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
761	2025-10-30	Development and validation of deep learning models for qualitative classification of benign and malignant enlarged cervical lymph nodes based on ultrasound images 2025-Sep-30, Gland surgery IF:1.5Q3 DOI:10.21037/gs-2024-576 PMID:41142548	研究论文	开发并验证基于超声图像的深度学习模型，用于良恶性颈部淋巴结的定性分类	首次系统比较多种深度学习模型在颈部淋巴结良恶性分类中的性能，发现VGG16模型表现最佳	回顾性研究设计，样本来源单一，模型性能存在提升空间	提高颈部淋巴结良恶性术前定性诊断的准确性	经超声引导活检病理证实的颈部淋巴结	计算机视觉	淋巴结疾病	超声成像	深度学习	超声图像	2,697名患者的3,014个颈部淋巴结（良性1,489例，恶性1,525例）	NA	VGG16, ResNet101, ResNet50	AUC, 准确率, 敏感度, 特异度	NA
762	2025-10-30	Performance assessment of computed tomographic angiography fractional flow reserve using deep learning: SMART trial summary 2025-Sep-28, Journal of geriatric cardiology : JGC IF:1.8Q3 DOI:10.26599/1671-5411.2025.09.002 PMID:41143164	研究论文	评估基于深度学习的CT血管造影血流储备分数技术(DVFFR)在诊断冠状动脉疾病中的性能	开发了基于深度学习的CT-FFR方法DeepVessel FFR，利用完整的冠状动脉树结构进行血流储备分数计算	回顾性单中心研究，样本量有限(339名患者)	评估深度学习CT-FFR技术在诊断冠状动脉疾病缺血中的性能	疑似稳定型冠状动脉疾病患者	医学影像分析	心血管疾病	计算机断层扫描血管造影(CTA)	深度学习	医学影像	339名患者(60.5±10.0岁，209名男性)，414条血管	NA	DeepVessel FFR	灵敏度,特异性,准确度,阳性预测值,阴性预测值,AUC	NA
763	2025-10-30	High Resolution TOF-MRA Using Compressed Sensing-based Deep Learning Image Reconstruction for the Visualization of Lenticulostriate Arteries: A Preliminary Study 2025-Sep-26, Magnetic resonance in medical sciences : MRMS : an official journal of Japan Society of Magnetic Resonance in Medicine IF:2.5Q2 DOI:10.2463/mrms.mp.2024-0025 PMID:39034144	研究论文	本研究比较压缩感知深度学习重建与传统压缩感知算法在时间飞跃磁共振血管成像中对豆纹动脉的显示效果	首次将压缩感知与深度学习相结合用于高分辨率TOF-MRA图像重建，提高了豆纹动脉的显示质量	样本量较小（仅5名健康志愿者），属于初步研究	评估基于压缩感知的深度学习重建算法在TOF-MRA中对豆纹动脉显示效果的改善	健康志愿者的豆纹动脉	医学影像分析	脑血管疾病	时间飞跃磁共振血管成像（TOF-MRA）	深度学习	磁共振影像	5名健康志愿者	NA	NA	可见豆纹动脉数量、豆纹动脉长度、归一化均方误差、整体图像质量评分、外周豆纹动脉可见性评分	NA
764	2025-10-30	The Evolution and Clinical Impact of Deep Learning Technologies in Breast MRI 2025-Sep-26, Magnetic resonance in medical sciences : MRMS : an official journal of Japan Society of Magnetic Resonance in Medicine IF:2.5Q2 DOI:10.2463/mrms.rev.2024-0056 PMID:39477506	综述	本文综述了深度学习技术在乳腺MRI中的演变历程和临床影响，重点探讨其在图像重建、分类、检测、分割及临床结局预测等方面的应用	系统总结了深度学习在乳腺MRI多任务应用中的革命性进展，包括改善图像质量、提升良恶性病变鉴别精度以及实现个性化治疗策略预测	技术临床应用仍面临挑战，需要进一步研究验证并建立法律伦理框架	探讨深度学习技术在乳腺MRI领域的演进过程及其对临床实践的影响	乳腺MRI影像数据及相关临床结局（新辅助化疗反应、乳腺癌复发）	医学影像	乳腺癌	MRI	CNN, RNN, GAN	医学影像	NA	NA	NA	NA	NA
