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	2025-05-04	A systematic review of progress test as longitudinal assessment in Saudi Arabia 2025-Jan-21, BMC medical education IF:2.7Q1 DOI:10.1186/s12909-025-06671-4 PMID:39838466	系统综述	本文系统综述了沙特阿拉伯本科医学教育中进展测试作为纵向评估方法的现状、效用、优缺点	强调了进展测试作为纵向评估方法的动态特性及其在促进深度学习和个性化学习体验方面的优势	研究仅聚焦于沙特阿拉伯的本科医学教育，可能限制了结果的普遍适用性	探索沙特阿拉伯本科医学教育中纵向评估的实践，特别是进展测试的效用	沙特阿拉伯本科医学教育中的进展测试	医学教育	NA	系统综述方法	NA	文献数据	NA
1682	2025-05-04	Comparative analysis of deep learning and radiomic signatures for overall survival prediction in recurrent high-grade glioma treated with immunotherapy 2025-Jan-21, Cancer imaging : the official publication of the International Cancer Imaging Society IF:3.5Q1 DOI:10.1186/s40644-024-00818-0 PMID:39838503	research paper	比较深度学习和放射组学特征在预测接受免疫治疗的复发性高级别胶质瘤患者总生存期中的表现	比较了手动分割和CNN自动分割的放射组学特征在预测总生存期中的效果，并评估了端到端CNN预后模型的性能	端到端黑盒建模的解释性较低，且自动分割的放射组学特征预测性能较差	预测复发性高级别胶质瘤患者接受免疫治疗后的总生存期	154例复发性高级别胶质瘤患者	digital pathology	brain tumor	radiomic analysis, deep learning	CNN, SVM	medical images	154 cases of recurrent HGG from multiple centers
1683	2025-05-04	Deep learning-based anterior segment identification and parameter assessment of primary angle closure disease in ultrasound biomicroscopy images 2025-Jan-20, BMJ open ophthalmology IF:2.0Q2 DOI:10.1136/bmjophth-2023-001600 PMID:39837590	研究论文	开发一种基于深度学习的人工智能算法，用于自动识别超声生物显微镜（UBM）图像中的前段结构并评估原发性闭角型疾病（PACD）的多个参数	提出了一种基于深度学习的多组织分割模型，用于自动识别前段结构并定位巩膜突，同时自动测量典型角度参数	样本量相对较小，仅包含592名受试者的2339张UBM图像用于算法开发，45名受试者的222张UBM图像用于验证	开发一种自动识别前段结构并评估PACD参数的人工智能算法	超声生物显微镜（UBM）图像中的前段结构	数字病理	原发性闭角型疾病	超声生物显微镜（UBM）	深度学习	图像	592名受试者的2339张UBM图像用于开发，45名受试者的222张UBM图像用于验证
1684	2025-05-04	TrimNN: Characterizing cellular community motifs for studying multicellular topological organization in complex tissues 2025-Jan-17, Research square DOI:10.21203/rs.3.rs-5584635/v1 PMID:39877090	研究论文	介绍了一种名为TrimNN的神经网络方法，用于研究复杂组织中多细胞拓扑组织的细胞群落模式	提出了一种自下而上的方法，通过图神经网络识别可解释且具有普遍性的细胞群落模式，不同于传统的自上而下分析方法	NA	研究细胞空间排列对组织功能的影响及其拓扑协调规则	空间转录组学和蛋白质组学中的细胞群落模式	数字病理学	NA	空间组学	图神经网络	空间组学数据	NA
1685	2025-05-04	Deep learning and generative artificial intelligence in aging research and healthy longevity medicine 2025-Jan-16, Aging DOI:10.18632/aging.206190 PMID:39836094	review	探讨深度学习和生成式人工智能在老龄化研究和健康长寿医学中的应用	综述了DL和GenAI在生物标志物发现、深度衰老时钟开发、老年保护剂识别以及针对衰老和疾病的双重用途治疗药物生成中的应用，并探讨了多模态、多任务研究系统的出现	NA	扩展健康生产寿命，推动老龄化研究和健康长寿医学的发展	人类和动物的老龄化研究	machine learning	geriatric disease	NA	Deep Learning (DL), Generative Artificial Intelligence (GenAI)	NA	NA
