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
1301	2025-07-19	Detecting the corneal neovascularisation area using artificial intelligence 2024-05-21, The British journal of ophthalmology DOI:10.1136/bjo-2023-323308 PMID:37339866	研究论文	开发并评估一种基于人工智能的图像分析工具，用于测量和量化角膜新生血管化(CoNV)区域	使用深度学习技术自动分割和检测CoNV区域，并采用预训练的U-Net神经网络进行微调	研究仅基于120名患者的120只眼睛的裂隙灯图像，样本量可能不足以代表所有情况	开发一种自动化工具，用于从裂隙灯图像中计算CoNV区域	角膜新生血管化(CoNV)患者的裂隙灯图像	计算机视觉	眼科疾病	深度学习	U-Net	图像	120名患者的120只眼睛的裂隙灯图像
1302	2025-07-19	Classification of self-limited epilepsy with centrotemporal spikes by classical machine learning and deep learning based on electroencephalogram data 2024-05-01, Brain research IF:2.7Q3 DOI:10.1016/j.brainres.2024.148813 PMID:38373675	研究论文	本研究通过经典机器学习和深度学习技术，基于脑电图数据对自限性伴中央颞区棘波的癫痫进行分类	结合随机森林和极端随机森林分类器以及深度残差网络，首次在自限性伴中央颞区棘波的癫痫分类中应用深度学习，并展示其高准确性	样本量较小（33名患者），可能影响模型的泛化能力	辅助癫痫的诊断过程，特别是区分自限性伴中央颞区棘波的癫痫与其他类型癫痫	3至11岁被诊断为自限性伴中央颞区棘波的癫痫或其他类型癫痫的患者	机器学习	癫痫	脑电图（EEG）	RF, ERF, ResNet	脑电图数据	33名患者
1303	2025-07-19	Based on neural network cascade abnormal texture information dissemination of classification of patients with schizophrenia and depression 2024-05-01, Brain research IF:2.7Q3 DOI:10.1016/j.brainres.2024.148819 PMID:38403037	研究论文	本研究利用MRI脑图像分割和纹理分析，结合深度学习技术，区分精神分裂症、重度抑郁症患者和健康对照组	采用纹理特征映射和深度学习技术进行疾病分类，提高了分类准确率	样本量相对较小，且仅针对特定疾病分类	识别MRI生物标志物以区分精神分裂症、重度抑郁症和健康对照组	141名精神分裂症患者、103名重度抑郁症患者和238名健康对照组	数字病理学	精神分裂症, 重度抑郁症	MRI, 纹理分析, 深度学习	深度学习	图像	482名参与者（141名SCZ, 103名MD, 238名HC）
1304	2025-07-19	The Application of Artificial Intelligence to Cancer Research: A Comprehensive Guide 2024 Jan-Dec, Technology in cancer research & treatment IF:2.7Q3 DOI:10.1177/15330338241250324 PMID:38775067	综述	本文综述了人工智能在癌症研究中的应用，包括机器学习、软计算和深度学习在肿瘤学中的角色及其对患者护理的改进	提供了AI在癌症诊断、分类和预测中的应用综述，并总结了文献中的重要进展，为读者节省时间	未提及具体研究案例的局限性或AI技术在临床实践中的实际应用挑战	探讨人工智能在癌症研究中的应用及其对患者护理的潜在影响	癌症研究中的AI技术	机器学习	癌症	机器学习、软计算、深度学习	SVM, Naïve Bayes, CNN	NA	NA
1305	2025-07-19	Deep Learning-Based Prediction of Radiation Therapy Dose Distributions in Nasopharyngeal Carcinomas: A Preliminary Study Incorporating Multiple Features Including Images, Structures, and Dosimetry 2024 Jan-Dec, Technology in cancer research & treatment IF:2.7Q3 DOI:10.1177/15330338241256594 PMID:38808514	研究论文	本研究旨在通过将剂量信息整合到深度卷积神经网络中，提高鼻咽癌放射治疗剂量分布的预测准确性	提出了一种结合TCP剂量信息的多通道输入深度学习方法，显著提升了IMRT剂量分布的预测精度	对于小体积或位置靠近的危及器官预测结果存在差异，且研究为初步研究需要更大样本验证	提高鼻咽癌放射治疗剂量分布的预测准确性	鼻咽癌患者的放射治疗剂量分布	数字病理	鼻咽癌	IMRT（调强放射治疗）	CNN	图像、结构数据和剂量数据	未明确说明样本数量（初步研究）
