深度学习在生物医药领域的应用

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	算法框架	模型架构	性能指标	计算资源
7681	2025-10-06	Deep-Learning-Based Computer-Aided Grading of Cervical Spinal Stenosis from MR Images: Accuracy and Clinical Alignment 2025-Jun-01, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12060604 PMID:40564420	研究论文	本研究应用深度学习卷积神经网络算法对颈椎管狭窄进行分级评估，并评估其与临床医生分级结果及患者临床表现的一致性	首次将多种深度学习模型（分类、目标检测和关键点定位）应用于颈椎管狭窄的自动分级，并与临床医生评估和患者症状进行系统性对比分析	研究为单中心回顾性研究，样本量相对有限（954例），需要多中心前瞻性研究进一步验证	开发基于深度学习的计算机辅助系统，实现颈椎管狭窄的客观、一致和高效分级	954例来自中山大学附属第五医院的颈椎磁共振成像数据和病历记录	计算机视觉	颈椎管狭窄	磁共振成像	CNN	医学图像	954例患者	NA	EfficientNet_B5, 分类模型, 目标检测模型, 关键点定位模型	准确率, Kappa系数, 相关系数	NA
7682	2025-10-06	Multi-center evaluation of radiomics and deep learning to stratify malignancy risk of IPMNs 2025-May-30, Research square DOI:10.21203/rs.3.rs-6622868/v1 PMID:40502758	研究论文	通过多中心研究评估放射组学和深度学习在IPMN恶性肿瘤风险分层中的应用价值	首次在多中心研究中将放射组学与深度学习融合用于IPMN囊肿级别的恶性风险分层，超越了单一方法性能	模型性能仍需提升才能满足独立临床应用需求	开发AI模型用于预测IPMN异型增生等级	胰腺导管内乳头状黏液性肿瘤(IPMNs)	医学影像分析	胰腺癌	T2加权MRI成像	深度学习,放射组学	医学影像	359个T2W MRI图像，来自7个医疗中心	NA	2D和3D放射组学模型,深度学习模型,融合模型	AUC	NA
7683	2025-10-06	Foundation model embeddings for quantitative tumor imaging biomarkers 2025-May-29, Research square DOI:10.21203/rs.3.rs-6630446/v1 PMID:40502795	研究论文	系统评估医学影像基础模型在提取定量肿瘤影像生物标志物方面的性能	创建了首个专门评估医学影像基础模型的基准测试TumorImagingBench，并系统比较了十种不同架构和预训练策略的模型	仅包含六个公共数据集共3,244个扫描，可能无法覆盖所有临床场景	评估医学影像基础模型在提取可靠定量放射性表型方面的能力	肿瘤影像生物标志物	医学影像分析	肿瘤	深度学习	基础模型	医学影像扫描	3,244个扫描，来自六个公共数据集	NA	多种基础模型架构	终点预测性能、鲁棒性、基于显著性的可解释性、嵌入表示相似性	NA
7684	2025-10-06	Updates, Applications and Future Directions of Deep Learning for the Images Processing in the Field of Cranio-Maxillo-Facial Surgery 2025-May-29, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12060585 PMID:40564402	综述	分析深度学习在颅颌面外科医学图像处理中的最新应用、模型类型及未来发展方向	系统总结深度学习在颅颌面外科图像处理中的具体应用场景，并首次提出整合多模态数据和开发人机界面的未来发展方向	未涉及具体实验验证，主要基于现有文献分析，缺乏定量性能评估	探讨深度学习在颅颌面外科医学图像处理中的应用现状和未来趋势	颅颌面外科领域的医学图像数据	计算机视觉	颅颌面外科疾病	医学影像分析	深度学习模型	CT扫描、组织学图像、MRI、口腔内病变照片	NA	NA	NA	NA	NA
7685	2025-10-06	Automated Risser Grade Assessment of Pelvic Bones Using Deep Learning 2025-May-29, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12060589 PMID:40564406	研究论文	本研究开发了一种基于卷积神经网络的深度学习模型，用于从骨盆X光片中自动评估Risser分级	采用多模态方法结合X光片感兴趣区域与患者年龄和性别信息，并针对左右骨盆分别训练模型	较少出现的分级类别存在类别不平衡问题	自动化Risser分级评估以减少临床医生工作负担和评估变异性	12-18岁脊柱侧弯患者的骨盆X光片	计算机视觉	脊柱侧弯	X光成像	CNN	图像	1619张骨盆X光片	NA	CNN	准确率,精确率,召回率,F1分数,ROC AUC	NA