1686	2025-05-04	Machine Learning-Based Quantification of Lateral Flow Assay Using Smartphone-Captured Images 2025-Jan-04, Biosensors DOI:10.3390/bios15010019 PMID:39852070	研究论文	本研究开发了基于机器学习和深度学习的模型，用于从智能手机拍摄的侧流层析试纸图像中量化分析物负载	利用机器学习和深度学习模型提升侧流层析试纸的定量分析能力，突破了传统只能进行定性诊断的限制	研究未提及模型在大规模数据集上的泛化能力验证	提升侧流层析试纸的定量分析能力	侧流层析试纸的智能手机拍摄图像	计算机视觉	NA	NA	随机森林, CNN	图像	未明确说明样本数量
1687	2025-05-04	Deep-Learning-Based Reconstruction of Single-Breath-Hold 3 mm HASTE Improves Abdominal Image Quality and Reduces Acquisition Time: A Quantitative Analysis 2025-Jan-03, Current oncology (Toronto, Ont.) DOI:10.3390/curroncol32010030 PMID:39851946	研究论文	本研究通过深度学习重建技术改进单次屏气3毫米HASTE MRI的图像质量并缩短采集时间	使用深度学习重建技术优化超薄层厚（3毫米）HASTE MRI，显著提升图像质量并减少63-69%的采集时间	样本量较小（35名参与者），且仅在上腹部MRI中验证	提升腹部MRI图像质量并加速成像采集	上腹部MRI扫描	医学影像分析	NA	深度学习重建（DL-HASTE）	深度学习	MRI图像	35名参与者（5名健康志愿者和30名患者）
1688	2025-05-04	Noninvasive Anemia Detection and Hemoglobin Estimation from Retinal Images Using Deep Learning: A Scalable Solution for Resource-Limited Settings 2025-Jan-02, Translational vision science & technology IF:2.6Q2 DOI:10.1167/tvst.14.1.20 PMID:39847377	研究论文	本研究开发并验证了一种基于深度学习的模型，用于通过眼底图像无创检测贫血、估计血红蛋白水平及识别贫血相关视网膜特征	利用深度学习模型（InceptionV3）从眼底图像中无创预测贫血和血红蛋白水平，并识别贫血相关的视网膜血管特征	研究样本仅限于南印度40岁及以上人群，可能无法推广到其他年龄组或地区	开发一种适用于资源有限环境的无创贫血检测和血红蛋白水平估计方法	2265名40岁及以上的参与者	数字病理学	贫血	深度学习	VGG16, ResNet50, InceptionV3	图像	2265名参与者
1689	2025-05-04	Explainable Deep Learning for Glaucomatous Visual Field Prediction: Artifact Correction Enhances Transformer Models 2025-Jan-02, Translational vision science & technology IF:2.6Q2 DOI:10.1167/tvst.14.1.22 PMID:39847375	研究论文	本研究开发了一种深度学习方法来修复带有伪影的光学相干断层扫描（OCT）图像，并预测24-2 Humphrey视野（HVF）测试中的功能损失	结合自监督视觉变换器（ViT）与生成式伪影校正技术，提高了青光眼结构与功能之间的相关性预测	研究依赖于有限的样本量，且仅针对特定类型的OCT伪影进行了校正	开发一种能够校正OCT图像伪影并预测青光眼功能损失的深度学习方法	951只眼的1674对视野-OCT数据用于训练，345只眼的429对数据用于测试	数字病理	青光眼	光学相干断层扫描（OCT），生成扩散模型	CNN, Transformer-based models (DINO-ViT)	图像	训练集：1674对视野-OCT数据（951只眼）；测试集：429对视野-OCT数据（345只眼）
1690	2025-05-04	Artificial Intelligence for Optical Coherence Tomography in Glaucoma 2025-Jan-02, Translational vision science & technology IF:2.6Q2 DOI:10.1167/tvst.14.1.27 PMID:39854198	review	本文探讨了人工智能（AI）特别是深度学习（DL）与光学相干断层扫描（OCT）在青光眼诊断和管理中的整合应用	展示了多种DL模型（如CNN、RNN、GAN、自动编码器和LLM）在OCT图像分析中的创新应用，包括提高图像质量、青光眼诊断和疾病进展监测	面临数据可用性、变异性、潜在偏见以及需要广泛验证等挑战	探索AI特别是DL模型如何增强OCT在青光眼管理中的诊断能力	青光眼患者的光学相干断层扫描（OCT）图像	digital pathology	glaucoma	optical coherence tomography (OCT)	CNN, RNN, GAN, autoencoders, LLM	image, text	NA
