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
881	2025-04-23	Deep Learning-Driven Glaucoma Medication Bottle Recognition: A Multilingual Clinical Validation Study in Patients with Impaired Vision 2025 Jul-Aug, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2025.100758 PMID:40256318	research paper	临床验证一款基于CNN的Android智能手机应用，用于识别青光眼患者的局部用药	开发并验证了一款多语言的CNN驱动应用，显著提高了视力受损患者的药物识别准确率	样本量较小（41名参与者），且非英语使用者的应用易用性评分较低	验证基于CNN的智能手机应用在青光眼患者药物识别中的效果	青光眼伴视力受损患者（包括英语和非英语使用者）	computer vision	glaucoma	CNN	CNN	image	41名患者（20名非英语使用者，21名英语使用者）
882	2025-04-23	A semantic segmentation network for red tide detection based on enhanced spectral information using HY-1C/D CZI satellite data 2025-Jun, Marine pollution bulletin IF:5.3Q1 DOI:10.1016/j.marpolbul.2025.117813 PMID:40117936	研究论文	提出了一种基于增强光谱信息的语义分割网络SIC-RTNet，用于利用HY-1C/D CZI卫星数据检测赤潮	SIC-RTNet通过引入残差块、计算三个光谱信息通道和改进损失函数，提高了赤潮监测的准确性	传统遥感方法难以监测小规模赤潮事件和详细分布，且不适用于中高空间分辨率和低光谱分辨率的卫星传感器	提高赤潮监测的准确性，助力海洋生态灾害监测	赤潮	计算机视觉	NA	卫星遥感	Residual Neural Network (SIC-RTNet)	卫星图像	NA
883	2025-04-23	High-level visual processing in the lateral geniculate nucleus revealed using goal-driven deep learning 2025-Jun, Journal of neuroscience methods IF:2.7Q3 DOI:10.1016/j.jneumeth.2025.110429 PMID:40122470	研究论文	本研究提出了一种利用目标驱动的深度学习方法来揭示侧膝状体核（LGN）在高级视觉处理中的作用	使用VGG16和ResNet50两种深度神经网络作为目标驱动模型，探索LGN在高级视觉特征（如数量感知）编码中的作用，挑战了关于LGN功能简单性的传统观点	研究仅针对小鼠LGN，结果是否适用于其他物种尚不明确	探索LGN在高级视觉处理中的功能	小鼠侧膝状体核（LGN）的神经活动	计算机视觉	NA	深度学习	VGG16, ResNet50	神经活动数据	NA
884	2025-04-23	Neurocounter - A deep learning framework for high-fidelity spatial localization of neurons 2025-Jun, Journal of neuroscience methods IF:2.7Q3 DOI:10.1016/j.jneumeth.2025.110444 PMID:40187538	研究论文	介绍了一种名为Neurocounter的深度学习框架，用于高保真空间定位神经元	Neurocounter通过自学习能力减少了对完整注释的需求，并在不同脑区实现了高精度的神经元定位	需要进一步验证其在更广泛数据集上的性能	开发一个能够精确检测和定位神经元的深度学习网络	神经元	计算机视觉	NA	深度学习	encoder-decoder with attention module	图像	包含不完全注释神经元的图像和控制图像
885	2025-04-23	Fine-Tuning Deep Learning Model for Quantitative Knee Joint Mapping With MR Fingerprinting and Its Comparison to Dictionary Matching Method: Fine-Tuning Deep Learning Model for Quantitative MRF 2025-Jun, NMR in biomedicine IF:2.7Q1 DOI:10.1002/nbm.70045 PMID:40259681	研究论文	本研究探讨了深度学习模型在磁共振指纹图谱（MRF）中用于膝关节定量映射的微调及其与传统字典匹配（DM）方法的比较	研究了神经网络（NN）在深度学习中的微调及其与DM方法的公平比较，优化了NN超参数并分析了MRF数据的奇异值分解（SVD）成分	在体内膝关节数据中，NN在T测量上表现略低于DM，T测量略高于DM	提高MRF中膝关节多参数定量映射的准确性和鲁棒性	合成数据、NIST/ISMRM MRI系统幻影和14名健康志愿者的体内膝关节数据	数字病理学	骨关节炎	磁共振指纹图谱（MRF）	深度学习模型（NN）	MRI图像	14名健康志愿者的体内膝关节数据
