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
1121	2025-07-26	Subject-level spinal osteoporotic fracture prediction combining deep learning vertebral outputs and limited demographic data 2024-Sep-10, Archives of osteoporosis IF:3.1Q1 DOI:10.1007/s11657-024-01433-z PMID:39256211	研究论文	本研究结合深度学习椎体输出和有限的人口统计数据，实现了对中度至重度脊柱骨质疏松性骨折的自动化筛查预测	通过结合深度学习椎体骨折评分和人口统计协变量，实现了在受试者水平上对骨质疏松性骨折的高性能预测（AUC-ROC为0.968）	仅使用了基本的人口统计数据，可能未考虑其他潜在影响因素	开发自动化筛查工具以预测脊柱骨质疏松性骨折，改善临床结果	脊柱骨质疏松性骨折患者	数字病理学	骨质疏松症	卷积神经网络（CNN）	GAM（广义加性模型）和CNN	放射影像和人口统计数据	大型放射影像数据集
1122	2025-07-26	Leveraging camera traps and artificial intelligence to explore thermoregulation behaviour 2024-09, The Journal of animal ecology IF:3.5Q1 DOI:10.1111/1365-2656.14139 PMID:39039745	研究论文	利用相机陷阱和人工智能技术探索温度调节行为	开发了一个深度学习框架来自动检测和分类温度调节行为，特别是在半自然条件下使用标记蜥蜴作为模型动物	研究主要针对蜥蜴，可能不适用于其他动物物种	开发自动化工具以更高效地监测和分类动物的温度调节行为	粗糙尾岩蜥（Laudakia vulgaris）	计算机视觉	NA	深度学习	目标检测模型和图像分类模型	图像	标记蜥蜴的图像数据集，具体数量未提及
1123	2025-07-26	SCorP: Statistics-Informed Dense Correspondence Prediction Directly from Unsegmented Medical Images 2024-Jul, Medical Image Understanding and Analysis. Medical Image Understanding and Analysis (Conference) DOI:10.1007/978-3-031-66955-2_10 PMID:39444584	研究论文	提出了一种名为SCorP的新框架，能够直接从未分割的医学图像预测基于表面的对应关系，以改进统计形状建模（SSM）	SCorP框架无需优化的形状模型进行训练监督，通过无监督方式直接从表面网格学习形状先验，消除了传统方法的线性假设限制	实验仅在LGE MRI左心房数据集和Abdomen CT-1K肝脏数据集上进行，未验证在其他解剖结构上的普适性	改进医学图像中的统计形状建模（SSM）方法，提高形状描述符的预测效率和准确性	医学图像中的解剖结构形状	数字病理	NA	深度学习	神经网络（未指定具体类型）	医学图像（MRI和CT）	LGE MRI左心房数据集和Abdomen CT-1K肝脏数据集（未提供具体样本数量）
1124	2025-07-26	Artificial intelligence to analyze magnetic resonance imaging in rheumatology 2024-05, Joint bone spine IF:3.8Q1 DOI:10.1016/j.jbspin.2023.105651 PMID:37797827	review	本文回顾了人工智能在风湿病学MRI分析中的当前应用，包括诊断支持、疾病分类、活动评估和进展监测	探讨了AI在提高MRI分析的敏感度、特异性和准确性方面的潜力，达到或超过专家水平	讨论了临床实施中的挑战和未来研究方向	提升风湿性疾病的诊断和管理水平	风湿性疾病的MRI图像	digital pathology	rheumatic disorders	MRI	machine learning (ML), deep learning (DL)	image	NA