1691	2025-05-04	Concept-Based Lesion Aware Transformer for Interpretable Retinal Disease Diagnosis 2025-Jan, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3429148 PMID:39012729	research paper	提出了一种基于概念的、可解释的视网膜疾病诊断框架，结合Transformer架构和病灶概念，提升诊断模型的性能和可解释性	将视网膜病灶视为概念，利用Transformer架构捕获长距离依赖关系，实现病灶特征的有效识别，并通过交叉注意力机制构建分类器，提供基于人类可理解病灶概念的解释	未提及具体的数据集规模限制或模型在特定条件下的性能下降情况	提升视网膜疾病诊断模型的性能和可解释性	视网膜疾病诊断	digital pathology	视网膜疾病	Transformer架构，交叉注意力机制	Transformer	image	四个眼底图像数据集（未提及具体样本数量）
1692	2025-05-04	Bayesian-optimized deep learning for identifying essential genes of mitophagy and fostering therapies to combat drug resistance in human cancers 2025-Jan, Journal of cellular and molecular medicine IF:4.3Q2 DOI:10.1111/jcmm.18254 PMID:39834330	research paper	提出了一种名为BayeDEM的贝叶斯优化深度学习模型，用于识别调控线粒体自噬的关键基因，并开发基于线粒体自噬的治疗策略以对抗人类癌症中的耐药性	BayeDEM模型通过贝叶斯优化，在线粒体自噬关键基因识别中表现出色，并成功应用于骨肉瘤耐药性研究	研究主要集中于骨肉瘤细胞，其他癌症类型的适用性尚待验证	识别调控线粒体自噬的关键基因并开发针对癌症耐药性的治疗策略	骨肉瘤细胞及其耐药机制	machine learning	osteosarcoma	Bayesian-optimized deep learning	BayeDEM	genomic data	NA
1693	2025-05-04	Automated Deep Learning-Based Detection and Segmentation of Lung Tumors at CT 2025-Jan, Radiology IF:12.1Q1 DOI:10.1148/radiol.233029 PMID:39835976	研究论文	开发并评估了一种基于深度学习的集成模型，用于自动化识别和分割CT扫描中的肺部肿瘤	采用3D U-Net集成方法，平衡体积上下文与分辨率，实现稳健的肿瘤检测和分割性能，并能够泛化到外部站点	研究为回顾性研究，可能受到数据选择和标注偏差的影响	自动化肺部肿瘤的检测和分割，以辅助癌症进展监测、治疗反应评估和放射治疗计划	CT扫描中的肺部肿瘤	数字病理	肺癌	CT扫描	3D U-Net	图像	1,504例CT扫描用于训练，150例CT扫描用于测试
1694	2025-05-04	Deep Learning-Enabled Assessment of Right Ventricular Function Improves Prognostication After Transcatheter Edge-to-Edge Repair for Mitral Regurgitation 2025-Jan, Circulation. Cardiovascular imaging DOI:10.1161/CIRCIMAGING.124.017005 PMID:39836730	研究论文	本研究探讨了深度学习预测的右心室射血分数（RVEF）在严重二尖瓣反流（MR）患者经导管边缘对边缘修复（TEER）后的预后价值	利用深度学习模型从标准的二维超声心动图视频中预测RVEF，提高了对TEER后患者预后的评估准确性	研究仅基于二维超声心动图视频，未与其他影像学方法进行更广泛的比较	评估深度学习预测的RVEF在严重MR患者TEER后的预后价值	严重二尖瓣反流（MR）患者	数字病理学	心血管疾病	深度学习模型	深度学习	视频	1154名患者
1695	2025-05-04	Automating egg damage detection for improved quality control in the food industry using deep learning 2025-Jan, Journal of food science IF:3.2Q2 DOI:10.1111/1750-3841.17553 PMID:39838604	研究论文	本研究利用深度学习算法自动识别鸡蛋的裂纹和表面损伤，以提高食品行业中的鸡蛋质量控制	采用四种不同的CNN模型（GoogLeNet、VGG-19、MobileNet-v2和ResNet-50）进行鸡蛋损伤检测，其中GoogLeNet达到了最高的分类准确率（98.73%）	研究仅使用了794张鸡蛋图像，样本量相对较小，可能影响模型的泛化能力	通过自动识别鸡蛋的物理损伤（如裂纹、断裂或其他表面缺陷）来提高食品行业中的鸡蛋质量控制	鸡蛋（包括受损和完好的鸡蛋）	计算机视觉	NA	深度学习	CNN（包括GoogLeNet、VGG-19、MobileNet-v2和ResNet-50）	图像	794张鸡蛋图像（分为受损和完好两类）