886	2025-04-23	AI-driven approaches for air pollution modelling: A comprehensive systematic review 2025-May-15, Environmental pollution (Barking, Essex : 1987) DOI:10.1016/j.envpol.2025.125937 PMID:40058557	综述	本文对利用机器学习和深度学习技术预测空气污染的现有研究进行了系统性回顾	不仅比较了不同模型和方法，还分析了外部特征（如气象数据、交通信息和土地利用）对污染物水平和模型预测准确性的影响	探讨了机器学习和深度学习方法的性能和局限性，但未提出新的模型或方法	比较和评估不同方法在预测空气污染物浓度水平方面的效果	空气污染预测模型	机器学习	NA	机器学习和深度学习技术	时间模型和时空模型	气象数据、交通信息、土地利用等多源数据	NA
887	2025-04-23	Comparative analysis of retinal microvascular parameters in healthy individuals with or without carotid artery stenosis or plaque 2025-May, European journal of ophthalmology IF:1.4Q3 DOI:10.1177/11206721241291224 PMID:39410788	研究论文	通过眼底摄影评估视网膜微血管变化与颈动脉狭窄（CAS）伴或不伴斑块的相关性	使用基于深度学习算法的眼底摄影技术分析视网膜微血管参数，为CAS筛查提供新方法	回顾性观察研究设计可能引入选择偏倚	评估视网膜微血管参数与颈动脉狭窄的相关性	健康个体及颈动脉狭窄伴或不伴斑块的患者	数字病理	心血管疾病	眼底摄影	深度学习算法	图像	715名参与者（313名CAS患者，402名对照）
888	2025-04-23	Development and Validation of Multiparametric MRI-based Interpretable Deep Learning Radiomics Fusion Model for Predicting Lymph Node Metastasis and Prognosis in Rectal Cancer: A Two-center Study 2025-May, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.11.045 PMID:39638641	研究论文	开发并验证了基于多参数MRI的可解释深度学习放射组学融合模型，用于预测直肠癌淋巴结转移和预后	结合深度学习和放射组学特征构建预测模型，并利用SHAP工具提高模型可解释性，同时验证模型对放射科医生诊断性能的提升	研究为回顾性设计，样本量相对有限（共352例患者），且仅来自两个中心	预测直肠癌术前淋巴结转移及患者预后	直肠癌患者	数字病理	直肠癌	多参数MRI（T2WI和DWI序列）	MobileNet-V3-large, Inception-V3, ResNet50, VGG16	医学影像	352例患者（286例训练集，66例外部测试集）
889	2025-04-23	SMART: Development and Application of a Multimodal Multi-organ Trauma Screening Model for Abdominal Injuries in Emergency Settings 2025-May, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.11.056 PMID:39690074	研究论文	本研究开发了一个多模态多器官创伤筛查模型SMART，用于急诊环境下腹部损伤的快速诊断	结合非对比CT扫描和非结构化文本数据，利用深度学习构建多模态诊断模型，提高了实体器官评估的速度和准确性	研究仅基于2638名患者的数据，可能需要更大样本量验证模型的泛化能力	提高急诊环境下腹部创伤诊断的效率和准确性	腹部创伤患者	数字病理	腹部创伤	非对比CT扫描，GPT-4嵌入API，nnU-Net和DenseNet121	SMART_GPT（基于文本），SMART_Image（基于图像），集成模型	非结构化文本数据，非对比CT扫描图像	2638名患者（459例阳性，2179例阴性腹部创伤病例），测试集包含1006名患者的1632个连续数据点
890	2025-04-23	Interpretable Deep-learning Model Based on Superb Microvascular Imaging for Noninvasive Diagnosis of Interstitial Fibrosis in Chronic Kidney Disease 2025-May, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.11.067 PMID:39690075	research paper	开发一种基于超微血管成像(SMI)的可解释深度学习模型，用于无创诊断慢性肾病(CKD)间质纤维化(IF)程度	提出了一种基于SMI的可解释深度学习模型(XDL)，用于无创诊断CKD患者的IF程度，并通过SHAP方法提供模型解释性	研究样本量相对有限(365名患者)，且仅基于单中心数据	开发无创诊断慢性肾病间质纤维化程度的方法	慢性肾病(CKD)患者	digital pathology	chronic kidney disease	superb microvascular imaging (SMI), ultrasound radiomics, color doppler ultrasonography (CDUS)	XDL (interpretable deep learning model)	medical imaging	365名CKD患者
