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
681	2025-05-23	Computer-aided diagnosis of liver lesions using CT images: A systematic review 2020-12, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2020.104035 PMID:33099219	综述	本文综述了1998年至2020年间发表的关于使用计算机辅助诊断系统通过CT图像预测肝脏良恶性病变的最新技术	提供了肝脏病变计算机辅助诊断系统的全面概述，包括传统和基于深度学习的方法	未开发出适用于多样化图像的高效分割方法，未研究无监督和半监督深度学习模型	概述计算机辅助诊断系统在肝脏病变诊断中的最新技术	肝脏病变	数字病理学	肝脏疾病	CT成像	深度学习与传统方法	图像	NA
682	2025-05-23	Accuracy and reliability of automatic three-dimensional cephalometric landmarking 2020-Oct, International journal of oral and maxillofacial surgery IF:2.2Q2 DOI:10.1016/j.ijom.2020.02.015 PMID:32169306	系统综述	评估三维颅面图像自动标志点定位的准确性和可靠性	比较了知识基础、图谱基础和学习基础算法在自动标志点定位中的表现，发现深度学习方法的性能最佳	研究中存在患者选择和参考标准实施方面的偏倚风险，可能导致结果过于乐观	评估自动标志点定位技术在三维头影测量分析中的准确性和可靠性	人类头部计算机断层扫描或锥形束计算机断层扫描图像	医学图像分析	NA	自动标志点定位技术	深度学习	三维图像	11项研究，测试数据集样本量从18到77张图像不等
683	2025-05-23	Deep learning for wireless capsule endoscopy: a systematic review and meta-analysis 2020-10, Gastrointestinal endoscopy IF:6.7Q1 DOI:10.1016/j.gie.2020.04.039 PMID:32334015	系统综述与荟萃分析	本文通过系统综述和荟萃分析评估了深度学习在无线胶囊内窥镜(WCE)中的应用效果	首次对深度学习在WCE中的应用进行系统性评价和荟萃分析	现有研究均为回顾性研究且存在较高偏倚风险	评估深度学习算法在WCE疾病检测中的性能表现	无线胶囊内窥镜图像数据	计算机视觉	肠道疾病	深度学习	神经网络	医学影像	19项研究(45篇原始文献)
684	2025-05-23	Machine learning techniques for detecting electrode misplacement and interchanges when recording ECGs: A systematic review and meta-analysis 2020 Sep - Oct, Journal of electrocardiology IF:1.3Q3 DOI:10.1016/j.jelectrocard.2020.08.013 PMID:32866909	系统综述与荟萃分析	本文综述了机器学习技术在检测心电图电极错位和互换中的应用及其效果	系统评估了机器学习在检测电极错位和互换中的性能，并识别了最常用的机器学习技术	研究仅包括14篇文章，可能无法涵盖所有相关研究	研究电极错位对心电图信号和解释的影响，评估机器学习检测电极错位的性能	心电图（ECG）电极错位和互换	机器学习	心血管疾病	机器学习（ML）	卷积神经网络（CNN）	心电图信号	14篇文章
685	2025-05-23	Deep Learning in Radiation Oncology Treatment Planning for Prostate Cancer: A Systematic Review 2020-Aug-30, Journal of medical systems IF:3.5Q2 DOI:10.1007/s10916-020-01641-3 PMID:32862251	综述	本文系统回顾了深度学习在前列腺癌放射肿瘤治疗计划中的应用	总结了基于CT或MRI的不同深度学习网络架构在放射治疗目标轮廓分割中的应用	大多数研究使用的患者数据量有限，且这些模型在临床实践中的安全性和有效性仍需进一步验证	探索深度学习在放射治疗计划自动化中的应用，以提高治疗效率和质量	前列腺癌放射治疗计划中的目标轮廓分割	计算机视觉	前列腺癌	深度学习	NA	医学影像（CT或MRI）	患者数据量有限
