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
1681	2025-06-22	SurgRIPE challenge: Benchmark of surgical robot instrument pose estimation 2025-Jun-14, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103674 PMID:40541088	研究论文	介绍SurgRIPE挑战赛，旨在为手术机器人器械姿态估计提供基准测试	提出了首个针对无标记手术器械姿态估计的公开挑战赛，并提供了真实手术视频数据与真实姿态标注	未提及具体的数据集规模限制或算法泛化能力的局限性	推动手术机器人器械姿态估计技术的发展，实现更精确和自主的手术程序	手术机器人器械的姿态估计	计算机视觉	NA	深度学习	NA	视频	NA
1682	2025-06-22	Advanced mastitis detection in Bos indicus cows: A deep learning approach integrated with infrared thermography 2025-Jun-12, Journal of thermal biology IF:2.9Q1 DOI:10.1016/j.jtherbio.2025.104173 PMID:40540820	研究论文	本研究提出了一种结合红外热成像技术和深度学习算法的方法，用于检测Tharparkar牛（Bos indicus）的乳腺炎	首次将红外热成像技术与深度学习算法结合，用于检测Tharparkar牛的乳腺炎，特别是在不同季节下的表现	研究仅针对Tharparkar牛，可能不适用于其他牛种	开发一种非侵入性、准确的乳腺炎检测方法，以提高奶牛的健康管理和生产效率	Tharparkar牛（Bos indicus）的乳腺炎检测	数字病理	乳腺炎	红外热成像技术（IRT）、加州乳腺炎测试（CMT）、体细胞计数（SCC）	CNN、ResNet-50、VGG16	图像	7223个乳腺热图，来自健康、亚临床乳腺炎（SCM）和临床乳腺炎（CM）的乳腺区域
1683	2025-06-22	Hybrid adaptive attention deep supervision-guided U-Net for breast lesion segmentation in ultrasound computed tomography images 2025-Jun-09, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-025-03377-z PMID:40488959	研究论文	提出了一种基于深度学习的混合自适应注意力深度监督引导U-Net网络（HAA-DSUNet），用于乳腺超声计算机断层扫描（BUCT）图像中的乳腺病变分割	用混合自适应注意力模块（HAAM）替代U-Net的传统采样卷积模块，以扩大感受野并探索丰富的全局特征，同时保留精细细节；应用对比损失作为深度监督以减少上采样过程中的信息损失	NA	开发自动化乳腺癌诊断系统，用于早期筛查乳腺病变以提高患者生存率	乳腺超声计算机断层扫描（BUCT）图像中的乳腺病变	数字病理	乳腺癌	深度学习	HAA-DSUNet（基于U-Net的改进模型）	图像	两个UCT图像数据集HCH和HCH-PHMC
1684	2025-06-22	Classification of pediatric video capsule endoscopy images for small bowel abnormalities using deep learning models 2025-Jun-07, World journal of gastroenterology IF:4.3Q1 DOI:10.3748/wjg.v31.i21.107601 PMID:40538507	research paper	本研究使用深度学习模型对小儿视频胶囊内窥镜图像中的小肠异常进行分类	开发了一种基于深度学习的诊断工具，用于自动分类小儿VCE图像中的小肠病变，提高了诊断准确性和效率	研究为回顾性分析，可能存在选择偏倚；样本量相对较小，仅来自单一医疗中心	利用深度学习模型自动分类小儿VCE图像中的小肠病变	162名小儿患者的2298张高分辨率VCE图像	digital pathology	inflammatory bowel disease	video capsule endoscopy	DenseNet121, VGG-16, ResNet50, vision transformer	image	162名儿科患者的2298张图像
1685	2025-06-22	Trajectory-Ordered Objectives for Self-Supervised Representation Learning of Temporal Healthcare Data Using Transformers: Model Development and Evaluation Study 2025-Jun-04, JMIR medical informatics IF:3.1Q2 DOI:10.2196/68138 PMID:40465350	研究论文	本研究提出了一种名为TOO-BERT的基于Transformer的模型，通过整合新颖的轨迹顺序目标（TOO）来改进电子健康记录（EHR）序列的建模	引入了轨迹顺序目标（TOO）以增强模型对医疗事件间复杂时序依赖关系的理解，并通过条件选择过程进一步优化上下文理解和时序感知	研究仅针对两种特定的EHR数据集（MIMIC-IV和MDC）进行了评估，可能在其他数据集上的泛化能力有待验证	改进基于Transformer的模型在捕捉EHR数据中复杂时序依赖关系方面的能力	电子健康记录（EHR）中的患者轨迹数据	自然语言处理	心力衰竭、阿尔茨海默病	掩码语言建模（MLM）、自监督学习	Transformer（TOO-BERT）	电子健康记录（EHR）序列数据	MIMIC-IV数据集约1000万条医疗代码，MDC数据集约800万条医疗代码
