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
8241	2025-10-06	Extracting True Virus SERS Spectra and Augmenting Data for Improved Virus Classification and Quantification 2025-Jun-27, ACS sensors IF:8.2Q1 DOI:10.1021/acssensors.4c03397 PMID:40382719	研究论文	开发深度学习框架提取真实病毒SERS光谱并增强数据，以改进病毒分类和定量分析	使用双神经网络提取真实病毒SERS光谱并估计浓度系数，实现有效数据增强	NA	解决生物样本中背景光谱对分析物峰值检测的干扰问题，提高病毒检测和诊断能力	12种不同呼吸道病毒	机器学习	呼吸道病毒感染	表面增强拉曼光谱(SERS)	神经网络,XGBoost	光谱数据	NA	NA	双神经网络	准确率,决定系数	NA
8242	2025-10-06	EEG-Based Classification of Parkinson's Disease With Freezing of Gait Using Midfrontal Beta Oscillations 2025-Jun-20, Journal of integrative neuroscience IF:2.5Q3 DOI:10.31083/JIN39023 PMID:40613373	研究论文	本研究利用中额叶β振荡脑电特征，通过机器学习和深度学习方法对帕金森病伴冻结步态患者进行分类	首次系统评估中额叶β振荡作为生物标志物在帕金森病冻结步态分类中的应用，并比较多种ML/DL模型性能	样本量相对有限（共82名受试者），仅使用静息态脑电数据	开发基于脑电信号的帕金森病冻结步态分类方法	41名伴冻结步态帕金森病患者和41名不伴冻结步态帕金森病患者	机器学习	帕金森病	脑电图	逻辑回归, 随机森林, XGBoost, CatBoost, LSTM	脑电信号	82名受试者（41 PDFOG+，41 PDFOG-）	NA	LSTM	AUC-ROC, 准确率	NA
8243	2025-10-06	Rural Medical Centers Struggle to Produce Well-Calibrated Clinical Prediction Models: Data Augmentation Can Help 2025-Jun-17, medRxiv : the preprint server for health sciences DOI:10.1101/2025.06.16.25329699 PMID:40585177	研究论文	本研究探讨农村医疗机构因患者数据量不足导致临床预测模型校准困难的问题，并提出通过合成数据生成技术进行数据增强的解决方案	首次系统分析农村医疗机构在模型校准方面的特殊挑战，并验证合成数据生成技术在农村医疗场景下的有效性	研究基于特定医院网络和ICU数据集，结果可能无法完全推广到所有农村医疗场景	解决农村医疗机构因数据量不足导致的临床预测模型校准问题	医院网络数据和多中心ICU数据集	机器学习	NA	合成数据生成	深度学习	临床数据	多个医院站点数据，具体样本量未明确说明	NA	NA	模型校准度，分类器性能	NA
8244	2025-10-06	Utilizing shallow features and spatial context for weakly supervised intracerebral hemorrhage segmentation 2025-Jun-06, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-24-1462 PMID:40606325	研究论文	提出一种利用浅层特征和空间上下文信息的弱监督脑出血分割方法	开发了浅层特征类激活图模块和空间上下文感知模块，通过弱图像级标签实现精确的脑出血定位和轮廓分割	仅使用弱监督标签，分割精度仍低于全监督方法	改进弱监督语义分割方法在脑出血诊断中的应用	脑出血CT图像	计算机视觉	脑出血	CT成像	CNN	医学图像	两个公开数据集：BHSD和BCIHM	NA	U-Net	mIoU, 正确定位率, 漏定位率, 假阳性定位率	NA
8245	2025-10-06	A three-classification machine learning model for non-invasive prediction of molecular subtypes in diffuse glioma: a two-center study 2025-Jun-06, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-24-2461 PMID:40606348	研究论文	开发并验证用于预测弥漫性胶质瘤分子亚型的非侵入性三分类机器学习模型	结合常规MRI特征、放射组学与Swin Transformer深度学习特征及人口统计学特征，构建三分类预测模型	回顾性研究，样本量有限（306例患者），仅来自两个医疗中心	开发非侵入性方法预测成人型弥漫性胶质瘤的分子亚型	306例胶质瘤患者（258例来自华山医院，48例来自安徽医科大学第一附属医院）	医学影像分析	胶质瘤	磁共振成像（MRI），放射组学分析，深度学习	机器学习分类器	医学影像（3D T1C和T2-FLAIR序列）	306例患者（训练集180例，内部验证78例，外部验证48例）	Scikit-learn, LightGBM, XGBoost	Swin Transformer	AUC, 敏感性, 特异性, 准确率, 精确率, F1分数	NA