7686	2025-10-06	A Deep Learning Methodology for Screening New Natural Therapeutic Candidates for Pharmacological Cardioversion and Anticoagulation in the Treatment and Management of Atrial Fibrillation 2025-May-28, Biomedicines IF:3.9Q1 DOI:10.3390/biomedicines13061323 PMID:40564042	研究论文	开发一种在低资源环境下筛选心房颤动治疗天然候选化合物的深度学习方法	在缺乏高性能GPU的低资源环境下开发深度跨模态注意力模型，用于发现新型天然治疗候选物	研究在低资源环境下进行，可能限制了模型复杂度和计算效率	发现可用于心房颤动药物复律和抗凝治疗的新型天然候选化合物	天然化合物与靶点蛋白的相互作用	机器学习	心血管疾病	深度跨模态注意力建模，对比学习	深度学习	药物-靶点相互作用数据，天然化合物数据	MINER-DTI数据集包含13,741个DTI对，4,510个药物化合物，2,181个蛋白靶点；NPASS 2018天然化合物数据集	NA	深度跨模态注意力模型	PR AUC	低资源设置（无高性能NVIDIA GPU）
7687	2025-10-06	A Hybrid Convolutional-Transformer Approach for Accurate Electroencephalography (EEG)-Based Parkinson's Disease Detection 2025-May-28, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12060583 PMID:40564400	研究论文	提出一种混合卷积-Transformer方法用于基于脑电图的帕金森病检测	整合卷积神经网络、Transformer注意力块和长短时记忆层来捕捉脑电图的空间、时间和序列特征	样本量较小（仅31名参与者），需要在更大人群中验证泛化能力	开发高精度且泛化能力强的帕金森病早期检测方法	帕金森病患者和健康对照者的脑电图数据	医疗人工智能	帕金森病	脑电图，谱功率分析，频带比率，小波变换，统计测量	CNN, Transformer, LSTM	脑电图信号	31名参与者（15名帕金森病患者和16名健康对照）	NA	卷积Transformer增强序列模型	准确率	NA
7688	2025-10-06	A Comprehensive Review of Deep Learning Applications with Multi-Omics Data in Cancer Research 2025-May-28, Genes IF:2.8Q2 DOI:10.3390/genes16060648 PMID:40565540	综述	本文全面综述了深度学习在多组学数据整合分析于癌症研究中的应用进展	系统梳理了2020年以来深度学习在多组学癌症研究中的最新方法、模型架构和关键创新	NA	概述深度学习在多组学数据分析中的最新发展，特别关注癌症研究应用	多组学数据在癌症研究中的应用	机器学习	癌症	多组学数据整合分析	深度学习	基因组学数据	NA	NA	NA	NA	NA
7689	2025-10-06	UNet with Attention Networks: A Novel Deep Learning Approach for DNA Methylation Prediction in HeLa Cells 2025-May-28, Genes IF:2.8Q2 DOI:10.3390/genes16060655 PMID:40565547	研究论文	本文提出了一种结合注意力机制的UNet深度学习模型，用于预测HeLa细胞中的DNA甲基化模式	首次将注意力机制与UNet结合应用于DNA甲基化预测，在宫颈癌细胞系中实现了高精度预测	研究仅限于HeLa宫颈癌细胞系，未在其他细胞类型中验证	开发深度学习模型预测DNA甲基化模式，探索表观遗传变量在宫颈癌中的作用	HeLa宫颈癌细胞系中的DNA甲基化模式	机器学习	宫颈癌	DNA甲基化测序	UNet, Attention Networks, Autoencoders, GAN, CNN	DNA序列数据	ENCODE数据库数据，五个基因启动子区域验证	NA	UNet with Attention Networks	准确率, 灵敏度, 特异性, AUC, p值, Cohen's Kappa	NA
7690	2025-10-06	Dual-Branch Network with Hybrid Attention for Multimodal Ophthalmic Diagnosis 2025-May-25, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12060565 PMID:40564382	研究论文	提出一种基于双分支学习和混合注意力机制的深度学习模型，用于解决眼科图像诊断中特征利用不足和传统单模态模型在数据不平衡时泛化能力有限的问题	创新设计了频域变换驱动的混合注意力模块，包含频域注意力、空间注意力和通道注意力，并通过多尺度分组注意力融合机制整合双模态的局部细节和全局结构信息	NA	提高眼科多模态图像诊断的准确性和特征利用效率	眼科图像（2D图像和3D体积数据）	计算机视觉	眼科疾病	深度学习	双分支网络	图像	NA	NA	残差块, 混合注意力机制	准确率	NA
