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
801	2025-09-22	An AI-powered framework for assessing teacher performance in classroom interactions: a deep learning approach 2025, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2025.1553051 PMID:40969168	研究论文	提出一种基于AI的框架，利用深度学习技术评估课堂互动中的教师表现	首次将多种先进目标检测模型（YOLOv8、Faster R-CNN、RetinaNet）应用于课堂互动分类，实现自动化、客观化的教师表现评估	研究仅基于7,259张图像数据，未涉及不同教学环境或文化背景的泛化性验证	开发客观、自动化的教师课堂表现评估系统，替代传统主观观察方法	课堂互动场景中的教师行为	计算机视觉	NA	深度学习目标检测	YOLOv8, Faster R-CNN, RetinaNet	图像	7,259张真实课堂环境标注图像
802	2025-09-22	Deep learning in breast cancer risk prediction: a review of recent applications in full-field digital mammography 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1656842 PMID:40969257	综述	本文回顾了深度学习在全视野数字乳腺X线摄影中用于乳腺癌风险预测的最新应用	填补了文献中关于利用AI影像生物标志物进行个性化乳腺癌风险预测的综述空白	NA	探索基于全视野数字乳腺X线摄影的AI风险预测技术进展及临床实施挑战	乳腺癌风险预测中的影像生物标志物	计算机视觉	乳腺癌	深度学习	AI模型	乳腺X线影像	NA
803	2025-09-22	Enhanced prediction of gene mutation and risk stratification in non-small-cell lung cancer through dual-pathway fusion of radiomics and pathomics 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1646851 PMID:40969259	研究论文	本研究开发并验证了一种融合影像组学、病理组学和临床特征的多模态模型，用于精确预测非小细胞肺癌的EGFR突变状态和风险分层	首次通过双路径融合影像组学与病理组学特征，结合临床数据构建综合预测模型，并实现EGFR突变亚型预测及风险分层	回顾性研究设计，样本量相对有限（387例），外部验证队列仅来自两家医院	开发非侵入性工具精准预测NSCLC的EGFR突变状态和患者风险分层	非小细胞肺癌（NSCLC）患者	数字病理	肺癌	3D CNN深度学习、弱监督学习、多示例学习	CNN、综合诺莫图（Nomogram）	医学影像、病理图像、临床数据	387例NSCLC患者（训练集193例，内部验证83例，外部验证111例）
804	2025-09-22	Diagnostic performance of ultrasound characteristics-based artificial intelligence models for thyroid nodules: a systematic review and meta-analysis 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1614603 PMID:40969266	系统综述与荟萃分析	系统评估基于超声特征的人工智能模型在甲状腺结节良恶性鉴别中的诊断性能	首次通过荟萃分析全面比较不同AI诊断模型的效能，并识别出EDLC-TN模型具有最优诊断准确性	纳入研究存在显著异质性，部分亚组分析结果稳定性受限	评估超声AI模型对甲状腺结节的诊断效能并确定最优模型	甲状腺结节患者及结节超声图像	医学人工智能	甲状腺疾病	超声影像分析、深度学习	深度学习模型（具体类型未明确）	超声图像	28项研究，134,028例患者，158,161个甲状腺结节，529,479张超声图像
805	2025-09-22	Key parameters in intratumoral-peritumoral region fusion models: optimizing deep learning radiomics for breast cancer diagnosis 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1587879 PMID:40969275	研究论文	本研究探索关键参数选择对瘤内-瘤周区域融合模型性能的影响，以优化深度学习影像组学在乳腺癌诊断中的应用	首次系统评估伪彩色与灰度图像、原始精确ROI与边界框ROI、直接扩展与特征级融合策略等关键参数组合对融合模型性能的影响	回顾性研究，样本仅来自四家医院，可能存在选择偏倚	提升深度学习影像组学模型在区分乳腺良恶性肿瘤方面的非侵入性诊断能力	411名女性乳腺病变患者的对比增强超声图像	医学影像分析	乳腺癌	深度学习影像组学	DLR	超声图像	411例患者
