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
1	2025-09-25	Pervasive downstream RNA hairpins dynamically dictate start-codon selection 2023-09, Nature IF:50.5Q1 DOI:10.1038/s41586-023-06500-y PMID:37674078	研究论文	本研究通过整合拟南芥模式触发免疫期间的转录组水平翻译和结构分析，揭示下游RNA发夹结构动态调控起始密码子选择的分子机制	首次发现uAUG下游双链RNA结构（uAUG-ds）通过调控扫描前起始复合体来选择性地翻译上游起始密码子，并证明该机制在人类细胞中具有保守性	NA	探究在不同条件下选择性翻译起始的调控机制	拟南芥模式触发免疫过程中的mRNA翻译调控机制	分子生物学	植物免疫	转录组水平翻译分析、RNA结构分析、深度学习建模	深度学习模型	转录组数据、RNA结构数据	NA
2	2025-09-20	Application of artificial intelligence in the diagnosis of hepatocellular carcinoma 2023-Sep, eGastroenterology DOI:10.1136/egastro-2023-100002 PMID:39944000	综述	本文综述了人工智能在肝细胞癌放射学诊断中的最新应用进展	探讨了AI如何通过深度学习与神经网络模型提升HCC诊断的客观性与一致性，克服人工判读局限	需进一步研究和临床实践以充分发挥AI在HCC管理中的潜力	改善肝细胞癌的早期检测、治疗选择及患者预后	肝细胞癌（HCC）患者	医学影像分析	肝细胞癌	深度学习、神经网络	深度学习模型	影像数据	NA
3	2025-09-20	Comparison of evaluation metrics of deep learning for imbalanced imaging data in osteoarthritis studies 2023-09, Osteoarthritis and cartilage IF:7.2Q1 DOI:10.1016/j.joca.2023.05.006 PMID:37209993	研究论文	比较深度学习在骨关节炎不平衡影像数据中不同评估指标的表现	针对不平衡数据场景系统比较ROC和PR等评估指标，并提出基于不平衡程度的实用评估建议	回顾性研究，数据来源于单一数据库，未涉及其他类型不平衡数据验证	评估深度学习模型在不平衡骨关节炎影像数据中的性能度量适用性	骨关节炎患者的膝关节MRI影像和骨髓病变标注	计算机视觉	骨关节炎	深度学习，MRI影像分析	深度学习模型	医学影像	2467名参与者的2996个膝关节MRI
4	2025-09-12	Application of a 1H Brain MRS Benchmark Dataset to Deep Learning for Out-of-Voxel Artifacts 2023-Sep-01, bioRxiv : the preprint server for biology DOI:10.1101/2023.05.08.539813 PMID:37215030	研究论文	本文介绍了一个用于训练和测试神经网络的合成¹H MRS基准数据集AGNOSTIC，并展示了其在检测和预测体素外伪影方面的应用	创建了包含259,200个合成MRS样本的大规模基准数据集，并首次使用CNN网络实现体素外伪影的实时检测和信号重建	基于合成数据训练，需要在真实临床数据上进一步验证模型性能	解决MRS数据中的体素外伪影问题，提高磁共振波谱数据分析的准确性	合成¹H MRS数据	医学影像分析	NA	磁共振波谱(MRS)	CNN	频谱数据	259,200个合成MRS样本
5	2025-09-12	Deep learning prediction of post-SBRT liver function changes and NTCP modeling in hepatocellular carcinoma based on DGAE-MRI 2023-Sep, Medical physics IF:3.2Q1 DOI:10.1002/mp.16386 PMID:36988423	研究论文	基于DGAE-MRI和深度学习技术，开发个性化NTCP模型以预测肝癌患者SBRT治疗后肝功能变化	首次使用条件Wasserstein生成对抗网络（cWGAN）从剂量分布和基线功能图中预测治疗中肝功能图，实现患者特异性的毒性风险建模	研究样本量较小（仅24例患者），需要更大队列验证	开发结合体素功能信息的NTCP模型，用于肝癌SBRT治疗的个性化适应	肝细胞癌（HCC）患者	数字病理	肝癌	动态钆塞酸增强MRI（DGAE-MRI）	cWGAN（条件Wasserstein生成对抗网络）	医学影像	24例接受SBRT治疗的HCC患者
6	2025-09-07	Deep learning-based fluorescence image correction for high spatial resolution precise dosimetry 2023-Sep-27, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/acf182 PMID:37591253	研究论文	本研究开发了一种基于深度学习的荧光图像校正模型，用于高空间分辨率精确剂量测定	提出新型经验性切伦科夫发射校准方法和CNN模型，显著提升投影剂量分布的准确性	NA	提高辐射激发荧光成像在剂量测定中的准确性	荧光图像和投影剂量分布	计算机视觉	NA	辐射激发荧光成像、经验性切伦科夫发射校准	CNN	图像	181个单孔径静态光子束
