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
13601	2025-10-07	Large Language Models can Help with Biostatistics and Coding Needed in Radiology Research 2025-Feb, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.09.042 PMID:39406582	研究论文	评估大型语言模型在放射学研究中的生物统计学和深度学习编码能力	首次系统评估多种LLM在放射学研究中的统计分析和深度学习代码生成能力	存在潜在错误、幻觉风险和数据隐私问题，需要用户验证和优化代码	评估大型语言模型在放射学研究中提供统计分析和深度学习解决方案的能力	ChatGPT-4o、ChatGPT-3.5和Google Gemini三种大型语言模型	自然语言处理	肺癌	生物统计学分析、深度学习	Vision Transformer	医学影像数据、代码	Cancer Imaging Archive数据集和RSNA-STR肺炎检测挑战数据集	R Studio, Jupiter Notebook	ViT-B/16	代码正确率、运行时错误率、可视化生成能力	基于Web的聊天界面
13602	2025-10-07	Evaluating deep learning techniques for optimal neurons counting and characterization in complex neuronal cultures 2025-Feb, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-024-03202-z PMID:39417963	研究论文	评估三种深度学习技术在神经元培养物中实现最优神经元计数和表征的性能	首次系统比较语义分割、目标检测和实例分割三种深度学习技术在神经元计数和表征任务中的表现	仅针对特定神经元培养物图像进行评估，未涉及其他类型细胞或组织	开发自动可靠的神经元计数和表征方法	神经元培养物中的神经元	计算机视觉	NA	深度学习	语义分割,目标检测,实例分割	图像	NA	NA	NA	计数准确率,表征精度	NA
13603	2025-10-07	Attention-Guided Residual U-Net with SE Connection and ASPP for Watershed-Based Cell Segmentation in Microscopy Images 2025-Feb, Journal of computational biology : a journal of computational molecular cell biology IF:1.4Q2 DOI:10.1089/cmb.2023.0446 PMID:39422580	研究论文	提出一种结合注意力机制、残差连接和空间金字塔池化的U-Net变体用于显微镜图像中的细胞分割	提出RA-SE-ASPP-Net框架，整合残差块、注意力机制、压缩激励连接和空洞空间金字塔池化，改进了接触细胞的分割精度	主要评估数据集为诱导多能干细胞重编程数据，在其他细胞类型上的泛化能力需进一步验证	开发自动化的细胞分割方法以替代耗时的手动分析	显微镜图像中的细胞，特别是接触细胞	计算机视觉	NA	时间推移显微镜成像	CNN, U-Net	显微镜图像	诱导多能干细胞重编程数据集	NA	Residual U-Net, SE Connection, ASPP	准确率, 精确率, 召回率, F1分数, AUC, Dice系数	NA
13604	2025-10-07	Graph based recurrent network for context specific synthetic lethality prediction 2025-Feb, Science China. Life sciences DOI:10.1007/s11427-023-2618-y PMID:39422810	研究论文	提出基于图循环网络的上下文特异性合成致死性预测模型SLGRN	首次引入图循环网络编码器获取上下文特异性节点特征表示，并整合门控循环单元和上下文依赖状态	未明确说明模型在跨癌症类型泛化能力方面的限制	开发能够预测特定遗传背景下合成致死相互作用的计算方法	合成致死相互作用、癌症遗传背景	机器学习	癌症	图神经网络、深度学习	图循环网络、GRU	图结构数据、遗传背景数据	NA	NA	Graph Recurrent Network, GRU	NA	NA
13605	2025-10-07	High-Accuracy and Lightweight Image Classification Network for Optimizing Lymphoblastic Leukemia Diagnosisy 2025-Feb, Microscopy research and technique IF:2.0Q3 DOI:10.1002/jemt.24704 PMID:39429031	研究论文	提出一种高精度轻量级图像分类网络，用于优化淋巴细胞白血病的诊断	采用渐进式收缩方法，在宽度、深度、分辨率和核大小等多个维度集成综合剪枝技术训练轻量模型	数据集的物理约束和部署设备的限制可能影响模型效果	优化淋巴细胞白血病的早期检测和诊断	淋巴增生性肿瘤患者的骨髓细胞图像	计算机视觉	白血病	深度学习	CNN	图像	85名患者的17,826张骨髓细胞形态学图像	NA	轻量级图像分类网络	准确率, 吞吐量	NA
