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
661	2025-05-10	Deep-learning-based diagnosis framework for ankle-brachial index defined peripheral arterial disease of lower extremity wound: Comparison with physicians 2025-May, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108654 PMID:39978141	研究论文	本研究提出了一种基于深度学习的框架，用于检测和分类下肢伤口患者的周围动脉疾病（PAD）和周围动脉闭塞性疾病（PAOD），并与医生的诊断结果进行比较	首次使用CNN-based深度学习算法（AlexNet、GoogleNet和ResNet101V2）对下肢伤口患者的PAD进行检测和分类，并与医生的诊断结果进行对比	未提及样本量的具体细节，且仅比较了三种CNN模型和两类医生的诊断结果，可能缺乏更广泛的验证	建立一种自动检测和分类下肢伤口患者PAD和PAOD的深度学习框架	下肢伤口患者	数字病理学	周围动脉疾病	深度学习	CNN（AlexNet、GoogleNet、ResNet101V2）	图像	NA
662	2025-05-10	SegFormer3D: Improving the Robustness of Deep Learning Model-Based Image Segmentation in Ultrasound Volumes of the Pediatric Hip 2025-May, Ultrasound in medicine & biology DOI:10.1016/j.ultrasmedbio.2024.12.013 PMID:39979183	研究论文	提出SegFormer3D模型，用于提高儿科髋关节超声体积图像分割的鲁棒性	首次将SegFormer架构扩展到3D，提高了在解剖结构和数据分辨率变化下的分割准确性和鲁棒性	当前技术的鲁棒性仍不足以可靠地部署到实际临床工作流程中	改进儿科髋关节发育不良(DDH)的超声图像分割技术	儿科患者的髋关节超声体积图像	计算机视觉	儿科疾病	3D超声成像	SegFormer3D (基于Transformer的模型)	3D超声图像	儿科患者的临床数据测试集
663	2025-05-10	Electrocardiographic-Driven artificial intelligence Model: A new approach to predicting One-Year mortality in heart failure with reduced ejection fraction patients 2025-May, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2025.105843 PMID:39986123	研究论文	利用深度学习AI模型预测射血分数降低的心力衰竭患者一年死亡率	开发了一种基于心电图数据的深度学习AI模型，用于预测HFrEF患者的一年死亡率，具有高敏感性和阴性预测值	研究仅基于两家医院的数据，可能无法完全代表所有HFrEF患者	提高HFrEF患者一年死亡率的预测准确性	射血分数降低的心力衰竭患者	机器学习	心血管疾病	深度学习	深度学习模型	心电图数据	3,894名HFrEF患者（64%男性，平均年龄64.3岁，平均射血分数29.8%）和16,228份独立心电图
664	2025-05-10	NICE polyp feature classification for colonoscopy screening 2025-May, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-025-03338-9 PMID:40075052	研究论文	本研究开发了一种多类分类器，用于独立分类NICE分类中的三个关键特征，以提高结肠镜检查中息肉分类的准确性	采用独立分类方法对NICE分类中的三个关键特征进行分类，优先考虑临床相关特征而非手工或深奥的深度学习特征	未提及样本量的具体细节，且仅测试了内部和公共数据集	提高结肠镜检查中息肉分类的准确性，以改善结直肠癌的诊断	结肠镜检查中的息肉	数字病理学	结直肠癌	多类分类器	NA	图像	NA
665	2025-05-10	VisionGuard: enhancing diabetic retinopathy detection with hybrid deep learning 2025-May, Expert review of medical devices IF:2.9Q3 DOI:10.1080/17434440.2025.2486476 PMID:40156773	研究论文	本文提出了一种名为MobileFusionNet的新型混合深度学习模型，用于增强糖尿病视网膜病变的检测	结合MobileNet和GoogleNet架构的优势，开发了一种适用于移动设备的高效糖尿病视网膜病变检测方法	未提及模型在多样化人群或不同设备上的泛化能力	开发一种高效准确的糖尿病视网膜病变自动检测方法	糖尿病视网膜病变患者的视网膜图像	计算机视觉	糖尿病视网膜病变	HOG特征提取和LDA降维	MobileFusionNet（基于MobileNet和GoogleNet的混合模型）	图像	大规模视网膜图像数据集（具体数量未提及）
