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
8161	2025-10-06	Deep learning-based lung cancer classification of CT images 2025-Jul-01, BMC cancer IF:3.4Q2 DOI:10.1186/s12885-025-14320-8 PMID:40596973	研究论文	提出一种基于深度学习的CT图像肺结节分类模型DCSwinB，用于区分良恶性肺结节	结合CNN局部特征提取和Swin Transformer全局特征提取的双分支架构，并引入Conv-MLP模块增强相邻窗口连接以捕获3D图像中的长程依赖关系	仅使用LUNA16数据集进行验证，未在其他独立数据集测试泛化能力	提高CT图像中肺结节良恶性分类的准确性和效率	CT图像中的肺结节	计算机视觉	肺癌	CT成像	CNN, Transformer	3D医学图像	数千名患者的标注CT扫描（LUNA16和LUNA16-K数据集）	PyTorch	Swin-Tiny Vision Transformer, ResNet50, DCSwinB	准确率, 召回率, 特异性, AUC	NA
8162	2025-10-06	Enhanced pulmonary nodule detection with U-Net, YOLOv8, and swin transformer 2025-Jul-01, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-01784-0 PMID:40596996	研究论文	本研究开发了一种结合U-Net、YOLOv8和Swin Transformer的两阶段深度学习模型，用于增强CT图像中肺结节的检测能力	提出了一种新颖的两阶段检测框架，将U-Net的精确分割能力与结合Swin Transformer增强的YOLOv8检测器相结合，并采用形状感知IoU损失函数优化边界框预测	研究仅使用了公开数据集和单一医院的额外数据，需要更多外部验证来证明模型的泛化能力	开发高精度的肺结节检测模型，特别针对小结节检测，提高检测准确性并降低假阳性率	CT图像中的肺结节	计算机视觉	肺癌	计算机断层扫描(CT)	CNN, Transformer	医学图像(CT扫描)	LUNA16数据集的888例CT扫描和天津胸科医院的308例CT扫描	NA	U-Net, YOLOv8, Swin Transformer	精确率, 召回率, mAP50	NA
8163	2025-10-06	Ultrasound-based machine learning model to predict the risk of endometrial cancer among postmenopausal women 2025-Jul-01, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-01705-1 PMID:40597002	研究论文	开发并验证基于超声的人工智能诊断模型，用于预测绝经后女性子宫内膜癌风险	结合超分辨率图像增强、放射组学特征和深度学习特征，开发混合诊断模型，显著提高诊断特异性并降低操作者依赖性变异	研究仅包含两个中心的样本，需要更大规模的外部验证	提高子宫内膜癌超声诊断的准确性和一致性	绝经后女性	医学影像分析	子宫内膜癌	超声成像，超分辨率技术	CNN, 机器学习算法	超声图像	1,861名连续入组的绝经后女性	Pyradiomics	CNN	AUROC, 敏感度, 特异度	NA
8164	2025-10-06	Deep learning-based automated classification of choroidal layers in en face swept-source optical coherence tomography images 2025-Jul-01, BMC ophthalmology IF:1.7Q3 DOI:10.1186/s12886-025-04170-0 PMID:40597023	研究论文	开发基于深度学习的算法，用于自动分类扫频源光学相干断层扫描图像中的脉络膜层	首次将边界增强欠采样和子类集成技术结合ResNet应用于脉络膜层自动分类	仅包含117名健康受试者，未验证在疾病状态下的性能	实现脉络膜层的自动分类和分层	人眼脉络膜层	计算机视觉	眼科疾病	扫频源光学相干断层扫描	CNN	图像	117名健康受试者（117只眼睛），16,025张SS-OCT图像	NA	ResNet	平衡准确率	NA
8165	2025-10-06	Preoperative MRI-based deep learning reconstruction and classification model for assessing rectal cancer 2025-Jul-01, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-01775-1 PMID:40597035	研究论文	本研究开发了基于术前MRI的深度学习重建和分类模型，用于评估直肠癌的TN分期	首次将深度学习重建技术应用于直肠MRI图像质量提升，并结合深度学习分类模型进行TN分期诊断	回顾性研究，样本量相对有限（178例患者）	评估深度学习重建技术对直肠MRI图像质量的改善效果，并开发TN分期诊断模型	经病理确诊的直肠癌患者	医学影像分析	直肠癌	MRI（T2加权成像、扩散加权成像、对比增强T1加权成像）	深度学习分类模型	医学影像	178例直肠癌患者	NA	NA	AUC, SNR, CNR, 图像质量评分	NA
