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
741	2025-09-05	Enhanced ISUP grade prediction in prostate cancer using multi-center radiomics data 2025-09, Abdominal radiology (New York) DOI:10.1007/s00261-025-04858-3 PMID:40047870	研究论文	本研究利用多中心放射组学数据提升前列腺癌ISUP分级预测性能	基于前列腺解剖亚区（外周区和中央腺体）分别提取特征并组合，首次证明联合模型显著优于单一区域模型	需要进一步在多中心数据中验证策略的普适性	探索放射组学特征对前列腺癌ISUP分级的预测价值	1500名前列腺癌患者	数字病理	前列腺癌	放射组学特征提取、SMOTE算法、随机森林	随机森林分类模型	医学影像（T2WI、ADC、DWI）	1500例多中心患者样本
742	2025-09-05	The value of radiomics and deep learning based on PET/CT in predicting perineural nerve invasion in rectal cancer 2025-09, Abdominal radiology (New York) DOI:10.1007/s00261-025-04833-y PMID:40053051	研究论文	本研究探讨基于PET/CT的影像组学和深度学习特征在预测直肠癌神经侵犯中的价值	首次整合PET代谢参数、影像组学特征和深度学习特征构建联合预测模型，并在多中心外部验证集中验证性能	回顾性研究设计，样本量有限（总样本量151例），需要更大规模前瞻性研究验证	预测直肠癌患者的神经侵犯（PNI）状态	直肠癌患者	医学影像分析	直肠癌	PET/CT成像、影像组学分析、深度学习特征提取	逻辑回归、LASSO、深度学习模型	医学影像（PET/CT图像）	151例直肠癌患者（120例内部集，31例外部验证集）
743	2025-09-05	Multiple perception contrastive learning for automated ovarian tumor classification in CT images 2025-09, Abdominal radiology (New York) DOI:10.1007/s00261-025-04879-y PMID:40074925	研究论文	提出一种基于多感知对比学习的自动化卵巢肿瘤CT图像分类方法	结合监督对比学习和多感知编码器(MP Encoder)，采用T-Pro技术增强数据多样性并模拟语义扰动以提升模型泛化能力	NA	开发自动化、可靠的卵巢肿瘤诊断技术以提高分类准确性	卵巢肿瘤CT图像	计算机视觉	卵巢癌	监督对比学习，T-Pro技术	多感知编码器(MP Encoder)，包含多尺度感知模块(MSP Module)和多注意力模块(MA Module)	CT图像	NA
744	2025-09-05	Comparing two deep learning spectral reconstruction levels for abdominal evaluation using a rapid-kVp-switching dual-energy CT scanner 2025-09, Abdominal radiology (New York) DOI:10.1007/s00261-025-04868-1 PMID:40095024	研究论文	本研究比较了深度学习光谱重建（DLSR）的强和标准级别在腹部双能CT扫描中的图像质量	首次在人类腹部DECT扫描中系统评估DLSR算法的不同强度级别，并发现65 keV VMI具有与传统方法不同的最佳CNR特性	回顾性研究，样本量有限（51例患者），观察者间一致性仅为中等水平（ICC=0.427）	全面评估深度学习光谱重建算法在腹部双能CT中的图像质量	51例患者的腹部/盆腔DECT扫描数据	医学影像分析	腹部疾病	深度学习光谱重建（DLSR），双能CT（DECT）	深度学习	CT影像	51例患者
745	2025-09-05	Efficacy of a deep learning-based software for chest X-ray analysis in an emergency department 2025-Sep, Diagnostic and interventional imaging IF:4.9Q1 DOI:10.1016/j.diii.2025.03.007 PMID:40180796	研究论文	评估基于深度学习的CAD系统在急诊科胸部X光异常检测中的效能	在临床信息可用的真实急诊科环境中验证DL-CAD系统对多种胸部异常的检测提升效果	回顾性研究，样本量有限（404例），仅评估五种特定异常	评估深度学习辅助系统在急诊科胸部X光读片中的诊断效能提升	急诊科出现呼吸道症状患者的胸部X光影像	计算机视觉	呼吸系统疾病	深度学习计算机辅助检测（DL-CAD）	深度学习模型（具体架构未说明）	医学影像（胸部X光）	404例连续胸部X光检查，包含103例异常影像（共118处异常）
746	2025-04-10	Real-world validation of a deep learning algorithm for chest radiography in the emergency department: A tale of two specialties 2025-Sep, Diagnostic and interventional imaging IF:4.9Q1 DOI:10.1016/j.diii.2025.03.008 PMID:40199640	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
