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
10561	2025-04-04	DRTOP : deep learning-based radiomics for the time-to-event outcome prediction in lung cancer 2020-07-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-020-69106-8 PMID:32703973	研究论文	提出了一种基于深度学习的放射组学模型DRTOP，用于预测肺癌患者的时间-事件结果	DRTOP模型直接处理原始图像，无需预先定义特征或精确肿瘤分割，提高了预测效率和准确性	研究样本量较小（132例肺癌患者），且为内部数据集，可能需要更大规模的外部验证	开发深度学习模型以预测肺癌患者的生存和复发时间	肺癌患者	数字病理学	肺癌	深度学习放射组学	深度学习模型（未指定具体架构）	CT和PET医学影像	132例肺癌患者
10562	2025-04-03	Continuous glucose feedback control using Raman spectroscopy and deep learning models for biopharmaceutical processes 2025-Apr-02, Biotechnology progress IF:2.5Q3 DOI:10.1002/btpr.70020 PMID:40172019	研究论文	本研究探讨了在高消耗、高复杂度的细胞培养过程中，利用拉曼光谱和先进深度学习模型实施连续葡萄糖控制策略	结合拉曼光谱和深度学习模型（包括卷积神经网络和变分自编码器即时学习）进行连续葡萄糖控制，提高了葡萄糖测量的准确性和稳定性	在制造环境中，拉曼光谱可能不可行，需要开发可扩展的替代方案	提高生物制药过程中葡萄糖控制的准确性和稳定性，优化产品质量和生产效率	高消耗、高复杂度的细胞培养过程	生物制药	NA	拉曼光谱	CNN, 变分自编码器	光谱数据	多个细胞系
10563	2025-04-03	CabriTrack: Accelerometer data for automated behavioural monitoring of grazing Creole goats 2025-Apr, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2025.111431 PMID:40160528	研究论文	介绍了一个名为CabriTrack的数据集，用于通过加速度计数据自动监测克雷奥尔山羊的放牧行为	提供了一个包含144小时以上三轴加速度计数据的数据集，用于训练和评估基于加速度数据的行为预测方法	数据集仅针对克雷奥尔山羊，且行为分类有限（五种行为）	开发自动化动物行为监测方法	克雷奥尔山羊的放牧行为	机器学习	NA	加速度计数据采集和AI行为预测	NA	加速度计数据和视频数据	59只不同的动物，数据收集时间为2023年3月至2024年3月
10564	2025-04-03	Kidney stone detection via axial CT imaging: A dataset for AI and deep learning applications 2025-Apr, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2025.111446 PMID:40160523	research paper	介绍了一个专注于肾结石检测的CT扫描图像数据集，包含有肾结石和无肾结石患者的两组数据	提供了一个经过清洗、交叉检查和充分标记的CT图像数据集，支持AI和深度学习在肾结石诊断中的应用	数据集主要来自伊拉克Sulaimani和Rania地区的医疗机构，可能无法完全代表其他地区的人口和肾结石模式	开发和验证用于肾结石诊断的深度学习模型	肾结石患者和无肾结石患者的CT扫描图像	digital pathology	kidney stone disease	CT imaging	deep learning models	image	3364 original CT images and 35,457 augmented CT images
10565	2025-04-03	FallVision: A benchmark video dataset for fall detection 2025-Apr, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2025.111440 PMID:40160526	研究论文	本文介绍了一个专门为跌倒检测研究策划的综合视频数据集，包含分类的跌倒和非跌倒视频	提供了一个全面的跌倒检测视频数据集，包含多种跌倒类别和经过处理的标志视频	数据集来源为手持设备拍摄，可能影响视频质量和一致性	推进跌倒检测算法的发展，为算法开发和测试提供平台	跌倒和非跌倒的视频数据	计算机视觉	老年疾病	计算机视觉和深度学习	NA	视频	自愿参与者提供的视频数据
10566	2025-04-03	A deep learning algorithm for radiographic measurements of the hip versus human CT measurements: An intermodality agreement study 2025-Apr, Acta radiologica open IF:0.9Q4 DOI:10.1177/20584601251330554 PMID:40162114	研究论文	本研究比较了人类在CT扫描和深度学习算法在X光片上对髋关节测量结果的一致性	首次使用深度学习算法评估髋关节X光片测量与人类CT测量之间的一致性，并探讨骨盆旋转对测量结果的影响	样本量相对较小(172例)，且为回顾性研究	评估不同髋关节测量方法之间的一致性	髋关节发育不良(HD)患者	数字病理	骨关节炎	CT扫描和X光成像	深度学习算法	医学影像	172例放射学报告回顾性分析
10567	2025-04-03	Artificial Intelligence Models Accuracy for Odontogenic Keratocyst Detection From Panoramic View Radiographs: A Systematic Review and Meta-Analysis 2025-Apr, Health science reports IF:2.1Q3 DOI:10.1002/hsr2.70614 PMID:40165928	meta-analysis	评估人工智能模型在全景X光片中检测牙源性角化囊肿的诊断准确性	首次通过系统综述和荟萃分析评估AI模型在牙源性角化囊肿诊断中的表现，并比较不同模型架构的性能	存在发表偏倚和研究间高度异质性，且样本量有限	评估AI模型在全景X光片中检测牙源性角化囊肿的诊断准确性	牙源性角化囊肿的全景X光片	digital pathology	odontogenic keratocyst	deep learning	YOLO	image	8项研究的数据
10568	2025-04-03	Domain-Adaptive and Per-Fraction Guided Deep Learning Framework for Magnetic Resonance Imaging-Based Segmentation of Organs at Risk in Gynecologic Cancers 2025-Apr, Advances in radiation oncology IF:2.2Q2 DOI:10.1016/j.adro.2025.101745 PMID:40166000	研究论文	开发了一种基于深度学习的领域自适应框架，用于在妇科癌症的磁共振成像中自动分割风险器官	提出了一种合成MRL辅助的深度学习框架，结合每部分适应性调整，提高了风险器官分割的准确性	数据稀缺可能限制了模型的训练效果	开发自动化分割算法以支持磁共振成像集成直线加速器治疗系统中的自适应干预	妇科癌症患者的磁共振成像和计算机断层扫描数据	数字病理学	妇科癌症	磁共振成像（MRI）和计算机断层扫描（CT）	生成对抗网络（GAN）和领域自适应分割网络	图像	158名患者用于CT扫描，25名患者用于MRL扫描