8246	2025-10-06	A narrative review of foundation models for medical image segmentation: zero-shot performance evaluation on diverse modalities 2025-Jun-06, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-2024-2826 PMID:40606341	综述	系统回顾医学图像分割领域的基础模型，并在多模态数据集上评估其零样本性能	首次对医学图像分割基础模型进行系统分类和跨模态零样本性能评估	仅评估了6个基础模型，数据集数量有限（31个）	评估基础模型在医学图像分割中的零样本性能和临床应用潜力	医学图像分割基础模型	医学影像分析	NA	深度学习	基础模型	医学图像	31个未见过的医学图像数据集	NA	NA	零样本性能评估	NA
8247	2025-10-06	A comparative analysis of sagittal, coronal, and axial magnetic resonance imaging planes in diagnosing anterior cruciate ligament and meniscal tears via a deep learning model: emphasizing the unexpected importance of the axial plane 2025-Jun-06, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-24-1808 PMID:40606344	研究论文	通过深度学习模型比较矢状面、冠状面和轴面磁共振成像在诊断前交叉韧带和半月板撕裂中的效果，特别强调轴面成像的意外重要性	首次系统比较不同MRI平面组合对ACL和半月板撕裂检测的影响，发现轴面在半月板撕裂检测中具有突出价值	使用公开数据集，样本量相对有限，未进行外部验证	研究不同膝关节MRI平面对ACL和半月板撕裂检测的差异影响和相互作用	前交叉韧带撕裂和半月板撕裂	医学影像分析	运动损伤	磁共振成像	深度学习模型	磁共振图像	1,130个训练病例和120个验证病例	NA	TripleMRNet	准确率, 敏感度, 特异度, F1分数	NA
8248	2025-10-06	Deep learning-based rotational object detection algorithm for automatic Cobb angle measurement in X-ray images of scoliosis 2025-Jun-06, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-24-2138 PMID:40606352	研究论文	开发基于深度学习的旋转目标检测算法，用于脊柱侧凸X射线图像中Cobb角的自动测量	基于YOLOv8-OBB框架重新设计了YOLOv8-DSF模型，配备创新模块以改进旋转椎体的检测	NA	提高旋转椎体检测精度，从而提升脊柱侧凸Cobb角测量的准确性	脊柱侧凸患者的X射线图像	计算机视觉	脊柱侧凸	X射线成像	CNN	图像	整合私有和公开数据的自定义数据集	YOLOv8	YOLOv8-DSF, YOLOv8n-OBB	mAP50, mAP50-95, SMAPE, MAE	NA
8249	2025-10-06	Deep learning for automated grading of radiographic sacroiliitis 2025-Jun-06, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-2024-2742 PMID:40606355	研究论文	开发并验证用于自动化评估X射线骶髂关节炎分级的深度学习系统	首次开发专门用于X射线骶髂关节炎自动分级的深度学习模型，并证明其能显著提升放射科医生的诊断准确性	回顾性研究设计，样本量相对有限（共883名患者），需要进一步前瞻性验证	开发辅助医生评估和诊断骶髂关节炎的人工智能系统	骶髂关节炎患者的骨盆X射线图像	计算机视觉	风湿性疾病	X射线成像	深度学习	医学图像	训练集465人（930个骶髂关节），验证集195人（390个骶髂关节），外部测试集223人（446个骶髂关节）	NA	神经网络	准确率, AUC, 敏感性, 特异性	NA
8250	2025-10-06	Dual-stage artificial intelligence-powered screening for accurate classification of thyroid nodules: enhancing fine needle aspiration biopsy precision 2025-Jun-06, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-24-2336 PMID:40606376	研究论文	提出一种双阶段深度学习架构，用于甲状腺结节的四分类，旨在提高诊断准确性并减少不必要的穿刺活检	首次将K-Net分割与MobileViT分类相结合的双阶段架构，实现甲状腺结节四分类而非传统二分类	未提及外部验证集性能，样本来源和多样性信息不足	提高甲状腺结节分类准确性，减少不必要的细针穿刺活检	甲状腺结节超声图像	计算机视觉	甲状腺疾病	超声成像	深度学习	医学图像	NA	PyTorch	K-Net, MobileViT	准确率, 精确率, 召回率, 平均交并比	NA