7691	2025-10-06	Are Artificial Intelligence Models Listening Like Cardiologists? Bridging the Gap Between Artificial Intelligence and Clinical Reasoning in Heart-Sound Classification Using Explainable Artificial Intelligence 2025-May-22, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12060558 PMID:40564375	研究论文	本研究应用可解释人工智能技术评估和改进心音分类模型，探索模型是否像心脏病专家一样关注临床相关特征	首次在手动分割数据集上使用XAI客观评估模型行为，并探索将注意力机制与预训练模型结合以提升性能	模型诊断准确性仍主要依赖临床医生的专业知识，检测罕见或复杂病症具有挑战性	弥合人工智能与临床推理在心音分类领域的差距，验证模型是否基于临床相关特征进行分类	心音信号及其生成的声谱图	机器学习	心血管疾病	心音分类，声谱图分析	CNN, 注意力机制	音频信号，图像	NA	NA	ResNet50	准确率，平均交并比	NA
7692	2025-10-06	Influence of Robotic Versus Manual Technology for Achieving Sagittal Targets in Total Knee Arthroplasty Using a Cruciate-Retaining and Medial-Stabilized Implant 2025-May-19, The Journal of arthroplasty IF:3.4Q1 DOI:10.1016/j.arth.2025.05.052 PMID:40398583	研究论文	比较机器人辅助与手动全膝关节置换术在实现矢状面目标参数方面的差异	开发基于U-Net架构的深度学习模型自动计算膝关节矢状面参数，首次系统比较机器人辅助与手动TKA在矢状面目标达成精度	单中心研究，样本量有限，临床相关性需要进一步验证	评估机器人辅助与手动全膝关节置换术在实现术前矢状面目标参数方面的差异	接受全膝关节置换术的患者	医学影像分析	骨科疾病	膝关节X光片分析	深度学习	医学影像	280例患者（手动TKA 132例，机器人辅助TKA 148例）	NA	U-Net	平均绝对误差	NA
7693	2025-10-06	Data-driven machine learning algorithm model for pneumonia prediction and determinant factor stratification among children aged 6-23 months in Ethiopia 2025-May-02, BMC infectious diseases IF:3.4Q2 DOI:10.1186/s12879-025-10916-4 PMID:40316929	研究论文	开发基于机器学习的数据驱动预测模型，用于预测埃塞俄比亚6-23个月儿童肺炎并分层确定因素	首次在埃塞俄比亚儿童肺炎预测中应用多种机器学习算法比较，并使用特征重要性评分识别关键预测因子	仅使用2016年单一数据集，未应用深度学习算法，样本代表性可能受限	构建肺炎预测模型并识别关键影响因素	埃塞俄比亚6-23个月儿童	机器学习	肺炎	人口健康调查数据分析	随机森林, 多种机器学习算法	结构化健康调查数据	2035名儿童样本	Python, Pandas, Seaborn, Numpy, Jupyter Notebook	多种机器学习算法比较	准确率, 混淆矩阵	NA
7694	2025-10-06	A deep learning strategy to identify cell types across species from high-density extracellular recordings 2025-Apr-17, Cell IF:45.5Q1 DOI:10.1016/j.cell.2025.01.041 PMID:40023155	研究论文	开发了一种基于深度学习的策略，从高密度细胞外记录中识别跨物种的细胞类型	结合光遗传学和药理学创建了经过筛选的真实标签电生理特性库，并开发了半监督深度学习分类器	使用小脑作为测试平台，可能在其他脑区的适用性需要进一步验证	从细胞外记录中识别细胞类型并揭示不同功能、分子和解剖特性神经元在行为中的计算作用	清醒动物的小脑神经元，包括浦肯野细胞、分子层中间神经元、高尔基细胞和苔藓纤维	机器学习	NA	光遗传学,药理学,电生理记录	深度学习分类器	电生理信号	NA	NA	半监督深度学习	准确率	NA
7695	2025-10-06	Identification of Intracranial Germ Cell Tumors Based on Facial Photos: Exploratory Study on the Use of Deep Learning for Software Development 2025-Jan-30, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/58760 PMID:39883924	研究论文	本研究开发了一种基于面部照片识别颅内生殖细胞肿瘤的深度学习模型GVisageNet	首次将面部识别技术应用于颅内生殖细胞肿瘤的早期检测，并开发了结合临床数据的混合模型	研究样本量相对有限，且模型性能受下丘脑-垂体-靶轴损伤程度影响	探索深度学习在儿童和青少年颅内生殖细胞肿瘤早期诊断中的应用	儿童和青少年颅内生殖细胞肿瘤患者、中线脑肿瘤患者及正常对照	计算机视觉	脑肿瘤	深度学习	CNN	面部照片	训练集847例（iGCTs=358，正常对照=300，其他中线脑肿瘤=189），测试集212例，独立验证集336例来自4家医疗机构	NA	GVisageNet	AUC, 准确率, 灵敏度, 特异性	NA