1306	2025-07-19	A 3 M Evaluation Protocol for Examining Lymph Nodes in Cancer Patients: Multi-Modal, Multi-Omics, Multi-Stage Approach 2024 Jan-Dec, Technology in cancer research & treatment IF:2.7Q3 DOI:10.1177/15330338241277389 PMID:39267420	综述	本文总结大量文献和临床经验，提出了一种标准化的淋巴结评估协议，涵盖术前影像评估、术中淋巴结清扫和术后免疫治疗影响	提出多模态、多组学、多阶段的3M评估协议，整合影像组学、深度学习模型和统计学方法优化淋巴结管理流程	未提及具体实施该协议所需的资源投入和培训成本	建立标准化淋巴结评估体系以改善癌症诊疗效果	癌症患者的淋巴结转移评估与管理	数字病理学	癌症	影像组学、深度学习、统计分析	深度学习模型	医学影像、临床数据	NA
1307	2025-07-19	The Value of Topological Radiomics Analysis in Predicting Malignant Risk of Pulmonary Ground-Glass Nodules: A Multi-Center Study 2024 Jan-Dec, Technology in cancer research & treatment IF:2.7Q3 DOI:10.1177/15330338241287089 PMID:39363876	研究论文	本研究通过应用拓扑数据分析和纹理分析两种放射组学方法，预测肺CT扫描中磨玻璃结节（GGNs）的恶性风险	创新性地将拓扑信息整合到放射组学分析中，捕捉GGNs内复杂的几何和空间关系，并结合机器学习和深度学习算法建立预测模型	研究为回顾性分析，可能存在选择偏倚，且样本仅来自两个中心	提高肺CT扫描中磨玻璃结节（GGNs）恶性风险的预测准确性	3223名患者的肺CT扫描中的磨玻璃结节（GGNs）	数字病理学	肺癌	放射组学分析，拓扑数据分析，纹理分析	机器学习和深度学习算法	CT图像	3223名患者
1308	2025-07-19	Trends and Hotspots in Global Radiomics Research: A Bibliometric Analysis 2024 Jan-Dec, Technology in cancer research & treatment IF:2.7Q3 DOI:10.1177/15330338241235769 PMID:38465611	研究论文	通过文献计量分析总结基于放射组学的知识结构并探索潜在趋势和重点	使用多种工具进行国家、机构、作者、参考文献和关键词的共现分析，并识别未来主要研究方向	仅分析了2012年至2022年10月的文献，可能未涵盖最新研究进展	探索放射组学领域的研究现状和热点	6428篇放射组学相关文章	放射组学	NA	文献计量分析	NA	文献数据	6428篇文章
1309	2025-07-19	A Comparative Study of Deep Learning Dose Prediction Models for Cervical Cancer Volumetric Modulated Arc Therapy 2024 Jan-Dec, Technology in cancer research & treatment IF:2.7Q3 DOI:10.1177/15330338241242654 PMID:38584413	研究论文	比较四种最先进的深度学习模型在预测宫颈癌容积调强弧形治疗（VMAT）中体素级剂量分布的性能	首次比较了四种3D U-Net及其变体在宫颈癌VMAT剂量预测中的表现	研究为回顾性研究，样本量相对有限（261例患者）	评估不同深度学习模型在放射肿瘤学剂量预测中的性能	宫颈癌患者的VMAT治疗计划	数字病理	宫颈癌	容积调强弧形治疗（VMAT）	3D U-Net及其3种变体模型	CT图像、靶区掩膜、危及器官掩膜	261例宫颈癌患者的治疗计划（209例训练验证集，52例测试集）
1310	2025-07-19	Analysis of ultrasonographic images using a deep learning-based model as ancillary diagnostic tool for diagnosing gallbladder polyps 2023-12, Digestive and liver disease : official journal of the Italian Society of Gastroenterology and the Italian Association for the Study of the Liver IF:4.0Q1 DOI:10.1016/j.dld.2023.06.023 PMID:37407319	研究论文	本研究评估了基于深度学习的模型在诊断胆囊息肉中的辅助作用	开发了一个深度学习模型，用于区分肿瘤性胆囊息肉与非肿瘤性胆囊息肉，并评估了计算机辅助诊断对医生诊断准确性的提升效果	研究为回顾性队列研究，可能存在选择偏差	评估深度学习模型在胆囊息肉诊断中的效果及其作为辅助诊断工具的潜力	胆囊息肉患者	数字病理	胆囊疾病	深度学习	CNN	超声图像	263名患者的3,754张图像