765	2025-10-30	MedImg: An Integrated Database for Public Medical Images 2025-Sep-22, Genomics, proteomics & bioinformatics DOI:10.1093/gpbjnl/qzaf068 PMID:40833036	研究论文	构建了一个集成公共医学图像的综合数据库MedImg，包含105个数据集和近200万张图像	整合了来自多个公共来源的多样化医学图像数据集，构建了系统化的在线数据库平台	仅包含公开可用的数据集，可能无法覆盖所有医学图像类型和临床应用场景	解决医学图像分析中大规模、特征化数据集缺乏的问题，促进深度学习算法的验证和推广	医学图像数据集	医学图像分析	多疾病类型	医学影像采集技术	NA	医学图像	105个数据集，共1,995,671张图像	NA	NA	NA	NA
766	2025-09-15	A novel deep learning framework for the diagnosis of erythematosquamous lesions using whole slide histopathologic images 2025-Sep-11, Journal of the American Academy of Dermatology IF:12.8Q1 DOI:10.1016/j.jaad.2025.09.010 PMID:40945744	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
767	2025-10-30	Artificial Intelligence in Fracture Diagnosis on Radiographs: Evidence, Pitfalls, and Pathways for Clinical Integration (2020-2025) 2025-Sep, Cureus DOI:10.7759/cureus.93124 PMID:41141172	综述	本文对2020-2025年间人工智能在X光片骨折诊断中的应用证据、局限性和临床整合路径进行叙事性综合评述	系统梳理了近五年AI骨折诊断的研究进展，重点关注临床部署实践和监管审批现状	存在数据集偏差、泛化能力有限、可解释性不足和患者中心结局不确定等挑战	评估AI在骨折诊断中的诊断性能、临床效用和整合路径	X光片和其他影像模态中的骨折检测	医学影像分析	骨折	深度学习	深度学习系统	X光影像	基于多项系统评价和荟萃分析的综合样本	NA	NA	灵敏度, 特异性	NA
768	2025-10-30	[Exploration and application of attention mechanism in survival analysis of competitive events in oral cancer] 2025-Aug, Shanghai kou qiang yi xue = Shanghai journal of stomatology PMID:41157971	研究论文	本研究基于注意力机制构建了OSAA模型用于口腔癌竞争事件生存分析，并探索其在口腔癌辅助诊疗中的应用价值	首次将注意力机制应用于口腔癌竞争事件的生存分析，开发了OSAA模型	NA	开发基于注意力机制的口腔癌竞争事件生存分析模型并评估其性能	来自SEER数据库的口腔癌患者数据	机器学习	口腔癌	生存分析	深度学习	临床数据	NA	NA	注意力机制	C-index, IBS, Kaplan-Meier生存曲线, 时间依赖性ROC曲线	NA
769	2025-10-30	[Preliminary study of alveolar socket measurement on CBCT based on SAM] 2025-Aug, Shanghai kou qiang yi xue = Shanghai journal of stomatology PMID:41157983	研究论文	本研究开发了一种基于SAM的深度学习自动测量工具，用于CBCT影像中牙槽窝尺寸的测量	首次将Segment Anything Model(SAM)应用于CBCT影像的牙槽窝自动测量，开发了交互式分割测量工具	样本量较小（29名患者），仅评估了特定牙位（5-5位置）的测量准确性	评估基于深度学习的CBCT自动测量工具的准确性，并与手动测量进行比较验证	成人患者的CBCT影像和牙槽窝横断面	计算机视觉	口腔疾病	CBCT成像	SAM	医学影像	29名成年患者（11男，18女），427个牙槽窝横断面	NA	Segment Anything Model	决定系数(R2), 测量误差, Pearson相关系数	NA
770	2025-10-30	A ViTUNeT-based model using YOLOv8 for efficient LVNC diagnosis and automatic cleaning of dataset 2025-Jun-01, Journal of integrative bioinformatics IF:1.5Q3 DOI:10.1515/jib-2024-0048 PMID:40460443	研究论文	提出结合ViTUNeT和YOLOv8的模型，用于左心室致密化不全诊断和数据集自动清洗	提出ViTUNeT架构（结合U-Net和Vision Transformers），并集成YOLOv8模型进行感兴趣区域检测和数据集自动清洗	数据集质量限制了模型精度的进一步提升	改进左心室致密化不全的诊断准确性和心脏图像分析	左心室致密化不全患者、Titin心肌病患者和健康个体的心脏MRI图像	计算机视觉	心血管疾病	MRI	U-Net, Vision Transformer, YOLO	医学图像	包含新患者和健康个体的扩展数据集	NA	ViTUNeT, YOLOv8, U-Net	NA	NA
