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
14521	2025-04-12	Prediction models for sleep quality among frontline medical personnel during the COVID-19 pandemic: cross-sectional study based on internet new media 2025, Frontiers in public health IF:3.0Q2 DOI:10.3389/fpubh.2025.1406062 PMID:40206166	研究论文	本研究通过横断面调查和多种预测模型，探讨了COVID-19疫情期间上海一线医务人员的睡眠质量及其影响因素	首次在COVID-19疫情期间对医务人员睡眠质量进行多模型预测比较，发现深度学习模型具有最佳预测性能	研究采用横断面设计，无法确定因果关系；样本仅来自上海地区，可能限制结果的普适性	分析影响医务人员睡眠质量的因素并开发预测模型，为制定干预策略提供依据	COVID-19疫情期间上海一线医务人员	机器学习	COVID-19	问卷调查（PSQI量表）、多变量逐步逻辑回归分析	LG, DL, NB, ANN, RF, GBT	问卷数据	训练测试集1060人，独立验证集266人	NA	NA	NA	NA
14522	2025-04-12	Beyond plaque segmentation: a combined radiomics-deep learning approach for automated CAD-RADS classification 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1536239 PMID:40206480	研究论文	本研究开发了一种结合放射组学和自编码器特征的机器学习方法，用于从心脏计算机断层扫描图像中自动评估冠状动脉狭窄程度	首次探索了结合放射组学和自编码器特征的方法进行狭窄程度评估	未提及具体局限性	开发自动化冠状动脉狭窄程度评估方法	冠状动脉疾病患者的计算机断层扫描图像	数字病理学	心血管疾病	放射组学分析和自编码器特征提取	随机森林分类器	医学影像	220名患者的2548张心脏计算机断层扫描图像	NA	NA	NA	NA
14523	2025-04-12	Utility of osteoporosis screening based on estimation of bone mineral density using bidirectional chest radiographs with deep learning models 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1499670 PMID:40206487	研究论文	本研究探讨了利用深度学习模型通过双向胸部X光片估计骨密度（BMD）进行骨质疏松筛查的临床效用	提出了一种基于双向胸部X光片（正面和侧面）的深度学习模型，用于估计骨密度并进行骨质疏松筛查，相比单视角X光片提高了准确度	研究样本仅来自单一医疗机构，可能影响结果的普遍性	评估基于双向胸部X光片和深度学习的骨质疏松筛查方法的临床效用	1624名年龄≥20岁、接受过DXA和双向胸部X光检查的患者	数字病理学	骨质疏松症	深度学习	Inception-ResNet-V2	图像	1624名患者	NA	NA	NA	NA
14524	2025-04-12	CNN-TumorNet: leveraging explainability in deep learning for precise brain tumor diagnosis on MRI images 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1554559 PMID:40206584	研究论文	本文提出了一种名为CNN-TumorNet的卷积神经网络，用于在MRI图像上精确诊断脑肿瘤，并通过LIME技术增强模型的可解释性	结合LIME技术提升深度学习模型的可解释性，使其在保持高准确率的同时更易于临床医生理解和接受	深度学习模型仍存在'黑箱'问题，尽管使用了LIME，医生可能仍难以完全信任和理解模型的决策过程	开发一种高精度且可解释的深度学习模型，用于脑肿瘤的早期诊断	MRI图像中的脑肿瘤	数字病理学	脑肿瘤	MRI	CNN	图像	NA	NA	NA	NA	NA
14525	2025-04-12	A feasibility study of deep learning prediction model for VMAT patient-specific QA 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1509449 PMID:40206587	研究论文	本研究介绍了一种深度学习模型，利用治疗计划系统(TPS)和蒙特卡洛(MC)模拟的独立剂量验证软件计算的剂量，旨在更准确地预测VMAT患者特定QA中的伽马通过率(GPR)	使用深度学习模型结合TPS和MC模拟数据预测GPR，提高了预测的准确性和效率	研究仅基于710个临床VMAT计划，样本量可能不足以覆盖所有临床情况	提高VMAT患者特定质量保证(QA)的效率和准确性	710个临床VMAT计划	机器学习	NA	蒙特卡洛模拟	CNN	剂量分布数据	710个临床VMAT计划	NA	NA	NA	NA