8251	2025-10-06	Diagnosis of thyroid nodules using ultrasound images based on deep learning features: online dynamic nomogram and gradient-weighted class activation mapping 2025-Jun-06, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-2025-159 PMID:40606380	研究论文	本研究开发了一种基于超声图像和深度学习特征的甲状腺结节诊断集成模型，包含在线动态列线图和梯度加权类激活映射可视化	结合超声图像特征与深度学习特征构建集成诊断模型，并开发在线动态列线图工具和Grad-CAM可视化方法	回顾性研究设计，样本来源相对有限	提高年轻放射科医生对甲状腺结节的诊断能力	甲状腺结节患者	计算机视觉	甲状腺结节	超声成像	深度学习	图像	训练集1501张超声图像，测试集541名患者	NA	基于ImageNet预训练的5种深度学习模型	AUC, NRI	NA
8252	2025-10-06	U-Net benign prostatic hyperplasia-trained deep learning model for prostate ultrasound image segmentation in prostate cancer 2025-Jun-06, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-2024-2476 PMID:40606395	研究论文	开发基于良性前列腺增生超声图像训练的深度学习模型用于前列腺癌超声图像分割	首次证明使用良性前列腺增生患者超声图像训练的深度学习模型可有效应用于前列腺癌患者的超声图像分割	样本量相对有限，仅包含370张BPH图像和68张PCa图像	开发前列腺超声图像自动分割模型并验证其跨疾病应用的可行性	良性前列腺增生患者和前列腺癌患者的超声图像	医学图像分析	前列腺癌	超声成像	深度学习	图像	438张前列腺超声图像（260名BPH患者和62名PCa患者）	NA	U-Net, LinkNet, PSPNet	Dice系数, IoU	NA
8253	2025-10-06	Stroke subtypes risk prediction and detection using retinal vascular structure and oxygen saturation analysis 2025-Jun-06, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-2024-2712 PMID:40606397	研究论文	本研究通过分析视网膜血管氧饱和度和结构特征，探索缺血性和出血性卒中亚型的风险预测与检测方法	首次针对卒中不同亚型进行视网膜血管氧饱和度和结构特征的全面分析，并创新性地将机器学习应用于视网膜图像进行卒中发生预测	样本量相对较小（缺血性卒中29例，出血性卒中23例，对照组82例），需要更大规模研究验证	开发基于视网膜生物标志物的卒中风险分层和预测工具	缺血性卒中患者、出血性卒中患者和健康对照者	医学影像分析	卒中	视网膜图像分析，氧饱和度测量，血管结构分析	逻辑回归，随机森林	视网膜图像	134例（29例缺血性卒中，23例出血性卒中，82例对照）	NA	NA	准确率	NA
8254	2025-10-06	Can diffusion-based generated magnetic resonance images predict glioma methylation accurately? 2025-Jun-06, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-24-1688 PMID:40606391	研究论文	开发基于扩散模型的生成方法，从加速T1加权扫描重建高质量MRI序列，同时保留胶质瘤诊断和MGMT预测所需的关键病理特征	首次将扩散模型应用于从加速T1加权扫描重建多序列MRI图像，并验证其在MGMT甲基化预测中的准确性	回顾性研究，使用单一数据集，需要进一步临床验证	开发能够从加速MRI扫描重建高质量图像并保留诊断特征的生成模型	胶质瘤患者	医学影像分析	脑肿瘤/胶质瘤	磁共振成像	扩散模型	医学影像	BraTS 2021数据集共1,480例扫描（训练集785例，验证集695例）	NA	扩散模型	SSIM, PSNR, CCC, R2, AUC	NA
8255	2025-04-03	Deep Learning Unlocks the Prognostic Importance of Thoracic Aortic Calcification 2025-Jun, AJR. American journal of roentgenology DOI:10.2214/AJR.25.33012 PMID:40172167	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