891	2025-04-23	Multimodal Deep Learning Fusing Clinical and Radiomics Scores for Prediction of Early-Stage Lung Adenocarcinoma Lymph Node Metastasis 2025-May, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.12.018 PMID:39730249	research paper	开发并验证了一种基于CT图像和临床知识的多模态深度学习模型，用于预测早期肺腺癌淋巴结转移	提出了一种基于InceptionResNetV2架构的多模态特征融合深度学习网络，有效整合图像和临床知识预测淋巴结转移	研究为回顾性设计，样本来自两个中心，可能存在选择偏倚	预测早期肺腺癌淋巴结转移	724例经病理证实的早期浸润性肺腺癌患者	digital pathology	lung cancer	CT影像分析，深度学习	InceptionResNetV2	image, clinical data	724例患者（中心1：524例，中心2：200例）
892	2025-04-23	Multi-Energy Evaluation of Image Quality in Spectral CT Pulmonary Angiography Using Different Strength Deep Learning Spectral Reconstructions 2025-May, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.11.049 PMID:39732618	research paper	该研究评估并比较了使用标准与强深度学习的双能CT肺动脉造影（DECT-PA）在不同能量水平下的虚拟单色图像（VMIs）质量	比较了标准与强深度学习的双能CT肺动脉造影（DECT-PA）在不同能量水平下的虚拟单色图像（VMIs）质量，发现强深度学习谱重建（DLSR）显著提高了图像质量	研究样本量较小（70例患者），且为回顾性研究	评估不同能量水平的虚拟单色图像（VMIs）在标准与强深度学习谱重建（DLSR）下的图像质量	70例接受DECT-PA扫描的患者（15例有肺栓塞，55例无肺栓塞）	digital pathology	cardiovascular disease	双能CT肺动脉造影（DECT-PA）	deep learning spectral reconstruction (DLSR)	image	70例患者（15例有肺栓塞，55例无肺栓塞）
893	2025-04-23	Radiomics and Deep Learning Model for Benign and Malignant Soft Tissue Tumors Differentiation of Extremities and Trunk 2025-May, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.12.026 PMID:39753479	research paper	开发基于脂肪抑制T2加权成像的放射组学和深度学习模型，用于术前区分良恶性软组织肿瘤	结合放射组学和深度学习特征，构建DLR模型，提高了良恶性软组织肿瘤的术前诊断准确性	样本量相对较小，且外部验证集仅来自一个中心，可能影响模型的泛化能力	开发非侵入性、低成本的术前诊断方法，用于区分良恶性软组织肿瘤	良性和恶性软组织肿瘤患者	digital pathology	soft tissue tumors	fat saturation T2-weighted imaging (FS-T2WI)	3D ResNet	image	115例患者作为训练集，70例患者作为外部验证集
894	2025-04-23	Development and Validation of an AI-Based Multimodal Model for Pathological Staging of Gastric Cancer Using CT and Endoscopic Images 2025-May, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.12.029 PMID:39753481	research paper	开发并验证了一种基于AI的多模态模型，用于结合CT和内窥镜图像对胃癌进行术前病理分期	提出了一种集成多模态模型，结合了CT图像的深度学习和手工特征以及内窥镜图像的深度特征，显著提高了胃癌术前分期的准确性	研究为回顾性设计，数据未公开且样本量有限（691例）	提高胃癌术前病理分期的准确性以优化治疗方案	胃癌患者	digital pathology	gastric cancer	CT成像, 内窥镜成像	ResNet-50, 深度学习模型, 机器学习算法, 集成学习	医学影像（CT和内窥镜图像）	691例胃癌患者
895	2025-04-23	Improved Image Quality Through Deep Learning Acceleration of Gradient-Echo Acquisitions in Uterine MRI: First Application with the Female Pelvis 2025-May, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.12.021 PMID:39843279	research paper	本研究比较了深度学习加速的VIBE序列与标准VIBE序列在评估子宫时的图像质量	首次将深度学习加速的VIBE序列应用于女性盆腔MRI，显著提高了图像质量	样本量较小（54例患者），且仅在1.5T MRI扫描仪上进行	比较深度学习加速的VIBE序列与标准VIBE序列在子宫MRI中的图像质量	61名女性患者（最终分析54名）的盆腔MRI图像	digital pathology	NA	MRI, 深度学习加速的VIBE序列	深度学习	image	54名女性患者的盆腔MRI图像