1125	2025-07-26	Dynamic risk prediction model for multiple myeloma: Through deep learning, the model is able to adapt to future data, such as emerging treatment modalities and combinations 2024-05-01, Cancer IF:6.1Q1 DOI:10.1002/cncr.35294 PMID:38604987	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1126	2025-07-26	Synthetic PET from CT improves diagnosis and prognosis for lung cancer: Proof of concept 2024-Mar-19, Cell reports. Medicine DOI:10.1016/j.xcrm.2024.101463 PMID:38471502	研究论文	本研究开发了一种条件生成对抗网络（cGAN）流程，能够从诊断性CT扫描生成FDG-PET图像，以改善肺癌的诊断和预后	利用深度学习技术从CT图像合成高保真PET图像，解决了PET成本高且不易获取的问题	研究仅基于多中心多模态肺癌数据集（n=1,478），样本量和多样性可能有限	探索通过深度学习从CT图像合成PET图像的可行性及其在肺癌诊断和预后中的临床价值	肺癌患者	数字病理学	肺癌	条件生成对抗网络（cGAN）	GAN	图像	1,478例多中心多模态肺癌数据集
1127	2025-07-26	Identifying primary tumor site of origin for liver metastases via a combination of handcrafted and deep learning features 2024-01, The journal of pathology. Clinical research DOI:10.1002/cjp2.344 PMID:37822044	研究论文	本研究结合手工制作和深度学习特征，识别肝转移瘤的原发肿瘤来源部位	首次结合手工制作的组织形态学特征和深度学习模型来识别肝转移瘤的原发部位，并探索了原发肿瘤中转移瘤来源的空间位置	样本量相对较小（114名患者），且仅针对四种原发肿瘤（结肠、食管、乳腺和胰腺）进行了验证	开发一种能够识别肝转移瘤原发部位的计算方法，以指导临床治疗决策	肝转移瘤及其原发肿瘤（结肠、食管、乳腺和胰腺）	数字病理学	肝转移瘤	计算机辅助特征提取、随机森林分类器、深度学习网络	随机森林、深度学习模型	全切片图像（WSI）	114名患者（175张切片），其中60名患者（121张WSI）用于训练，54名患者（54张WSI）用于验证
1128	2025-07-26	Chest CT Image based Lung Disease Classification - A Review 2024, Current medical imaging IF:1.1Q3 DOI:10.2174/0115734056248176230923143105 PMID:38389342	综述	本文综述了基于胸部CT图像的肺部疾病分类方法，分析了不同方法的性能，并探讨了机器学习在该领域的应用和挑战	提供了肺部疾病分类方法的全面分析，特别关注了深度学习技术在早期识别中的革命性作用	未提及具体实验数据或样本量，可能缺乏实证支持	为年轻研究人员构建更先进的肺部疾病分类系统提供参考	肺部疾病分类方法	数字病理学	肺部疾病	机器学习(ML)	深度学习	CT图像	NA
1129	2025-07-26	Retracted: Deep Learning-Based Glaucoma Detection Using CNN and Digital Fundus Images: A Promising Approach for Precise Diagnosis 2024, Current medical imaging IF:1.1Q3 DOI:10.2174/0115734056257657231115051020 PMID:38389356	撤稿声明	该文章因需进行实质性修订以提高清晰度、连贯性和科学严谨性而被作者撤回	NA	NA	NA	NA	数字病理学	青光眼	NA	CNN	数字眼底图像	NA
1130	2025-07-26	Motion-resolved 3D Pulmonary MRI Reconstruction using Sinusoidal Representation Networks 2024, Current medical imaging IF:1.1Q3 DOI:10.2174/0115734056270732231204061123 PMID:38389360	research paper	提出了一种基于正弦表示网络（SIREN）的运动解析3D肺部MRI重建方案	使用SIREN学习配准映射，仅依赖特定受试者的欠采样数据进行无监督学习，实现了内存高效的算法	仅针对欠采样数据进行训练，可能在某些情况下性能受限	提高自由呼吸状态下肺部MRI的重建效率和准确性	肺部MRI数据	medical imaging	lung disease	MRI reconstruction	SIREN	3D MRI images	十个数据集