806	2025-09-22	Federated learning-based virtual dual-energy CT generation from single-energy CT for gout detection 2025 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076251375570 PMID:40969395	研究论文	开发并验证基于联邦学习的虚拟双能CT生成框架OneGout，用于痛风的早期准确诊断	首创基于深度学习的虚拟双能CT生成方法，并集成联邦学习实现多机构协作训练同时保护数据隐私	NA	为痛风诊断提供低成本、低辐射的替代方案，解决现有诊断方法的侵入性和可及性问题	痛风患者	计算机视觉	痛风	深度学习，联邦学习	U-Net	CT图像	NA
807	2025-09-22	Gene regulatory network prediction using machine learning, deep learning, and hybrid approaches 2025, Forestry research DOI:10.48130/forres-0025-0014 PMID:40969532	研究论文	本研究开发并评估了机器学习、深度学习和混合方法用于构建基因调控网络（GRNs），通过整合先验知识和大规模转录组数据	混合模型结合卷积神经网络和机器学习，在GRN预测中表现优于传统方法，并实现了跨物种的迁移学习	非模式物种中训练数据有限可能影响模型性能	构建和评估基因调控网络预测方法，以阐明调控机制	拟南芥、杨树和玉米的转录组数据	机器学习	NA	转录组测序	CNN与机器学习混合模型	基因表达数据	多个物种的大规模转录组数据集
808	2025-09-22	Assessing the accuracy of forest above-ground biomass and carbon storage estimation by meta-analysis based close-range remote sensing 2025, Forestry research DOI:10.48130/forres-0025-0017 PMID:40969538	研究论文	通过荟萃分析评估近距离遥感在森林地上生物量和碳储量估算中的准确性	首次系统评估多种近距离遥感技术（LiDAR、无人机、光谱和RGB传感器）在不同尺度（单木、样地和林分）的估算精度，并分析不同方法和变量的影响	传感器限制导致单一传感器无法独立达到最优效果，且随着尺度扩大精度和样本量下降	量化评估近距离遥感在森林地上生物量（AGB）和碳储量估算中的准确性	全球森林生态系统（涵盖不同森林类型和尺度）	遥感监测	NA	荟萃分析（Meta-analysis）、LiDAR、无人机遥感、光谱传感、RGB传感	NA	遥感数据、生物量测量数据	187项全球研究，233个数据集
809	2025-09-22	Improving segmentation precision in prostate cancer adaptive radiation therapy with a patient-specific network 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0332603 PMID:40971852	研究论文	提出一种患者特异性网络（PSN）方法，用于前列腺癌自适应放疗中的临床靶区（CTV）分割，以提高分割精度	采用持续适应每日解剖变化的两阶段策略（预训练后患者特异性微调），区别于静态个性化方法	回顾性研究，样本量较小（26例患者），需进一步临床验证	提升前列腺癌自适应放疗中分割的准确性和效率，减少人工编辑需求	前列腺癌患者	数字病理	前列腺癌	CBCT（锥形束计算机断层扫描）	Swin UNETR	医学影像	26例前列腺癌患者，共119个回顾性导出分次
810	2025-09-22	S2DB-mmWave YOLOv8n: Multi-object detection for millimeter-wave radar using YOLOv8n with optimized multi-scale features 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0332931 PMID:40971952	研究论文	提出基于YOLOv8n改进的毫米波雷达多目标检测框架S2DB-mmWave YOLOv8n，通过优化多尺度特征提升检测精度	设计新型骨干网络整合SimSPPF模块，引入动态上采样技术，集成双向特征金字塔网络（BiFPN）优化特征融合	NA	提升毫米波雷达在多目标场景下的检测与分类性能	毫米波雷达热图数据中的多类目标	计算机视觉	NA	深度学习	YOLOv8n	图像	2500张标注图像