1311	2025-07-19	Identification of gastric signet ring cell carcinoma based on endoscopic images using few-shot learning 2023-12, Digestive and liver disease : official journal of the Italian Society of Gastroenterology and the Italian Association for the Study of the Liver IF:4.0Q1 DOI:10.1016/j.dld.2023.07.005 PMID:37455154	研究论文	该研究提出了一种基于少样本学习的框架，用于在内镜图像中识别胃印戒细胞癌	采用双预训练的EfficientNetV2-S模型结合k近邻分类器，解决了小样本条件下胃印戒细胞癌识别的问题	研究样本量较小，每类仅50个样本	开发一种在样本有限情况下准确识别胃印戒细胞癌的计算机辅助诊断方法	胃印戒细胞癌的内镜图像	计算机视觉	胃癌	少样本学习(FSL)	EfficientNetV2-S, k-nearest neighbor	图像	每类50个样本（胃良性溃疡、腺癌和印戒细胞癌）
1312	2025-07-18	Multimodal deep learning improving the accuracy of pathological diagnoses for membranous nephropathy 2025-Dec, Renal failure IF:3.0Q1 DOI:10.1080/0886022X.2025.2528106 PMID:40659521	研究论文	开发一种多模态病理诊断系统，协助病理学家诊断膜性肾病	结合PASM染色、免疫荧光和电子显微镜图像，构建三种深度学习模型，综合提供病理诊断	未提及具体局限性	提高膜性肾病的病理诊断准确性和效率	膜性肾病患者	数字病理	膜性肾病	深度学习	CNN（假设基于图像处理）	图像（PASM染色、免疫荧光、电子显微镜图像）	138名各种肾病患者
1313	2025-07-18	Genotype Prediction from Retinal Fundus Images Using Deep Learning in Eyes with Age-Related Macular Degeneration 2025 Nov-Dec, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2025.100836 PMID:40661176	研究论文	利用深度学习从视网膜眼底图像预测年龄相关性黄斑变性（AMD）患者的高风险基因变异	首次使用深度学习模型从视网膜眼底图像预测AMD相关的高风险基因变异，并比较了不同AMD严重程度下的模型性能	样本量相对有限（1754名参与者），且仅针对CFH和ARMS2两个基因	通过非侵入性眼部成像推断基因型，并探索AMD中的基因型-表型关系	年龄相关性黄斑变性（AMD）患者	数字病理学	年龄相关性黄斑变性	深度学习	CNN, ViT	图像	1754名参与者的31271张视网膜彩色眼底照片
1314	2025-07-18	A deep learning model for accurate segmentation of the Drosophila melanogaster brain from Micro-CT imaging 2025-Sep, Developmental biology IF:2.5Q2 DOI:10.1016/j.ydbio.2025.05.027 PMID:40447251	research paper	提出了一种深度学习模型，用于从Micro-CT成像中准确分割果蝇大脑	使用预训练神经网络和少量Micro-CT图像（1-3张）训练出准确的3D深度学习模型，并能扩展到不同组织对比染色、扫描仪型号和基因型的大脑分割	训练数据量较少（仅1-3张Micro-CT图像），可能影响模型的泛化能力	开发一种高效的果蝇大脑Micro-CT图像自动分割方法	成年果蝇（Drosophila melanogaster）大脑	computer vision	NA	Micro-CT成像	3D deep learning models (基于预训练神经网络)	3D Micro-CT图像	1-3张成年果蝇大脑Micro-CT图像
1315	2025-07-18	TKA-AID: An Uncertainty-Aware Deep Learning Classifier to Identify Total Knee Arthroplasty Implants 2025-Aug, The Journal of arthroplasty IF:3.4Q1 DOI:10.1016/j.arth.2025.01.019 PMID:39832639	研究论文	开发了一种基于深度学习的分类器TKA-AID，用于自动识别全膝关节置换术中的植入物	采用EfficientNet架构的深度学习模型，结合不确定性估计和异常检测机制，提高了植入物识别的准确性和安全性	模型在外部测试集上仅有一次错误，但未提及在不同医疗机构或设备上的泛化能力	开发自动识别全膝关节置换术植入物的工具，以简化术前规划流程	全膝关节置换术中的植入物	计算机视觉	骨科疾病	深度学习	EfficientNet	图像	9,651名患者（共111,519张图像）