1131	2025-07-26	An Evaluation Analysis for Computed Tomography Image Quality of Primary Liver Cancer Lesions Based on Deep Learning Image Reconstruction 2024, Current medical imaging IF:1.1Q3 DOI:10.2174/0115734056261849231207055304 PMID:38389358	research paper	评估基于深度学习图像重建（DLIR）的原发性肝癌病灶计算机断层扫描（CT）图像质量	比较了DLIR与传统的滤波反投影（FBP）和自适应统计迭代重建-V（ASIR-V）在动态增强CT成像质量上的影响，发现DLIR在门静脉期图像噪声更低，病灶结构显示更优	样本量较小（48例肝癌患者），且仅评估了原发性肝癌，未涉及其他肝脏疾病	评估DLIR在原发性肝癌动态增强CT成像中的图像质量	原发性肝癌患者的CT图像	digital pathology	liver cancer	CT, deep learning image reconstruction (DLIR), filtered back projection (FBP), adaptive statistical iterative reconstruction-V (ASIR-V)	NA	image	48例肝癌患者
1132	2025-07-26	Machine Learning in Magnetic Resonance Images of Glioblastoma: A Review 2024, Current medical imaging IF:1.1Q3 DOI:10.2174/0115734056265212231122102029 PMID:38258589	综述	本文回顾了过去五年中机器学习和磁共振成像在胶质母细胞瘤（GBM）问题中的应用，总结了相关研究的结果、局限性和趋势	提出了一个基于机器学习的GBM问题分类法，并分析了深度学习在GBM问题中呈指数增长的应用趋势	机器学习方法的可解释性和泛化能力存在局限	识别哪些胶质母细胞瘤问题可以通过磁共振成像和机器学习技术处理	胶质母细胞瘤（GBM）	数字病理学	胶质母细胞瘤	MRI	SVM, Random Forest, CNN	医学影像	50篇相关论文
1133	2025-07-26	Automated Diagnosis of Bone Metastasis by Classifying Bone Scintigrams Using a Self-defined Deep Learning Model 2024, Current medical imaging IF:1.1Q3 DOI:10.2174/0115734056281578231212104108 PMID:38258593	研究论文	本研究提出了一种基于深度学习的自动分类模型，用于通过骨闪烁扫描图像自动诊断骨转移	开发了一个自定义的卷积神经网络，包含特征提取和分类子网络，用于自动检测肺癌骨转移，并通过像素级加法融合图像提高诊断准确性	尿膀胱中99mTc MDP的高积累对骨转移的自动诊断有负面影响，建议在自动分析前去除尿膀胱	自动诊断骨转移，以支持早期治疗决策和提高生存率	肺癌患者的骨转移情况	数字病理	肺癌	SPECT骨闪烁扫描	自定义CNN	图像	临床SPECT骨闪烁扫描数据
1134	2025-07-26	Computational Model for the Detection of Diabetic Retinopathy in 2-D Color Fundus Retina Scan 2024, Current medical imaging IF:1.1Q3 DOI:10.2174/0115734056248183231010111937 PMID:38333976	研究论文	提出了一种基于卷积神经网络的计算模型（DRCNN），用于通过2D彩色眼底视网膜扫描检测糖尿病视网膜病变	使用CNN结合VGG-16模型和自适应矩估计优化器，提高了糖尿病视网膜病变的检测准确率	模型在80%训练数据集下达到最高准确率90%，仍有提升空间	开发一种有效检测糖尿病视网膜病变的计算模型	糖尿病视网膜病变患者的2D彩色眼底视网膜扫描图像	计算机视觉	糖尿病视网膜病变	深度学习	CNN, VGG-16	图像	不同比例的训练和测试数据集（50%-90%）
1135	2025-07-26	Research Progress in Tumor Diagnosis Based on Raman Spectroscopy 2024, Current medical imaging IF:1.1Q3 DOI:10.2174/1573405620666230811142737 PMID:38333978	review	本文综述了拉曼光谱在肿瘤诊断中的应用及其研究进展	探讨了深度学习与拉曼光谱结合在肿瘤诊断中的优势	指出了基于拉曼光谱的肿瘤诊断方法存在的相关问题	介绍拉曼光谱在肿瘤检测中的应用	恶性肿瘤	数字病理	肿瘤	拉曼光谱	深度学习	光谱数据	NA