14526	2025-04-12	Deep learning for steganalysis: evaluating model robustness against image transformations 2025, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2025.1532895 PMID:40206705	research paper	本研究评估了基于深度学习的隐写分析模型在常见图像变换下的鲁棒性	首次系统地评估了多种深度学习模型在图像变换下的隐写分析性能，并比较了它们的鲁棒性	仅评估了有限的图像变换类型，未考虑更复杂的现实场景	评估深度学习模型在图像变换条件下的隐写分析性能	五种深度学习模型（EfficientNet、SRNet、ResNet、Xu-Net和Yedroudj-Net）	computer vision	NA	深度学习	EfficientNet, SRNet, ResNet, Xu-Net, Yedroudj-Net	图像	BOSSBase数据集	NA	NA	NA	NA
14527	2025-04-12	Identification of FDFT1 and PGRMC1 as New Biomarkers in Nonalcoholic Steatohepatitis (NASH)-Related Hepatocellular Carcinoma by Deep Learning 2025, Journal of hepatocellular carcinoma IF:4.2Q2 DOI:10.2147/JHC.S505752 PMID:40206734	研究论文	本研究通过深度学习等方法筛选出NASH相关肝癌的新型生物标志物FDFT1和PGRMC1	首次结合深度学习、WGCNA和PPI网络筛选NASH相关肝癌特征基因，并验证FDFT1和PGRMC1的诊断价值	研究主要基于小鼠模型，需要进一步在人类样本中验证	探索NASH相关肝癌的新型生物标志物	NAFLD小鼠模型和NASH相关肝癌特征基因	生物信息学	肝癌	深度学习、WGCNA、PPI网络、实时定量PCR、单细胞测序	NNs	基因组数据	NAFLD小鼠模型	NA	NA	NA	NA
14528	2025-04-12	Deep learning-enabled transformation of anterior segment images to corneal fluorescein staining images for enhanced corneal disease screening 2025, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2025.02.039 PMID:40206787	研究论文	开发了一种基于GAN的人工智能系统Gancor，用于将眼前段图像转化为角膜荧光素染色图像，以增强角膜疾病的筛查	利用GAN将AS图像转化为CFS图像，提高了远程诊断的效率和准确性	样本主要来自特定医院和地区，可能影响模型的泛化能力	开发一种远程诊断角膜疾病的系统	9669张眼前段图像和对应的角膜荧光素染色图像，以及967对通过智能手机拍摄的AS-CFS图像	数字病理学	角膜疾病	GAN	GAN	图像	9669张AS图像和对应的CFS图像，以及967对AS-CFS图像	NA	NA	NA	NA
14529	2025-04-12	NeuroFusionNet: cross-modal modeling from brain activity to visual understanding 2025, Frontiers in computational neuroscience IF:2.1Q3 DOI:10.3389/fncom.2025.1545971 PMID:40207297	research paper	本文提出了一种创新的深度学习模型NeuroFusionNet，通过整合fMRI信号与图像特征来增强对视觉信息的理解	引入了Mutli-scale fMRI Timeformer模块和fMRI-guided loss函数，有效整合图像与大脑活动信息	NA	通过整合fMRI信号与图像特征来增强对视觉信息的理解	fMRI信号和图像特征	machine learning	NA	fMRI	NeuroFusionNet, Mutli-scale fMRI Timeformer	image, fMRI信号	NA	NA	NA	NA	NA
14530	2025-10-07	ODD-Net: a hybrid deep learning architecture for image dehazing 2024-Dec-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-82558-6 PMID:39715769	研究论文	提出一种名为ODD-Net的混合深度学习架构用于图像去雾	提出包含大气光估计网络(A-Net)和传输图估计网络(T-Net)的混合架构，结合膨胀卷积、批归一化和多尺度卷积等创新技术	需要大量数据集和计算资源	解决户外图像因雾霾导致的能见度和对比度下降问题	雾霾图像	计算机视觉	NA	深度学习	CNN	图像	NA	NA	ODD-Net, A-Net, T-Net	质量指标	NA
