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
5461	2025-03-23	Deep convolutional neural networks for early detection of interproximal caries using bitewing radiographs: A systematic review 2025-Mar-21, Evidence-based dentistry DOI:10.1038/s41432-025-01134-7 PMID:40114013	系统综述	本文系统综述了使用深度卷积神经网络（DCNN）通过咬翼片X光片检测邻面龋齿的研究	本文首次系统性地评估了不同深度卷积神经网络在咬翼片X光片上检测邻面龋齿的效果，并特别强调了YOLOv8模型在此任务中的优越性	纳入的研究中仅有40%在参考标准领域具有低偏倚风险，表明研究质量参差不齐	评估深度卷积神经网络在咬翼片X光片上检测邻面龋齿的准确性和有效性	咬翼片X光片	计算机视觉	龋齿	深度卷积神经网络（DCNN）	CNN, YOLOv8	图像	112至3,989名参与者
5462	2025-03-23	Challenges in Implementing Endoscopic Artificial Intelligence: The Impact of Real-World Imaging Conditions on Barrett's Neoplasia Detection 2025-Mar-21, United European gastroenterology journal IF:5.8Q1 DOI:10.1002/ueg2.12760 PMID:40116287	研究论文	本研究旨在量化在社区医院中，基于专家图像训练的巴雷特氏瘤计算机辅助检测系统在暴露于日常临床实践中更异质成像条件下的性能下降，并评估减轻这种性能损失的策略	研究首次量化了在社区医院中，基于专家图像训练的计算机辅助检测系统在异质成像条件下的性能下降，并提出了三种提高算法对数据异质性鲁棒性的方法	研究仅针对巴雷特氏瘤的检测，未涉及其他疾病或更广泛的临床应用	评估和提高计算机辅助检测系统在异质成像条件下的性能	巴雷特氏瘤患者的内镜图像	计算机视觉	巴雷特氏瘤	深度学习	计算机辅助检测系统	图像	373名巴雷特氏瘤患者的1011张高质量图像，以及117名患者的独立测试集
5463	2025-03-23	Ovarian masses suggested for MRI examination: assessment of deep learning models based on non-contrast-enhanced MRI sequences for predicting malignancy 2025-Mar-21, Abdominal radiology (New York) DOI:10.1007/s00261-025-04891-2 PMID:40116887	研究论文	本研究评估并比较了四种基于非增强MRI的深度学习模型在区分良性和恶性卵巢肿瘤中的诊断效能和开发成本	首次在非增强MRI序列上评估和比较了四种深度学习模型（ConvNeXt, FBNet, GhostNet, ResNet50）在卵巢肿瘤良恶性鉴别中的应用	研究为回顾性设计，可能受到选择偏倚的影响，且未考虑不同MRI扫描仪和参数的影响	评估和比较深度学习模型在非增强MRI上区分良性和恶性卵巢肿瘤的诊断效能	526名因疑似卵巢肿块而推荐进行MRI检查的患者	数字病理	卵巢癌	非增强MRI	ConvNeXt, FBNet, GhostNet, ResNet50	图像	526名患者（327例良性病变，199例恶性病变）
5464	2025-03-23	Deep learning-assisted detection of intracranial hemorrhage: validation and impact on reader performance 2025-Mar-21, Neuroradiology IF:2.4Q2 DOI:10.1007/s00234-025-03560-x PMID:40116947	研究论文	本研究验证了一种用于颅内出血检测的深度学习算法，并评估了其对读者诊断性能的影响	开发并验证了JLK-ICH深度学习算法，显著提高了非专家读者对颅内出血的诊断准确性	研究主要基于回顾性数据，且外部验证数据集仅来自美国多民族群体，可能存在一定的局限性	验证深度学习算法在颅内出血检测中的准确性及其对临床诊断的辅助作用	颅内出血患者的CT扫描图像	计算机视觉	颅内出血	深度学习	JLK-ICH	CT图像	1,370例CT扫描，其中800例用于读者性能研究
5465	2025-03-23	Robust enzyme discovery and engineering with deep learning using CataPro 2025-Mar-20, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-58038-4 PMID:40108140	研究论文	本文介绍了一种名为CataPro的深度学习模型，用于预测酶的动力学参数，并展示了其在酶发现和工程中的高效应用	提出了基于预训练模型和分子指纹的深度学习模型CataPro，显著提高了酶动力学参数预测的准确性和泛化能力，并在实际酶工程中验证了其有效性	未提及模型在更广泛酶类或复杂环境中的表现	提高酶动力学参数预测的准确性和泛化能力，以促进酶的发现和工程	酶的动力学参数（如转换数k、米氏常数K和催化效率k/K）	机器学习	NA	深度学习	CataPro（基于预训练模型和分子指纹）	分子指纹数据	未明确提及样本数量，但使用了无偏数据集进行模型评估
