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
1401	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
1402	2025-05-13	Evaluation of enzyme activity predictions for variants of unknown significance in Arylsulfatase A 2025-Mar, Human genetics IF:3.8Q2 DOI:10.1007/s00439-025-02731-3 PMID:40055237	research paper	评估机器学习方法在预测未知意义变异（VUS）对Arylsulfatase A酶活性的影响方面的表现	展示了由遗传学和编码训练营参与者开发的模型在预测性能上的优越性，并指出深度学习方法的微小但显著的改进	研究仅基于219个实验验证的错义VUS，样本量相对较小	评估机器学习方法在预测VUS功能效应方面的准确性及其在遗传和临床研究中的潜在应用	Arylsulfatase A（ARSA）基因中的219个错义VUS	machine learning	NA	standard machine-learning tools in Python, deep learning methods	NA	genetic variants	219个实验验证的错义VUS
1403	2025-05-13	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	research paper	该研究通过模拟研究评估了风险分层筛查（RSS）调度对乳腺影像中心日常召回的影响	结合人工智能（AI）分诊和风险分层调度，优化乳腺影像中心的日常诊断工作流程	研究基于模拟数据，实际效果需在真实临床环境中验证	评估风险分层筛查调度对乳腺影像中心日常召回和工作效率的影响	乳腺影像中心的患者和工作流程	digital pathology	breast cancer	discrete event simulation, AI triage	deep learning	simulation data	60 daily patients
1404	2025-05-13	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	开发了一种基于非对比CT和深度学习的AI算法，用于高效准确地检测肝细胞癌	首次研究了利用非对比CT进行肝细胞癌的机会性筛查，并开发了基于3-D卷积块注意力模块的AI模型	模型性能与放射学解读相当但未显著超越，且在小病灶(<2cm)检测上仍有提升空间	探索非对比CT在肝细胞癌机会性筛查中的应用价值	肝细胞癌患者和非对比CT影像	数字病理	肝细胞癌	非对比多期CT扫描	3-D CBAM(卷积块注意力模块)	CT影像	内部验证队列2,223例患者+外部测试队列584例患者
1405	2025-05-13	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	本研究利用人工智能技术从腹部CT中量化身体成分，以更好地预测肾移植等待名单患者的死亡率	首次使用深度学习模型自动量化腹部CT中的身体成分，并结合EPTS评分提高死亡率预测的准确性	单中心回顾性研究，样本量有限（899例）	改进肾移植候选者的死亡率预测模型	肾移植等待名单患者	数字病理	肾脏疾病	深度学习	深度学习模型（未指定具体类型）	CT图像	899例肾移植候选者
1406	2025-05-13	Deep Learning-Based Electrocardiogram Model (EIANet) to Predict Emergency Department Cardiac Arrest: Development and External Validation Study 2025-Feb-28, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/67576 PMID:40053733	研究论文	开发并验证了一种基于深度学习的模型EIANet，用于通过12导联心电图图像预测急诊科心脏骤停	提出了一种新型深度学习模型EIANet，利用12导联心电图图像进行早期预测，并整合了空间注意力模块和自定义的二进制召回损失函数	数据集的样本量相对较小，且外部验证的性能有所下降	解决急诊科心脏骤停的早期检测问题	急诊科成年患者的心电图图像	数字病理学	心血管疾病	深度学习	ResNet50	图像	NTUH数据集包含571例病例心电图和826例对照心电图，FEMH数据集包含378例病例心电图和713例对照心电图
1407	2025-05-13	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	research paper	提出一种无监督的生成对抗网络方法，将血管掩模转换为真实的NIR-II荧光血管图像	利用集成在损失函数中的注意力机制，在生成过程中聚焦关键特征，无需监督即可生成高质量的NIR-II图像	未提及具体的数据集规模或多样性限制	解决NIR-II医学成像中数据集有限的问题	血管的NIR-II荧光图像	computer vision	NA	NIR-II荧光成像	GAN	image	NA
1408	2025-05-13	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	本文介绍了一种名为SVEA的深度学习模型，用于通过多通道图像编码和增强的AlexNet架构进行结构变异检测	SVEA采用新颖的多通道图像编码方法，将结构变异转化为多维图像格式，并结合多头自注意力机制和多尺度卷积模块，提升了对全局上下文和多尺度特征的捕捉能力	文章提到模型仍有进一步优化的空间	提高结构变异检测的准确性	基因组中的结构变异	机器学习	NA	多通道图像编码	AlexNet架构结合多头自注意力机制和多尺度卷积模块	基因组数据	多样化的基因组数据集
