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
8541	2025-04-03	A novel algorithm for automated analysis of coronary CTA-derived FFR in identifying ischemia-specific CAD: A multicenter study 2025-Apr-01, Medical physics IF:3.2Q1 DOI:10.1002/mp.17803 PMID:40170439	research paper	本研究验证了一种基于深度学习和水平集算法的冠状动脉CTA衍生FFR新型分析模型在识别缺血特异性CAD中的能力	结合深度学习和水平集算法优化冠状动脉3D重建的新型CT FFR算法	研究为回顾性分析，样本量相对有限（198根血管/171例患者）	验证新型CT FFR模型在识别病灶特异性缺血性冠状动脉疾病中的效能	接受CTA和有创FFR检查的冠状动脉血管	digital pathology	cardiovascular disease	coronary computed tomography angiography (CTA), invasive fractional flow reserve (FFR)	deep learning, level set algorithm	medical imaging	198 vessels from 171 patients across 4 medical centers
8542	2025-04-03	Deep graph learning of multimodal brain networks defines treatment-predictive signatures in major depression 2025-Mar-31, Molecular psychiatry IF:9.6Q1 DOI:10.1038/s41380-025-02974-6 PMID:40164695	研究论文	本研究利用深度图学习方法分析多模态脑网络数据，以预测重度抑郁症患者对抗抑郁药物的治疗反应	开发了一个基于图神经网络的深度学习框架，整合了fMRI和EEG数据，揭示了与治疗反应相关的多模态脑网络特征	样本量相对有限（265名患者），且仅针对特定抗抑郁药物（舍曲林）进行了研究	预测重度抑郁症患者对抗抑郁药物的个体化治疗反应	265名重度抑郁症患者（130名接受舍曲林治疗，135名接受安慰剂）	数字病理学	抑郁症	fMRI, EEG, 图神经网络	GNN	神经影像数据	265名患者（来自EMBARC研究）
8543	2025-04-03	Simultaneous detection of citrus internal quality attributes using near-infrared spectroscopy and hyperspectral imaging with multi-task deep learning and instrumental transfer learning 2025-Mar-22, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2025.143996 PMID:40168872	研究论文	本研究利用高光谱成像（HSI）和近红外光谱（NIR）技术，结合多任务深度学习和仪器迁移学习，同时检测柑橘内部品质属性	开发了单任务和多任务卷积神经网络（CNN）模型，探索了从HSI到NIR的模型迁移可行性	研究仅针对两种柑橘品种（衢州椪柑和湘西长叶），模型在其他品种上的适用性未验证	同时测定柑橘水果的多种品质属性，并实现不同仪器间模型的成功迁移	衢州椪柑和湘西长叶两种柑橘的可溶性固形物含量（SSC）和pH值	计算机视觉	NA	高光谱成像（HSI）和近红外光谱（NIR）	CNN（卷积神经网络）	图像和光谱数据	两种柑橘品种（具体样本数量未提及）
8544	2025-04-03	Machine-learning models for Alzheimer's disease diagnosis using neuroimaging data: survey, reproducibility, and generalizability evaluation 2025-Mar-21, Brain informatics DOI:10.1186/s40708-025-00252-3 PMID:40117001	研究论文	本文综述了利用神经影像数据进行阿尔茨海默病诊断的机器学习模型，并评估了这些模型的可重复性和泛化性	对现有机器学习模型在阿尔茨海默病诊断中的可重复性和泛化性进行了系统性评估	现有模型在不同数据队列中泛化能力下降	评估机器学习模型在阿尔茨海默病早期诊断中的应用潜力	阿尔茨海默病患者和轻度认知障碍患者	机器学习	阿尔茨海默病	sMRI, fMRI, PET	传统机器学习(ML)和深度学习(DL)	神经影像数据	NA
8545	2025-04-03	HIPPIE: A Multimodal Deep Learning Model for Electrophysiological Classification of Neurons 2025-Mar-15, bioRxiv : the preprint server for biology DOI:10.1101/2025.03.14.642461 PMID:40161713	research paper	介绍了一种名为HIPPIE的多模态深度学习模型，用于神经元的电生理分类	结合了自监督预训练和监督微调，使用条件卷积联合自编码器学习稳健的波形和放电动态表示	未提及具体局限性	解决细胞外电生理记录中神经元分类的计算挑战	小鼠记录和脑切片中的神经元	machine learning	NA	自监督学习, 监督学习	conditional convolutional joint autoencoders	电生理记录数据	小鼠记录和脑切片
8546	2025-03-13	Publisher Correction: A hybrid explainable model based on advanced machine learning and deep learning models for classifying brain tumors using MRI images 2025-Mar-11, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-92325-w PMID:40069280	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
