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
541	2025-07-05	Deep learning-based lung cancer classification of CT images 2025-Jul-01, BMC cancer IF:3.4Q2 DOI:10.1186/s12885-025-14320-8 PMID:40596973	研究论文	本文介绍了一种基于深度学习的肺结节分类器DCSwinB，旨在提高CT图像中良恶性结节分类的准确性和效率	DCSwinB结合了CNN和Swin Transformer的双分支架构，以及Conv-MLP模块，以增强3D图像中的长距离依赖关系捕捉	未提及模型在临床实际应用中的潜在限制或挑战	提高肺结节的准确分类，以支持早期肺癌诊断	CT图像中的肺结节	计算机视觉	肺癌	深度学习	Swin-Tiny Vision Transformer (ViT) 和 CNN	CT图像	数千名患者的注释CT扫描（来自LUNA16和LUNA16-K数据集）
542	2025-07-05	Enhanced pulmonary nodule detection with U-Net, YOLOv8, and swin transformer 2025-Jul-01, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-01784-0 PMID:40596996	研究论文	本研究开发了一种结合U-Net、YOLOv8和Swin transformer的两阶段深度学习模型，用于提高CT图像中肺结节的检测准确性，特别是小结节的检测	结合U-Net、YOLOv8和Swin transformer的两阶段深度学习模型，采用Shape-aware IoU损失函数改进边界框预测，显著提高了肺结节检测的准确性和降低了假阳性率	研究仅使用了LUNA16数据集和天津胸科医院的308例CT扫描，样本来源和数量可能影响模型的泛化能力	提高CT图像中肺结节的检测准确性，特别是小结节的检测，减少假阳性率	CT图像中的肺结节	计算机视觉	肺癌	深度学习	U-Net, YOLOv8, Swin transformer	CT图像	888例CT扫描（LUNA16数据集）和308例CT扫描（天津胸科医院）
543	2025-07-05	Ultrasound-based machine learning model to predict the risk of endometrial cancer among postmenopausal women 2025-Jul-01, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-01705-1 PMID:40597002	研究论文	本研究开发并验证了一种基于超声的人工智能诊断模型，用于提高绝经后妇女子宫内膜癌的诊断准确性和减少变异性	结合放射组学和深度学习特征，并应用超分辨率技术增强图像质量，开发了一种混合模型（DLR模型），显著提高了诊断性能	研究仅基于两个中心的数据，可能需要更多外部验证以确认模型的普遍适用性	开发一种更准确、可靠的非侵入性工具，用于绝经后妇女子宫内膜癌的筛查	绝经后妇女	数字病理	子宫内膜癌	超分辨率（SR）技术、放射组学特征提取、深度学习	CNN、混合模型（DLR模型）	超声图像	1,861名绝经后妇女
544	2025-07-05	Deep learning-based automated classification of choroidal layers in en face swept-source optical coherence tomography images 2025-Jul-01, BMC ophthalmology IF:1.7Q3 DOI:10.1186/s12886-025-04170-0 PMID:40597023	研究论文	本研究开发了一种基于深度学习的算法，用于自动分类眼睛的en face扫频源光学相干断层扫描（SS-OCT）图像中的脉络膜层	结合了边界增强欠采样和子类集成技术的ResNet深度学习系统，首次实现了脉络膜层的自动分层	研究仅涉及健康受试者，未涵盖病理情况下的脉络膜层分类	开发自动分类脉络膜层的深度学习算法	en face SS-OCT图像中的脉络膜层	数字病理	NA	扫频源光学相干断层扫描（SS-OCT）	ResNet	图像	117名健康受试者（117只眼睛）的16,025张en face SS-OCT图像
545	2025-07-05	Preoperative MRI-based deep learning reconstruction and classification model for assessing rectal cancer 2025-Jul-01, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-01775-1 PMID:40597035	research paper	本研究探讨了深度学习重建（DLR）在提高直肠MRI图像质量方面的效果，并比较了不同读者和深度学习分类模型在直肠癌TN分期中的判别能力	首次将深度学习重建技术应用于直肠MRI图像，并开发了深度学习分类模型用于TN分期，显著提高了图像质量和诊断性能	研究为回顾性设计，样本量相对有限（178例患者），且仅针对直肠癌进行评估	评估深度学习重建技术对直肠MRI图像质量的改善效果，并探索其在直肠癌TN分期中的诊断价值	经病理确诊的直肠癌患者的MRI图像	digital pathology	rectal cancer	MRI (T2WI, DWI, CE-T1WI), deep learning reconstruction	deep learning classification models	medical images	178例直肠癌患者