7	2025-09-07	AC-Faster R-CNN: an improved detection architecture with high precision and sensitivity for abnormality in spine x-ray images 2023-09-26, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/acf7a8 PMID:37678268	研究论文	提出一种改进的深度学习目标检测架构AC-Faster R-CNN，用于脊柱X射线图像中异常部位的精确定位和分类	开发了可变形卷积特征金字塔网络和异常捕获头结构，结合扩张卷积和可变形卷积更好地捕捉病灶多尺度信息	NA	开发高精度和高灵敏度的自动多疾病检测架构，辅助临床医生进行脊柱X射线图像诊断	脊柱X射线图像中的异常部位	计算机视觉	脊柱疾病	对比度受限自适应直方图均衡化	Faster R-CNN	图像	1007张脊柱X射线图像
8	2025-09-07	Color-guided deformable convolution network for intestinal metaplasia severity classification using endoscopic images 2023-09-13, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/acf3ca PMID:37619578	研究论文	提出一种基于颜色引导可变形卷积网络的肠化生严重程度分类方法	首次利用内窥镜图像对肠化生严重程度进行分级，并提出基于颜色特征的新型偏移生成方法指导可变形卷积	NA	准确诊断肠化生严重程度并预防胃癌发生	肠化生病变区域	计算机视觉	胃癌	深度学习	CNN, DCN, CDCN	内窥镜图像	自建肠化生严重程度数据集
9	2025-09-07	Unsupervised learning-based dual-domain method for low-dose CT denoising 2023-09-08, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/acefa2 PMID:37567225	研究论文	提出一种基于无监督学习的双域方法用于低剂量CT图像去噪	采用无监督学习避免对精确配对数据集的依赖，结合投影域去噪和迭代增强的双域策略	未明确说明方法在极端低剂量条件下的性能表现	开发无需配对数据的低剂量CT去噪方法	低剂量CT投影数据和重建图像	医学影像处理	NA	Noise2Self无监督学习，迭代重建算法	生成模型	CT投影数据和图像	NA
10	2025-09-07	Enhanced PET imaging using progressive conditional deep image prior 2023-09-01, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/acf091 PMID:37582392	研究论文	提出一种基于渐进式条件深度图像先验的无监督学习方法，用于增强PET图像质量并提高病灶检测能力	将单步无监督学习分解为两个无监督学习步骤，通过渐进式学习策略缩小输入图像与目标PET图像之间的差距	NA	开发新的无监督学习方法来提高患者研究中PET图像的病灶检测能力	PET图像和解剖图像	医学影像处理	NA	深度渐进学习策略，迭代重建方法	无监督深度学习	医学图像（PET图像和解剖图像）	体模研究和患者研究（具体样本数量未明确说明）
11	2025-09-03	Automated diagnosis and management of follicular thyroid nodules based on the devised small-dataset interpretable foreground optimization network deep learning: a multicenter diagnostic study 2023-09-01, International journal of surgery (London, England) DOI:10.1097/JS9.0000000000000506 PMID:37204464	研究论文	基于开发的小数据集可解释前景优化网络深度学习模型，实现滤泡性甲状腺结节的自动化诊断与管理	提出FThyNet深度学习模型，针对小数据集设计可解释前景优化网络，并首次系统评估结节边缘纹理信息对滤泡性甲状腺癌预测的影响	样本量相对有限（总样本503例），外部验证仅来自四个中心	开发可靠的术前滤泡性甲状腺癌检测系统，减少侵入性诊断需求	滤泡性甲状腺结节患者	数字病理	甲状腺癌	深度学习	CNN（基于超声图像的深度学习模型）	图像（术前超声图像）	训练与内部验证队列432例（瑞金医院），外部验证队列71例（四个临床中心）