666	2025-05-10	Automatic Quantification of Serial PET/CT Images for Pediatric Hodgkin Lymphoma Using a Longitudinally Aware Segmentation Network 2025-May, Radiology. Artificial intelligence DOI:10.1148/ryai.240229 PMID:39969278	research paper	开发了一种纵向感知分割网络（LAS-Net），用于量化儿童霍奇金淋巴瘤患者的系列PET/CT图像	LAS-Net引入了纵向交叉注意力机制，使得PET1的相关特征可以用于分析PET2	外部测试队列的性能略有下降	开发一种能够量化儿童霍奇金淋巴瘤患者系列PET/CT图像的纵向感知分割网络	297名儿童霍奇金淋巴瘤患者的基线（PET1）和中期（PET2）PET/CT图像	digital pathology	Hodgkin lymphoma	PET/CT	CNN	image	297名儿童患者（内部数据集200名，外部测试数据集97名）
667	2025-05-10	FetDTIAlign: A deep learning framework for affine and deformable registration of fetal brain dMRI 2025-May-01, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2025.121190 PMID:40221066	research paper	提出了一种名为FetDTIAlign的深度学习框架，专门用于胎儿脑部dMRI的仿射和可变形配准	FetDTIAlign采用了新颖的双编码器架构和基于迭代特征的推理，有效减少了噪声和低分辨率的影响，实现了精确配准	方法在低质量和快速发育的胎儿脑部数据上的适用性仍需进一步验证	解决胎儿脑部dMRI数据在跨扫描和跨受试者空间对齐上的挑战	胎儿脑部dMRI数据	digital pathology	NA	dMRI	deep learning	image	涵盖孕龄23至36周的60个白质束数据集
668	2025-05-10	The retinal age gap: an affordable and highly accessible biomarker for population-wide disease screening across the globe 2025-May, Proceedings. Biological sciences DOI:10.1098/rspb.2024.2233 PMID:40328303	研究论文	本研究评估了视网膜年龄差（RAG）作为一种新型生物标志物在广泛疾病筛查中的潜力	提出了一种非侵入性、成本效益高的新型生物标志物RAG，适用于全球范围内的疾病筛查，特别是在低收入和中等收入国家	研究主要基于UK Biobank和BRSET的数据，可能无法完全代表全球所有人群	评估RAG作为广泛疾病筛查生物标志物的潜力	UK Biobank和BRSET的参与者	数字病理学	多种疾病（包括慢性肾病、心血管疾病、失明、视力丧失和糖尿病等）	深度学习	深度学习模型	图像（眼底图像）	UK Biobank的86,522名参与者和BRSET的8,524名参与者
669	2025-05-10	Pathological Aging of Patients With Amyotrophic Lateral Sclerosis: A Preliminary Longitudinal Study 2025-May, Brain and behavior IF:2.6Q3 DOI:10.1002/brb3.70484 PMID:40329780	研究论文	这项纵向研究通过评估肌萎缩侧索硬化症（ALS）患者的大脑结构年龄与实足年龄之间的差异，探索了其与认知和功能衰退的关联	首次使用深度学习衍生的脑结构年龄（BSA）来研究ALS患者的病理性大脑老化，并发现BSA与执行功能下降相关	样本量较小（仅10名ALS患者和10名健康对照），需要更大规模的队列验证	研究ALS患者的病理性大脑老化及其与认知和功能衰退的关系	10名肢体起病的ALS患者和10名人口统计学匹配的健康对照	数字病理学	肌萎缩侧索硬化症	结构磁共振成像（sMRI）	深度学习	图像	10名ALS患者和10名健康对照
670	2025-05-10	Learning the complexity of urban mobility with deep generative network 2025-May, PNAS nexus IF:2.2Q1 DOI:10.1093/pnasnexus/pgaf081 PMID:40330108	research paper	该文章介绍了一种名为DeepMobility的深度生成协作网络，旨在通过统一模型捕捉城市流动性的多面性	首次提出通过双向协作整合微观和宏观动态的生成深度学习模型，能够生成高保真合成流动性数据	未明确提及具体局限性	研究城市流动性复杂性，支持可持续和宜居城市的流动性数据生成	城市规模个体移动、人口流动和城市形态	machine learning	NA	deep generative network	DeepMobility	mobility trajectories and flows	中国和塞内加尔城市的移动轨迹和流动数据