811	2025-09-22	Detection and score grading for prostate adenocarcinoma using semantic segmentation 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0331613 PMID:40971958	研究论文	本研究提出了一种基于语义分割的前列腺癌检测与分级方法，专注于区分Gleason模式3和4	整合扩张注意力机制和残差卷积U-Net架构以增强特征表示，并采用像素扩展和类别权重解决类别不平衡问题	在完全未见的外部测试数据上性能有所下降（Dice系数从0.87降至0.64）	提高前列腺癌诊断准确性并改善患者治疗策略	前列腺针芯活检标本的数字化全切片图像	数字病理学	前列腺癌	深度学习	残差卷积U-Net	图像	100张数字化全切片图像
812	2025-09-22	Linking transcriptome and morphology in bone cells at cellular resolution with generative AI 2024-Dec-31, Journal of bone and mineral research : the official journal of the American Society for Bone and Mineral Research IF:5.1Q1 DOI:10.1093/jbmr/zjae151 PMID:39303095	观点文章	探讨生成式AI在骨细胞转录组与形态学关联分析中的应用前景与挑战	提出利用多模态数据（组织学图像、单细胞分子数据、空间转录组数据）训练生成式AI模型，以揭示骨细胞在细胞水平的复杂生物学过程	存在骨单细胞数据集的技术偏差、重要骨细胞类型缺乏分析、空间信息缺失等问题，且需要大规模高质量空间转录组数据集和实验验证	推动生成式AI在骨细胞生物学研究中的应用，实现细胞分化动态预测、分子与形态特征关联及细胞扰动响应预测	骨细胞	生成式人工智能	NA	单细胞测序、空间转录组学	生成式AI	组织学图像、单细胞分子数据、空间转录组数据	NA
813	2025-09-22	Deep learning based binary classification of diabetic retinopathy images using transfer learning approach 2024-Dec, Journal of diabetes and metabolic disorders IF:1.8Q4 DOI:10.1007/s40200-024-01497-1 PMID:39610484	研究论文	提出一种基于迁移学习的深度学习二分类方法，用于糖尿病视网膜病变图像的自动分类	采用20种预训练网络进行迁移学习，并结合数据预处理和数据增强技术优化模型性能	NA	开发准确的糖尿病视网膜病变早期检测系统	糖尿病视网膜病变图像	计算机视觉	糖尿病视网膜病变	迁移学习，数据增强，图像预处理	ResNet101, 预训练CNN网络	医学图像	来自三个数据库(DRD-EyePACS, IDRiD, APTOS-2019)的组合数据集
814	2025-09-22	Using machine learning to identify risk factors for short-term complications following thumb carpometacarpal arthroplasty 2024-Dec, Journal of hand and microsurgery IF:0.3Q4 DOI:10.1016/j.jham.2024.100156 PMID:39669732	研究论文	本研究利用机器学习技术分析拇指腕掌关节置换术后短期并发症的风险因素	首次将多种机器学习算法（包括随机森林和深度学习神经网络）应用于拇指CMC关节置换术并发症预测，并识别出手术时长、年龄和性别等关键预测因子	模型预测性能中等（AUC 0.55-0.61），且仅基于30天短期并发症数据	预测拇指腕掌关节置换术后短期并发症和再手术风险	接受拇指CMC关节置换术的患者	机器学习	骨关节炎	机器学习算法（RF, ENet, XGBoost, NN）	Random Forest, Elastic-Net Regression, XGBoost, Neural Network	临床手术数据	7711例手术病例
815	2025-09-22	Impact of wearable device data and multi-scale entropy analysis on improving hospital readmission prediction 2024-11-01, Journal of the American Medical Informatics Association : JAMIA IF:4.7Q1 DOI:10.1093/jamia/ocae242 PMID:39301656	研究论文	本研究探讨利用可穿戴设备数据和多尺度熵分析改进医院再入院预测	结合可穿戴设备数据和多尺度熵特征，开发LSTM时间序列深度学习模型用于预测90天内非计划再入院	需要前瞻性研究验证结果，样本量相对有限	提高非计划再入院的预测准确性	住院患者	机器学习	老年疾病	多尺度熵分析，深度学习	FNN, LSTM	时间序列数据，人口统计学数据，实验室数据	612名患者来自35个机构
