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
1641	2025-04-19	The Real-World Impact of Vestibular Schwannoma Fully Automated Volume Measures on the Evaluation of Size Change and Clinical Management Outcomes in a Multidisciplinary Meeting Setting 2025-Mar-25, The journal of international advanced otology IF:1.0Q3 DOI:10.5152/iao.2025.241693 PMID:40208025	research paper	研究探讨了在跨学科会议（MDM）准备阶段提供全自动化前庭神经鞘瘤体积测量对放射学结果和临床管理决策的影响	首次在真实世界的MDM环境中评估全自动化深度学习体积测量与线性尺寸测量对前庭神经鞘瘤大小变化分类和临床管理决策的影响	样本量较小（50名患者），且未证明自动化测量对临床管理决策有显著影响	评估全自动化体积测量在MDM准备阶段的应用效果	50名成人单侧散发性前庭神经鞘瘤患者	digital pathology	vestibular schwannoma	deep learning-based volume measurements	NA	MRI images	50名患者（24男，26女，平均年龄64.6岁），共57次MRI比较
1642	2025-04-19	Two-stage augmentation for detecting malignancy of BI-RADS 3 lesions in early breast cancer 2025-Mar-24, BMC cancer IF:3.4Q2 DOI:10.1186/s12885-025-13960-0 PMID:40128762	研究论文	本研究提出了一种两阶段增强方法，用于提高乳腺超声图像中BI-RADS 3恶性病变的检测率	提出了包含恶性特征增强和数据增强的两步增强方法，并在名为Dual-ResNet50的双分支ResNet50分类模型上验证了其可行性	样本量相对较小，且仅来自两家医院，可能影响模型的泛化能力	提高BI-RADS 3恶性病变的检测率，以改善早期乳腺癌的诊断准确性	乳腺超声图像中的BI-RADS 3病变	数字病理	乳腺癌	深度学习	Dual-ResNet50 (基于ResNet50的双分支分类模型)	图像（B模式和彩色多普勒图像）	1,275个病灶（来自1,096名患者），其中629个用于开发数据集，218个用于内部测试集，428个用于外部测试集
1643	2025-04-19	A longitudinal observational study with ecological momentary assessment and deep learning to predict non-prescribed opioid use, treatment retention, and medication nonadherence among persons receiving medication treatment for opioid use disorder 2025-Mar-22, Journal of substance use and addiction treatment DOI:10.1016/j.josat.2025.209685 PMID:40127869	研究论文	本研究利用生态瞬时评估(EMA)和深度学习技术，预测接受阿片类药物使用障碍(MOUD)治疗患者的非处方阿片类药物使用(NPOU)、药物不依从性和治疗保留情况	结合生态瞬时评估和深度学习模型，动态预测阿片类药物使用障碍治疗中的关键行为指标，并采用SHAP方法解释特征重要性	样本量较小(62名成人)，模型性能在不同指标间差异较大(AUC 0.58-0.97)	预测阿片类药物使用障碍治疗中的不良行为和治疗中断风险	接受阿片类药物使用障碍治疗的成人患者	机器学习	阿片类药物使用障碍	生态瞬时评估(EMA)、电子健康记录(EHR)分析	循环深度学习模型	生态瞬时评估数据、电子健康记录	62名成人患者，共14,322次观察
1644	2025-04-19	Using Deep Learning to Perform Automatic Quantitative Measurement of Masseter and Tongue Muscles in Persons With Dementia: Cross-Sectional Study 2025-Mar-19, JMIR aging IF:5.0Q1 DOI:10.2196/63686 PMID:40106819	研究论文	本研究探讨了使用深度学习技术对老年痴呆症患者头部MRI图像中的肌肉组织进行自动分割和定量的可行性	首次应用深度学习模型对老年痴呆症患者头部MRI中的肌肉组织进行自动定量测量	样本量较小（53名参与者），且为横断面研究	评估深度学习技术在神经认知障碍患者肌肉组织定量测量中的应用可行性	老年痴呆症患者的头部MRI图像	数字病理学	老年痴呆症	MRI	U-Net	医学影像	53名参与者
1645	2025-04-19	A deep learning lightweight model for real-time captive macaque facial recognition based on an improved YOLOX model 2025-Mar-18, Zoological research IF:4.0Q1 DOI:10.24272/j.issn.2095-8137.2024.296 PMID:40049662	研究论文	本文提出了一种基于改进YOLOX模型的轻量级深度学习模型ACE-YOLOX，用于实时识别圈养猕猴的面部	ACE-YOLOX模型集成了Efficient Channel Attention (ECA)、Complete Intersection over Union loss (CIoU)和Adaptive Spatial Feature Fusion (ASFF)，在提高预测精度的同时降低了计算复杂度	NA	开发一种轻量级的面部识别模型，用于圈养猕猴的自动化行为监测	圈养猕猴	计算机视觉	NA	深度学习	YOLOX	图像	179,400张标记的面部图像，来自1,196只猕猴