686	2025-05-23	Creating Artificial Images for Radiology Applications Using Generative Adversarial Networks (GANs) - A Systematic Review 2020-08, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2019.12.024 PMID:32035758	系统性综述	本文综述了生成对抗网络（GANs）在放射学中的应用	系统性地总结了GANs在放射学中的多种应用，包括图像重建、去噪、数据增强等	仅包含截至2019年9月发表的研究，可能遗漏最新进展	回顾GANs在放射学中的应用文献	放射学中的图像生成和处理	计算机视觉	NA	GANs	GAN	医学影像（CT、MRI、PET/MRI、PET/CT、超声、X射线）	33项研究（2017-2019年间发表）
687	2025-05-23	Accuracy of deep learning for automated detection of pneumonia using chest X-Ray images: A systematic review and meta-analysis 2020-08, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2020.103898 PMID:32768045	meta-analysis	该研究通过系统综述和荟萃分析评估了深度学习模型在利用胸部X光图像检测和分类肺炎方面的诊断性能	首次对深度学习在肺炎检测和分类中的诊断性能进行了系统评价和荟萃分析	存在主要方法学问题，未来研究需解决以应用于临床	评估深度学习模型在肺炎检测和分类中的诊断性能	肺炎患者与健康对照者的胸部X光图像	digital pathology	pneumonia	deep learning	DL	image	NA
688	2025-05-23	Deep learning to find colorectal polyps in colonoscopy: A systematic literature review 2020-08, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2020.101923 PMID:32972656	系统文献综述	本文通过系统综述分析了深度学习在结肠镜检查中检测结直肠息肉的应用	总结了深度学习在息肉检测、定位和分割中的最新方法，并分析了公开数据集和评估指标	方法间的公平比较和可重复性存在困难，缺乏基于大型公开数据库的统一验证框架	提高结肠镜检查中腺瘤检测率，从而预防结直肠癌	结直肠息肉	计算机视觉	结直肠癌	深度学习	CNN	图像	35篇相关研究和7个公开的结肠镜图像数据集
689	2025-05-23	Opportunities and challenges of deep learning methods for electrocardiogram data: A systematic review 2020-07, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2020.103801 PMID:32658725	系统综述	本文系统综述了深度学习在心电图（ECG）数据分析中的建模和应用	总结了深度学习在ECG数据分析中的最新进展，并提出了未来研究方向	未解决可解释性、可扩展性和效率等新挑战	探讨深度学习在ECG数据分析中的应用和挑战	ECG数据	机器学习	心血管疾病	深度学习	CNN, RNN, 混合架构	ECG信号	191篇论文（2010-2020年）
690	2025-05-23	Lung Nodule Detection from Feature Engineering to Deep Learning in Thoracic CT Images: a Comprehensive Review 2020-06, Journal of digital imaging IF:2.9Q2 DOI:10.1007/s10278-020-00320-6 PMID:31997045	综述	本文系统回顾了关于胸部CT图像中肺结节检测的文献，涵盖了从特征工程到深度学习的各种方法	重点介绍了基于卷积神经网络(CNN)的深度学习方法在肺结节检测中的应用	仅涵盖了2009年至2018年4月期间发表的工作，可能未包含最新的研究进展	为研究人员和读者提供肺结节检测领域的当前技术状态和发展进程	胸部CT图像中的肺结节	数字病理	肺癌	计算机辅助诊断(CAD)系统	CNN	CT图像	NA
691	2025-05-22	Deep learning-based detection of bacterial swarm motion using a single image 2025-Dec, Gut microbes IF:12.2Q1 DOI:10.1080/19490976.2025.2505115 PMID:40366861	research paper	开发了一种基于深度学习的细菌集群运动检测方法，仅需单张模糊图像即可快速自主预测细菌集群运动概率	提出了一种新型深度学习方法，能够快速、客观地定量评估细菌集群运动概率，适用于高通量环境	方法虽然展示了良好的性能，但仍需在更多细菌种类上进行验证以证明其广泛适用性	开发一种快速、自主的细菌集群运动检测方法，以克服传统方法的局限性	细菌的集群运动和游泳运动	computer vision	inflammatory bowel diseases (IBD), urinary tract infections (UTI)	deep learning	CNN	image	SM3, DB10, H6细菌样本
