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
16001	2025-10-07	Development of deep learning-based mobile application for the identification of Coccidia species in pigs using microscopic images 2025-Feb, Veterinary parasitology IF:2.0Q2 DOI:10.1016/j.vetpar.2024.110376 PMID:39675168	研究论文	开发基于深度学习的移动应用程序，用于通过显微图像自动识别猪球虫物种	首次将深度学习技术应用于猪球虫物种的自动识别，并开发成移动应用程序	仅针对印度东北部山区常见的六种球虫物种进行研究	开发自动识别猪球虫物种的深度学习移动应用，减少对专家人员的依赖	猪粪便样本中的六种球虫物种：E. debliecki, E. perminuta, E. porci, E. spinosa, E. suis, Isospora suis	计算机视觉	寄生虫病	显微图像分析	CNN	图像	NA	TensorFlow, PyTorch, Keras	EfficientNetB0, EfficientNetB1, MobileNet, MobileNetV2	m-IoU, accuracy, precision, recall	移动设备
16002	2025-10-07	First-in-Men Online Adaptive Robotic Stereotactic Body Radiation Therapy: Toward Ultrahypofractionation for High-Risk Prostate Cancer Patients 2025-Feb, Advances in radiation oncology IF:2.2Q2 DOI:10.1016/j.adro.2024.101701 PMID:39866592	研究论文	本文开发并验证了用于高危前列腺癌患者的在线自适应机器人立体定向放射治疗系统	首次在人体中应用在线自适应机器人立体定向放射治疗技术，针对高危前列腺癌患者开发快速治疗计划方法	研究样本量有限，仅为UPRATE试验的首批患者，需更大规模研究验证结果	开发在线自适应放射治疗系统以减少精囊的计划靶区边界	高危前列腺癌患者，特别是精囊需要包含在靶区内的患者	数字病理	前列腺癌	在线自适应放射治疗，CT-on-rails成像，立体定向放射治疗	深度学习	医学影像	UPRATE试验的首批患者（60个治疗计划）	NA	NA	优化时间，剂量参数，计划约束符合率，治疗时间	CyberKnife放射治疗系统，集成CT-on-rails
16003	2025-10-07	Diagnostic value of deep learning reconstruction-based subtraction CT-FFR in patients with calcified-related stenosis or stent implantation 2025-Feb-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-24-1366 PMID:39995698	研究论文	本研究探讨基于深度学习重建的减影CT-FFR在钙化相关狭窄或支架植入患者中的诊断价值	首次将深度学习重建技术应用于减影CT-FFR，改进了钙化相关狭窄和冠状动脉支架的血流动力学评估	样本量较小（30例患者），需要更大规模研究验证	评估减影CT-FFR在钙化相关狭窄和冠状动脉支架应用中的诊断性能	钙化相关冠状动脉狭窄患者和冠状动脉支架植入患者	医学影像分析	心血管疾病	冠状动脉计算机断层扫描血管成像（CTA）、血流储备分数（FFR）	深度学习重建	医学影像	30例患者，包含52个钙化相关病变和14个冠状动脉支架	NA	NA	灵敏度、特异性、阳性预测值、阴性预测值、准确率	NA
16004	2025-10-07	Development and evaluation of a deep learning model for multi-frequency Gibbs artifact elimination 2025-Feb-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-24-1344 PMID:39995704	研究论文	开发并评估一种用于消除多频率吉布斯伪影的深度学习模型	使用包含多种解剖区域和MRI序列的大规模数据集，开发能够处理不同频率吉布斯伪影的深度学习模型	研究样本主要来自回顾性数据，前瞻性验证样本量较小（仅30例）	开发消除MRI图像中吉布斯伪影的深度学习模型，提高脊髓空洞症的诊断准确性	MRI图像中的吉布斯伪影	计算机视觉	脊髓空洞症	磁共振成像	深度学习模型	图像	290,940张MRI图像（来自4,936次扫描），外部验证包含20名健康成年人和10名脊髓空洞症患者	NA	NA	AUC, 图像质量评分	NA
