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
61	2025-07-20	Invasiveness assessment by artificial intelligence against intraoperative frozen section for pulmonary nodules ≤ 3 cm 2023-Aug, Journal of cancer research and clinical oncology IF:2.7Q3 DOI:10.1007/s00432-023-04713-2 PMID:37016100	研究论文	本研究探讨了人工智能算法在评估肺结节恶性和侵袭性方面的性能，并与术中冰冻切片检查进行了比较	使用基于3D卷积神经网络的深度学习系统预测肺结节的恶性和侵袭性，并在多中心队列中验证其性能	AI系统在直径大于1厘米的实性结节中误诊率较高（10.4%）	评估AI算法在肺结节恶性和侵袭性诊断中的性能	直径不超过3厘米的肺结节	数字病理	肺癌	深度学习	3D CNN	CT图像和病理信息	466个切除的肺结节
62	2025-07-20	Multimodal recurrence scoring system for prediction of clear cell renal cell carcinoma outcome: a discovery and validation study 2023-08, The Lancet. Digital health DOI:10.1016/S2589-7500(23)00095-X PMID:37393162	研究论文	开发了一种整合临床、基因组和组织病理学的多模态复发评分系统，用于预测局部肾细胞癌术后复发	首次结合临床、基因组和组织病理学三种模态数据，构建多模态复发评分系统，显著提高了预测准确性	研究为回顾性分析，需要前瞻性研究进一步验证	开发更准确的预测局部肾细胞癌术后复发的标志物	局部（I-III期）肾细胞癌患者	数字病理	肾细胞癌	全切片图像(WSI)分析、单核苷酸多态性检测	深度学习	图像、基因组数据、临床数据	开发数据集651例患者，训练数据集1125例患者，独立验证数据集1625例患者，TCGA数据集418例患者
63	2025-07-20	The 2022 n2c2/UW shared task on extracting social determinants of health 2023-07-19, Journal of the American Medical Informatics Association : JAMIA IF:4.7Q1 DOI:10.1093/jamia/ocad012 PMID:36795066	研究论文	本文介绍了2022年n2c2/UW共享任务，旨在从临床记录中提取社会健康决定因素(SDOH)信息	探索了自然语言处理技术在SDOH和更广泛临床信息提取中的应用，并比较了不同技术的性能	提取性能因SDOH类型而异，对于增加健康风险的因素(如物质使用和无家可归)表现较差	推进自然语言处理技术在健康社会决定因素信息提取中的应用	临床文本中的社会健康决定因素信息	自然语言处理	NA	规则、知识库、n-grams、词嵌入和预训练语言模型	序列到序列模型	文本	15个团队参与，使用Social History Annotated Corpus (SHAC)数据集
64	2025-07-20	Noise Suppression With Similarity-Based Self-Supervised Deep Learning 2023-06, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2022.3231428 PMID:37015446	研究论文	提出了一种基于相似性的自监督深度学习去噪方法Noise2Sim，用于抑制CT图像中的独立和相关噪声	首次提出非局部和非线性方式的自监督去噪方法，能够处理CT图像中的相关噪声，理论证明在温和条件下与监督学习方法渐近等价	未提及具体在哪些实际应用场景中可能存在限制	优化低剂量和光子计数CT图像的去噪性能，在最小化辐射剂量的同时提高诊断性能	低剂量CT和光子计数CT图像	计算机视觉	NA	深度学习	自监督深度学习	CT图像	未提及具体样本数量
65	2025-07-20	Combined diagnosis of multiparametric MRI-based deep learning models facilitates differentiating triple-negative breast cancer from fibroadenoma magnetic resonance BI-RADS 4 lesions 2023-Jun, Journal of cancer research and clinical oncology IF:2.7Q3 DOI:10.1007/s00432-022-04142-7 PMID:35771263	研究论文	探讨基于多参数MRI的深度学习模型联合诊断在区分三阴性乳腺癌与纤维腺瘤磁共振BI-RADS 4类病变中的价值，并评估其是否能提高放射科医生的诊断性能	结合多参数MRI的深度学习模型联合诊断，显著提高了初级放射科医生的诊断性能，并与高级放射科医生的诊断性能相当	研究为回顾性设计，样本量相对有限，且仅针对BI-RADS 4类病变	提高三阴性乳腺癌与纤维腺瘤磁共振BI-RADS 4类病变的鉴别诊断准确性	319名女性患者的319个病理证实的BI-RADS 4类病变	数字病理	乳腺癌	多参数MRI（包括对比增强T1加权成像、扩散加权成像和T2加权成像）	深度学习模型	MRI图像	319名女性患者的319个病变