747	2025-09-05	Impact of hypertension on cerebral small vessel disease: A post-mortem study of microvascular pathology from normal-appearing white matter into white matter hyperintensities 2025-Sep, Journal of cerebral blood flow and metabolism : official journal of the International Society of Cerebral Blood Flow and Metabolism IF:4.9Q1 DOI:10.1177/0271678X251333256 PMID:40219923	研究论文	通过尸检研究探讨高血压对脑小血管病的影响，分析从正常表现白质到白质高信号的微血管病理变化	首次结合深度学习细化WMH分割，并在体素水平关联MRI与微血管病理，揭示高血压中内皮破坏、血脑屏障损伤和神经血管炎症的协同作用	未观察到沿NAWM-WMH过渡的渐进性BBB损伤或神经血管炎症变化	阐明慢性高血压与最早白质高信号发病机制的关联	高血压和非高血压个体的尸检脑组织样本	数字病理	心血管疾病	MRI（FLAIR序列）、深度学习分割、组织病理分析	深度学习	医学影像（MRI）和组织病理数据	未明确说明样本数量（高血压与非高血压个体尸检脑组织）
748	2025-09-05	Automated pulmonary nodule classification from low-dose CT images using ERBNet: an ensemble learning approach 2025-Sep, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-025-03358-2 PMID:40232605	研究论文	本研究开发了一种基于集成学习的深度学习方法ERBNet，用于从不同剂量和质量的CT图像中自动分类肺结节与非结节	提出了集成3D CNN分类器，能够同时处理多种低剂量CT图像和全剂量CT图像，实现跨剂量水平的通用模型	模型在低剂量CT图像上表现相对较差（60%准确率），表明需要为每个低剂量水平开发专用模型	开发深度学习方法来分析不同剂量和质量的CT图像，对肺部病变进行分类	肺结节与非结节	计算机视觉	肺癌	低剂量CT成像	3D CNN, 集成学习	CT图像	800个样本（400个结节，400个非结节）
749	2025-09-05	Application of deep learning for detection of nasal bone fracture on X-ray nasal bone lateral view 2025-Sep-01, Dento maxillo facial radiology DOI:10.1093/dmfr/twaf028 PMID:40234238	研究论文	本研究评估深度学习模型在X射线鼻骨侧位片上检测鼻骨骨折的效果	首次系统比较多种深度学习模型（包括VGG16、Swin Transformer等）在鼻骨骨折X射线检测中的性能	研究为回顾性观察研究，样本仅来自单一放射中心，可能存在选择偏倚	评估深度学习在X射线鼻骨侧位片上检测鼻骨骨折的效能	2968张创伤患者的X射线鼻骨侧位片图像	计算机视觉	创伤骨科	X射线成像、高斯滤波、Canny边缘检测、GLCM、HOG、LBP特征提取	CNN、VGG16、VGG19、MobileNet、Xception、ResNet50V2、InceptionV3、Swin Transformer	X射线图像	2968张X射线鼻骨侧位片
750	2025-09-05	Predicting Postoperative Prognosis in Pediatric Malignant Tumor With MRI Radiomics and Deep Learning Models: A Retrospective Study 2025-Sep-01, The Journal of craniofacial surgery IF:1.0Q3 DOI:10.1097/SCS.0000000000011466 PMID:40323639	研究论文	本研究开发了一种融合MRI影像组学、深度学习特征和临床指标的多模态机器学习模型，用于预测儿童恶性脑肿瘤患者术后3年无病生存率	首次将MRI影像组学特征、深度学习特征与临床指标相结合构建多模态预测模型，并应用于儿童脑肿瘤预后预测	回顾性研究，样本量相对有限（260例），仅包含R0切除患者	预测儿童恶性脑肿瘤患者术后3年无病生存率	260例接受R0切除的儿童脑肿瘤患者（年龄≤14岁）	医学影像分析	脑肿瘤	MRI影像组学分析、深度学习特征提取	LightGBM、SVM、RF、3D ResNet-18	MRI图像、临床数据	260例儿童脑肿瘤患者