13606	2025-10-07	Clinical Pilot of a Deep Learning Elastic Registration Algorithm to Improve Misregistration Artifact and Image Quality on Routine Oncologic PET/CT 2025-Feb, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.09.044 PMID:39462735	研究论文	评估深度学习弹性配准算法在改善常规肿瘤PET/CT图像配准伪影和图像质量方面的临床试点研究	首次在临床环境中验证深度学习弹性配准方法对PET/CT衰减校正图的改进效果	样本量较小（仅30例患者），且为回顾性研究	改善PET/CT图像配准伪影，提升图像质量	接受常规肿瘤检查的患者（20例18F-FDG PET/CT和10例64Cu-DOTATATE PET/CT）	医学影像分析	肿瘤	PET/CT成像	深度学习	医学影像	30例患者	NA	弹性配准网络	图像质量评分, SUV值, 信噪比, 肝肺指数	NA
13607	2025-10-07	Electrocardiograph analysis for risk assessment of heart failure with preserved ejection fraction: A deep learning model 2025-Feb, ESC heart failure IF:3.2Q2 DOI:10.1002/ehf2.15120 PMID:39463004	研究论文	开发了一种基于心电图分析的深度学习模型，用于评估射血分数保留型心力衰竭的风险	首次将CNN-LSTM混合深度学习模型应用于心电图分析来评估HFpEF风险，相比传统生物标志物具有更好的区分能力	样本量相对有限（总355例患者），需要更大规模的外部验证	开发一种高效、经济的心力衰竭筛查方法	射血分数保留型心力衰竭高风险和低风险患者	医疗人工智能	心血管疾病	心电图分析，左心室导管检查	CNN-LSTM	心电图信号	训练队列A：238例患者，验证队列B：117例患者	NA	CNN-LSTM混合架构	准确率, 特异性, 敏感性	NA
13608	2025-10-07	A Recognition System for Diagnosing Salivary Gland Neoplasms Based on Vision Transformer 2025-Feb, The American journal of pathology DOI:10.1016/j.ajpath.2024.09.010 PMID:39490441	研究论文	开发基于Vision Transformer的计算机辅助诊断系统，用于准确分类唾液腺肿瘤的八种主要亚型	首次将Vision Transformer应用于唾液腺肿瘤的病理图像分类，诊断性能超越基准模型，并与主任病理学家相当	研究仅包含九种组织类别，未涵盖所有唾液腺肿瘤类型	开发高精度的唾液腺肿瘤计算机辅助诊断系统	唾液腺肿瘤的八种主要亚型：多形性腺瘤、肌上皮瘤、Warthin瘤、基底细胞腺瘤、嗜酸细胞腺瘤、囊腺瘤、黏液表皮样癌和腺样囊性癌	计算机视觉	唾液腺肿瘤	数字病理全切片图像分析	Vision Transformer (ViT)	图像	3046张经组织学确认的唾液腺肿瘤全切片图像，涵盖九种组织类别	NA	Vision Transformer	准确率, AUC, 精确率, 召回率, F1分数	NA
13609	2025-10-07	The Impact of Deep Learning on Determining the Necessity of Bronchoscopy in Pediatric Foreign Body Aspiration: Can Negative Bronchoscopy Rates Be Reduced? 2025-Feb, Journal of pediatric surgery IF:2.4Q2 DOI:10.1016/j.jpedsurg.2024.162014 PMID:39489944	研究论文	本研究评估深度学习在儿童气道异物吸入诊断中的作用，旨在减少不必要的支气管镜检查	首次将CNN深度学习模型应用于儿童气道异物吸入的影像诊断，并与传统逻辑回归方法进行对比	样本量较小（47例患者），单中心研究，需要更大规模多中心数据验证	评估深度学习在减少儿童气道异物吸入阴性支气管镜检查率方面的效果	疑似气道异物吸入的儿科患者（47例）和健康儿童（63例）	计算机视觉	儿科呼吸系统疾病	胸部X光摄影	CNN	医学影像	110张PA胸部X光图像（47例患者+63例健康对照）	NA	卷积神经网络	灵敏度, 特异性, 准确率, F1分数	NA
13610	2025-10-07	Medical Imaging Applications Developed Using Artificial Intelligence Demonstrate High Internal Validity Yet Are Limited in Scope and Lack External Validation 2025-Feb, Arthroscopy : the journal of arthroscopic & related surgery : official publication of the Arthroscopy Association of North America and the International Arthroscopy Association IF:4.4Q1 DOI:10.1016/j.arthro.2024.01.043 PMID:38325497	综述	本文系统回顾了深度学习在运动医学影像应用中的现状，评估其内部效度、外部验证状况及临床适用性	首次对运动医学领域深度学习应用进行系统性范围评估，提出内部效度与外部验证的差距分析框架	仅纳入运动医学领域研究，未涵盖其他医学专科；文献检索时间截至2023年12月	评估深度学习在运动医学影像应用中的知识转化差距和改进方向	55篇运动医学深度学习研究文献	医学影像分析	运动损伤	深度学习	神经网络	医学影像	55项研究	NA	NA	AUROC	NA
