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
181	2025-07-21	Deep learning, 3D ultrastructural analysis reveals quantitative differences in platelet and organelle packing in COVID-19/SARSCoV2 patient-derived platelets 2023-Dec, Platelets IF:2.5Q2 DOI:10.1080/09537104.2023.2264978 PMID:37933490	research paper	利用深度学习和3D超微结构分析技术，研究COVID-19患者血小板及其细胞器的定量差异	首次结合FIB-SEM高分辨率成像和深度学习方法，对COVID-19患者血小板进行3D超微结构定量分析	样本量有限（仅3名健康对照和3名重症COVID-19患者）	探究COVID-19患者血小板形态特征与微血栓形成的关联	血小板及其α颗粒和线粒体	digital pathology	COVID-19	FIB-SEM	deep learning	3D超微结构图像	600个血小板和30000个细胞器（来自3名健康对照和3名COVID-19患者）
182	2025-07-21	The Overlooked Role of Specimen Preparation in Bolstering Deep Learning-Enhanced Spatial Transcriptomics Workflows 2023-Oct-09, medRxiv : the preprint server for health sciences DOI:10.1101/2023.10.09.23296700 PMID:37873287	研究论文	本研究探讨了改进的样本处理工作流程对基于深度学习的空间转录组学评估的影响	提出了一种改进的样本处理工作流程，结合Visium CytAssist检测的灵活性，实现了自动化H&E染色、高分辨率全玻片成像以及多患者组织切片的复用	研究队列规模较小（13名pT3期结直肠癌患者），深度学习模型训练成本较高	提升空间转录组学工作流程的可靠性、分辨率和可扩展性	结直肠癌患者的组织切片	数字病理学	结直肠癌	空间转录组学、H&E染色、全玻片成像	Inceptionv3	图像、基因表达数据	13名pT3期结直肠癌患者
183	2025-07-21	LSOR: Longitudinally-Consistent Self-Organized Representation Learning 2023-Oct, Medical image computing and computer-assisted intervention : MICCAI ... International Conference on Medical Image Computing and Computer-Assisted Intervention DOI:10.1007/978-3-031-43907-0_27 PMID:37961067	研究论文	提出了一种名为LSOR的自监督学习方法，用于从纵向脑部MRI中学习高维可解释表示	首次提出自监督SOM方法，通过软聚类提高训练稳定性，并生成按脑年龄分层的潜在空间	方法仅基于纵向脑部MRI，未利用人口统计或认知信息	解决深度学习模型在纵向脑部MRI应用中的可解释性问题	阿尔茨海默病神经影像学倡议(ADNI)的纵向MRI数据	数字病理学	阿尔茨海默病	自监督学习，SOM(自组织映射)	SOM	MRI图像	ADNI数据集中的纵向MRI
184	2025-07-21	Leveraging spatial transcriptomics data to recover cell locations in single-cell RNA-seq with CeLEry 2023-07-08, Nature communications IF:14.7Q1 DOI:10.1038/s41467-023-39895-3 PMID:37422469	研究论文	提出了一种名为CeLEry的监督深度学习算法，利用空间转录组学数据恢复单细胞RNA测序中的细胞位置信息	CeLEry通过变分自编码器进行数据增强，提高了方法的鲁棒性，并能克服scRNA-seq数据中的噪声	NA	解决单细胞RNA测序中细胞物理关系缺失的问题，恢复细胞的空间位置信息	单细胞RNA测序数据中的细胞	生物信息学	癌症	scRNA-seq, 空间转录组学	监督深度学习算法, 变分自编码器	基因表达数据, 空间位置数据	多个数据集，包括脑组织和癌组织，使用Visium、MERSCOPE、MERFISH和Xenium技术生成
185	2025-07-21	A deep learning algorithm to detect cutaneous squamous cell carcinoma on frozen sections in Mohs micrographic surgery: a retrospective assessment 2023-May-16, medRxiv : the preprint server for health sciences DOI:10.1101/2023.05.14.23289960 PMID:37293008	研究论文	开发并评估一种用于实时组织学边缘分析的AI算法，以检测皮肤鳞状细胞癌（cSCC）	首次将深度学习算法应用于cSCC的术中边缘分析，特别是在不同分化状态的肿瘤中评估其准确性	对于高分化肿瘤，仅依靠组织形态学特征难以区分cSCC与表皮，需要进一步算法改进以考虑周围组织结构和肿瘤的原始解剖位置	提高皮肤鳞状细胞癌（cSCC）术中实时边缘分析的效率和准确性	接受Mohs显微手术的cSCC患者的冰冻切片	数字病理学	皮肤鳞状细胞癌	深度学习	CNN	图像	2020年1月至3月期间接受Mohs显微手术的cSCC患者的冰冻切片