8256	2025-10-06	Diagnostic performance of deep learning models in classifying mandibular third molar and mandibular canal contact status on panoramic radiographs: A systematic review and meta-analysis 2025-Jun, Imaging science in dentistry IF:1.7Q3 DOI:10.5624/isd.20240239 PMID:40607067	系统综述与荟萃分析	通过系统综述和荟萃分析评估深度学习模型在全景X线片上分类下颌第三磨牙与下颌管接触状态的诊断性能	首次对基于卷积神经网络的深度学习模型在该特定诊断任务中的性能进行系统量化和异质性来源分析	纳入研究数量有限(7项)，存在高异质性(I2>90%)，患者选择偏倚风险领域常不明确	评估深度学习模型在全景X线片上识别下颌第三磨牙与下颌管接触的诊断准确性	下颌第三磨牙与下颌管的接触状态	数字病理	口腔疾病	全景X线摄影	CNN	医学影像	7项研究的4,955张全景X线片	NA	VGG-16, AlexNet	准确率, 灵敏度, 特异性, 精确率, F1分数	NA
8257	2025-10-06	Automated quality evaluation of dental panoramic radiographs using deep learning 2025-Jun, Imaging science in dentistry IF:1.7Q3 DOI:10.5624/isd.20240232 PMID:40607073	研究论文	本研究开发了一种基于深度学习的自动化系统，用于评估牙科全景X光片的质量	首次使用YOLOv8模型对牙科全景X光片进行多维度质量评估，包括伪影、覆盖区域、患者定位、对比度/密度和整体质量	样本量相对有限（1000张图像），模型在不同质量维度上的准确率存在差异（74.1%-97.9%）	开发自动化牙科全景X光片质量评估系统，提高诊断效率和一致性	牙科全景X光片	计算机视觉	牙科疾病	X射线成像	YOLOv8	医学图像	1000张全景X光片（2018-2023年收集）	NA	YOLOv8	准确率	NA
8258	2025-10-06	Single-shot reconstruction of three-dimensional morphology of biological cells in digital holographic microscopy using a physics-driven neural network 2025-May-24, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-60200-x PMID:40413181	研究论文	提出一种名为MorpHoloNet的深度学习模型，用于从单次全息图中重建生物细胞的三维形态	通过整合物理驱动和基于坐标的神经网络，实现从单次全息图直接重建3D复杂光场和3D形态，无需多相位全息图或角度扫描	NA	开发用于数字同轴全息显微镜中生物细胞三维形态重建的深度学习技术	生物细胞	计算机视觉	NA	数字同轴全息显微镜	神经网络	全息图像	NA	NA	物理驱动神经网络, 基于坐标的神经网络	NA	NA
8259	2025-10-06	Relevance of choroid plexus volumes in multiple sclerosis 2025-May-08, Fluids and barriers of the CNS IF:5.9Q1 DOI:10.1186/s12987-025-00656-7 PMID:40340923	研究论文	本研究通过深度学习分割方法评估多发性硬化症患者脉络丛体积与脑室周围组织损伤的关系	首次使用基于结构MRI数据的深度学习分割方法量化脉络丛体积，并比较复发缓解型和原发进展型多发性硬化症的差异	横断面研究设计无法确定因果关系，样本量相对有限	探讨多发性硬化症中脉络丛体积与脑室周围组织损伤的关系及神经炎症的作用	141名复发缓解型多发性硬化症患者、64名原发进展型多发性硬化症患者和75名健康对照者	医学影像分析	多发性硬化症	结构MRI，T1w/FLAIR比率分析	深度学习分割方法	MRI图像	280名参与者（205名患者+75名健康对照）	NA	NA	体积测量，T1w/FLAIR比率	NA
8260	2025-10-06	Deep learning approaches for classification tasks in medical X-ray, MRI, and ultrasound images: a scoping review 2025-May-07, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-01701-5 PMID:40335965	综述	本文通过范围综述方法系统回顾了深度学习在医学X射线、MRI和超声图像分类任务中的应用现状	首次按照PRISMA-ScR指南系统梳理三种主要医学影像模态的深度学习分类研究，并详细总结数据集特征、预处理技术和模型性能	作为范围综述，主要基于现有文献分析，未进行原始实验验证	探索深度学习在医学影像分类中的应用方法和效果	使用X射线、MRI和超声图像诊断的各种疾病	计算机视觉	多种疾病	医学影像分析	深度学习模型	医学图像（X射线、MRI、超声）	NA	NA	NA	准确率	NA