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
861	2025-05-16	A deep learning approach to remotely assessing essential tremor with handwritten images 2025-Mar-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-94729-0 PMID:40155628	研究论文	该研究提出了一种基于深度学习的远程评估原发性震颤（ET）严重程度的新方法，使用手写图像提高评估效率和可及性	开发了基于迁移学习的模型ETSD-Net，用于评估ET严重程度，准确率达到88.44%，优于基线模型	未提及模型在更大规模或不同人群中的泛化能力	开发一种远程评估原发性震颤严重程度的高效、可及性强的工具	原发性震颤（ET）患者	数字病理学	老年疾病	深度学习	ETSD-Net	图像	约1000张高质量阿基米德螺旋手写图像，来自医疗机构和家庭环境中的患者
862	2025-05-16	Fine-tuned deep learning models for early detection and classification of kidney conditions in CT imaging 2025-Mar-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-94905-2 PMID:40155680	研究论文	该研究通过微调的深度学习模型对CT图像中的肾脏状况进行早期检测和分类	提出了一种创新方法，整合了精细调整的迁移学习、高级图像处理和超参数优化，以提高肾脏肿瘤分类的准确性	NA	提高肾脏疾病的早期检测和分类准确性，改善医学影像诊断	CT图像中的囊肿、正常状态、结石和肿瘤	数字病理学	肾脏疾病	CT成像、图像处理技术（数据归一化、增强、分水岭分割、Otsu二值化阈值处理）	CNN、VGG16、ResNet50、CNNAlexnet、InceptionV3	图像	NA
863	2025-05-16	A deep learning model for classification of chondroid tumors on CT images 2025-Mar-28, BMC cancer IF:3.4Q2 DOI:10.1186/s12885-025-13951-1 PMID:40155859	研究论文	本研究开发了一种深度学习模型，用于在CT图像上分类软骨样肿瘤	开发了一种2D卷积神经网络模型，用于区分不同类型的软骨样肿瘤，并与放射科医生的诊断性能进行了比较	在区分非典型软骨样肿瘤和高级别软骨肉瘤方面表现仍有提升空间，反映了放射学诊断中的已知挑战	开发一种深度学习模型，用于软骨样肿瘤的分类，以辅助临床诊断	软骨样肿瘤（包括内生软骨瘤、非典型软骨样肿瘤和高级别软骨肉瘤）	数字病理学	软骨肉瘤	CT成像	2D CNN	图像	344名患者（124例内生软骨瘤，92例非典型软骨样肿瘤，128例高级别软骨肉瘤）
864	2025-05-16	SIMVI disentangles intrinsic and spatial-induced cellular states in spatial omics data 2025-Mar-27, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-58089-7 PMID:40148341	research paper	本文提出了一种名为SIMVI的深度学习框架，用于在空间组学数据中区分细胞内在变异性和细胞间相互作用	SIMVI是一种无需注释的深度学习框架，能够严格理论支持下分离空间组学数据中的细胞内在和空间诱导的潜在变量	NA	开发一种计算方法来可靠地捕获空间调控	空间组学数据中的细胞状态	digital pathology	melanoma	spatial omics	deep learning	spatial omics data	diverse platforms and tissues, including human tonsil and melanoma data
865	2025-05-16	Feasibility study of AI-assisted multi-parameter MRI diagnosis of prostate cancer 2025-Mar-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-84516-8 PMID:40148363	研究论文	提出一种基于AI的多参数MRI辅助诊断前列腺癌的新方法	结合预训练的ResNet50模型和多头注意力机制，开发了一种新型计算机辅助诊断系统，用于多参数MRI中前列腺癌的检测	研究为单中心回顾性研究，样本量相对较小（106例患者）	评估人工智能在多参数MRI中检测临床显著性前列腺癌的可行性	前列腺良恶性病变的MRI图像	数字病理学	前列腺癌	多参数MRI（mp-MRI）	ResNet50结合多头注意力机制	医学影像	106例患者的137幅mp-MRI图像，产生274组ROI数据（206组用于训练验证，68组用于测试）
