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
11101	2025-10-07	Development and validation of automated three-dimensional convolutional neural network model for acute appendicitis diagnosis 2025-Mar-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-84348-6 PMID:40044743	研究论文	开发并验证用于急性阑尾炎诊断的自动化三维卷积神经网络模型	提出全自动诊断框架，通过两阶段二元算法自动提取阑尾解剖区域的感兴趣体积，并整合多种3D-CNN架构进行阑尾炎分类	模型在第二阶段区分简单和复杂性阑尾炎的准确率为76.1%，仍有提升空间	开发自动化深度学习模型用于急性阑尾炎的术前影像诊断	腹痛患者的对比增强腹盆腔CT图像	计算机视觉	阑尾炎	CT影像分析	3D-CNN	医学影像	NA	NA	ResNet, DenseNet, EfficientNet	准确率, 敏感度, 特异度, AUC	NA
11102	2025-10-07	Deep learning for hepatocellular carcinoma recurrence before and after liver transplantation: a multicenter cohort study 2025-Mar-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-91728-z PMID:40044774	研究论文	开发基于深度学习的肝细胞癌肝移植前后复发预测系统	首次使用DeepSurv模型构建肝移植前后复发预测模型，并在多中心队列中验证其优于米兰标准	回顾性研究设计，样本量相对有限（466例患者）	预测肝细胞癌患者肝移植前后的复发风险	接受肝移植的肝细胞癌患者	机器学习	肝细胞癌	深度学习，机器学习	DeepSurv, LR, stacking	临床病理变量，生存数据	466例患者，中位随访51.0个月	NA	DeepSurv	C-index	NA
11103	2025-10-07	Rethinking model prototyping through the MedMNIST+ dataset collection 2025-Mar-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-92156-9 PMID:40044786	研究论文	通过MedMNIST+数据集集合重新思考模型原型设计，评估不同深度学习架构在医学图像分类任务中的表现	引入全面的MedMNIST+基准测试集合，系统评估CNN和ViT在不同医学数据集、训练方法和输入分辨率下的性能	研究主要基于MedMNIST+数据集集合，可能无法完全代表所有真实临床场景	建立标准化评估框架，促进医学深度学习模型的透明性、可重复性和可比性	医学图像分类任务	计算机视觉	NA	医学影像分析	CNN, Vision Transformer	医学图像	MedMNIST+数据集集合，涵盖多种成像模态、解剖区域和样本量	NA	CNN, ViT	准确率	NA
11104	2025-10-07	Attention dual transformer with adaptive temporal convolutional for diabetic retinopathy detection 2025-Mar-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-92510-x PMID:40044820	研究论文	提出一种注意力双变换器与自适应时间卷积模型，用于从视网膜眼底图像中增强检测糖尿病视网膜病变	通过双空间变换器网络处理多尺度空间特征，并利用自适应时间卷积单元捕获时间依赖性，结合分层交叉注意力模块融合时空特征	NA	改进糖尿病视网膜病变的自动检测方法	视网膜眼底图像	计算机视觉	糖尿病视网膜病变	深度学习	Transformer, CNN	图像	使用DRIVE和糖尿病视网膜病变数据集	NA	注意力双变换器，自适应时间卷积	准确率	NA
11105	2025-10-07	Advanced deep learning models for predicting elemental concentrations in iron ore mine using XRF data: a cost-effective alternative to ICP-MS methods 2025-Mar-05, Environmental geochemistry and health IF:3.2Q2 DOI:10.1007/s10653-025-02419-7 PMID:40045020	研究论文	本研究提出了一种基于深度学习的先进方法，利用XRF数据预测铁矿石中的关键元素浓度	首次将CNN、GRU和SAN三种深度学习模型应用于XRF地球化学数据预测元素浓度，并证明CNN模型在捕获复杂空间模式方面表现最佳	研究仅限于伊朗克尔曼省Gohar Zamin铁矿石矿区，未在其他矿区验证模型泛化能力	开发一种成本效益高的地球化学分析方法，替代昂贵的ICP-MS方法	铁矿石中的砷(As)、锂(Li)、锑(Sb)和钒(V)等关键元素	机器学习	NA	X射线荧光(XRF)地球化学分析	CNN, GRU, SAN	地球化学数据	NA	NA	卷积神经网络, 门控循环单元, 空间注意力网络	误差率	NA
