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
21	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
22	2025-07-20	Deep learning-based methods for classification of microsatellite instability in endometrial cancer from HE-stained pathological images 2023-Sep, Journal of cancer research and clinical oncology IF:2.7Q3 DOI:10.1007/s00432-023-04838-4 PMID:37150803	研究论文	本研究提出了一种基于深度学习的注意力模块架构，用于从H&E染色的病理图像中分类子宫内膜癌的微卫星不稳定性状态	提出了一种新的基于注意力模块的深度学习架构，用于从病理图像中提取特征，并通过词袋方法聚合预测概率，实现切片水平的微卫星状态分类	研究仅使用了TCGA子宫内膜癌队列的数据，未在其他独立数据集上进行验证	开发一种快速、低成本的自动化工具，用于子宫内膜癌微卫星不稳定性状态的检测	子宫内膜癌患者的H&E染色全切片图像	数字病理学	子宫内膜癌	深度学习	基于注意力模块的CNN	图像	来自TCGA子宫内膜癌队列的H&E染色全切片图像
23	2025-07-20	A novel staging system based on deep learning for overall survival in patients with esophageal squamous cell carcinoma 2023-Sep, Journal of cancer research and clinical oncology IF:2.7Q3 DOI:10.1007/s00432-023-04842-8 PMID:37154930	research paper	开发了一种基于深度学习的系统DeepSurv，用于预测食管鳞状细胞癌（ESCC）患者的总生存期（OS），并通过多队列数据验证和可视化新的分期系统	提出了一种基于深度学习的新的分期系统，该系统在预测ESCC患者生存期方面优于传统的nomogram方法，并开发了一个易于使用的基于网络的工具	研究依赖于SEER数据库的数据，可能无法涵盖所有相关临床因素，且外部验证的广泛性未明确说明	开发并验证一种基于深度学习的预测模型和分期系统，以提高ESCC患者生存预测的准确性和实用性	6020名2010年1月至2018年12月诊断为ESCC的患者	digital pathology	esophageal squamous cell carcinoma	deep learning	DeepSurv	clinical data	6020名ESCC患者
24	2025-07-20	Segmentation and classification of brain tumors using fuzzy 3D highlighting and machine learning 2023-Sep, Journal of cancer research and clinical oncology IF:2.7Q3 DOI:10.1007/s00432-023-04754-7 PMID:37166578	研究论文	本文提出了一种结合模糊3D高亮方法和机器学习算法（GOA-SVM和GA-DNN）的脑肿瘤分割与分类方法	采用模糊3D高亮方法进行脑肿瘤分割，并结合两种优化机器学习算法（GOA-SVM和GA-DNN）进行分类	未提及具体数据集规模或临床验证的广泛性	提高脑肿瘤诊断的准确性和效率	脑肿瘤的MRI影像	数字病理学	脑肿瘤	MRI扫描、模糊3D高亮方法、grasshopper优化算法、遗传算法	GOA-SVM、GA-DNN	MRI影像	NA
25	2025-07-20	Differential diagnosis of hepatocellular carcinoma and intrahepatic cholangiocarcinoma based on spatial and channel attention mechanisms 2023-Sep, Journal of cancer research and clinical oncology IF:2.7Q3 DOI:10.1007/s00432-023-04935-4 PMID:37268850	研究论文	本研究开发了一种基于通道和空间注意力机制的深度学习模型CSAM-Net，用于术前非侵入性区分肝细胞癌和肝内胆管癌	提出了一种新型的基于通道和空间注意力机制的深度学习模型CSAM-Net，显著提高了肝细胞癌和肝内胆管癌的区分准确率	研究为回顾性研究，样本量相对有限，未来需要更多前瞻性研究验证模型的泛化能力	开发一种有效的非侵入性术前诊断方法，用于区分肝细胞癌和肝内胆管癌	肝细胞癌和肝内胆管癌患者	数字病理	肝癌	CT成像	CSAM-Net（基于通道和空间注意力机制的深度学习模型）	图像	395例肝细胞癌患者和99例肝内胆管癌患者的CT图像