866	2025-05-16	Artificial intelligence for sustainable farming with dual branch convolutional graph attention networks in rice leaf disease detection 2025-Mar-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-94891-5 PMID:40148438	研究论文	本文提出了一种新型混合深度学习方法，用于水稻叶部病害分类，旨在提高病害检测的准确性和农业生产力	采用双分支卷积图注意力网络（DB-CGANNet）进行病害分类，结合了多种图像增强技术和特征提取方法，显著提高了分类准确率	依赖于特定数据集（Rice Leaf Diseases Dataset和Rice Disease Images Dataset），可能在其他数据集上的泛化能力有限	提高水稻叶部病害检测的准确性，以改善作物管理和农业生产力	水稻叶部病害（如褐斑病、细菌性叶枯病、叶瘟病等）	计算机视觉	水稻病害	Upgraded Weighted Median Filtering (Up-WMF), Aligned Gamma-based Contrast Limited Adaptive Histogram Equalization (AG-CLAHE), Discrete Wavelet Transform (DWT), Gray Level Run Length Matrix (GLRLM), VGG19, Bio-Inspired Artificial Hummingbird (BI-AHB)	Dual Branch Convolutional Graph Attention Neural Network (DB-CGANNet)	图像	两个数据集（Rice Leaf Diseases Dataset和Rice Disease Images Dataset）
867	2025-05-16	CTA image segmentation method for intracranial aneurysms based on MGLIA net 2025-Mar-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-95143-2 PMID:40148442	research paper	提出了一种基于MGLIA net的CTA图像分割方法，用于颅内动脉瘤的三维形态重建和破裂风险评估	开发了基于MoblieNet的GLIA Net算法（MGLIA Net模型），能够对不同条件下采集的动脉瘤图像进行自适应目标分割	当前使用CTA大数据和深度学习的颅内动脉瘤分割方法缺乏普适性，面对新的医院获取的成像模态时通常需要重新设计和训练分割网络	提高颅内动脉瘤CTA图像分割的准确性和普适性	颅内动脉瘤	digital pathology	cardiovascular disease	CTA, deep learning	MGLIA Net (based on MoblieNet)	image	开源数据集（具体数量未提及）
868	2025-05-16	Multimodal medical image fusion combining saliency perception and generative adversarial network 2025-Mar-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-95147-y PMID:40148552	研究论文	本文提出了一种结合显著感知和生成对抗网络的多模态医学图像融合方法，以提高诊断准确性	提出了一种新颖的深度学习架构——时间分解网络（TDN），通过特征级时间分析和对抗学习机制优化多模态医学图像融合	NA	优化多模态医学图像融合，提高诊断准确性	多模态医学图像	计算机视觉	NA	生成对抗网络（GAN）	TDN（时间分解网络）	医学图像	多种医学图像数据集，涵盖多种模态和图像维度
869	2025-05-16	Artificial intelligence accelerates the identification of nature-derived potent LOXL2 inhibitors 2025-Mar-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-95530-9 PMID:40148559	研究论文	本文通过结合深度学习和传统计算机辅助药物设计方法，筛选出LOXL2选择性抑制剂，并验证了其抑制肿瘤的效果	采用深度学习与传统计算机辅助药物设计相结合的方法，筛选出天然产物Forsythoside A作为LOXL2的有效抑制剂	研究仅针对CT26细胞进行了实验验证，尚未在其他癌细胞或体内模型中验证	开发针对LOXL2的选择性天然抑制剂，为癌症治疗提供更好的治疗手段	LOXL2选择性抑制剂及其对癌细胞的影响	计算机辅助药物设计	癌症	深度学习、分子对接、虚拟筛选	深度学习模型	分子结构数据、生物活性数据	CT26细胞
870	2025-05-16	Deep learning-based reconstruction for three-dimensional volumetric brain MRI: a qualitative and quantitative assessment 2025-Mar-27, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-01647-8 PMID:40148785	研究论文	评估基于深度学习的自适应压缩感知网络在脑部MRI中的性能，并在临床环境中进行验证	使用深度学习重建技术显著减少扫描时间而不牺牲图像质量和体积量化准确性	样本量较小（10名健康志愿者和22名患者），且仅在脑部MRI中验证	评估深度学习重建技术在脑部MRI中的性能和临床应用价值	健康志愿者和患者的脑部MRI数据	医学影像分析	脑部疾病	深度学习重建（DLR）和自适应压缩感知（CS）	深度学习网络	3D脑部MRI图像	10名健康志愿者和22名患者