5466	2025-03-23	Artificial intelligence to enhance the diagnosis of ocular surface squamous neoplasia 2025-Mar-20, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-94876-4 PMID:40108432	研究论文	本文提出了一种利用活体共聚焦显微镜（IVCM）和人工智能（AI）技术来区分眼表鳞状上皮瘤（OSSN）与其他病变的方法，并比较了几种知名AI解决方案的性能	采用了一种新颖的基于方形的数据增强策略来缓解类别不平衡问题，并实施了少样本学习模型以提高罕见症状（如细胞有丝分裂）的识别精度	在四类标签分类任务中，模型的准确率较低	提高眼表鳞状上皮瘤（OSSN）的诊断准确性	眼表鳞状上皮瘤（OSSN）及其他眼表疾病	计算机视觉	眼表鳞状上皮瘤	活体共聚焦显微镜（IVCM）	ResNet50V2, Yolov8x, VGG19	图像	2,774张IVCM图像
5467	2025-03-23	Self-supervised VICReg pre-training for Brugada ECG detection 2025-Mar-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-94130-x PMID:40102504	研究论文	本文提出了一种基于自监督VICReg预训练的深度学习模型，用于Brugada综合征（BrS）心电图的分类	使用VICReg架构进行自监督预训练，解决了BrS等罕见心脏疾病因缺乏准确标记数据而难以应用深度学习的问题	研究依赖于特定机构的数据，可能限制了模型的泛化能力	开发一种新的深度学习模型，用于罕见心脏疾病Brugada综合征的心电图分类	Brugada综合征患者的心电图数据	机器学习	心血管疾病	VICReg自监督预训练	VICReg	心电图数据	未明确提及具体样本数量
5468	2025-03-23	Annotation-efficient, patch-based, explainable deep learning using curriculum method for breast cancer detection in screening mammography 2025-Mar-19, Insights into imaging IF:4.1Q1 DOI:10.1186/s13244-025-01922-w PMID:40106066	研究论文	开发了一种基于课程学习和分块方法的深度学习模型，用于乳腺X光检查中的乳腺癌检测，利用弱注释和强注释，并通过Grad-CAM提供可解释的人工智能	结合课程学习和分块方法，利用有限数量的强注释数据进行训练，提高了模型性能和可解释性	需要进一步验证模型在更大规模数据集上的泛化能力	开发一种高效的深度学习模型，用于乳腺X光检查中的乳腺癌检测	乳腺X光检查图像	计算机视觉	乳腺癌	深度学习	基于分块的深度学习模型	图像	1976张乳腺X光检查图像（来自三个中心），外部测试数据集包含4276张乳腺X光检查图像
5469	2025-03-23	A large-scale multicenter breast cancer DCE-MRI benchmark dataset with expert segmentations 2025-Mar-19, Scientific data IF:5.8Q1 DOI:10.1038/s41597-025-04707-4 PMID:40108146	研究论文	本文介绍了一个大规模多中心乳腺癌DCE-MRI基准数据集，包含专家标注的分割结果	提供了一个包含1506个病例的多中心乳腺癌DCE-MRI数据集，填补了公开乳腺癌数据集的空白，并提供了预训练的nnU-Net模型权重	数据集虽然规模较大，但依赖于专家校正的深度学习模型初步分割结果，可能存在一定的误差	推动乳腺癌诊断、治疗反应预测和个性化护理的深度学习模型开发与验证	乳腺癌患者的T1加权动态对比增强MRI数据	数字病理学	乳腺癌	DCE-MRI	nnU-Net	图像	1506个病例
5470	2025-03-23	SHDB-AF: a Japanese Holter ECG database of atrial fibrillation 2025-Mar-19, Scientific data IF:5.8Q1 DOI:10.1038/s41597-025-04777-4 PMID:40108206	研究论文	本文介绍了SHDB-AF，一个包含日本人群样本的新型开源Holter心电图数据库，用于心房颤动的诊断研究	SHDB-AF是首个包含日本人群样本的开源Holter心电图数据库，填补了现有数据库的空白	样本量相对较小，仅包含122名患者的128份心电图记录	提高心房颤动的诊断准确性，并确保深度学习模型在不同种族、年龄、性别等因素下的鲁棒性和泛化能力	日本人群的心电图数据	数字病理学	心血管疾病	Holter心电图	深度学习（DL）	心电图数据	122名患者的128份24小时双通道心电图记录，总计2160万秒数据
