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
19501	2025-10-07	Automatic Segmentation of Sylvian Fissure in Brain Ultrasound Images of Pre-Term Infants Using Deep Learning Models 2025-Mar, Ultrasound in medicine & biology DOI:10.1016/j.ultrasmedbio.2024.11.016 PMID:39676003	研究论文	本研究开发了基于深度学习模型自动分割早产儿脑部超声图像中侧裂沟的方法	首个使用超声图像自动分割早产儿脑沟的研究，并比较了U-Net和ResU-Net在不同设备图像上的表现	模型在不同厂商设备图像上的性能表现存在差异，图像相似度影响分割效果	开发自动分割早产儿脑部侧裂沟的深度学习模型	早产儿的脑部超声图像	医学图像分析	新生儿脑发育	颅脑超声成像	U-Net, ResU-Net	图像	NA	NA	U-Net, ResU-Net	Dice系数, 敏感度	NA
19502	2025-10-07	Attention-based Fusion Network for Breast Cancer Segmentation and Classification Using Multi-modal Ultrasound Images 2025-Mar, Ultrasound in medicine & biology DOI:10.1016/j.ultrasmedbio.2024.11.020 PMID:39694743	研究论文	提出一种基于注意力融合网络的深度学习模型，用于多模态超声图像的乳腺癌分割和分类	提出多模态融合U-Net（MMF-U-Net），通过融合块整合B模式和SE模式超声图像信息	NA	实现乳腺癌病灶的自动分割和良恶性分类	乳腺超声图像中的病灶区域	计算机视觉	乳腺癌	超声成像	CNN, U-Net	多模态超声图像（B模式和SE模式）	NA	NA	MMF-U-Net, U-Net	Dice系数, IoU, 精确率, 召回率, 准确率	NA
19503	2025-10-07	Interactively Fusing Global and Local Features for Benign and Malignant Classification of Breast Ultrasound Images 2025-Mar, Ultrasound in medicine & biology DOI:10.1016/j.ultrasmedbio.2024.11.014 PMID:39709289	研究论文	提出一种融合CNN和Transformer的深度学习网络CTMF-Net，用于乳腺超声图像的良恶性分类	设计多阶段特征交互模块，实现CNN局部特征与Transformer全局特征的交互融合	NA	开发高精度的乳腺超声图像自动分类方法	乳腺超声图像中的良性和恶性肿瘤	计算机视觉	乳腺癌	超声成像	CNN, Transformer	图像	三个公共乳腺超声数据集（SYSU、UDIAT和BUSI）	NA	VGG, ViT, CTMF-Net	准确率, AUC	NA
19504	2025-10-07	Tibiofemoral cartilage strain and recovery following a 3-mile run measured using deep learning segmentation of bone and cartilage 2025-Mar, Osteoarthritis and cartilage open DOI:10.1016/j.ocarto.2024.100556 PMID:39802079	研究论文	本研究使用深度学习分割技术测量3英里跑步后胫股软骨的应变及次日恢复情况	开发了基于深度学习的自动化软骨和骨骼分割模型，首次量化了跑步后软骨即时变形和恢复过程	样本量较小（仅8名无症状男性参与者），缺乏女性参与者和有症状人群数据	测量跑步引起的胫股软骨变形及其恢复过程	无症状男性参与者的胫骨和股骨软骨	医学影像分析	骨科疾病	双回波稳态磁共振成像	深度学习分割模型	MRI图像	8名无症状男性参与者	NA	NA	重复性误差（0.03mm或约1%软骨厚度）	NA
19505	2025-01-25	Machine learning applications in placenta accreta spectrum disorders 2025-Mar, European journal of obstetrics & gynecology and reproductive biology: X DOI:10.1016/j.eurox.2024.100362 PMID:39845985	综述	本文综述了机器学习和放射组学在胎盘植入谱系障碍（PAS）诊断和预测中的新兴应用	强调了利用MRI和超声等医学成像技术进行PAS有效分类和风险分层的ML算法和放射组学技术的最新进展，以及深度学习方法如nnU-Net和DenseNet-PAS在诊断中的优越性能	需要标准化方法以确保特征提取和模型性能的一致性，未来研究应关注更大数据集和生物标志物的验证	探讨机器学习和放射组学在PAS诊断和预测中的应用，以改善患者预后	胎盘植入谱系障碍（PAS）	机器学习	产科疾病	MRI, 超声	nnU-Net, DenseNet-PAS	医学影像	NA	NA	NA	NA	NA