771	2025-10-30	Radiomics of PET Using Neural Networks for Prediction of Alzheimer's Disease Diagnosis 2025-Jun, Statistics in medicine IF:1.8Q1 DOI:10.1002/sim.70128 PMID:40468810	研究论文	本研究开发了基于图神经网络和Transformer编码器的深度学习模型，利用纵向PET图像和认知评分预测阿尔茨海默病的诊断和转化	首次将图神经网络和Transformer编码器应用于纵向PET图像序列分析，同时考虑了访间时间变异性	数据来源于单一研究ADNI，未在外部数据集验证	利用纵向PET图像和认知评分预测阿尔茨海默病的诊断和从认知正常或轻度认知障碍向AD的转化	阿尔茨海默病神经影像计划(ADNI)研究收集的数据	医学影像分析	阿尔茨海默病	正电子发射断层扫描(PET)	GNN, Transformer, RNN, FFN	医学图像(PET图像), 认知评分	ADNI研究数据集	NA	图神经网络, Transformer编码器, 循环神经网络, 前馈神经网络	准确率, AUC, Brier分数	NA
772	2025-10-30	Automated mitosis detection in stained histopathological images using Faster R-CNN and stain techniques 2025-Jun-01, Journal of integrative bioinformatics IF:1.5Q3 DOI:10.1515/jib-2024-0049 PMID:40491077	研究论文	本研究使用Faster R-CNN和染色技术实现染色组织病理图像中的自动有丝分裂检测	提出基于Faster R-CNN的两阶段目标检测模型，并应用染色增强和标准化技术解决组织病理图像分析中的域偏移挑战	未明确说明样本量的具体数值和计算资源细节	开发自动有丝分裂检测方法以辅助癌症诊断和治疗	染色组织病理图像中的有丝分裂细胞	数字病理	癌症	染色增强, 染色标准化	Faster R-CNN, RetinaNet	图像	MIDOG++数据集	PyTorch, fastai	Faster R-CNN, RetinaNet	F1分数	NA
773	2025-10-30	Leveraging transformers for semi-supervised pathogenicity prediction with soft labels 2025-Jun-01, Journal of integrative bioinformatics IF:1.5Q3 DOI:10.1515/jib-2024-0047 PMID:40538169	研究论文	本文提出了一种基于Transformer的深度学习模型，用于预测遗传变异的致病性	采用半监督学习方法处理包含明确标记和模糊标记的遗传变异数据，并利用Feature Tokenizer Transformer架构处理数值和分类基因组信息	模型对明确标记变异的预测准确性较高，但对不确定性数据的预测效果仍需改进	开发遗传变异致病性预测模型以推进个性化医疗	来自NGS输出的遗传变异数据，包括明确标记和模糊标记的变异	机器学习	NA	NGS	Transformer	基因组数据	NA	NA	Feature Tokenizer Transformer	准确率	NA
774	2025-10-30	Colon cancer survival prediction from gland shapes within histology slides using deep learning 2025-Jun-01, Journal of integrative bioinformatics IF:1.5Q3 DOI:10.1515/jib-2024-0052 PMID:40650530	研究论文	本研究利用深度学习技术从结直肠癌组织病理图像中分割腺体，并基于腺体形态特征预测患者生存期	结合GlaS和CRAG数据集训练模型以增强泛化能力，并首次将腺体形态特征与生存预测相结合	模型在特定领域准确性和跨数据集鲁棒性之间存在权衡	通过腺体分割和形态特征分析预测结肠癌患者生存期	结直肠癌组织病理图像中的腺体结构	数字病理学	结肠癌	组织病理学成像	CNN	图像	GlaS和CRAG数据集及TCGA的全切片图像	NA	U-Net, DCAN	一致性指数, log-rank检验p值	NA
775	2025-10-30	Using machine and deep learning to predict short-term complications following trigger digit release surgery 2025-Jan, Journal of hand and microsurgery IF:0.3Q4 DOI:10.1016/j.jham.2024.100171 PMID:39876951	研究论文	本研究使用机器学习和深度学习技术预测扳机指松解术后短期并发症	首次将多种机器学习算法应用于扳机指手术并发症预测，并比较不同模型性能	回顾性研究设计，样本量相对有限（1209例），模型预测性能有提升空间	评估机器学习技术在预测扳机指松解术后短期并发症的能力	接受扳机指松解术的患者	机器学习	手部疾病	机器学习，深度学习	Random Forest, Elastic-Net Regression, XGBoost, Neural Network	临床数据	1209例扳机指松解术病例	NA	神经网络	AUC	NA
