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
8101	2025-02-17	Hybrid Approach to Classifying Histological Subtypes of Non-small Cell Lung Cancer (NSCLC): Combining Radiomics and Deep Learning Features from CT Images 2025-Feb-14, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01442-5 PMID:39953259	研究论文	本研究旨在开发一种结合放射组学和深度学习特征的混合模型，用于分类非小细胞肺癌（NSCLC）的组织学亚型	提出了一种结合放射组学和深度学习特征的混合模型，用于提高NSCLC亚型分类的准确性和可靠性	样本量相对较小，外部验证数据集仅包含24名患者	提高非小细胞肺癌（NSCLC）组织学亚型分类的准确性和可靠性	非小细胞肺癌（NSCLC）患者	计算机视觉	肺癌	CT成像	混合模型（放射组学+深度学习）	CT图像	235名NSCLC患者（内部数据集），24名NSCLC患者（外部验证数据集）
8102	2025-02-17	Accelerated Multi-b-Value DWI Using Deep Learning Reconstruction: Image Quality Improvement and Microvascular Invasion Prediction in BCLC Stage A Hepatocellular Carcinoma 2025-Feb-14, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.01.043 PMID:39955255	研究论文	本研究探讨了加速深度学习多b值扩散加权成像（DL Mb-DWI）在BCLC A期肝细胞癌（HCC）中的采集时间、图像质量和微血管侵犯（MVI）预测能力的影响	使用深度学习技术加速多b值扩散加权成像，显著减少采集时间并提高图像质量，同时保持与标准Mb-DWI相当的MVI预测性能	研究样本量相对较小（118例患者），且仅针对BCLC A期HCC患者，可能限制了结果的普适性	评估加速DL Mb-DWI在HCC患者中的图像质量和MVI预测能力	BCLC A期肝细胞癌患者	医学影像	肝细胞癌	多b值扩散加权成像（Mb-DWI）	深度学习模型	医学影像数据	118例患者
8103	2025-02-17	Diagnosis of microbial keratitis using smartphone-captured images; a deep-learning model 2025-Feb-13, Journal of ophthalmic inflammation and infection IF:2.9Q1 DOI:10.1186/s12348-025-00465-x PMID:39946047	研究论文	本研究探讨了使用智能手机拍摄的图像通过深度学习模型诊断和区分微生物性角膜炎（MK）亚型的应用	利用智能手机拍摄的图像和深度学习技术进行微生物性角膜炎的诊断，提供了一种快速且适用于资源有限地区的诊断方法	研究样本量相对较小，且未涵盖所有可能的MK亚型	开发一种快速且准确的微生物性角膜炎诊断方法，特别是在资源有限的地区	微生物性角膜炎（MK）及其亚型（细菌性角膜炎、真菌性角膜炎和阿米巴性角膜炎）	计算机视觉	角膜炎	深度学习	卷积神经网络（CNN）	图像	889例（2020年至2023年收集的细菌性角膜炎、真菌性角膜炎和阿米巴性角膜炎病例）
8104	2025-02-17	Prediction of InSAR deformation time-series using improved LSTM deep learning model 2025-Feb-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-83084-1 PMID:39948371	研究论文	本研究开发了一种改进的LSTM模型，用于预测InSAR变形时间序列，并在印度Khetri铜带的Mine-A的26个TSX/TDX数据集上进行了验证	提出了一种改进的LSTM模型（mLSTM），用于预测InSAR变形时间序列，并在性能上优于传统的RNN和LSTM模型	研究仅基于单一参考PSI导出的变形时间序列结果，可能限制了模型的泛化能力	开发一种改进的LSTM模型，用于预测矿山开采引起的地表变形时间序列	矿山开采引起的地表变形	机器学习	NA	InSAR	LSTM, RNN, mLSTM	时间序列数据	26个TSX/TDX数据集
8105	2025-02-17	Robust CRW crops leaf disease detection and classification in agriculture using hybrid deep learning models 2025-Feb-13, Plant methods IF:4.7Q1 DOI:10.1186/s13007-025-01332-5 PMID:39948565	研究论文	本文提出了一种用于玉米、水稻和小麦作物病害检测的Slender-CNN模型，通过整合不同维度的并行卷积层来准确识别多尺度病变	设计了Slender-CNN模型，能够同时处理多种作物的病害检测，并在资源有限的环境中表现出色	模型在特定作物上的准确率仍有提升空间，且未涉及其他作物或更广泛的病害类型	开发一种适用于多种作物的病害检测模型，以解决农民资源有限和数字素养低的问题	玉米、水稻和小麦作物的病害检测	计算机视觉	植物病害	深度学习	Slender-CNN	图像	未明确说明样本数量，但涉及玉米、水稻和小麦作物的健康与感染类别