13611	2025-10-07	Spiral volumetric optoacoustic tomography of reduced oxygen saturation in the spinal cord of M83 mouse model of Parkinson's disease 2025-Jan, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-024-06938-w PMID:39382580	研究论文	本研究通过多模态成像方法评估帕金森病M83小鼠模型脊髓氧饱和度变化	开发了基于深度学习的自动分割工具用于小鼠脊髓结构MRI数据分析，并首次在帕金森病模型中实现脊髓氧饱和度的非侵入性高分辨率成像	研究仅使用M83转基因小鼠模型，未涉及其他帕金森病模型；样本规模有限	评估帕金森病模型中脊髓氧合状态和结构变化	转基因M83小鼠（过表达突变A53T α-突触核蛋白）与非转基因同窝对照小鼠	数字病理学	帕金森病	螺旋体积光声断层扫描, 高场T1加权磁共振成像, 免疫染色	深度学习	图像数据	M83转基因小鼠与非转基因同窝对照小鼠	NA	NA	空间分辨率（亚100μm, 50μm）	NA
13612	2025-10-07	GCLmf: A Novel Molecular Graph Contrastive Learning Framework Based on Hard Negatives and Application in Toxicity Prediction 2025-Jan, Molecular informatics IF:2.8Q2 DOI:10.1002/minf.202400169 PMID:39421969	研究论文	提出了一种基于困难负样本的分子图对比学习框架GCLmf，用于毒性预测	首次在分子图对比学习中引入满足特定条件的分子片段作为困难负样本，提高负样本集质量	未明确说明数据集的规模限制和模型泛化能力的具体评估	开发更准确的化学毒性预测模型以降低药物发现成本	分子图数据	机器学习	NA	对比学习	深度学习	分子图	NA	NA	GCLmf	预测性能指标	NA
13613	2025-10-07	Continuous Prediction of Wrist Joint Kinematics Using Surface Electromyography From the Perspective of Muscle Anatomy and Muscle Synergy Feature Extraction 2025-Jan, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3484994 PMID:39437291	研究论文	提出四种深度学习模型从不同角度提取肌电信号中的肌肉协同特征，用于连续预测腕关节运动角度	首次从肌肉解剖学角度利用3DCNN模型预测运动意图，将一维肌电信号重构为基于肌肉解剖分布的二维帧序列	未明确说明模型在更广泛患者群体中的泛化能力	提高脑卒中患者上肢功能障碍康复训练效果	腕关节屈伸运动角度预测	机器学习	脑卒中	表面肌电信号(sEMG)	3DCNN, CNN-LSTM, GAN	肌电信号时序数据	自建腕关节运动数据集和公开Ninapro DB2数据集	NA	3DCNN	nRMSE, R值	NA
13614	2025-10-07	For the busy clinical-imaging professional in an AI world: Gaining intuition about deep learning without math 2025-Jan, Journal of medical imaging and radiation sciences IF:1.3Q3 DOI:10.1016/j.jmir.2024.101762 PMID:39437625	继续医学教育文章	为临床影像专业人员提供无需数学基础即可理解深度学习的实践教程	通过医学类比和快速模拟体验帮助临床专业人员直观理解深度学习原理	专注于诊断应用，未涵盖所有医疗AI应用场景	提升临床专业人员对深度学习在医疗中应用的基本理解	临床影像专业人员	医疗人工智能教育	乳腺癌	深度学习模拟演示	深度学习模型	模拟医疗数据	NA	NA	NA	输出准确性	NA
13615	2025-10-07	Diagnostic accuracy of deep learning-based algorithms in laryngoscopy: a systematic review and meta-analysis 2025-Jan, European archives of oto-rhino-laryngology : official journal of the European Federation of Oto-Rhino-Laryngological Societies (EUFOS) : affiliated with the German Society for Oto-Rhino-Laryngology - Head and Neck Surgery IF:1.9Q2 DOI:10.1007/s00405-024-09049-2 PMID:39446141	系统评价与荟萃分析	通过系统评价和荟萃分析评估深度学习算法在喉镜检查中对喉癌的诊断准确性	首次对深度学习在喉镜图像诊断中的性能进行系统评价和定量荟萃分析	纳入研究数量有限（9项研究），可能存在发表偏倚	评估深度学习算法在喉镜检查中的诊断效用	喉镜图像和喉癌诊断	计算机视觉	喉癌	喉镜检查	深度学习算法	内窥镜图像	106,175张内窥镜图像	NA	NA	灵敏度, 特异度, 阳性似然比, 阴性似然比, 诊断比值比, AUC	NA