66	2025-07-20	MKMR: a multi-kernel machine regression model to predict health outcomes using human microbiome data 2023-05-19, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbad158 PMID:37099694	研究论文	提出了一种多核机器学习回归模型（MKMR），用于利用人类微生物组数据预测健康结果	MKMR模型能够捕捉微生物组数据的多种信号形式，通过多核转换和优化组合提高预测性能	未提及具体样本量的限制或模型在实际应用中的潜在问题	开发一种能够利用多种微生物组信号预测健康结果的模型	人类微生物组数据（喉咙和肠道微生物组）	机器学习	NA	多核机器学习回归	MKMR	微生物组数据	未提及具体样本量
67	2025-07-20	Three-dimensional genome rewiring in loci with human accelerated regions 2023-04-28, Science (New York, N.Y.) DOI:10.1126/science.abm1696 PMID:37104607	研究论文	该研究通过比较基因组学和3D基因组折叠模型，揭示了人类加速区域（HARs）在三维基因组重组中的作用	结合深度学习和染色质捕获实验，发现HARs在包含人类特异性基因组变异的拓扑关联域中显著富集，揭示了增强子劫持作为HARs快速进化的解释	研究主要关注神经祖细胞，可能未涵盖其他细胞类型或组织中的HARs功能	探索人类加速区域（HARs）在人类特异性性状进化中的作用	人类和黑猩猩的神经祖细胞	基因组学	NA	深度学习、染色质捕获实验	深度学习模型	基因组数据	241个哺乳动物基因组
68	2025-07-20	Regional Deep Atrophy: a Self-Supervised Learning Method to Automatically Identify Regions Associated With Alzheimer's Disease Progression From Longitudinal MRI 2023-Apr-10, ArXiv PMID:37090239	研究论文	提出了一种名为区域深度萎缩（RDA）的自监督学习方法，用于从纵向MRI中自动识别与阿尔茨海默病进展相关的区域	结合了DeepAtrophy的时间推断方法与可变形配准神经网络及注意力机制，提高了MRI图像中纵向变化区域的解释性	虽然RDA提高了解释性，但其预测准确性与DeepAtrophy相似，未显著提升	开发一种能够自动识别与阿尔茨海默病进展相关区域的深度学习方法，以提高疾病监测的敏感性和临床适用性	纵向MRI扫描图像	数字病理学	阿尔茨海默病	自监督学习、可变形配准神经网络、注意力机制	CNN	MRI图像	NA
69	2025-07-20	Integrating structured and unstructured data for timely prediction of bloodstream infection among children 2023-03, Pediatric research IF:3.1Q1 DOI:10.1038/s41390-022-02116-6 PMID:35854085	研究论文	该研究通过结合结构化和非结构化的电子健康记录数据，利用深度学习模型预测儿童中心静脉导管相关的血流感染	整合临床记录中的非结构化数据与结构化电子健康记录数据，提高了预测严重血流感染的准确性和阳性预测值	研究仅在一个三级儿科医疗系统中进行，可能限制了结果的普遍适用性	开发一种先进的感染预测模型，用于预测儿童中心静脉导管相关的血流感染	住院儿童患者，特别是那些带有中心静脉导管的患者	机器学习	血流感染	深度学习	深度学习模型	结构化电子健康记录数据和临床记录文本	24,351例患者就诊记录
70	2025-07-20	Multiple generation distinct toxicant exposures induce epigenetic transgenerational inheritance of enhanced pathology and obesity 2023, Environmental epigenetics IF:4.8Q1 DOI:10.1093/eep/dvad006 PMID:38162685	研究论文	研究通过连续多代大鼠暴露于不同有毒物质，评估了多代不同暴露对跨代表观遗传继承的影响	首次研究了连续多代暴露于不同有毒物质对跨代表观遗传继承和疾病易感性的复合影响	研究仅基于大鼠模型，人类相关性的直接推断有限	评估多代不同有毒物质暴露对跨代表观遗传和病理学的影响	连续多代暴露于不同有毒物质的大鼠及其后代	表观遗传学	肥胖症	DNA甲基化分析	Deep Learning	组织病理学图像	F0-F5代大鼠