12	2025-08-09	Automated Radiomic Analysis of Vestibular Schwannomas and Inner Ears Using Contrast-Enhanced T1-Weighted and T2-Weighted Magnetic Resonance Imaging Sequences and Artificial Intelligence 2023-09-01, Otology & neurotology : official publication of the American Otological Society, American Neurotology Society [and] European Academy of Otology and Neurotology IF:1.9Q2 DOI:10.1097/MAO.0000000000003959 PMID:37464458	研究论文	使用深度学习和MRI技术自动分析前庭神经鞘瘤和内耳结构	利用三维卷积神经网络模型在MRI图像上自动分割前庭神经鞘瘤和内耳结构，提高了分割的准确性和效率	研究依赖于特定MRI序列（对比增强T1加权和T2加权），可能不适用于其他成像技术	客观评估前庭神经鞘瘤及其与内耳的空间关系	490名成年前庭神经鞘瘤患者的高分辨率MRI扫描数据	数字病理	前庭神经鞘瘤	MRI（对比增强T1加权和T2加权序列）	三维卷积神经网络（3D-CNN）	图像	490名患者（390名训练集，100名测试集）和外部公开数据集100名患者
13	2025-08-07	Correlation Between Intranodular Vessels and Tumor Invasiveness of Lung Adenocarcinoma Presenting as Ground-glass Nodules: A Deep Learning 3-Dimensional Reconstruction Algorithm-based Quantitative Analysis on Noncontrast Computed Tomography Images 2023-Sep-01, Journal of thoracic imaging IF:2.0Q3 DOI:10.1097/RTI.0000000000000731 PMID:37531613	研究论文	本研究利用深度学习三维重建算法定量分析非对比计算机断层扫描图像中结节内血管特征，以区分肺腺癌的侵袭性	首次采用深度学习技术对非对比CT图像中的结节内血管进行三维重建和定量分析，以评估肺腺癌侵袭性	研究为回顾性设计，样本量有限，且仅基于单一机构的患者数据	评估基于深度学习的结节内血管定量特征在区分肺腺癌侵袭性中的作用	474名患者的512个确诊为磨玻璃结节的肺腺癌病变	数字病理	肺癌	非对比计算机断层扫描(CT)，深度学习区域分割和区域生长技术	深度学习算法	医学影像	474名患者的512个磨玻璃结节(包括241个前驱腺体病变、126个微浸润性腺癌和145个浸润性腺癌)
14	2025-07-23	Bering: joint cell segmentation and annotation for spatial transcriptomics with transferred graph embeddings 2023-Sep-22, bioRxiv : the preprint server for biology DOI:10.1101/2023.09.19.558548 PMID:37786667	research paper	提出了一种名为Bering的图深度学习模型，用于在2D和3D空间转录组数据中联合进行噪声感知细胞分割和分子注释	利用转录共定位关系，通过转移图嵌入作为多模态输入的一部分来丰富基因关系，显著提高了细胞分割的准确性和检测到的转录本数量	当前方法依赖于细胞核或细胞体染色，可能导致转录组深度的显著损失和空间共定位关系潜在表示学习能力的限制	解决空间转录组学中细胞分割和注释的准确性挑战	2D和3D空间转录组数据中的细胞	digital pathology	NA	空间转录组学	graph deep learning	spatial transcriptomics data	各种空间技术和组织
15	2025-07-23	Machine Learning for the Prediction of Procedural Case Durations Developed Using a Large Multicenter Database: Algorithm Development and Validation Study 2023-Sep-08, JMIR AI DOI:10.2196/44909 PMID:38875567	研究论文	本研究开发并验证了一种基于机器学习的算法，用于预测手术案例的持续时间，以提高手术室资源规划和患者沟通的效率	利用非线性预测模型和机器学习方法，开发了一个可扩展至多中心的预测算法，显著提高了手术持续时间的预测准确性	研究依赖于历史数据，可能无法完全适应未来手术技术或流程的变化	开发一个可扩展的机器学习算法，以准确预测手术案例的持续时间，优化手术室资源管理	手术案例的持续时间	机器学习	NA	深度学习、梯度提升和集成机器学习	梯度提升机	手术室数据	1,177,893例手术案例，来自13家学术和私立医院（2016-2019年）
16	2025-07-22	Spatially aware deep learning reveals tumor heterogeneity patterns that encode distinct kidney cancer states 2023-09-19, Cell reports. Medicine DOI:10.1016/j.xcrm.2023.101189 PMID:37729872	research paper	本研究开发了一种空间感知的深度学习模型，用于分析肾透明细胞癌(ccRCC)的肿瘤和免疫特征，揭示了与免疫检查点抑制剂(ICI)反应相关的肿瘤异质性模式	利用深度学习模型从全切片图像(WSIs)中识别出人类病理学家无法发现的肿瘤异质性模式，并发现这些模式与PBRM1功能缺失及患者预后相关	研究样本量虽然较大(n=1,102)，但仍可能存在一定的选择偏差	探索肾透明细胞癌(ccRCC)的肿瘤异质性模式及其与免疫治疗反应的关系	肾透明细胞癌(ccRCC)患者	digital pathology	kidney cancer	deep learning, multiplex immunofluorescence	spatially aware deep-learning models	whole-slide images (WSIs), multiplex immunofluorescence images	1,102名患者