692	2025-05-22	Current Status, Hotspots, and Prospects of Artificial Intelligence in Ophthalmology: A Bibliometric Analysis (2003-2023) 2025-Jun, Ophthalmic epidemiology IF:1.7Q3 DOI:10.1080/09286586.2024.2373956 PMID:39146462	综述	本文通过文献计量学方法分析了2003-2023年间人工智能在眼科领域的研究现状、热点及未来趋势	采用VOSviewer、CiteSpace和R包Bibliometrix进行文献计量分析，系统梳理了AI在眼科领域的发展脉络和研究热点	仅基于Web of Science数据库的文献，可能未涵盖所有相关研究；未深入探讨技术、监管和伦理等具体挑战	总结人工智能在眼科领域的研究现状并展望未来发展方向	3377篇来自98个国家4035个机构的眼科AI研究文献	数字病理	眼科疾病	文献计量分析	GAN, ChatGPT	文献数据	3377篇文献，涉及1345位研究人员
693	2025-05-22	DRBP-EDP: classification of DNA-binding proteins and RNA-binding proteins using ESM-2 and dual-path neural network 2025-Jun, NAR genomics and bioinformatics IF:4.0Q1 DOI:10.1093/nargab/lqaf058 PMID:40391089	研究论文	本研究提出了一种名为DRBP-EDP的分阶段分类方法，结合ESM-2和双路径神经网络，用于分类DNA结合蛋白(DBPs)和RNA结合蛋白(RBPs)	整合ESM-2与双路径神经网络进行蛋白质分类，并设计了高质量数据集构建方法	未明确提及具体限制	开发高效准确的DNA结合蛋白和RNA结合蛋白分类方法	DNA结合蛋白(DBPs)和RNA结合蛋白(RBPs)	生物信息学	NA	深度学习	双路径神经网络	蛋白质序列数据	未明确提及具体样本数量
694	2025-05-22	Brain age prediction from MRI scans in neurodegenerative diseases 2025-May-22, Current opinion in neurology IF:4.1Q2 DOI:10.1097/WCO.0000000000001383 PMID:40396549	综述	本文综述了利用MRI扫描进行脑龄估计作为脑健康生物标志物的应用	探讨了脑龄估计在神经退行性疾病早期诊断、疾病监测和个性化医疗中的应用	存在标准化实施、人口统计学偏差和可解释性等挑战	探索脑龄估计作为神经退行性疾病早期检测工具的潜力	阿尔茨海默病、轻度认知障碍和帕金森病患者	数字病理学	神经退行性疾病	MRI扫描	深度学习	图像	NA
695	2025-05-22	An Ultrasound Image-Based Deep Learning Radiomics Nomogram for Differentiating Between Benign and Malignant Indeterminate Cytology (Bethesda III) Thyroid Nodules: A Retrospective Study 2025-May-21, Journal of clinical ultrasound : JCU IF:1.2Q3 DOI:10.1002/jcu.24058 PMID:40396203	研究论文	开发并验证基于术前超声图像和临床特征的深度学习放射组学列线图（DLRN），用于预测细胞学不确定（Bethesda III）甲状腺结节的恶性程度	整合了从预训练Resnet34网络提取的512个DTL特征、超声放射组学特征和临床特征，构建了一个综合诊断模型	研究为回顾性设计，样本量相对较小（训练集155例，内部验证集39例，外部验证集80例）	区分细胞学不确定（Bethesda III）甲状腺结节的良恶性	194例经手术确诊的细胞学不确定（Bethesda III）甲状腺结节患者	数字病理	甲状腺结节	深度学习放射组学	Resnet34	超声图像	训练集155例，内部验证集39例，外部验证集80例
