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
1261	2025-04-21	Recent Advances in Predictive Modeling with Electronic Health Records 2024-Aug, IJCAI : proceedings of the conference DOI:10.24963/ijcai.2024/914 PMID:40248670	综述	本文系统回顾了基于电子健康记录（EHR）数据的深度学习预测模型的最新进展	总结了深度学习在EHR数据预测建模中的多种应用视角，并提出了未来的研究方向	未提及具体模型的性能比较或实际应用中的具体限制	探讨如何利用EHR数据进行预测建模	电子健康记录（EHR）数据	机器学习	NA	深度学习	深度学习模型	电子健康记录数据	NA
1262	2025-04-21	Automated Classification of Intravenous Contrast Enhancement Phase of CT Scans Using Residual Networks 2023-Feb, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.2655263 PMID:40248190	研究论文	本研究利用残差网络（ResNet34）自动分类CT扫描的静脉对比增强阶段，以提高计算机辅助诊断的准确性	首次提出使用ResNet34自动分类多阶段CT扫描，准确率达到99%，优于VGG19和DenseNet121，且训练参数更少，推理时间更短	数据集仅包含395个弱标记的多阶段CT扫描，样本量相对较小	开发一种自动分类多阶段CT扫描的方法，以改进计算机辅助诊断的数据增强过程	多阶段CT扫描（非对比、动脉、门静脉、肾图和延迟对比阶段）	计算机视觉	NA	深度学习	ResNet34, VGG19, DenseNet121	CT图像	395个多阶段CT扫描（316个训练，79个测试）
1263	2025-04-21	Secure deep learning for distributed data against malicious central server 2022, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0272423 PMID:35913921	研究论文	提出了一种针对分布式训练器的安全深度学习系统，可检测中央参数服务器的恶意活动并支持垂直和水平神经网络训练	系统能够检测中央服务器的恶意活动，并支持垂直和水平两种神经网络训练方式	NA	开发一个安全的深度学习系统，以保护分布式训练器免受中央服务器的恶意活动影响	分布式训练器和中央参数服务器	机器学习	NA	深度学习	神经网络	医学图像（磁共振和X射线图像）	NA
1264	2025-04-20	Prior guided deep difference meta-learner for fast adaptation to stylized segmentation 2025-Jun-30, Machine learning: science and technology DOI:10.1088/2632-2153/adc970 PMID:40247921	研究论文	提出一种先验引导的深度差异元学习器（DDL），用于快速适应不同风格的解剖结构分割，以提高放疗治疗计划中分割的精确性	利用初始患者数据学习分割风格与解剖定义之间的一致差异，并将其应用于预训练模型，无需重新训练即可适应新风格	需要一定数量的初始患者数据来学习风格差异，且测试数据规模相对较小（30例）	提高放疗治疗计划中解剖结构分割的精确性和效率	前列腺临床靶区（CTV）、腮腺和直肠的轮廓	数字病理	前列腺癌	深度学习	Prior-guided deep difference meta-learner (DDL)	医学图像	440例患者用于模型开发，30例用于测试
1265	2025-04-20	Deep learning-based prediction of tumor aggressiveness in RCC using multiparametric MRI: a pilot study 2025-May, International urology and nephrology IF:1.8Q3 DOI:10.1007/s11255-024-04300-5 PMID:39671158	研究论文	本研究利用多参数MRI和深度学习CNN模型，结合临床特征，预测肾细胞癌（RCC）的侵袭性	开发了一个CNN融合模型，结合多b值图像和临床特征，提高了RCC侵袭性的术前预测准确性	样本量较小（47例患者），且为试点研究，需要更大规模的验证	探索多参数MRI作为非侵入性方法预测肾细胞癌侵袭性的价值	47例经病理证实的肾细胞癌患者	数字病理	肾细胞癌	多参数MRI（包括ADC、IVIM、DKI等）	CNN融合模型	MRI图像和临床数据	47例患者（37名男性，10名女性，平均年龄56.17±1.70岁）