13616	2025-10-07	Evaluation of root canal filling length on periapical radiograph using artificial intelligence 2025-Jan, Oral radiology IF:1.6Q3 DOI:10.1007/s11282-024-00781-3 PMID:39465425	研究论文	本研究提出了一种基于人工智能和图像分析技术评估根管充填效果的新方法	首次将5种不同的卷积神经网络模型应用于根管充填分割，并开发了供牙科临床医生使用的图形用户界面进行根尖标记和距离测量	研究样本量相对有限（1121颗牙齿），仅基于597张根尖周X线片	开发人工智能系统来评估根管充填的质量和长度	接受根管治疗的牙齿和根管充填材料	计算机视觉	牙科疾病	X射线成像	CNN	医学图像	597张根尖周X线片中的1121颗牙齿	NA	基于卷积神经网络的不同先进深度学习模型	IoU, Dice分数, 准确率	NA
13617	2025-10-07	Cardiac motion correction with a deep learning network for perfusion defect assessment in single-photon emission computed tomography myocardial perfusion imaging 2025-Jan, Journal of nuclear cardiology : official publication of the American Society of Nuclear Cardiology IF:3.0Q2 DOI:10.1016/j.nuclcard.2024.102071 PMID:39491716	研究论文	本研究开发了一种基于深度学习的心脏运动校正方法，用于提高SPECT心肌灌注成像中灌注缺损的检测能力	首次将深度学习网络应用于SPECT-MPI的心脏运动校正，并在标准计数和低计数研究中验证了灌注缺损检测性能的提升	研究样本量有限（训练集197例，测试集194例），且使用模拟病变作为金标准而非真实临床病变	评估深度学习运动校正方法在SPECT心肌灌注成像中检测灌注缺损的潜在价值	心脏SPECT-MPI图像	医学影像分析	心血管疾病	单光子发射计算机断层扫描（SPECT），心电图门控	深度学习网络	医学影像	训练集197例，测试集194例临床受试者	NA	NA	ROC曲线下面积（AUC）	NA
13618	2025-10-07	Style harmonization of panoramic radiography using deep learning 2025-Jan, Oral radiology IF:1.6Q3 DOI:10.1007/s11282-024-00782-2 PMID:39470914	研究论文	本研究使用深度学习技术对来自不同设备的全景放射影像进行风格统一	首次使用CycleGAN对全景放射影像进行设备间风格统一，实现不同设备图像显示相似风格	仅使用单一机构的两种设备数据，模型需要进一步优化以适用于更多设备类型	统一不同设备生成的全景放射影像的显示风格	全景放射影像	计算机视觉	NA	全景放射成像	CycleGAN	图像	15,624张全景影像（Rayscan Alpha Plus设备8,079张，Pax-i plus设备7,545张），其中测试集包含222对患者图像（444张）	NA	CycleGAN	Frechet Inception Distance (FID), Learned Perceptual Image Patch Similarity (LPIPS), 专家评估	NA
13619	2025-10-07	Challenges and Opportunities in the Clinical Translation of High-Resolution Spatial Transcriptomics 2025-Jan, Annual review of pathology DOI:10.1146/annurev-pathmechdis-111523-023417 PMID:39476415	综述	本文探讨高分辨率空间转录组技术在临床转化中的挑战与机遇	系统分析分子显微镜技术在组织生物学中的革命性应用，提出多模态数据与深度学习整合的新范式	未涉及具体临床验证数据，主要基于技术原理和理论展望	推动高分辨率空间转录组技术的临床转化应用	临床样本和档案组织样本	数字病理学	NA	空间转录组技术,下一代测序	深度学习	基因表达数据,组织切片图像	NA	NA	NA	NA	NA
13620	2025-10-07	Retinal OCT biomarkers and their association with cognitive function-clinical and AI approaches 2025-Jan, Die Ophthalmologie DOI:10.1007/s00347-024-01988-9 PMID:38381373	综述	探讨视网膜OCT生物标志物与认知功能的关联及其在临床和人工智能中的应用前景	系统阐述视网膜OCT生物标志物作为认知障碍早期非侵入性标记物的潜力，并整合人工智能方法进行分析	AI方法存在黑箱问题且在外部数据集表现不佳，生物标志物在临床常规应用的有效性仍需进一步验证	研究视网膜OCT生物标志物与认知功能的关联及其在神经退行性疾病早期检测中的应用	视网膜OCT生物标志物与认知功能关联机制	医学影像分析	神经退行性疾病	光学相干断层扫描(OCT)	深度学习	医学影像	NA	NA	NA	NA	NA