8547	2025-04-03	Comparative analysis of U-Mamba and no new U-Net for the detection and segmentation of esophageal cancer in contrast-enhanced computed tomography images 2025-Mar-03, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-24-1116 PMID:40160632	研究论文	本研究旨在开发和验证一种深度学习模型，用于在增强CT图像中自动检测和分割食管癌病变	比较了U-Mamba和nnU-Net两种深度学习网络在食管癌检测和分割中的性能，并展示了其在减少漏诊和提供一致病变标注方面的优势	研究为回顾性设计，可能受到选择偏倚的影响，且仅使用了来自三家医院的数据	开发自动检测和分割食管癌病变的深度学习模型	食管癌患者和健康食管的个体	数字病理	食管癌	对比增强CT成像	U-Mamba和nnU-Net	医学图像	871名患者（564名男性），中位年龄67岁
8548	2025-04-03	Ultrasound-based deep learning radiomics for multi-stage assisted diagnosis in reducing unnecessary biopsies of BI-RADS 4A lesions 2025-Mar-03, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-24-580 PMID:40160614	研究论文	本研究开发了基于超声图像的深度学习放射组学模型，用于改善BI-RADS 4A病变的诊断一致性并减少不必要的活检	提出了两种深度学习放射组学模型（DLR_LH和DLR_BM），用于乳腺病变风险重新分层和识别低恶性概率的BI-RADS 4A病变，以减少不必要的活检	研究为回顾性设计，可能受到选择偏倚的影响	提高乳腺超声成像诊断的准确性，减少不必要的活检	746名乳腺病变患者	数字病理	乳腺癌	深度学习放射组学	DLR（深度学习放射组学模型）	超声图像和临床变量	746名患者
8549	2025-04-03	Multitask Swin Transformer for classification and characterization of pulmonary nodules in CT images 2025-Mar-03, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-24-1619 PMID:40160630	research paper	提出了一种多任务Swin Transformer（MTST）模型，用于CT图像中肺结节的分类和特征分析	结合多任务学习框架，同时输出良恶性分类、多级分类和结节特征分析，提高了模型的性能和可解释性	模型性能依赖于数据质量和数量，且在实际临床环境中的泛化能力有待进一步验证	开发一种计算机辅助诊断（CAD）系统，用于肺结节的早期诊断和特征分析	CT图像中的肺结节	digital pathology	lung cancer	U-Net GAN用于图像增强	Swin Transformer, CNN	CT图像	训练集/验证集/测试集分别为9,600/2,400/1,600个结节
8550	2025-04-03	Deep learning for identifying cervical ossification of the posterior longitudinal ligament: a systematic review and meta-analysis 2025-Mar-03, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-24-1485 PMID:40160638	系统综述与荟萃分析	本文通过系统综述和荟萃分析评估深度学习模型在诊断和预测颈椎后纵韧带骨化症中的性能	首次系统评估深度学习模型在颈椎后纵韧带骨化症诊断中的表现，并与传统方法进行比较	研究方法存在差异，深度学习技术本身存在挑战	评估深度学习模型在颈椎后纵韧带骨化症诊断和预测中的准确性和可靠性	颈椎后纵韧带骨化症患者	数字病理学	颈椎病	深度学习	DLM	医学影像	7项研究共3,373名患者，荟萃分析包含1,016名患者
8551	2025-04-03	Advanced deep learning for multi-class colorectal cancer histopathology: integrating transfer learning and ensemble methods 2025-Mar-03, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-24-1641 PMID:40160652	research paper	本研究开发了一种基于深度卷积神经网络（CNNs）的集成模型，用于结直肠癌组织病理学图像的多分类	结合迁移学习和集成方法优化深度学习模型在结直肠癌组织病理学图像分类中的性能	研究仅在一个公开数据集（EBHI）上进行了测试，未在其他数据集上验证模型的泛化能力	优化深度学习模型在结直肠癌组织病理学图像分类中的性能，以提高早期检测率和诊断准确性	结直肠癌组织病理学图像	digital pathology	colorectal cancer	deep learning, transfer learning, ensemble methods	CNN, ensemble model	image	EBHI数据集（具体样本数量未提及）
8552	2025-04-03	An automatic deep learning-based bone mineral density measurement method using X-ray images of children 2025-Mar-03, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-24-283 PMID:40160646	研究论文	提出了一种基于深度学习的自动骨密度测量方法，利用儿童X射线图像进行骨密度评估	通过单次X射线图像结合等效阶梯体模，实现骨龄或损伤评估的同时测量前臂骨密度，且采用深度学习方法消除软组织对骨密度测量的影响	方法仅在500张临床X射线图像上验证，样本量相对有限	开发一种适用于临床环境的自动骨密度测量方法，以替代或补充DXA技术	儿童的手部和前臂X射线图像	数字病理	骨质疏松症	X射线成像	深度学习	图像	500张临床X射线图像
8553	2025-04-03	Enhancing bone radiology images classification through appropriate preprocessing: a deep learning and explainable artificial intelligence approach 2025-Mar-03, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-24-1745 PMID:40160653	研究论文	本文通过深度学习和可解释人工智能方法，探讨了适当的预处理对骨放射学图像分类性能的提升作用	本文的创新点在于将特定的预处理技术（如去除背景和无关部分）应用于医学图像，以提高深度学习模型在分类任务中的性能，并结合XAI技术验证和说明其益处	NA	强调医学深度学习模型结果的真实性和模型及其创建者的责任，通过提出针对医学数据集的预处理方法来提高模型的性能和可靠性	骨放射学图像数据集	计算机视觉	NA	深度学习，可解释人工智能（XAI）	DenseNet201等深度学习神经网络	图像	两个骨放射学图像数据集