7696	2025-10-06	OTMorph: Unsupervised Multi-Domain Abdominal Medical Image Registration Using Neural Optimal Transport 2025-Jan, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3437295 PMID:39093684	研究论文	提出一种基于神经最优传输的无监督多域腹部医学图像配准框架OTMorph	首次将神经最优传输应用于多域医学图像配准，通过域转换图像缓解输入图像间的域差异	未明确说明模型在极端域偏移情况下的表现	解决多域腹部医学图像的非刚性配准问题	多模态和多参数腹部医学图像	医学图像分析	肝癌、淋巴瘤	医学影像扫描	深度学习	医学图像体积数据	NA	NA	OTMorph（包含传输模块和配准模块）	配准性能指标	NA
7697	2025-10-06	Improved swin transformer-based thorax disease classification with optimal feature selection using chest X-ray 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0327099 PMID:40561187	研究论文	提出一种基于改进Swin Transformer和优化特征选择的胸部X光疾病分类方法	结合增强自编码器(EnAE)、混沌鲸鱼优化算法(ChWO)和改进Swin Transformer(IMSTrans)进行胸部疾病分类	NA	开发准确的胸部疾病自动分类系统	胸部X光图像	计算机视觉	肺部疾病	胸部X光成像	自编码器,Transformer	图像	广泛的胸部X光数据集和肺部疾病数据集	NA	增强自编码器(EnAE),改进Swin Transformer(IMSTrans)	准确率,精确率,召回率,F分数,MCC,MAE	NA
7698	2025-10-06	Automated Segmentation of Knee Menisci Using U-Net Deep Learning Model: Preliminary Results 2024-Dec, Maedica DOI:10.26574/maedica.2024.19.4.690 PMID:39974461	研究论文	本研究开发了一种基于U-Net深度学习模型的膝关节半月板自动分割方法	首次将U-Net模型应用于膝关节半月板的自动检测和分割，并通过渐进式训练策略提升分割精度	面临数据稀缺问题，且需要进行序列特异性优化	开发能够自动识别和分割膝关节MRI中半月板的深度学习模型	膝关节半月板	计算机视觉	骨科疾病	磁共振成像	CNN	图像	104张膝关节MRI图像用于初始训练，额外50张用于微调	NA	U-Net	准确率, Dice系数	NA
7699	2025-10-06	Semi-Supervised Contrastive VAE for Disentanglement of Digital Pathology Images 2024-Nov, Medical image computing and computer-assisted intervention : MICCAI ... International Conference on Medical Image Computing and Computer-Assisted Intervention DOI:10.1007/978-3-031-72083-3_43 PMID:40556771	研究论文	提出一种用于数字病理图像解耦的半监督对比变分自编码器方法	首个针对病理图像的解耦方法，提出了级联解耦、新颖架构和重建分支等创新思想	NA	提高深度学习模型的可解释性，特别关注肿瘤浸润淋巴细胞检测任务	数字病理图像	数字病理学	癌症	深度学习	变分自编码器	病理图像	NA	NA	对比变分自编码器	NA	NA
7700	2025-10-06	Considerations on Image Preprocessing Techniques Required by Deep Learning Models. The Case of the Knee MRIs 2024-Sep, Maedica DOI:10.26574/maedica.2024.19.3.526 PMID:39553362	研究论文	本研究探讨膝关节MRI图像预处理技术对深度学习模型检测半月板损伤的重要性	提出了针对膝关节MRI的创新型预处理方法，包括模态特定调整、空间重采样和强度标准化等技术	研究仅针对188例患者样本，样本量相对有限	开发适用于深度学习模型的膝关节MRI图像预处理流程	膝关节MRI图像，特别是半月板损伤区域	医学影像分析	膝关节疾病	磁共振成像	深度学习分割模型	医学影像	188例患者的PD矢状面图像	PyDicom, SimpleITK	NA	NA	NA