896	2025-04-23	Photoacoustic Imaging with Attention-Guided Deep Learning for Predicting Axillary Lymph Node Status in Breast Cancer 2025-May, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.12.020 PMID:39848886	research paper	本研究探讨了结合光声成像和注意力引导深度学习在预测乳腺癌腋窝淋巴结状态中的精确性	首次将光声成像与注意力引导深度学习结合，开发出预测腋窝淋巴结状态的新型列线图	研究为回顾性设计，样本量相对有限（324例患者）	开发精确预测乳腺癌患者腋窝淋巴结状态的影像学方法	早期乳腺癌患者的腋窝淋巴结状态	digital pathology	breast cancer	photoacoustic-ultrasound (PA-US) imaging	attention-guided DL model	image	324例经组织学确诊的早期乳腺癌患者（2022-2024年）
897	2025-04-23	Non-invasive Assessment of Human Epidermal Growth Factor Receptor 2 Expression in Gastric Cancer Based on Deep Learning: A Computed Tomography-based Multicenter Study 2025-May, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.12.041 PMID:39870563	研究论文	本研究基于深度学习开发并验证了一种用于预测胃癌患者HER2表达的CT影像模型	首次利用CT影像特征结合机器学习方法预测胃癌HER2表达状态	研究为回顾性设计，样本中HER2阳性比例较低	开发非侵入性的HER2表达预测模型以指导胃癌精准治疗	胃癌患者	数字病理	胃癌	CT影像组学	LR-Lasso, SVM	医学影像	1059例患者（训练集720例，测试集339例）
898	2025-04-23	Association Between Aortic Imaging Features and Impaired Glucose Metabolism: A Deep Learning Population Phenotyping Approach 2025-May, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.01.032 PMID:39934079	研究论文	本研究开发了一个深度学习框架，用于从MRI中量化主动脉表型，并研究主动脉特征与糖代谢受损之间的关联	使用深度学习框架自动量化主动脉特征，并首次发现主动脉长度和体积与糖代谢受损的独立关联	样本量相对较小（381名参与者），且仅基于一个地区的人群数据	研究主动脉特征与糖代谢受损之间的关联，超越传统心血管风险因素	来自KORA研究的381名参与者（58%男性，平均年龄56岁）	数字病理学	心血管疾病	MRI	深度学习	图像	381名参与者（231名血糖正常，97名糖尿病前期，53名糖尿病患者）
899	2025-04-23	Artificial intelligence for osteoporosis detection on panoramic radiography: A systematic review and meta analysis 2025-May, Journal of dentistry IF:4.8Q1 DOI:10.1016/j.jdent.2025.105650 PMID:40010536	meta-analysis	本文通过系统综述和荟萃分析评估了人工智能在全景X光片上检测骨质疏松症的诊断准确性	首次对AI在全景X光片上检测骨质疏松症的诊断性能进行全面评估，并量化了其敏感性和特异性	研究间存在显著异质性，可能存在小样本效应和发表偏倚，需要进一步验证和标准化	评估人工智能在全景X光片上检测骨质疏松症的诊断性能	使用AI检测骨质疏松症的全景X光影像研究	digital pathology	骨质疏松症	深度学习	deep learning	image	24项研究（具体样本量未明确说明）
900	2025-04-23	Development of Hybrid radiomic Machine learning models for preoperative prediction of meningioma grade on multiparametric MRI 2025-May, Journal of clinical neuroscience : official journal of the Neurosurgical Society of Australasia IF:1.9Q4 DOI:10.1016/j.jocn.2025.111118 PMID:40048835	research paper	开发并比较了基于多参数MRI的机器学习模型，用于术前预测脑膜瘤的分级	结合手工提取的放射组学特征和深度学习特征，开发了混合模型（HRO和HDLR）用于脑膜瘤分级预测	模型的敏感性和阳性预测值（PPV）存在不一致性，需要更大规模的多中心研究验证	开发机器学习模型以区分低级别和高级别脑膜瘤	脑膜瘤患者的术前多参数MRI数据	digital pathology	脑膜瘤	多参数MRI（T1、T1CE、T2、T2 FLAIR、DWI/ADC）	Random Forest, XGBoost	image	115例（97例低级别和18例高级别脑膜瘤）