5471	2025-03-23	EEG detection and recognition model for epilepsy based on dual attention mechanism 2025-Mar-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-90315-6 PMID:40108237	研究论文	本文提出了一种基于双注意力机制的癫痫脑电图（EEG）检测与识别模型STFFDA，旨在通过深度学习技术自动检测癫痫发作，从而加速癫痫的诊断和治疗	引入了双注意力机制的时空特征融合模型STFFDA，直接从原始EEG信号中解释癫痫状态，无需大量数据预处理和特征提取	模型在Bonn University数据集上的准确率相对较低，可能表明在某些数据集上仍需改进	通过深度学习技术自动检测癫痫发作，加速癫痫的诊断和治疗	癫痫患者的脑电图（EEG）信号	机器学习	癫痫	深度学习	双注意力机制的时空特征融合模型（STFFDA）	脑电图（EEG）信号	CHB-MIT和Bonn University数据集
5472	2025-03-23	Design of thin, wideband electromagnetic absorbers with polarization and angle insensitivity using deep learning 2025-Mar-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-94116-9 PMID:40108286	研究论文	本文介绍了一种利用深度学习设计薄型、宽带电磁波吸收器的新方法，该吸收器具有极化和角度不敏感性	利用生成对抗网络（GAN）和多层感知器（MLP）网络设计薄型、宽带电磁波吸收器，覆盖8-12 GHz频率范围，具有高吸收率和极化和角度不敏感性	NA	设计一种薄型、宽带电磁波吸收器，适用于大规模生产	电磁波吸收器	机器学习	NA	生成对抗网络（GAN），多层感知器（MLP）	GAN, MLP	数值全波电磁模拟数据	NA
5473	2025-03-23	Stroma and lymphocytes identified by deep learning are independent predictors for survival in pancreatic cancer 2025-Mar-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-94362-x PMID:40108402	研究论文	本文利用深度学习模型从胰腺导管腺癌（PDAC）病理切片中自动检测肿瘤、基质和淋巴细胞，并分析其与患者生存率的关系	首次使用基于U-net架构的深度学习模型自动检测PDAC病理切片中的肿瘤、基质和淋巴细胞，并发现基质和淋巴细胞比例与患者生存率显著相关	研究样本量有限（800例），且未涉及其他潜在影响生存率的因素	探索PDAC患者生存率的预测生物标志物	胰腺导管腺癌（PDAC）患者	数字病理学	胰腺癌	深度学习	U-net	病理切片图像	800例PDAC患者的病理切片
5474	2025-03-23	Prediction and analysis of tumor infiltrating lymphocytes across 28 cancers by TILScout using deep learning 2025-Mar-19, NPJ precision oncology IF:6.8Q1 DOI:10.1038/s41698-025-00866-0 PMID:40108446	研究论文	本文介绍了TILScout，一种利用深度学习从全切片图像中计算肿瘤浸润淋巴细胞（TILs）分数的泛癌方法	TILScout在验证集和独立测试集上分别达到了0.9787和0.9628的准确率，以及0.9988和0.9934的AUC，超越了之前的研究	NA	预测和分析28种癌症中的肿瘤浸润淋巴细胞（TILs）	28种癌症的全切片图像	数字病理学	癌症	深度学习	NA	图像	NA
5475	2025-03-23	Stages prediction of Alzheimer's disease with shallow 2D and 3D CNNs from intelligently selected neuroimaging data 2025-Mar-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-93560-x PMID:40102464	研究论文	本研究旨在通过使用2D和3D CNN架构从MRI扫描获得的多维神经影像数据中检测阿尔茨海默病（AD）的不同阶段	提出了一种新颖且高效的基于像素计数的帧选择和裁剪方法，显著降低了数据维度，并应用可学习的调整器方法在调整数据大小时增强图像质量	MRI数据的噪声和多维性需要智能预处理管道以有效预测疾病	检测阿尔茨海默病（AD）的不同阶段	通过MRI扫描获得的多维神经影像数据	计算机视觉	老年疾病	MRI	2D CNN, 3D CNN	图像	NA