19506	2025-10-07	Hallux valgus and pes planus: Correlation analysis using deep learning-assisted radiographic angle measurements 2025-Feb, Foot and ankle surgery : official journal of the European Society of Foot and Ankle Surgeons IF:1.9Q2 DOI:10.1016/j.fas.2024.09.003 PMID:39327104	研究论文	本研究使用深度学习模型测量足部X光片角度参数，分析拇外翻与扁平足之间的相关性	首次采用深度学习辅助的放射学角度测量方法来量化分析拇外翻与扁平足的相关性	样本量有限（212只脚），仅包含深度学习模型可检测的X光片	确定拇外翻与扁平足之间的相关性	足部X光片	计算机视觉	足部畸形	X光成像	深度学习模型	X光图像	212只脚	NA	NA	相关性分析	NA
19507	2025-10-07	A personalized periodontitis risk based on nonimage electronic dental records by machine learning 2025-Feb, Journal of dentistry IF:4.8Q1 DOI:10.1016/j.jdent.2024.105469 PMID:39571782	研究论文	本研究开发了一种基于非图像电子牙科记录的机器学习模型，用于预测牙周病风险	首次利用非图像电子牙科记录开发个性化牙周病风险预测模型，能够在诊断前3年进行有效预测	模型在验证集中对对照组的特异性较低（54%），需要改进内部和外部验证，电子牙科记录文档质量需要提升	开发基于机器学习的牙周病风险预测模型	美国牙科患者	机器学习	牙周病	电子牙科记录分析	随机森林, 深度学习	结构化电子医疗记录	43,331名参与者	NA	随机森林	准确率, 敏感度, 特异性, AUROC	NA
19508	2025-10-07	MRI-based deep learning and radiomics for predicting the efficacy of PD-1 inhibitor combined with induction chemotherapy in advanced nasopharyngeal carcinoma: A prospective cohort study 2025-Feb, Translational oncology IF:4.5Q1 DOI:10.1016/j.tranon.2024.102245 PMID:39662448	研究论文	本研究基于MRI开发深度学习与影像组学模型，用于预测PD-1抑制剂联合GP诱导化疗在晚期鼻咽癌中的疗效	首次结合影像组学特征和深度学习特征构建预测模型，采用随机森林算法筛选关键特征	样本量相对有限（99例患者），需要更大规模研究验证	建立预测PD-1抑制剂联合GP诱导化疗疗效的模型	晚期鼻咽癌患者	数字病理	鼻咽癌	MRI扫描	深度学习, 随机森林	医学影像	99例晚期鼻咽癌患者，按7:3比例分为训练集和测试集	NA	ResNet101	AUC, 准确率, 阴性预测值	NA
19509	2025-10-07	ConvXGB: A novel deep learning model to predict recurrence risk of early-stage cervical cancer following surgery using multiparametric MRI images 2025-Feb, Translational oncology IF:4.5Q1 DOI:10.1016/j.tranon.2025.102281 PMID:39799749	研究论文	开发并验证了一种名为ConvXGB的新型深度学习模型，用于利用多参数MRI图像预测早期宫颈癌术后复发风险	首次将卷积神经网络与极端梯度提升算法结合，构建端到端的深度学习模型预测宫颈癌复发风险	研究样本来自三个机构共406例患者，样本量相对有限	开发预测宫颈癌术后复发风险的深度学习模型	早期宫颈癌患者	计算机视觉	宫颈癌	多参数MRI成像	CNN, XGBoost	医学影像	406例宫颈癌患者	NA	ConvXGB（CNN与XGBoost结合架构）	AUC, 区分度, 校准度, 临床效用	NA
19510	2025-01-25	LipBengal: Pioneering Bengali lip-reading dataset for pronunciation mapping through lip gestures 2025-Feb, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2024.111254 PMID:39845145	研究论文	本文介绍了一个名为LipBengal的开创性孟加拉语唇读数据集，旨在通过唇部动作进行发音映射	填补了孟加拉语唇读研究领域的空白，提供了首个专门针对孟加拉语的唇读数据集，包含150名说话者的视觉数据，涵盖54个类别，包括孟加拉语音素、字母和符号	数据采集环境多样且不受控制，可能影响模型的泛化能力	推动孟加拉语唇读和视觉语音识别研究，促进未来应用和技术进步	孟加拉语音素、字母和符号的唇部动作	自然语言处理	NA	深度学习	NA	视频	150名说话者，涵盖54个类别	NA	NA	NA	NA