696	2025-05-22	Validation of a deep learning model for the automated detection and quantification of cystoid macular oedema on optical coherence tomography in patients with retinitis pigmentosa 2025-May-21, Acta ophthalmologica IF:3.0Q1 DOI:10.1111/aos.17518 PMID:40396533	research paper	该研究验证了一种基于深度学习的模型，用于自动检测和量化视网膜色素变性患者光学相干断层扫描中的囊样黄斑水肿	开发并验证了一种基于nnU-Net架构的深度学习模型，用于自动检测和量化囊样黄斑水肿，其性能与人类评分者相当	研究样本量相对较小，仅使用了112个OCT体积进行训练和验证，外部测试集仅包含37个SD-OCT扫描	验证深度学习模型在自动检测和量化视网膜色素变性患者囊样黄斑水肿方面的准确性和效率	视网膜色素变性患者的囊样黄斑水肿	digital pathology	retinitis pigmentosa	spectral-domain optical coherence tomography (SD-OCT)	nnU-Net	image	112个OCT体积（70个用于训练，42个用于验证）和37个SD-OCT扫描用于外部测试
697	2025-05-22	Deep Learning with Domain Randomization in Image and Feature Spaces for Abdominal Multiorgan Segmentation on CT and MRI Scans 2025-May-21, Radiology. Artificial intelligence DOI:10.1148/ryai.240586 PMID:40396895	research paper	开发一种深度学习分割模型，用于在CT和MR图像上高精度且具有良好泛化能力地分割腹部器官	提出了一种在图像和特征空间中进行域随机化的方法，以提高跨站点和跨模态设置下的泛化能力	未提及具体的研究局限性	提高腹部器官在CT和MR图像上的分割准确性和泛化能力	腹部多器官分割	computer vision	NA	domain randomization	nnU-Net	image	公共前列腺MRI数据集和腹部CT及MRI数据集，具体样本数量未提及
698	2025-05-22	Systematic review on the impact of deep learning-driven worklist triage on radiology workflow and clinical outcomes 2025-May-21, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-11674-2 PMID:40397031	系统综述	本文系统综述了基于深度学习的放射科工作列表分诊对工作流程和临床结果的影响	评估了深度学习分诊系统在不同临床环境中对报告周转时间和患者预后的影响，并比较了不同集成模式的效率差异	需要进一步研究和可靠指标来提供关于假阴性检查和多条件优先排序的具体建议	评估基于深度学习的工作列表优化对诊断影像分诊的影响	放射科工作流程和患者临床结果	医学影像分析	肺栓塞、中风、颅内出血和胸部疾病	深度学习	DL	医学影像	38项研究，涉及138,423张影像
699	2025-05-22	Can machine learning be a reliable tool for predicting hematoma progression following traumatic brain injury? A systematic review and meta-analysis 2025-May-21, Neuroradiology IF:2.4Q2 DOI:10.1007/s00234-025-03657-3 PMID:40397134	meta-analysis	该研究通过系统综述和荟萃分析评估了AI算法（包括机器学习和深度学习）在预测创伤性脑损伤后血肿进展中的性能	首次通过荟萃分析评估多种AI模型在预测创伤性脑损伤后血肿进展中的表现，并发现XGBoost模型具有最佳预测性能	纳入研究数量有限（仅5项），且需要进一步标准化数据集和多样化患者群体以提高模型的适用性和可靠性	评估AI算法在预测创伤性脑损伤后血肿进展风险中的性能	创伤性脑损伤患者的血肿进展	machine learning	traumatic brain injury	machine learning, deep learning	XGBoost, AI algorithms	clinical data, radiomics features	5项研究（具体患者数量未明确说明）
700	2025-05-22	Discovery of novel potential 11β-HSD1 inhibitors through combining deep learning, molecular modeling, and bio-evaluation 2025-May-21, Molecular diversity IF:3.9Q2 DOI:10.1007/s11030-025-11171-0 PMID:40397334	研究论文	本研究通过结合深度学习、分子建模和生物评估，发现了新型潜在的11β-HSD1抑制剂	利用GRU循环神经网络构建分子生成模型，并通过转移学习生成潜在的11β-HSD1抑制剂	化合物02的抑制活性不如对照药物	开发新型11β-HSD1抑制剂	11β-HSD1抑制剂	机器学习和药物发现	糖尿病、胰岛素抵抗、血脂异常和肥胖	深度学习、分子对接和分子动力学模拟	GRU	分子数据	1,854,484个药物样分子