8106	2025-02-17	Automated detection and quantification of aortic calcification in coronary CT angiography using deep learning: A comparative study of manual and automated scoring methods 2025-Feb-10, Journal of cardiovascular computed tomography IF:5.5Q1 DOI:10.1016/j.jcct.2025.02.003 PMID:39955204	研究论文	本研究评估了一种深度学习模型，用于自动化检测和量化冠状动脉CT血管造影（CTA）图像中的主动脉钙化，并与手动评估方法进行比较	首次使用深度学习模型自动化检测和量化主动脉钙化，并与传统手动方法进行对比验证	研究样本量有限，仅包含670名参与者，且未探讨模型在其他数据集上的泛化能力	评估深度学习模型在自动化检测和量化主动脉钙化中的可靠性，并比较其与手动方法在预测主要不良心血管事件（MACE）中的效果	冠状动脉CT血管造影（CTA）图像中的主动脉钙化	计算机视觉	心血管疾病	深度学习	深度学习模型	图像	670名参与者（来自CORE320和CORE64研究）
8107	2025-02-17	Advancing Pancreatic Cancer Prediction with a Next Visit Token Prediction Head on Top of Med-BERT 2025-Feb-04, Cancers IF:4.5Q1 DOI:10.3390/cancers17030516 PMID:39941883	研究论文	本文提出了一种基于Med-BERT的胰腺癌预测方法，通过将疾病预测任务重新表述为令牌预测任务和下一次访问掩码令牌预测任务，以提高胰腺癌预测的准确性	将疾病预测任务重新表述为令牌预测任务和下一次访问掩码令牌预测任务，以更好地利用Med-BERT的预训练任务格式，从而在少量数据和完全监督设置下提高预测准确性	研究主要关注胰腺癌，未涉及其他类型的癌症或疾病	提高胰腺癌预测的准确性，尤其是在少量数据的情况下	电子健康记录（EHRs）中的胰腺癌预测	自然语言处理	胰腺癌	Med-BERT	Med-BERT-Sum, Med-BERT-Mask	电子健康记录（EHRs）	10到500个样本
8108	2025-02-17	Development of Nipple Trauma Evaluation System With Deep Learning 2025-Feb, Journal of human lactation : official journal of International Lactation Consultant Association IF:2.1Q2 DOI:10.1177/08903344241303867 PMID:39718190	研究论文	本研究旨在开发一种基于深度学习的乳头创伤评估系统，以支持母乳喂养	首次将深度学习技术应用于母乳喂养支持领域，开发了自动检测和分类乳头创伤的系统	研究中未提及样本的多样性或模型的泛化能力，可能限制了系统的广泛应用	开发一种能够自动检测和分类乳头创伤的深度学习系统	乳头创伤图像	计算机视觉	NA	深度学习	对象检测和分类模型	图像	753张图像
8109	2025-02-17	Development of deep learning auto-encoder algorithms for predicting alcohol use in Korean adolescents based on cross-sectional data 2025-Feb, Social science & medicine (1982) DOI:10.1016/j.socscimed.2025.117690 PMID:39892039	研究论文	本研究旨在开发基于机器学习和深度学习模型的韩国青少年饮酒预测算法，并识别重要特征	利用深度学习自编码器（Auto-encoder）和多种机器学习算法（如逻辑回归、决策树等）结合，突破了传统回归方法的限制，提供了对韩国青少年饮酒关键风险因素的新见解	研究基于横截面数据，可能无法捕捉随时间变化的动态风险因素	开发预测韩国青少年饮酒的算法，并识别重要特征	韩国青少年	机器学习	NA	深度学习自编码器（Auto-encoder）和多种机器学习算法（如逻辑回归、决策树等）	Auto-encoder, Logistic regression, Ridge, LASSO, Elasticnet, Decision tree, Random forest, AdaBoost, XGBoost	横截面数据	41,239名韩国青少年
8110	2025-02-17	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	本研究探讨了面部识别技术在儿童和青少年颅内生殖细胞肿瘤（iGCTs）早期检测中的应用，开发并验证了深度学习模型GVisageNet	首次将深度学习模型GVisageNet应用于iGCTs的早期检测，并结合临床数据开发了混合模型，显著提高了诊断准确性	研究样本量相对较小，且仅来自东亚地区的医疗机构，可能影响模型的普适性	探索面部识别技术在iGCTs早期检测中的应用，以提高患者的生活质量和治疗效果	儿童和青少年颅内生殖细胞肿瘤（iGCTs）患者	数字病理	脑肿瘤	深度学习	GVisageNet	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（iGCTs=79，正常对照=70，其他中线脑肿瘤=63），独立验证集336例（iGCTs=130，正常对照=100，其他中线脑肿瘤=106）