19511	2024-12-19	Correction to "Rapid Identification of Drug Mechanisms with Deep Learning-Based Multichannel Surface-Enhanced Raman Spectroscopy" 2025-Jan-24, ACS sensors IF:8.2Q1 DOI:10.1021/acssensors.4c03526 PMID:39693047	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
19512	2025-10-07	Deep learning for the classification of atrial fibrillation using wavelet transform-based visual images 2025-Jan-21, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-025-02872-5 PMID:39838437	研究论文	本研究开发了一种基于莫尔斯连续小波变换和深度学习的心房颤动分类方法	使用莫尔斯连续小波变换将ECG信号转换为图像，并基于此开发深度学习分类器	未明确说明具体的数据集细节和模型泛化能力验证	通过深度学习技术对心房颤动进行自动分类诊断	心电图信号和心房颤动患者	计算机视觉	心血管疾病	莫尔斯连续小波变换	深度学习	图像	NA	NA	NA	准确率, F1分数, AUC ROC	NA
19513	2025-10-07	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实践情况	首次系统评估进展测试在沙特阿拉伯本科医学教育中的应用效果和特点	仅针对沙特阿拉伯特定背景，结果可能不具普遍适用性	探索本科医学教育中纵向评估实践，特别关注进展测试的效用	沙特阿拉伯本科医学教育中的进展测试研究	医学教育	NA	系统综述方法	NA	文献数据	NA	NA	NA	NA	NA
19514	2025-10-07	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图像中的眼前段结构并评估原发性房角关闭疾病的参数	首次开发用于原发性房角关闭疾病的多组织分割模型，实现眼前段结构的自动识别和巩膜突定位	研究样本量有限（592名受试者），需要在更多中心进行验证	开发自动识别眼前段结构和评估房角关闭疾病参数的人工智能算法	原发性房角关闭疾病患者的超声生物显微镜图像	计算机视觉	眼科疾病	超声生物显微镜	深度学习	医学图像	2339张UBM图像来自592名受试者（开发集），222张UBM图像来自45名受试者（验证集）	NA	NA	交并比, 平均误差距离	NA
19515	2025-01-25	Investigation of 3D iris morphology early alteration after implantable collamer lens implantation by using SS-OCT 2025-Jan-15, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e41542 PMID:39844973	研究论文	本研究使用全自动多任务深度学习方法，通过SS-OCT技术研究了植入式晶状体（ICL）手术前后虹膜形态的三维变化	首次使用全自动多任务深度学习方法同时进行SS-OCT图像分割和三维虹膜形态的定量测量	样本量较小，仅包括46只眼睛的27名患者	研究ICL手术前后虹膜形态的三维变化	接受ICL手术的患者	数字病理学	NA	SS-OCT	多任务深度学习网络	图像	46只眼睛的27名患者	NA	NA	NA	NA
19516	2025-10-07	Deep learning-based assessment of missense variants in the COG4 gene presented with bilateral congenital cataract 2025-Jan-14, BMJ open ophthalmology IF:2.0Q2 DOI:10.1136/bmjophth-2024-001906 PMID:39809522	研究论文	首次使用AlphaFold2、Alpha Missense和ThermoMPNN评估COG4基因错义变异的蛋白质结构和致病性	首次将AlphaFold2、Alpha Missense和ThermoMPNN三种深度学习算法联合应用于COG4基因变异分析	无法完全排除变异致病性，需要进一步研究验证	评估COG4基因错义变异的蛋白质结构影响和致病性	COG4基因的临床相关错义变异（包括新发现的p.Y714F和三个已知变异）	生物信息学	先天性白内障	蛋白质结构预测，致病性评估	深度学习	蛋白质序列，变异数据	14,915个可能的Cog4错义变异	AlphaFold2, Alpha Missense, ThermoMPNN	NA	蛋白质结构相似性，致病性指标	NA