186	2025-07-21	Towards Automatic Cartilage Quantification in Clinical Trials - Continuing from the 2019 IWOAI Knee Segmentation Challenge 2023-Mar, Osteoarthritis imaging DOI:10.1016/j.ostima.2023.100087 PMID:39036792	research paper	评估深度学习分割方法在骨关节炎临床试验中量化软骨损失的适用性	利用2019年IWOAI膝关节软骨分割挑战赛中六支团队的深度学习方法，评估其在纵向临床研究中量化软骨损失的能力	股骨区域的深度学习分割方法标准化响应均值较低，可能由于后处理中的简单子区域提取方法	评估深度学习分割方法在标准化纵向单扫描仪临床研究中量化软骨损失的适用性	骨关节炎患者的膝关节MRI扫描数据	digital pathology	骨关节炎	深度学习分割方法	DL	MRI图像	556名受试者的1130次膝关节MRI扫描
187	2025-07-21	Imputing Brain Measurements Across Data Sets via Graph Neural Networks 2023, Predictive Intelligence in Medicine. PRIME (Workshop) DOI:10.1007/978-3-031-46005-0_15 PMID:37946742	research paper	该研究提出了一种基于图神经网络（GNN）的方法，用于跨数据集估算大脑区域兴趣（ROI）的缺失测量值	通过将缺失测量值的估算问题重新定义为预测任务，并利用图神经网络建模ROI测量值之间的依赖关系，同时考虑人口统计学差异	方法依赖于另一个包含缺失测量值的公共数据集，且需要该数据集与目标数据集共享部分ROI测量值	解决结构MRI数据集中特定ROI测量值缺失的问题，以支持机器学习模型的训练	青少年大脑认知发展研究（ABCD）和国家青少年酒精与神经发育联盟（NCANDA）的MRI数据集	machine learning	NA	graph neural network (GNN)	GNN	MRI数据	ABCD数据集N=3760（最小年龄12岁），NCANDA数据集N=540
188	2025-07-20	Noninvasive grading of glioma brain tumors using magnetic resonance imaging and deep learning methods 2023-Dec, Journal of cancer research and clinical oncology IF:2.7Q3 DOI:10.1007/s00432-023-05389-4 PMID:37698684	系统综述	本研究通过系统综述探讨了使用MRI和深度学习方法对胶质瘤脑肿瘤进行无创分级的现状	综合分析了2010-2022年间77篇学术文章，揭示了胶质瘤分割研究多于检测和分类的现状	仅纳入了英文文献，可能遗漏其他语言的重要研究	评估深度学习在胶质瘤MRI图像分析中的应用现状	胶质瘤脑肿瘤	数字病理学	脑癌	MRI	CNN	医学影像	77篇学术文章
189	2025-07-20	Predicting cutaneous malignant melanoma patients' survival using deep learning: a retrospective cohort study 2023-Dec, Journal of cancer research and clinical oncology IF:2.7Q3 DOI:10.1007/s00432-023-05421-7 PMID:37755576	研究论文	本研究利用深度学习模型DeepCMM预测皮肤恶性黑色素瘤患者的生存率	开发了名为DeepCMM的深度学习生存模型，用于准确预测皮肤恶性黑色素瘤患者的总体生存率，并将其打包成Windows 64位软件供医生使用	研究为回顾性队列研究，可能存在数据偏差，且仅基于SEER数据库，未涉及其他潜在影响因素	预测皮肤恶性黑色素瘤患者的生存率以指导临床决策	皮肤恶性黑色素瘤患者	数字病理学	皮肤恶性黑色素瘤	深度学习	DeepCMM	临床数据	三个队列（训练队列2010-2013年诊断，验证队列2014年诊断，测试队列2015年诊断）
190	2025-07-20	Diagnostic accuracy of contrast-enhanced computed tomography in assessing cervical lymph node status in patients with oral squamous cell carcinoma 2023-Dec, Journal of cancer research and clinical oncology IF:2.7Q3 DOI:10.1007/s00432-023-05470-y PMID:37875746	research paper	本研究评估了增强CT在口腔鳞状细胞癌患者颈部淋巴结转移诊断中的准确性，并探讨了与其可靠性相关的临床病理因素	研究发现增强CT在检测不同大小淋巴结转移时的敏感性和特异性存在显著差异，并提出了未来结合人工智能和深度学习提高CT诊断可靠性的可能性	研究为回顾性设计，且人工智能与深度学习在CT诊断中的应用仍需进一步研究	评估增强CT在口腔鳞状细胞癌患者颈部淋巴结转移诊断中的准确性	239名接受术前CT检查和根治性手术的原发性口腔鳞状细胞癌患者	digital pathology	oral squamous cell carcinoma	contrast-enhanced computed tomography (CT)	NA	medical imaging	239名原发性口腔鳞状细胞癌患者