14531	2025-04-12	Deep Learning Model for Predicting Neurodevelopmental Outcome in Very Preterm Infants Using Cerebral Ultrasound 2024-Dec, Mayo Clinic proceedings. Digital health DOI:10.1016/j.mcpdig.2024.09.003 PMID:40206534	研究论文	开发深度学习模型，结合新生儿颅脑超声和临床变量，预测极早产儿3岁时的神经发育障碍	首次将CNN模型应用于颅脑超声和临床变量的结合，以预测极早产儿的神经发育障碍	研究为回顾性设计，且仅在单一地区进行，可能影响模型的泛化能力	预测极早产儿3岁时的神经发育障碍	极早产儿（胎龄220-306周）	数字病理	神经发育障碍	颅脑超声（CUS）	CNN, elastic net (EN)	图像, 临床数据	619名极早产儿，包含4184张颅脑超声图像	NA	NA	NA	NA
14532	2025-10-07	Sparse Annotation is Sufficient for Bootstrapping Dense Segmentation 2024-Nov-14, Research square DOI:10.21203/rs.3.rs-5339143/v1 PMID:39606484	研究论文	提出一种基于深度学习的方法，通过稀疏2D标注快速生成密集3D分割，显著减少生物图像分割中的人工标注工作量	开发了从稀疏2D标注快速生成密集3D分割的新方法，将人工标注时间减少三个数量级，且可由非专家完成标注	未明确说明方法在其他生物组织或成像模式中的泛化能力	解决生物成像数据中密集3D重建的实例分割问题，降低训练数据生成的人工成本	大脑神经纤维网中的树突、轴突和胶质细胞过程	计算机视觉	NA	连续切片电子显微镜成像	深度学习模型	3D图像序列，2D标注	NA	NA	NA	准确度	NA
14533	2025-04-12	Deep Learning-Based Prediction of Hepatic Decompensation in Patients With Primary Sclerosing Cholangitis With Computed Tomography 2024-Sep, Mayo Clinic proceedings. Digital health DOI:10.1016/j.mcpdig.2024.07.002 PMID:40206109	研究论文	本研究探讨了使用深度学习模型基于CT影像预测原发性硬化性胆管炎（PSC）患者肝失代偿的潜力	首次应用3D-DenseNet121模型分析CT影像预测PSC患者的肝失代偿，并通过解剖区域分割验证模型决策过程	回顾性研究设计，样本量有限（277例），未进行外部验证	开发基于深度学习的肝失代偿预测工具	原发性硬化性胆管炎（PSC）患者	数字病理	肝病	CT成像	3D-DenseNet121	3D医学影像	277例接受腹部CT扫描的成人PSC患者	NA	NA	NA	NA
14534	2025-10-07	Hybrid deep learning technique for COX-2 inhibition bioactivity detection against breast cancer disease 2024-Jul, Biomedical engineering letters IF:3.2Q2 DOI:10.1007/s13534-024-00355-6 PMID:39512384	研究论文	开发了一种混合深度学习技术用于乳腺癌中COX-2抑制生物活性的精确检测	结合UNet架构进行特征提取，采用改进的鸡群优化算法处理数据维度，并使用改进的Laguerre神经网络进行分类的混合深度学习方法	NA	开发高效精确的COX-2抑制生物活性检测技术，推动乳腺癌治疗发展	乳腺癌相关的COX-2抑制生物活性	机器学习	乳腺癌	NA	UNet, 神经网络	生物活性数据	ChEMBL数据库	NA	UNet, 改进的Laguerre神经网络	准确率, 精确率, 召回率, F值, Matthews相关系数, Dice系数	NA
14535	2025-10-07	Conversion of single-energy CT to parametric maps of dual-energy CT using convolutional neural network 2024-May-29, The British journal of radiology DOI:10.1093/bjr/tqae076 PMID:38597871	研究论文	提出一种基于卷积神经网络的多任务学习框架，将单能CT图像直接转换为双能CT的三种参数图	首次使用深度学习多任务框架实现单能CT到双能CT多种参数图的直接转换	仅使用67例患者数据进行训练验证，样本量有限	开发从单能CT生成双能CT参数图的深度学习模型	CT图像数据	医学影像分析	NA	CT成像	CNN	CT图像	67例患者（2019-2020年收集）	NA	VMI-Net, EAN-Net, RED-Net	绝对差异, 相对差异	NA
