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
6641	2025-02-20	A multimodal deep learning model for cervical pre-cancers and cancers prediction: Development and internal validation study 2025-Mar, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109710 PMID:39847948	研究论文	本文开发并内部验证了一种结合临床数据和阴道镜图像的多模态深度学习模型，用于预测宫颈癌前病变和癌症	提出了一种结合临床数据和阴道镜图像的多模态深度学习模型，用于预测宫颈癌前病变和癌症，并展示了其在减少不必要锥切手术方面的潜力	需要外部验证研究以评估模型的普适性	开发一种深度学习模型，用于预测宫颈癌前病变和癌症，并评估其临床影响	6356例LEEP锥切/锥切活检病例（金标准诊断）	数字病理	宫颈癌	深度学习	多模态深度学习模型	临床数据和阴道镜图像	6356例LEEP锥切/锥切活检病例
6642	2025-02-20	Monkeypox diagnosis based on probabilistic K-nearest neighbors (PKNN) algorithm 2025-Mar, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109676 PMID:39855034	研究论文	本文提出了一种基于人工智能的猴痘诊断新方法，称为有效猴痘诊断策略（EMDS），通过预处理阶段和诊断阶段实现	本文的创新点在于：1）引入了一种基于四分位距（IQR）的新方法从输入图像数据集中拒绝异常值；2）提出了一种新的K-近邻分类器实例，称为概率K-近邻（PKNN）算法，结合了传统KNN的距离证据和朴素贝叶斯算法的概率定理	NA	开发一种基于人工智能的猴痘诊断方法，提高诊断准确性和效率	猴痘皮肤图像和病变数据集（MSID和MSLD）	计算机视觉	猴痘	深度学习	GoogleNet, PKNN	图像	两个公开的猴痘数据集（MSID和MSLD）
6643	2025-02-20	Enhanced brain tumor detection and segmentation using densely connected convolutional networks with stacking ensemble learning 2025-Mar, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109703 PMID:39862469	研究论文	本研究旨在通过实施先进的堆叠集成学习（SEL）方法，提高脑肿瘤（BT）检测和分割的准确性和分类效果	提出了一种名为SEL-DenseNet201的堆叠DenseNet201作为元模型，结合了六种不同的基础模型，以增强脑肿瘤MRI图像的分割性能	研究中未提及样本的具体数量，且未讨论模型在实际临床环境中的适用性和泛化能力	提高脑肿瘤检测和分割的准确性，以支持早期诊断和治疗规划	脑肿瘤的MRI图像	计算机视觉	脑肿瘤	MRI图像分析	DenseNet201, MobileNet-v3, 3D-CNN, VGG-16, VGG-19, ResNet50, AlexNet	图像	NA
6644	2025-02-20	NetSDR: Drug repurposing for cancers based on subtype-specific network modularization and perturbation analysis 2025-Mar, Biochimica et biophysica acta. Molecular basis of disease DOI:10.1016/j.bbadis.2025.167688 PMID:39862994	研究论文	本文提出了NetSDR，一种基于网络的亚型特异性药物重定位框架，用于优先考虑特定癌症亚型的重定位药物	NetSDR框架通过整合癌症亚型信息和网络扰动分析，结合深度学习构建加权药物响应网络，提出了一种新的药物重定位方法	NA	开发一种基于网络的亚型特异性药物重定位框架，以优先考虑特定癌症亚型的重定位药物	癌症亚型	系统生物学	癌症	网络医学方法、深度学习	深度学习	蛋白质组学数据	NA
6645	2025-02-20	A robust and generalized framework in diabetes classification across heterogeneous environments 2025-Mar, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109720 PMID:39864329	研究论文	本研究提出了一种鲁棒的机器学习框架，用于在不同人群中预测糖尿病，使用PIMA和BD两个不同的数据集进行验证	提出了一个跨异构环境的糖尿病分类框架，通过数据集内、数据集间和部分融合数据集验证技术，全面评估模型的泛化能力和性能	模型在跨数据集验证时性能下降，尤其是在BD数据集上训练并在PIMA数据集上测试时，准确率仅为74%	开发一个鲁棒的机器学习框架，以提高糖尿病预测在不同人群中的泛化能力和准确性	女性人群中的糖尿病预测	机器学习	糖尿病	机器学习	XGBoost, Random Forest, Gradient Boosting, 深度学习模型	结构化数据	PIMA和BD两个数据集