71	2025-07-20	Deep learning models for cancer stem cell detection: a brief review 2023, Frontiers in immunology IF:5.7Q1 DOI:10.3389/fimmu.2023.1214425 PMID:37441078	综述	本文简要回顾了深度学习模型在癌症干细胞检测中的应用	介绍了基于卷积神经网络（CNN）的深度学习模型在癌症干细胞研究中的多样化应用	探讨了基于深度学习的干细胞研究领域的局限性和未来展望	探索深度学习在癌症干细胞研究中的新兴趋势	癌症干细胞（CSCs）或肿瘤起始细胞（TICs）	数字病理学	癌症	深度学习	CNN	生物图像	NA
72	2025-07-20	Computer-aided detection and prognosis of colorectal cancer on whole slide images using dual resolution deep learning 2023-Jan, Journal of cancer research and clinical oncology IF:2.7Q3 DOI:10.1007/s00432-022-04435-x PMID:36331654	research paper	该研究提出了一种基于弱监督学习的双分辨率深度学习网络（WDRNet），用于结直肠癌的识别和预后预测	WDRNet不仅能够识别肿瘤区域，还能预测患者生存期并进行风险分层，且不依赖病理学家标注的感兴趣区域，充分利用了图像的全局信息	研究仅在TCGA和ACHIGMU两个数据集上进行了验证，可能需要更多外部数据验证模型的泛化能力	开发一种深度学习模型，用于结直肠癌的快速诊断和风险分层	结直肠癌患者的全切片图像	digital pathology	colorectal cancer	deep learning	WDRNet（双分辨率深度学习网络）	histopathological images	TCGA数据集和ACHIGMU数据集（具体样本数未提及）
73	2025-07-20	Deep learning-based automated pipeline for blood vessel detection and distribution analysis in multiplexed prostate cancer images 2023, Frontiers in bioinformatics IF:2.8Q2 DOI:10.3389/fbinf.2023.1296667 PMID:38323039	研究论文	本文提出了一种基于深度学习的自动化流程，用于在前列腺癌多重图像中检测血管并分析其分布	开发了一种结合CD31、CD34和胶原IV图像的深度学习模型，用于自动分割血管并分析其大小和分布模式	研究仅基于215名前列腺癌患者的数据，可能存在样本量不足的问题	通过自动化流程分析前列腺癌中的血管分布，以提供对疾病进展的额外见解	前列腺癌患者的血管分布	数字病理学	前列腺癌	深度学习	CNN	图像	215名前列腺癌患者
74	2025-07-19	Analysis of ultrasonographic images using a deep learning-based model as ancillary diagnostic tool for diagnosing gallbladder polyps 2023-12, Digestive and liver disease : official journal of the Italian Society of Gastroenterology and the Italian Association for the Study of the Liver IF:4.0Q1 DOI:10.1016/j.dld.2023.06.023 PMID:37407319	研究论文	本研究评估了基于深度学习的模型在诊断胆囊息肉中的辅助作用	开发了一个深度学习模型，用于区分肿瘤性胆囊息肉与非肿瘤性胆囊息肉，并评估了计算机辅助诊断对医生诊断准确性的提升效果	研究为回顾性队列研究，可能存在选择偏差	评估深度学习模型在胆囊息肉诊断中的效果及其作为辅助诊断工具的潜力	胆囊息肉患者	数字病理	胆囊疾病	深度学习	CNN	超声图像	263名患者的3,754张图像
75	2025-07-19	Identification of gastric signet ring cell carcinoma based on endoscopic images using few-shot learning 2023-12, Digestive and liver disease : official journal of the Italian Society of Gastroenterology and the Italian Association for the Study of the Liver IF:4.0Q1 DOI:10.1016/j.dld.2023.07.005 PMID:37455154	研究论文	该研究提出了一种基于少样本学习的框架，用于在内镜图像中识别胃印戒细胞癌	采用双预训练的EfficientNetV2-S模型结合k近邻分类器，解决了小样本条件下胃印戒细胞癌识别的问题	研究样本量较小，每类仅50个样本	开发一种在样本有限情况下准确识别胃印戒细胞癌的计算机辅助诊断方法	胃印戒细胞癌的内镜图像	计算机视觉	胃癌	少样本学习(FSL)	EfficientNetV2-S, k-nearest neighbor	图像	每类50个样本（胃良性溃疡、腺癌和印戒细胞癌）