1316	2025-07-18	Development of a Deep Learning Model for Automating Implant Position in Total Hip Arthroplasty 2025-Aug, The Journal of arthroplasty IF:3.4Q1 DOI:10.1016/j.arth.2025.01.032 PMID:39880053	研究论文	开发了一种深度学习模型，用于在全髋关节置换术中自动标注骨盆标志物并进行相关测量	提出的深度学习模型在标注骨盆标志物方面表现优于或等同于训练有素的人类专家，并能够实时提供全髋关节置换术相关测量	临床使用尚未广泛验证，样本量相对较小（161例）	开发能够自动标注骨盆标志物并计算全髋关节置换术相关测量的深度学习模型	全髋关节置换术患者的术前术后骨盆X光片和术中透视图像	计算机视觉	骨科疾病	深度学习	CNN（假设基于图像处理，但未明确说明具体架构）	医学影像（X光片和透视图像）	161例初次全髋关节置换术患者的影像数据
1317	2025-07-18	A Deep Learning Tool for Minimum Joint Space Width Calculation on Antero-posterior Knee Radiographs 2025-Aug, The Journal of arthroplasty IF:3.4Q1 DOI:10.1016/j.arth.2025.01.038 PMID:39880057	研究论文	开发了一种用于膝关节前后位X光片上最小关节间隙宽度（mJSW）自动测量的深度学习工具	提出了一种结合深度学习分割模型和计算机视觉算法的端到端自动化测量方法，能够灵活处理自然膝关节和关节置换后的膝关节	算法测量与人工测量之间存在一定误差（73.2%的测量差异小于1毫米）	开发自动化测量膝关节mJSW的算法，以评估骨关节炎进展	膝关节前后位X光片	数字病理	骨关节炎	深度学习分割模型+计算机视觉算法	深度学习分割模型	X光图像	583张图像用于训练分割模型，330张独立图像用于算法验证
1318	2025-07-18	AI-Driven Dental Caries Management Strategies: From Clinical Practice to Professional Education and Public Self Care 2025-Aug, International dental journal IF:3.2Q1 DOI:10.1016/j.identj.2025.04.007 PMID:40354695	研究论文	本文综述了人工智能在龋齿管理中的应用，包括临床实践、专业教育和公众自我护理	探讨了AI在龋齿风险预测、图像分析、治疗计划制定及口腔卫生教育中的创新应用	未提及具体AI模型的性能评估或实际临床应用效果的定量数据	概述AI在个性化龋齿管理中的应用现状和发展前景	龋齿患者、牙科专业人员及公众	数字病理	龋齿	machine learning, deep learning	NA	图像、临床数据	NA
1319	2025-04-12	Performance of deep learning algorithm based on Xception in evaluating morphological characteristics reflecting the activity of vitiligo 2025-Jul-17, The British journal of dermatology DOI:10.1093/bjd/ljaf133 PMID:40209097	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1320	2025-07-18	A multi-stage training and deep supervision based segmentation approach for 3D abdominal multi-organ segmentation 2025-Jul-17, Journal of X-ray science and technology IF:1.7Q3 DOI:10.1177/08953996251355806 PMID:40671620	研究论文	提出了一种基于多阶段训练和深度监督的3D腹部多器官分割方法，旨在提高CT图像分割的准确性和效率	结合多阶段训练、伪标签技术和带有注意力机制的深度监督模型（DLAU-Net），显著提升了分割性能和模型适应性	未明确提及具体局限性，但可能依赖于标注数据的质量和数量	提高3D腹部多器官CT图像分割的准确性和效率，以支持腹部疾病的诊断和治疗规划	腹部多器官（如肝脏、脾脏和肾脏）的CT图像	数字病理学	腹部疾病	深度学习，伪标签技术，注意力机制	DLAU-Net	3D CT图像	FLARE 2023挑战提供的大规模数据集