751	2025-09-05	Deep learning model for malignancy prediction of TI-RADS 4 thyroid nodules with high-risk characteristics using multimodal ultrasound: A multicentre study 2025-Sep, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2025.102576 PMID:40446583	研究论文	开发基于多模态超声的深度学习模型，用于预测具有高风险特征的TI-RADS 4甲状腺结节的恶性概率	首次整合B型超声和应变弹性成像的双模态图像信息，采用自适应粒子群优化和对比度受限自适应直方图均衡化算法增强图像质量，实现高精度良恶性分类	研究仅针对TI-RADS 4类别结节，未涵盖其他风险等级的甲状腺结节	提高甲状腺结节恶性风险的自动筛查准确率，减少临床漏诊和误诊	具有高风险特征的TI-RADS 4甲状腺结节	计算机视觉	甲状腺疾病	B型超声(BMUS)，应变弹性成像(SE)，自适应粒子群优化(APSO)，对比度受限自适应直方图均衡化(CLAHE)	深度学习框架（具体架构未明确说明）	多模态超声图像	多中心研究（具体样本数量未在摘要中说明）
752	2025-09-05	Deep learning in poultry farming: comparative analysis of Yolov8, Yolov9, Yolov10, and Yolov11 for dead chickens detection 2025-Sep, Poultry science IF:3.8Q1 DOI:10.1016/j.psj.2025.105440 PMID:40541098	研究论文	本研究比较了YOLOv8、YOLOv9、YOLOv10和YOLOv11在无笼养鸡场死鸡检测中的性能	首次对YOLOv8至YOLOv11进行系统性能对比，并针对家禽养殖场景提供模型选择指南	使用合成数据集而非真实农场环境数据，尚未在实际农场条件下验证	评估不同YOLO模型在死鸡检测任务中的准确性和计算效率	家禽养殖场中的死鸡	计算机视觉	NA	目标检测	YOLOv8, YOLOv9, YOLOv10, YOLOv11	图像	3413张合成图像
753	2025-09-05	Predicting and explaining high dead-on-arrival outcomes in meat-type ducks using deep learning: A path to improved welfare management 2025-Sep, Poultry science IF:3.8Q1 DOI:10.1016/j.psj.2025.105439 PMID:40541105	研究论文	本研究开发了一种可解释的深度学习模型，用于预测肉鸭运输过程中的高死淘率，并结合SHAP分析识别关键影响因素	首次针对肉鸭DOA预测开发可解释深度学习模型，结合SHAP方法提供全局和局部解释能力，填补了该物种的研究空白	模型AUC-ROC为76.03%，仍有提升空间；数据仅来自2022-2023年的记录，可能需要更多时间跨度的验证	开发可解释的深度学习模型来预测肉鸭的高死淘率，改善动物福利管理	肉鸭运输过程中的死淘情况	机器学习	NA	深度学习，SHAP可解释性分析	深度学习模型	结构化数据（屠宰前管理和环境数据）	8220车次肉鸭运输记录（2022-2023年）
754	2025-09-05	MR-Transformer: A Vision Transformer-based Deep Learning Model for Total Knee Replacement Prediction Using MRI 2025-Sep, Radiology. Artificial intelligence DOI:10.1148/ryai.240373 PMID:40668131	研究论文	提出基于Vision Transformer的深度学习模型MR-Transformer，利用MRI预测膝骨关节炎进展为全膝关节置换的风险	首次将ImageNet预训练的Transformer架构应用于三维MRI序列，利用空间相关性提升预测性能	回顾性研究设计，样本量有限（总计623对病例-对照），依赖特定MRI序列	开发深度学习模型预测膝骨关节炎向全膝关节置换的进展	膝骨关节炎患者	计算机视觉	骨关节炎	MRI成像（COR-IW-TSE, SAG-IW-TSE-FS, COR-STIR, SAG-PD-FAT-SAT）	Vision Transformer	三维医学影像	OAI数据库353对病例对照（女性215人，平均年龄63±8岁），MOST数据库270对病例对照（女性203人，平均年龄65±7岁）
755	2025-09-05	GraphCellNet: A deep learning method for integrated single-cell and spatial transcriptomic analysis with applications in development and disease 2025-Sep, Journal of molecular medicine (Berlin, Germany) DOI:10.1007/s00109-025-02575-4 PMID:40690004	研究论文	提出一种名为GraphCellNet的深度学习模型，用于整合单细胞和空间转录组数据分析，在发育和疾病研究中应用	创新性地结合了Kolmogorov-Arnold Network (KAN)层来增强非线性特征表示和上下文整合，并采用基于图的空间域识别方法	NA	提高空间转录组数据分析的准确性，解决细胞边界模糊和高异质性挑战	组织样本中的细胞组成和空间组织结构	生物信息学	心血管疾病	空间转录组学(ST)，单细胞RNA测序(scRNA-seq)	深度学习，图神经网络，KAN网络	基因表达数据，空间位置数据	多种生物系统（心肌梗死、果蝇发育、人类心脏发育）