191	2025-07-20	A deep learning approach based on multi-omics data integration to construct a risk stratification prediction model for skin cutaneous melanoma 2023-Nov, Journal of cancer research and clinical oncology IF:2.7Q3 DOI:10.1007/s00432-023-05358-x PMID:37673824	研究论文	本研究提出了一种基于深度学习的多组学数据整合方法，用于构建皮肤黑色素瘤（SKCM）的风险分层预测模型	结合早期融合特征自编码器（AE）和晚期融合特征AE的深度学习框架，用于SKCM风险亚型的预测	研究依赖于TCGA数据库的数据，可能无法涵盖所有SKCM患者的多样性	构建SKCM的风险亚型分类预测模型，以改善预后预测和治疗决策	皮肤黑色素瘤（SKCM）患者	数字病理学	皮肤黑色素瘤	mRNA、miRNA和DNA甲基化测序	自编码器（AE）和SVM分类器	多组学数据（mRNA、miRNA、DNA甲基化）	TCGA数据库中的SKCM患者数据及两个独立测试数据集
192	2025-07-20	Development and external validation of the multichannel deep learning model based on unenhanced CT for differentiating fat-poor angiomyolipoma from renal cell carcinoma: a two-center retrospective study 2023-Nov, Journal of cancer research and clinical oncology IF:2.7Q3 DOI:10.1007/s00432-023-05339-0 PMID:37672075	研究论文	开发并验证了一种基于非增强CT的多通道深度学习模型，用于区分脂肪贫乏型血管平滑肌脂肪瘤与肾细胞癌	首次提出基于非增强CT的多通道深度学习模型，用于区分脂肪贫乏型血管平滑肌脂肪瘤与肾细胞癌，并在内部和外部验证中表现出色	研究为回顾性设计，样本量相对有限，且仅在两所医院进行验证	开发并验证一种深度学习模型，以提高脂肪贫乏型血管平滑肌脂肪瘤与肾细胞癌的鉴别诊断准确性	脂肪贫乏型血管平滑肌脂肪瘤（fp-AML）和肾细胞癌（RCC）患者	数字病理	肾癌	CT成像	多通道深度学习模型	图像	452名患者（来自两所医院）
193	2025-07-20	SMiT: symmetric mask transformer for disease severity detection 2023-Nov, Journal of cancer research and clinical oncology IF:2.7Q3 DOI:10.1007/s00432-023-05223-x PMID:37698681	研究论文	提出了一种名为SMiT的对称掩码预训练视觉Transformer模型，用于病理图像的分级诊断	采用纯Transformer框架替代传统CNN模型，通过对称掩码预训练策略提高对病灶区域细节特征的关注	未明确说明模型在更广泛疾病类型上的泛化能力	开发智能医疗诊断系统以提高疾病严重程度检测的准确性	结直肠癌病理图像和糖尿病视网膜病变数据集	数字病理	结直肠癌	高斯滤波去噪	Transformer	图像	4500张经过处理的结直肠癌组织病理学图像
194	2025-07-20	Combining radiomics and deep learning features of intra-tumoral and peri-tumoral regions for the classification of breast cancer lung metastasis and primary lung cancer with low-dose CT 2023-Nov, Journal of cancer research and clinical oncology IF:2.7Q3 DOI:10.1007/s00432-023-05329-2 PMID:37642722	研究论文	本研究探讨了结合深度学习和放射组学特征的融合模型在低剂量CT下区分乳腺癌肺转移和原发性肺癌的性能	提出了一种结合ITR和PTR的多区域策略融合模型，显著提高了分类性能	样本量较小（100例），且为回顾性研究	开发一种有效区分乳腺癌肺转移和原发性肺癌的诊断方法	100例乳腺癌患者的肺部病变（60例乳腺癌肺转移和40例原发性肺癌）	数字病理	乳腺癌和肺癌	低剂量CT（LDCT）	基于ResNet18的多输入残差卷积网络融合模型	CT图像	100例（60例乳腺癌肺转移和40例原发性肺癌）
195	2025-07-20	Identifying immune infiltration by deep learning to assess the prognosis of patients with hepatocellular carcinoma 2023-Nov, Journal of cancer research and clinical oncology IF:2.7Q3 DOI:10.1007/s00432-023-05097-z PMID:37450030	研究论文	本研究利用深度学习算法评估肝细胞癌患者的免疫浸润情况，并探讨其在预后评估中的价值	首次使用ResNet 101V2网络构建深度学习模型来评估肝细胞癌组织的免疫浸润，并验证其在预后评估中的应用	验证集中TLS分类的样本量较少可能导致结果不佳	评估肝细胞癌患者的免疫浸润情况及其对预后的影响	肝细胞癌患者	数字病理学	肝细胞癌	深度学习	ResNet 101V2	全切片图像(WSIs)	100张WSIs和165,293个tiles