17	2025-07-22	Automated Identification of Heart Failure with Reduced Ejection Fraction using Deep Learning-based Natural Language Processing 2023-Sep-11, medRxiv : the preprint server for health sciences DOI:10.1101/2023.09.10.23295315 PMID:37745445	研究论文	开发了一种基于深度学习的自然语言处理模型，用于从出院摘要中自动识别射血分数降低的心力衰竭（HFrEF）患者	采用半监督学习框架开发的新型深度学习语言模型，能够高精度地从临床笔记中识别HFrEF患者	研究主要依赖于特定医院的数据，可能在其他医疗环境中的泛化能力有待验证	开发自动化工具以评估和提高HFrEF患者的护理质量	射血分数降低的心力衰竭（HFrEF）患者	自然语言处理	心血管疾病	深度学习	深度学习语言模型	文本（出院摘要）	13,251份笔记来自5,392名独特个体，包括2,487名HFrEF患者
18	2025-07-22	T1dCteGui: A User-Friendly Clinical Trial Enrichment Tool to Optimize T1D Prevention Studies by Leveraging AI/ML Based Synthetic Patient Population 2023-09, Clinical pharmacology and therapeutics DOI:10.1002/cpt.2976 PMID:37326252	research paper	开发了一个用户友好的临床试验富集工具T1dCteGui，利用AI/ML生成的合成患者群体优化1型糖尿病预防研究	开发了一个基于深度学习的生成模型，用于生成合成患者群体，以支持临床试验富集工具的使用	工具依赖于合成患者群体，可能无法完全反映真实患者群体的多样性	优化1型糖尿病预防研究的临床试验富集策略	1型糖尿病高风险人群	digital pathology	type 1 diabetes	deep learning-based generative model	accelerated failure time model	clinical data	来自多个观察性研究的患者水平数据
19	2025-07-20	Self-Supervised Contrastive Learning to Predict the Progression of Alzheimer's Disease with 3D Amyloid-PET 2023-Sep-28, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering10101141 PMID:37892871	研究论文	本文提出了一种自监督对比学习方法SMoCo，用于基于3D淀粉样蛋白-PET预测轻度认知障碍(MCI)向阿尔茨海默病(AD)的转化	提出了SMoCo方法，结合有标签和无标签数据捕捉图像的一般语义表示，并在预训练中利用标签信息，不同于一般的自监督学习	研究仅基于ADNI数据集，未在其他独立数据集上验证	预测轻度认知障碍(MCI)向阿尔茨海默病(AD)的转化	轻度认知障碍(MCI)患者	计算机视觉	阿尔茨海默病	3D淀粉样蛋白-PET	自监督对比学习模型SMoCo	3D图像	ADNI数据集中的样本
20	2025-07-20	The Swin-Transformer network based on focal loss is used to identify images of pathological subtypes of lung adenocarcinoma with high similarity and class imbalance 2023-Sep, Journal of cancer research and clinical oncology IF:2.7Q3 DOI:10.1007/s00432-023-04795-y PMID:37097394	research paper	本研究提出了一种基于Swin-Transformer和Focal Loss的FL-STNet模型，用于高相似性和类别不平衡的肺腺癌病理亚型图像识别	首次开发了基于11类分类器的深度学习模型，结合Swin-Transformer和Focal Loss，解决了CNN和Vit的不足	研究仅基于360名患者的样本，可能无法涵盖所有肺腺癌亚型的多样性	提高肺腺癌病理亚型的分类准确性，辅助临床诊断	肺腺癌病理亚型的图像数据	digital pathology	lung cancer	WSI histopathology	Swin-Transformer, FL-STNet	image	360名患者的肺腺癌和其他肺部疾病亚型样本