11106	2025-10-07	An intelligent framework for skin cancer detection and classification using fusion of Squeeze-Excitation-DenseNet with Metaheuristic-driven ensemble deep learning models 2025-Mar-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-92293-1 PMID:40033075	研究论文	提出一种基于集成深度学习和灰狼优化的智能皮肤癌检测与分类框架	融合SE-DenseNet特征提取与多种深度学习模型的集成分类，并采用灰狼优化算法自动调参	仅使用公开数据集验证，未说明临床实际应用效果	开发自动化的皮肤癌检测与分类系统	皮肤癌医学图像	计算机视觉	皮肤癌	医学图像分析	集成深度学习模型	图像	HAM10000和ISIC数据集	NA	SE-DenseNet, LSTM, ELM, SSDA	准确率	NA
11107	2025-05-13	Advances in OCT Angiography 2025-Mar-03, Translational vision science & technology IF:2.6Q2 DOI:10.1167/tvst.14.3.6 PMID:40052848	综述	本文综述了光学相干断层扫描血管成像（OCTA）技术的进展，特别是2020年以来的新方法和技术趋势	介绍了解决OCTA小视野和伪影问题的新硬件和软件方法，以及利用深度学习模型进行疾病诊断的高精度图像分析工具	未提及具体临床应用中的验证结果或大规模试验数据	总结OCTA技术的最新进展和发展趋势	视网膜和脉络膜组织的血管成像	数字病理学	NA	光学相干断层扫描血管成像（OCTA）	深度学习模型	图像	NA	NA	NA	NA	NA
11108	2025-10-07	Towards Diagnostic Intelligent Systems in Leukemia Detection and Classification: A Systematic Review and Meta-analysis 2025-Mar, Journal of evidence-based medicine DOI:10.1111/jebm.70005 PMID:40013326	系统综述与荟萃分析	本文系统回顾和荟萃分析了基于人工智能的白血病检测与分类方法研究	首次对2015-2023年间AI在白血病检测与分类中的应用进行系统性综述和性能荟萃分析	主要依赖内部验证（87%的研究），缺乏外部验证评估泛化能力	综述和综合基于人工智能的白血病检测与分类研究成果	白血病及其亚型的自动检测与分类	数字病理学	白血病	外周血涂片图像分析	CNN,深度学习,监督学习	图像	190项符合条件的研究（从1325篇文献中筛选）	NA	卷积神经网络	准确率	NA
11109	2025-10-07	Pre-trained convolutional neural networks identify Parkinson's disease from spectrogram images of voice samples 2025-Mar-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-92105-6 PMID:40025201	研究论文	本研究使用预训练卷积神经网络通过语音样本的声谱图图像识别帕金森病	在更大带宽智能手机录音数据集上验证方法性能，并比较线性尺度和梅尔尺度声谱图的分类效果	未明确说明样本量的具体数值和研究人群特征	开发基于深度学习的帕金森病自动检测方法	帕金森病患者的语音样本	计算机视觉	帕金森病	语音记录，声谱图分析	CNN	图像	NA	NA	预训练卷积神经网络	分类性能	NA
11110	2025-10-07	Enhancing HER2 testing in breast cancer: predicting fluorescence in situ hybridization (FISH) scores from immunohistochemistry images via deep learning 2025-Mar, The journal of pathology. Clinical research DOI:10.1002/2056-4538.70024 PMID:40050230	研究论文	通过深度学习从免疫组化图像预测FISH评分来增强乳腺癌HER2检测	采用聚类约束注意力多实例深度学习模型改进HER2免疫组化检测，减少对FISH检测的依赖	FISH预测模型的准确度和灵敏度较低	提高乳腺癌HER2检测的准确性和效率	乳腺癌患者的HER2生物标志物	数字病理学	乳腺癌	免疫组化(IHC), 荧光原位杂交(FISH)	深度学习	图像	5,731张HER2 IHC图像(包含592例FISH检测病例)，外部验证来自203家机构	NA	聚类约束注意力多实例深度学习模型	准确度, ROC AUC, 灵敏度, 特异性	NA