871	2025-05-16	GPT4LFS (generative pretrained transformer 4 omni for lumbar foramina stenosis): enhancing lumbar foraminal stenosis image classification through large multimodal models 2025-Mar-27, The spine journal : official journal of the North American Spine Society DOI:10.1016/j.spinee.2025.03.011 PMID:40157428	研究论文	本研究开发了一个名为GPT4LFS的多模态大语言模型，用于提高腰椎间孔狭窄（LFS）图像分类的准确性和效率	结合了多模态大语言模型和图像处理技术，通过融合成像数据和自然语言描述来全面捕捉复杂的LFS特征	研究依赖于回顾性数据，且样本来自有限的医疗中心和MRI设备，可能影响模型的泛化能力	提高腰椎间孔狭窄（LFS）图像分类的准确性和效率，实现快速精确的自动化诊断	腰椎间孔狭窄（LFS）患者的MRI图像	数字病理	腰椎间孔狭窄	MRI	GPT4LFS（基于ConvNeXt和RoBERTa的多模态融合框架）	图像和文本	1,200名患者的MRI数据，最终分析包括810例患者病例
872	2025-05-16	High precision banana variety identification using vision transformer based feature extraction and support vector machine 2025-Mar-26, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-95466-0 PMID:40133576	研究论文	该研究提出了一种结合Vision Transformer（ViT）和支持向量机（SVM）的混合框架，用于高精度识别香蕉品种	结合ViT模型进行全局语义特征提取与SVM分类，显著提高了香蕉品种分类的准确率	研究未提及在实际农田环境中的适用性及计算资源需求	提高香蕉品种识别的准确性和自动化水平	香蕉品种	计算机视觉	NA	深度学习（DL）、图像处理	Vision Transformer（ViT）、支持向量机（SVM）	图像	两个数据集：BananaImageBD（四类）和BananaSet（六类）
873	2025-05-16	Deep neural networks excel in COVID-19 disease severity prediction-a meta-regression analysis 2025-Mar-26, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-95282-6 PMID:40133706	meta-analysis	该研究通过meta回归分析评估了深度学习网络在COVID-19疾病严重程度预测中的卓越表现	使用MetaForest算法识别工具性能的相关混杂因素，并通过混合效应meta回归模型比较线性、机器学习和深度学习方法，发现神经网络工具在预测性能上明显优于其他方法	88%的研究存在高偏倚风险，主要原因是数据分析中的缺陷	指导临床医生选择最佳预测工具，评估其在资源管理中的作用，并从COVID-19情景中学习以开发类似医学应用中的预测模型	住院的COVID-19患者	machine learning	COVID-19	MetaForest算法, 混合效应meta回归模型	Neural Networks, 机器学习工具	临床、实验室和影像数据	约280万患者，涉及27,312项研究中的430项独立评估
874	2025-05-16	Enhancing registration accuracy and eminence of multispectral transmission breast images by fusing multi-wavelength gen using vision transformer and LSTM 2025-Mar-26, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-82965-9 PMID:40140442	研究论文	提出了一种结合Vision Transformer和LSTM网络的新方法，用于提高多光谱透射乳腺图像的配准精度和降噪效果	首次将Vision Transformer与LSTM网络结合用于多光谱透射乳腺图像处理，显著提高了配准精度和图像质量	未提及具体样本量，且可能受限于人体呼吸和相机不稳定引起的运动伪影	提高早期乳腺癌筛查中多光谱透射图像的配准精度和图像质量	多光谱透射乳腺图像	计算机视觉	乳腺癌	多光谱透射成像	Vision Transformer (ViT) 和 LSTM	图像	NA
875	2025-05-16	Exploring the categories of students' interest and their relationships with deep learning in technology supported environments 2025-Mar-26, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-95294-2 PMID:40140502	研究论文	本研究通过潜在剖面分析、多元逻辑回归分析和多元方差分析，探索了技术支持学习环境中情境兴趣与个体兴趣的共存类别及其对深度学习的影响	揭示了技术支持学习环境中情境兴趣与个体兴趣的共存类别及其对深度学习四要素的异质性影响，发现“高情境兴趣-高个体兴趣”是深度学习发生的重要因素	样本仅来自中国初中生，可能限制结果的普适性	探索技术支持学习环境中学生兴趣类别及其与深度学习的关系	634名中国初中生	教育技术	NA	潜在剖面分析(LPA)、多元逻辑回归分析、多元方差分析(MANOVA)	NA	问卷调查数据	634名初中生