671	2025-05-10	InsightNet: A Deep Learning Framework for Enhanced Plant Disease Detection and Explainable Insights 2025-May, Plant direct IF:2.3Q2 DOI:10.1002/pld3.70076 PMID:40330704	研究论文	本文提出了一种名为InsightNet的深度学习框架，用于增强植物疾病检测并提供可解释的见解	基于MobileNet架构的深度学习模型，通过更深的卷积层、dropout正则化和全连接层设计，显著提高了番茄、豆类和辣椒植物疾病分类的准确率，并利用Grad-CAM解释模型决策过程	NA	通过开发先进的深度学习模型，提高植物健康状况，实现多种植物疾病的检测和分类	番茄、豆类和辣椒植物的疾病	计算机视觉	植物疾病	深度学习	MobileNet	图像	NA
672	2025-05-10	Optimizing Stroke Risk Prediction: A Primary Dataset-Driven Ensemble Classifier With Explainable Artificial Intelligence 2025-May, Health science reports IF:2.1Q3 DOI:10.1002/hsr2.70799 PMID:40330769	研究论文	本研究提出了一种新型集成方法，结合多种机器学习算法和可解释人工智能技术，用于预测中风风险	开发了一种新型集成分类器，结合AdaBoost、GBM、MLP和RF算法，并整合了SHAP和LIME等XAI技术以提高预测准确性和模型可解释性	未来工作需要结合深度学习和医学影像技术以进一步提高分类准确性和模型性能	优化中风风险预测模型，减少中风对全球健康的影响	医院收集的主要数据集（包含病史和临床参数）和次要数据集	机器学习	心血管疾病	AdaBoost, GBM, MLP, RF, SHAP, LIME	集成分类器	医疗历史和临床参数	两个数据集（主要数据集和次要数据集）
673	2025-05-10	Recent Advancements in Neuroimaging-Based Alzheimer's Disease Prediction Using Deep Learning Approaches in e-Health: A Systematic Review 2025-May, Health science reports IF:2.1Q3 DOI:10.1002/hsr2.70802 PMID:40330773	系统性综述	本文综述了深度学习在神经影像学中用于阿尔茨海默病预测的最新进展	探讨了基于CNN的技术，特别是使用混合和迁移学习框架的方法，以及多模态神经影像数据的结合使用	方法可解释性、数据异质性和数据有限性等问题仍然存在	提高阿尔茨海默病的早期诊断准确性和分类	阿尔茨海默病患者	数字病理学	老年疾病	MRI, PET, fMRI	CNN, 混合和迁移学习框架	神经影像数据	NA
674	2025-05-10	Brain multi modality image inpainting via deep learning based edge region generative adversarial network 2025-May, Technology and health care : official journal of the European Society for Engineering and Medicine IF:1.4Q3 DOI:10.1177/09287329241300986 PMID:40331553	research paper	该研究提出了一种基于深度学习的边缘区域生成对抗网络（DS-GAN）用于脑部多模态图像修复	提出DS-GAN模型，结合GS-CNN分割和EGAN边缘重建，用于脑部MRI图像修复，提高了准确性和图像质量	研究未提及模型在不同类型脑肿瘤或不同MRI设备上的泛化能力	解决脑部MRI图像处理中因异常组织导致的图像失真或偏差问题	脑部MRI图像	digital pathology	brain tumor	MRI	DS-GAN, GS-CNN, EGAN	image	NA
675	2025-05-10	Speckle pattern analysis with deep learning for low-cost stroke detection: a phantom-based feasibility study 2025-May, Journal of biomedical optics IF:3.0Q2 DOI:10.1117/1.JBO.30.5.056003 PMID:40337176	研究论文	本研究探讨了结合激光散斑技术和深度学习在低成本中风检测中的可行性	首次将激光散斑模式分析与3D卷积神经网络结合，用于模拟中风条件下的血流状态分类	研究仅在组织模型上进行，尚未考虑颅骨光学特性等体内实际因素	评估激光散斑技术结合深度学习在中风检测中的可行性	模拟不同血流状态的人工动脉组织模型	数字病理	心血管疾病	激光散斑成像技术	3D CNN (X3D_M)	视频序列	不同直径(3-6mm)和深度(0-10mm)的人工动脉组织模型