11111	2025-05-13	Timescale Matters: Finer Temporal Resolution Influences Driver Contributions to Global Soil Respiration 2025-Mar, Global change biology IF:10.8Q1 DOI:10.1111/gcb.70118 PMID:40052202	research paper	该研究使用深度学习模型预测全球土壤呼吸（R）在月和年尺度上的变化，并探讨了时间分辨率对预测结果及其环境驱动因素的影响	首次在月和年尺度上比较了全球土壤呼吸的预测结果，揭示了时间分辨率对识别关键环境驱动因素的重要性	研究仅考虑了温度、降水和叶面积指数三个驱动因素，可能忽略了其他潜在影响因素	理解时间分辨率如何影响土壤呼吸预测及其环境驱动因素的识别	全球土壤呼吸及其环境驱动因素	machine learning	NA	deep learning	深度学习模型	时间序列数据	1982年至2018年的全球数据	NA	NA	NA	NA
11112	2025-05-13	Image-based food groups and portion prediction by using deep learning 2025-Mar, Journal of food science IF:3.2Q2 DOI:10.1111/1750-3841.70116 PMID:40052549	research paper	开发了一个基于深度学习的系统，用于自动分组和分类食物，并估计土耳其菜肴的份量大小	使用CNN模型基于图像识别自动分类食物组和估计份量大小，并实现了高达80%的食物组分类准确率和80.47%的份量估计准确率	研究仅针对土耳其菜肴，可能不适用于其他文化的食物	预防由于营养不良导致的慢性疾病，如肥胖和高血压，通过自动测量食物消费来满足个体营养需求	土耳其菜肴	computer vision	obesity, hypertension	image recognition	CNN	image	NA	NA	NA	NA	NA
11113	2025-10-07	Risk-Stratified Screening: A Simulation Study of Scheduling Templates on Daily Mammography Recalls 2025-Mar, Journal of the American College of Radiology : JACR IF:4.0Q1 DOI:10.1016/j.jacr.2024.12.010 PMID:40044308	研究论文	通过离散事件模拟评估风险分层筛查调度对乳腺影像中心日常召回的影响	结合Tyrer-Cuzick风险模型和深度学习评分开发风险分层筛查调度方法，并首次通过模拟研究评估其对日常召回的影响	基于模拟研究而非真实临床实施，样本量相对较小（每日60名患者）	评估风险分层筛查调度在乳腺影像中心工作流程中的潜在效益	接受乳腺筛查的患者群体	数字病理	乳腺癌	乳腺X线摄影，人工智能分诊	深度学习模型	乳腺影像数据，风险评分数据	每日60名患者，其中42%接受筛查，11%（约3名）需要诊断检查	NA	NA	召回方差，服务患者数量，运营时间，患者等待时间	NA
11114	2025-10-07	Opportunistic Detection of Hepatocellular Carcinoma Using Noncontrast CT and Deep Learning Artificial Intelligence 2025-Mar, Journal of the American College of Radiology : JACR IF:4.0Q1 DOI:10.1016/j.jacr.2024.12.011 PMID:40044303	研究论文	开发基于非对比CT和深度学习的人工智能算法用于肝细胞癌的机会性检测	首次探索在非对比CT上使用深度学习进行肝细胞癌机会性筛查的方法	研究样本量相对有限，需要进一步的外部验证	开发高效准确的肝细胞癌检测人工智能算法	肝细胞癌患者和非对比CT影像数据	计算机视觉	肝细胞癌	非对比多期相CT扫描	CNN	医学影像	2,223名患者（内部验证）和584名患者（外部测试）	NA	3-D卷积块注意力模块	AUC	NA
11115	2025-10-07	Applying Artificial Intelligence to Quantify Body Composition on Abdominal CTs and Better Predict Kidney Transplantation Wait-List Mortality 2025-Mar, Journal of the American College of Radiology : JACR IF:4.0Q1 DOI:10.1016/j.jacr.2025.01.004 PMID:40044312	研究论文	本研究应用人工智能自动量化肾移植候选人腹部CT的身体成分数据，以更好地预测等待名单死亡率	首次使用经过验证的深度学习模型自动提取腹部CT中的身体成分数据，并将其与EPTS评分结合用于预测肾移植等待名单死亡率	单中心回顾性观察研究，样本量相对有限（899例患者），主要针对白人非西班牙裔人群	开发自动量化腹部CT身体成分的方法，并评估其对肾移植等待名单死亡率的预测价值	肾移植候选人（2007-2017年间等待名单上的患者）	数字病理	肾脏疾病	CT成像	深度学习模型	医学影像（腹部CT）	899名肾移植候选人	NA	NA	AUC（受试者工作特征曲线下面积）, 95%置信区间	NA