756	2025-09-05	IgCONDA-PET: Weakly-supervised PET anomaly detection using implicitly-guided attention-conditional counterfactual diffusion modeling - a multi-center, multi-cancer, and multi-tracer study 2025-Sep, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2025.102615 PMID:40763604	研究论文	提出一种基于隐式引导注意力条件反事实扩散模型的弱监督PET异常检测方法IgCONDA-PET，用于多中心、多癌症类型和多示踪剂的PET图像分析	采用条件扩散模型进行反事实生成，实现“不健康到健康”的域转换，通过隐式扩散引导和注意力模块提升小异常检测能力	方法依赖于图像类别标签（健康vs不健康），且仅使用PET数据进行验证	开发减少像素级标注依赖的PET病灶检测与分割方法	PET医学图像中的异常病灶	医学图像分析	多癌症类型	扩散模型，注意力机制，反事实生成	扩散模型	PET图像	2652例多中心、多癌症类型、多示踪剂病例
757	2025-09-05	A Deep Learning-Based Automatic Recognition Model for Polycystic Ovary Ultrasound Images 2025-09-01, Balkan medical journal IF:1.9Q2 DOI:10.4274/balkanmedj.galenos.2025.2025-5-114 PMID:40785235	研究论文	开发基于YOLOv11深度学习框架的自动识别模型，用于快速准确识别多囊卵巢综合征的超声图像	首次应用YOLOv11深度学习框架实现PCOS超声图像的自动化识别与诊断分类，显著提升检测速度和诊断一致性	研究仅基于两个中心的样本，外部验证集样本量相对较小（152例），模型泛化能力需进一步验证	提高多囊卵巢综合征超声诊断的准确性和效率	生育年龄女性疑似PCOS患者	计算机视觉	多囊卵巢综合征	深度学习，超声成像	YOLOv11	图像	1751名疑似PCOS患者（中心1:1599例，中心2:152例），最终分析933例患者的超声图像
758	2025-09-05	Collaborative Integration of AI and Human Expertise to Improve Detection of Chest Radiograph Abnormalities 2025-Sep, Radiology. Artificial intelligence DOI:10.1148/ryai.240277 PMID:40668130	研究论文	开发结合眼动数据和放射学报告的协作AI系统CoRaX，用于提升胸片异常检测准确率并修正感知错误	首次整合眼动追踪数据、放射报告和图像嵌入的多模态AI系统，专注于识别和纠正放射科医生的感知错误	基于回顾性数据集（REFLACX和EGD-CXR）开发，需进一步前瞻性验证；部分错误未解决（随机掩码6.6%，不确定性掩码9.3%）	通过人机协作提升胸片异常诊断准确性	胸片中的异常区域（包含五种异常类型）	计算机视觉	胸部疾病（未特指具体疾病）	多模态深度学习、眼动追踪数据分析	CNN（卷积神经网络）、多模态大模型	图像、眼动数据、文本报告	基于332处异常的数据集（REFLACX和EGD-CXR公共数据集）
759	2025-09-05	The efficacy of machine learning algorithms in evaluating factors associated with shunt-dependent hydrocephalus after subarachnoid hemorrhage: a systematic review and meta-analysis 2025-Sep-01, Neurosurgical review IF:2.5Q1 DOI:10.1007/s10143-025-03773-x PMID:40887550	系统综述与荟萃分析	评估机器学习算法在分析自发性蛛网膜下腔出血后慢性分流依赖性脑积水相关因素中的效能	首次通过系统综述和荟萃分析比较不同机器学习模型在预测分流依赖性脑积水方面的性能，并探讨输入特征数量对模型效果的影响	仅纳入5项符合条件的研究，样本量有限，且存在中度异质性	评估机器学习算法在识别蛛网膜下腔出血后慢性分流依赖性脑积水相关因素中的有效性	自发性蛛网膜下腔出血患者	机器学习	脑积水	机器学习算法分析	线性模型、树基模型、深度学习模型	临床数据集	基于5项研究的汇总分析
760	2025-09-05	Dissecting cross-lineage tumourigenesis under p53 inactivation through single-cell multi-omics and spatial transcriptomics 2025-Sep, Clinical and translational medicine IF:7.9Q1 DOI:10.1002/ctm2.70461 PMID:40887856	研究论文	本研究通过单细胞多组学和空间转录组学技术，解析p53失活条件下跨谱系肿瘤发生的机制	整合多组学与深度学习构建p53功能细胞图谱，发现核糖体蛋白基因上调是p53缺失致癌的早期关键事件	基于小鼠模型，人类临床适用性需进一步验证	探究p53失活后细胞稳态破坏和跨细胞谱系的肿瘤发生机制	Trp53敲除小鼠模型中的免疫、基质和上皮细胞	计算生物学	肿瘤	单细胞转录组测序、单细胞ATAC-seq、空间转录组学、全基因组测序、CUT&Tag	深度学习基因网络模型	单细胞多组学数据、空间转录组数据	Trp53敲除小鼠模型样本