26	2025-07-20	A deep-learning-based clinical risk stratification for overall survival in adolescent and young adult women with breast cancer 2023-Sep, Journal of cancer research and clinical oncology IF:2.7Q3 DOI:10.1007/s00432-023-04955-0 PMID:37277578	research paper	本研究构建了一种基于深度学习的临床风险分层模型，用于预测青少年和年轻成年女性乳腺癌患者的总生存期	使用DeepSurv深度学习算法构建预后预测模型，并基于该模型构建了一种新的临床风险分层方法	研究数据仅来自SEER数据库，可能无法代表所有人群	构建乳腺癌青少年和年轻成年女性患者的预后预测模型	青少年和年轻成年女性乳腺癌患者	digital pathology	breast cancer	deep learning	DeepSurv	clinical data	14,243名青少年和年轻成年女性乳腺癌患者
27	2025-07-20	Machine learning and deep learning techniques for breast cancer diagnosis and classification: a comprehensive review of medical imaging studies 2023-Sep, Journal of cancer research and clinical oncology IF:2.7Q3 DOI:10.1007/s00432-023-04956-z PMID:37278831	review	本文综述了机器学习和深度学习技术在乳腺癌诊断和分类中的应用，重点关注五种医学影像	全面回顾了五种医学影像（乳腺X光、超声、MRI、组织学和热成像）在乳腺癌诊断中的应用，并讨论了五种流行的机器学习技术和深度学习架构	NA	探讨机器学习和深度学习技术在乳腺癌分类和诊断中的应用及其潜力	乳腺癌的医学影像数据	digital pathology	breast cancer	machine learning, deep learning	Nearest Neighbor, SVM, Naive Bayesian Network, DT, ANN, CNN	medical imaging (mammography, ultrasound, MRI, histology, thermography)	NA
28	2025-07-04	Decoding biological age from face photographs using deep learning 2023-Sep-12, medRxiv : the preprint server for health sciences DOI:10.1101/2023.09.12.23295132 PMID:37745558	研究论文	本研究开发并验证了FaceAge，一种从面部照片估计生物年龄的深度学习系统，并评估其在癌症患者中的临床效用	利用深度学习从面部照片客观估计生物年龄，并验证其在癌症预后和临终决策中的临床价值	研究主要基于美国和荷兰的癌症患者数据，可能在其他人群中的适用性有待验证	开发一种客观、定量的方法，从面部照片估计生物年龄，并评估其在医学判断中的临床效用	健康个体和癌症患者的面部照片	数字病理学	癌症	深度学习	CNN	图像	58,851名健康个体和6,196名癌症患者
29	2025-06-24	Automatic Ploidy Prediction and Quality Assessment of Human Blastocyst Using Time-Lapse Imaging 2023-Sep-02, bioRxiv : the preprint server for biology DOI:10.1101/2023.08.31.555741 PMID:37693566	研究论文	本文提出了一种名为BELA的深度学习模型，用于自动预测人类囊胚的倍性状态和质量评估，利用延时成像技术优化预测准确性	BELA模型通过多任务学习和延时成像技术，无需胚胎学家主观输入，即可实现高精度的倍性状态预测，其性能与基于胚胎学家手动评分的模型相当	BELA模型不能完全替代植入前遗传学检测（PGT-A），仍需进一步验证其临床适用性	优化体外受精（IVF）过程中胚胎质量评估和染色体异常检测的准确性	人类囊胚	数字病理	生殖健康	延时成像	深度学习模型（BELA）	图像和视频	Weill Cornell数据集中的囊胚样本