1696	2025-05-04	Deep Learning-assisted Diagnosis of Extrahepatic Common Bile Duct Obstruction Using MRCP Imaging and Clinical Parameters 2025, Current medical imaging IF:1.1Q3 DOI:10.2174/0115734056363648241215145959 PMID:39838679	研究论文	开发了一种结合MRCP影像和临床参数的深度学习分类模型，以提高肝外胆总管梗阻（EHBDO）的诊断准确性	提出了一种多模态深度学习融合模型，整合了MRCP影像特征和临床参数，并应用加权损失函数处理不同特征的重要性差异	样本量有限，仅143名患者有MRCP影像数据	提高肝外胆总管梗阻（EHBDO）的诊断准确性	465名患者（其中143名有MRCP影像）	数字病理	肝外胆总管梗阻	MRCP成像	多模态深度学习融合模型	影像和临床数据	465名患者（143名有MRCP影像）
1697	2025-05-04	Citrus diseases detection using innovative deep learning approach and Hybrid Meta-Heuristic 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0316081 PMID:39841644	研究论文	本文提出了一种基于深度学习和混合元启发式方法的柑橘病害检测系统	结合数据增强和迁移学习技术，使用预训练模型DenseNet-201和AlexNet，实现了99.6%的高分类准确率	未提及模型在其他作物病害检测上的泛化能力	开发自动化柑橘病害分类系统以提高诊断准确性、效率和成本效益	柑橘叶片病害（溃疡病、疮痂病、黑斑病）	计算机视觉	植物病害	深度学习、混合元启发式方法	DenseNet-201, AlexNet	图像	未明确说明样本数量（柑橘叶片数据集）
1698	2025-05-04	Automated extracellular volume fraction measurement for diagnosis and prognostication in patients with light-chain cardiac amyloidosis 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0317741 PMID:39841643	研究论文	本研究评估了基于AI自动分割的T1 mapping参数在诊断心脏淀粉样变性和预测轻链型心脏淀粉样变性（AL-CA）患者预后中的表现	利用AI自动分割技术改进T1 mapping参数，提高了心脏淀粉样变性的诊断准确性，并提供了AL-CA患者的预后价值	样本量较小（50例CA患者），且未涵盖所有类型的心脏淀粉样变性	评估AI自动分割的T1 mapping参数在心脏淀粉样变性诊断和预后中的价值	300例因左心室肥厚（LVH）接受心脏磁共振（CMR）检查的患者，其中50例确诊为心脏淀粉样变性	数字病理	心脏淀粉样变性	心脏磁共振成像（CMR）、T1 mapping	深度学习算法（Myomics-Q）	医学影像	300例患者（50例心脏淀粉样变性，198例肥厚型心肌病，47例高血压性心脏病，5例Fabry病）
1699	2025-05-04	Optimizing multi label student performance prediction with GNN-TINet: A contextual multidimensional deep learning framework 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0314823 PMID:39841673	research paper	提出了一种名为GNN-TINet的深度学习框架，用于优化多标签学生成绩预测	结合了InceptionNet、transformer架构和图神经网络（GNN），以提升多标签学生成绩预测的精确度	未提及具体局限性	提高学生成绩预测的准确性，以实施及时有效的教育干预	学生成绩数据，包括学生人口统计、学术行为和情感健康等多维特征	machine learning	NA	Contextual Frequency Encoding (CFI), Contextual Adaptive Imputation (CAI)	GNN-Transformer-InceptionNet (GNN-TINet)	tabular data	97,000 occurrences
1700	2025-05-04	SpaGraphCCI: Spatial cell-cell communication inference through GAT-based co-convolutional feature integration 2025 Jan-Dec, IET systems biology IF:1.9Q3 DOI:10.1049/syb2.70000 PMID:39846423	研究论文	提出了一种名为SpaGraphCCI的深度学习方法，通过共卷积特征整合来有效推断空间细胞间相互作用	SpaGraphCCI通过将基因表达和图像特征投影到低维空间，有效整合了空间多模态数据，显著提高了空间细胞间通信的推断性能	NA	开发一种能够有效整合空间多模态数据以推断细胞间相互作用的方法	空间转录组数据中的细胞间相互作用	数字病理学	乳腺癌	空间转录组技术	GAT-based co-convolutional	基因表达数据和图像数据	多个平台的数据集，包括单细胞分辨率数据集和点分辨率数据集