776	2025-10-30	DeepRNAac4C: a hybrid deep learning framework for RNA N4-acetylcytidine site prediction 2025, Frontiers in genetics IF:2.8Q2 DOI:10.3389/fgene.2025.1622899 PMID:40927364	研究论文	提出一种混合深度学习框架DeepRNAac4C用于RNA N4-乙酰胞苷位点预测	整合残差神经网络、CNN、BiLSTM和BiGRU，有效捕捉局部和全局序列特征	NA	提高RNA ac4C位点预测的准确性和泛化能力	RNA N4-乙酰胞苷(ac4C)修饰位点	生物信息学	NA	RNA序列分析	CNN, BiLSTM, BiGRU, 残差神经网络	RNA序列数据	NA	NA	混合架构(ResNet, CNN, BiLSTM, BiGRU)	准确率	NA
777	2025-10-30	Attention-enhanced deep learning for cervical cytology: combining convolutional networks with multi-head attention and fuzzy logic 2025, Polish journal of radiology IF:0.9Q4 DOI:10.5114/pjr/207475 PMID:41140357	研究论文	提出一种结合卷积神经网络、多头注意力和模糊逻辑的注意力增强深度学习框架，用于宫颈细胞学图像分类	引入基于模糊距离的集成方法融合多个CNN模型预测，结合四种先进预处理技术和注意力机制提升特征学习能力	未提及模型在不同数据集上的泛化能力验证和临床部署的实际可行性	开发自动化宫颈癌诊断系统以提高诊断准确性和标准化程度	宫颈涂片图像	计算机视觉	宫颈癌	图像预处理技术（小波去噪、CLAHE、背景校正、拉普拉斯锐化）	CNN	图像	NA	NA	Simple CNN, InceptionV3, Xception, Xception with Attention, Inception Attention	准确率	NA
778	2025-10-30	Cotton pest and disease diagnosis via YOLOv11-based deep learning and knowledge graphs: a real-time voice-enabled edge solution 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1671755 PMID:41140380	研究论文	提出一种基于YOLOv11深度学习与知识图谱的棉花病虫害实时语音边缘诊断解决方案	集成增强型YOLOv11检测器与领域知识图谱，结合LAMP剪枝和师生蒸馏策略实现轻量化部署，并通过蓝牙语音反馈提供实时决策支持	未提及模型在其他作物病虫害上的泛化能力及长期野外稳定性验证	开发实时、可访问的棉花病虫害智能管理边缘解决方案	棉花病虫害图像及领域知识	计算机视觉	植物病害	深度学习，知识图谱构建	YOLO	图像	知识图谱包含3000+三元组，覆盖7个主要类别	PyTorch	YOLOv11	mAP50, FPS	Jetson Xavier NX边缘设备
779	2025-10-30	The use of artificial intelligence in the prevention and management of bleeding disorders: a systematic review 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1606788 PMID:41140650	系统综述	系统评估人工智能在出血性疾病预防和管理中的应用	首次系统综述AI在出血性疾病管理中的综合应用，涵盖多种机器学习模型和预测变量	数据集碎片化、模型可解释性有限、外部验证不足阻碍临床广泛应用	探索AI在出血性疾病预防、诊断和管理中的作用	出血性疾病患者，包括血友病、血管性血友病和免疫性血小板减少症	医疗人工智能	出血性疾病	机器学习算法、预测分析	Random Forest, XGBoost, LightGBM, 深度学习	遗传标记、实验室生物标志物、临床病史变量、人口统计学数据	基于12项符合纳入标准的研究	NA	NA	诊断准确性、风险分层、治疗结果改善	NA
780	2025-10-30	Diagnosing autism spectrum disorder based on eye tracking technology using deep learning models 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1690177 PMID:41140663	研究论文	基于眼动追踪技术使用深度学习模型诊断自闭症谱系障碍	结合CNN和LSTM模型分析眼动数据，采用互信息特征选择方法优化特征集，在ASD诊断中达到99.78%的准确率	使用标准数据集，未提及外部验证或临床实时应用的具体挑战	通过深度学习算法利用眼动追踪数据实现自闭症谱系障碍的自动诊断	患有和未患有自闭症谱系障碍的儿童	机器学习	自闭症谱系障碍	眼动追踪技术	CNN, LSTM	眼动数据	标准数据集（具体数量未提及）	NA	CNN-LSTM	准确率	NA