816	2025-09-22	Prediction of future dementia among patients with mild cognitive impairment (MCI) by integrating multimodal clinical data 2024-Sep-15, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e36728 PMID:39281465	研究论文	本研究评估了多模态机器学习方法，特别是集成集成（EI）框架，在预测轻度认知障碍（MCI）患者未来发展为痴呆症方面的能力	采用EI框架利用多模态数据的互补性和共识性，优于先前研究中常用的方法，并识别出与痴呆进展相关的关键脑区	NA	预测MCI患者未来发展为痴呆症的风险	轻度认知障碍（MCI）患者	机器学习	老年疾病	结构磁共振成像（MRI）、正电子发射断层扫描（PET）	Ensemble Integration (EI), XGBoost, deep learning	多模态临床和影像数据	基于TADPOLE挑战数据集（具体样本数未在摘要中说明）
817	2025-09-22	Deep learning for the harmonization of structural MRI scans: a survey 2024-Aug-31, Biomedical engineering online IF:2.9Q3 DOI:10.1186/s12938-024-01280-6 PMID:39217355	综述	本文综述了基于深度学习的结构MRI图像协调化技术，分析其架构、算法及局限性	系统梳理了深度学习在MRI协调化中的最新进展，包括U-Net、GAN、VAE、流模型、Transformer等多种架构，并强调了解耦表示学习（DRL）的关键作用	缺乏不同方法之间的全面定量比较	评估医学图像协调化技术，以减少多中心MRI数据因扫描仪和协议差异导致的不一致性	结构MRI扫描数据	医学图像处理	NA	深度学习	U-Net, GAN, VAE, 流模型, Transformer	MRI图像	NA
818	2025-09-22	Cardiovascular Disease Risk Stratification Using Hybrid Deep Learning Paradigm: First of Its Kind on Canadian Trial Data 2024-Aug-28, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics14171894 PMID:39272680	研究论文	本研究提出一种基于混合深度学习的心血管疾病风险分层系统AtheroEdge™ 3.0HDL，并在加拿大试验数据上验证其性能	首次在加拿大试验数据上应用混合深度学习范式进行心血管疾病风险分层，相比单向/双向深度学习和机器学习模型性能提升30.2%	样本量相对有限（500人），需进一步临床验证适应性	开发并验证基于颈动脉斑块特征的混合深度学习系统用于心血管疾病风险分层	接受颈动脉B超和冠状动脉造影的500名患者	机器学习	心血管疾病	PCA pooling、卡方检验、随机森林回归、混合深度学习	HDL（混合深度学习）	医学影像（B超）和临床数据	500名患者
819	2025-09-22	A multimodal deep learning model to infer cell-type-specific functional gene networks 2023-Feb-14, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-023-05146-x PMID:36788477	研究论文	提出一种多模态深度学习模型MDLCN，用于预测人脑细胞类型特异性功能基因网络	整合单核基因表达数据和全局蛋白质相互作用网络，首次实现细胞类型特异性功能基因网络的精准预测	模型目前仅应用于人脑数据，未扩展到其他组织或物种	构建细胞类型特异性功能基因网络以揭示疾病相关细胞类型的遗传机制	人脑细胞类型（如神经元、小胶质细胞）及其功能基因网络	机器学习	神经退行性疾病（自闭症、阿尔茨海默病）	单核RNA测序（snRNA-seq）、蛋白质相互作用网络分析	多模态深度学习模型（MDLCN），对比CNN和boosting tree	基因表达数据、蛋白质相互作用数据	未明确样本数量，但基于人脑单核转录组数据
820	2025-09-21	Optimizing delamination imaging via full wavefield segmentation using augmented simulated wavefield data 2026-Jan, Ultrasonics IF:3.8Q1 DOI:10.1016/j.ultras.2025.107789 PMID:40819597	研究论文	提出一种结合波数滤波与混合噪声翻转增强的数据预处理策略，用于优化深度学习模型在全波场分割中对碳纤维增强聚合物分层损伤的成像性能	通过频域隔离导波模态并采用噪声与翻转增强，提升模型对分层相关特征的关注度及泛化能力	未明确说明实验数据规模及模型计算复杂度	优化分层损伤的全波场成像检测	碳纤维增强聚合物中的分层损伤	计算机视觉	NA	全波场分割、波数滤波、数据增强	深度学习模型（未指定具体类型）	波场数据	NA