1266	2025-04-20	A novel clinical investigation using deep learning and human-in-the-loop approach in orbital volume measurement 2025-May, Journal of cranio-maxillo-facial surgery : official publication of the European Association for Cranio-Maxillo-Facial Surgery DOI:10.1016/j.jcms.2025.01.007 PMID:39875226	研究论文	本研究探讨了深度学习和人机交互方法在眼眶体积测量中的临床应用	采用人机交互方法构建AI训练数据集，并在临床中验证了AI辅助半自动分割的高效性和准确性	研究仅针对无眼眶创伤或先天性异常的患者，可能限制了结果的普适性	评估AI在眼眶区域分割中的准确性和时间效率	349名19岁及以上接受三维面部CT扫描的患者	数字病理	NA	3DCT扫描	深度学习	3DCT图像	349名患者（178名用于训练，171名用于验证）
1267	2025-04-20	Sleep Apnea Detection Using EEG: A Systematic Review of Datasets, Methods, Challenges, and Future Directions 2025-May, Annals of biomedical engineering IF:3.0Q3 DOI:10.1007/s10439-025-03691-5 PMID:39939549	系统综述	本文综述了过去十年关于使用EEG信号进行睡眠呼吸暂停检测和分类的研究，重点关注深度学习和机器学习技术	系统分析了EEG信号在睡眠呼吸暂停检测中的潜力，并总结了各种信号处理、特征提取和分类方法	仅涵盖了2010年至2024年的文献，可能遗漏了一些早期的重要研究	评估EEG信号在睡眠呼吸暂停检测中的应用潜力	EEG信号和睡眠呼吸暂停检测方法	生物医学信号处理	睡眠呼吸暂停	信号分解、特征提取、特征选择和分类方法	深度学习和机器学习	EEG信号	402篇论文筛选，63篇深入分析
1268	2025-04-20	Incorporating indirect MRI information in a CT-based deep learning model for prostate auto-segmentation 2025-May, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2025.110806 PMID:39988305	研究论文	开发了一种基于CT的深度学习模型，用于前列腺自动分割，旨在在CT成像中实现MRI的轮廓指导	首个设计用于在CT成像中实施MRI轮廓指导的深度学习模型，且首个根据ESTRO-ACROP轮廓指南训练的模型	模型在开发过程中未直接使用MRI图像	提高前列腺癌外部束放射治疗中软组织结构的分割准确性	165名前列腺癌患者的CT扫描数据	数字病理	前列腺癌	深度学习	3D U-Net	CT图像	165名患者的CT扫描数据（136用于训练，29用于测试）
1269	2025-04-20	Explainable artificial intelligence to quantify adenoid hypertrophy-related upper airway obstruction using 3D Shape Analysis 2025-May, Journal of dentistry IF:4.8Q1 DOI:10.1016/j.jdent.2025.105689 PMID:40090403	research paper	开发并验证了一种可解释的人工智能模型，用于通过三维形状分析对腺样体肥大相关的上呼吸道阻塞进行分类和量化	结合多视图和点云方法进行3D形状分析，并使用SurfGradCAM生成可解释性热图	研究仅针对5-18岁患者的CBCT扫描，样本量有限	开发一种可解释的AI模型，用于腺样体肥大相关的上呼吸道阻塞的分类和量化	400例5-18岁患者的CBCT扫描	digital pathology	upper airway obstruction	cone-beam computed tomography (CBCT)	deep learning model combining multiview and point-cloud approaches	3D image	400 CBCT scans
1270	2025-04-20	Geometric and Dosimetric Evaluation of a RayStation Deep Learning Model for Auto-Segmentation of Organs at Risk in a Real-World Head and Neck Cancer Dataset 2025-May, Clinical oncology (Royal College of Radiologists (Great Britain)) DOI:10.1016/j.clon.2025.103796 PMID:40120536	研究论文	评估基于深度学习的自动分割模型在头颈癌患者真实数据集中的几何准确性和剂量学影响	在大型、多样化的头颈癌患者数据集上评估3D U-Net深度学习分割模型的性能，并分析其剂量学影响	模型在11例具有显著解剖挑战和伪影的患者中失败，部分器官的剂量学差异较大	评估深度学习分割模型在头颈癌患者器官风险自动分割中的准确性和剂量学影响	124例接受强度调制质子治疗的头颈癌患者	数字病理	头颈癌	强度调制质子治疗(IMPT)	3D U-Net	CT图像	124例头颈癌患者