8111	2025-02-17	Development of a Deep Learning Model for Automating Implant Position in Total Hip Arthroplasty 2025-Jan-27, The Journal of arthroplasty IF:3.4Q1 DOI:10.1016/j.arth.2025.01.032 PMID:39880053	研究论文	本研究开发了一种深度学习模型，用于在全髋关节置换术中自动标注骨盆标志并自动化相关测量	开发了一种新的深度学习模型，能够实时自动识别临床相关的骨盆标志，并提供与训练有素的人类相当的THA相关测量	临床使用目前仍有限	开发一种深度学习模型，用于在全髋关节置换术中自动标注骨盆标志并自动化相关测量	161例初次全髋关节置换术的影像数据	计算机视觉	骨科疾病	深度学习	深度学习模型	影像数据（X光和透视图像）	161例初次全髋关节置换术的影像数据
8112	2025-02-17	A Deep Learning Tool for Minimum Joint Space Width Calculation on Antero-posterior Knee Radiographs 2025-Jan-27, The Journal of arthroplasty IF:3.4Q1 DOI:10.1016/j.arth.2025.01.038 PMID:39880057	研究论文	本研究开发了一种用于膝关节前后位X光片上最小关节间隙宽度（mJSW）自动测量的深度学习工具	开发了一种结合深度学习分割模型和计算机视觉算法的端到端算法，用于自动测量膝关节内外侧的最小关节间隙宽度，能够灵活处理自然膝关节和关节置换后的膝关节	算法与人工测量的差异在73.2%的情况下小于1毫米，但仍存在一定误差	开发并验证一种自动化算法，用于在膝关节前后位X光片上测量最小关节间隙宽度（mJSW）	膝关节前后位X光片	计算机视觉	骨关节炎	深度学习	深度学习分割模型	图像	583张图像用于训练、验证和测试深度学习模型，330张独立图像用于提供计算机视觉算法开发和验证的基准测量
8113	2025-02-17	An Accelerated Spectroscopic MRI Metabolite Quantification Based on a Deep Learning Method for Radiation Therapy Planning in Brain Tumor Patients 2025-Jan-27, Cancers IF:4.5Q1 DOI:10.3390/cancers17030423 PMID:39941791	研究论文	本研究提出了一种基于深度学习的加速光谱MRI代谢物定量方法，用于脑肿瘤患者的放射治疗规划	提出了一种基于神经网络的加速光谱拟合模型NNFit，相比传统的最小二乘拟合方法，显著提高了处理速度并减少了伪影	研究样本量较小，仅包括30名GBM患者的训练数据和17名GBM患者的测试数据	比较NNFit与传统FITT方法在代谢物定量和放射治疗规划中的性能	脑肿瘤患者	数字病理学	脑肿瘤	光谱MRI (sMRI)	自监督深度学习模型	MRI图像	30名GBM患者（56次扫描）用于训练，17名GBM患者（29次扫描）用于测试
8114	2025-02-17	Retrospectively Quantified T2 Improves Detection of Clinically Significant Peripheral Zone Prostate Cancer 2025-Jan-24, Cancers IF:4.5Q1 DOI:10.3390/cancers17030381 PMID:39941750	研究论文	本研究评估了结合深度学习估计的T2映射与传统T2加权图像在检测临床显著性前列腺癌（csPCa）中的附加价值	利用深度学习从临床获取的T1和T2加权图像估计T2映射，结合传统T2加权图像，提高了对临床显著性前列腺癌的检测能力	研究样本量较小（76例），且为回顾性分析，可能存在选择偏倚	评估深度学习估计的T2映射在检测临床显著性前列腺癌中的附加价值	76例外周带前列腺病变，包括临床显著性和非显著性病例	数字病理学	前列腺癌	多参数MRI（mpMRI），深度学习	Logistic回归，高斯过程分类器	图像	76例外周带前列腺病变
8115	2025-02-17	Comparing innovative artificial intelligence algorithms to assess echocardiographic videos for clinical modeling 2025-Jan-20, The Journal of thoracic and cardiovascular surgery IF:4.9Q1 DOI:10.1016/j.jtcvs.2025.01.008 PMID:39842544	研究论文	本研究使用多种动态深度学习算法，基于视频超声心动图开发预测模型，并评估不同样本量对模型性能的影响	比较了3D卷积神经网络、视频视觉变换器以及混合卷积神经网络和长短期记忆模型在监督学习和半监督学习中的表现，特别是在不同样本量下的性能	研究主要关注模型性能的比较，未涉及实际临床应用效果的验证	开发并评估基于视频超声心动图的预测模型，探索样本量对模型性能的影响	视频超声心动图数据	计算机视觉	心血管疾病	深度学习	3D CNN, Video Vision Transformers, CNN+LSTM	视频	200、400、800个视频数据集