1686	2025-06-22	Screening and Risk Analysis of Atrial Fibrillation After Radiotherapy for Breast Cancer: Protocol for the Cross-Sectional Cohort Study "Watch Your Heart (WATCH)" 2025-Jun-04, JMIR research protocols IF:1.4Q3 DOI:10.2196/67875 PMID:40466092	研究论文	该研究旨在通过WATCH队列研究评估乳腺癌放疗后心房颤动的发生率及其与心脏辐射暴露的关联	首次系统研究乳腺癌放疗后心房颤动的发生率，并探索心脏辐射暴露与心房颤动发生的关联	样本量相对较小（200名患者），且仅针对65岁以上的患者群体	评估乳腺癌放疗后心房颤动的发生率，并研究心脏辐射暴露与心房颤动发生的关联	65岁以上接受乳腺癌放疗5年且无心房颤动病史的患者	数字病理	乳腺癌	Withings ScanWatch智能手表监测、心电图（ECG）、经胸超声心动图（TTE）	深度学习算法	生理信号数据、医学影像数据	200名65岁以上接受乳腺癌放疗5年且无心房颤动病史的患者
1687	2025-06-22	Automated periodontal assessment in orthodontic patients: a dual CNN framework 2025-Jun-02, Clinical oral investigations IF:3.1Q1 DOI:10.1007/s00784-025-06410-5 PMID:40455084	研究论文	本研究开发了一种基于卷积神经网络（CNN）的系统，用于在正畸患者的口内图像中诊断牙结石、牙菌斑、牙龈增生和牙龈炎症	提出了一种双CNN框架（YOLOv8和混合U-Net + ResNet50模型），用于自动化牙周评估，提供快速和客观的评估	最终的诊断结论仍需依赖临床医生的专业知识和判断	开发深度学习系统以辅助正畸患者的牙周评估	正畸患者的口内图像	计算机视觉	牙周病	CNN	YOLOv8, U-Net + ResNet50	图像	1000张正畸患者的侧位和正面口内图像
1688	2025-06-22	Predicting hemorrhagic transformation in acute ischemic stroke: a systematic review, meta-analysis, and methodological quality assessment of CT/MRI-based deep learning and radiomics models 2025-Jun, Emergency radiology IF:1.7Q3 DOI:10.1007/s10140-025-02336-3 PMID:40133723	meta-analysis	本文通过系统综述和荟萃分析评估了深度学习和放射组学在预测急性缺血性卒中出血性转化中的准确性和实用性	比较了深度学习模型、放射组学模型及临床结合模型的性能，发现临床结合模型表现最佳	存在中度至重度异质性，参考标准不一致且外部验证有限	优化急性缺血性卒中患者的治疗策略	急性缺血性卒中患者	digital pathology	cardiovascular disease	CT/MRI成像	DL和radiomics-based ML模型	医学影像	16项研究共3083名参与者
1689	2025-06-22	Evaluating anti-VEGF responses in diabetic macular edema: A systematic review with AI-powered treatment insights 2025-Jun-01, Indian journal of ophthalmology IF:2.1Q2 DOI:10.4103/IJO.IJO_1810_24 PMID:40434455	综述	本文系统回顾了深度学习和机器学习在评估糖尿病黄斑水肿患者抗VEGF治疗反应中的应用	利用AI算法区分抗VEGF治疗的应答者和非应答者，并评估多种机器学习模型在延长给药间隔耐受性分析中的效果	研究基于2016-2023年间发表的50篇相关论文，可能存在发表偏倚	评估AI技术在糖尿病黄斑水肿抗VEGF治疗反应预测中的应用效果	糖尿病黄斑水肿患者	数字病理学	糖尿病黄斑水肿	深度学习, 机器学习	LDA, ResNet-50, CNN with attention, QDA, RF, SVM	医学影像数据	50篇相关论文(2016-2023年)
1690	2025-06-22	SPARSITY-DRIVEN PARALLEL IMAGING CONSISTENCY FOR IMPROVED SELF-SUPERVISED MRI RECONSTRUCTION 2025-May-30, ArXiv PMID:40492248	研究论文	提出了一种基于稀疏驱动的并行成像一致性方法，用于改进自监督MRI重建	通过精心设计的扰动训练物理驱动的深度学习网络，并在稀疏域中评估模型预测扰动的能力，从而减少伪影	在高加速率下应用时仍可能引入伪影，影响图像保真度	改进快速MRI扫描的重建质量	MRI图像重建	医学影像处理	NA	自监督学习	PD-DL（物理驱动的深度学习）	MRI图像数据	fastMRI膝盖和大脑数据集