6646	2025-02-20	Enhancing cardiovascular disease classification in ECG spectrograms by using multi-branch CNN 2025-Mar, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109737 PMID:39864336	研究论文	本文提出并比较了一维（1D）、二维（2D）卷积神经网络（CNN）和多分支卷积神经网络（MB-CNN）在从一维（1D）心电图（ECG）记录的频谱图中分类各种心血管疾病（CVD）的性能	提出了一种多分支卷积神经网络（MB-CNN），能够捕捉不同层次的抽象特征，从而提高了心血管疾病的分类精度	NA	提高从心电图频谱图中分类心血管疾病的准确性	心血管疾病（包括扩张型心肌病、肥厚型心肌病、心肌梗死和冠状动脉疾病）	计算机视觉	心血管疾病	连续小波变换（CWT）	1D CNN, 2D CNN, MB-CNN	图像（ECG频谱图）	MIT-BIH数据库中的5类ECG记录
6647	2025-02-20	OCDet: A comprehensive ovarian cell detection model with channel attention on immunohistochemical and morphological pathology images 2025-Mar, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109713 PMID:39864335	研究论文	本文提出了一种名为OCDet的卵巢细胞检测模型，该模型结合了通道注意力机制，能够在免疫组化和形态学病理图像上全面检测多种卵巢癌细胞	OCDet模型首次结合了通道注意力机制，能够高效提取病理特征，并在多种卵巢癌细胞的检测上表现出色	虽然OCDet在卵巢癌细胞检测上表现出色，但其在其他癌症类型上的应用潜力尚未完全验证	开发一种高效的深度学习框架，用于卵巢癌病理诊断中的多种细胞检测	卵巢癌相关的多种细胞，包括CD3、CD8、CD20阳性淋巴细胞、中性粒细胞和多倍体巨癌细胞	数字病理	卵巢癌	深度学习	CSPDarkNet结合Efficient Channel Attention模块	图像	未明确提及具体样本数量
6648	2025-02-20	A deep architecture based on attention mechanisms for effective end-to-end detection of early and mature malaria parasites in a realistic scenario 2025-Mar, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109704 PMID:39869986	研究论文	本文提出了一种基于深度学习和注意力机制的计算机辅助检测框架，用于有效检测和分类疟疾寄生虫的所有感染阶段，并支持多物种识别	该研究扩展了YOLO-SPAM和YOLO-PAM模型，结合注意力机制，提高了疟疾寄生虫检测的准确性和诊断实用性	NA	开发一种自动化疟疾检测解决方案，以支持病理学家并增强现实世界中的诊断实践	疟疾寄生虫	计算机视觉	疟疾	深度学习	YOLO-SPAM, YOLO-PAM	图像	三个公开可用的数据集
6649	2025-02-20	Detecting IDH and TERTp mutations in diffuse gliomas using 1H-MRS with attention deep-shallow networks 2025-Mar, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109736 PMID:39874812	研究论文	本研究开发了深度学习分类器，利用质子磁共振波谱（1H-MRS）和一维卷积神经网络（1D-CNN）架构来识别胶质瘤中的IDH和TERTp突变	使用注意力机制的深浅网络（ADSN）进行突变检测，并利用Grad-CAM技术解释模型的决策过程	样本量相对较小，仅包括225名患者	开发非侵入性方法，用于术前检测胶质瘤中的IDH和TERTp突变，以帮助预后和治疗计划	225名成人半球弥漫性胶质瘤患者的1H-MRS数据	数字病理学	胶质瘤	1H-MRS, 深度学习	1D-CNN, 注意力深浅网络（ADSN）	光谱数据	225名患者（117名IDH突变，108名IDH野生型；99名TERTp突变，100名TERTp野生型）
6650	2025-02-20	Post-Training Network Compression for 3D Medical Image Segmentation: Reducing Computational Efforts via Tucker Decomposition 2025-Mar, Radiology. Artificial intelligence DOI:10.1148/ryai.240353 PMID:39812583	研究论文	本文研究了通过Tucker分解减少基于3D CT的多器官分割模型TotalSegmentator的计算负担	提出了一种基于Tucker分解的网络压缩方法，显著减少了模型参数和浮点运算，同时保持了分割精度	不同GPU架构上的实际加速效果存在差异，尤其是在性能较低的硬件上	减少医学图像分割模型的计算需求	TotalSegmentator模型	计算机视觉	NA	Tucker分解	nnU-Net	3D CT图像	1228个分割CT扫描（训练集）和89个CT扫描（测试集）