5476	2025-03-23	Machine learning predicts spinal cord stimulation surgery outcomes and reveals novel neural markers for chronic pain 2025-Mar-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-92111-8 PMID:40102462	研究论文	本研究应用机器学习预测慢性疼痛患者对脊髓刺激手术的反应，并揭示新的神经标记物	首次结合术中脑电图数据和机器学习算法预测脊髓刺激手术的反应，发现新的神经标记物	样本量较小（20名患者），需要更大规模的研究验证结果	预测慢性疼痛患者对脊髓刺激手术的反应，并识别潜在的神经标记物	20名接受脊髓刺激手术的慢性疼痛患者	机器学习	慢性疼痛	脑电图（EEG）	决策树	脑电图信号和患者报告结果	20名慢性疼痛患者
5477	2025-03-23	The dietary patterns of water deer recently rediscovered in Northeast China exhibit remarkable similarities to those observed in other regions 2025-Mar-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-92473-z PMID:40102472	研究论文	本研究通过结合传统的粪便显微组织学分析和深度学习算法，调查了中国东北地区水鹿的饮食习惯	首次将深度学习算法应用于水鹿粪便的显微图像分析，以识别其食物来源，并验证了该算法在生态研究中的可靠性	研究仅基于中国东北地区的水鹿样本，可能无法完全代表其他地区的水鹿饮食习惯	了解濒危物种的饮食习惯，以支持其保护策略的制定	水鹿（Hydropotes inermis）	生态学	NA	粪便显微组织学分析，深度学习算法	深度学习模型	图像	暖季203份粪便样本，冷季451份粪便样本
5478	2025-03-23	Seasonal forecasting of the hourly electricity demand applying machine and deep learning algorithms impact analysis of different factors 2025-Mar-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-91878-0 PMID:40102500	研究论文	本文提出了基于机器学习和深度学习算法的短期季节性预测模型，用于预测新英格兰控制区（ISO-NE-CA）的每小时电力需求	结合了多种机器学习和深度学习技术（如自适应神经模糊推理系统、长短期记忆网络、门控循环单元和人工神经网络），并分析了温度对电力需求的影响	模型在不同季节和场景下的准确性存在差异，特别是在秋季和春季的预测精度较低	提高短期电力需求预测的精度，分析温度对电力需求的影响	新英格兰控制区（ISO-NE-CA）的每小时电力需求	机器学习	NA	自适应神经模糊推理系统（ANFIS）、长短期记忆网络（LSTM）、门控循环单元（GRU）、人工神经网络（ANN）	ANFIS、LSTM、GRU、ANN	时间序列数据	NA
5479	2025-03-23	Innovative hand pose based sign language recognition using hybrid metaheuristic optimization algorithms with deep learning model for hearing impaired persons 2025-Mar-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-93559-4 PMID:40102499	研究论文	本文提出了一种创新的手语识别技术，结合混合元启发式优化算法和深度学习模型，用于听力受损人群的手势识别	结合了ResNeXt101、VGG19和视觉Transformer（ViT）进行特征提取，并使用双向门控循环单元（BiGRU）分类器进行手势识别，进一步通过混合乌鸦搜索改进灰狼优化（CS-IGWO）模型进行参数调优	NA	提高听力受损人群手语识别的效率和准确性	听力受损人群的手势识别	计算机视觉	NA	深度学习	ResNeXt101, VGG19, 视觉Transformer（ViT）, 双向门控循环单元（BiGRU）	图像	ASL字母数据集
5480	2025-03-23	Robust resolution improvement of 3D UTE-MR angiogram of normal vasculatures using super-resolution convolutional neural network 2025-Mar-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-92493-9 PMID:40102565	研究论文	本研究旨在通过深度学习提高快速获取的低分辨率UTE-MRA数据的分辨率，以改善时间敏感疾病如中风的诊断和治疗	提出了一种新的3D卷积神经网络模型LSRDG，显著提高了UTE-MRA图像的分辨率	研究主要基于大鼠数据，尚未在人类数据上验证	提高UTE-MRA图像的分辨率，以改善时间敏感疾病的诊断和治疗	健康对照组和中风模型Wistar大鼠的对比增强3D UTE-MRA数据	计算机视觉	中风	深度学习	3D卷积神经网络（LSRDG, SR-ResNet, MRDG64）	3D UTE-MRA图像	20个健康对照组和10个中风模型Wistar大鼠的对比增强3D UTE-MRA数据