30	2025-06-20	GSDA: Generative adversarial network-based semi-supervised data augmentation for ultrasound image classification 2023-Sep, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2023.e19585 PMID:37809802	research paper	提出了一种基于生成对抗网络（GAN）的半监督数据增强方法GSDA，用于超声图像分类	结合GAN和CNN，通过半监督学习生成高质量超声图像并伪标注，同时引入新的评估标准平衡分类准确率和计算时间	仅在BUSI数据集上进行评估，需验证在其他超声数据集上的泛化能力	解决医学超声图像分析中数据稀缺问题，提升深度学习模型性能	医学超声图像	digital pathology	NA	GAN, CNN, transfer learning	GAN, CNN	image	780张超声图像
31	2025-06-20	Sentiment analysis in multilingual context: Comparative analysis of machine learning and hybrid deep learning models 2023-Sep, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2023.e20281 PMID:37809397	研究论文	本研究比较了多种机器学习和混合深度学习模型在英语和孟加拉语情感分析中的效果	在孟加拉语情感分析领域取得了显著进展，改进了文本分类模型和方法	仅针对特定电商平台(DARAZ)的评论数据进行分析	比较不同模型在情感分析领域的有效性	来自DARAZ电商平台的英语和孟加拉语评论	自然语言处理	NA	porter stemming算法	SVM, LSTM, Bi-LSTM, Conv1D, Conv1D-LSTM混合模型	文本	NA
32	2025-06-18	Expert-level pediatric brain tumor segmentation in a limited data scenario with stepwise transfer learning 2023-Sep-18, medRxiv : the preprint server for health sciences DOI:10.1101/2023.06.29.23292048 PMID:37425854	研究论文	本研究开发了一种基于逐步迁移学习的深度学习神经网络，用于在有限数据场景下实现儿科低级别胶质瘤的专家级自动分割	提出了一种新颖的领域内逐步迁移学习方法，在有限数据条件下实现了专家级的肿瘤分割性能	研究数据量仍然有限(n=284)，且仅针对儿科低级别胶质瘤	开发适用于儿科脑肿瘤的AI自动分割算法以支持临床决策	儿科低级别胶质瘤(pLGG)	数字病理	儿科脑肿瘤	深度学习	深度学习神经网络	医学影像	284例(184例来自国家脑肿瘤联盟，100例来自儿科癌症中心)
33	2025-06-04	A microwell platform for high-throughput longitudinal phenotyping and selective retrieval of organoids 2023-09-20, Cell systems IF:9.0Q1 DOI:10.1016/j.cels.2023.08.002 PMID:37734323	research paper	开发了一种基于微孔的高通量方法，用于从单细胞生长的类器官的图像参数量化，并可进一步从微孔中提取进行分子分析	使用微孔平台解决了传统批量培养类器官无法高通量追踪单个类器官生长的问题，并结合深度学习图像处理流程，实现了对类器官生长速率、细胞运动和顶-底极性等表型特征的高通量量化	未提及该方法是否适用于所有类型的类器官，或是否存在特定的技术限制	研究类器官的生长和表型特征，以探索疾病（如癌症）的发生和发展机制	人类胃类器官模型	digital pathology	cancer	CRISPR-engineered, deep learning image-processing	NA	image	两种CRISPR工程的人类胃类器官模型
34	2025-05-28	A Hybrid Deep Learning Approach to Identify Preventable Childhood Hearing Loss 2023 Sep-Oct 01, Ear and hearing IF:2.6Q1 DOI:10.1097/AUD.0000000000001380 PMID:37318215	研究论文	本研究评估了一种混合深度学习模型在自动化鼓室图分类中的应用，以促进资源有限社区中由非专业人员指导的鼓室测听	开发了一种混合深度学习模型，用于自动化鼓室图分类，其性能优于内置分类器和基于临床推荐规范值的决策树	研究样本主要来自阿拉斯加农村地区的 underserved 人群，可能限制了结果的普遍性	评估机器学习在自动化鼓室图分类中的效用，以促进资源有限社区中的听力筛查	1635名学龄儿童，来自阿拉斯加农村 underserved 人群	机器学习	儿童听力损失	混合深度学习模型	混合深度学习模型	鼓室图数据	1635名儿童，4810对鼓室图数据