16005	2025-10-07	Automatic measurement of X-ray radiographic parameters based on cascaded HRNet model from the supraspinatus outlet radiographs 2025-Feb-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-24-1373 PMID:39995702	研究论文	本研究开发了一种基于级联HRNet模型的自动测量系统，用于从冈上肌出口X线片中测量肩部形态学参数	首次报道了在冈上肌出口X线片中自动测量放射学参数的方法，使用了基于深度学习的级联HRNet模型	研究仅使用了单中心数据，模型在肩峰形态分类方面仅具有中等可靠性	开发自动测量肩部形态学参数的系统，用于肩袖疾病的早期筛查和临床决策支持	冈上肌出口X线片	计算机视觉	肩袖损伤	X线摄影	HRNet	医学影像	1668张冈上肌出口X线片（1147张用于训练和验证，521张用于测试）	深度学习	级联HRNet	PCK, ICC, Pearson相关系数, 平均绝对误差, 均方根误差, Cohen's kappa系数	NA
16006	2025-10-07	Rapid and automatic hemodynamic assessment: integration of deep learning-based image segmentation, vessel reconstruction, and CFD prediction 2025-Feb-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-24-1721 PMID:39995727	研究论文	开发了一种基于深度学习的血管血流动力学快速自动评估方法，整合图像分割、血管重建和CFD预测	提出Res2-CD-UNet模型，将深度学习方法与MC算法和OpenFOAM结合，实现从CT图像到血流动力学分析的端到端自动化流程	仅在下肢动脉和主动脉数据集上验证，未提及其他血管区域或更大规模多中心验证	开发快速准确的血管血流动力学特征数据提取方法，替代传统耗时易错的手工处理流程	血管CT图像中的动脉区域	计算机视觉	心血管疾病	CT成像	CNN	医学图像	下肢动脉和主动脉两个数据集	OpenFOAM	Res2Net-ConvFormer-Dilation-UNet (Res2-CD-UNet)	准确率, 相对几何误差	NA
16007	2025-10-07	Predicting joint space changes in knee osteoarthritis over 6 years: a combined model of TransUNet and XGBoost 2025-Feb-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-24-1397 PMID:39995733	研究论文	本研究开发了结合TransUNet和XGBoost的模型，用于膝关节骨关节炎的关节间隙宽度自动测量和6年变化预测	首次将TransUNet分割网络与XGBoost回归模型结合，仅使用2年X光图像即可高精度预测6年关节间隙变化	数据来源于单一数据库（骨关节炎倡议数据库），样本代表性可能存在局限	建立膝关节间隙自动分割测量模型并预测6年关节间隙宽度变化	膝关节骨关节炎患者的X光图像	计算机视觉	骨关节炎	X射线成像	CNN, Transformer, 集成学习	医学图像	1947名参与者的膝关节X光图像	NA	TransUNet, XGBoost	Dice系数, 组内相关系数(ICC), 平均绝对误差(MAE)	NA
16008	2025-10-07	Deep learning for the detection of moyamoya angiopathy using T2-weighted images: a multicenter study 2025-Feb-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-24-1269 PMID:39995722	研究论文	基于T2加权图像开发深度学习模型用于烟雾病检测的多中心研究	首次基于T2WI开发深度学习模型用于烟雾病检测，并在多中心数据上进行验证	回顾性研究设计，未包含其他脑血管疾病的全面比较	开发基于T2WI的深度学习模型用于烟雾病检测	烟雾病患者、正常MRA患者和非烟雾病脑血管疾病患者	计算机视觉	烟雾病	磁共振成像，T2加权成像	CNN	医学图像	1038例烟雾病患者，1211例正常MRA患者，271例非烟雾病脑血管疾病患者	NA	SCNN,LeNet-5,VGG,ResNet,DenseNet	准确率,置信区间	NA
16009	2025-10-07	Diagnosis of Alzheimer's disease using transfer learning with multi-modal 3D Inception-v4 2025-Feb-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-24-1577 PMID:39995734	研究论文	本研究提出了一种基于多模态特征和迁移学习的3D Inception-v4模型，用于阿尔茨海默病的诊断	首次将多模态三维Inception-v4模型与迁移学习相结合，融合MRI影像和临床评分数据进行AD诊断	NA	开发基于深度学习的阿尔茨海默病计算机辅助诊断方法	阿尔茨海默病患者	计算机视觉	阿尔茨海默病	磁共振成像	CNN	图像, 临床评分数据	来自ADNI数据库的数据	NA	3D Inception-v4	准确率, AUC, 精确率, 召回率, F1分数	NA