196	2025-07-20	Cancer detection in breast cells using a hybrid method based on deep complex neural network and data mining 2023-Nov, Journal of cancer research and clinical oncology IF:2.7Q3 DOI:10.1007/s00432-023-05191-2 PMID:37486394	研究论文	本文提出了一种基于深度复杂神经网络和数据挖掘的混合方法，用于乳腺癌细胞的检测	结合深度复杂神经网络和数据挖掘技术，提高了乳腺癌诊断的准确性和速度	样本量相对较小，仅包含187名志愿者	提高乳腺癌诊断的准确性和速度	乳腺癌细胞	数字病理学	乳腺癌	热成像技术、数据挖掘	ResNet18, ResNet50, VGG19, Xception	图像	187名志愿者（152名健康人和35名癌症患者），共1870张热成像图像
197	2025-07-20	A comprehensive analysis of recent advancements in cancer detection using machine learning and deep learning models for improved diagnostics 2023-Nov, Journal of cancer research and clinical oncology IF:2.7Q3 DOI:10.1007/s00432-023-05216-w PMID:37540254	综述	本文对使用传统机器学习和深度学习模型进行多种癌症类型检测的最新进展进行了比较分析	比较分析了机器学习和深度学习在癌症早期检测中的应用，并提供了130篇文献的综合回顾	分析仅基于准确性作为性能指标，可能忽略了其他重要评估标准	提高癌症早期检测的准确性和自动化水平	脑癌、肺癌、皮肤癌和乳腺癌	机器学习	癌症	机器学习和深度学习	ML和DL模型	图像	130篇文献（56篇基于ML，74篇基于DL）
198	2025-07-20	Enhanced breast mass mammography classification approach based on pre-processing and hybridization of transfer learning models 2023-Nov, Journal of cancer research and clinical oncology IF:2.7Q3 DOI:10.1007/s00432-023-05249-1 PMID:37567987	研究论文	提出了一种基于预处理和迁移学习模型混合的增强型乳腺肿块X线分类方法	采用两阶段分类方法，结合预处理策略和混合迁移学习模型，提高了分类性能	预处理阶段使用的不同滤波器对结果有影响，且仅在一个数据集上进行了验证	提高乳腺X线摄影中肿块检测的准确性和分类性能	乳腺X线摄影图像中的肿块	计算机视觉	乳腺癌	迁移学习	CNN	图像	CBIS-DDSM数据集
199	2025-07-20	Development and verification of a deep learning-based m6A modification model for clinical prognosis prediction of renal cell carcinoma 2023-Nov, Journal of cancer research and clinical oncology IF:2.7Q3 DOI:10.1007/s00432-023-05169-0 PMID:37558767	研究论文	开发并验证了一种基于深度学习的m6A修饰模型，用于肾细胞癌患者的临床预后预测	首次报道了基于深度学习的m6A修饰模型用于肾细胞癌预后预测，并深入探索了METTL14在肾细胞癌中的重要作用	未提及模型在其他癌症类型中的泛化能力	开发一种深度学习模型用于肾细胞癌患者的预后预测，并探索METTL14的生物学功能	肾细胞癌患者及癌细胞	数字病理	肾细胞癌	Western blotting, qRT-PCR, 免疫组化, RNA免疫沉淀	深度学习神经网络	临床数据、实验数据	两个独立患者队列和一个泛癌患者队列
200	2025-07-20	Circular-SWAT for deep learning based diagnostic classification of Alzheimer's disease: application to metabolome data 2023-Nov, EBioMedicine IF:9.7Q1 DOI:10.1016/j.ebiom.2023.104820 PMID:37806288	研究论文	本研究提出了一种名为Circular-SWAT的新方法，用于基于深度学习的阿尔茨海默病诊断分类，应用于代谢组数据	引入了Circular-Sliding Window Association Test (c-SWAT)方法，显著提高了阿尔茨海默病的分类准确率，并识别出与疾病相关的关键脂质	研究仅基于ADNI数据库的997名参与者，可能需要更大样本量验证结果的普适性	提高阿尔茨海默病的诊断分类准确率并识别潜在生物标志物	阿尔茨海默病患者与认知正常老年人的血清代谢组数据	机器学习	阿尔茨海默病	代谢组学分析，脂质组学	CNN, Random Forest	代谢组数据	997名来自ADNI的参与者