19517	2025-10-07	Utilizing InVEST ecosystem services model combined with deep learning and fallback bargaining for effective sediment retention in Northern Iran 2025-Jan, Environmental science and pollution research international DOI:10.1007/s11356-024-35712-6 PMID:39673030	研究论文	本研究结合博弈论和深度学习算法与InVEST生态系统服务模型，用于伊朗Kasilian流域的泥沙滞留建模	首次将博弈论中的Fallback讨价还价算法与深度学习模型（CNN、LSTM、RNN）集成到InVEST生态系统服务模型中用于泥沙滞留建模	研究仅针对Kasilian流域的19个子流域，结果可能不具有普遍适用性	开发有效的泥沙滞留建模方法，优化流域管理策略	伊朗Kasilian流域的19个子流域	环境科学, 机器学习	NA	InVEST生态系统服务模型, 深度学习算法	CNN, LSTM, RNN	地理环境数据, 空间数据	19个子流域	NA	CNN, LSTM, RNN	MAE, MSE, R, RMSE, AUC, 相似度百分比	NA
19518	2025-01-25	ELW-CNN: An extremely lightweight convolutional neural network for enhancing interoperability in colon and lung cancer identification using explainable AI 2025 Jan-Dec, Healthcare technology letters IF:2.8Q3 DOI:10.1049/htl2.12122 PMID:39845172	研究论文	本文提出了一种极轻量级的卷积神经网络（ELW-CNN），用于增强结肠癌和肺癌识别的互操作性，并利用可解释AI提高模型的透明度	提出了一种极轻量级的卷积神经网络模型，仅使用7万个参数，在大型肺和结肠数据集上达到了98.16%的准确率，并在肺癌和结肠癌的单独测试中分别达到了99.02%和99.40%的准确率	数据集规模较小、数据质量较差、肺鳞状细胞癌和腺癌之间的类间变化、移动设备部署困难以及缺乏图像和个体级别的准确性测试	开发一种自动化且准确的结肠癌和肺癌检测方法	结肠癌和肺癌	计算机视觉	肺癌, 结肠癌	卷积神经网络（CNN）	CNN	图像	大型肺和结肠数据集	NA	NA	NA	NA
19519	2025-01-25	Artificial Intelligence in Pediatric Epilepsy Detection: Balancing Effectiveness With Ethical Considerations for Welfare 2025-Jan, Health science reports IF:2.1Q3 DOI:10.1002/hsr2.70372 PMID:39846037	综述	本文评估了人工智能在儿童癫痫检测中的有效性，并探讨了其实施过程中的伦理问题	结合人工智能在儿童癫痫诊断和管理中的应用，同时深入探讨了相关的伦理问题	伦理问题如隐私、数据安全和模型偏差仍需解决	评估人工智能在儿童癫痫检测中的有效性，并探讨其实施中的伦理问题	儿童癫痫患者	机器学习	癫痫	EEG, rs-fMRI, DTI	CNN-LSTM	EEG数据, 神经影像数据, 视频数据	NA	NA	NA	NA	NA
19520	2025-01-25	Machine learning based prediction models for cardiovascular disease risk using electronic health records data: systematic review and meta-analysis 2025-Jan, European heart journal. Digital health DOI:10.1093/ehjdh/ztae080 PMID:39846062	系统综述与元分析	本文通过系统综述和元分析评估了基于机器学习的模型在利用电子健康记录数据预测心血管疾病风险方面的效能，并与传统风险评分模型进行了比较	首次系统评估和比较了机器学习模型与传统心血管疾病风险预测算法在中长期（5-10年）风险预测中的表现，并发现机器学习模型（特别是随机森林和深度学习）在性能上显著优于传统模型	研究存在显著的异质性（I² > 99%）和潜在的发表偏倚，且方法学上的问题限制了这些模型在临床中的当前应用	评估和比较机器学习模型与传统心血管疾病风险预测算法在中长期风险预测中的效能	心血管疾病风险预测模型	机器学习	心血管疾病	机器学习	随机森林, 深度学习	电子健康记录数据	20项研究中的32个机器学习模型和26个传统统计模型	NA	NA	NA	NA