1271	2025-04-20	Enhancing data quality in medical concept normalization through large language models 2025-May, Journal of biomedical informatics IF:4.0Q2 DOI:10.1016/j.jbi.2025.104812 PMID:40180205	研究论文	本研究探讨了如何利用大型语言模型（LLMs）提升医学概念归一化（MCN）中的数据质量，并通过案例研究验证了方法的有效性	首次系统地评估了数据质量对MCN性能的影响，并提出了基于ChatGPT的零样本和小样本提示方法进行数据增强	数据增强策略可能引入重复数据项，特别是在数据分布的均值区域，需要精心设计以避免这些问题	提升医学概念归一化任务中的数据质量，进而提高MCN模型的性能	医学概念归一化任务中的数据集和模型性能	自然语言处理	NA	ChatGPT-based zero-shot prompting, few-shot prompting	大型语言模型（LLMs）	文本数据	NA
1272	2025-04-20	Deep learning reconstruction for detection of liver lesions at standard-dose and reduced-dose abdominal CT 2025-Apr-19, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-11596-z PMID:40251443	research paper	本研究探讨了深度学习重建（DLR）与迭代重建（IR）在标准剂量和降低剂量腹部CT中检测肝脏病变的诊断性能	首次比较了DLR和IR在不同辐射剂量下对肝脏病变检测的诊断性能，并评估了DLR在降低剂量CT中的潜力	DLR在降低剂量情况下对小病灶的检测能力下降，未能实现显著的剂量减少	评估深度学习重建技术在降低CT辐射剂量同时保持诊断性能的能力	已知有肝脏转移的胃肠道和胰腺腺癌患者	digital pathology	liver cancer	CT扫描	deep learning reconstruction (DLR)	medical image	44名参与者，共348个≤20mm的肝脏病灶（297个转移灶，51个良性病灶）
1273	2025-04-20	CT-based artificial intelligence system complementing deep learning model and radiologist for liver fibrosis staging 2025-Apr-18, iScience IF:4.6Q1 DOI:10.1016/j.isci.2025.112224 PMID:40248124	研究论文	本研究开发了一种基于CT的人工智能系统，结合深度学习模型和放射科医生进行肝纤维化分期	提出了深度学习-放射科医生互补决策系统（DRCDS），通过决策模型决定采用Model-C的诊断还是放射科医生的诊断，解决了模型泛化和人机互补问题	未提及具体样本量及数据来源的详细信息	开发非侵入性肝纤维化分期方法，提高诊断准确性	肝纤维化患者	数字病理	肝纤维化	深度学习	Model-C（基于深度学习的分类模型）	CT图像	NA
1274	2025-04-20	Utility of artificial intelligence in radiosurgery for pituitary adenoma: a deep learning-based automated segmentation model and evaluation of its clinical applicability 2025-Apr-18, Journal of neurosurgery IF:3.5Q1 DOI:10.3171/2024.12.JNS242167 PMID:40250054	研究论文	本研究开发了一种基于深度学习的MRI垂体腺瘤自动分割模型，用于立体定向放射外科手术规划，并评估其在临床环境中的准确性和效率	首次将nnU-Net模型应用于垂体腺瘤的自动分割，并评估其在临床环境中的适用性和效率提升	模型预测的分割结果在专家评分上仍低于原始手动分割组，部分复杂病例的分割效果有待提高	开发用于立体定向放射外科手术规划的自动分割模型	垂体腺瘤患者	数字病理	垂体腺瘤	MRI扫描	nnU-Net	医学影像	582名患者用于训练，146名患者用于测试
1275	2025-04-20	A deep learning strategy to identify cell types across species from high-density extracellular recordings 2025-Apr-17, Cell IF:45.5Q1 DOI:10.1016/j.cell.2025.01.041 PMID:40023155	研究论文	开发了一种基于深度学习的策略，从高密度细胞外记录中识别跨物种的细胞类型	结合光遗传学和药理学，构建了一个经过筛选的真实电生理特性库，并训练了一个半监督深度学习分类器，准确率超过95%	研究主要在小脑中进行，可能在其他脑区的适用性有待验证	识别细胞类型并揭示具有不同功能、分子和解剖特性的神经元在行为中的独特贡献	小脑中的浦肯野细胞、分子层中间神经元、高尔基细胞和苔藓纤维	机器学习	NA	光遗传学、药理学、高密度细胞外记录	半监督深度学习分类器	电生理记录数据	NA