1691	2025-06-22	Deep Learning Differentiates Papilledema, NAION, and Healthy Eyes With Unsegmented 3D OCT Volumes 2025-May-28, American journal of ophthalmology IF:4.1Q1 DOI:10.1016/j.ajo.2025.05.036 PMID:40447246	研究论文	本研究利用深度学习技术，通过未分割的3D OCT体积数据区分视乳头水肿、非动脉炎性前部缺血性视神经病变(NAION)和健康眼睛	首次使用完整的3D OCT体积数据进行深度学习分类，而非传统的分割方法或眼底照片	研究为回顾性分析，需要前瞻性研究验证模型性能	开发自动诊断工具以区分视乳头水肿、NAION和健康眼睛	视神经头(ONH)和视乳头周围视网膜(PPR)的OCT扫描图像	数字病理	眼科疾病	光学相干断层扫描(OCT)	ResNet 3D-18	3D图像	4619份原始光谱域ONH体积扫描(1539只眼睛)，外加1663份外部验证扫描(742只眼睛)
1692	2025-06-22	Automated landmark-based mid-sagittal plane: reliability for 3-dimensional mandibular asymmetry assessment on head CT scans 2025-May-26, Clinical oral investigations IF:3.1Q1 DOI:10.1007/s00784-025-06397-z PMID:40415151	research paper	本研究评估了一种基于自动标记的中矢状面（MSP）在头部CT扫描中量化下颌骨不对称性的可靠性	提出了一种基于深度学习的自动标记方法构建MSP，用于评估下颌骨不对称性，并与手动方法进行比较	研究仅基于368例CT扫描，且自动方法的临床适用性需进一步验证	评估自动标记方法构建MSP在量化下颌骨不对称性中的可靠性	368例头部CT扫描，包括正颌手术患者	digital pathology	NA	deep learning-based method	NA	CT scans	368例头部CT扫描
1693	2025-06-22	Machine learning based radiomic models outperform clinical biomarkers in predicting outcomes after immunotherapy for hepatocellular carcinoma 2025-Apr-17, Journal of hepatology IF:26.8Q1 DOI:10.1016/j.jhep.2025.04.017 PMID:40246150	research paper	该研究利用机器学习和深度学习技术，结合放射组学和临床数据，预测肝细胞癌患者免疫治疗后的生存结果和治疗反应	开发了集成放射组学和临床数据的机器学习模型，显著优于传统临床生物标志物在预测免疫治疗结果方面的表现	研究样本量相对较小（152例患者），且为回顾性研究	预测肝细胞癌患者接受atezolizumab联合bevacizumab免疫治疗后的生存结果和治疗反应	不可切除肝细胞癌患者	digital pathology	hepatocellular carcinoma	deep learning, machine learning	seven machine learning models combined with 13 feature selection techniques	CT images and clinical data	152 patients from two international centers
1694	2025-06-22	Diagnostic performance of the ultrasound -based artificial intelligence diagnostic system in predicting cervical lymph node metastasis in patients with thyroid cancer: A systematic review and meta-analysis 2025 Apr-Jun, Science progress IF:2.6Q2 DOI:10.1177/00368504251346906 PMID:40462622	meta-analysis	本文通过系统回顾和荟萃分析评估了基于超声的人工智能系统在预测甲状腺癌患者颈部淋巴结转移中的诊断性能	首次系统评估了基于超声的AI系统在预测甲状腺癌颈部淋巴结转移中的诊断性能，并比较了不同设计（如深度学习与经典机器学习、多中心与单中心）的效果差异	需要前瞻性验证以确认临床适用性，且中国研究的特异性较低	评估基于超声的AI系统在预测甲状腺癌颈部淋巴结转移中的诊断性能	甲状腺癌患者及其颈部淋巴结转移情况	digital pathology	thyroid cancer	ultrasound, AI	deep learning, classic machine learning	image	19项研究