1136	2025-07-26	Application Exploration of Medical Image-aided Diagnosis of Breast Tumour Based on Deep Learning 2024, Current medical imaging IF:1.1Q3 DOI:10.2174/0115734056261997231217085501 PMID:38415468	研究论文	本研究探讨了基于深度学习的医学影像辅助诊断在乳腺肿瘤中的应用	结合二维CNN训练模式训练3D CNN模型，并建立了诊断结果的评价指标	NA	利用深度学习技术研究医学影像辅助诊断	乳腺肿瘤的医学影像	数字病理	乳腺癌	MRI	3D CNN	图像	NA
1137	2025-07-26	Epistasis regulates genetic control of cardiac hypertrophy 2023-Nov-20, Research square DOI:10.21203/rs.3.rs-3509208/v1 PMID:38045390	研究论文	本研究开发了一种名为低信号符号迭代随机森林的方法，用于揭示心脏肥大的复杂遗传结构	使用深度学习和随机森林方法揭示心脏肥大的非加性遗传变异，并通过实验验证基因间相互作用的因果性	方法仍处于早期阶段，可能无法捕捉所有遗传互作	探索心脏肥大的遗传调控机制	人类心脏组织、诱导多能干细胞来源的心肌细胞	遗传学	心血管疾病	深度学习、随机森林、RNA沉默、高通量微流控系统	随机森林、深度学习模型	心脏MRI扫描数据、转录组数据、单细胞形态数据	29,661名UK Biobank参与者的心脏MRI数据，313例人类心脏组织的转录组数据
1138	2025-07-26	Deep Learning-Accelerated Designs of Tunable Magneto-Mechanical Metamaterials 2022-Jul-27, ACS applied materials & interfaces IF:8.3Q1 DOI:10.1021/acsami.2c09052 PMID:35833606	研究论文	本研究开发了一种基于深度学习的逆向设计框架，用于加速可调磁机械超材料的设计	使用深度残差网络替代传统的有限元分析，实现了在磁驱动下具有预定全局应变的超材料设计	NA	开发一种逆向设计策略，以创建具有优选可调特性的磁机械超材料	磁机械超材料	机器学习	NA	深度学习	深度残差网络	NA	NA
1139	2025-07-25	Enhancing biliary tract cancer diagnosis using AI-driven 3D optical diffraction tomography 2025-Sep, Methods (San Diego, Calif.) DOI:10.1016/j.ymeth.2025.06.003 PMID:40484187	研究论文	本研究利用AI驱动的3D光学衍射断层扫描技术，基于脂滴特征自动分类胆道癌细胞	结合3D光学衍射断层扫描（ODT）和卷积神经网络（CNN），首次实现了基于脂滴特征的胆道癌细胞自动分类	研究仅使用了有限的细胞系（SNU1196、SNU308、SNU478和H69），未涉及临床样本	开发一种自动分类胆道癌细胞的方法，以辅助早期诊断	胆道癌细胞系（SNU1196、SNU308、SNU478）和正常胆管细胞系（H69）	数字病理学	胆道癌	3D光学衍射断层扫描（ODT）	CNN（EfficientNet-b3）	3D折射率断层图像	4种细胞系（3种胆道癌细胞系和1种正常胆管细胞系）
1140	2025-07-25	AI-powered liquid biopsy for early detection of gastrointestinal cancers 2025-Sep-01, Clinica chimica acta; international journal of clinical chemistry DOI:10.1016/j.cca.2025.120484 PMID:40669686	综述	本文综述了人工智能驱动的液体活检在胃肠道癌症早期检测中的进展	利用AI技术提升液体活检的准确性和临床实用性，包括高通量生物标志物发现、多组学整合和预测建模	数据标准化、偏差缓解和监管验证等关键挑战仍需解决	探索人工智能在液体活检中的应用，以提高胃肠道癌症的早期检测率	胃肠道癌症（GICs）	数字病理学	胃肠道癌症	液体活检、ctDNA、exoRNA、肿瘤教育血小板	机器学习（ML）、深度学习（DL）	生物标志物数据	NA