8554	2025-04-03	A multi-scale pyramid residual weight network for medical image fusion 2025-Mar-03, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-24-851 PMID:40160660	research paper	提出了一种名为LYWNet的多尺度金字塔残差权重网络，用于医学图像融合，旨在有效整合高频细节信息和低频上下文信息	提出了一种新的CNN网络LYWNet，通过多尺度金字塔残差权重块和特征蒸馏融合算法，有效保留高频细节和低频上下文信息	未提及具体的样本量或实验数据集的规模，可能影响方法的普适性验证	改进多模态医学图像融合技术，提升临床诊断和手术导航的准确性和质量	医学图像（如SPECT-MRI、PET-MRI、MRI-CT等）	digital pathology	NA	CNN-based image fusion	CNN (LYWNet)	image	NA
8555	2025-04-03	Quantitative assessment and risk stratification of random acute pulmonary embolism cases using a deep learning model based on computed tomography pulmonary angiography images 2025-Mar-03, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-24-1412 PMID:40160671	研究论文	本研究开发了一种结合Transformer的VB-Net深度学习模型，用于从CTPA图像中检测肺栓塞并自动计算血栓负荷评分	首次报道了结合Transformer的VB-Net深度学习模型在肺栓塞检测和血栓负荷评分自动计算中的应用	模型在随机CTPA检查中的灵敏度为76.67%，仍有提升空间	通过早期诊断、风险分层和治疗方案确定来帮助患者，改善预后并减轻放射科医生的负担	肺栓塞患者	数字病理学	肺栓塞	CTPA	VB-Net结合Transformer	医学影像	2,424例CTPA检查病例（44%男性）用于训练和测试模型，另外70例随机CTPA数据（30例急性肺栓塞，40例无肺栓塞）用于验证
8556	2025-02-19	Interpreting and comparing neural activity across systems by geometric deep learning 2025-Mar, Nature methods IF:36.1Q1 DOI:10.1038/s41592-024-02581-3 PMID:39962313	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
8557	2025-04-03	A Real-Time Computer-Aided Diagnosis System for Coronary Heart Disease Prediction Using Clinical Information 2025-Mar, Reviews in cardiovascular medicine IF:1.9Q3 DOI:10.31083/RCM26204 PMID:40160568	研究论文	本研究旨在设计一个快速且高精度的智能模型，利用临床信息预测冠心病	提出了一种基于机器学习的冠心病预测模型，具有高精度和效率，适用于临床应用	模型依赖于公开数据集，可能无法涵盖所有临床场景	设计一个高效且高精度的冠心病预测模型	冠心病患者	机器学习	心血管疾病	奇异值分解方法	多层感知机	临床信息	五个公开数据集，共1222名患者
8558	2024-10-18	Radiomics-Based Prediction of Patient Demographic Characteristics on Chest Radiographs: Looking Beyond Deep Learning for Risk of Bias 2025-02, AJR. American journal of roentgenology DOI:10.2214/AJR.24.31963 PMID:39413236	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
8559	2025-04-03	Machine learning-based prediction model integrating ultrasound scores and clinical features for the progression to rheumatoid arthritis in patients with undifferentiated arthritis 2025-Feb, Clinical rheumatology IF:2.9Q2 DOI:10.1007/s10067-025-07304-3 PMID:39789318	研究论文	本研究开发了一种基于机器学习的预测模型，整合超声评分和临床特征，用于预测未分化关节炎患者向类风湿性关节炎的进展	首次将18关节超声评分系统（US18）与临床数据结合，利用机器学习模型提高高风险患者的早期识别能力	研究仅跟踪了患者1年时间，长期预测效果尚不明确	提高未分化关节炎患者向类风湿性关节炎进展的早期预测准确性	432名未分化关节炎患者	机器学习	类风湿性关节炎	18关节超声评分系统（US18）	Random Forest (RnFr), 深度学习模型	临床数据和超声评分数据	432名未分化关节炎患者（其中152名进展为类风湿性关节炎）
8560	2025-04-03	Deep learning helps discriminate between autoimmune hepatitis and primary biliary cholangitis 2025-Feb, JHEP reports : innovation in hepatology IF:9.5Q1 DOI:10.1016/j.jhepr.2024.101198 PMID:39829723	research paper	本研究开发了一种基于深度学习的系统（ALNE），用于区分自身免疫性肝炎（AIH）和原发性胆汁性胆管炎（PBC）	首次提出了一个无需人工标注的深度学习模型（ALNE），能够定量且准确地区分AIH和PBC	扫描技术和切片染色的多样性可能影响模型的鲁棒性和泛化能力	开发一种辅助诊断工具，以减少AIH和PBC的误诊	自身免疫性肝炎（AIH）和原发性胆汁性胆管炎（PBC）患者	digital pathology	liver disease	H&E染色全切片图像分析	transformer-based deep learning system (ALNE)	image	训练集354例（266例AIH和102例PBC），外部验证集92例（62例AIH和30例PBC）