8166	2025-10-06	Attention-driven hybrid deep learning and SVM model for early Alzheimer's diagnosis using neuroimaging fusion 2025-Jul-01, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-025-03073-w PMID:40597079	研究论文	提出一种结合深度学习和SVM的混合模型，通过神经影像融合实现阿尔茨海默病的早期诊断	采用注意力驱动学习机制和晚期融合集成策略，将深度学习特征提取与SVM核函数相结合，有效解决数据稀疏性和维度灾难问题	未明确说明样本数据集的具体规模和多样性限制	提高阿尔茨海默病早期诊断的准确性和可靠性	阿尔茨海默病患者神经影像数据	医学影像分析	阿尔茨海默病	MRI, PET, 神经影像融合	深度学习, SVM	神经影像数据	NA	NA	注意力机制, 混合架构	准确率, 灵敏度, 特异性, F1分数, 计算效率	NA
8167	2025-10-06	Deep learning-based dipeptidyl peptidase IV inhibitor screening, experimental validation, and GaMD/LiGaMD analysis 2025-Jul-01, BMC biology IF:4.4Q1 DOI:10.1186/s12915-025-02295-8 PMID:40597132	研究论文	本研究开发了一种整合深度学习和分子对接的DPP4抑制剂筛选方法，并通过实验验证和分子动力学分析揭示了药物结合机制	整合受体基ConPLex、配体基KPGT和分子对接的联合筛选策略，开发了DPP4META预测服务器和pymd分析工具包	NA	开发高效的DPP4抑制剂筛选方法并研究其结合机制	二肽基肽酶-4(DPP4)抑制剂	机器学习	2型糖尿病	分子对接,高斯加速分子动力学(GaMD),配体高斯加速分子动力学(LiGaMD)	深度学习	分子结构数据	从FDA数据库中筛选出4种潜在药物	Python	ConPLex,KPGT	命中率,IC50值	NA
8168	2025-10-06	RCFLA-YOLO: a deep learning-driven framework for the automated assessment of root canal filling quality in periapical radiographs 2025-Jul-01, BMC medical education IF:2.7Q1 DOI:10.1186/s12909-025-07483-2 PMID:40597191	研究论文	提出基于深度学习的RCFLA-YOLO框架，用于自动评估根尖周X线片中根管充填质量	首次将YOLOv11架构应用于根管充填质量评估，是学生操作中评估根管充填质量的先驱研究之一	仅评估根管充填长度这一参数，未涵盖根管充填质量的其他评估维度	开发自动评估根管充填质量的决策支持系统，用于牙科临床前教育	根尖周X线片中的根管充填长度评估	计算机视觉	牙科疾病	深度学习	YOLO	X射线图像	735张由专家标注的根尖周X线片	NA	YOLOv11m	精确率, 召回率, F1分数, mAP50	NA
8169	2025-10-06	Multiclass skin lesion classification and localziation from dermoscopic images using a novel network-level fused deep architecture and explainable artificial intelligence 2025-Jul-01, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-025-03051-2 PMID:40597254	研究论文	提出一种网络级融合的深度学习架构，用于皮肤镜图像中皮肤病变的多分类和定位，并结合可解释人工智能技术	设计了网络级融合架构，结合两种深度模型和可解释AI技术，同时实现高精度分类和病变定位	计算资源需求较高且训练时间较长	改进皮肤镜图像中皮肤病变的分类和定位性能	皮肤镜图像中的皮肤病变	计算机视觉	皮肤癌	深度学习和可解释人工智能	CNN	图像	HAM10000和ISIC2018两个公开数据集	NA	倒残差网络,倒瓶颈网络	准确率,敏感度,精确率,F1分数	NA
8170	2025-10-06	Development and clinical validation of deep learning-based immunohistochemistry prediction models for subtyping and staging of gastrointestinal cancers 2025-Jul-01, BMC gastroenterology IF:2.5Q2 DOI:10.1186/s12876-025-04045-0 PMID:40597706	研究论文	开发并临床验证基于深度学习的免疫组化预测模型，用于胃肠道癌症亚型分型和分期	利用H&E全切片图像自动构建AI-IHC预测模型，并通过多读者多病例研究验证其临床一致性	样本量相对有限（134张训练WSI，150张测试WSI），P53标记一致性中等（70%），Ki-67增殖指数ICC值为0.415	开发自动化深度学习流程预测IHC生物标志物，减少传统IHC检测的时间和组织消耗	胃肠道癌症（食管癌、胃癌、结直肠癌）	数字病理学	胃肠道癌症	免疫组化，H&E染色，全切片图像分析	深度学习	病理图像	134张训练用WSI（含H&E和IHC配对），415,463个图像块；150张测试用WSI来自30名患者	NA	NA	AUC, 准确率, 一致性率, ICC	NA