876	2025-05-16	Automated segmentation of brain metastases in T1-weighted contrast-enhanced MR images pre and post stereotactic radiosurgery 2025-Mar-26, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-01643-y PMID:40140740	research paper	该研究评估了nnU-Net和MedNeXt两种深度学习模型在脑转移瘤的MRI图像分割中的性能，特别是在治疗计划和随访MRI中的应用	首次在治疗计划和随访MRI上评估了深度学习模型的性能，并探讨了公开数据对模型性能的影响	模型在随访MRI上的性能相对较低	评估深度学习模型在脑转移瘤MRI图像分割中的性能	脑转移瘤的MRI图像	digital pathology	brain metastases	deep learning	nnU-Net, MedNeXt	MRI images	255名患者的MRI数据（201训练，54测试）加上公开的75名患者数据
877	2025-05-16	Predicting rheumatoid arthritis progression from seronegative undifferentiated arthritis using machine learning: a deep learning model trained on the KURAMA cohort and externally validated with the ANSWER cohort 2025-Mar-26, Arthritis research & therapy IF:4.4Q1 DOI:10.1186/s13075-025-03541-8 PMID:40140918	研究论文	使用机器学习模型预测血清阴性未分化关节炎进展为类风湿性关节炎的风险	开发了一个前馈神经网络（FNN）模型，仅使用临床和实验室参数预测血清阴性未分化关节炎进展为类风湿性关节炎，并在独立验证队列中保持了较高的敏感性	模型在独立验证队列中的AUC（0.777）低于训练数据集（0.924），可能存在泛化能力不足的问题	预测血清阴性未分化关节炎进展为类风湿性关节炎的风险	血清阴性未分化关节炎患者	机器学习	类风湿性关节炎	机器学习	FNN	临床和实验室参数	训练数据集（KURAMA队列）包括210名患者，验证数据集（ANSWER队列）包括140名患者
878	2025-05-16	Deep learning based quantitative cervical vertebral maturation analysis 2025-Mar-26, Head & face medicine IF:2.4Q2 DOI:10.1186/s13005-025-00498-6 PMID:40140932	研究论文	本研究旨在通过精确的标记定位，提升定量颈椎成熟度（QCVM）分期的临床诊断准确性	设计了一个先进的两阶段卷积神经网络（CNN），专门用于提高颈椎分析的准确性，特别是在处理复杂解剖变异方面	QCVM分期的识别准确率为69.52%，仍有提升空间	提升定量颈椎成熟度（QCVM）分期的临床诊断准确性	2100张头影测量图像	计算机视觉	NA	深度学习	CNN	图像	2100张头影测量图像，按8:1:1的比例分为训练集、验证集和测试集
879	2025-05-16	Integrating Deep Learning Models with Genome-Wide Association Study-Based Identification Enhanced Phenotype Predictions in Group A Streptococcus 2025-Mar-26, Journal of microbiology and biotechnology IF:2.5Q3 DOI:10.4014/jmb.2411.11010 PMID:40147921	研究论文	本研究旨在整合深度学习模型与全基因组关联研究（GWAS）衍生的遗传变异，以预测A组链球菌（GAS）的致病表型	通过集成多种深度学习模型（CNN、ResNet18、LSTM）并评估其在GAS表型预测中的表现，发现集成模型在预测准确性上表现最佳，强调了数据-模型兼容性的重要性	研究仅针对GAS的特定表型进行预测，未涉及其他病原体或更广泛的表型范围	提高A组链球菌致病表型的预测准确性	A组链球菌（GAS）及其遗传变异	机器学习	细菌感染	全基因组关联研究（GWAS）	CNN、ResNet18、LSTM及集成模型	基因型数据	4722个基因型数据集和175个基因型子集
880	2025-05-16	Automatic mandibular third molar and mandibular canal relationship determination based on deep learning models for preoperative risk reduction 2025-Mar-25, Clinical oral investigations IF:3.1Q1 DOI:10.1007/s00784-025-06285-6 PMID:40128451	研究论文	本研究探讨了深度学习模型在利用锥形束计算机断层扫描图像分类下颌第三磨牙与下颌管空间关系中的应用	首次将深度学习模型应用于下颌第三磨牙与下颌管关系的自动分类，提高了术前规划的准确性和一致性	研究仅基于305例锥形束计算机断层扫描图像，样本量相对有限	通过深度学习模型提高下颌第三磨牙与下颌管关系分类的准确性，减少手术风险	下颌第三磨牙与下颌管的空间关系	计算机视觉	牙科疾病	锥形束计算机断层扫描	CNN (包括MobileNet, Xception, DenseNet201)	图像	305例锥形束计算机断层扫描图像