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
41	2025-04-29	Sweet pepper yield modeling via deep learning and selection of superior genotypes using GBLUP and MGIDI 2025-Apr-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-99779-y PMID:40289216	研究论文	通过深度学习和GBLUP、MGIDI方法对甜椒产量进行建模并筛选优良基因型	结合卷积神经网络（CNN）模型与基因组最佳线性无偏预测（GBLUP）和多性状基因型-理想型距离指数（MGIDI）方法，有效预测甜椒产量并筛选优良基因型	研究仅基于29个甜椒种质资源，样本量较小	提高甜椒产量预测的准确性并筛选优良基因型用于育种	甜椒（Capsicum annuum L.）的29个种质资源	数字农业	NA	ISSR分子标记	CNN, GBLUP, MGIDI	农艺形态性状数据、基因组数据	29个甜椒种质资源，每个种质在田间条件下进行三次重复实验
42	2025-04-29	Enhancing Transthyretin Binding Affinity Prediction with a Consensus Model: Insights from the Tox24 Challenge 2025-Apr-26, Chemical research in toxicology IF:3.7Q2 DOI:10.1021/acs.chemrestox.4c00560 PMID:40285676	研究论文	该研究通过整合多种深度学习模型，开发了一个共识模型来预测转甲状腺素蛋白（TTR）的结合亲和力，并在Tox24挑战中取得了良好表现	结合了sPhysNet、KANO和GGAP-CPI三种模型，利用不同层次的分子信息（2D拓扑、3D几何和蛋白质-配体相互作用）来提升预测准确性	虽然模型表现良好，但在盲测集上的RMSE仍有改进空间，且模型的泛化能力未在其他独立数据集中验证	提高转甲状腺素蛋白（TTR）结合亲和力的预测准确性，以识别潜在的TTR结合物	转甲状腺素蛋白（TTR）及其与外来化合物的相互作用	机器学习	内分泌系统疾病	深度学习	共识模型（sPhysNet、KANO、GGAP-CPI）	分子信息（2D拓扑、3D几何、蛋白质-配体相互作用）	Tox24挑战提供的数据集，具体样本数量未明确说明
43	2025-04-29	The value of deep learning and radiomics models in predicting preoperative serosal invasion in gastric cancer: a dual-center study 2025-Apr-26, Abdominal radiology (New York) DOI:10.1007/s00261-025-04949-1 PMID:40285792	研究论文	本研究通过深度学习与放射组学模型预测胃癌术前浆膜侵犯状态	结合手工放射组学特征、深度学习特征及临床特征构建综合预测模型，并生成可视化列线图	回顾性研究设计可能引入选择偏倚，样本量相对有限（335例）	开发非侵入性工具预测胃癌浆膜侵犯状态	胃癌患者术前CT影像及临床数据	数字病理	胃癌	CT静脉期影像分析	HCR-DLR模型（手工放射组学+深度学习放射组学）、CRC模型（临床+放射组学联合）	医学影像（CT）与临床数据	335例来自两个中心的患者数据
44	2025-04-29	Improvement of image quality of diffusion-weighted imaging (DWI) with deep learning reconstruction of the pancreas: comparison with respiratory-gated conventional DWI 2025-Apr-26, Japanese journal of radiology IF:2.9Q2 DOI:10.1007/s11604-025-01790-w PMID:40285832	research paper	本研究评估了深度学习重建（DLR）在改善胰腺扩散加权成像（DWI）质量方面的效果	比较了呼吸门控常规DWI与深度学习重建DWI在胰腺成像质量上的差异，并发现不同DWI序列在胰腺形态和病变检测方面各有优势	样本量相对较小（117例患者，其中27例有实体病变），且仅在一家机构进行	评估深度学习重建技术在胰腺扩散加权成像中的应用效果	疑似胰腺疾病的患者	digital pathology	pancreatic diseases	MRI, deep learning-based reconstruction	deep learning	image	117例患者（其中27例有实体病变）
45	2025-04-29	FOVEA: Preoperative and intraoperative retinal fundus images with optic disc and retinal vessel annotations 2025-Apr-26, Scientific data IF:5.8Q1 DOI:10.1038/s41597-025-04965-2 PMID:40287417	research paper	介绍了一个名为FOVEA的数据集，包含术前和术中视网膜眼底图像及视盘和视网膜血管标注	首个在术中领域匹配高质量标注的数据集，填补了术前和术中图像标注的空白	数据集仅包含40名患者的数据，样本量相对较小	支持深度学习在玻璃体视网膜手术中的应用，如定位兴趣点或注册额外成像模态	视网膜眼底图像及视盘和视网膜血管标注	computer vision	眼科疾病	生物显微镜成像	NA	image, video	40名患者的数据
46	2025-04-29	A non-invasive diagnostic approach for neuroblastoma utilizing preoperative enhanced computed tomography and deep learning techniques 2025-Apr-26, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-99451-5 PMID:40287486	研究论文	本研究提出了一种基于改进YOLO算法的非侵入性神经母细胞瘤诊断方法，结合增强CT和深度学习技术	提出了改进的YOLOv8-IE算法，整合了特征融合和逆残差注意力机制，提高了神经母细胞瘤的检测和分类准确率	未提及具体样本量和临床验证结果	提高神经母细胞瘤的诊断准确率和效率	神经母细胞瘤的CT影像	计算机视觉	神经母细胞瘤	增强CT扫描	YOLOv8-IE（改进的YOLO算法）	医学影像	NA
47	2025-04-29	A deep learning-based multimodal medical imaging model for breast cancer screening 2025-Apr-26, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-99535-2 PMID:40287494	research paper	本研究探索了基于多模态医学影像（乳腺X线摄影和超声图像）的乳腺癌预测模型，并与单模态模型进行了比较	提出了一种基于多模态医学影像的深度学习模型，克服了现有研究仅依赖单一类型影像数据的限制	单模态模型在敏感性方面表现更优	提高乳腺癌筛查的准确性	乳腺癌筛查	digital pathology	breast cancer	multimodal medical imaging	deep learning classification models	image	790名患者的医学影像数据，包括2,235张乳腺X线摄影图像和1,348张超声图像
48	2025-04-29	Visual analysis of deep learning semantic segmentation applied to petrographic thin sections 2025-Apr-26, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-99767-2 PMID:40287522	research paper	该研究探讨了深度学习语义分割在岩石薄片分析中的应用，特别是YOLOv11模型在检测和解释特定矿物方面的可解释性	通过颜色和奇异值扰动分析模型的推理过程，揭示了模型在检测矿物时优先考虑低频属性如形状、主要颜色和对比度	模型的广泛采用仍受限于用户对模型结果可解释性的缺乏信心	探索深度学习模型在岩石薄片分析中的可解释性，以提高用户对模型结果的信任	岩石薄片中的矿物（如红柱石、黑云母和鲕状纹理的颗粒）	computer vision	NA	深度学习语义分割	YOLOv11	image	使用平面偏振光薄片显微照片训练的三种模型
49	2025-04-29	Fast and automatic coronary artery segmentation using nnU-Net for non-contrast enhanced magnetic resonance coronary angiography 2025-Apr-26, The international journal of cardiovascular imaging DOI:10.1007/s10554-025-03408-8 PMID:40287548	研究论文	本文提出了一种基于nnU-Net的自配置深度学习方法，用于在非对比增强磁共振冠状动脉造影（MRCA）图像中自动分割冠状动脉	使用nnU-Net模型自动分割冠状动脉，解决了MRCA图像空间分辨率低和对比度不足的技术挑战	研究仅基于134名受试者的训练数据和114名受试者的测试数据，样本量相对较小	开发一种非侵入性筛查工具，用于检测冠状动脉疾病，提高早期检测率并减少对冠状动脉计算机断层扫描血管造影（CCTA）的依赖	非对比增强磁共振冠状动脉造影（MRCA）图像中的冠状动脉	数字病理学	心血管疾病	非对比增强磁共振冠状动脉造影（MRCA）	nnU-Net	图像	训练数据来自134名受试者，测试数据来自114名受试者
50	2025-04-29	Exploring the relationship between learning approaches and problem-based learning: insights from a longitudinal study in medical students 2025-Apr-26, BMC medical education IF:2.7Q1 DOI:10.1186/s12909-025-07171-1 PMID:40287686	research paper	探讨学习方式与问题导向学习（PBL）之间的关系，基于医学生的纵向研究	揭示了PBL在实际教学中未能一致促进深度学习，并识别了易受PBL环境压力的学生群体	研究样本仅来自两所大学，可能限制结果的普遍性	研究PBL课程中学习方式与学术成就及学生满意度之间的关系	英国本科医学生	教育研究	NA	Study Process Questionnaire (SPQ)	NA	问卷调查数据	129名学生
51	2025-04-29	An MRI-based fusion model for preoperative prediction of perineural invasion status in patients with intrahepatic cholangiocarcinoma 2025-Apr-26, World journal of surgical oncology IF:2.5Q1 DOI:10.1186/s12957-025-03819-w PMID:40287750	research paper	开发并验证了一种基于MRI的融合模型，用于术前预测肝内胆管癌患者的神经周围浸润状态	结合深度学习、放射组学和临床特征的融合模型，首次用于预测肝内胆管癌的神经周围浸润状态	研究为回顾性设计，样本量相对较小，外部验证集的样本量有限	术前预测肝内胆管癌患者的神经周围浸润状态	192名肝内胆管癌患者	digital pathology	intrahepatic cholangiocarcinoma	MRI, T2-weighted imaging	ResNet101, logistic regression	MRI图像	192名患者（训练集147名，外部测试集45名）
52	2025-04-29	Predictive factors and prognostic models for Hepatic arterial infusion chemotherapy in Hepatocellular carcinoma: a comprehensive review 2025-Apr-26, World journal of surgical oncology IF:2.5Q1 DOI:10.1186/s12957-025-03765-7 PMID:40287734	综述	本文全面回顾了肝动脉灌注化疗（HAIC）在肝细胞癌（HCC）治疗中的预测因素和预后模型	探讨了HAIC成功的多因素影响，包括患者人口统计学、肿瘤特征、生物标志物、基因组学特征及先进影像技术，并讨论了HAIC与免疫治疗和分子靶向治疗的协同潜力	需要大规模前瞻性研究进一步验证预测模型，并整合多组学数据以优化个性化治疗策略	优化HAIC在晚期HCC治疗中的疗效，提高患者生存率和生活质量	晚期肝细胞癌患者	数字病理学	肝细胞癌	放射组学和深度学习模型	深度学习模型	临床、分子和影像数据	NA
53	2025-04-29	Phytophagous, blood-suckers or predators? Automated identification of Chagas disease vectors and similar bugs using convolutional neural network algorithms 2025-Apr-26, Acta tropica IF:2.1Q2 DOI:10.1016/j.actatropica.2025.107621 PMID:40288198	研究论文	本研究评估了三种卷积神经网络（AlexNet、MobileNetV2和ResNet-50）在自动识别按食性分类的昆虫（'吸血'、'植食性'和'捕食性'）中的性能	首次使用深度学习技术自动识别查加斯病媒介昆虫，并通过Grad-CAM可视化预测影响区域	数据集规模相对较小（707张图片），且仅使用背部视图图片	开发自动识别查加斯病媒介昆虫的工具，以改善疾病监测和控制	按食性分类的昆虫（吸血、植食性和捕食性）	计算机视觉	查加斯病	CNN	AlexNet, MobileNetV2, ResNet-50	图像	707张背部视图昆虫图片
54	2025-04-29	Benchmarking HEp-2 cell segmentation methods in indirect immunofluorescence images - standard models to deep learning 2025-Apr-26, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110150 PMID:40288291	研究论文	本文对HEp-2细胞在间接免疫荧光图像中的分割方法进行了系统的文献回顾和基准测试	系统地比较了传统图像处理、机器学习分类器、深度卷积神经网络和生成对抗网络在HEp-2细胞分割中的表现，并提出了领域特定预训练和数据增强策略	GAN在分割中的表现受到数据限制和对抗训练不稳定性的影响	评估和比较不同方法在HEp-2细胞分割中的性能	HEp-2细胞在间接免疫荧光图像中的分割	计算机视觉	自身免疫疾病	间接免疫荧光(IIF)	CNN, GAN, Transformer	图像	I3A数据集
55	2025-04-29	Vision transformer and deep learning based weighted ensemble model for automated spine fracture type identification with GAN generated CT images 2025-Apr-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-98518-7 PMID:40274849	研究论文	提出了一种基于Vision Transformer和深度学习的加权集成模型，用于自动化识别脊柱骨折类型，并利用GAN生成的CT图像进行增强	开发了一种新颖的Vision Transformer和深度学习模型的集成模型，并利用扩展的DCGAN和PGGAN进行数据增强，提高了脊柱骨折类型识别的准确性	研究依赖于单一三级医院的CT扫描数据，可能影响模型的泛化能力	开发自动化方法以准确识别脊柱骨折类型，辅助骨科医生进行早期诊断	脊柱骨折（颈椎、胸椎和腰椎区域的椎体骨折）	计算机视觉	脊柱骨折	CT扫描、DCGAN、PGGAN	Vision Transformer (ViT)、VGG16、ResNet50、DenseNet121	CT图像	来自三级医院的CT扫描数据（具体数量未提及）
56	2025-04-29	DeepOmicsSurv: a deep learning-based model for survival prediction of oral cancer 2025-Apr-25, Discover oncology IF:2.8Q2 DOI:10.1007/s12672-025-02346-0 PMID:40278990	research paper	该研究提出了一种基于深度学习的模型DeepOmicsSurv，用于利用临床和多组学数据预测口腔癌患者的生存时间	DeepOmicsSurv模型在DeepSurv模型的基础上，结合了多头注意力卷积层、dropout、池化和批量归一化等技术，提高了预测的准确性和强度	NA	预测口腔癌患者的生存时间以指导治疗决策	口腔癌患者	digital pathology	oral cancer	multi-omics data analysis	DeepOmicsSurv (基于DeepSurv改进的深度学习模型)	临床和多组学数据	NA
57	2025-04-29	Migration of Deep Learning Models Across Ultrasound Scanners 2025-Apr-25, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3564567 PMID:40279236	research paper	本文提出了一种黑盒无监督域适应技术，用于在定量超声（QUS）中将深度学习模型的功能从一台超声机器迁移到另一台机器	结合传递函数方法和迭代模式，实现了深度学习模型在不同超声机器间的功能迁移，无需了解模型内部信息	需要测试机器的未标记数据，且可能带来临床部署中的安全风险	研究深度学习模型在不同超声机器间的迁移能力及其临床应用潜力	超声机器（SonixOne和Verasonics）及其采集的定量超声数据	digital pathology	NA	transfer function approach, unsupervised domain adaptation	DL model	ultrasound data	使用SonixOne和Verasonics两台机器采集的数据
58	2025-04-29	Uncertainty Quantification and Quality Control for Heatmap-based Landmark Detection Models 2025-Apr-25, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3564267 PMID:40279223	研究论文	本文提出了一种专为基于热图的解剖标志检测模型设计的端到端不确定性量化方法，旨在提高临床应用的解释性和可控性	利用Dempster-Shafer理论和主观逻辑理论，通过单次前向传递实现概率分配和不确定性量化，同时引入证据图和不确定性图来改进标志检测精度和不确定性量化效果	NA	提高基于热图的解剖标志检测模型的不确定性量化和质量控制能力	解剖标志检测模型	计算机视觉	NA	Dempster-Shafer理论，主观逻辑理论	深度学习模型	图像	NA
59	2025-04-29	Robust Unsupervised Deep Learning for Nonblind Image Deconvolution With Inaccurate Kernels 2025-Apr-25, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2025.3556867 PMID:40279234	research paper	提出了一种完全无监督的深度学习方法，用于处理带有不准确核的非盲图像去卷积问题	利用无GT的端到端训练过程，有效处理测量噪声和核误差，提出自重建损失和自集成损失函数	未提及具体局限性	解决非盲图像去卷积中核不准确的问题	噪声模糊图像及其相关模糊核	computer vision	NA	deep learning	NA	image	未提及具体样本数量
60	2025-04-29	Deep Learning-Augmented Sleep Spindle Detection for Acute Disorders of Consciousness: Integrating CNN and Decision Tree Validation 2025-Apr-25, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3562067 PMID:40279237	研究论文	提出了一种结合CNN和决策树验证的深度学习增强算法，用于急性意识障碍患者的自动睡眠纺锤波检测	结合卷积神经网络和决策树辅助验证，利用小波变换原理提高检测准确性和灵敏度，特别是针对急性意识障碍患者中常见的慢速纺锤波	样本量较小（MASS SS2 n=19，自录数据集n=24），且仅在特定患者群体中验证	提高急性意识障碍患者睡眠纺锤波的自动检测精度，并探索纺锤波密度与患者预后的关系	急性意识障碍患者	数字病理	急性意识障碍	小波变换	CNN与决策树结合	睡眠脑电图数据	MASS SS2数据集19例，自录ADOC患者数据集24例