35	2025-05-26	Artificial Intelligence and Machine Learning in Rotator Cuff Tears 2023-Sep-01, Sports medicine and arthroscopy review IF:2.5Q2 DOI:10.1097/JSA.0000000000000371 PMID:37976127	综述	本文综述了人工智能和机器学习在肩袖撕裂诊断和管理中的当前应用及未来潜力	探讨了深度学习特别是卷积神经网络在肩袖撕裂MRI诊断中的高准确性，以及AI在个性化患者护理和术后结果预测中的应用	数据集较小，部分厚度撕裂的分类存在复杂性	评估AI在肩袖撕裂管理中的应用潜力	肩袖撕裂患者	数字病理学	肩袖撕裂	深度学习	CNN	医学影像	NA
36	2025-05-15	Protocol for predicting peptides with anticancer and antimicrobial properties by a tri-fusion neural network 2023-09-15, STAR protocols IF:1.3Q4 DOI:10.1016/j.xpro.2023.102541 PMID:37660298	研究论文	本文介绍了一种使用TriNet三融合神经网络预测具有抗癌和抗菌特性的肽的协议	提出了一种名为TriNet的三融合神经网络，用于预测具有抗癌和抗菌特性的肽	未提及具体性能指标或与其他方法的比较	开发一种预测具有抗癌和抗菌特性肽的深度学习工具	肽序列	机器学习	癌症	深度学习	TriNet（三融合神经网络）	序列数据	NA
37	2025-05-14	Protocol for automated multivariate quantitative-image-based cytometry analysis by fluorescence microscopy of asynchronous adherent cells 2023-09-15, STAR protocols IF:1.3Q4 DOI:10.1016/j.xpro.2023.102446 PMID:37453067	研究论文	本文提出了一种基于荧光显微镜的异步贴壁细胞多变量定量图像细胞术（QIBC）分析协议	开发了一个开源的Fiji脚本，整合了基于人工智能的深度学习工具，用于自动核分割，最小化用户调整	NA	提供一种高效的多变量定量图像细胞术分析方法	异步贴壁细胞	数字病理学	NA	荧光显微镜	深度学习	图像	NA
38	2025-05-14	A knowledge-integrated deep learning framework for cellular image analysis in parasite microbiology 2023-09-15, STAR protocols IF:1.3Q4 DOI:10.1016/j.xpro.2023.102452 PMID:37537845	research paper	提出一个知识集成的深度学习框架，用于寄生虫微生物学中的细胞图像分析	结合知识表示与深度学习，应用于细胞图像分类、检测和重建任务	未提及具体性能指标或对比实验	开发一个用于微生物细胞图像分析的深度学习框架	寄生虫微生物的细胞图像	digital pathology	NA	deep learning	CNN	image	NA
39	2025-05-04	NuFold: A Novel Tertiary RNA Structure Prediction Method Using Deep Learning with Flexible Nucleobase Center Representation 2023-Sep-22, bioRxiv : the preprint server for biology DOI:10.1101/2023.09.20.558715 PMID:37790488	研究论文	提出了一种名为NuFold的新型深度学习方法，用于预测RNA的三级结构	NuFold采用了一种灵活的核苷碱基中心表示方法，能够准确再现所有可能的核苷酸构象	NA	解决RNA序列数据与结构理解之间的差距，提供一种经济高效的RNA三级结构预测方法	RNA的三级结构	机器学习和计算生物学	NA	深度学习	NuFold	RNA序列数据	NA
40	2025-04-25	Computational Advancements in Cancer Combination Therapy Prediction 2023-09, JCO precision oncology IF:5.3Q1 DOI:10.1200/PO.23.00261 PMID:37824797	review	本文综述了计算预测癌症联合疗法的方法，并总结了最近的研究	强调了计算预测方法在癌症联合疗法中的创新应用，包括网络、回归机器学习、分类器机器学习模型和深度学习方法	不同方法各有优缺点，需要谨慎选择最适合的方法	提高癌症联合疗法的预测准确性	癌症联合疗法的计算预测方法	machine learning	cancer	in silico drug repurposing	networks, regression-based machine learning, classifier machine learning models, deep learning	multiomics data	NA