1276	2025-04-20	Large language models deconstruct the clinical intuition behind diagnosing autism 2025-Apr-17, Cell IF:45.5Q1 DOI:10.1016/j.cell.2025.02.025 PMID:40147442	研究论文	利用大型语言模型解构临床直觉，以改进自闭症的诊断标准	通过深度学习解构专家临床直觉，并引入可解释性策略，识别出驱动正确诊断的最关键句子	研究依赖于有限的临床报告数据（>4,000份），可能无法涵盖所有自闭症表现	解构临床直觉以改进自闭症的诊断标准	自闭症诊断的临床报告	自然语言处理	自闭症	大型语言模型（LLMs）	LLM	文本	超过4,000份自由格式的健康记录
1277	2025-04-20	Automated opportunistic screening for osteoporosis using deep learning-based automatic segmentation and radiomics on proximal femur images from low-dose abdominal CT 2025-Apr-17, BMC musculoskeletal disorders IF:2.2Q3 DOI:10.1186/s12891-025-08631-x PMID:40241032	研究论文	本研究基于低剂量腹部CT（LDCT）建立了一个自动化骨质疏松检测模型，结合深度学习自动分割近端股骨和基于放射组学的骨状态分类	结合深度学习自动分割和放射组学分类，实现骨质疏松的三分类预测模型	样本量相对较小（456名参与者），且为回顾性研究	开发自动化骨质疏松检测模型	近端股骨图像	数字病理	骨质疏松	放射组学分析	VB-Net（分割模型）和随机森林（RF分类器）	CT图像	456名参与者（355名开发队列，101名测试队列）
1278	2025-04-20	Explainable deep stacking ensemble model for accurate and transparent brain tumor diagnosis 2025-Apr-17, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110166 PMID:40249992	research paper	提出了一种可解释的深度堆叠集成模型，用于准确和透明的脑肿瘤诊断	结合了EfficientNetB0、MobileNetV2、GoogleNet和多层次CapsuleNet，使用CatBoost作为元学习器，提高了特征聚合和分类准确性，同时增强了模型的稳健性和可解释性	NA	提高脑肿瘤在MRI图像中的早期检测准确性	脑肿瘤MRI图像	computer vision	brain tumor	Borderline-SMOTE, data augmentation, PCA, Gray Wolf Optimization (GWO)	stacking ensemble model (EfficientNetB0, MobileNetV2, GoogleNet, Multi-level CapsuleNet, CatBoost)	MRI images	合并自四个来源的数据集：BraTS、Msoud、Br35H和SARTAJ
1279	2025-04-20	Interpretable deep learning for deconvolutional analysis of neural signals 2025-Apr-16, Neuron IF:14.7Q1 DOI:10.1016/j.neuron.2025.02.006 PMID:40081364	research paper	该论文提出了一种可解释的深度学习方法DUNL，用于解卷积分析神经信号，并展示了其在多种脑区和记录模态中的应用	使用算法展开（algorithm unrolling）方法设计稀疏解卷积神经网络的架构，直接解释网络权重与刺激驱动的单神经元活动之间的关系	NA	提供一种可解释的深度学习方法，以理解神经活动的机制	神经信号，包括中脑多巴胺神经元、体感丘脑记录、梨状皮层和纹状体的神经反应	machine learning	NA	algorithm unrolling, deep learning	sparse deconvolutional neural networks	neural signals	NA
1280	2025-04-20	Artificial intelligence-assisted multimodal imaging for the clinical applications of breast cancer: a bibliometric analysis 2025-Apr-16, Discover oncology IF:2.8Q2 DOI:10.1007/s12672-025-02329-1 PMID:40237900	文献计量分析	本文通过文献计量学方法分析了2010年至2024年间人工智能辅助多模态成像在乳腺癌临床应用中的研究趋势和热点	首次对人工智能辅助多模态成像在乳腺癌领域的文献进行系统性计量分析，揭示了研究热点和发展趋势	仅纳入Web of Science核心合集的数据，可能存在文献覆盖不全的问题	分析人工智能辅助多模态成像在乳腺癌临床应用中的研究现状和发展趋势	2010-2024年间发表的80篇相关文献	数字病理学	乳腺癌	文献计量分析（VOSviewer, CiteSpace, Bibliometrix R包）	深度学习框架	文献数据	80篇出版物