546	2025-07-05	Attention-driven hybrid deep learning and SVM model for early Alzheimer's diagnosis using neuroimaging fusion 2025-Jul-01, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-025-03073-w PMID:40597079	研究论文	提出了一种结合SVM和深度学习的创新方法，用于通过神经影像融合早期诊断阿尔茨海默病	结合SVM与深度学习，采用晚期融合集成设计，利用深度表示进行模式识别和SVM在小样本集上的鲁棒性	NA	提高阿尔茨海默病的早期诊断准确性和分类性能	阿尔茨海默病患者	数字病理学	老年病	MRI和PET成像融合技术	SVM与深度学习混合模型	神经影像数据	NA
547	2025-07-05	Deep learning-based dipeptidyl peptidase IV inhibitor screening, experimental validation, and GaMD/LiGaMD analysis 2025-Jul-01, BMC biology IF:4.4Q1 DOI:10.1186/s12915-025-02295-8 PMID:40597132	研究论文	本研究开发了一种新型DPP4抑制剂筛选策略，结合了受体基础的ConPLex、配体基础的KPGT和分子对接技术，显著提高了筛选准确性	整合了多种筛选方法，开发了用户友好的预测服务器DPP4META，并利用GaMD/LiGaMD技术分析药物与DPP4的结合与解离机制	未提及具体样本量或实验规模的限制	开发高效的DPP4抑制剂筛选方法并研究其与DPP4的结合机制	DPP4抑制剂及其与DPP4的相互作用	机器学习	2型糖尿病	分子对接、GaMD、LiGaMD	ConPLex、KPGT	分子数据	从FDA数据库中筛选出四种潜在药物
548	2025-07-05	RCFLA-YOLO: a deep learning-driven framework for the automated assessment of root canal filling quality in periapical radiographs 2025-Jul-01, BMC medical education IF:2.7Q1 DOI:10.1186/s12909-025-07483-2 PMID:40597191	研究论文	本研究提出了一种基于深度学习的RCFLA-YOLO模型，用于从根尖周X光片中自动评估根管充填质量的关键参数之一——根管充填长度	首次将YOLOv11架构应用于根管充填质量评估，并在学生操作评估中表现出色	研究仅关注根管充填长度这一参数，未涵盖其他质量评估指标	开发自动评估根管充填质量的决策支持系统，以提升牙科临床前教育的效率	牙科学生进行的根管治疗术前X光片	数字病理	牙科疾病	深度学习	YOLOv11	图像	735张由临床专家标注的根尖周X光片
549	2025-07-05	Multiclass skin lesion classification and localziation from dermoscopic images using a novel network-level fused deep architecture and explainable artificial intelligence 2025-Jul-01, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-025-03051-2 PMID:40597254	研究论文	本研究提出了一种基于深度学习的网络级融合架构，用于增强皮肤镜图像中皮肤病变的分类和定位，并结合可解释人工智能技术	提出了一种新颖的网络级融合架构，结合了两种深度学习模型，并采用可解释人工智能技术提高模型的可解释性	计算资源需求和训练时间较长	提高皮肤镜图像中皮肤病变的分类和定位准确性	皮肤镜图像中的皮肤病变	计算机视觉	皮肤癌	深度学习、可解释人工智能（LIME）	5-block inverted residual network、6-block inverted bottleneck network	图像	HAM10000和ISIC2018两个公开数据集
550	2025-07-05	Development and clinical validation of deep learning-based immunohistochemistry prediction models for subtyping and staging of gastrointestinal cancers 2025-Jul-01, BMC gastroenterology IF:2.5Q2 DOI:10.1186/s12876-025-04045-0 PMID:40597706	研究论文	本研究开发并验证了基于深度学习的免疫组化预测模型，用于胃肠道癌症的亚型分类和分期	利用H&E全切片图像自动构建深度学习模型生成AI-IHC输出，并与传统IHC结果进行比较，探索了AI-IHC在临床诊断中的应用效果	P53标记的一致性仅为70%，Ki-67增殖指数的ICC值为0.415，显示AI-IHC与传统IHC之间存在一定差异	开发自动化的深度学习模型，用于预测IHC生物标志物，以辅助胃肠道癌症的诊断和分期	胃肠道癌症（包括食管癌、胃癌和结直肠癌）	数字病理学	胃肠道癌症	免疫组化（IHC）、数字图像分析	深度学习模型	H&E全切片图像（WSIs）	134对H&E和IHC全切片图像（用于模型构建）和150张来自30名患者的全切片图像（用于MRMC研究）