10569	2025-04-03	Leveraging Channel Coherence in Long-Term iEEG Data for Seizure Prediction 2025-Apr-01, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3556775 PMID:40168220	研究论文	本研究提出了一种基于相干性分析的癫痫发作预测方法CoSP，结合深度学习和长期颅内脑电图数据，提高了预测准确性	结合通道相干性分析和深度学习，提出新的癫痫发作预测方法CoSP，并在长期iEEG数据上验证其有效性	研究仅基于10名患者的数据，样本量较小	提高癫痫发作预测的准确性和可靠性	癫痫患者的颅内脑电图数据	生物医学信号处理	癫痫	脑电图(EEG)分析	CNN	脑电图信号	10名患者的长期iEEG数据
10570	2025-04-03	Integrating Clinical Insights via Hierarchical Inference to Predict Conditions in Bilaterally Symmetric Organs 2025-Apr-01, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3556717 PMID:40168215	研究论文	本文提出了一种用于双侧对称器官疾病预测的双边模型，结合了层次推理和自监督学习技术，以提高预测准确性和可解释性	该模型不仅提供初步诊断，还能预测随访时间，通过层次推理和自监督学习增强可解释性，优化计算效率并扩大数据集的有效规模	模型主要针对眼科病例，可能在其他双侧对称器官疾病上的泛化能力有待验证	开发一种能够同时支持初步诊断和随访预测的深度学习模型，以提升临床决策的可信度和效率	双侧对称器官（如眼睛）的疾病诊断和随访预测	数字病理学	眼科疾病	自监督学习	稀疏自编码器、诊断分类器和随访分类器	图像	NA
10571	2025-04-03	FIND: A Framework for Iterative to Non-Iterative Distillation for Lightweight Deformable Registration 2025-Apr-01, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3556676 PMID:40168217	research paper	该论文提出了一个名为FIND的框架，用于将迭代式变形配准能力高效地转移到非迭代轻量级网络中，以在资源有限的设备上实现快速有效的医学图像配准	FIND框架通过双重步骤（循环蒸馏和高级特征蒸馏）有效转移复杂变形处理能力，使轻量级网络在保持高精度的同时显著提升速度	论文未明确说明该方法在极端变形情况下的表现或跨模态配准的适用性	解决深度学习网络在资源受限设备上部署时因复杂性导致的性能限制问题	医学图像变形配准任务	digital pathology	NA	知识蒸馏	非迭代轻量级网络(NIL)	医学图像	四个数据集（未明确样本数量）
10572	2025-04-03	MM-GTUNets: Unified Multi-Modal Graph Deep Learning for Brain Disorders Prediction 2025-Apr-01, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3556420 PMID:40168232	research paper	提出了一种名为MM-GTUNets的多模态图深度学习框架，用于大规模脑部疾病预测	引入了Modality Reward Representation Learning（MRRL）动态构建人群图，并采用Adaptive Cross-Modal Graph Learning（ACMGL）捕捉关键模态特定和模态共享特征	方法的效果依赖于多模态人群图建模的质量，且随着图规模的增加性能可能下降	开发一个端到端的图Transformer多模态图深度学习框架，用于脑部疾病预测	脑部疾病（BDs）	machine learning	brain disorders	Graph Transformer, Graph UNet, variational autoencoder	MM-GTUNets	imaging and non-imaging data	两个公共多模态数据集ABIDE和ADHD-200
10573	2025-04-03	Foundation Model for Predicting Prognosis and Adjuvant Therapy Benefit From Digital Pathology in GI Cancers 2025-Apr-01, Journal of clinical oncology : official journal of the American Society of Clinical Oncology IF:42.1Q1 DOI:10.1200/JCO-24-01501 PMID:40168636	研究论文	本文提出了一种基于数字病理学的基础AI模型，用于预测胃肠道癌症患者的预后和辅助化疗的益处	开发了一个基于自监督学习的基础模型，能够从标准H&E染色的组织病理学切片中预测预后，并在多个国际队列中验证了其效果	需要前瞻性验证以确认模型的临床应用价值	提高胃肠道癌症的诊断和治疗效果	胃肠道癌症患者	数字病理学	胃肠道癌症	自监督学习	深度学习模型	图像	104,876张全切片图像（来自1,619名胃癌和食管癌患者及2,594名结直肠癌患者）
10574	2025-04-03	New Machine Learning Method for Medical Image and Microarray Data Analysis for Heart Disease Classification 2025-Apr-01, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01492-9 PMID:40169470	研究论文	提出一种结合深度神经网络和基因选择的新方法，用于心脏病分类和生物标志物发现	提出DeepGeneNet（DGN）框架，将基因选择和DNN分类统一，结合超参数优化和U-Net分割技术	未提及具体样本量或外部验证结果	提高心脏病分类的准确性和可解释性	微阵列基因表达数据	机器学习	心血管疾病	微阵列技术	DNN, U-Net	基因表达数据	NA
10575	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）
10576	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）
10577	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
10578	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
10579	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
10580	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