1695	2025-06-22	Machine learning models for predicting postoperative peritoneal metastasis after hepatocellular carcinoma rupture: a multicenter cohort study in China 2025-Jan-17, The oncologist DOI:10.1093/oncolo/oyae341 PMID:39832130	研究论文	本研究利用机器学习模型预测肝细胞癌破裂后腹膜转移的风险	首次比较了五种机器学习模型在预测肝细胞癌破裂后腹膜转移中的表现，并发现深度学习模型表现最佳	研究样本仅来自中国的7个医疗中心，可能存在地域局限性	开发预测肝细胞癌破裂手术后腹膜转移的最佳机器学习模型	522例接受手术的肝细胞癌破裂患者	机器学习	肝细胞癌	机器学习模型比较	逻辑回归、支持向量机、分类树、随机森林、深度学习(DL)	临床数据	522例患者(来自7个医疗中心)
1696	2025-06-22	Energy metric prediction for double insertion mutants via the RoseNet deep learning framework 2025, Bioinformatics advances IF:2.4Q2 DOI:10.1093/bioadv/vbae198 PMID:40463404	研究论文	利用RoseNet深度学习框架预测双插入突变体的能量指标	扩展了先前的工作，评估了三种额外蛋白质，并分析了影响RoseNet预测能力的域特征，如插入二级结构和残基的溶剂可及表面积（SASA）分数	研究仅基于有限的蛋白质数据集，可能无法推广到所有类型的蛋白质突变	研究蛋白质双氨基酸插入或删除（InDels）的结构和功能影响	蛋白质的双插入突变体	生物信息学	NA	深度学习	RoseNet	蛋白质序列和结构数据	三个蛋白质的详尽双InDel突变数据集和另外三个蛋白质的约145k随机突变体
1697	2025-06-22	Generative AI - Assisted Adaptive Cancer Therapy 2025 Jan-Dec, Cancer control : journal of the Moffitt Cancer Center IF:2.5Q3 DOI:10.1177/10732748251349919 PMID:40532181	review	本文探讨了利用生成式AI（GenAI）提升适应性癌症治疗的预测和推荐能力	结合非线性系统控制理论和深度学习，提出了一个适应性癌症控制框架，利用GenAI增强治疗响应预测和治疗方案推荐	临床数据获取困难、深度学习模型的不透明性以及临床验证是主要挑战	研究如何利用GenAI提升适应性癌症治疗的准确性和可靠性	适应性癌症治疗及其动态调整策略	machine learning	cancer	deep learning	GenAI	multimodal data	NA
1698	2025-06-22	H-DSAE: a hybrid technique to recognize heart disease 2025, Frontiers in physiology IF:3.2Q2 DOI:10.3389/fphys.2025.1563199 PMID:40538756	研究论文	本文提出了一种混合技术H-DSAE，用于识别心脏病，结合了深度信念网络、支持向量机和堆叠自编码器来提高诊断准确性	采用混合深度学习方法H-DSAE，结合多种分类器，显著提高了心脏病诊断的准确率至99.2%	下一步需要开发更先进的分类和特征算法以进一步提升系统效率	提高心脏病诊断的准确性和效率	心脏病患者的心脏图像数据	机器学习	心血管疾病	机器学习、深度学习	DBN, SVM, SAE	图像	NA
1699	2025-06-22	Combination of ultrasound-based radiomics and deep learning with clinical data to predict response in breast cancer patients treated with neoadjuvant chemotherapy 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1525285 PMID:40538839	研究论文	本研究结合超声影像、深度学习特征和临床数据，构建了一个预测乳腺癌患者新辅助化疗后病理完全缓解的融合模型	首次将超声影像的放射组学特征、深度学习特征与临床数据相结合，构建了一个预测性能优越的融合模型	研究为回顾性设计，样本来自两个医疗中心，可能存在选择偏倚	预测乳腺癌患者新辅助化疗后的病理完全缓解(pCR)	643名经病理确诊的乳腺癌患者	数字病理	乳腺癌	超声成像、机器学习算法	融合模型(结合临床模型、放射组学模型和深度学习模型)	超声图像、临床数据	643例患者(中心1:372例；中心2:271例)
1700	2025-06-22	A dual-branch deep learning model based on fNIRS for assessing 3D visual fatigue 2025, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2025.1589152 PMID:40538859	研究论文	本文提出了一种基于fNIRS的双分支深度学习模型，用于评估3D视觉疲劳	首次构建了基于fNIRS的深度学习模型，用于评估3D视觉疲劳，实现了端到端的自动特征提取和分类	未来工作可以探索模型在其他类型疲劳评估中的适用性，并进一步优化其在真实场景中的性能	提升用户体验并优化立体3D技术的性能	20名正常受试者（平均年龄：24.6±0.88岁；范围：23-26岁；13名男性）	机器学习	NA	fNIRS	双分支卷积网络与transformer模块结合	时间序列fNIRS数据	20名正常受试者