16010	2025-10-07	Combining pelvic floor ultrasonography with deep learning to diagnose anterior compartment organ prolapse 2025-Feb-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-24-772 PMID:39995742	研究论文	本研究结合盆底超声与深度学习技术，开发用于诊断前盆腔器官脱垂的自动识别系统	首次将深度学习模型应用于盆底超声图像的前盆腔器官脱垂诊断，通过迁移学习提升特征提取稳定性	回顾性研究，样本来源单一，缺乏外部验证	提高盆底超声诊断前盆腔器官脱垂的速度和可靠性，促进基层医疗机构的诊疗能力	前盆腔器官脱垂患者（1,605例）和正常对照者（200例）的盆底超声图像	计算机视觉	盆腔器官脱垂	盆底超声检查	CNN	超声图像	5,816张盆底前腔静态超声图像（5,281张异常，535张正常），来自1,805名女性	NA	AlexNet,VGG-16,ResNet-18,ResNet-50	准确率,精确率,召回率,F1分数,AUC	NA
16011	2025-10-07	Towards Trustworthy AI in Healthcare: Epistemic Uncertainty Estimation for Clinical Decision Support 2025-Jan-31, Journal of personalized medicine IF:3.0Q1 DOI:10.3390/jpm15020058 PMID:39997335	研究论文	本研究比较了集成神经网络和谱归一化神经高斯过程在医疗决策支持中知识不确定性估计的可靠性	首次在临床决策支持系统中系统比较集成方法和知识建模方法在不确定性估计方面的性能差异	研究主要基于低维玩具数据集和单一MIMIC3数据集，需要更多真实临床场景验证	开发更可靠和可信的医疗AI决策支持系统	重症监护病房住院患者的死亡率预测	医疗人工智能	重症监护	深度学习不确定性估计	Transformer, 神经网络集成, SNGP	电子健康记录时间序列数据	MIMIC3研究数据集	NA	Encoder-Only Transformer	AUROC, AUPRC	NA
16012	2025-10-07	Deep learning based tractography with TractSeg in patients with hemispherotomy: Evaluation and refinement 2025-Jan-28, NeuroImage. Clinical DOI:10.1016/j.nicl.2025.103738 PMID:39922027	研究论文	评估并改进基于深度学习的纤维束追踪工具TractSeg在半球切开术患者中的应用	首次发现并记录了TractSeg在严重病理数据中错误重建手术已断开纤维束的问题，并提出了结合低秩张量近似的改进方法	研究样本量有限（25名患者和25名健康对照），仍需手动质量控制	评估深度学习纤维束追踪在严重脑部手术患者中的适用性并改进其性能	癫痫患者（接受半球切开术）和健康对照者的脑部扩散MRI数据	医学影像分析	癫痫	扩散MRI，纤维束追踪	深度学习	脑部扩散MRI影像	25名半球切开术患者和25名健康对照者	NA	TractSeg	纤维束重建完整性，错误重建率	NA
16013	2025-10-07	Semantic-Guided Transformer Network for Crop Classification in Hyperspectral Images 2025-Jan-26, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging11020037 PMID:39997540	研究论文	提出一种语义引导的Transformer网络用于高光谱图像中的作物分类	设计了多尺度空间-光谱信息提取模块和语义引导注意力模块，结合两阶段特征提取结构，有效克服背景干扰和尺度变化问题	未明确说明模型在更复杂场景或更大规模数据集上的性能表现	提高高光谱遥感图像中作物分类的准确性和鲁棒性	农业作物高光谱遥感图像	计算机视觉	NA	高光谱遥感成像	Transformer	高光谱图像	三个基准数据集：Indian Pines、Pavia University和Salinas	NA	语义引导Transformer网络（SGTN），包含多尺度空间-光谱信息提取模块（MSIE）和语义引导注意力模块（SGA）	总体准确率	NA
16014	2025-10-07	Machine Learning-Based Approaches for Breast Density Estimation from Mammograms: A Comprehensive Review 2025-Jan-26, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging11020038 PMID:39997539	综述	本文系统综述了基于机器学习的乳腺密度评估方法在乳腺X线摄影中的应用	重点聚焦机器学习方法在乳腺密度评估中的分类与应用，特别比较了传统机器学习与深度学习方法的性能差异	当前研究存在主观性强和成本效益低的问题	探索乳腺密度评估方法及其在乳腺癌早期检测中的价值	乳腺X线影像中的乳腺密度特征	计算机视觉	乳腺癌	乳腺X线摄影	SVM, CNN	医学影像	NA	NA	NA	准确率	NA