1646	2025-04-19	Deactivated Cas9-Engineered Magnetic Micromotors toward a Point-of-Care Digital Viral RNA Assay 2025-03-11, ACS nano IF:15.8Q1 DOI:10.1021/acsnano.4c14913 PMID:40017424	研究论文	介绍了一种名为dCRISTOR的新型数字分子诊断方法，用于点对点（POC）应用中的病毒RNA检测	整合了dCas9工程微电机、无提取LAMP扩增、低成本明场显微镜和深度学习图像处理，无需荧光读出或昂贵制造过程	样本量较小（21例加标血浆和9例临床患者样本）	开发一种高灵敏度、高特异性的数字病毒RNA检测方法，用于POC应用	人类免疫缺陷病毒-1（HIV-1）RNA	数字病理学	HIV感染	无提取环介导等温扩增（LAMP）、深度学习图像处理	CNN	图像	21例加标血浆和9例临床患者样本
1647	2025-04-19	Artificial intelligence-based diagnosis of breast cancer by mammography microcalcification 2025-Mar, Fundamental research IF:5.7Q1 DOI:10.1016/j.fmre.2023.04.018 PMID:40242534	研究论文	本文展示了一种基于深度学习的自动化管道，用于乳腺X光摄影中微钙化的检测和分类，以促进乳腺癌的早期诊断	该技术不仅能提供乳腺X光摄影的分类结果，还能标注特定的钙化区域，并探索了基于深度学习的病理亚型和雌激素受体分类的有效性	训练集和测试集的分类准确率分别为0.8124和0.7237，显示模型在测试集上的性能有所下降	开发一种自动化的人工智能系统，以辅助临床医生在乳腺癌筛查、诊断和治疗中做出判断并提高效率	乳腺X光摄影中的微钙化病变	数字病理学	乳腺癌	深度学习	深度学习管道	图像	4,810张乳腺X光片，包含6,663个基于活检结果的微钙化病变（3,301个恶性，3,362个良性）
1648	2025-04-19	Adaptive genetic algorithm based deep feature selector for cancer detection in lung histopathological images 2025-02-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-86362-8 PMID:39922836	研究论文	本文提出了一种基于自适应遗传算法的深度特征选择器，用于肺组织病理学图像中的癌症检测	使用通道注意力机制的深度学习模型作为特征提取器，结合自适应遗传算法进行特征选择，并通过K近邻分类器进行最终分类	仅在公开数据集LC25000上进行了测试，未在其他数据集或实际临床环境中验证	提高肺组织病理学图像中癌症检测的准确性和效率	肺组织病理学图像	数字病理学	肺癌	深度学习、遗传算法	CNN、KNN	图像	LC25000数据集中的肺组织病理学图像
1649	2025-04-19	Application of deep learning algorithm for judicious use of anti-VEGF in diabetic macular edema 2025-02-07, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-87290-3 PMID:39915516	研究论文	本研究开发了一种混合深度学习模型，用于预测糖尿病黄斑水肿患者对抗VEGF治疗的反应	结合OCT图像和临床数据，使用CNN和MLP混合模型提高预测准确性	样本量较小（181例患者），可能需要更大规模验证	提高抗VEGF治疗的精准性，减少不必要的药物使用	糖尿病黄斑水肿患者	数字病理	糖尿病视网膜病变	OCT成像	CNN与MLP混合模型	图像与表格数据	181名患者
1650	2025-04-19	A deep learning approach for automatic 3D segmentation of hip cartilage and labrum from direct hip MR arthrography 2025-02-07, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-86727-z PMID:39920175	研究论文	使用卷积神经网络（CNN）基于3D MRI自动分割髋关节软骨和盂唇	开发了一种基于U-Net架构的全自动分割模型，用于从MRI中分割髋关节软骨和盂唇，并在外部数据集上验证了其性能	研究为单中心回顾性研究，外部验证数据集的样本量较小（40例患者）	开发一种自动分割髋关节软骨和盂唇的深度学习模型，以提供快速准确的3D MRI模型	髋关节软骨和盂唇	数字病理	髋关节疾病	3D MRI	U-Net	3D MRI图像	100例有症状患者（80例用于训练，20例用于测试），外加40例外部验证患者
1651	2025-04-19	Deep learning-based prediction of autoimmune diseases 2025-02-07, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-88477-4 PMID:39920178	研究论文	本研究提出两种深度学习模型（AutoY和LSTMY）用于预测T细胞介导的自身免疫疾病	首次将卷积神经网络（AutoY）和结合注意力机制的双向LSTM网络（LSTMY）应用于T细胞受体（TCR）数据的自身免疫疾病预测	仅针对四种自身免疫疾病进行验证，未涵盖更广泛的疾病类型	开发高精度的自身免疫疾病预测模型	T细胞受体（TCR）数据	机器学习	自身免疫疾病	TCR测序	CNN（AutoY）和双向LSTM（LSTMY）	生物序列数据	未明确说明样本数量（涉及1型糖尿病和多发性硬化症等四种疾病）
1652	2025-04-19	A comprehensive analysis of deep learning and transfer learning techniques for skin cancer classification 2025-02-07, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-82241-w PMID:39920179	research paper	本研究通过深度学习与迁移学习技术，对皮肤癌图像进行分类，提出了一种有效的解决方案	结合三种预训练网络（VGG19、ResNet18、MobileNet_V2）作为分类器或特征提取器，并与机器学习分类器（SVM、DT、Naïve Bayes、KNN）结合使用，提出了一种新的皮肤癌分类方法	研究仅基于ISIC 2018数据集，样本量为3300张图像，可能无法覆盖所有皮肤病变类型	解决皮肤癌（特别是黑色素瘤）的早期准确诊断问题	皮肤癌图像，特别是黑色素瘤的皮肤病变图像	computer vision	skin cancer	deep learning, transfer learning	VGG19, ResNet18, MobileNet_V2, SVM, DT, Naïve Bayes, KNN	image	3300张皮肤病变图像（包括良性和恶性）
1653	2025-04-19	Advanced AI-driven detection of interproximal caries in bitewing radiographs using YOLOv8 2025-02-07, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-84737-x PMID:39920198	研究论文	本研究开发了一种基于YOLOv8算法的深度学习AI模型，用于提高咬翼X光片中邻面龋齿的检测准确率	使用YOLOv8算法改进邻面龋齿检测，显著提高诊断准确率并减少假阴性	研究为回顾性研究，样本量相对有限（552张X光片），且仅在单一机构（德黑兰医科大学）进行	开发AI模型以提高邻面龋齿的诊断准确率	咬翼X光片中的邻面龋齿	计算机视觉	龋齿	YOLOv8算法	YOLOv8	图像	552张X光片，共1,506张标注图像
1654	2025-04-19	FoxA1 knockdown promotes BMSC osteogenesis in part by activating the ERK1/2 signaling pathway and preventing ovariectomy-induced bone loss 2025-02-07, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-88658-1 PMID:39920313	研究论文	研究通过敲低FOXA1基因促进骨髓间充质干细胞(BMSC)成骨分化，并激活ERK1/2信号通路，从而预防卵巢切除引起的骨质流失	利用随机游走技术识别与骨化相关基因，并首次发现FOXA1在骨质疏松中的调控作用及其通过ERK1/2信号通路影响BMSC成骨分化的机制	研究主要基于小鼠模型，尚未在人体中进行验证	探索骨质疏松治疗新靶点及BMSC成骨分化调控机制	骨髓间充质干细胞(BMSC)和卵巢切除小鼠模型	分子生物学	骨质疏松	随机游走算法、qRT-PCR、免疫组化、Western blot、慢病毒转染、显微CT	卵巢切除小鼠模型	基因表达数据、蛋白质表达数据、影像数据	未明确说明样本数量
1655	2025-04-19	Noninvasive Quantitative CT for Diffuse Liver Diseases: Steatosis, Iron Overload, and Fibrosis 2025-01, Radiographics : a review publication of the Radiological Society of North America, Inc IF:5.2Q1 DOI:10.1148/rg.240176 PMID:39700040	research paper	该研究探讨了非侵入性定量CT在弥漫性肝病（脂肪变性、铁过载和纤维化）检测和量化中的应用	提出了非对比CT在肝脏脂肪和铁过载量化中的近似MRI性能，以及AI深度学习算法在自动化定量CT评估中的应用	对比后CT在肝脏脂肪量化中的精确度较低，仅能提供分类评估	研究非侵入性CT技术在弥漫性肝病检测和量化中的临床应用	弥漫性肝病（脂肪变性、铁过载和纤维化）患者	digital pathology	liver disease	CT, MRI, AI deep learning	deep learning	image	NA
1656	2025-04-19	Faster Acquisition and Improved Image Quality of T2-Weighted Dixon Breast MRI at 3T Using Deep Learning: A Prospective Study 2025-01, Korean journal of radiology IF:4.4Q1 DOI:10.3348/kjr.2023.1303 PMID:39780629	research paper	本研究比较了深度学习重建的T2加权Dixon序列与传统T2加权Dixon序列在乳腺MRI中的图像质量和病灶特征	使用深度学习重建的T2加权Dixon序列（T2DL）在减少采集时间的同时提高了图像质量	研究仅在一台3T扫描仪上进行，且样本量相对有限	比较深度学习重建的T2加权Dixon序列与传统序列在乳腺MRI中的表现	乳腺MRI图像	digital pathology	breast cancer	MRI, deep learning	deep learning	image	140名女性（85个囊肿和31个乳腺癌病例）
1657	2025-04-19	UMamba Adjustment: Advancing GTV Segmentation for Head and Neck Cancer in MRI-Guided RT with UMamba and NnU-Net ResEnc Planner 2025, Head and Neck Tumor Segmentation for MR-Guided Applications : First MICCAI Challenge, HNTS-MRG 2024, held in conjunction with MICCAI 2024, Marrakesh, Morocco, October 17, 2024, proceedings DOI:10.1007/978-3-031-83274-1_9 PMID:40236615	research paper	该研究提出了一种名为UMambaAdj的新方法，用于在MRI引导的放疗中更精确地分割头颈癌的肿瘤体积	结合UMamba和nnU-Net ResEnc的优势，提出了一种新的肿瘤分割方法UMambaAdj	研究仅在HNTS-MRG 2024挑战测试集上进行了评估，可能需要更多数据验证	提高头颈癌MRI引导放疗中肿瘤体积分割的准确性	头颈癌患者的MRI图像中的肿瘤体积（GTVp和GTVn）	digital pathology	head and neck cancer	MRI	UMamba, nnU-Net ResEnc	image	HNTS-MRG 2024挑战测试集中的MRI图像
1658	2025-04-19	VMamba for plant leaf disease identification: design and experiment 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1515021 PMID:40241820	research paper	该研究将VMamba视觉骨干模型引入农业植物病害检测任务，结合扩散模型和迁移学习技术，提出DDHTLVMamba方法，用于小样本农业数据集的植物病害检测	引入VMamba模型，通过选择性扫描机制降低计算复杂度，同时保持全局感受野和利用动态加权优势显著提高分类精度	研究主要针对小样本农业数据集，可能在大规模多样化数据集上的泛化能力有待验证	提高农业植物病害识别的准确性和效率，推动智能农业病害防控技术的发展	农业植物病害	computer vision	plant disease	diffusion models, transfer learning	VMamba, ResNet50, Vision Transformer, Swin Transformer	image	小样本农业数据集和大规模数据集如PlantVillage
1659	2025-04-19	Advancement and independent validation of a deep learning-based tool for automated scoring of nail psoriasis severity using the modified nail psoriasis severity index 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1574413 PMID:40241894	research paper	开发和验证了一种基于卷积神经网络（CNN）的工具，用于自动评分指甲银屑病的严重程度，使用改良的指甲银屑病严重程度指数（mNAPSI）	提出了一种不依赖标准化条件、能够准确评估所有严重程度等级的自动化评分工具	尽管在独立验证数据集中表现稳健，但成像条件的变异性可能影响模型性能	开发并验证一个自动化评分指甲银屑病严重程度的深度学习模型	银屑病（PsO）、银屑病关节炎（PsA）患者及非银屑病对照（包括健康个体和类风湿关节炎患者）	digital pathology	psoriasis	CNN, BEiT architecture, ImageNet-22k pre-training	CNN	image	训练数据集包括460名患者的4,400张指甲照片，独立验证数据集包括118名患者的929张指甲照片
1660	2025-04-19	A lightweight multi-deep learning framework for accurate diabetic retinopathy detection and multi-level severity identification 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1551315 PMID:40241910	research paper	提出了一种轻量级深度学习框架，用于准确检测糖尿病视网膜病变（DR）及其多级严重程度识别	设计了一个两阶段的轻量级深度学习网络，第一阶段检测DR存在与否，第二阶段通过迁移学习进一步分类DR严重程度	仅使用了在线数据集进行验证，未涉及临床实际应用验证	提高糖尿病视网膜病变检测的准确性和及时性，以改善患者预后	糖尿病视网膜病变患者的眼底图像	digital pathology	diabetic retinopathy	deep learning, transfer learning	CNN	image	APTOS 2019数据集