8171	2025-10-06	Evaluation of a fusion model combining deep learning models based on enhanced CT images with radiological and clinical features in distinguishing lipid-poor adrenal adenoma from metastatic lesions 2025-Jul-01, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-01798-8 PMID:40597714	研究论文	评估结合增强CT图像深度学习模型与放射学和临床特征的融合模型在鉴别乏脂肾上腺腺瘤和转移性病变中的诊断性能	首次将基于增强CT图像的深度学习模型与临床放射学特征相结合构建融合模型，并采用SHAP分析解释模型预测结果	单中心回顾性研究，样本量相对有限（416例）	开发机器学习模型用于鉴别乏脂肾上腺腺瘤和转移性肿瘤	416例经病理证实的肾上腺肿瘤患者	医学影像分析	肾上腺肿瘤	增强CT成像	CNN, XGBoost	CT图像, 临床数据	416例肾上腺肿瘤患者，按7:3随机分为训练集和测试集	NA	ResNet50	AUC, 准确率, 敏感度	NA
8172	2025-10-06	Forecasting tuberculosis in Ethiopia using deep learning: progress toward sustainable development goal evidence from global burden of disease 1990-2021 2025-Jul-01, BMC infectious diseases IF:3.4Q2 DOI:10.1186/s12879-025-11228-3 PMID:40597736	研究论文	使用深度学习模型预测埃塞俄比亚结核病发病率趋势，评估可持续发展目标进展	结合多步LSTM和混合ARIMA+LSTM模型进行结核病发病率预测，为埃塞俄比亚的结核病控制策略提供数据支持	基于历史数据的预测可能无法完全反映未来政策变化和突发公共卫生事件的影响	预测埃塞俄比亚结核病发病率趋势，评估国家终结结核病战略实施进展	埃塞俄比亚结核病发病率数据	机器学习	结核病	时间序列预测	LSTM, ARIMA	时间序列数据	1990-2021年全球疾病负担数据库中的埃塞俄比亚结核病发病率数据	TensorFlow, statsmodels, pmdarima	多步LSTM, 混合ARIMA+LSTM	RMSE, MAE, MAPE, sMAPE	NA
8173	2025-10-06	2.5D deep learning radiomics and clinical data for predicting occult lymph node metastasis in lung adenocarcinoma 2025-Jul-01, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-01759-1 PMID:40597741	研究论文	本研究结合2.5D深度学习影像组学与临床数据预测肺腺癌隐匿性淋巴结转移	首次将2.5D深度学习特征与影像组学特征、临床特征相结合，并采用多示例学习进行特征聚合	回顾性研究设计，样本仅来自两个中心	预测肺腺癌中的隐匿性淋巴结转移	肺腺癌患者	数字病理	肺癌	增强CT成像	深度学习	医学影像	1099名来自两个中心的肺腺癌患者	NA	2.5D深度学习	AUC	NA
8174	2025-10-06	Deep learning for gender estimation using hand radiographs: a comparative evaluation of CNN models 2025-Jul-01, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-01809-8 PMID:40597748	研究论文	本研究比较了四种CNN模型在利用手部X光片进行性别分类中的性能	首次系统比较多种CNN架构在手部X光片性别分类任务中的表现，为法医鉴定提供快速客观的替代方法	样本来源单一，缺乏跨人群验证，模型可解释性不足	开发基于深度学习的性别分类模型用于法医鉴定	18-65岁成年人的左手X光片	计算机视觉	NA	X射线成像	CNN	图像	470张左手X光图像	NA	ResNet-18,ResNet-50,InceptionV3,EfficientNet-B0	准确率,精确率,召回率,F1分数	NA
8175	2025-10-06	Leveraging commonality across multiple tissue slices for enhanced whole slide image classification using graph convolutional networks 2025-Jul-01, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-01760-8 PMID:40597750	研究论文	提出一种利用组织切片间共性模式增强全切片图像分类性能的新方法	首次通过构建切片间图结构并利用图卷积网络捕捉不同组织切片间的共同模式	NA	提高全切片图像的分类准确性	胃和结直肠组织全切片图像	数字病理	胃癌, 结直肠癌	全切片图像扫描	图卷积网络	图像	NA	NA	图卷积网络	准确率, AUROC	NA