551	2025-07-05	Evaluation of a fusion model combining deep learning models based on enhanced CT images with radiological and clinical features in distinguishing lipid-poor adrenal adenoma from metastatic lesions 2025-Jul-01, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-01798-8 PMID:40597714	研究论文	评估结合增强CT图像的深度学习模型与放射学和临床特征的融合模型在区分低脂肾上腺腺瘤和转移性病变中的诊断性能	结合深度学习模型与临床和放射学特征，并通过SHAP分析增强模型的可解释性	回顾性研究，样本量有限（416例）	区分低脂肾上腺腺瘤和转移性肿瘤	416例经病理证实的肾上腺肿瘤患者的腹部增强CT图像和临床数据	数字病理	肾上腺肿瘤	增强CT成像	CNN, ResNet50, XGBoost	图像, 临床数据	416例肾上腺肿瘤患者
552	2025-07-05	Forecasting tuberculosis in Ethiopia using deep learning: progress toward sustainable development goal evidence from global burden of disease 1990-2021 2025-Jul-01, BMC infectious diseases IF:3.4Q2 DOI:10.1186/s12879-025-11228-3 PMID:40597736	research paper	使用深度学习预测埃塞俄比亚的结核病发病率，评估其实现可持续发展目标的进展	采用LSTM模型和混合ARIMA+LSTM模型进行结核病发病率预测，为埃塞俄比亚的结核病控制策略提供数据支持	研究仅基于历史数据进行预测，未考虑未来可能出现的突发公共卫生事件对结核病发病率的影响	预测埃塞俄比亚结核病发病率，评估其实现国家终止结核病战略目标的进展	埃塞俄比亚的结核病发病率数据	machine learning	tuberculosis	LSTM, ARIMA	multistep LSTM, hybrid ARIMA+LSTM	time series data	Global Burden of Disease数据库1990-2021年的数据
553	2025-07-05	2.5D deep learning radiomics and clinical data for predicting occult lymph node metastasis in lung adenocarcinoma 2025-Jul-01, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-01759-1 PMID:40597741	研究论文	本研究结合2.5D深度学习放射组学和临床数据，预测肺腺癌隐匿性淋巴结转移	首次将2.5D深度学习放射组学特征与临床数据结合，构建多实例学习模型预测隐匿性淋巴结转移	研究为回顾性设计，样本来自两个中心可能存在选择偏倚	提高肺腺癌隐匿性淋巴结转移的预测准确性	肺腺癌患者	数字病理学	肺癌	CT成像	2.5D深度学习模型、多实例学习(MIL)	医学影像(增强CT图像)	1099例肺腺癌患者
554	2025-07-05	Deep learning for gender estimation using hand radiographs: a comparative evaluation of CNN models 2025-Jul-01, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-01809-8 PMID:40597748	研究论文	本研究通过比较四种CNN模型，开发了一种基于深度学习的性别分类方法，用于手部X光片	首次比较了四种CNN模型在手部X光片性别分类中的性能，并发现ResNet-50表现最佳	研究样本仅限于18至65岁的成年人，且未涵盖多样化人群	开发一种快速、客观的性别分类方法，用于法医鉴定	470张18至65岁成年人的左手X光片	计算机视觉	NA	X光成像	CNN (ResNet-18, ResNet-50, InceptionV3, EfficientNet-B0)	图像	470张左手X光片
555	2025-07-05	Leveraging commonality across multiple tissue slices for enhanced whole slide image classification using graph convolutional networks 2025-Jul-01, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-01760-8 PMID:40597750	research paper	提出一种利用组织切片间共性信息增强全切片图像分类性能的新方法	通过构建切片间空间关系和特征相似性的图结构，利用图卷积网络整合多切片信息进行全切片图像分类	仅验证了胃癌和结直肠癌数据集，未在其他癌症类型上测试	提高全切片图像分类的准确性	胃癌和结直肠癌的组织切片图像	digital pathology	stomach cancer, colorectal cancer	graph convolutional networks	GCN	whole slide images	胃癌和结直肠癌数据集（具体数量未提及）