6651	2025-02-20	Hybrid deep learning for computational precision in cardiac MRI segmentation: Integrating Autoencoders, CNNs, and RNNs for enhanced structural analysis 2025-Mar, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109597 PMID:39967188	研究论文	本研究探讨了混合深度学习方法在心脏MRI分割中的应用，结合了自编码器、卷积神经网络和循环神经网络，以提高图像分析的精确度和准确性	结合自编码器、卷积神经网络和循环神经网络的混合深度学习框架，显著提高了心脏MRI分割的准确性和图像质量	研究主要依赖于过去五年内的学术数据库和出版物，可能未涵盖最新的技术进展	提高心脏MRI分割的精确度和准确性，以支持早期诊断和患者护理	心脏MRI图像	计算机视觉	心血管疾病	深度学习	自编码器、CNN、RNN	图像	NA
6652	2024-09-20	Comment on: "Deep learning-based surgical phase recognition in laparoscopic cholecystectomy" 2025-Feb-28, Annals of hepato-biliary-pancreatic surgery IF:1.1Q3 DOI:10.14701/ahbps.24-149 PMID:39295321	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
6653	2025-02-20	Deep learning-based video-level view classification of two-dimensional transthoracic echocardiography 2025-Feb-19, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/adb493 PMID:39933194	研究论文	本文提出了一种基于深度学习的视频级别二维经胸超声心动图（TTE）视图分类框架TTESlowFast，旨在满足临床需求	提出了基于SlowFast架构的TTESlowFast框架，结合采样平衡策略和数据增强策略，解决了类别不平衡和标记TTE视频有限的问题	未详细探讨在真实临床环境中的性能表现	开发一种准确且高效的视频级别TTE视图分类方法，以满足临床需求	二维经胸超声心动图（TTE）视频	计算机视觉	心血管疾病	深度学习	SlowFast	视频	未明确提及具体样本数量
6654	2025-02-20	Deep Learning-Based Signal Amplification of T1-Weighted Single-Dose Images Improves Metastasis Detection in Brain MRI 2025-Feb-19, Investigative radiology IF:7.0Q1 DOI:10.1097/RLI.0000000000001166 PMID:39961132	研究论文	本研究探讨了基于深度学习的信号放大技术在单剂量T1加权脑MRI图像中的应用，以提高脑转移瘤的检测能力	使用深度学习技术从单剂量T1加权图像生成人工双剂量图像，以提高脑转移瘤的检测灵敏度	人工双剂量图像在提高检测灵敏度的同时，可能会增加假阳性发现	测试深度学习技术在单剂量T1加权脑MRI图像中生成人工双剂量图像的效果，以提高脑转移瘤的检测能力	30名参与者（平均年龄58.5岁，23名女性）的单剂量T1加权脑MRI图像	医学影像分析	脑转移瘤	深度学习	NA	图像	30名参与者的脑MRI图像
6655	2025-02-20	Moving Beyond CT Body Composition Analysis: Using Style Transfer for Bringing CT-Based Fully-Automated Body Composition Analysis to T2-Weighted MRI Sequences 2025-Feb-19, Investigative radiology IF:7.0Q1 DOI:10.1097/RLI.0000000000001162 PMID:39961134	研究论文	本研究提出了一种基于深度学习的自动身体成分分析方法，使用MR T2加权序列进行身体成分分析	通过将CT分割映射到使用CycleGAN生成的合成MR图像上，实现了从CT到MRI的身体成分分析，并利用nnU-Net模型进行3D和2D分割	研究中使用的合成数据对数量较少（30对），可能影响模型的泛化能力	开发一种自动化方法，用于从T2加权MRI序列中提取身体成分分析参数	120名患者的T2加权MRI序列	计算机视觉	NA	CycleGAN, nnU-Net	nnU-Net V2 (3D和2D)	图像（MRI序列）	120名患者（46%女性，中位年龄56岁）
6656	2025-02-20	Prediction of adverse pathology in prostate cancer using a multimodal deep learning approach based on [18F]PSMA-1007 PET/CT and multiparametric MRI 2025-Feb-19, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-025-07134-0 PMID:39969539	研究论文	本研究开发并评估了一种基于[18F]PSMA-1007 PET/CT和多参数MRI（mpMRI）的多模态深度学习模型，用于预测前列腺癌患者的不良病理（AP）	该研究首次将[18F]PSMA-1007 PET/CT与mpMRI结合，构建了一个多模态深度学习模型（MPC），并进一步整合临床特征构建了集成模型（MPCC），显著提高了预测AP的能力	研究为回顾性分析，可能存在选择偏差，且样本量相对较小，需要进一步的前瞻性研究验证	开发并评估一种多模态深度学习模型，用于预测前列腺癌患者的不良病理（AP）	341名接受根治性前列腺切除术（RP）并进行了mpMRI和PET/CT扫描的前列腺癌患者	数字病理	前列腺癌	深度学习	卷积神经网络（CNN）和Transformer	图像（PET/CT和mpMRI）	341名前列腺癌患者
6657	2025-02-20	Robust and generalizable artificial intelligence for multi-organ segmentation in ultra-low-dose total-body PET imaging: a multi-center and cross-tracer study 2025-Feb-19, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-025-07156-8 PMID:39969540	研究论文	本研究开发并验证了一种深度学习模型，用于在不同成像条件和示踪剂下进行多器官PET分割，解决了完全基于PET的定量分析的关键需求	该模型在多种成像条件、中心和示踪剂下实现了有效的、完全基于PET的多器官分割，展示了高鲁棒性和泛化能力	本研究为回顾性研究，基于已收集的数据，可能受到数据质量和多样性的限制	开发并验证一种深度学习模型，用于在不同成像条件和示踪剂下进行多器官PET分割	798名来自多个中心的患者，使用不同示踪剂进行PET成像	医学影像分析	NA	深度学习	3D深度学习模型	PET图像	798名患者
6658	2025-02-20	Comparison of different dental age estimation methods with deep learning: Willems, Cameriere-European, London Atlas 2025-Feb-19, International journal of legal medicine IF:2.2Q1 DOI:10.1007/s00414-025-03452-y PMID:39969569	研究论文	本研究比较了使用Willems、Cameriere-Europe、London Atlas和深度学习方法在土耳其儿童的全景X光片上进行牙龄估计的效果	首次将深度学习方法与传统牙龄估计方法（Willems、Cameriere-Europe、London Atlas）进行比较，并应用于土耳其儿童的全景X光片	London Atlas方法仅适用于男孩的牙龄预测，其他方法（Willems、Cameriere-Europe和深度学习方法）需要进一步修订	比较不同牙龄估计方法的准确性，特别是深度学习方法与传统方法的差异	1169名土耳其儿童（613名女孩，556名男孩）的全景X光片	计算机视觉	NA	深度学习	卷积神经网络（CNN）	图像（全景X光片）	1169名儿童（613名女孩，556名男孩）
6659	2025-02-20	Sex estimation with convolutional neural networks using the patella magnetic resonance image slices 2025-Feb-19, Forensic science, medicine, and pathology DOI:10.1007/s12024-025-00943-7 PMID:39969760	研究论文	本研究通过开发的模型，使用EfficientNetB3、MobileNetV2、VGG16、ResNet50和DenseNet121架构，在髌骨磁共振图像上进行性别估计	首次在髌骨磁共振图像切片上应用多种深度学习架构进行性别估计，无需使用传统的形态测量方法	样本量相对较小，仅包含696名患者，且未对不同年龄段或种族群体进行细分分析	开发自动化的性别估计方法，减少对经验丰富人员的依赖并提高效率	696名患者（293名男性和403名女性）的6710张髌骨磁共振图像切片	计算机视觉	NA	磁共振成像（MRI）	CNN（包括EfficientNetB3、MobileNetV2、VGG16、ResNet50和DenseNet121）	图像	696名患者的6710张髌骨磁共振图像切片
6660	2025-02-20	Artificial intelligence in the management of metabolic disorders: a comprehensive review 2025-Feb-19, Journal of endocrinological investigation IF:3.9Q2 DOI:10.1007/s40618-025-02548-x PMID:39969797	综述	本文综述了人工智能在代谢性疾病管理中的重要作用，包括糖尿病、肥胖、代谢功能障碍相关脂肪肝病和甲状腺功能障碍	本文综合探讨了AI在代谢性疾病管理中的多种应用，如早期诊断、个性化治疗、风险评估和生物标志物发现，并强调了AI与临床实践结合的革命性潜力	本文提到AI实施中的挑战和伦理考虑，如数据隐私、模型可解释性和偏见缓解，但未深入探讨具体解决方案	探讨人工智能在代谢性疾病管理中的应用及其潜力	代谢性疾病，包括糖尿病、肥胖、代谢功能障碍相关脂肪肝病和甲状腺功能障碍	自然语言处理, 计算机视觉, 机器学习	代谢性疾病	机器学习(ML), 深度学习(DL), 自然语言处理(NLP), 强化学习	NA	NA	NA