8176	2025-10-06	MCAUnet: a deep learning framework for automated quantification of body composition in liver cirrhosis patients 2025-Jul-01, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-01756-4 PMID:40597795	研究论文	提出一种名为MCAUnet的深度学习框架，用于肝硬化患者身体成分的自动量化分析和生存率研究	引入通道视角的注意力机制，实现关键通道特征的自适应融合，显著提升内脏脂肪分割精度	仅使用L3水平腰椎CT切片，未涵盖其他解剖层面数据	开发自动化身体成分量化工具并分析其与肝硬化患者生存率的关系	肝硬化患者	数字病理学	肝硬化	CT扫描	U-Net	医学图像	11,362张L3水平腰椎CT切片	NA	MCAUnet	Dice系数	NA
8177	2025-10-06	Cross-domain subcortical brain structure segmentation algorithm based on low-rank adaptation fine-tuning SAM 2025-Jul-01, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-01779-x PMID:40597798	研究论文	提出一种基于低秩自适应微调SAM的跨域脑部结构分割算法	通过冻结SAM图像编码器并应用LoRA进行低秩矩阵更新，同时微调提示编码器和掩码解码器，显著减少可训练参数	NA	解决脑MRI子皮层结构分割中基础模型性能下降的问题	脑部子皮层解剖结构	医学影像分析	脑部疾病	MRI	基础模型微调	医学影像	五个MRI数据集（IBSR、MALC、LONI、LPBA、Hammers和CANDI）	NA	Segment Anything Model (SAM)	NA	NA
8178	2025-10-06	Deep learning for automated segmentation of radiation-induced changes in cerebral arteriovenous malformations following radiosurgery 2025-Jul-01, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-01796-w PMID:40597846	研究论文	开发基于深度学习的自动分割算法用于放射外科治疗后脑动静脉畸形周围放射性改变的体积评估	首次将Mask R-CNN与DeepMedic模型结合，通过迁移学习实现AVM水肿区域的自动分割和量化	样本量较小（28名患者），Dice相似系数为71.8%仍有提升空间	开发自动分割算法以量化放射外科治疗后脑动静脉畸形周围的放射性改变	未破裂脑动静脉畸形患者	医学影像分析	脑血管疾病	磁共振T2加权成像	Mask R-CNN, DeepMedic	医学影像	28名患者，139次T2w扫描	NA	Mask R-CNN, DeepMedic	Dice相似系数	NA
8179	2025-10-06	Automatic recognition and differentiation of pulmonary contusion and bacterial pneumonia based on deep learning and radiomics 2025-Jul-01, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-01802-1 PMID:40597898	研究论文	基于深度学习和影像组学开发自动识别和区分肺挫伤与细菌性肺炎的人工智能系统	首次将人工智能技术应用于肺挫伤与细菌性肺炎的自动识别和区分，并与人工诊断性能进行比较	回顾性研究设计，样本仅来自两家医院	开发能够自动识别和区分肺挫伤与细菌性肺炎的人工智能诊断系统	肺挫伤和细菌性肺炎患者的CT影像	医学影像分析	肺部疾病	CT影像分析，影像组学	深度学习，机器学习	CT图像	2179名患者（2016年4月至2022年7月来自两家医院）	NA	VB-net	AUC, 准确率, 灵敏度, 特异性	NA
8180	2025-10-06	A deep learning model for predicting systemic lupus erythematosus-associated epitopes 2025-Jul-01, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-025-03056-x PMID:40598008	研究论文	提出一种混合深度学习架构用于预测系统性红斑狼疮相关表位	结合手工生化特征与数据驱动的深度序列建模，通过注意力融合机制整合CNN和LSTM分支的互补信息	NA	改进系统性红斑狼疮相关表位的预测准确性	系统性红斑狼疮相关表位	生物信息学	系统性红斑狼疮	深度学习	CNN,LSTM,注意力机制,多层感知机	序列数据	NA	NA	混合架构（CNN+LSTM+注意力融合+MLP）	准确率,精确率,召回率,F1分数,ROC曲线下面积	NA