1409	2025-05-13	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	本研究开发了一种基于深度学习的自动ASPECTS评分系统，用于提高急性缺血性卒中患者的诊断效率	首次开发并验证了一种基于深度学习的自动ASPECTS评分系统，该系统在临床应用中显著提高了诊断效率和一致性	系统在临床应用时仍需医生验证	开发一种临床适用的自动ASPECTS评分系统，以提高急性缺血性卒中的诊断效率和准确性	急性缺血性卒中患者的非对比计算机断层扫描(NCCT)图像	数字病理学	心血管疾病	深度学习	DL	医学影像	开发队列1767例，独立测试队列220例，前瞻性临床应用研究13399例患者
1410	2025-05-13	Autoencoder-Based Detection of Insulin Pump Faults in Type 1 Diabetes Treatment 2025-Feb, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3518233 PMID:40030700	研究论文	本文提出了一种基于LSTM自编码器和随机森林的新型方法，用于检测胰岛素泵故障，以提高1型糖尿病治疗的安全性和可靠性	结合LSTM自编码器的特征提取能力和随机森林的分类能力，提出了一种新的胰岛素泵故障检测方法	研究基于模拟数据，可能无法完全反映真实世界中的复杂情况	提高1型糖尿病治疗中胰岛素泵系统的安全性和可靠性	1型糖尿病患者使用的胰岛素泵系统	机器学习	1型糖尿病	LSTM自编码器与随机森林结合的方法	LSTM, 随机森林	模拟的生理数据	100名受试者，模拟90天的数据
1411	2025-05-13	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	使用深度学习和全基因组关联分析研究英国生物银行中骨髓脂肪组织的遗传决定因素	首次使用深度学习测量骨髓脂肪含量，并进行全基因组关联分析，发现了多个与骨髓脂肪相关的基因位点	研究主要基于英国生物银行数据，样本多样性有限，非白人参与者数量较少	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	英国生物银行中约47,000名参与者的MRI扫描数据	机器学习	骨骼疾病	深度学习，全基因组关联分析(GWAS)	深度学习模型	MRI图像，基因组数据	约47,000名参与者(41,000名白人，6,300名非白人)
1412	2025-05-13	Artificial intelligence in the diagnosis of uveal melanoma: advances and applications 2025, Experimental biology and medicine (Maywood, N.J.) DOI:10.3389/ebm.2025.10444 PMID:40046904	review	本文综述了机器学习和深度学习在葡萄膜黑色素瘤诊断中的进展与应用	深度学习模型，特别是CNN，能够自动分析医学图像，识别复杂模式，并提高诊断精度，相较于传统机器学习方法具有显著优势	研究中的关键限制包括数据集规模小、外部验证有限以及对单一成像模式的依赖，这些都限制了模型在临床环境中的泛化能力	评估机器学习和深度学习在葡萄膜黑色素瘤分类中的应用，并探讨其临床整合潜力	葡萄膜黑色素瘤及其相关医学影像	digital pathology	uveal melanoma	fundus photography, OCT, ultrasound	CNN	image	NA
1413	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）
1414	2025-05-13	Thoracic Aortic Three-Dimensional Geometry 2025 Jan-Dec, Pulse (Basel, Switzerland) DOI:10.1159/000543613 PMID:40330437	research paper	该研究通过深度学习架构和形态学图像操作，量化了胸主动脉的三维几何参数，并在两个大型生物银行中应用	首次在大型人群中全面表征胸主动脉的三维几何结构，并开发了全自动量化方法	研究依赖于影像扫描数据，可能受限于图像质量和分辨率	量化胸主动脉的三维几何结构，以研究其与心血管健康和疾病的关系	胸主动脉的三维几何参数	digital pathology	cardiovascular disease	deep learning, morphological image operations	deep learning architecture	imaging scans	54,241 participants from UK Biobank and 8,456 participants from Penn Medicine Biobank
1415	2025-05-13	A novel deep learning technique for multi classify Alzheimer disease: hyperparameter optimization technique 2025, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2025.1558725 PMID:40342359	research paper	提出一种基于深度学习和超参数优化的新方法，用于更准确地分类阿尔茨海默病的不同阶段	使用新提出的超参数优化方法来识别ResNet152V2模型的超参数，以解决有限数据和计算资源的问题	未提及具体的数据集大小和计算资源限制的详细情况	早期诊断和检测阿尔茨海默病，以实施可能减缓疾病进展的治疗方法	阿尔茨海默病的不同阶段	machine learning	geriatric disease	deep learning, hyperparameter optimization	ResNet152V2	NA	NA