676	2025-05-10	Deep learning empowered gadolinium-free contrast-enhanced abbreviated MRI for diagnosing hepatocellular carcinoma 2025-May, JHEP reports : innovation in hepatology IF:9.5Q1 DOI:10.1016/j.jhepr.2025.101392 PMID:40337547	research paper	本研究开发了一种基于深度学习的无钆对比增强简略MRI（DL-aMRI）协议，用于诊断肝细胞癌（HCC）	利用稳定扩散模型生成对比增强MRI图像，无需使用对比剂，显著缩短扫描时间	研究为回顾性设计，需前瞻性研究进一步验证	开发高效、无对比剂的HCC诊断方法	肝细胞癌（HCC）患者	digital pathology	liver cancer	MRI, deep learning	stable diffusion-based DL model	MRI图像	1,769名患者（913名HCC患者）
677	2025-05-10	Quantifying the most probable dynamics of a particle inside a sphere 2025-May-01, Chaos (Woodbury, N.Y.) DOI:10.1063/5.0266454 PMID:40338950	研究论文	本研究结合随机过程建模与深度学习技术，量化了球形几何内受限扩散粒子的最可能过渡时间和路径	开发了一个结合随机微分方程数值模拟与基于Onsager-Machlup变分原理训练的神经网络架构的计算框架，用于系统识别熵优化的扩散轨迹	NA	研究球形几何内受限扩散粒子的统计主导过渡动力学，特别是从球心到任意边界点的最可能过渡时间和路径	球形几何内受限扩散的粒子	生物物理学	NA	随机微分方程数值模拟与深度学习	神经网络	模拟数据	NA
678	2025-05-10	The impact of partner interaction on brief social buffering in adolescent female rats as analyzed by deep learning-based object detection algorithms 2025-Apr-29, Physiology & behavior IF:2.4Q2 DOI:10.1016/j.physbeh.2025.114934 PMID:40311725	research paper	研究通过深度学习算法分析伴侣互动对青春期雌性大鼠短暂社会缓冲的影响	使用YOLOv8和BoT-SORT深度学习算法减少人为偏见并分析人类无法获取的变量	研究仅针对青春期Sprague-Dawley大鼠，结果可能不适用于其他年龄段或物种	探究短暂社会接触是否足以诱导社会缓冲，尤其是雌性大鼠	青春期Sprague-Dawley大鼠（4-5周龄，雄性和雌性）	machine learning	NA	YOLOv8, BoT-SORT	deep learning-based object detection algorithms	video	青春期Sprague-Dawley大鼠（雄性和雌性）
679	2025-05-10	Breast cancer detection and classification with digital breast tomosynthesis: a two-stage deep learning approach 2025-04-28, Diagnostic and interventional radiology (Ankara, Turkey) DOI:10.4274/dir.2024.242923 PMID:39648903	research paper	提出了一种结合改进的VGG19和YOLOv5-CBAM的两阶段深度学习系统，用于数字乳腺断层合成图像的乳腺癌检测和分类	在VGG19中整合了8个额外层，并在YOLOv5模型中加入了CBAM模块，提高了分类和检测的准确性	未提及模型在其他数据集上的泛化能力	提高乳腺癌筛查和诊断的准确性、效率和可靠性	数字乳腺断层合成(DBT)图像	computer vision	breast cancer	deep learning	VGG19, YOLOv5-CBAM	image	22,032次DBT检查，来自5,060名患者
680	2025-05-10	Evaluating and mitigating bias in AI-based medical text generation 2025-Apr-23, Nature computational science IF:12.0Q1 DOI:10.1038/s43588-025-00789-7 PMID:40269315	research paper	该研究评估并减轻了基于AI的医学文本生成中的偏见问题	提出了一种选择性优化服务不足群体的算法以减少偏见，并在多种骨干网络、数据集和模态上验证了其有效性	研究主要集中在医学文本生成领域，未涉及其他医疗AI应用	评估和减轻AI在医学文本生成中的偏见问题	基于深度学习的AI系统生成的医学文本	natural language processing	NA	deep learning	NA	text	多种数据集（未明确具体数量）