556	2025-07-05	MCAUnet: a deep learning framework for automated quantification of body composition in liver cirrhosis patients 2025-Jul-01, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-01756-4 PMID:40597795	研究论文	本研究提出了一种名为MCAUnet的深度学习框架，用于肝硬化患者身体成分的自动量化及生存分析	MCAUnet模型引入了通道视角的注意力机制，实现了关键通道特征的自适应融合，显著提升了分割精度	研究仅基于L3水平腰椎CT切片，可能无法全面反映全身身体成分	开发自动化工具以精确量化肝硬化患者身体成分并分析其与生存率的关系	肝硬化患者	数字病理学	肝硬化	CT扫描	MCAUnet（基于注意力机制的改进UNet）	CT图像	11,362张L3水平腰椎CT切片
557	2025-07-05	Cross-domain subcortical brain structure segmentation algorithm based on low-rank adaptation fine-tuning SAM 2025-Jul-01, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-01779-x PMID:40597798	研究论文	提出一种基于低秩自适应微调SAM的跨域皮层下脑结构分割算法，用于脑MRI图像分割	采用低秩自适应（LoRA）微调SAM模型，冻结图像编码器并应用LoRA近似低秩矩阵更新，同时微调轻量级提示编码器和掩码解码器，显著减少可学习参数量	未明确提及具体局限性，但跨域泛化性能可能受限于不同MRI数据集间的差异	解决脑MRI图像中皮层下结构分割的准确性和鲁棒性问题，降低临床诊断中的人工标注成本	脑MRI图像中的皮层下结构	数字病理	脑部疾病	低秩自适应（LoRA）、交互式提示学习	SAM（Segment Anything Model）	MRI图像	五个MRI数据集（IBSR、MALC、LONI、LPBA、Hammers和CANDI）
558	2025-07-05	Deep learning for automated segmentation of radiation-induced changes in cerebral arteriovenous malformations following radiosurgery 2025-Jul-01, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-01796-w PMID:40597846	研究论文	本文提出了一种深度学习算法，用于自动分割放射外科治疗后脑动静脉畸形（AVMs）周围脑组织中辐射诱导变化（RICs）的体积	使用Mask R-CNN和DeepMedic深度学习模型进行自动分割和量化，替代了传统的手动预处理方法	样本量较小（28名患者），且Dice相似系数为71.8%，仍有提升空间	开发一种自动分割和量化AVMs患者放射外科治疗后RICs体积的算法，以辅助临床决策	未破裂的脑动静脉畸形（AVMs）患者	数字病理学	脑血管疾病	MRI T2加权成像	Mask R-CNN, DeepMedic	图像	28名患者，139次定期追踪的T2w扫描
559	2025-07-05	Automatic recognition and differentiation of pulmonary contusion and bacterial pneumonia based on deep learning and radiomics 2025-Jul-01, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-01802-1 PMID:40597898	research paper	本研究利用深度学习和放射组学技术，首次实现了基于胸部CT图像的肺挫伤和细菌性肺炎的自动识别与区分	首次将人工智能技术应用于肺挫伤和细菌性肺炎的自动识别与区分，并比较了AI与人工诊断的性能差异	研究为回顾性研究，样本来源仅来自两家医院，可能存在选择偏倚	开发能够自动识别和区分肺挫伤与细菌性肺炎的人工智能系统	2179例患者的胸部CT图像（肺挫伤和细菌性肺炎病例）	digital pathology	lung cancer	radiomics	SVM, VB-net	CT图像	2179例患者（来自两家医院2016年4月至2022年7月的数据）
560	2025-07-03	Deep learning radiomics and mediastinal adipose tissue-based nomogram for preoperative prediction of postoperative‌ brain metastasis risk in non-small cell lung cancer 2025-Jul-01, BMC cancer IF:3.4Q2 DOI:10.1186/s12885-025-14466-5 PMID:40597925	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA