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
16661	2025-03-26	Development and Evaluation of a Deep Learning Algorithm to Differentiate Between Membranes Attached to the Optic Disc on Ultrasonography 2025, Clinical ophthalmology (Auckland, N.Z.) DOI:10.2147/OPTH.S501316 PMID:40125481	研究论文	开发并评估了一种基于深度学习的算法，用于在超声检查中区分附着于视盘的膜	首次使用基于Transformer的Vision Transformer (ViT)模型对眼部超声B扫描图像进行分类，以区分健康、视网膜脱离(RD)和玻璃体后脱离(PVD)	存在少量误分类情况，有7例RD被错误标记为PVD	提高在超声检查中识别和区分附着于视盘的膜的准确性	眼部超声B扫描图像	计算机视觉	眼科疾病	超声检查(USG)	Vision Transformer (ViT)	图像	训练和验证集505个样本，测试集212个样本	NA	NA	NA	NA
16662	2025-03-26	[Paper Review: Deep Learning-based PET Image Denoising and Reconstruction: A Review] 2025, Nihon Hoshasen Gijutsu Gakkai zasshi DOI:10.6009/jjrt.25-0303 PMID:40128957	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
16663	2025-10-07	Deep learning on CT scans to predict checkpoint inhibitor treatment outcomes in advanced melanoma 2024-12-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-81188-2 PMID:39738216	研究论文	本研究首次利用深度学习分析晚期黑色素瘤患者的CT影像，预测免疫检查点抑制剂治疗结果	首次探索基于CT影像的深度学习模型预测晚期黑色素瘤免疫治疗疗效	深度学习模型未能显著超越已知临床预测因子，样本量有限且为回顾性研究	开发基于CT影像的深度学习模型预测免疫检查点抑制剂治疗反应	晚期黑色素瘤成年患者	计算机视觉	黑色素瘤	CT成像	深度学习模型	CT影像	730名患者，2722个病灶	NA	NA	AUROC	NA
16664	2025-10-07	Attention-guided convolutional network for bias-mitigated and interpretable oral lesion classification 2024-12-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-81724-0 PMID:39738228	研究论文	提出一种用于口腔病变分类的注意力引导卷积网络，专注于准确性、可解释性和减少数据集偏差	整合分类流、引导流和解剖部位预测流三个组件，通过注意力机制与临床相关区域对齐，提高模型可解释性和抗偏差能力	数据来源于单一口腔病理诊所，时间跨度较长(1999-2021)，可能存在选择偏差	开发能够准确分类口腔病变并减少数据集偏差的深度学习模型	口腔病变图像	计算机视觉	口腔癌	数字图像分析	CNN	图像	1079名患者的2765张口腔内数字图像，包含16种病变类型	NA	注意力引导卷积网络	准确率, 平衡准确率, AUC	NA
16665	2025-10-07	Optimizing VGG16 deep learning model with enhanced hunger games search for logo classification 2024-12-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-82022-5 PMID:39738231	研究论文	提出一种基于VGG16模型并通过增强型饥饿游戏搜索算法优化超参数的深度学习架构EHGS-VGG16，用于logo图像分类	将增强型饥饿游戏搜索算法与VGG16模型结合进行超参数优化，在标准HGS算法基础上引入了局部最优和局部逃逸机制来提升探索能力	标准HGS算法存在种群多样性受限和易陷入局部最优的问题	提升logo图像分类的准确率	logo图像	计算机视觉	NA	深度学习	CNN	图像	Flickr-27 logo分类数据集	NA	VGG16, ResNet50V2, InceptionV3, DenseNet121, EfficientNetB0, MobileNetV2	准确率, 精确率, 召回率	NA
16666	2025-10-07	DeepGOMeta for functional insights into microbial communities using deep learning-based protein function prediction 2024-12-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-82956-w PMID:39738309	研究论文	本研究开发了DeepGOMeta深度学习模型，用于微生物群落中蛋白质功能的预测	提出了专门针对微生物数据的蛋白质功能预测深度学习模型，克服了传统方法对同源性和序列相似性的依赖	模型主要针对微生物数据训练，在其他类型生物数据上的适用性需要进一步验证	开发能够从复杂微生物样本中获取功能见解的蛋白质功能预测方法	微生物群落中的蛋白质功能预测	生物信息学	NA	深度学习	深度学习模型	蛋白质序列数据，基因本体论注释数据	NA	NA	DeepGOMeta	NA	NA
16667	2025-10-07	A lung nodule segmentation model based on the transformer with multiple thresholds and coordinate attention 2024-12-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-82877-8 PMID:39738386	研究论文	提出一种基于Transformer和多阈值坐标注意力的肺结节分割模型MCAT-Net	构建多阈值特征分离模块捕获边缘纹理特征，引入坐标注意力机制增强空间信息感知，结合Transformer捕获长程依赖关系	NA	提高肺结节分割的准确性以辅助肺癌早期检测	肺结节医学图像	计算机视觉	肺癌	深度学习	Transformer, CNN	医学图像	LIDC-IDRI和LNDb数据集	NA	MCAT-Net, Transformer, 编码器-解码器结构	Dice相似系数, 灵敏度	NA
16668	2025-10-07	IoT based intelligent pest management system for precision agriculture 2024-12-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-83012-3 PMID:39738391	研究论文	本文提出了一种基于物联网的智能害虫管理系统，用于精准农业中的害虫检测和分类	开发了配备嵌入式计算的智能昆虫陷阱原型，结合多种图像特征训练的CNN分类器，在真实田间环境中实现害虫自动识别	数据集仅包含东方果实蝇图像，在单一作物（番石榴园）中采集，样本多样性有限	开发智能害虫管理系统以提升作物保护能力和农业生产效率	东方果实蝇及其他昆虫	计算机视觉	农业害虫	图像采集，物联网技术	CNN	图像	1000+张在番石榴园不同光照条件下采集的图像，分为果实蝇和非果实蝇两类	NA	CNN	准确率，精确率，召回率，F1分数，特异性，FNR，mAP	嵌入式计算设备
16669	2025-10-07	A deep learning-based ADRPPA algorithm for the prediction of diabetic retinopathy progression 2024-12-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-82884-9 PMID:39738461	研究论文	本研究开发了一种基于深度学习的糖尿病视网膜病变进展预测算法（ADRPPA），利用纵向视网膜图像数据预测疾病进展	首次结合DR严重程度分级和微动脉瘤量化评分，利用纵向数据预测非参考性DR向参考性DR的进展	回顾性研究设计，数据集来源有限，模型在独立验证集上的表现需要进一步验证	开发能够预测糖尿病视网膜病变进展的人工智能算法	糖尿病视网膜病变患者的视网膜眼底图像	计算机视觉	糖尿病视网膜病变	视网膜眼底成像	CNN	图像	EyePACS数据集：12,768张图像（6,384只眼睛）；e-ophtha数据集：148张图像	NA	ResNeXt, Mask-RCNN	AUC, 召回率, 精确率, F1分数	NA
16670	2025-10-07	Classification of cervical cancer using Dense CapsNet with Seg-UNet and denoising autoencoders 2024-12-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-82489-2 PMID:39738568	研究论文	提出一种结合Seg-UNet分割、去噪自编码器特征提取和Dense CapsNet分类的宫颈癌分类系统	首次将四种深度学习方法集成于宫颈癌分类流程，通过m-GAN数据增强和Seg-UNet分割解决细胞分组难题	未说明模型在数据分布严重不平衡时的泛化能力，未与其他先进方法进行充分对比	提升宫颈癌多类别分类的准确性和鲁棒性	宫颈涂片图像数据	计算机视觉	宫颈癌	Pap smear	GAN, Autoencoder, CapsNet, UNet	医学图像	SIPaKMeD数据集	NA	Seg-UNet, Denoising Autoencoder, Dense CapsNet, m-GAN	准确率	NA
16671	2025-10-07	Automatic ovarian follicle detection using object detection models 2024-12-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-82904-8 PMID:39738599	研究论文	本研究开发了基于深度学习的目标检测模型来自动检测卵巢组织切片中的卵泡结构	首次将单阶段目标检测模型YOLO和RetinaNet应用于卵巢卵泡检测，并采用迁移学习、数据增强和焦点损失函数解决类别不平衡问题	仅使用1000张图像的小规模数据集进行训练和验证	开发自动化的卵巢卵泡检测方法以替代人工计数	卵巢组织切片中的窦卵泡和黄体	计算机视觉	生殖系统疾病	组织学切片成像	目标检测模型	图像	1000张卵巢组织切片图像	NA	YOLO, RetinaNet	平均精度均值(mAP)	NA
16672	2025-10-07	Dental bur detection system based on asymmetric double convolution and adaptive feature fusion 2024-12-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-83241-6 PMID:39738621	研究论文	提出基于非对称双卷积和自适应特征融合的牙科车针检测系统YOLO-DB	设计轻量级非对称双卷积模块(LADC)减少冗余特征干扰，结合SlimNeck与BiFPN-Concat的新型融合网络实现高效特征融合	NA	提升微小尺寸牙科车针的检测精度和计数效率	牙科车针（牙科医疗器械）	计算机视觉	NA	深度学习	YOLO	图像	NA	NA	YOLO-DB, LADC, SlimNeck, BiFPN-Concat	mAP@0.5, mAP@0.5:0.95, 帧率, 参数量, 计算量, 计数准确率	NA
16673	2025-10-07	Peptidomics and Machine Learning-based Evaluation of Noncoding RNA-Derived Micropeptides in Breast Cancer: Expression Patterns and Functional/Therapeutic Insights 2024-12, Laboratory investigation; a journal of technical methods and pathology DOI:10.1016/j.labinv.2024.102150 PMID:39393531	研究论文	通过肽组学和机器学习方法评估非编码RNA来源的微肽在乳腺癌中的表达模式及功能/治疗潜力	首次大规模整合肽组学数据和多种机器学习工具系统评估ncRNA来源微肽在乳腺癌亚型中的表达特征和功能潜力	研究基于预测性微肽数据集，需要实验验证确认其生物学功能	深入探索非编码RNA来源微肽在乳腺癌亚型中的表达模式及其在疾病中的作用机制	乳腺癌组织和不同分子亚型肿瘤样本	机器学习	乳腺癌	高通量质谱分析，肽组学	机器学习，深度学习	质谱数据，肽序列数据	16,349个预测微肽序列，58个在乳腺组织中表达的肽段	AntiCP 2.0, MULocDeep, PEPstrMOD, Peptipedia, PreAIP	NA	差异表达分析，功能预测，理化特征评估	NA
16674	2025-10-07	Artificial intelligence facial recognition of obstructive sleep apnea: a Bayesian meta-analysis 2024-Nov-30, Sleep & breathing = Schlaf & Atmung DOI:10.1007/s11325-024-03173-3 PMID:39614959	荟萃分析	通过贝叶斯荟萃分析评估基于人工智能面部识别技术诊断阻塞性睡眠呼吸暂停的诊断准确性	首次使用贝叶斯方法对基于颅面照片的AI诊断OSA进行荟萃分析，并识别出深度学习算法具有最佳诊断性能	仅纳入6项研究，样本量相对有限（训练集1417人，测试集983人）	评估基于颅面照片的人工智能算法在阻塞性睡眠呼吸暂停诊断中的准确性	成年阻塞性睡眠呼吸暂停患者（≥18岁）	计算机视觉	阻塞性睡眠呼吸暂停	颅面摄影	CNN,深度学习算法	面部图像	训练集1417名参与者，测试集983名参与者	NA	卷积神经网络	灵敏度,特异度,95%可信区间	NA
16675	2025-10-07	Artificial intelligence-based model for the recurrence of hepatocellular carcinoma after liver transplantation 2024-11, Surgery IF:3.2Q1 DOI:10.1016/j.surg.2024.07.039 PMID:39181726	研究论文	开发基于人工智能的深度学习模型预测肝细胞癌活体肝移植术后复发风险	首次将人工智能深度学习模型应用于肝细胞癌肝移植术后复发风险分层	单中心回顾性研究，样本量有限（n=192）	改善肝细胞癌患者肝移植适应症选择	接受活体肝移植的肝细胞癌患者	数字病理	肝细胞癌	深度学习	深度学习模型	临床数据	192例患者	NA	NA	AUC, 5年无复发生存率	NA
16676	2025-10-07	Spatial Heterogeneity of PD-1/PD-L1 Defined Osteosarcoma Microenvironments at Single-Cell Spatial Resolution 2024-11, Laboratory investigation; a journal of technical methods and pathology DOI:10.1016/j.labinv.2024.102143 PMID:39321925	研究论文	本研究通过深度学习与多重荧光免疫组化技术，在单细胞空间分辨率下分析骨肉瘤微环境中PD-1/PD-L1定义的细胞空间异质性	开发了新型TAM/破骨细胞分化算法，结合深度学习与多重荧光免疫组化首次在单细胞层面揭示PD-1/PD-L1定义骨肉瘤微环境的空间异质性	未明确说明样本数量和研究人群特征，缺乏多中心验证	探究骨肉瘤肿瘤微环境中细胞亚型的空间分布特征及其与免疫治疗的关系	骨肉瘤肿瘤微环境中的肿瘤相关巨噬细胞、T细胞、成骨细胞和破骨细胞	数字病理学	骨肉瘤	多重荧光免疫组化，深度学习数字图像分析	深度学习	病理图像	NA	NA	NA	NA	NA
16677	2025-10-07	Assessing the Tumor Immune Landscape Across Multiple Spatial Scales to Differentiate Immunotherapy Response in Metastatic Non-Small Cell Lung Cancer 2024-11, Laboratory investigation; a journal of technical methods and pathology DOI:10.1016/j.labinv.2024.102148 PMID:39389312	研究论文	通过多空间尺度分析肿瘤免疫微环境以区分转移性非小细胞肺癌患者对免疫治疗的响应差异	引入多种计算分析方法在多重荧光免疫组化数据集上量化肿瘤-免疫细胞相互作用，并定义肿瘤亚区域进行局部空间分析	样本量相对有限（52名患者），模型性能有待进一步提升	识别影响免疫治疗响应的肿瘤微环境关键特征	转移性非小细胞肺癌患者	数字病理学	肺癌	多重荧光免疫组化	深度学习	图像	52名患者的1,269张多重荧光免疫组化图像	NA	可解释深度学习模型	AUC	NA
16678	2025-10-07	Prostate Cancer Risk Stratification in NRG Oncology Phase III Randomized Trials Using Multimodal Deep Learning With Digital Histopathology 2024-Oct, JCO precision oncology IF:5.3Q1 DOI:10.1200/PO.24.00145 PMID:39447096	研究论文	本研究开发了一种基于多模态深度学习的前列腺癌风险分层系统，通过数字组织病理学图像和临床数据改善局部前列腺癌的风险评估	首次在NRG Oncology III期随机试验中应用多模态人工智能模型进行前列腺癌风险分层，相比现有NCCN风险分组显示出更好的预后分层能力	研究基于特定临床试验队列，需要在更广泛的人群中进行外部验证	开发优于当前NCCN风险分组的临床可用前列腺癌风险分层系统	9,787名来自8项NRG Oncology III期随机试验的局部前列腺癌患者	数字病理学	前列腺癌	数字组织病理学成像	多模态深度学习	数字组织病理学图像, 临床数据	9,787名患者	NA	多模态人工智能模型	10年远处转移率, 风险重分类率	NA
16679	2024-09-10	Validation of a fully automated deep learning-enabled solution for CCTA atherosclerotic plaque and stenosis quantification in a diverse real-world cohort 2024 Sep-Oct, Journal of cardiovascular computed tomography IF:5.5Q1 DOI:10.1016/j.jcct.2024.03.012 PMID:38553402	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
16680	2025-10-07	An end-to-end deep learning pipeline to derive blood input with partial volume corrections for automated parametric brain PET mapping 2024-Aug-19, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ad6a64 PMID:39094595	研究论文	提出一种端到端深度学习流程，通过部分容积校正自动生成血液输入函数用于脑PET参数映射	首次结合3D U-Net和RNN实现非侵入性血液输入函数计算，无需动脉采血	仅基于50例FDG PET扫描进行验证，样本量有限	开发非侵入性定量分析动态脑FDG-PET的方法	人类脑部FDG PET扫描数据	医学影像分析	神经系统疾病	动态FDG-PET成像	3D U-Net, RNN	3D PET影像	50例人类脑部FDG PET扫描	NA	3D U-Net, RNN	Dice系数, 交并比, 均方根误差	NA