1416	2025-05-13	Using artificial intelligence to develop a measure of orthopaedic treatment success from clinical notes 2025, Frontiers in digital health IF:3.2Q2 DOI:10.3389/fdgth.2025.1523953 PMID:40343216	research paper	该研究利用人工智能技术从临床记录中开发了一种衡量骨科治疗成功的方法	首次使用AI方法从临床记录中提取治疗成功或失败的短语，并开发了一种骨科治疗成功的指标	研究仅针对急性肩部损伤患者，样本量有限（868份临床记录），且仅在一个地区医疗系统内进行	开发一种反映骨科治疗成功的可用结果测量方法	急性肩部损伤患者的临床记录	自然语言处理	骨科疾病	机器学习和深度学习算法	Bio-ClinicalBERT	文本	868份临床记录，来自123名医生和35个科室
1417	2025-05-13	[Coronary artery segmentation based on Transformer and convolutional neural networks dual parallel branch encoder neural network] 2024-Dec-25, Sheng wu yi xue gong cheng xue za zhi = Journal of biomedical engineering = Shengwu yixue gongchengxue zazhi DOI:10.7507/1001-5515.202403058 PMID:40000209	研究论文	提出了一种基于Transformer和CNN双并行分支编码器的新型神经网络DUNETR，用于冠状动脉CTA图像的分割	首次将Transformer和CNN作为双编码器集成，通过NRFF模块融合全局与局部特征，显著提升3D冠状动脉分割效果	未提及模型在小型医疗机构或低质量CT图像上的泛化能力	提高冠状动脉CTA图像自动分割的准确率	冠状动脉的3D CTA图像	计算机视觉	心血管疾病	CTA成像	DUNETR（Transformer+CNN双编码器U-Net变体）	3D医学图像	公开数据集（具体数量未说明）
1418	2025-05-13	Thoracic Aortic Three-Dimensional Geometry 2024-Oct-31, bioRxiv : the preprint server for biology DOI:10.1101/2024.05.09.593413 PMID:38798566	research paper	该研究通过深度学习架构和形态学图像操作，全面量化了胸主动脉的三维几何参数，并在两个大型生物库中应用了该方法	首次在大规模人群中全面表征胸主动脉的三维几何结构，并开发了全自动量化方法	研究依赖于影像扫描的质量，且仅针对特定生物库数据	量化胸主动脉的三维几何结构，研究其与心血管健康和衰老的关系	胸主动脉的三维几何参数	digital pathology	cardiovascular disease	deep learning, morphological image operations	deep learning architecture	imaging scans	54,241 participants in the UK Biobank and 8,456 participants in the Penn Medicine Biobank
1419	2025-05-13	Sparse Annotation is Sufficient for Bootstrapping Dense Segmentation 2024-Oct-26, bioRxiv : the preprint server for biology DOI:10.1101/2024.06.14.599135 PMID:38915491	研究论文	提出了一种基于深度学习的新方法，从稀疏的2D注释快速生成密集的3D分割，用于生物成像数据的实例分割任务	开发了一种能够从稀疏注释快速生成密集3D分割的深度学习方法，显著减少了人工标注时间和专家依赖	方法主要针对脑神经纤维网的复杂结构，可能在其他生物组织上的适用性需要进一步验证	解决生物成像数据中密集3D重建所需的训练数据生成效率问题	脑神经纤维网（包括树突、轴突和胶质细胞过程）	数字病理	NA	深度学习	NA	3D图像	NA
1420	2025-05-13	Leveraging Large Language Models for Knowledge-free Weak Supervision in Clinical Natural Language Processing 2024-Jun-28, Research square DOI:10.21203/rs.3.rs-4559971/v1 PMID:38978609	研究论文	本文提出了一种利用大型语言模型（LLMs）进行无领域知识的弱监督方法，用于临床自然语言处理任务	通过微调LLMs并采用基于提示的方法生成弱标记数据，结合少量黄金标准数据微调下游BERT模型，显著提升了性能	LLMs推理计算量大，且性能仍略低于使用大量黄金标准数据的传统监督方法	解决临床自然语言处理任务中标注数据稀缺的问题	临床文本数据	自然语言处理	NA	弱监督学习、上下文学习	LLM（Llama2）、BERT	文本	三个n2c2数据集，不超过10-50份黄金标准临床记录