8116	2025-02-17	A Flow-based Truncated Denoising Diffusion Model for super-resolution Magnetic Resonance Spectroscopic Imaging 2025-Jan, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103358 PMID:39353335	研究论文	本文提出了一种基于流的截断去噪扩散模型（FTDDM），用于提高磁共振波谱成像（MRSI）的超分辨率	通过截断扩散链并使用基于归一化流的网络估计截断步骤，显著缩短了扩散过程，同时实现了多尺度超分辨率	尽管采样速度提高了9倍以上，但模型的训练和评估依赖于特定数据集，可能限制了其泛化能力	开发一种能够从低分辨率数据生成高分辨率MRSI的后处理方法，以克服时间和灵敏度限制	高分辨率磁共振波谱成像（MRSI）	计算机视觉	癌症	深度学习	FTDDM（基于流的截断去噪扩散模型）	图像	25名高级别胶质瘤患者的H-MRSI数据集
8117	2025-02-17	AI predictive models and advancements in microdissection testicular sperm extraction for non-obstructive azoospermia: a systematic scoping review 2025, Human reproduction open IF:8.3Q1 DOI:10.1093/hropen/hoae070 PMID:39764557	系统范围综述	本文综述了人工智能（AI）模型在预测非梗阻性无精子症（NOA）患者进行显微睾丸精子提取（m-TESE）手术中精子获取成功率方面的准确性和潜力	首次系统评估了AI模型在预测m-TESE手术结果中的应用，整合了临床、激素、组织病理学和遗传因素	研究设计的异质性、样本量小、缺乏验证研究以及仅依赖PubMed和Scopus两个数据库可能限制了研究结果的广泛适用性	评估AI模型在预测NOA患者m-TESE手术中精子获取成功率的准确性和潜力	非梗阻性无精子症（NOA）患者	生殖医学	非梗阻性无精子症	机器学习、深度学习、逻辑回归	AI预测模型	临床数据、激素水平、组织病理学评估、遗传参数	45项研究，具体样本量未明确
8118	2025-02-17	Tricuspid valve flow measurement using a deep learning framework for automated valve-tracking 2D phase contrast 2024-Nov, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.30163 PMID:38817154	研究论文	本文开发了一种自动瓣膜追踪的2D方法，用于测量动态三尖瓣的血流速度	使用深度学习网络TVnet自动追踪三尖瓣平面，并应用于动态2D相位对比成像	样本量较小，仅包括9名健康受试者和2名患者	评估三尖瓣血流速度，解决心血管MR测量中的挑战	健康受试者和患者的三尖瓣血流	计算机视觉	心血管疾病	2D相位对比成像	深度学习网络TVnet	图像	9名健康受试者和2名患者
8119	2025-02-17	Diffusion Correction in Fricke Hydrogel Dosimeters: A Deep Learning Approach with 2D and 3D Physics-Informed Neural Network Models 2024-Aug-30, Gels (Basel, Switzerland) DOI:10.3390/gels10090565 PMID:39330168	研究论文	本文提出了一种创新的深度学习方法，利用2D和3D物理信息神经网络模型来解决Fricke凝胶剂量计中离子扩散导致的剂量分布测量不准确的问题	首次将物理信息神经网络（PINNs）应用于Fricke凝胶剂量计中，通过将物理定律直接融入学习过程，优化网络以遵循离子扩散的物理原理，从而准确重建原始离子分布	研究仅针对数值模拟数据进行测试，未涉及实际实验数据的验证	提高Fricke凝胶剂量计在辐射剂量测量中的精度，克服离子扩散对剂量分布测量的影响	Fricke凝胶剂量计中的离子扩散现象	机器学习	NA	物理信息神经网络（PINNs）	PINNs	2D和3D数据	数值模拟数据，时间跨度从20到100小时
8120	2025-02-17	BioMapAI: Artificial Intelligence Multi-Omics Modeling of Myalgic Encephalomyelitis / Chronic Fatigue Syndrome 2024-Jun-28, bioRxiv : the preprint server for biology DOI:10.1101/2024.06.24.600378 PMID:38979186	研究论文	本文介绍了BioMapAI，一个可解释的深度学习框架，用于建模肌痛性脑脊髓炎/慢性疲劳综合征（ME/CFS）的多组学数据	开发了BioMapAI框架，首次使用最丰富的纵向多组学数据集进行ME/CFS研究，并创建了健康和疾病状态下的组学连接图	NA	解决ME/CFS和长期COVID等慢性疾病的高异质性和多因素病因及进展问题，改善诊断和治疗	肌痛性脑脊髓炎/慢性疲劳综合征（ME/CFS）患者	机器学习	慢性疲劳综合征	多组学分析	深度学习	多组学数据（包括肠道宏基因组学、血浆代谢组、免疫分析、血液实验室数据和临床症状）	NA