11116	2025-10-07	Unsupervised translation of vascular masks to NIR-II fluorescence images using Attention-Guided generative adversarial networks 2025-Feb-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-91416-y PMID:40000690	研究论文	提出一种无监督生成对抗网络方法，将血管掩码转换为真实的NIR-II荧光血管图像	在损失函数中集成注意力机制，使模型在生成过程中聚焦关键特征，无需监督即可生成高质量NIR-II图像	NA	解决近红外血管成像数据集获取困难的问题，通过数据合成方法生成高质量合成图像	血管掩码和NIR-II荧光血管图像	计算机视觉	NA	NIR-II荧光成像	GAN	图像	NA	NA	Attention-Guided GAN	视觉质量，定量指标	NA
11117	2025-10-07	SVEA: an accurate model for structural variation detection using multi-channel image encoding and enhanced AlexNet architecture 2025-Feb-22, Journal of translational medicine IF:6.1Q1 DOI:10.1186/s12967-025-06213-y PMID:39987107	研究论文	提出一种名为SVEA的深度学习模型，通过多通道图像编码和增强的AlexNet架构改进结构变异检测	采用新颖的多通道图像编码方法将结构变异转换为多维图像格式，并集成多头自注意力机制和多尺度卷积模块	存在进一步优化的空间	提高基因组结构变异的检测准确性	基因组结构变异	机器学习	NA	多通道图像编码	CNN	基因组数据转换的图像	多样化的基因组数据集	NA	AlexNet, 多头自注意力机制, 多尺度卷积模块	准确率	NA
11118	2025-10-07	Deep learning-based automatic ASPECTS calculation can improve diagnosis efficiency in patients with acute ischemic stroke: a multicenter study 2025-Feb, European radiology IF:4.7Q1 DOI:10.1007/s00330-024-10960-9 PMID:39060495	研究论文	开发基于深度学习的自动ASPECTS评分系统，用于急性缺血性卒中的早期CT评估	首次在四个中心的大规模研究中验证深度学习自动ASPECTS评分系统的临床适用性	临床应用仍需医师验证，系统处理成功率未达100%	提高急性缺血性卒中患者ASPECTS评分的诊断效率和一致性	急性缺血性卒中患者的非增强CT扫描图像	医学影像分析	急性缺血性卒中	非增强计算机断层扫描(NCCT)	深度学习	医学影像	开发队列1767例，测试队列220例，前瞻性应用研究13399例患者	NA	NA	AUC, ICC, 敏感性, 诊断时间	NA
11119	2025-10-07	Deep learning and genome-wide association meta-analyses of bone marrow adiposity in the UK Biobank 2025-01-02, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-55422-4 PMID:39747859	研究论文	使用深度学习测量英国生物银行约47,000名参与者骨髓脂肪含量，并通过基因组关联分析确定其遗传决定因素	首次将深度学习与全基因组关联荟萃分析相结合系统研究骨髓脂肪的遗传基础	主要基于英国生物银行数据，样本种族多样性有限	探究骨髓脂肪组织的遗传决定因素及其与人类健康和疾病的关系	英国生物银行约47,000名参与者（包括41,000名白人和6,300名非白人）	医学影像分析	骨骼代谢疾病	MRI扫描，全基因组关联分析(GWAS)，转录组关联研究(TWAS)	深度学习	医学影像(MRI)	约47,000名英国生物银行参与者	NA	NA	NA	NA
11120	2025-05-13	Advances in analytical approaches for background parenchymal enhancement in predicting breast tumor response to neoadjuvant chemotherapy: A systematic review 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0317240 PMID:40053513	系统综述	本文系统综述了背景实质增强（BPE）分析在预测乳腺癌新辅助化疗（NAC）反应中的最新进展	从单时间点BPE分析转向纵向BPE分析，并探讨了人工智能（AI）在改进BPE分析中的潜在应用	现有纵向BPE分析方法存在数据缺失、手动分割乳房区域以及过度依赖传统统计方法等问题	评估BPE分析方法的可靠性及有效性，以预测乳腺癌对NAC的反应	乳腺癌患者	数字病理学	乳腺癌	动态对比增强磁共振成像（DCE-MRI）	逻辑回归，深度学习	医学影像	13项研究（来自78篇符合条件的文献）	NA	NA	NA	NA