-net模型	nnU-net	三维锥形束计算机断层扫描（CBCT）图像	60个CBCT扫描数据
5058	2025-03-05	Prediction of Lymph Node Metastasis in Lung Cancer Using Deep Learning of Endobronchial Ultrasound Images With Size on CT and PET-CT Findings 2025-Mar-03, Respirology (Carlton, Vic.) DOI:10.1111/resp.70010 PMID:40033122	研究论文	本研究评估了深度学习在EBUS图像上检测肺癌纵隔淋巴结转移的诊断能力，强调了整合ROI、CT上的淋巴结大小和PET-CT发现的价值	首次将ROI、CT上的淋巴结大小和PET-CT发现整合到EBUS图像的深度学习分析中，显著提高了模型诊断肺癌纵隔淋巴结转移的能力	研究中使用的样本量较大，但未提及模型的泛化能力及在不同医疗中心的应用效果	评估深度学习在EBUS图像上检测肺癌纵隔淋巴结转移的诊断能力	1454名肺癌患者的2055个纵隔淋巴结站的2901张EBUS图像	数字病理	肺癌	EBUS-TBNA, CT, PET-CT	ResNet18	图像	1454名肺癌患者的2055个纵隔淋巴结站的2901张EBUS图像
5059	2025-03-05	Development and validation of a deep learning algorithm for prediction of pediatric recurrent intussusception in ultrasound images and radiographs 2025-Mar-03, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-01582-8 PMID:40033220	研究论文	本文开发并验证了一种基于腹部超声图像和腹部X光片的深度学习算法，用于预测小儿复发性肠套叠	使用多模态医学影像（超声和X光片）结合深度学习算法预测复发性肠套叠，并采用两种融合方法提升预测性能	研究为回顾性设计，可能受到数据偏差的影响，且样本量虽大但仅限于单一机构	开发并验证一种预测小儿复发性肠套叠的深度学习模型	3665例肠套叠病例的腹部超声图像和腹部X光片	数字病理学	小儿肠套叠	深度学习	VGG11, ResNet18, LightGBM	图像	3665例肠套叠病例
5060	2025-03-05	Machine learning for the rElapse risk eValuation in acute biliary pancreatitis: The deep learning MINERVA study protocol 2025-Mar-03, World journal of emergency surgery : WJES IF:6.0Q1 DOI:10.1186/s13017-025-00594-7 PMID:40033414	研究论文	MINERVA研究旨在开发和验证一种机器学习模型，用于预测轻度急性胆源性胰腺炎（MABP）患者复发急性胰腺炎（RAP）的风险	利用卷积神经网络（CNN）进行特征提取和风险预测，结合核主成分分析（kPCA）进行变量空间转换，创建2D图像并应用卷积滤波、最大池化、展平和全连接层进行最终风险预测	研究仅限于意大利的多家学术和社区医院，且排除了非胆源性病因、严重胰腺炎和无法提供知情同意的患者	开发一种可靠的、成本效益高的预测工具，以帮助医疗专业人员做出更好的决策，减少RAP的发生率和相关医疗成本	符合修订版亚特兰大标准的成年MABP患者，且在入院期间未接受早期胆囊切除术（EC）	机器学习	胰腺炎	卷积神经网络（CNN），核主成分分析（kPCA）	CNN	临床和人口统计学数据	来自MANCTRA-1研究的回顾性数据和前瞻性数据收集