76	2025-07-17	Artificial intelligence-enabled penicillin allergy delabelling: an implementation study 2023-11, Internal medicine journal IF:1.8Q2 DOI:10.1111/imj.16266 PMID:37997266	研究论文	本研究探讨了基于人工智能的青霉素过敏标签去除的实施效果	利用深度学习人工智能算法识别适合去除青霉素过敏标签的患者，并通过电子邮件通知系统进行干预	样本量较小（n=59），需要进一步研究优化此类方法	评估人工智能辅助的青霉素过敏标签去除的实施效果	被标记为青霉素过敏的患者	医疗人工智能	过敏性疾病	深度学习	深度学习算法	电子医疗记录	59名干预组患者
77	2025-07-17	FocA: A deep learning tool for reliable, near-real-time imaging focus analysis in automated cell assay pipelines 2023-10, SLAS discovery : advancing life sciences R & D IF:2.7Q2 DOI:10.1016/j.slasd.2023.08.004 PMID:37573010	研究论文	介绍了一种名为FocA的深度学习工具，用于在自动化细胞检测流程中实时分析图像聚焦情况	FocA能够在近实时条件下识别聚焦和失焦图像，并通过小图像块训练优化计算效率，确保不存储和使用低质量图像	未明确提及具体局限性	提高自动化细胞检测中图像数据的质量和一致性	自动化细胞生物学研究平台生成的图像	计算机视觉	NA	深度学习	CNN（推测）	图像	未明确提及具体样本数量
78	2025-07-16	Improved Peptide Docking with Privileged Knowledge Distillation using Deep Learning 2023-Dec-04, bioRxiv : the preprint server for biology DOI:10.1101/2023.12.01.569671 PMID:38106114	研究论文	本文提出了一种名为DistPepFold的深度学习方法，通过特权知识蒸馏改进蛋白质-肽复合物对接	利用基于AlphaFold-Multimer的架构，通过特权知识蒸馏方法提升蛋白质-肽对接性能	需要进一步验证在更广泛数据集上的性能	改进蛋白质-肽复合物的对接预测精度	蛋白质-肽相互作用	结构生物学	NA	深度学习	AlphaFold-Multimer (AFM), DistPepFold	蛋白质-肽复合物结构数据	两个蛋白质-肽复合物数据集
79	2025-07-14	Pilot Analysis of Surgeon Instrument Utilization Signatures Based on Shannon Entropy and Deep Learning for Surgeon Performance Assessment in a Cadaveric Carotid Artery Injury Control Simulation 2023-Dec-01, Operative neurosurgery (Hagerstown, Md.) DOI:10.1227/ons.0000000000000888 PMID:37655892	研究论文	本研究通过香农熵和深度学习分析外科医生在模拟颈动脉损伤控制中的器械使用特征，以评估其手术表现	首次将香农熵应用于手术器械使用序列的多样性量化，并结合深度学习模型预测手术表现	研究基于模拟尸体环境，结果可能无法完全反映真实手术场景	开发自动化、定量化的手术表现评估方法以改进外科培训	外科医生在内镜经鼻颈动脉撕裂模拟手术中的器械使用模式	数字病理	心血管疾病	深度学习	CNN	视频	公开可用的灌注尸体模拟器手术视频数据集
80	2025-07-12	When liver disease diagnosis encounters deep learning: Analysis, challenges, and prospects 2023-Mar, ILIVER.. DOI:10.1016/j.iliver.2023.02.002 PMID:40636411	综述	本文综述了深度学习在肝脏研究中的应用，分析了数据模态、肝脏主题与应用之间的关系，并总结了相关深度学习方法	利用Sankey图展示了数据模态、肝脏主题与应用之间的关系，总结了深度学习在肝脏研究中的方法和趋势	仅基于过去5年的139篇论文进行分析，可能未涵盖所有相关研究	探讨深度学习在肝脏疾病诊断和治疗中的应用	肝脏疾病	数字病理学	肝脏疾病	深度学习	NA	多模态数据	139篇论文