16015	2025-10-07	Optimizing Deep Learning Models for Climate-Related Natural Disaster Detection from UAV Images and Remote Sensing Data 2025-Jan-24, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging11020032 PMID:39997534	研究论文	本研究利用人工智能从无人机和卫星遥感图像中检测与气候变化相关的自然灾害	创建了新的气候变化数据集，优化了机器学习模型，将荒漠化作为深度学习检测的自然灾害类别之一，并进行了交叉验证	NA	优化深度学习模型以从无人机图像和遥感数据中检测与气候变化相关的自然灾害	洪水和荒漠化两种自然灾害	计算机视觉	NA	无人机图像采集，卫星遥感	CNN, DenseNet201, VGG16, ResNet50	图像	6334张无人机和卫星航空图像	NA	CNN, DenseNet201, VGG16, ResNet50	准确率	NA
16016	2025-10-07	GCNet: A Deep Learning Framework for Enhanced Grape Cluster Segmentation and Yield Estimation Incorporating Occluded Grape Detection with a Correction Factor for Indoor Experimentation 2025-Jan-24, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging11020034 PMID:39997536	研究论文	提出一种用于葡萄串分割和产量估计的深度学习框架GCNet，通过遮挡葡萄检测和校正因子提高室内实验的准确性	集成遮挡调整机制，在枝叶和葡萄串紧凑条件下提升分割精度，并引入校正因子估计不可见葡萄	研究基于室内实验环境，未涉及户外复杂田间条件	提高葡萄产量估计精度，改进葡萄串分割算法	葡萄串	计算机视觉	NA	深度学习	CNN	图像	GrapeSet数据集包含室内拍摄的葡萄串可见图像及其真实掩码、葡萄总数和重量	NA	GCNet	R², 平均绝对误差(MAE)	NA
16017	2025-10-07	A comprehensive review of deep learning-based approaches for drug-drug interaction prediction 2025-Jan-15, Briefings in functional genomics IF:2.5Q3 DOI:10.1093/bfgp/elae052 PMID:39987494	综述	本文系统综述了基于深度学习的药物相互作用预测方法，包括分子表示分析和图数据特征提取的理论框架	提供了最新的药物相互作用预测方法综述，深入分析了分子表示方法并系统阐述了图数据特征提取的理论框架	NA	为不同领域研究人员提供关于药物相互作用预测的最新且易于理解的指南	药物相互作用预测方法	生物医学信息学	NA	深度学习	NA	图数据	NA	NA	NA	NA	NA
16018	2025-10-07	Robust RNA secondary structure prediction with a mixture of deep learning and physics-based experts 2025, Biology methods & protocols IF:2.5Q3 DOI:10.1093/biomethods/bpae097 PMID:39811444	研究论文	开发了一种混合专家方法用于RNA二级结构预测，结合深度学习和物理模型提升分布外泛化能力	提出MoEFold2D框架，通过DL模型集成共识分析实现自动ID/OOD检测，无需推理时访问训练数据	NA	解决深度学习模型在RNA二级结构预测中的分布外泛化问题	RNA分子	机器学习	NA	RNA二级结构预测	混合专家模型	RNA序列数据	NA	NA	MoEFold2D	NA	NA
16019	2025-10-07	MRI-based whole-brain elastography and volumetric measurements to predict brain age 2025, Biology methods & protocols IF:2.5Q3 DOI:10.1093/biomethods/bpae086 PMID:39902188	研究论文	开发基于磁共振弹性成像和体积测量的机器学习框架来预测大脑年龄	首次将大脑机械特性（刚度和阻尼比）与体积测量结合用于大脑年龄预测的多模态方法	研究主要针对健康个体，未来需要扩展到神经病理学患者群体	通过多模态脑部测量准确预测个体的时序年龄	健康个体的大脑磁共振成像数据	医学影像分析	神经退行性疾病	磁共振弹性成像(MRE), 磁共振成像(MRI)	3D CNN, 传统统计模型	脑部机械特性图, 体积测量数据	NA	NA	3D卷积网络	预测准确性	NA
16020	2025-10-07	Deep Learning Model-Based Detection of Anemia from Conjunctiva Images 2025-Jan, Healthcare informatics research IF:2.3Q3 DOI:10.4258/hir.2025.31.1.57 PMID:39973037	研究论文	本研究开发了一种基于结膜图像的非侵入性贫血检测方法	首次使用智能手机采集结膜图像结合深度学习模型进行非侵入性贫血检测	样本量相对有限，需要进一步验证模型的泛化能力	开发非侵入性贫血检测方法	贫血和非贫血参与者的结膜图像	计算机视觉	贫血	智能手机图像采集	CNN, GAN, 集成学习	图像	764张原始结膜图像，通过数据增强扩展到4315张	TensorFlow, PyTorch, Scikit-learn	VGG16, ResNet-50, InceptionV3, DCGAN	AUC	NA