14536	2025-10-07	Machine learning and deep learning to identifying subarachnoid haemorrhage macrophage-associated biomarkers by bulk and single-cell sequencing 2024-05, Journal of cellular and molecular medicine IF:4.3Q2 DOI:10.1111/jcmm.18296 PMID:38702954	研究论文	通过单细胞和批量转录组测序识别蛛网膜下腔出血中巨噬细胞相关生物标志物	结合单细胞测序和hdWGCNA方法首次系统鉴定SAH特异性巨噬细胞亚群及相关关键基因	需要进一步实验和临床研究验证发现并探索治疗靶点的临床意义	改善蛛网膜下腔出血的诊断和治疗策略	蛛网膜下腔出血大鼠模型脑组织样本	生物信息学	蛛网膜下腔出血	单细胞转录组测序, 批量RNA测序, 分子对接	卷积神经网络, 机器学习算法	基因表达数据, 单细胞数据	SAH大鼠模型脑组织样本	NA	3×3卷积神经网络	AUC, 灵敏度, 特异性	NA
14537	2025-10-07	PBAC: A pathway-based attention convolution neural network for predicting clinical drug treatment responses 2024-05, Journal of cellular and molecular medicine IF:4.3Q2 DOI:10.1111/jcmm.18298 PMID:38683133	研究论文	提出一种基于通路注意力的卷积神经网络PBAC，用于预测临床药物疗效	整合深度学习框架与注意力机制处理复杂生物通路信息，提供基于生物学功能的药物疗效预测模型	NA	开发能够预测临床药物疗效并解释药物作用机制的计算模型	四种化疗药物（硼替佐米、顺铂、多西他赛、紫杉醇）和11个免疫治疗数据集	机器学习	癌症	NA	CNN, 注意力机制	生物通路数据	NA	NA	PBAC（包含基因-通路层、注意力层、卷积层和全连接层）	AUC, 精确召回曲线下面积	NA
14538	2025-10-07	MFNet: Meta-learning based on frequency-space mix for MRI segmentation in nasopharyngeal carcinoma 2024-05, Journal of cellular and molecular medicine IF:4.3Q2 DOI:10.1111/jcmm.18355 PMID:38685683	研究论文	提出基于频域特征混合的元学习方法MFNet，用于鼻咽癌MRI分割的领域泛化	将MRI从空间域转换到频域，并采用频域特征混合的元学习方法来提升模型在未见领域的泛化能力	仅在两个医院的321例患者数据上验证，样本来源相对有限	解决鼻咽癌MRI分割模型在不同医疗中心部署时的领域泛化问题	鼻咽癌患者的MRI图像	医学影像分析	鼻咽癌	傅里叶变换，MRI成像	深度学习，元学习	MRI图像	321例患者，来自两家医院	NA	MFNet	Dice系数，MIoU	NA
14539	2025-10-07	A Multi-Element Identification System Based on Deep Learning for the Visual Field of Percutaneous Endoscopic Spine Surgery 2024-May, Indian journal of orthopaedics IF:1.1Q3 DOI:10.1007/s43465-024-01134-2 PMID:38694692	研究论文	开发基于深度学习的经皮内镜脊柱手术视野多元素识别系统	首次将实例分割深度学习模型应用于脊柱内镜手术视野的多元素识别，可同时识别解剖组织和手术器械	研究样本量有限（48例患者），仅针对腰椎间盘突出症手术	开发脊柱内镜手术视野多元素识别系统并评估其可行性	经皮内镜脊柱手术视野中的组织结构和手术器械	计算机视觉	腰椎间盘突出症	深度学习	CNN	图像	48例患者的6000张手术视野图像	NA	Solov2, CondInst, Mask R-CNN, Yolact, ResNet101, ResNet50	mAP, FPS, AP	NA
14540	2025-04-12	Artificial Intelligence Detection and Segmentation Models: A Systematic Review and Meta-Analysis of Brain Tumors in Magnetic Resonance Imaging 2024-Mar, Mayo Clinic proceedings. Digital health DOI:10.1016/j.mcpdig.2024.01.002 PMID:40206681	系统综述与荟萃分析	本文通过系统综述和荟萃分析，深入探讨了深度学习算法在脑肿瘤检测和分割模型中的泛化能力影响因素	研究揭示了MRI硬件制造商对数据集多样性的影响，并发现3D模型在检测性能上优于2D和集成模型	需要进一步研究开发全面的多样性指数，并利用生成对抗网络进行数据多样化	分析影响深度学习算法在脑肿瘤检测和分割模型中泛化能力的因素	脑肿瘤患者的MRI数据	数字病理学	脑肿瘤	MRI	3D模型、2D模型、集成模型	图像	19项研究，涉及12,000名患者	NA	NA	NA	NA